【摘 要】
:
计算机视觉旨在识别和理解图像或视频中的内容。其具有定位、分类、检测和分割四大基本任务。其中目标检测的目标包括两个子任务:分类和边界框回归。然而在诸多研究者涌入目标检测领域,使得大量且高质量的深度学习框架被提出并开源,以提高通用目标检测的性能。这为目标检测提供了新的解决方案,当把深度学习的方法引用到目标检测后,可通过神经网络学习特征表达能力更强的特征信息极大地提高了目标检测算法的检测性能。当目标检测
论文部分内容阅读
计算机视觉旨在识别和理解图像或视频中的内容。其具有定位、分类、检测和分割四大基本任务。其中目标检测的目标包括两个子任务:分类和边界框回归。然而在诸多研究者涌入目标检测领域,使得大量且高质量的深度学习框架被提出并开源,以提高通用目标检测的性能。这为目标检测提供了新的解决方案,当把深度学习的方法引用到目标检测后,可通过神经网络学习特征表达能力更强的特征信息极大地提高了目标检测算法的检测性能。当目标检测可以扩张到精准检测出图像中极小的小目标时即为小目标检测,其作为目标检测的一个衍生邻域,长期以来都是一个未被有效攻破的难点。由于其可在到军事领域、自动驾驶、人脸支付、医学领域、天网系统、人机交互、城市监控和智能交通等诸多领域发挥着重要作用,具有广泛的应用前景。小目标通常表现为在整个图像或视频中占比非常小,同时外观信息相对稀缺,则很难将其从相似的目标或杂乱的背景中检测出。此外,小目标检测在现实生活生产中的应用场景是错综复杂的,常常会伴随着目标遮挡、背景杂乱、目标尺度变化、背景模糊和光照剧烈变化等问题。其严重地影响了小目标的特征提取,同时也进一步加大了检测小目标的难度。尽管目前目标检测的研究已经可以投入实际应用,但由于小目标在图像中像素信息匮乏,以及在该领域缺少专用数据集,因此当下对小目标检测的研究仍需努力。在目前提出的多个提高小目标检测准确度的办法中,当提高输入图片的分辨率时,增加小目标的像素信息,但是同时增加了计算资源消耗,导致检测效率降低;此外采用多尺度特征融合提高小目标检测准确度的方法,不能保证所构造的特征具有可区分性和可交互性。同样的,使用深度学习各种技术融合到小目标检测中,虽然当网络加深可以提取更具有代表性,更抽象的特征,但也会丢失小目标的位置信息。同时我们在翻阅众多优秀的研究成果中发现它们的显著检测性能差距很大,可见,小目标检测的研究仍然是一个即吸引研究者又充满挑战的研究领域。由于对小目标检测的研究有其重要的研究意义和实际应用价值,则本文致力于优化小目标的特征提取模块,提高小目标检测综合性能的算法。提出以下几点解决方案:(1)本文提出了基于特征融合的Faster Rcnn小目标检测FRRSnet网络模型,其将Faster Rcnn网络中的Res Ne St特征提取模块提取到的深层特征和浅层特征进行特征融合,得到具有内部数据结构和空间层级化信息的强特征。并且在卷积层引入空洞卷积的方法,使得在有限的计算资源下提高感受野的同时不会降低小目标的分辨率,由此增强Faster Rcnn网络模型的特征表达能力,从而提高算法对小目标的检测准确性。(2)本文又提出基于卷积注意力机制的Faster Rcnn网络,简称为FRcbam网络。卷积注意力机制包含了空间注意力机制和通道注意力机制,其中空间卷积注意力机制可以保留更多与目标定位相关的信息,提高对物体的定位准确率,通道卷积注意力机制可以针对物体的相关特征信息,提高对目标的分类准确率。(3)本文在实验部分使用通用数据集PASCAL VOC和交通标志检测数据集数据集Tsinghua-Tencent100K进行训练评估了模型的泛化能力,检测其在通用目标领域的效果的同时,也对模型的专有性能进行验证,并使用当下流行的小目标检测算法做算法对比,通过大量的实时结果分析,展现了本文所提算法在基准Faster RCNN的基础上取得了优异的检测性能。
其他文献
现实生活中网络无处不在,例如道路网络、生态网络、蛋白质相互作用网络、社交关系网络等。随着复杂性科学的诞生,人们得以从现实世界的方方面面抽象出关于复杂网络的图的表征。在复杂网络的基础研究中,节点重要性研究是其中的一个重要分支——研究复杂网络中被抽象为节点的实体对象在该网络中的重要程度。在疫情防控与溯源、防止经济危机的扩散、电力网络的抢修与交通基建等方面,节点重要性挖掘发挥着不可忽视的作用。而加权网络
意大利设计中,出灰机油缸与出灰托盘的联接方式很复杂,更换油缸、关节轴承、轴承铜套时相当困难。在改进中取消原有设计中的关节轴承、轴承铜套等组合件,采用普通钢板与螺母组合联接。改进后减少了维护和维修时间,降低了维修费用与事故成本,同时也提高了产品的质量。
元宇宙是互联网发展全要素的集合体,是以虚拟现实为基础、以云计算及人工智能等新技术为支撑、以数据化生产与消费体验为核心的全新形态新型社会空间载体。在元宇宙时代到来之际,红色资源的开发与利用面临前所未有的机遇与挑战。本文通过探讨元宇宙红色文化的概念内涵界定与价值意蕴,梳理元宇宙红色资源开发利用的现状,提出红色资源的开发应坚持“虚实融生”的理念,探索基于全息成像的沉浸式互动展示模式;加强对用户需求信息的
图数据是很多现实应用的数据形式:在社交领域,Facebook,Twitter,Linkedin等社交软件可通过图数据来管理社交关系,实现好友推荐;在零售领域,沃尔玛等商店可使用图数据实现商品实时推荐,给买家更好的购物体验;在金融领域,银行可通过图数据进行风控处理等等。图数据的价值在于它能够显式地表达出数据间的复杂关联结构,帮助图神经网络算法更好地挖掘出数据背后的结构特征,提供更精准更可靠的决策支持
在近期大热的货币、基金交易环境下,大多数刚接触或不太投入精力的普通人通常都会愿意相信周围有经验的朋友的推荐或者跟随一些粉丝量大的博主进行购买,从而使自己获取利益。在现实社会中,每个群体中的个体并不是完全理性的,这些个体在做决定时往往会偏向于向团体中的某个或某些特定个体学习,这些在团体中具有一定影响力的特定个体也常常被称为领导者或者榜样。一直以来,学者们从不同的角度探讨研究博弈模型,希望通过一些现实
传染病一直被列为人类生存和进步的主要挑战,特别是新型冠状病毒于2020年初在全球范围内蔓延,截止2022年3月,全球新冠病毒已确诊病例超过3亿例,并造成了超过500万人口的死亡。因此,新冠病毒的传播预测和各地区重新开放时最佳防控策略的选择逐渐成为了研究热点。基于自适应复杂系统的多智能体模型在新冠病毒爆发初期极其缺乏高质量数据的情况下,通过敏感性分析合理设定模型中的参数,从微观层面建模来预测宏观世界
随着深度学习在各个领域的巨大成功,深度神经网络(DNN)的鲁棒性和稳定性引起了越来越多的关注。但是,最近的研究证实,几乎所有DNN都存在对抗性示例问题,这意味着将DNN部署于现实生活中存在重大的安全隐患。目前,对抗攻击已经出现在图像识别,自然语言处理,目标检测等领域。在图像分类中,对抗攻击主要分为假阴性(Type II)攻击方式和假阳性(Type I)攻击方式。根据攻击者是否能够得到模型参数等信息
<正>党的二十大报告全面系统总结了新时代十年生态文明建设取得的重大成就、重大变革,对新征程生态文明建设作出重大战略部署。报告鲜明指出,中国式现代化是人与自然和谐共生的现代化。这是以习近平同志为核心的党中央对中国特色社会主义生态文明建设认识的新突破,是习近平生态文明思想的核心主题。我们要深入学习领会,牢牢把握党的二十大关于加强生态文明建设的新部署新任务新要求,牢固树立和践行绿水青山就是金山银山的理念
边缘计算在靠近用户的一侧提供计算资源,避免了用户到数据中心的数据传输,可以有效减轻数据中心功耗和网络传输带宽的压力,提高服务的响应速度。随着5G和物联网技术的发展,很多延迟敏感性较高的应用,如自动驾驶和无人驾驶车辆等被部署到边缘网络。然而,单一的边缘服务器覆盖范围有限,且用户具有移动性,例如当用户从某个服务器的覆盖范围移动到另一个服务器的覆盖范围时,可能导致服务质量下降甚至服务中断。为了保证服务的
当下,广大求职者的就业与否往往是一个事关国家或企业人才战略发展的关键问题。随着Covid-19疫情的大肆流行,世界经济已经显现出加速衰退的趋势,这无疑给各国的就业市场造成了空前巨大的压力。因此,就业问题一直是学术界的热门话题之一。然而,国内外在相关领域的许多研究都存在着诸多缺陷,这些不足主要体现在三个方面:其一,大部分研究方法仍然局限于社会学的传统方法,并未充分应用计算机技术;其二,大量研究所依据