【摘 要】
：
传统的深度学习目标检测方法通常需要大量的标注数据进行训练,而对于一些特殊的场景如军事监测、自然灾害监测、社会安防等,能够采集到的数据非常少,很难通过少量的数据训练出较好的检测模型。人类拥有只看过一次就能分辨目标类别的能力,使用神经网络模型实现这种能力是小样本目标检测的研究热点。本文在公开数据集MS COCO上,对基于深度学习的小样本目标检测算法进行研究,并展示了在无人机拍摄数据场景下的检测效果,验
论文部分内容阅读
传统的深度学习目标检测方法通常需要大量的标注数据进行训练,而对于一些特殊的场景如军事监测、自然灾害监测、社会安防等,能够采集到的数据非常少,很难通过少量的数据训练出较好的检测模型。人类拥有只看过一次就能分辨目标类别的能力,使用神经网络模型实现这种能力是小样本目标检测的研究热点。本文在公开数据集MS COCO上,对基于深度学习的小样本目标检测算法进行研究,并展示了在无人机拍摄数据场景下的检测效果,验证了该模型的迁移性。基于小样本目标检测网络的相关改进和实验结果如下:1、针对目标检测样本鲁棒性的问题,本文对输入端增强进行改进,使用自适应的方式对样本标注内容进行提取,解决缩放使支持样本变形破坏的问题;在使用随机切块增强的基础上,加入显著性检测的思想,解决样本关键特征容易被破坏的问题。本文数据增强方法平均精度最高提升了1.17,类平均精度提升了0.26。2、针对小样本目标检测中无关类别目标的干扰问题,本文在颈部网络加入了图卷积网络,将支持集特征与查询图像特征建模为完全二部图,使用图卷积增强查询特征中感兴趣类别的特征,抑制背景和不相关类别特征。在COCO数据集的新类别上平均精度最高得到2.42的提升,类平均精度提升了0.94,相对基准模型提升了8.5%。3、针对度量学习中对支持特征和查询特征相似度判断的问题,本文在相似度判断模块对使用的多分支关系检测器模块进行改进,使用注意力机制对输入关系检测器的特征进行优化,使用压缩和激活的方式对每个通道进行修正。改进的注意力关系检测器在COCO数据集的新类别上平均精度最高获得4.48的提升,类平均精度提升了0.79,相比基准模型提升了7.1%。另外,本文提出使用三元损失函数对检测样本到正负样本特征的距离进行训练,增强度量学习模块对正负样本的区分能力。三元损失函数与目标检测损失函数相结合,在COCO数据集的新类别上平均精度最高获得了1.88,类平均精度提升了0.67,相比基准模型提升了6%。本文最终融合了各个模块的改进,并使用提出的数据增强方法。在COCO数据集上训练结果在新类别上平均精度最高提升了3.48,类平均精度提升了1.83,较基准模型提升了16.4%,并将此模型应用到无人机拍摄数据展示其迁移性。
其他文献
随着现代信息技术的不断发展,无处不在的终端设备产生了结构复杂的海量数据。由于张量在表示多阶多维数据方面的优势,张量分析得以广泛应用。在数据采集和传输过程中,难免会引起数据部分元素丢失。数据不完整可能会大大降低数据的质量,影响数据分析过程。为了解决张量数据缺失的问题,低秩张量补全备受关注。近年来,张量环分解因其强大而通用的表示能力,在张量补全方面取得了卓越性能。然而,现有的基于张量环分解的数据补全算
目的：探讨正念疗法对青少年抑郁症患者负面情绪、认知功能及生活质量的影响。方法：选取徐州市东方人民医院2020年6月—2022年6月接收的80例青少年抑郁患者为研究对象，根据随机分组法将其分为对照组和观察组，各40例。对照组采用临床常规的抗抑郁药物治疗，观察组在对照组基础上加入正念疗法，比较两组治疗前后的抑郁程度、负面情绪、认知功能、生活质量。结果：治疗后，观察组汉密尔顿抑郁量表（HAMD）评分、正
随着现代科学技术的不断发展,生产制造业在不断的升级改造。工业在互联网信息技术的加持下正向自动化和智能化发展。我国提出了“中国制造2025”,自动化和智能化是未来工业的趋势。机器视觉是一种新兴的技术,常用于产品的质量检测。如今机器视觉技术被广泛应用到生产制造业中,产品的生产过程更加自动化、智能化,工厂的生产制造效率得到了大幅提高。本文以某公司汽车拼焊件焊点质检出现的瓶颈问题为研究对象,针对拼焊件闭环
情感分析是自然语言处理领域的一个重要研究方向,其主要任务是从博客、评论等文本资源中,挖掘出文本创作者的情感倾向。现有的情感分析方法通常依据文档级别、句子级别等粗粒度信息进行分析,产生的结果是对整体的概括性评价。这使得文本资源没有得到充分的挖掘与利用,造成了部分资源浪费,在实际应用时也面临一定的局限性。相比而言,细粒度情感分析更符合当今时代的需求,它能充分挖掘和利用文本资源,并且能得到更加详细、全面
图像风格迁移是计算机视觉领域的主要研究方向之一,在电影摄影、平面设计、医学成像等领域有广泛应用。现有工作虽然取得了许多重要进展,但风格迁移的多样性、局部迁移的精确性、跨模态迁移的一致性等方面存在明显缺陷。例如,风格转换主要是机械式地搬移已有参考图像的风格特征,而并非赋予图像全新的风格信息;局部属性特征编辑任务对复杂结构属性图像生成效果不理想;多模态风格迁移任务的交互性问题有待完善。针对上述挑战,本
镁合金具备密度低、阻尼性能良好,电磁屏蔽性能优异等特点,在汽车、3C产品、航空航天等领域应用前景广阔。通过塑性变形获得高强度的镁合金往往会牺牲材料的阻尼性能,故难以获得兼具高力学性能及阻尼性能的镁合金。因此研究轧制变形影响镁合金阻尼行为及电磁屏蔽性能变化的因素,探索合适的轧制工艺,获得性能良好的板材,对于指导镁合金的加工应用具有重要意义。Mg-Zn系合金是常用的镁合金,具备较高的强度和组织致密性,
随着经济的发展,汽车的人均保有量在逐年上升。但随之而来的安全问题也日渐令人担忧,对人身安全和经济发展造成了较大的影响。先进驾驶辅助系统通过辅助或者取代驾驶员的操作,能对突发事件迅速做出反应,进而降低安全事故的概率。由于汽车环境感知是先进驾驶辅助系统重要的组成部分,本文以汽车为主要检测对象,结合目标检测算法与双目测距算法,实现对道路中汽车目标的识别检测与测距,为此所做的工作如下:（1）首先,提出了一
Al-Cu-Mg合金,以其高强度、高韧性及耐热性能优异等特点,被广泛应用于航空航天制造领域。目前的商用Al-Cu-Mg合金室温强度一般在460～500MPa之间,难以满足航天航空工业的发展需要。因此,为了进一步提高Al-Cu-Mg合金的力学性能,本文采用大应变轧制研究了温度、速率、合金元素及热处理工艺对Al-Cu-Mg合金微观组织、织构演变和力学性能的演变规律,研究结论如下:（1）冷轧工艺结合T6
随着深度学习的发展,卷积神经网络在特征提取方面的优势愈发明显。因此,深度卷积神经网络被越来越多的应用于诸如图像分类,目标识别,语义分解等计算机视觉应用场景。但是,在卷积神经网络帮助提高模型性能表现的背后,这些神经网络模型的复杂度也日渐庞大,对计算资源的要求和存储代价更加高昂。这导致基于卷积神经网络的方法往往难以直接完成在移动设备和嵌入式平台的部署。因此,关于深度卷积神经网络模型轻量化工作的深入研究
随着现代高精密制造业的发展,人们对于自由曲面类和圆形零件的加工精度与加工效率提出了更高要求。提高三坐标测量机和数控机床在线检测系统的检测技术对零件的检测精度和检测效率,对于自由曲面类和圆形零件的研发与生产具有的重大意义。在实际生产过程中,人们为了保证检测质量,往往需要在零件上布置大量测点,这大大限制了检测效率。本文通过调整自由曲面采样参数,以相同的测点数量获得更加精准的检测结果。然后,通过对自由曲