检索结果-内蒙古大学图书馆

控制与决策 2024年第12期39卷 4017-4026页

作者：陈志旺杨天宇曹索航吕昌昊彭勇燕山大学智能控制系统与智能装备教育部工程研究中心河北秦皇岛066004 燕山大学工业计算机控制工程河北省重点实验室河北秦皇岛066004 燕山大学电力电子节能与传动控制河北省重点实验室河北秦皇岛066004 燕山大学电气工程学院河北秦皇岛066004

利用改进的Inception-Resnet-V2(IRV2)网络和局部-全局-局部(local-global-local,LGL)模块设计一种结合CNN和Transformer编码结构的孪生网络SiamLGL(siamese local-global-local network)用于目标跟踪.首先,算法特征提取部分采用改进后的IRV2网络,由于网络的层数更深,图片经过IRV2网络提取的特征较浅层网络提取的特征效果更优,特征融合部分采用深度互相关将特征图上的信息进行融合;其次,融合后的特征图利用LGL模块获取目标的全局和局部信息,模块内部采用两个编码器串联,第1个编码器利用深度可分离卷积获取目标的局部信息,第2个编码器利用自注意力获取图片的全局特征,为了降低自注意力结构的时间复杂度,采用稀疏注意力的方式进行计算,在降低时间复杂度的同时保证网络的精度;最后将特征图输入至分类回归网络中,生成对应的目标位置,其中分类网络采用二元交叉熵损失函数,回归网络采用Distance-IoU(DIoU)作为损失函数.算法在GOT-10k、LaSOT、TrackingNet、UAV123、OTB100和VOT2019等6个公开数据集上进行实验评估,结果验证了算法的有效性.

关键词：目标跟踪孪生网络 Inception-Resnet-V2网络稀疏注意力 Distance-IoU损失

来源：评论

学校读者我要写书评

暂无评论

基于HRNet和ASFF的特征融合目标检测算法

引用

控制与决策 2024年第10期39卷 3207-3215页

作者：陈志旺李宗轩吕昌昊岳会安彭勇燕山大学智能控制系统与智能装备教育部工程研究中心河北秦皇岛066004 燕山大学工业计算机控制工程河北省重点实验室河北秦皇岛066004 燕山大学电力电子节能与传动控制河北省重点实验室河北秦皇岛066004 燕山大学电气工程学院河北秦皇岛066004

目标检测是计算机视觉领域中的一个重要研究方向,针对目标检测算法中存在的模型庞大、多尺度目标检测等问题,基于HRNet (high resolution net)和自适应空间特征融合(adaptively spatial feature fusion, ASFF)提出一种多尺度特征融合目... 详细信息

目标检测是计算机视觉领域中的一个重要研究方向,针对目标检测算法中存在的模型庞大、多尺度目标检测等问题,基于HRNet (high resolution net)和自适应空间特征融合(adaptively spatial feature fusion, ASFF)提出一种多尺度特征融合目标检测算法.首先,利用通道拆分(channel split)操作和深度可分离卷积(depthwise separable convolution, Dwconv)改进HRNet的基础模块,结合CSPNet改进HRNet的分支结构,减少模型的参数量,在得到轻量化L-HRNet三个分支后使用空间特征金字塔EESP (extremely efficient spatial pyramid)模块获得不同感受野大小特征,并将其融合后加强特征;其次,使用ASFF模块自适应融合EESP模块输出多尺度特征,该模块为3个分支的特征分配不同的特征融合权重,自适应融合重要的空间特征;最后,引入SIoU (shape-aware IoU)作为边界框定位损失函数,综合考量边界框回归之间的角度关系、中心点距离关系以及边界框的形状关系,使得预测框与真实框之间的损失度量更加准确,整体参数量为5.7 M,在公开数据集PASCAL VOC上达到了85.1%的mAP,在MS COCO上的实验结果表明, mAP0.5-0.95达到了38.7%,在模型参数量较少的同时保持了较高的检测性能.

关键词：深度学习目标检测多尺度检测特征金字塔特征融合 HRNet CSPNet SIoU

来源：评论

学校读者我要写书评

暂无评论

基于并行多外观特征的孪生网络目标跟踪算法

引用

控制与决策 2024年第11期39卷 3628-3636页

作者：陈志旺孙泽兵吕昌昊曹索航彭勇燕山大学智能控制系统与智能装备教育部工程研究中心河北秦皇岛066004 燕山大学工业计算机控制工程河北省重点实验室河北秦皇岛066004 燕山大学电力电子节能与传动控制河北省重点实验室河北秦皇岛066004 燕山大学电气工程学院河北秦皇岛066004

目标跟踪通常只能使用视频第1帧的外观信息,在线学习目标的外观特征,并预测后续帧中该目标的位置和大小.然而,跟踪过程中目标外观时刻变化,仅通过第1帧并不能准确描述后续目标的外观.针对上述问题,提出一种基于并行多外观特征的孪生网... 详细信息

目标跟踪通常只能使用视频第1帧的外观信息,在线学习目标的外观特征,并预测后续帧中该目标的位置和大小.然而,跟踪过程中目标外观时刻变化,仅通过第1帧并不能准确描述后续目标的外观.针对上述问题,提出一种基于并行多外观特征的孪生网络目标跟踪算法.首先,引入包含目标近期外观信息的动态模板帧,同时提出3种方法:多外观特征、并行外观特征、并行多外观特征,利用动态模板帧进行目标跟踪.与简单地使用动态模板帧替换初始模板帧不同,所提出的方法可解决由动态模板帧中目标容易漂移导致的跟踪算法性能下降的问题.其次引入评价模块,使用基于信息熵的评价方法或基于IOU-Net的评价方法,对得到的多个预测结果分别进行打分,选择得分最高的预测结果作为最终的预测结果.最后提出更新模块,对评价模块得到的得分进行分析,当得分满足更新模块设立的更新条件时,用最终的预测结果更新动态模板帧,使用新的外观信息指导下一帧跟踪.实验结果显示,该算法在GOT-10k、OTB100等标准数据集上取得较好效果,验证了所提算法的有效性.

关键词：目标跟踪孪生网路外观特征信息熵

来源：评论

学校读者我要写书评

暂无评论

基于卡尔曼滤波和粒子滤波融合的UWB室内定位算法

引用

计量学报 2022年第10期43卷 1335-1340页

作者：程雪聪刘福才黄茹楠燕山大学智能控制系统与智能装备教育部工程研究中心河北秦皇岛066004 燕山大学工业计算机控制工程河北省重点实验室河北秦皇岛066004

基于超宽带(ultra-wideband,UWB)室内定位技术得到了广泛的发展,然而,在LOS(line-of-sight)和NLOS(non-line-of-sight)环境下的UWB的测距信息均存在不同程度的误差,因此,提出了一种改进的卡尔曼滤波算法对UWB原始数据进行平滑处理;之后... 详细信息

基于超宽带(ultra-wideband,UWB)室内定位技术得到了广泛的发展,然而,在LOS(line-of-sight)和NLOS(non-line-of-sight)环境下的UWB的测距信息均存在不同程度的误差,因此,提出了一种改进的卡尔曼滤波算法对UWB原始数据进行平滑处理;之后提出卡尔曼滤波(Kalman filters and particle filters,KPF)和粒子滤波融合的算法。通过卡尔曼滤波得到的状态量和误差协方差进行粒子采样,克服了传统粒子滤波进行粒子采样时的运动学模型与实际运动不相符的缺点,大幅减少了粒子退化的现象。经过实验,该算法在LOS和NLOS环境中的定位精度分别提升了20.6%和15.6%。

关键词：计量学室内定位算法超宽带卡尔曼滤波粒子滤波

来源：评论

学校读者我要写书评

暂无评论

基于固定时间干扰观测器的永磁直线同步电机位移跟踪动态面反步控制

引用

高技术通讯 2021年第6期31卷 671-679页

作者：刘乐邵暖高杰宋红姣燕山大学智能控制系统与智能装备教育部工程研究中心秦皇岛066004 河北环境工程学院环境工程系秦皇岛066102

针对存在参数摄动、负载扰动和未建模动态等不确定因素的永磁直线同步电机(PMLSM)位移系统,提出了一种基于固定时间干扰观测器的动态面反步控制方法。首先,通过构造干扰观测器对系统的非匹配不确定项和匹配不确定项进行观测估计,且其观... 详细信息

针对存在参数摄动、负载扰动和未建模动态等不确定因素的永磁直线同步电机(PMLSM)位移系统,提出了一种基于固定时间干扰观测器的动态面反步控制方法。首先,通过构造干扰观测器对系统的非匹配不确定项和匹配不确定项进行观测估计,且其观测误差能够在固定时间内收敛于0;其次,将反步控制与动态面控制相结合完成PMLSM固定时间位移跟踪控制器的设计,有效避免了常规反步控制存在的“微分爆炸”问题,并简化了系统控制器的设计过程。理论分析表明,PMLSM位移系统在本文所提控制方法的作用下能够在固定时间内收敛。最后,与其他控制方法进行了仿真对比研究,仿真结果验证了所提方法的有效性。

关键词：永磁直线同步电机(PMLSM) 位移跟踪固定时间干扰观测器反步控制动态面控制固定时间控制

来源：评论

学校读者我要写书评

暂无评论

基于参考模型的电液伺服位置跟踪控制

引用

高技术通讯 2024年第5期34卷 515-524页

作者：刘梅桢王立新刘福才燕山大学智能控制系统与智能装备教育部工程研究中心秦皇岛066004 燕山大学河北省工业计算机控制工程重点实验室秦皇岛066004 燕山大学机械工程学院秦皇岛066004

针对电液伺服系统中存在的参数不确定性与未知外部扰动等问题,提出一种基于参考模型的电液伺服位置跟踪控制方法。首先根据电液伺服系统的非线性方程建立了系统的状态空间模型,据此构建由理想参考模型和总扰动组成的控制系统结构;然后... 详细信息

针对电液伺服系统中存在的参数不确定性与未知外部扰动等问题,提出一种基于参考模型的电液伺服位置跟踪控制方法。首先根据电液伺服系统的非线性方程建立了系统的状态空间模型,据此构建由理想参考模型和总扰动组成的控制系统结构;然后结合电液伺服系统状态空间模型分别设计理想参考模型和扰动观测器,实现参考模型输出可以精确跟踪给定输入信号和对系统总扰动的观测;最后设计控制律实现对总扰动的有效补偿和实际系统的输出对参考模型输出的精确跟踪。仿真与实验结果表明,基于参考模型的扰动观测器在电液伺服位置跟踪控制方面相比比例积分微分(PID)控制,可以有效地提高系统控制精度并减小系统动态控制误差,实现对给定输入信号准确的跟踪。

关键词：电液伺服系统跟踪控制扰动观测器参考模型

来源：评论

学校读者我要写书评

暂无评论

基于循环自编码网络的冷轧轧制力建模方法

引用

计量学报 2022年第9期43卷 1172-1177页

作者：孙浩叶国良翟博豪呼子宇赵志伟燕山大学智能控制系统与智能装备教育部工程研究中心河北秦皇岛066004 燕山大学电气工程学院河北秦皇岛066004 唐山学院计算机科学与技术系河北唐山063000

在钢铁冷连轧生产过程中,轧制力预测结果直接影响带材的轧制精度和产品质量。为进一步提高轧制力预测精度,同时实现模型的在线更新,避免漂移问题,提出了基于循环自编码网络的轧制力模型。首先,使用循环自编码网络对处理好的输入数据进... 详细信息

在钢铁冷连轧生产过程中,轧制力预测结果直接影响带材的轧制精度和产品质量。为进一步提高轧制力预测精度,同时实现模型的在线更新,避免漂移问题,提出了基于循环自编码网络的轧制力模型。首先,使用循环自编码网络对处理好的输入数据进行特征提取,为了加速网络训练,加入了小批量训练方法,然后使用高斯过程回归模型对提取到的特征进行回归拟合。仿真结果表明,该模型预测精度可达3%以内,能够实现轧制力的高精度在线预测。

关键词：计量学轧制力预测冷连轧机器学习循环自编码网络

来源：评论

学校读者我要写书评

暂无评论

应用LTRNet卷积特征的ECO目标跟踪算法改进

引用

控制理论与应用 2020年第12期37卷 2601-2610页

作者：陈志旺王莹宋娟姚权允彭勇燕山大学智能控制系统与智能装备教育部工程研究中心河北秦皇岛066004 燕山大学工业计算机控制工程河北省重点实验室河北秦皇岛066004 国网黑龙江省电力有限公司佳木斯供电公司黑龙江佳木斯154002 燕山大学电气工程学院河北秦皇岛066004

本文提出了一种基于应用高效卷子算子(ECO)改进的LRECT跟踪算法.首先,为了增强网络所提取特征的识别能力,堆叠线性两步(LT)残差结构设计具有32层的线性两步方法性质的残差网络(LTRNet),并且融合该网络浅层与深层卷积特征信息形成跟踪算... 详细信息

本文提出了一种基于应用高效卷子算子(ECO)改进的LRECT跟踪算法.首先,为了增强网络所提取特征的识别能力,堆叠线性两步(LT)残差结构设计具有32层的线性两步方法性质的残差网络(LTRNet),并且融合该网络浅层与深层卷积特征信息形成跟踪算法的特征提取模块;其次,采用投影矩阵压缩LTRNet提取的高维特征,将压缩特征通过插值处理后,与当前滤波器在傅里叶域进行卷积定位确定目标位置;最后,使用高斯牛顿算法和共轭梯度算法求解以响应误差和惩罚项之和为优化目标的优化问题,实现滤波器和投影矩阵的更新.在OTB2015标准数据集上进行测试实验,结果表明本文所提算法可以实现较高精度的稳健性跟踪.

关键词：目标跟踪应用高效卷子算子(ECO) 具有线性两步方法性质的残差网络(LTRNet) 特征压缩目标优化

来源：评论

学校读者我要写书评

暂无评论

特征响应权重自适应的IoU网络跟踪算法改进

引用

控制与决策 2022年第7期37卷 1752-1762页

作者：陈志旺王莹宋娟刁华康彭勇燕山大学智能控制系统与智能装备教育部工程研究中心河北秦皇岛066004 燕山大学工业计算机控制工程河北省重点实验室河北秦皇岛066004 国网黑龙江省电力有限公司佳木斯供电公司黑龙江佳木斯154002 燕山大学电气工程学院河北秦皇岛066004

基于IoU网络提出一种IT-AWCR(IoU network tracking with adaptive weighted characteristic responses)目标跟踪算法.首先,根据目标运动速度设计目标搜索区域确定策略,通过理论分析使用ResNet50的block 3、block 4卷积块的输出分别作为目标的浅层和深层特征表示;然后,以目标定位准确度和滤波模型抗干扰能力为评价指标,通过优化算法自适应计算目标深、浅特征响应加权权重,从加权融合响应中获取目标粗略位置和边界框,经扰动操作获取多个候选边界框输入IoU调制-预测网络预测IoU值,取最大IoU对应边界框为最终预测目标边界框;最后,根据训练样本的相关学习权重和样本间相似度更新生成样本集,基于样本集采用稀疏优化策略实现滤波模型更新.OTB2015和VOT2018数据集上的实验结果验证了所提出算法的有效性.

关键词：目标跟踪 IoU ResNet50 权重自适应样本集更新滤波模型

来源：评论

学校读者我要写书评

暂无评论

基于图网络与IoU感知的孪生网络目标跟踪算法

引用

控制与决策 2024年第9期39卷 2867-2875页

作者：陈志旺刁华康袁宇吕昌昊彭勇燕山大学智能控制系统与智能装备教育部工程研究中心河北秦皇岛066004 燕山大学工业计算机控制工程河北省重点实验室河北秦皇岛066004 燕山大学电力电子节能与传动控制河北省重点实验室河北秦皇岛066004 燕山大学电气工程学院河北秦皇岛066004 航空工业天津航空机电有限公司天津300308

传统孪生网络目标跟踪算法采用互相关或者深度互相关的方式对模板帧与检测帧进行相似性度量,无法有效适应极端的目标形变.以无锚点框的目标跟踪算法为基础,设计一种基于图网络的IoU感知目标跟踪算法.首先,以Resnet50为基础,在每个残差... 详细信息

传统孪生网络目标跟踪算法采用互相关或者深度互相关的方式对模板帧与检测帧进行相似性度量,无法有效适应极端的目标形变.以无锚点框的目标跟踪算法为基础,设计一种基于图网络的IoU感知目标跟踪算法.首先,以Resnet50为基础,在每个残差结构后引入通道自适应调整模块NCAM,构造轻量高效且具有通道自适应的特征提取网络.其次,基于图网络设计一种新的模板帧与检测帧的相似性计算方式,将特征图像素点视为图网络的节点,对模板特征与检测特征的图网络节点进行相似性计算以有效应对目标极端形变.最后,在分类部分采用IoU感知的分类损失函数在分类分支与回归分支之间建立联系,改变以往孪生网络目标跟踪算法训练与测试不一致的情况;在回归部分选用CIoU损失计算离线训练阶段的回归损失,得到更加精准的边界框.OTB2015、UAV123、VOT2018与VOT2019数据集上的实验结果验证了所提算法的有效性.

关键词：目标跟踪孪生网络图网络 IoU感知通道自适应调整 CIoU

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：