【摘 要】
：
为提高小目标检测任务的准确率和稳定性,解决SSD(single shot MultiBox detector)算法在小目标识别和定位过程中准确率较低的问题,基于SSD算法提出一种改进方法.在原始的SSD卷积网络结构上进行修改和优化,通过特征图之间的特征融合,重构卷积预测特征图上的物体特征信息.考虑到网络复杂度增加带来的数据分布变化的影响,加入批量归一化BN(BatchNorm)层.在PASCAL VOC2007数据集和生活用品(Supplies Dataset)数据集上的实验结果表明,改进算法的mAP相比
【机 构】
：
江南大学 物联网工程学院,江苏 无锡 214122;江南大学 物联网工程学院,江苏 无锡 214122;哈工大机器人国际创新研究院 智能装备研究所,安徽 合肥 230601;哈工大机器人国际创新研究院
论文部分内容阅读
为提高小目标检测任务的准确率和稳定性,解决SSD(single shot MultiBox detector)算法在小目标识别和定位过程中准确率较低的问题,基于SSD算法提出一种改进方法.在原始的SSD卷积网络结构上进行修改和优化,通过特征图之间的特征融合,重构卷积预测特征图上的物体特征信息.考虑到网络复杂度增加带来的数据分布变化的影响,加入批量归一化BN(BatchNorm)层.在PASCAL VOC2007数据集和生活用品(Supplies Dataset)数据集上的实验结果表明,改进算法的mAP相比原始SSD分别提高了10.4％、15.1％.鉴于网络融合带来的参数增加,改进算法的检测速度仍表现良好,符合算法的实时性要求.
其他文献
为在满足碳配额约束的同时,保证产品供应量,提高客户满意度,提出一种制造商任务分配策略.以利润最大化为目标,建立制造商任务分配问题模型.拓展自回归整合滑动平均(autoregressive integrated moving average,ARIMA)模型,实现对旗下不同类型产品需求的多阶段预测;改进蚁群优化(ant colony optimization,ACO)算法,增加分配策略记忆功能,避免任务频繁迁移的同时,赋予蚂蚁车间负荷感知的能力,实现各车间的负荷均衡.基于RStudio和MATLAB对提出的
综合考虑异质信息网络具有的复杂性和异质性的特点,提出一种异质网中基于图卷积神经网络(heterogeneous graph convolution neural network embedding,HeGCNE)的链路预测方法.针对经典图卷积神经网络逐层传递规则的不足,提出改进的逐层传递规则,对异质节点进行表征学习,融合对抗学习优化节点表征;在此基础上,利用节点的哈达玛积构造连边表征,将连边表征放入基于梯度提升树算法的二分类器,解决异质网络的链路预测问题.实验结果表明,改进后的方法可以有效提高链路预测的准
为提高构件式软件系统可靠性评估的准确性,使软件系统的优化效率得到提高,提出一种基于构件影响因子的软件可靠性评估方法.基于构件式软件系统具有的复杂网络特性,使用引入构件转移概率的加权PageRank算法评估构件的影响因子,将构件的影响因子引入到离散时间马尔科夫链的可靠性评估模型中,评估软件系统的可靠性.实验结果表明,该方法能够提高软件可靠性评估的准确性,并且通过优化影响因子大的构件,可以更加有效提高软件系统的可靠性.
为解决仅从图像域进行用户情感分析造成准确率低的问题,提出一种融合拍照情境特征和图像特征来预测用户情感类别的方法.对用户上传到网络上的图像,使用预训练的vgg19模型的特征提取层获取图像内容特征和图像纹理特征,从对应的图像元数据提取用户拍照情境信息,建立情境-情感的映射关系,通过embedding的方法得到情境特征的低维稠密向量表示,将3种融合的特征经过情感识别网络进行情感分类.实验结果表明,融合情境特征后比只考虑图像特征域的方法在准确率上提高了4.12％.
为提高利用张量分解技术进行基于位置社交网络的地点推荐的推荐性能,提出一种利用张量分解技术且融合神经网络的地点推荐算法.融合多层感知机和长短期记忆网络基于张量分解技术建模用户的签到行为,将学习到的用户偏好表示馈送到推荐生成器和推荐判别器组成的对抗生成网络中,通过对抗训练学习最佳用户偏好表示用于推荐.基于真实数据集的实验验证了该算法的有效性和高效性.
针对卷积神经网络的庞大参数量和计算量难以应用于移动设备或嵌入式设备的问题,提出冗余特征重建模块(redundant feature reconstruction,RFR)和组注意力卷积模块(group attention convolution,GAC),RFR模块使用较少的参数量提取重要的固有特征,通过线性算子重建冗余特征帮助网络模型推理,GAC模块通过引入注意力机制改善分组卷积中各分组之间的信息交互不充分的问题,基于所提出模块构建一种高效轻量化的语义分割网络.在Cityscapes数据集上进行的实验显
针对物流新闻类别分布不均衡,分类器容易倾向大类别而忽略小类别的问题,提出基于加权补集的朴素贝叶斯分类模型.构建物流新闻语料库,结合卡方检验进行特征选择,基于局部、全局和类内、类间的思想,分析并改进传统特征加权算法,设计适用于类别分布不均衡物流新闻的加权补集朴素贝叶斯模型.实验结果表明,相较传统分类方法,加权补集朴素贝叶斯模型能有效解决物流新闻文本不均衡情况下的分类问题,快速准确地对物流新闻进行分类.
为让电梯调度算法在电梯电力能耗、用户乘梯体验和算法适应性方面具备更好表现,在目前主流的电梯调度算法基础之上,提出对调度环境、电梯行为和调度目标3个方面进行统一建模的基于强化学习A3C的电梯智能调度算法.让调度电梯在不断地和环境交互学习过程中逐渐学习得到最优电梯调度策略,与基于具体环境建模的相关电梯调度算法进行对比实验,基于A3C的调度算法具有建模简单规范、适应性强和控制目标多样的优势,对比A3C算法与部分强化学习算法在电梯调度中的优劣,实验结果表明,A3C算法具备较好的调度性能.
针对传统灰狼优化算法处理复杂优化问题时易于陷入局部最优,提出基于混沌Tent映射与精英高斯扰动的非线性灰狼优化算法.根据混沌Tent映射与对立学习机制,保证较优个体的同时,设计种群初始化方法,可使个体尽可能均匀分布;为有效均衡个体的局部开发和全局勘探能力,设计一种非线性收敛因子控制策略;在头狼选取上引入面向精英个体的高斯扰动机制进行位置更新,使算法跳出局部最优.若干基准函数优化求解的测试结果表明,该算法可以有效提升寻优精度和收敛速度.
为及早预测电梯发生的常见故障,提高电梯设备的维保质量和效率,提出基于规则推理、知识图谱嵌入技术和知识图谱补全技术实现电梯故障预测的方法,在构建电梯故障知识图谱后,通过改进的组合模型将三元组中的实体和关系训练为连续的低维向量空间,实现三元组对于故障预测相关运算的兼容,通过组合模型实现电梯实体、关系和故障实体三元组的预测.电梯故障预测实验经知识图谱的构建、TransE模型向量化,以及Proj E模型训练及测试,验证了提出的电梯故障预测方法的有效性.