【摘 要】
：
针对救援机器人对救援目标检测实时性和准确度要求比较高的问题,提出一种改进的YOLOv4-tiny救援机器人目标检测模型DS-YOLOv4-tiny.改进YOLOv4-tiny的网络结构,将骨干网络中的CSP改为DenseNet模块以增强特征复用,同时大量减少了网络参数量,使训练后的权重文件更小;针对YOLOv4-tiny深层网络无法准确提取有效特征信息的问题,在颈部网络中增加SPP模块以得到不同感受野的特征,提高定位准确性;通过K-means聚类算法获取锚框以适应受灾人员检测,提高算法精度.将训练后的模型
【机 构】
：
苏州大学应用技术学院,江苏 苏州215325;苏州大学计算机科学与技术学院,江苏 苏州215006
论文部分内容阅读
针对救援机器人对救援目标检测实时性和准确度要求比较高的问题,提出一种改进的YOLOv4-tiny救援机器人目标检测模型DS-YOLOv4-tiny.改进YOLOv4-tiny的网络结构,将骨干网络中的CSP改为DenseNet模块以增强特征复用,同时大量减少了网络参数量,使训练后的权重文件更小;针对YOLOv4-tiny深层网络无法准确提取有效特征信息的问题,在颈部网络中增加SPP模块以得到不同感受野的特征,提高定位准确性;通过K-means聚类算法获取锚框以适应受灾人员检测,提高算法精度.将训练后的模型部署在嵌入式NVIDIA Jetson Nano平台上进行测试,实验结果表明:DS-YOLOv4-tiny检测速度快、准确率高.与YOLOv4-tiny比较,AP值达到93.47％提高了3.99％,FPS达到15.97提高了5.7％,权重文件大小降低13.39％,满足救援机器人目标检测的实时性和准确度要求.
其他文献
为了解决“维数灾难”给高维复杂系统数据驱动建模带来的过拟合、计算复杂度高等问题,探究特征提取算法对回归结果的影响.首先使用主成分分析法、非负矩阵分解法、局部线性嵌入法和均匀流形近似与投影法分别进行降维,提取关键特征后在多项式模型与随机响应面模型中进行回归,最后在草炭土土壤和电力系统的数据集上进行了仿真建模分析.仿真结果表明,在草炭土土壤中使用主成分分析法降维后的预测效果最好,在电力系统中使用非负矩阵分解法降维后的概率潮流回归结果最准确.经过分析后可知,主成分分析法适用于具有明显线性相关关系的高维数据集,基
针对标准引力搜索算法存在收敛速度过快,容易陷入局部最小值等问题,提出一种改进的基于莱维飞行的引力搜索算法,在引力搜索算法框架下引入莱维飞行产生随机步长,进一步更新种群位置.莱维步长缩放因子动态调整,随迭代次数增加,莱维更新逐步发挥作用,使算法继续保持较好的全局搜索性能.莱维更新只选择适应度无退化粒子参与下次计算,且飞行步长更新以历史最优粒子的位置为指导,增强算法记忆性,促使粒子向更优适应度方向进化.对多个标准测试函数进行仿真,结果表明改进算法较标准引力搜索算法和布谷鸟算法具有更好的全局搜索能力和寻优精度.
针对当前网络安全态势要素提取方法未考虑多特征降维态势信息,导致网络安全态势要素分类正确率和召回率较低,误警率较高的问题,提出了基于多特征降维的网络安全态势要素提取方法.搭建网络安全态势要素提取架构,获取网络安全态势信息,采用非负矩阵分解算法,多特征提取与降维态势信息,构造并训练超球体分类器,获得态势要素信息分类函数,制定网络安全态势要素提取程序,实现网络安全态势要素提取.实验结果表明,在不同数据分布情况下,提出方法的网络安全态势要素分类正确率和召回率较高,能够有效降低误警率.
为综合利用极坐标牛顿法潮流方程数少、雅可比矩阵J元素少以及直角坐标牛顿法中没有三角函数计算的特点,并克服极坐标牛顿法潮流J阵元素的不对称使其计算速度不理想的情况,提出一种对称极坐标牛顿法潮流的直角坐标解法.主要内容为,建立结构不完全对称的子阵形式的极坐标J阵,通过子阵建立子阵元素间的对应关系;拆分J阵元素的计算,建立子阵元素的部分对称关系;对J阵元素等计算公式进行三角变换,并按“二行+二列”的对称方式计算J阵元素;用四角规则而不是消元计算公式对J阵元素消元;将取倒的对角元素作为规格化因子以减少除法计算.新
针对网络漏洞挖掘,当前研究策略主要集中在对漏洞库的构造,并根据匹配性完成漏洞识别.上述方法对库的构造具有局限性,匹配过程也容易导致性能下降.为解决上述问题,提出了基于Apriori风险数据分析的漏洞挖掘方法.考虑到风险数据的异构和冗余特性,对其采取字段标准化,根据各字段的相似度,通过加权求解出风险数据的整体相似度.利用关联规则对数据采取分析挖掘,为了提高关联规则的查找性能,采用布尔矩阵优化的Apriori算法计算置信度和频集,通过评判矩阵确定关联规则对事务关联的体现.最后构建MapReduce架构实现Ap
LoRaWAN作为低功耗广域网代表性技术之一,具有低功耗,长距离,免许可频段等特点,已逐渐成为推动智能物联网设备在城市中发展的关键因素.为解决城市场景下LoRaWAN基于Aloha协议接入信道导致数据包碰撞几率较大的问题,仿真基于NS-3网络模拟器,建立了城市信道损失模型,并引入干扰矩阵,提出冲突阈值判定算法.算法根据冲突时间和扩频因子计算数据包受到的LoRa信号干扰,在特定条件下,仿真了Aloha协议吞吐量并与理论值对比,另外使用自适应速率机制传输数据包,相对纯Aloha机制吞吐量增益最高可达0.31;
为提高网络信息传输的安全性,实现网络信息的安全加密传输,提出一种基于DFT-S-OFDM的网络信息安全加密传输方法.针对DFT-S-OFDM技术的低频发送功率和低频平均峰值功率优点,将数据信号定义为一定数量的集合,通过密钥对信息实现重点加密,给出基于密钥的矩阵并引入到椭圆曲线方程中,完成密钥矩阵的矢量加密并给出最终加密信号;为提高加密质量,对最终信号的加密信息进行二次加密,建立基于DFT-S-OFDM技术的信号发送模型,将矢量加密信息通过模型内节点变换调频,再经子载波映射的方式转换为发送信号,传送至信号接
传统抗恶意代码攻击算法无法区分恶意代码类别,抗攻击行为不具有针对性,导致传统算法的抗攻击成功率偏低.为此提出基于改进深度森林的抗恶意代码攻击算法.采用Gamma校正法对缩放处理后的灰度图像完成色彩空间规范性处理,确定灰度图像梯度后构建其梯度方向直方图,在块内归一化梯度直方图后采集方向梯度直方图特征.以方向梯度直方图特征为输入,采用深度森林算法划分恶意代码类别.计算深度森林各级级联结构内的不同类别恶意代码概率均值,构建四维增强特征向量,将其作为下级输入,改进深度森林算法,提升算法收敛速度,完成抗恶意代码攻击
根据无线传感器网络信任计算所采用的主要方法和网络的主要特点,结合当前针对无线传感器网络信任研究中普遍存在的过多强调算法整体的可行性和低计算复杂度,而较少考虑节点个体本身的交易次数所占比这一问题,提出一种基于节点交易密度的无线传感器网络信任计算方法,使得在根据节点信任值进行节点选取时,不再仅仅查看节点以往或当前的信任值,还要综合考虑节点过去的交易所占比.仿真结果表明,所提方法能够较快地识别并应对网络中的非法节点,提高网络数据包的接收率,还能够对无线传感器网络中常见的选择转发攻击起到一定的抵制作用,增加了网络
针对鸡群算法易陷入局部最优、出现早熟收敛等缺陷,提出了一种基于量子行为的鸡群优化算法(Quantum-Behaved Chicken Swarm Optimization,QCSO).通过利用鸡群中的个体信息建立量子化的势阱模型,根据原鸡群更新公式得到个体最优解和全局最优解,采用蒙特卡洛随机采样完成个体极值的更新,在个体极值和全局极值附近以并列的角度进行搜索,提高了算法的局部搜索性能.同时,结合随机算法全局收敛性的判别准则,研究了基于量子行为的鸡群优化算法的收敛性,证明了QCSO是一种全局收敛的优化算法.