【摘 要】
：
针对SSD算法进行车辆检测时存在的漏检问题，提出了一种改进SSD算法。为了提取更多的车辆特征信息，提出新的改进Inception模块，并将其替代SSD网络中的Conv8、Conv9和Conv10层；针对小目标车辆识别率低的问题，将浅层特征的位置信息和深层特征的语义信息进行均衡化融合，设计了多尺度特征融合均衡化网络；为提高模型性能，在特征提取层均引入SENet，对不同特征通道的重要性进行重标定。实验
论文部分内容阅读
针对SSD算法进行车辆检测时存在的漏检问题，提出了一种改进SSD算法。为了提取更多的车辆特征信息，提出新的改进Inception模块，并将其替代SSD网络中的Conv8、Conv9和Conv10层；针对小目标车辆识别率低的问题，将浅层特征的位置信息和深层特征的语义信息进行均衡化融合，设计了多尺度特征融合均衡化网络；为提高模型性能，在特征提取层均引入SENet，对不同特征通道的重要性进行重标定。实验结果表明，改进后的方法在自制的车辆数据集上平均精度为90.89%，检测速度达到59.42FPS，较改进前
其他文献
由于复杂背景环境和病斑相似性的影响，苹果叶部病害特征间存在细微的类间差异以及较大的类内差距，给苹果叶部病害识别造成极大困难。针对以上问题，提出了一种新型双分支网络的苹果叶部病害识别方法（dual branch network， DBNet）。DBNet的双分支网络结构由多尺度联合分支以及多维度注意力分支构成。首先多尺度联合分支通过不同类型卷积核和跨层连接融合不同尺度层级间的病害特征，用于缓解复杂背
针对于当前微表情自动识别准确率较低和微表情样本数量不足的问题，提出一种结合迁移学习技术与可分离三维卷积神经网络(S3D CNN)的微表情识别方法。首先通过光流法提取宏表情和微表情视频样本的光流特征帧序列；然后利用宏表情样本的光流特征帧序列对S3D CNN进行预训练；最后利用微表情样本的光流特征帧序列微调模型参数。提出的方法采用的S3D CNN由二维空域卷积层加一维时域卷积层组成的可分离三维卷积层构
头部行为是个体行为的重要组成部分，在课堂环境下对于学生的行为来说更是如此。使用传统的RGB视频图像进行头部行为识别有着许多限制，例如背景的干扰和光线的变化等，而深度图像可以通过包含的深度信息很好的处理这些问题。针对课堂环境下的头部行为识别问题，受到李群理论的启发，提出了一种从深度图像中提取李群特征表示的模型，并且使用该李群特征完成了头部行为识别任务。首先，从深度图像中获取脸部的关键点及关键段信息，
针对U-Net分割算法存在对图片中的细节不敏感和割裂局部和整体一致性的问题，本文提出了一种基于可变形卷积改进的D-Unet深度神经网络。D-Unet模型根据鼻腔鼻窦肿瘤空间形变特点，将可变形卷积融合进U-Net网络，利用其可以依据目标形态拥有自适应的感受野，充分学习图像细节，提升了特征提取的能力；使用Tversky作为损失函数，用以解决数据集样本失衡问题，获得了更高的灵敏度和泛化能力；并且为了便于
为揭示温度对大叶藻（Zostera marina）生长、叶绿素荧光参数及其光合色素含量的影响规律，设置了10 ℃、15 ℃、20 ℃、25 ℃、30℃等5个处理组，以分析大叶藻在不同温度条件下的生长指标（鲜重、叶片数、叶长、根数和根长）、叶绿素荧光参数（Fv/Fm、Y(ll)、qP、NPQ）及其光合色素（叶绿素a、叶绿素b、叶绿素总量及类胡萝卜素）含量的变化。结果显示：（1）大叶藻的各生长指标在1
针对拆回旧智能电能表的回收分类存在人工检定准确率不高、效率低下的问题，提出了一种基于机器视觉的参数信息检测方法，通过检测智能电能表的额定参数信息，完成电能表的分类回收工作。在以C# 与Halcon为软件平台建立智能电能表图像检测系统的基础上，采用Blob分析算法，对图像进行ROI（感兴趣区域）提取，采用直方图均衡化对提取后的图像进行处理，以增强背景与目标区域之间的对比度，获取质量较高的电能表图片，
水翁[Cleistocalyx operculatus (Roxb.) Merr.]是具有重要经济价值的耐水淹陆生植物。以盆栽水翁幼苗为实验材料，通过叶片喷施外源生长激素吲哚乙酸（IAA）、胁迫激素脱落酸（ABA），或在水中添加IAA、ABA两种不同处理模式下，比较研究外源IAA、ABA调控水翁水淹（土壤表层以上10 cm）胁迫耐受性差异。结果表明：经历120 d的水淹植株存活率为100%，但水淹
目的 机场道面裂缝、角隅断裂、接缝破碎、修补等病害宽度狭小、长短不一、图像中像素占比少，呈细带状结构，且与复杂背景对比度低，现有检测算法效果不佳。针对以上问题，本文提出了一种基于注意力机制与特征融合的深度神经网络模型DetMSPNet。方法 首先利用注意力机制模块CBAM，使得特征学习更加专注于细带状结构病害区域，抑制干扰信息；接着构建残差空洞金字塔模块，提取不同尺度空间下的特征信息；然后设计最大
为了研究零售商存在资金约束和库存错放时,供应链成员采用无线射频识别(Radio Frequency Identification,RFID)技术及融资决策的均衡问题,本文以单制造商和单资金约束零售商组成的两级供应链为研究对象,基于报童模型构建了供应链成员采用RFID技术前后零售商是否融资四种情景下的收益模型,求解出相应的最优解并探讨了供应链成员RFID采用决策与零售商的融资策略.研究发现:当零售商
针对枪支种属识别目前主要依靠检验人员经验，识别效率较低的问题，本文提出了一种基于多任务级联深度残差网络的枪支图像自动识别模型。该模型以ResNet18为基本构建单元，通过级联融合四个任务（ResNet18单元）中的Softmax损失函数约束，实现对枪支图像从枪族大类到细分枪型的多维度聚类。并在该模型的基础上，设计了一套制式枪支图像智能检索系统，实现了对拍摄上传的枪支图像自动识别其枪支种属信息。在本