公共文化服务平台

基于细粒化特征感知的水下目标检测算法被引量：2: 2024年; 针对水下光学图像细节模糊以及水下生物遮挡导致目标检测精度低的问题,提出一种基于细粒化特征感知的水下目标检测算法.该算法基于YOLO(You Only Look Once)v7网络结构,首先,提出ELSA(ELAN-SimAM)模块,提升主干网络对水下图像模糊细节的特征感知;其次,提出多梯度聚合结构(Multi-gradient Aggregation Structure),实现特征信息多梯度高效融合,并在颈部网络中嵌入轻量化的三重注意力机制(Triplet Attention),使特征信息跨维度交互融合,减少由水下生物遮挡导致的漏检问题.实验结果表明,所提出的算法适用于水下复杂环境下的目标检测,可以在较短时间内实现目标定位与检测,且检测精度较高.; 陈晓杨琪姚海洋王海燕; 关键词：目标检测

一种船舶辐射噪声识别方法、装置、设备及可读存储介质: 本发明公开了一种船舶辐射噪声识别方法、装置、设备及可读存储介质，包括：获取船舶辐射噪声数据；将所述船舶辐射噪声数据输入预先构建的船舶辐射噪声识别模型中，所述船舶辐射噪声识别模型输出船舶辐射噪声类别；其中，所述船舶辐射噪声...; 王海燕王瑞婷黄玥玥陈晓

基于重参数化的轻量化非机动车目标检测: 2024年; 针对非机动车检测中目标数量多易被遮挡、检测模型参数量较大且检测速度慢的问题,结合YOLOv8算法和HGNetV2网络,提出一种基于重参数化的轻量化非机动车目标检测算法RCH-YOLO。使用基于HGNetV2改进的重参数化骨干网络,减少参数量和计算量,提高检测速度;在此基础上,使用Slim-neck改进颈部网络,并在检测器中使用TGConv卷积,降低网络复杂度的同时保持准确性;采用Wise-IoU损失函数计算定位损失,加速模型收敛速度,提高对重叠目标的识别准确率。实验结果显示,相较于基准模型,RCH-YOLO算法平均检测精度提高了0.3个百分点,参数量、模型大小和GFLOPs分别降低了47.9%、44.2%和54.9%,验证了其有效性。; 马超凡李翔王晓霞陈晓; 关键词：轻量化非机动车

结合语言模型双编码和坐标注意力卷积的知识图谱补全: 2025年; 知识图谱补全(KGC)旨在学习知识图谱中的现有知识实现对缺失三元组的补全。近期的相关研究表明,将语言模型(LM)应用于KGC任务能够改善模型在结构稀疏的知识图谱上的推理性能。针对现有结合LM的KGC模型性能仅依赖于LM捕获的语义特征,没有同时考虑知识图谱的结构信息和语义信息的问题,提出一种结合语言模型双编码和坐标注意的知识图谱补全方法LDCA。在编码时,通过引入掩码预训练的语言模型双编码结构,充分学习实体和关系的语义特征;在解码时,使用坐标注意力机制的卷积神经网络捕获实体和关系组合嵌入的跨通道信息、方向感知信息和位置感知信息。在WN18RR和FB15K-237数据集上的实验结果表明,LDCA模型在MR、MRR、Hits@1、Hits@3和Hits@10上的整体性能优于基准模型,验证了所提出模型的有效性和先进性。; 王瑄王晓霞陈晓

一种基于场景自适应的水下目标检测方法及系统: 本发明公开了一种基于场景自适应的水下目标检测方法及系统，属于计算机视觉和深度学习领域。该方法在检测模型前端引入场景分类模型，实现了对水下环境的精确识别。基于分类结果，自适应地选择最适合当前场景的目标检测模型，实现了对不同...; 姚海洋师锦豪王海燕陈晓

一种基于专家混合模型的水声目标识别方法及系统: 本发明公开了一种基于专家混合模型的水声目标识别方法及系统，由于不同频段的水声信号分布规律存在差异，针对水声信号低频特征提取不充分及频率分布未知的问题，引入不平衡带宽梅尔谱图，从而提高了对不同频段特征的学习能力，以实现针对...; 姚海洋郭大庆王海燕陈晓冯婷张书晨

一种衣物颜色识别方法、系统、设备及存储介质: 本发明公开了一种衣物颜色识别方法、系统、设备及存储介质，旨在解决现有技术中衣物颜色识别方法准确率低的问题。本发明提出的衣物颜色识别方法，首先获取公开人物街拍图像，对衣物图像进行预处理得到衣物数据集；将三分之二的衣物数据集...; 王海燕黄玥玥王瑞婷陈晓

一种同步式特征融合的水下图像增强方法及系统: 本发明公开了一种同步式特征融合的水下图像增强方法及系统，通过设计自适应细节加权损失，将Transformer与CNN相结合建立水下图像增强网络模型，基于水下真实场景开放数据集及自适应细节加权损失训练水下图像增强网络模型，...; 姚海洋郭瑞戈王海燕陈晓杨琪

基于卷积神经网络的交通标志识别方法研究被引量：2: 2023年; 现如今智能驾驶成为发展潮流,而交通标志识别作为智能驾驶中不可或缺的一部分有着重要的研究意义。为了提高交通标志识别的分类准确度,论文提出了RI-Model模型,该模型利用经典神经网络ResNet-50与Inception-V3进行特征提取,结合特征融合的思想来提高交通标志的识别率。采用比利时交通标志数据集(BelgiumTS),在对数据集进行预处理后利用RI-Model测试其识别正确率。结果表明:该方法能够在较短的训练时间内达到更好的收敛性能且具有很好的鲁棒性,RI-Model在该数据集上的识别准确率达到98.86%,相较于直接使用ResNet-50与Inception-V3算法提升了1.5%左右。; 袁穆佳惠陈晓; 关键词：交通标志识别卷积神经网络

基于混合卷积与三重注意力的高光谱图像分类网络被引量：4: 2023年; 针对高光谱图像光谱维度高、现有网络无法提供深度级的多层次特征,从而影响分类精度和速度的问题。首先采用核主成分分析对高光谱图像进行降维,使降维后的数据具有最佳区分度,提出了一种基于混合卷积与三重注意力的卷积神经网络(hybrid convolutional neural network with triplet attention, HCTA-Net)模型,该模型设计了一种基于三维、二维和一维卷积的混合卷积神经网络,通过不同维度卷积神经网络的融合,提取高光谱图像精细的光谱–空间联合特征。在二维卷积中加入深度可分离卷积,减少了模型参数,同时引入三重注意力机制,使用三分支结构实现跨维度信息交互,抑制无用的特征信息。在Indian Pines、Salinas和Pavia University数据集上的实验结果表明,本文提出的模型优于其他对比方法,总体分类精度分别达到了99.16%、99.87%和99.76%。; 王瑞婷王海燕陈晓耿信哲雷涛; 关键词：遥感高光谱图像分类降维

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

陈晓