检索结果-内蒙古大学图书馆

计算机工程与应用 2024年第11期60卷 105-114页

作者：朱胜豪钱承山阚希南京信息工程大学自动化学院南京211800 无锡学院物联网工程学院江苏无锡214105

针对原始YOLOv5在人体跌倒检测任务中无法有效应对复杂细节捕捉、变形处理、不同尺度目标适应和遮挡检测的困境,提出了一种基于C2D改进YOLOv5模型的新型高精度跌倒检测算法C2D-YOLO。给出了一种名为C2D的新型特征提取模块,通过融合可变... 详细信息

针对原始YOLOv5在人体跌倒检测任务中无法有效应对复杂细节捕捉、变形处理、不同尺度目标适应和遮挡检测的困境,提出了一种基于C2D改进YOLOv5模型的新型高精度跌倒检测算法C2D-YOLO。给出了一种名为C2D的新型特征提取模块,通过融合可变形卷积、标准卷积和通道空间混合注意机制,将其添加到主干网络中,旨在增强特征表征能力,更好地捕捉复杂细节和处理变形。在颈部网络中,采用了Swin Transformer block替代C3模块的瓶颈层,旨在最大限度地保留特征信息,以提升对不同尺度目标的检测精度并改善遮挡情况下的性能。在借鉴YOLOX解耦结构的基础上对YOLOv5的Head模块进行改进,旨在优化分类和回归性能。实验结果表明,相比现有的YOLOv5s,该方法的mAP0.5和mAP0.5:0.95分别提高了3.2个百分点和6.5个百分点,明显提升了检测精度,减少了误检率。

关键词： YOLOv5 跌倒检测 C2D Swin Transformer block 解耦结构

来源：评论

学校读者我要写书评

暂无评论

基于ICEEMDAN和TCN-AM-BiGRU的短期光伏功率预测

引用

电子测量技术 2024年第9期47卷 61-69页

作者：白隆俞斌高峰顾晋豪徐婕南京信息工程大学自动化学院南京210044 无锡学院自动化学院无锡214105

光伏发电功率的准确预测对综合能源系统的安全稳定运行以及实时控制至关重要。为解决光伏功率预测过程中存在噪声干扰以及传统的单一预测模型存在预测精度较差等问题,本文提出一种基于ICEEMDAN和TCN-AM-BiGRU相结合的短期光伏功率预测... 详细信息

光伏发电功率的准确预测对综合能源系统的安全稳定运行以及实时控制至关重要。为解决光伏功率预测过程中存在噪声干扰以及传统的单一预测模型存在预测精度较差等问题,本文提出一种基于ICEEMDAN和TCN-AM-BiGRU相结合的短期光伏功率预测模型。首先,利用皮尔逊相关系数筛选关键气象因素,通过模糊C均值聚类将光伏功率历史数据划分为晴天、多云和阴雨3种相似日;其次利用ICEEMDAN将历史训练集分解成若干个较为规律的子序列,并根据排列熵值进行重构;最后,通过TCN提取序列特征,引入注意力机制赋予不同的权重,再通过BiGRU进行预测,输出最终的预测结果。以某光伏电站的实际数据为例对预测模型和其他模型进行验证和分析,结果表明在晴天、多云和阴雨天气下,相比其他对比模型,所提模型准确率平均提高了1.69%、3.58%和4.40%,MAE平均降低了57.61%、36.83%和40.94%,RMSE平均降低了56.90%、34.30%和36.63%,验证了本文模型的有效性和优越性。

关键词：模态分解相似日聚类 TCN 注意力机制 BiGRU

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv8s的锂电池X射线缺陷检测

引用

激光与光电子学进展 2025年

作者：许舰陈伟超江敏魏然南京信息工程大学自动化学院南京信息工程大学无锡研究院无锡学院公共基础教学部

在锂电池制造过程中，准确有效地检测锂电池电芯内部缺陷对于维持产品的可靠性至关重要。针对锂电池缺陷具有小目标和大长宽比的多尺度问题，提出一种基于YOLOv8s算法的锂电池X射线图像缺陷检测改进模型GDM-YOLO。首先根据分组卷积思想... 详细信息

在锂电池制造过程中，准确有效地检测锂电池电芯内部缺陷对于维持产品的可靠性至关重要。针对锂电池缺陷具有小目标和大长宽比的多尺度问题，提出一种基于YOLOv8s算法的锂电池X射线图像缺陷检测改进模型GDM-YOLO。首先根据分组卷积思想来改进C2f（CSP Bottleneck with 2 Convolutions）模块，能够有效的提升模型的检测能力和降低模型计算量与参数量。其次针对现有SPPF（Spatial Pyramid Pooling-Fast）的池化操作会丢失一些细节信息的问题，改用卷积操作进行特征提取，更好地捕捉图像中的细节和复杂模式。最后，设计多尺度融合模块，能够在不同尺度间有效传递上下文信息，从而提升模型目标检测能力。实验结果表明，GDM-YOLO算法在实验数据集上的mAP50达到93.3%,mAP50-95达到57.6%，相比基准YOLOv8s提升3.1%和4.1%，模型参数量几乎保持不变。

关键词：缺陷检测 YOLOV8s X射线图像锂电池缺陷

来源：评论

学校读者我要写书评

暂无评论

基于改进多目标粒子群算法的储能式充电桩优化运行策略

引用

南京信息工程大学学报 2024年第6期16卷 817-826页

作者：李鹏俞天杨俞斌周成伟孟伟南京信息工程大学自动化学院南京210044 无锡学院自动化学院无锡214105

针对小区接入充电桩无序充放电加大负荷峰谷差率和用户成本的问题,提出一种储能式充电桩有序充放电优化运行策略.该优化策略在降低峰谷差率的前提下,以用户充电成本最低和充电桩收益最高为优化目标.选取典型日建立储能充电桩优化充放电... 详细信息

针对小区接入充电桩无序充放电加大负荷峰谷差率和用户成本的问题,提出一种储能式充电桩有序充放电优化运行策略.该优化策略在降低峰谷差率的前提下,以用户充电成本最低和充电桩收益最高为优化目标.选取典型日建立储能充电桩优化充放电调度模型,采用改进多目标粒子群优化算法进行求解,结合分时电价调整储能式充电桩的充放电功率和时间.通过优化惯性权重和学习因子并自适应改变位置分裂因子来改进多目标粒子群优化算法.实验结果表明:该算法可有效提高收敛速度,避免陷入局部最优,能更好地处理多目标问题,在求解储能调度模型中降低了典型负荷峰谷差率55%,比原有算法优化了36%,能合理分配充电桩在谷时段储存电力资源,降低用户充电费用20%~30%,提高充电桩收益,达到电网、用户和充电桩三方共赢的目的.

关键词：有序充放电电动汽车储能削峰填谷改进多目标粒子群算法

来源：评论

学校读者我要写书评

暂无评论

改进YOLOv5的轻量化交通标志检测算法

引用

数据采集与处理 2023年第6期38卷 1434-1444页

作者：贾子豪王文青刘光灿南京信息工程大学自动化学院南京210044 东南大学自动化学院南京210096

随着当今时代科技和人工智能的高速发展,人们越来越倾向于无人驾驶这项技术。考虑到安全问题,针对驾驶过程中交通标志的实时检测问题,在YOLOv5模型的基础上做出改进,提出了一种轻量化的交通标志检测算法。在模型的特征融合部分加入了注... 详细信息

随着当今时代科技和人工智能的高速发展,人们越来越倾向于无人驾驶这项技术。考虑到安全问题,针对驾驶过程中交通标志的实时检测问题,在YOLOv5模型的基础上做出改进,提出了一种轻量化的交通标志检测算法。在模型的特征融合部分加入了注意力机制,可以使模型更加突出目标特征。在检测层前加入一种轻量化的亚像素卷积层,在不增加计算量的基础上,有效地提高检测特征图的分辨率。对损失函数CIoU(Complete intersection over union)加以改进,加快了网络的收敛速度,并且收敛效果较改进前有了一定提升。实验结果表明,本文模型准确率可达到90.6%,较基础网络提高了14.5%,检测速度可达到70帧/s,基本满足对交通标志的实时精准检测。

关键词：目标检测轻量化注意力机制亚像素卷积特征融合

来源：评论

学校读者我要写书评

暂无评论

用于车辆重识别的部件耦合Transformer网络

引用

计算机辅助设计与图形学学报 2023年第8期35卷 1289-1298页

作者：孙伟胡亚华代广昭张小瑞徐凡赵宇煌南京信息工程大学自动化学院南京210044 南京信息工程大学江苏省大气环境与装备技术协同创新中心南京210044 南京信息工程大学电子与信息工程学院南京210044 南京信息工程大学无锡研究院无锡214100

基于卷积神经网络的车辆重识别模型在执行卷积和池化操作时,不可避免地会出现全局感受野狭小和局部信息丢失的情况,当光照、视角和分辨率等发生剧烈变化时,导致车辆重识别的鲁棒性和精确性急剧下降.为此,提出了部件耦合Transformer的车... 详细信息

基于卷积神经网络的车辆重识别模型在执行卷积和池化操作时,不可避免地会出现全局感受野狭小和局部信息丢失的情况,当光照、视角和分辨率等发生剧烈变化时,导致车辆重识别的鲁棒性和精确性急剧下降.为此,提出了部件耦合Transformer的车辆重识别网络,通过堆叠部件耦合Transformer块来搭建重识别模型,每一个部件耦合Transformer块利用部件自适应嵌入模块提取区分性的局部特征和Transformer层提取鲁棒性的全局特征.首先,部件自适应嵌入模块按照位置和伸缩量动态划分和调整特征图,增强模型对局部部件信息的感知能力;其次,Transformer层中利用自注意力机制增强网络模型对全局特征的表示能力;最后,部件自适应嵌入模块和Transformer层之间的耦合关系促进全局和局部特征协同合作.在VeRi-776和VehicleID数据集上的实验结果表明,CMC@1/CMC@5分别达到0.970/0.988和0.865/0.985,优于对比模型.

关键词：车辆重识别 Transformer 部件自适应嵌入

来源：评论

学校读者我要写书评

暂无评论

基于特征重组的遥感图像有向目标检测

引用

光学学报 2024年第6期44卷 318-328页

作者：王友伟郭颖邵香迎王季宇鲍正位南京信息工程大学江苏省大气环境与装备技术协同创新中心江苏南京210044 南京信息工程大学自动化学院江苏南京210044

针对遥感有向目标存在的检测问题,设计了一个基于改进Rotated RPN的网络,设计特征重组机制,通过加权使网络关注有效目标区域。使用新的有向框标注方法,避免在临界角度出现错位等问题。在检测头前端使用极化注意力模块,改善因为分类和回... 详细信息

针对遥感有向目标存在的检测问题,设计了一个基于改进Rotated RPN的网络,设计特征重组机制,通过加权使网络关注有效目标区域。使用新的有向框标注方法,避免在临界角度出现错位等问题。在检测头前端使用极化注意力模块,改善因为分类和回归任务所需特征不一致导致的性能下降问题。实验结果表明,该模型可以提高多类目标的检测精度。相较于基准Rotated RPN,该模型在Dior-R数据集上精度提升4.95%,在HRSC2016数据集上精度提升11.75%。

关键词：遥感有向目标检测深度学习特征重组极化注意力

来源：评论

学校读者我要写书评

暂无评论

基于交叉注意力机制的多特征行人重识别

引用

南京信息工程大学学报 2024年第4期16卷 461-471页

作者：邬心怡邓志良刘云平董娟李嘉琦南京信息工程大学自动化学院南京210044 南京信息工程大学电子与信息工程学院南京210044

针对现有的行人重识别方法难以避免环境噪声导致的特征提取不精确、易被误认为行人特征等问题,提出一种基于动态卷积与注意力机制的行人多特征融合分支网络.首先,由于拍摄时存在光照变化、人体姿势调整以及物体遮挡等不确定因素,提出使... 详细信息

针对现有的行人重识别方法难以避免环境噪声导致的特征提取不精确、易被误认为行人特征等问题,提出一种基于动态卷积与注意力机制的行人多特征融合分支网络.首先,由于拍摄时存在光照变化、人体姿势调整以及物体遮挡等不确定因素,提出使用动态卷积替换ResNet50中的静态卷积得到具有更强鲁棒性的Dy-ResNet50模型;其次,考虑到拍摄行人图片的视角有较大差异且存在行人被物体遮挡的情况,提出将自注意力机制与交叉注意力机制嵌入骨干网络;最后,将交叉熵损失函数和难样本三元损失函数共同作为模型损失函数,在DukeMTMC-ReID、Market-1501和MSMT17公开数据集上进行实验,并与主流网络模型进行比较.结果表明:在3个公开数据集上,本文所提模型的Rank-1(第一次命中)与mAP(平均精度均值)相比当前主流模型均有所提升,具有较高的识别准确率.

关键词：行人重识别动态卷积自注意力机制交叉注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于多感受野与动态特征细化的遥感图像检测算法

引用

激光与光电子学进展 2024年第22期61卷 335-345页

作者：黄骏郭颖严舒南京信息工程大学江苏省大气环境与装备技术协同创新中心江苏南京210044 南京信息工程大学自动化学院江苏南京210044

为解决遥感图像目标检测任务中的目标尺寸过小、尺度变化剧烈、目标聚集和背景复杂导致的检测精度较低的问题,提出了一种基于YOLOv7的改进算法DF-YOLOv7。首先去除YOLOv7中过度下采样导致信息丢失的策略,通过改进层结构,以提高对小物体... 详细信息

为解决遥感图像目标检测任务中的目标尺寸过小、尺度变化剧烈、目标聚集和背景复杂导致的检测精度较低的问题,提出了一种基于YOLOv7的改进算法DF-YOLOv7。首先去除YOLOv7中过度下采样导致信息丢失的策略,通过改进层结构,以提高对小物体的检测精度,并且轻量化网络模型。其次提出多感受野的MRELAN模块替换部分ELAN,获得更强的多尺度特征表示,嵌入跨空间学习的高效多尺度注意力机制,适应复杂的场景。最后,提出上下文动态特征细化模块,过滤冗余的特征来突出低层小目标信息的特征差,优化密集目标表达能力。在VisDrone2019和DOTA数据集上对不同算法进行对比实验,实验结果表明:改进后的算法明显优于其他主流算法,相比YOLOv7,在两个数据集上的精度分别提高了3.3百分点和2.3百分点,参数量下降了50.8%。相比于YOLOv5s,该算法在VisDrone上提高了20.1百分点。

关键词：遥感小目标检测深度学习 YOLOv7 特征细化

来源：评论

学校读者我要写书评

暂无评论

边缘深度挖掘的弱监督显著性目标检测

引用

计算机工程 2023年第7期49卷 169-178页

作者：李军侠王星驰殷梓石德硕南京信息工程大学计算机学院南京210044 南京信息工程大学自动化学院南京210044

基于深度学习的显著性目标检测算法大多依赖于大规模标注数据下的监督学习模式,但是,样本的像素级标签存在获取困难、标注成本高的问题。为此,设计一种边缘深度挖掘的弱监督显著性目标检测算法,仅使用图像级类别标签,从输入图像的显著... 详细信息

基于深度学习的显著性目标检测算法大多依赖于大规模标注数据下的监督学习模式,但是,样本的像素级标签存在获取困难、标注成本高的问题。为此,设计一种边缘深度挖掘的弱监督显著性目标检测算法,仅使用图像级类别标签,从输入图像的显著性目标边缘角度得到能够较准确描述目标轮廓信息的边缘特征图,以生成伪标签对显著性模型进行监督训练。通过粗糙边缘生成模块对显著性目标轮廓特征进行简单标定,用于获取粗糙边缘特征图。在此基础上,利用精细边缘生成模块优化特征以得到精细边缘特征图,能够更准确地反映目标的边界信息,在完整刻画轮廓信息的同时可以更好地抑制背景噪声。伪标签生成模块基于精细边缘特征图生成像素级伪标签。实验结果表明,相比MSW、MFNet、NSAL等算法,该算法能够准确识别显著性区域,获得的预测图具有较完整的细节信息,其中,在ECSSD数据集上S-measure值和E-measure值相较于第2名NSAL算法分别提高1.1和0.6个百分点。

关键词：弱监督显著性目标检测深度学习图像级类别标签伪标签

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：