检索结果-内蒙古大学图书馆

传感器与微系统 2023年第6期42卷 124-128页

作者：宁晴鲍泓潘卫国王立剑北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学机器人学院北京100027 铁旅科技有限公司北京100000

在无人驾驶领域车辆前方动态多目标跟踪中,针对尺度变化明显时或者对于大车的跟踪,Quasi-Dense跟踪算法的跟踪结果较差的问题,提出了改进的Quasi-Dense多目标跟踪算法。结合了注意力机制、自适应等思想,提升模型对于尺度变化较大目标的... 详细信息

在无人驾驶领域车辆前方动态多目标跟踪中,针对尺度变化明显时或者对于大车的跟踪,Quasi-Dense跟踪算法的跟踪结果较差的问题,提出了改进的Quasi-Dense多目标跟踪算法。结合了注意力机制、自适应等思想,提升模型对于尺度变化较大目标的检测和跟踪的能力。在网络结构中使用空间注意力机制,同时在设定锚框时使用启发式方法,改进模型的跟踪效果,有效地降低了跟踪时ID切换的次数。在伯克利驾驶数据集(BDD)公开跟踪数据集上对模型进行训练和评估。实验结果表明:改进的端到端多目标跟踪方法显著提高了跟踪的精度,同时速度能够达到36.3 fps,满足实时性要求。

关键词：多目标跟踪空间注意力自动驾驶区域生成网络可变卷积

来源：评论

学校读者我要写书评

暂无评论

引入坐标注意力和自注意力的人体关键点检测研究

引用

计算机工程 2022年第12期48卷 86-94页

作者：刘圣杰何宁于海港王程韩文静北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学机器人学院北京100101 北京联合大学智慧城市学院北京100101

人体关键点检测在智能视频监控、人机交互等领域具有重要应用。多数基于深度学习的人体关键点检测算法仅聚焦于增加多尺度特征或加深网络模型深度,忽略了在获取低分辨率特征图过程中因重复下采样操作而造成的信息丢失。针对该问题,提出... 详细信息

人体关键点检测在智能视频监控、人机交互等领域具有重要应用。多数基于深度学习的人体关键点检测算法仅聚焦于增加多尺度特征或加深网络模型深度,忽略了在获取低分辨率特征图过程中因重复下采样操作而造成的信息丢失。针对该问题,提出一种高分辨率的人体关键点检测网络CASANet,以实现二维图像人体姿态估计。使用HRNet作为骨干网络,引入坐标注意力模块在1/16分辨率特征图分支上捕获位置信息和通道信息,利用自注意力模块在1/32分辨率特征图分支上捕获位置信息和通道信息的内部相关性,通过这2个模块克服网络在获取低分辨率特征图过程中的信息丢失问题。在MS COCOVAL 2017数据集上进行实验,结果表明,CASANet网络可以在参数量和计算量有少量提升的情况下获得更高的检测准确度,有效提升通道信息和位置信息的提取效果,相较基线方法,CASANet的AP值提高2.4个百分点。

关键词：人体关键点检测坐标注意力自注意力高分辨率网络通道注意力

来源：评论

学校读者我要写书评

暂无评论

基于特征融合级联网络的交通标识牌检测算法

引用

计算机应用与软件 2022年第4期39卷 193-198,268页

作者：魏威李学伟北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学机器人学院北京100101

准确检测交通标识牌对提高驾驶的安全性具有十分重要的作用,随着深度学习的不断发展完善,基于深度学习的检测算法也应运而生,但这些方法存在检测小目标精度低的问题。针对这一问题,提出一种基于特征融合级联网络的标识牌检测算法。该算... 详细信息

准确检测交通标识牌对提高驾驶的安全性具有十分重要的作用,随着深度学习的不断发展完善,基于深度学习的检测算法也应运而生,但这些方法存在检测小目标精度低的问题。针对这一问题,提出一种基于特征融合级联网络的标识牌检测算法。该算法在Faster R-CNN框架的基础上增加了特征融合模块,将网络中提取的浅层特征信息与深层特征信息相融合,这样就能够同时利用深层特征图中语义信息和浅层特征图中小目标的特征信息来检测标识牌。在特征融合网络后级联一个网络来解决特征融合网络误分类。在Tsinghua-Tencent 100k交通标识数据集上进行实验,结果表明该算法对标识牌的检测的平均检测率有明显提升。

关键词：深度学习小目标检测标识牌检测特征融合级联网络

来源：评论

学校读者我要写书评

暂无评论

基于改进无锚框网络的小尺度车辆目标检测方法

引用

计算机工程与设计 2022年第10期43卷 2799-2804页

作者：刘腾刘宏哲李学伟徐成北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学机器人学院北京100101

小尺度车辆目标检测现已成为交通场景下目标检测中亟待解决的难题。对其中的难点进行研究,提出一种基于无锚框目标检测网络改进的算法。使用自适应特征提取方法,增强小尺度特征的表达,提高小尺度目标的特征提取能力;通过改进特征融合方... 详细信息

小尺度车辆目标检测现已成为交通场景下目标检测中亟待解决的难题。对其中的难点进行研究,提出一种基于无锚框目标检测网络改进的算法。使用自适应特征提取方法,增强小尺度特征的表达,提高小尺度目标的特征提取能力;通过改进特征融合方法,将浅层信息逐层融合,解决特征丢失的问题。引入注意力增强方法,增加中心点预测能力,解决目标遮挡问题。实验结果表明,该算法在UA-DETRAC数据集上有很好的检测效果,较改进前车辆检测能力有较大提升,满足实时检测的要求,检测速度达到了59,平均精度均值为92.9%。

关键词：小尺度车辆目标检测无锚框目标检测智慧交通深度学习注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于Dueling DDQN的无人车换道决策模型

引用

东北师大学报（自然科学版） 2022年第1期54卷 63-71页

作者：张鑫辰张军刘元盛谢龙洋北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学机器人学院北京100101

针对高速公路场景中无人驾驶车的换道决策问题,提出一种基于竞争结构的双深度Q网络(DDQN)的无人车换道决策模型.在深度Q网络的基础上,将无人车动作的选择和评估分别用不同的神经网络来实现,并将Q网络分为仅与状态S相关的价值函数和同时... 详细信息

针对高速公路场景中无人驾驶车的换道决策问题,提出一种基于竞争结构的双深度Q网络(DDQN)的无人车换道决策模型.在深度Q网络的基础上,将无人车动作的选择和评估分别用不同的神经网络来实现,并将Q网络分为仅与状态S相关的价值函数和同时与状态S和动作A相关的优势函数两部分,使得Dueling DDQN模型可以更好地理解外部的状态环境.使用训练模型在不同复杂程度的道路环境中进行测试,同时与DQN和DDQN进行了实验对比.结果表明,该算法提高了无人车换道决策的成功率,并在保证车辆安全的前提下提高了无人车的行驶效率,在复杂的道路场景下的适用性更强.

关键词：无人车换道决策双深度Q网络

来源：评论

学校读者我要写书评

暂无评论

基于记忆库和后处理方法解决长尾实例分割问题

引用

计算机应用研究 2023年第6期40卷 1876-1881页

作者：范馨月刘腾鲍泓潘卫国梁天骄李晗北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学机器人学院北京100020 北京邮电大学信息网络中心北京100876

数据的长尾特性一直是解决计算机视觉问题的一大挑战,为了应对这一挑战在实例分割任务中带来的困难,通常引入图像重采样作为一种简单有效的方法。然而一幅图像中可能存在多个类,仅通过图像重采样不足以在类别的数据量层面上获得足够均... 详细信息

数据的长尾特性一直是解决计算机视觉问题的一大挑战,为了应对这一挑战在实例分割任务中带来的困难,通常引入图像重采样作为一种简单有效的方法。然而一幅图像中可能存在多个类,仅通过图像重采样不足以在类别的数据量层面上获得足够均衡的分布,因此提出一种以目标为中心的记忆库后处理方法。首先引入记忆库模型,设立以目标为单位的存储策略,解决各类别数量不均衡问题;其次使用一种后处理校准方法,通过调整每个类的置信度得分提升稀有类和普通类的预测值。在公开数据集LVIS上的实验验证了所提方法的有效性,并且相比EQL方法,准确率能够提升2.2%。

关键词：长尾分布实例分割记忆库置信度校准 DCT 深度学习

来源：评论

学校读者我要写书评

暂无评论

基于Transformer和边缘解耦的鸟瞰地图语义分割算法

引用

计算机应用研究 2023年第11期40卷 3432-3436页

作者：梁天骄郑颖潘卫国鲍泓北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学机器人学院北京100027 中国矿业大学(北京)机电与信息工程学院北京100083

高精(high-definition,HD)地图可以提供准确的道路信息和丰富的语义信息,使自动驾驶系统引导车辆正确行驶。高精地图通常依赖人工标注,现有自动化标注方法在自动驾驶场景下的识别精度较低,导致高精地图标注效率低下。为了解决这一问题,... 详细信息

高精(high-definition,HD)地图可以提供准确的道路信息和丰富的语义信息,使自动驾驶系统引导车辆正确行驶。高精地图通常依赖人工标注,现有自动化标注方法在自动驾驶场景下的识别精度较低,导致高精地图标注效率低下。为了解决这一问题,提出了一种新的用于高精地图自动标注的语义分割方法MapFormer,包括一个多级特征融合模块,能够使模型聚合不同级别的细节和语义信息;一种新的边界解耦联合解码器用以提高模型处理类别间边界的能力。在鸟瞰图数据集上的实验验证了该模型不仅在分割精度上取得了优秀的表现,而且在对类别边界的处理上更为清晰。其mIoU为55.82%,高于SegFormer的mIoU 1.03%,该方法可提升高精地图标注效率与标注自动化率。

关键词：深度学习语义分割 Transformer 高精地图

来源：评论

学校读者我要写书评

暂无评论

基于视觉DQN的无人车换道决策算法研究

引用

传感器与微系统 2023年第10期42卷 52-55页

作者：付一豪鲍泓梁天骄付东普潘峰北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学机器人学院北京100027 首都经济贸易大学管理工程学院北京100070

无人驾驶技术是当前人工智能(AI)领域的研究热点。针对传统深度Q网络(DQN)在基于视觉的换道决策上存在收敛速度慢等问题,提出了基于视觉的DQN的无人车换道决策模型。将基于注意力机制的视觉感知与DQN融合,使网络聚焦在重要的图像特征上... 详细信息

无人驾驶技术是当前人工智能(AI)领域的研究热点。针对传统深度Q网络(DQN)在基于视觉的换道决策上存在收敛速度慢等问题,提出了基于视觉的DQN的无人车换道决策模型。将基于注意力机制的视觉感知与DQN融合,使网络聚焦在重要的图像特征上;并引入Q-Masking机制来降低决策复杂度,加快DQN的训练收敛速度。最后,提出基于DQN的速度决策算法来构成一个完整的换道决策模型,并在仿真环境中进行训练与测试。实验结果表明:所提模型可以实现更快的换道决策策略,同时加快了DQN的收敛速度。

关键词：无人车换道决策注意力机制强化学习

来源：评论

学校读者我要写书评

暂无评论

基于科教融合的研究生课程设计与实践

基于科教融合的研究生课程设计与实践

引用

中国计算机用户协会网络应用分会2024年第二十八届网络新技术与应用年会

作者：潘卫国徐冰心刘宏哲代松银徐成北京联合大学北京市信息服务工程重点实验室北京联合大学机器人学院

研究生教育肩负着高层次人才培养和创新创造的重要使命,是国家发展、社会进步的重要基石。为了使研究生教育高质量发展,国家部委和北京市都制定了相关的发展意见和行动规划。研究生的课程改革是实现这一规划的基本保障。文中探索了基于... 详细信息

研究生教育肩负着高层次人才培养和创新创造的重要使命,是国家发展、社会进步的重要基石。为了使研究生教育高质量发展,国家部委和北京市都制定了相关的发展意见和行动规划。研究生的课程改革是实现这一规划的基本保障。文中探索了基于科教融合的研究生课程设计与实践,在课前阶段,明确了核心知识点和学习目标,并进行了科研任务的细分;课中阶段侧重于预习内容总结、课堂讲解互动和专业前沿引导讨论;课后阶段则着重于答疑、问题引导讨论和前沿难题解决引导。以"计算机视觉"课程为例,展示了科教融合的具体实施步骤,通过学生的最终学习效果,证实了基于科教融合理念的研究生课程教学改革的有效性和可行性,可为其他课程的改革提供有益的参考。

关键词：科教融合研究生课程教学改革

来源：评论

学校读者我要写书评

暂无评论

基于改进单级特征图方法的交通标志检测

引用

传感器与微系统 2022年第2期41卷 123-127,131页

作者：梁天骄鲍泓潘卫国潘峰胡正坤北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学机器人学院北京100027 北京联合大学应用科技学院北京100012

基于深度学习的交通标志牌检测算法取得了突破性的进展,但在检测精度和速度方面仍得不到兼顾。针对此问题,本文在YOLOF算法的基础上提出了一种改进的算法,在YOLOF网络检测分支中融入注意力机制以增强网络对交通标志牌目标的表示,并利用C... 详细信息

基于深度学习的交通标志牌检测算法取得了突破性的进展,但在检测精度和速度方面仍得不到兼顾。针对此问题,本文在YOLOF算法的基础上提出了一种改进的算法,在YOLOF网络检测分支中融入注意力机制以增强网络对交通标志牌目标的表示,并利用CIoU改进损失函数;使用数据增广模拟自动驾驶过程中的复杂环境,增强检测模型的鲁棒性。对比实验结果表明:本文提出的改进方法具有更高的检测精度,能够达到检测精度和速度的平衡。

关键词：目标检测注意力机制交通标志牌单级特征图

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：