【摘 要】
：
为在交通标志检测过程中同时满足精度和速度的需求,建立一种改进的基于区域全卷积网络(R-FCN)的交通标志检测模型.通过K-means聚类算法对数据集进行分析,选择合适的锚点框.对特征提取网络ResNet101进行结构简化,只使用前25层来提取特征,以缩短检测时间.在模型中引入可变形卷积和可变形位置敏感RoI池化层,以提高模型对交通标志的感应能力.模型训练过程中使用在线困难样本挖掘策略从而减少简单样本数量.在交通标志检测数据集GTSDB上的实验结果表明,该模型对交通标志位置信息较敏感,AP50和AP75指标
【机 构】
：
南昌大学 信息工程学院,南昌 330031;国家电网南昌供电公司,南昌 330077
论文部分内容阅读
为在交通标志检测过程中同时满足精度和速度的需求,建立一种改进的基于区域全卷积网络(R-FCN)的交通标志检测模型.通过K-means聚类算法对数据集进行分析,选择合适的锚点框.对特征提取网络ResNet101进行结构简化,只使用前25层来提取特征,以缩短检测时间.在模型中引入可变形卷积和可变形位置敏感RoI池化层,以提高模型对交通标志的感应能力.模型训练过程中使用在线困难样本挖掘策略从而减少简单样本数量.在交通标志检测数据集GTSDB上的实验结果表明,该模型对交通标志位置信息较敏感,AP50和AP75指标分别达到97.8％和94.7％,检测时间缩至48 ms,检测精度与速度优于Faster R-CNN、R-FCN等模型.
其他文献
针对专用硬件在处理图形图像时无法同时兼顾灵活性、可扩展性和时效性的问题,设计一种支持OpenVX 1.3标准的专用处理器.通过对OpenVX 1.3标准中的核函数进行数据通路映射,分析实现函数高效处理所需的运算单元数目,确定适用于该标准的数据通路运算器的结构.通过编写指令对数据通路进行重构,适应OpenVX标准的演进和扩展.应用65 nm CMOS工艺库对整体电路进行综合验证,实现的OpenVX可重构数据通路运算器面积为21076.21μm2、功耗为778.63 mW、系统主频为500 MHz、吞吐量为1
针对并发程序数据竞争检测时准确率低和开销大的问题,基于Adaboost模型设计并发程序数据竞争语句级检测方法.对多线程并发程序进行插桩操作,记录指令的相关内存信息,并对提取出的指令集做语句级转化处理,利用语句对相关属性特征构建并发程序Adaboost数据竞争检测模型,实现多线程程序数据竞争检测工具ADR.实验结果表明,相比于Eraser、Djit+和Thread Sanitizer工具,ADR能够在降低时间及内存开销的同时,有效提高分类准确率,验证了所提方法的有效性.
路段行程车速的变化受时间和空间维度信息的综合影响,多数神经网络模型仅从时间维度上预测路段行程车速的变化规律,未能全面考虑路网结构和上下游交通状态对路段行程车速的影响.结合图卷积网络和门控循环单元构建深度学习模型,挖掘路段行程车速的时空特性.通过在线地图平台获取路段实时行程车速,使用等维递补方法更新历史序列数据,提高预测实时性.在深圳市部分区域路网上的实验结果表明,该模型的多步预测精度均在90％以上,相比自回归积分滑动平均模型、支持向量机回归模型和门控循环单元模型最高提升了6.9％、1.3％和0.4％,具有
基于阻变器件的存算一体神经网络加速器需在架构设计初期进行仿真评估,确保神经网络精度符合设计要求,但传统阻变神经网络加速器的软件模拟器运行速度较慢,难以应对大规模网络的架构评估需求.为加快仿真评估速度,设计一种基于现场可编程门阵列(FPGA)模拟的阻变神经网络加速器评估方法,分析现有阻变神经网络加速器的架构通用性,利用FPGA资源的高度并行性和运行时指令驱动的灵活模拟方式,通过硬件资源的分时复用实现多层次存算一体架构和指令集的功能模拟及主流神经网络的快速性能评估.实验结果表明,针对不同规模的忆阻器阵列和深度
在实际软件项目开发过程中,软件缺陷预测能辅助测试人员找到项目中可能存在缺陷的位置,并通过抽象语法树(AST)获取项目模块中隐藏的结构和语义信息,此类信息有助于提高缺陷预测精度.提出基于重子节点抽象语法树的缺陷预测方法,在提取节点信息时保留节点的类型信息和对应代码语义的值信息,并使用特殊字符串代替没有值信息的节点.通过树链剖分思想将AST分割为重子节点和轻子节点,优先选择重子节点作为序列化向量中的节点,同时利用深度学习网络学习节点序列中的源代码结构和语言实现软件缺陷预测.实验结果表明,与DFS方法相比,该方
对抗攻击是指对图像添加微小的扰动使深度神经网络以高置信度输出错误分类.提出一种对抗样本防御模型SE-ResU-Net,基于图像语义分割网络U-Net架构,引入残差模块和挤压激励模块,通过压缩和重建方式进行特征提取和图像还原,破坏对抗样本中的扰动结构.实验结果表明,SE-ResU-Net模型能对MI-FGSM、PGD、DeepFool、C&W攻击的对抗样本实施有效防御,在CIFAR10和Fashion-MNIST数据集上的防御成功率最高达到87.0％和93.2％,且具有较好的泛化性能.
现有基于人工智能的路由方案泛化能力较差,难以适应动态的网络拓扑变化.提出基于深度强化学习的智能路由机制SmartRoute.通过实时感知网络中流量分布状态,动态调整路由策略,并结合图神经网络的拓扑信息感知能力和深度强化学习的自我训练能力,提升网络路由策略的智能性.实验结果表明,与DRL-TE、TIDE等方案相比,SmartRoute最多节省9.6％的端到端时延,且具有更好的鲁棒性.
为提高软件无线电(SDR)系统波形应用部署的灵活性和FPGA资源利用率,基于SDR系统的软件通信体系架构(SCA),设计一种支持FPGA的动态部分可重构(DPR)软件架构.针对DPR FPGA与CPU组成的异构计算平台,提出一种蚁群优化调度算法,以提高波形应用部署效率.实验结果表明,与MILP算法和ILP算法相比,所提算法的求解性能平均提升了约30％,且随着任务规模的增大,优势更加明显.
断层是控制油气田形成和分布的主要因素,断层检测和识别对于油气勘探具有重要作用.基于Attention-UNet神经网络模型,构建一种面向地震断层图像识别的SPD-UNet模型.引入空洞卷积,在保证卷积核感受野大小且不损失原始图像分辨率的情况下,增强SPD-UNet模型的断层图像特征提取能力.将金字塔结构的空洞卷积组合成SPD模块,解决空洞卷积的局部信息丢失问题,提高断层信息关联性及图像识别精度.实验结果表明,SPD-UNet模型对于地震断层图像的识别精度优于SegNet与ResUNet模型,并且识别结果与
现有网络嵌入算法大多只保留网络的微观结构信息,忽略了网络中普遍存在的社区结构信息.为提高网络表示质量,提出一种保留社区结构信息的网络嵌入算法PCNE.通过最大化节点之间的一阶和二阶相似性,对网络的微观结构进行建模,同时通过分解可反映网络社区结构信息的社区结构嵌入矩阵,对网络的社区结构信息进行建模.将构建的2个模型融合到统一的联合非负矩阵分解框架中,结合相似度矩阵和社区隶属度矩阵得到融合社区结构信息的节点表示向量.在5个真实公开数据集上进行节点分类实验,结果表明,与DeepWalk、Node2vec、LIN