【摘 要】
：
目标识别中的重叠遮挡问题一直以来是研究的难点，船舶目标在狭窄水域发生相互遮挡的情况依然存在。本文提出了一种改进的马赛克数据增强方法，将训练图片拼接变换成三种不同的尺度，并按照不同比例输入网络进行训练，强化了检测算法对局部特征的学习能力，在保持测试速度不变的情况下，提高了对重叠目标的识别准确率，降低了不同分辨率下识别能力的衰弱速度，加强了算法的鲁棒性。基于小型移动测试平台的实测实验证明，相对于原始算
论文部分内容阅读
目标识别中的重叠遮挡问题一直以来是研究的难点，船舶目标在狭窄水域发生相互遮挡的情况依然存在。本文提出了一种改进的马赛克数据增强方法，将训练图片拼接变换成三种不同的尺度，并按照不同比例输入网络进行训练，强化了检测算法对局部特征的学习能力，在保持测试速度不变的情况下，提高了对重叠目标的识别准确率，降低了不同分辨率下识别能力的衰弱速度，加强了算法的鲁棒性。基于小型移动测试平台的实测实验证明，相对于原始算法，经过改进后的算法在重叠目标的识别准确率上提高了2.5%，目标丢失时间减少了17%，在不同视频分辨率下
其他文献
油井调查发现，在柴达木西部以南翼山为代表的储油构造区，广泛分布含钾锂等有用元素的深层卤水，从古近纪-新近纪不同层位均有分布，具有极大的社会经济价值。根据构造及地层岩性特征，认为卤水储存空间为孔隙、裂隙型，由于南翼山地区含水层在声波测井曲线中响应特征并不明显，传统以声波测井为约束条件的波阻抗反演技术难以有效识别卤水储层，到目前为止，对该类型卤水在各层位的赋存状态仍没有好的判识方法。为此，文章基于神经
针对目前研究的海岸线水域变化检测系统在检测过程中，存在系统检测精度较低，检测稳定性较差，检测时间较长的问题，设计了基于卫星影像技术的海岸线水域变化高精度检测系统。采用STM32C8T6为主控芯片的主控器，进行高效的数据处理和网关通讯，以多光谱传感器为核心检测设备，通过采集光学数据，生成海岸线水域图像。利用XL1509-5.0芯片为核心的外接电源，供给系统电源设备，以OUTPUT作为电源开关的输出引
为了提高传统自动气象站的安装灵活性、隔离性和智能化水平，并且发展数据服务的即时性、本地化和多样性功能，以自动气象站数据流传输特点和多种无线组网技术特点为研究对象，提出了物联网技术与智能化自动气象站的融合方法。采用ZigBee自动连接功能，融合站点管理和观测自组网技术可提高传感器安装位置的灵活性和观测扩展的能力。采用低时延的5G网络传输实现实时的数据质量闭环控制，集成的WiFi热点与订阅式数据Web
由于口岸车道闸机运行时间较长，噪声信号会逐渐掩盖真实信号，从而造成信号混合行为的出现，导致口岸车道闸机抬杆机械动作故障检测精度降低。为此，提出基于机器视觉的口岸车道闸机抬杆故障远程检测方法。利用CCD传感器，最大化扫描复原口岸车道闸机抬杆机械动作故障信号，并对关键应用镜头设备进行选型处理，完成机器视觉检测的硬件结构设计。输入口岸车道闸机的远程故障图像，按照图像配准原则，得到具体的直方图修正处理结果
为了提高对三维点云目标的识别精确度，提出一种基于深度卷积神经网络(Convolutional Neural Network， CNN)的点云目标识别模型。针对已有的深度卷积点云目标识别网络无法有效提取点云局部拓扑特征的问题，采用迭代最远点采样(Iterative Farthest Point Sampling， FPS)结合方向卷积编码方式来捕获局部形状特征。并引入空间变换网络(Spatial T
针对传统语义分割模型对于航空发动机孔探图像内损伤的检测存在小尺度或高相似度损伤易被漏检误判的问题，提出了一种基于自注意力语义分割模型的航空发动机孔探图像检测方法(SA-SS)。首先，基于语义分割模型DeepLabv3+的总体架构，采用轻量级MobileNetV2替代原始的Xception作为主干特征提取网络，利用扩张—提取—压缩的结构进行特征提取，以减少模型计算量。其次，基于多层级联结构，改进原始
在对接管角焊缝进行超声检测的过程中，由于检测的工件结构复杂并且仪器设备本身会受到电信号干扰，所以检测得到的A扫信号存在噪声，在检测图像中会出现“伪像”，从而造成检测困难。如果想要提高检测图像的质量，对于A扫信号的除噪尤为重要，所以提出小波去噪和经验模态分解相结合的角焊缝缺陷信号重构方法。首先分析接管角焊缝结构特点，进行相控阵检测试验，得到缺陷检测数据；然后着重分析了裂纹与未熔合缺陷信号，完成对其的
针对红外目标检测模型YOLOv5s实时性差、计算复杂度高的问题,提出了一种基于特征蒸馏的改进Ghost-YOLOv5红外目标检测算法。首先利用GhostNet模块做模型剪枝;其次使用特征蒸馏方法以及Mosaic和Copy-paste两种数据增强方法提高模型的检测精度。进一步构建了一个包含多种场景下人、机动车和非机动车目标的红外安防领域数据集。在上述数据集上测试实验结果表明:所提算法利用Ghost模
针对当前交通标志检测中存在小目标检测精度低、检测实时性不高以及目标漏检等问题，在YOLOv3基础上提出了一种融合了注意力机制与上下文信息的交通标志检测方法。首先通过改进通道注意力机制的压缩方式，对特征图通道重新进行标定；然后引入空间金字塔池化模块SPP；最后增加特征映射并拼接到原特征融合网络中的小目标部分，充分利用上下文信息增强对小目标的检测。实验结果表TT100K（Tsinghua-Tencen
视频序列中的运动目标检测是计算机视觉领域的重要研究课题.背景减除是运动目标检测的有效方法,但相机抖动会对背景提取带来极大干扰,从而可能造成传统基于模型的图像处理方法模型失真.本文提出了相机抖动场景下前景图像提取的数据驱动背景图像更新控制算法.首先利用Harris特征检测进行背景补偿以消除抖动干扰.然后利用无模型自适应控制方法,建立单入单出控制系统来表示背景图像并进行实时更新.最后运用背景减除法提取