期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到350,543篇文章
< 1 2 … 250 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于DBB-YOLOv10s的无人机小目标检测 认领 引用 被引量：6
1
作者 杨海涛 赵俊羽 +5 位作者 王瑞 王华朋 向裕婧 鄢喜爱 孙展明 熊英灼 《红外技术》 CSCD 北大核心 2026年第5期554-561,共8页
针对无人机小目标检测任务中复杂背景干扰和多尺度目标的挑战,本文提出了一种基于DBBYOLOv10s的网络模型。该模型使用YOLOv10s作为基线系统,在结构中引入膨胀卷积(Dilated convolution-based cross stage partial with 2 convolutions a... 针对无人机小目标检测任务中复杂背景干扰和多尺度目标的挑战,本文提出了一种基于DBBYOLOv10s的网络模型。该模型使用YOLOv10s作为基线系统,在结构中引入膨胀卷积(Dilated convolution-based cross stage partial with 2 convolutions and feature fusion,DC2f)以拓展感受野、双向特征金字塔(Bi-directional feature pyramid network,BiFPN)实现多尺度特征融合,以及瓶颈注意力模块(Bottleneck attention module,BAM)增强模型对目标区域的聚焦能力。通过在VisDrone2021数据集上的实验验证,本算法在平均检测精度(mAP 41.8%)和推理速度(148 FPS)方面展现了卓越的性能,同时将模型参数量控制在6.59 M,具备了较强的实用性。与现有YOLO模型及其改进版本相比,本文模型不仅在复杂场景下保持了较高的检测准确性,还在实时性和计算效率之间取得了平衡,适用于嵌入式系统及无人机实时监控任务。研究结果表明,该算法在复杂场景中的检测能力和泛化性均有显著提升。 展开更多
关键词 感受野 多尺度特征 无人机 小目标 YOLOv10
暂未订购 下载PDF
基于Transformer的DETR目标检测算法综述 认领 引用 被引量：7
2
作者 李沂杨 陆声链 +1 位作者 王继杰 陈明 《计算机工程》 CAS CSCD 北大核心 2026年第4期62-81,共20页
在目标检测领域,卷积神经网络(CNN)凭借其优异的准确性和可扩展性,长期主导着相关研究,并获得了学术界的广泛认可。在此框架下,先后涌现出基于区域的卷积神经网络(R-CNN)系列(如Fast R-CNN、Faster R-CNN)与YOLO(You Only Look Once)系... 在目标检测领域,卷积神经网络(CNN)凭借其优异的准确性和可扩展性,长期主导着相关研究,并获得了学术界的广泛认可。在此框架下,先后涌现出基于区域的卷积神经网络(R-CNN)系列(如Fast R-CNN、Faster R-CNN)与YOLO(You Only Look Once)系列等多个代表性模型。随着Transformer在自然语言处理领域的成功,研究者开始探索将其用于计算机视觉领域,由此产生了视觉Transformer(ViT)和Swin Transformer等视觉骨干网络。Facebook团队为减少目标检测任务中的先验知识和后处理,在2020年推出了一种端到端目标检测算法——基于Transformer的DETR(DEtection TRansformer)。尽管DETR在目标检测领域展现出潜力,但也存在收敛速度慢、准确性较差、目标查询的物理意义不明确等缺点。这促使研究者对该算法开展了进一步的研究和改进。本研究旨在归纳总结针对DETR的改进探索,并分析它们的优势与不足,同时对利用DETR开展的前沿研究和细分应用领域进行概括,最后给出DETR在计算机视觉领域的未来展望。 展开更多
关键词 计算机视觉 目标检测 DETR算法 视觉Transformer 图像分割
暂未订购 下载PDF
基于自适应复合卷积的航拍小目标检测算法 认领 引用 被引量：5
3
作者 邓天民 余洋 +1 位作者 陈月田 谢鹏飞 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2026年第5期1433-1444,共12页
针对航拍图像中小目标的比例较高且特征提取效果差等问题,提出一种在精度和存储资源消耗上相对平衡的航拍小目标检测算法。提出一种轻量化自适应复合卷积(LACC)模块,加强对细粒度特征的提取能力,并摒弃背景信息达到自适应调节有效特征... 针对航拍图像中小目标的比例较高且特征提取效果差等问题,提出一种在精度和存储资源消耗上相对平衡的航拍小目标检测算法。提出一种轻量化自适应复合卷积(LACC)模块,加强对细粒度特征的提取能力,并摒弃背景信息达到自适应调节有效特征的输出;基于LACC设计一种多尺度特征融合网络,进一步降低小目标漏检率;使用空间上下文金字塔(SCP)的子分支替代快速空间金字塔池化(SPPF)模块,减少信息混淆与冗余的同时还能适应小目标检测场景;构建一种WiseIou-V3-NMS非极大值抑制算法,考虑检测框具有对象但被删除的情况,使其有效提高网络对遮挡重叠目标的检测定位能力;提出轻量化共享卷积GN检测头,保持对多尺度特征信息敏感的同时减少参数量及模型大小。在VisDrone2019公开数据集上,所提算法的平均精度平均值MAP0.5为0.466,相比于基线算法YOLOv8s提升0.077,网络参数量减少21.6%,模型大小减少18.7%。 展开更多
关键词 航拍图像 小目标检测 YOLOv8 特征融合 细粒度特征
暂未订购 下载PDF
多尺度融合与细节突显的水下视觉图像增强算法 认领 引用 被引量：3
4
作者 唐军 秦艳霞 +3 位作者 林玲 张少文 雷文生 朱娱乐 《机械科学与技术》 CSCD 北大核心 2026年第2期281-288,共8页
由于水的吸收和悬浮粒子的散射作用,水下图像出现色偏、对比度降低以及细节模糊等问题,影响水下视觉同步定位与地图构建(Simultaneous localization and mapping,SLAM)前端特征提取和特征匹配。针对上述问题,提出一种用于水下视觉SLAM... 由于水的吸收和悬浮粒子的散射作用,水下图像出现色偏、对比度降低以及细节模糊等问题,影响水下视觉同步定位与地图构建(Simultaneous localization and mapping,SLAM)前端特征提取和特征匹配。针对上述问题,提出一种用于水下视觉SLAM前端的多尺度融合与细节突显的图像增强算法。首先,提出一种改进颜色通道补偿的颜色校正方法,用于校正水下图像色偏;其次,利用曝光融合框架对颜色校正的水下图像对比度进行增强;然后,将颜色校正图像和对比度增强图像进行多尺度融合;最后,采用非锐化掩模对融合图像进行细节突显,进而得到视觉效果较好的增强图像。实验结果表明,与其他算法相比,该算法处理后的水下图像在颜色平衡、对比度、细节以及清晰度等方面的效果较好,同时还增加了特征点和特征匹配对数,显著改善了水下视觉SLAM前端的特征提取和特征匹配。 展开更多
关键词 水下视觉SLAM 水下图像增强 颜色校正 对比度增强 多尺度融合 细节突显
暂未订购 下载PDF
基于FNB-YOLOv5的钢筋网绑扎点目标检测 认领 引用 被引量：4
5
作者 李子轩 赵志刚 +2 位作者 张泽宇 颉俊杰 成瑞强 《上海交通大学学报》 EI CAS CSCD 北大核心 2026年第5期762-775,共14页
针对钢筋绑扎机器人目标检测算法在识别绑扎点时存在准确度低和检测慢等问题,提出了一种基于YOLOv5改进的钢筋网绑扎点目标检测方法FNB-YOLOv5.首先,通过采集钢筋网交叉点制作数据集;然后,在YOLOv5网络中引入FasterNet轻量化主干网络,... 针对钢筋绑扎机器人目标检测算法在识别绑扎点时存在准确度低和检测慢等问题,提出了一种基于YOLOv5改进的钢筋网绑扎点目标检测方法FNB-YOLOv5.首先,通过采集钢筋网交叉点制作数据集;然后,在YOLOv5网络中引入FasterNet轻量化主干网络,增强特征信息提取能力,降低网络复杂度;其次,在网络关键部位引入BiFormer注意力机制,提高特征提取的准确性;考虑到检测任务中小尺寸目标占多数,采用归一化高斯Wasserstein距离(NWD)作为损失函数归一化处理,优化检测绑扎点位置的精度;最后,设计一种改进的广义特征金字塔网络(F-GFPN)特征融合模块,通过添加跳跃连接和跨尺度连接,增强特征交互,提升计算性能.通过不同模型对比实验得出,该模型的精确率、召回率和平均精度均值分别为99.82%、99.10%和98.64%,比原模型分别增长了2.9个百分点、1.53个百分点和1.63个百分点;每秒检测帧数(FPS)达到44.8帧/s,比原模型增加4.1帧/s,同时权重模型大小减小了2.93 MB.实验结果表明,改进的FNB-YOLOv5模型在钢筋网绑扎点数据集上,具有更高的准确性和实时性,为建筑施工行业研发钢筋绑扎机器人提供了有力的技术支持. 展开更多
关键词 钢筋网绑扎点 YOLOv5 小目标检测 图像处理
暂未订购 下载PDF
HM-YOLO:融合多尺度特征的轻量化航拍图像检测算法 认领 引用 被引量：3
6
作者 李珺 丁彬彬 +1 位作者 史维娟 杨琳 《计算机工程与应用》 EI CSCD 北大核心 2026年第1期87-100,共14页
针对无人机航拍图像检测任务中,存在目标尺寸微小、背景环境复杂和特征提取困难等问题,在YOLOv11的基础上提出了一种轻量化的航拍图像检测算法HM-YOLO。对骨干网络中不同尺度的特征进行下采样和上采样,扩展了不同特征通道之间的信息交互... 针对无人机航拍图像检测任务中,存在目标尺寸微小、背景环境复杂和特征提取困难等问题,在YOLOv11的基础上提出了一种轻量化的航拍图像检测算法HM-YOLO。对骨干网络中不同尺度的特征进行下采样和上采样,扩展了不同特征通道之间的信息交互,同时优化了浅层特征图的大小以适应航拍图像中的微小目标;设计了高效特征提取模块C3k2_MSEE,先利用自适应平均池化对特征图进行划分,再通过边缘增强模块来突出边缘信息,避免小目标特征信息在深层网络中丢失;提出了层次注意力融合模块HAFB,通过构建局部与全局双路注意力网络,强化了模型对上下文信息的整合能力;引入了具有多重注意力机制的动态检测头DyHead,进一步优化了对小目标特征信息的感知能力。并且使用LAMP剪枝方法和BCKD知识蒸馏策略对HM-YOLO进行了轻量化处理,显著压缩了模型的体积。在Visdrone2019数据集上的实验结果表明,改进后算法的准确率、召回率和mAP@50,分别提升了8.4、5.7和8.4个百分点,能够有效应对无人机航拍图像目标检测任务中的挑战。 展开更多
关键词 YOLOv11 小目标检测 多尺度特征 通道剪枝 知识蒸馏 轻量化
暂未订购 下载PDF
An enhanced segmentation method for 3D point cloud of tunnel support system using PointNet++t and coverage-voted strategy algorithms 认领 引用 被引量：3
7
作者 Wenju Liu Fuqiang Gao +4 位作者 Shuangyong Dong Xiaoqing Wang Shuwen Cao Wanjie Wang Xiaomin Liu 《Journal of Rock Mechanics and Geotechnical Engineering》 SCIE CSCD 2026年第2期1653-1660,共8页
3D laser scanning technology is widely used in underground openings for high-precision,rapid,and nondestructive structural evaluations.Segmenting large 3D point cloud datasets,particularly in coal mine roadways with m... 3D laser scanning technology is widely used in underground openings for high-precision,rapid,and nondestructive structural evaluations.Segmenting large 3D point cloud datasets,particularly in coal mine roadways with multi-scale targets,remains challenging.This paper proposes an enhanced segmentation method integrating improved PointNet++with a coverage-voted strategy.The coverage-voted strategy reduces data while preserving multi-scale target topology.The segmentation is achieved using an enhanced PointNet++algorithm with a normalization preprocessing head,resulting in a 94%accuracy for common supporting components.Ablation experiments show that the preprocessing head and coverage strategies increase segmentation accuracy by 20%and 2%,respectively,and improve Intersection over Union(IoU)for bearing plate segmentation by 58%and 20%.The accuracy of the current pretraining segmentation model may be affected by variations in surface support components,but it can be readily enhanced through re-optimization with additional labeled point cloud data.This proposed method,combined with a previously developed machine learning model that links rock bolt load and the deformation field of its bearing plate,provides a robust technique for simultaneously measuring the load of multiple rock bolts in a single laser scan. 展开更多
关键词 Point cloud segmentation Improved PointNet++ Tunnel laser scanning Rock bolt automatic recognition
暂未订购 下载PDF
基于智能视觉检测与语义分析的反无人机实时预警系统 认领 引用 被引量：3
8
作者 崔勇强 周威任 +3 位作者 毛智鹏 兰宇坤 杜飞飞 钟良 《南京信息工程大学学报》 CAS 北大核心 2026年第2期202-210,共9页
针对低空安防领域中无人机“黑飞”“乱飞”等安全威胁以及复杂环境下实时精准预警的技术难题,本文提出一种融合YOLOv10目标检测算法与GLM-4V多模态大模型的无人机入侵实时预警系统.系统硬件由高灵敏度光电探测设备与主控计算机构成,软... 针对低空安防领域中无人机“黑飞”“乱飞”等安全威胁以及复杂环境下实时精准预警的技术难题,本文提出一种融合YOLOv10目标检测算法与GLM-4V多模态大模型的无人机入侵实时预警系统.系统硬件由高灵敏度光电探测设备与主控计算机构成,软件集成客户端交互平台与多模态数据处理模块.在算法层面,通过YOLOv10实现无人机目标的快速定位,结合SORT算法完成动态轨迹追踪;创新性地设计基于GLM-4V的语义化描述生成框架,引入结构化Prompt模板将检测结果(目标位置、信息及背景环境)实时转化为可压缩文本描述,显著降低了通信受限场景下的信息传输负载.实验结果表明,在无人机最远距离1 km、最大飞行速度23 m/s的极限条件下,目标识别准确率达97.6%.该系统通过“视觉检测-语义分析-动态传输”的技术闭环,有效地解决了复杂环境下无人机入侵事件实时预警难题,为低空安防领域提供了高鲁棒性解决方案. 展开更多
关键词 反无人机 YOLO GLM-4V 预警系统
暂未订购 下载PDF
LDD-YOLO:改进YOLOv8的轻量级密集行人检测算法 认领 引用 被引量：4
9
作者 杨迪 张喜龙 王鹏 《计算机科学与探索》 CSCD 北大核心 2026年第1期251-265,共15页
针对当前行人检测算法在密集场景中由于遮挡和尺度变化导致的漏检、误检,以及模型计算复杂度高等问题,提出了一种基于YOLOv8的轻量级密集行人检测方法(LDD-YOLO),以实现检测效率与精度的平衡。设计了一种重参数化层聚合网络RELAN,融合... 针对当前行人检测算法在密集场景中由于遮挡和尺度变化导致的漏检、误检,以及模型计算复杂度高等问题,提出了一种基于YOLOv8的轻量级密集行人检测方法(LDD-YOLO),以实现检测效率与精度的平衡。设计了一种重参数化层聚合网络RELAN,融合了重参数化卷积和多分支结构,分别在训练阶段和推理阶段强化特征表达能力与模型推理效率。引入了分离式大卷积核注意力机制的空间金字塔池化模块SPPF-LSKA,结合分离式大卷积核操作以扩大感受野,增强对密集目标的特征捕获能力,抑制背景干扰。为解决YOLOv8在特征处理中未能充分挖掘局部与全局信息的局限性,提出了一种改进的多尺度特征融合模块FFDM,通过融合多尺度特征信息,提升模型密集行人检测的特征表达能力。设计了一种轻量化的特征对齐检测头LSCSBD,利用不同特征层级之间的共享卷积层,提高参数利用效率并减少冗余计算。在CrowdHuman与WiderPerson数据集上的对比实验结果表明,LDD-YOLO在总体性能上优于对比模型,实现了精度与效率的平衡。 展开更多
关键词 密集行人检测 YOLO 重参数化 可分离大核注意力机制 多尺度特征融合 轻量化
暂未订购 下载PDF
基于改进Swin Transformer的公路隧道衬砌裂缝检测算法 认领 引用 被引量：2
10
作者 刘健 牛沛 +2 位作者 郭峰 寇磊 张瀚鸣 《中国公路学报》 EI CAS CSCD 北大核心 2026年第2期187-201,共15页
针对已有目标检测算法在隧道衬砌裂缝检测过程中出现的误检、漏检、抗干扰能力差及检测精度低等问题,提出一种面向实际工况的隧道衬砌裂缝检测算法RSwin。该算法的创新点在于:(1)首次提出了Residual Swin Transformer Block(RSTB),该模... 针对已有目标检测算法在隧道衬砌裂缝检测过程中出现的误检、漏检、抗干扰能力差及检测精度低等问题,提出一种面向实际工况的隧道衬砌裂缝检测算法RSwin。该算法的创新点在于:(1)首次提出了Residual Swin Transformer Block(RSTB),该模块具有针对复杂衬砌裂缝特征的全局建模及局部特征提取能力,增强了多尺度衬砌裂缝特征融合与表征,提高了模型性能及泛化能力;(2)首次融合了Shape-IoU损失函数,优化了形状匹配问题的评估方法,全面地考虑了边界框特性并以此来计算损失值,提高了模型在隧道衬砌裂缝识别任务中的目标框匹配表现。为验证所提出算法的有效性,在自采隧道巡检数据集上采用共11种经典目标检测模型(YOLOv7、YOLOv8、YOLOv9、YOLOv10、Cascade Mask R-CNN、Cascade R-CNN、Faster R-CNN、FSAF(Feature Selective Anchor-free Module)、FCOS(Fully Convolutional One-stage Object Detection)、NAS FCOS(Neural Architecture Search Fully Convolutional One-stage Object Detection)、Mask R-CNN)进行模型对比、训练、验证和测试。训练结果和可视化结果表明:RSwin算法的mAP50为97.6%,相对7种对比算法,分别提高了14.51%、5.57%、4.41%、2.98%、3.2%、2.5%、6.43%、11.7%、3.1%、4.7%、2.4%;同时拥有最快的推理速度,在807像素×606像素的条件下,帧率为9.3帧·s-1。RSwin算法识别精度最高,综合性能最优,可有效应用于实际隧道裂缝检测任务。 展开更多
关键词 隧道工程 目标识别 衬砌检测 Swin Transformer 计算机视觉 残差结构
暂未订购 下载PDF
基于视觉的轻量化路面异常检测算法 认领 引用 被引量：3
11
作者 李军 杨飞帆 +1 位作者 龚胜 周科宇 《吉林大学学报（工学版）》 EI CAS CSCD 北大核心 2026年第2期488-496,共9页
为实现针对复杂路面多种异常状况的快速、准确检测,本文提出了一种行车视角下的路面异常检测算法ATFL-YOLOv8。首先,采用ADown卷积模块替换基线模型(YOLOv8n)中的部分普通卷积,进行高效的特征提取及采样;其次,在基线模型主干网络末端添... 为实现针对复杂路面多种异常状况的快速、准确检测,本文提出了一种行车视角下的路面异常检测算法ATFL-YOLOv8。首先,采用ADown卷积模块替换基线模型(YOLOv8n)中的部分普通卷积,进行高效的特征提取及采样;其次,在基线模型主干网络末端添加Triplet注意力层,提升模型的感知能力;然后,采用部分卷积思想构造出新的轻量化模块C2f-Faster,替换基线模型颈部网络中的C2f模块;再次,引入全新的LSCD-Head检测头进一步减少模型参数量并提升模型检测性能。测试结果显示:相较于基线模型,ATFL-YOLOv8在自建的行车视角下包含坑洞、裂缝、井盖、减速带的路面异常数据集上mAP0.5与mAP@0.5:0.95分别提升3.1个百分点、4.2个百分点,达到89.9%、59.7%;同时参数量、浮点运算数量、模型大小分别下降47%、37%、45%,降至1.61 M、5.2 G、3.31 MB,经实车验证,其具备一定低速下行车端路面异常检测能力。 展开更多
关键词 路面异常 目标检测 轻量化 车辆工程
SDA-YOLO:改进YOLOv11的无人机航拍图像小目标检测方法 认领 引用 被引量：3
12
作者 张红民 冯雪 +1 位作者 陈清 林强 《计算机工程与应用》 EI CSCD 北大核心 2026年第4期261-272,共12页
针对无人机航拍图像中小目标因尺寸微小、背景复杂导致检测精度低的问题,提出一种改进YOLOv11的检测方法SDA-YOLO(selective dual-path aggregation YOLO)。设计交叉增强融合模块(cross-enhanced fusion module,CEFM)优化颈部特征融合过... 针对无人机航拍图像中小目标因尺寸微小、背景复杂导致检测精度低的问题,提出一种改进YOLOv11的检测方法SDA-YOLO(selective dual-path aggregation YOLO)。设计交叉增强融合模块(cross-enhanced fusion module,CEFM)优化颈部特征融合过程,缓解小目标边界模糊与语义不一致问题,并有效抑制冗余背景干扰;构建异构选择性特征金字塔网络(heterogeneous selective feature pyramid network,HSFPN),实现更高效的多尺度特征交互与小目标边界特征增强,同时引入高分辨率检测层进一步提升对网络小目标的识别能力;提出动态对齐检测头(dynamicaligned head,DA-Head),提升分类与回归任务在小目标区域的协同一致性,降低漏检与误检。实验结果表明,SDAYOLO在VisDrone2019数据集上mAP@0.5和mAP@0.5:0.95分别达到52.5%和33.0%,较YOLOv11s分别提升14.3和10.2个百分点,AP-Small提升10.3个百分点;在DOTAv1.0与TinyPerson数据集上mAP@0.5分别提升2.1与6.2个百分点,较好地验证了改进方法的有效性与泛化性。 展开更多
关键词 小目标检测 YOLOv11 特征融合 特征金字塔
暂未订购 下载PDF
基于无人机与图像轮廓提取的古石拱桥逆向建模方法 认领 引用 被引量：2
13
作者 姜绍飞 李朋泽 +3 位作者 项程 刘沿泰 俞建龙 铁鑫阳 《西南交通大学学报》 EI CSCD 北大核心 2026年第2期520-528,共9页
为实现古石拱桥数字化建模与性能评估,基于无人机倾斜摄影和图像轮廓提取技术开展古石拱桥逆向建模方法研究.首先,使用无人机采集石拱桥的多视角序列图像;其次,基于运动恢复结构(SfM)和多视图立体匹配(MVS)算法,构建石拱桥的三维(3D)实... 为实现古石拱桥数字化建模与性能评估,基于无人机倾斜摄影和图像轮廓提取技术开展古石拱桥逆向建模方法研究.首先,使用无人机采集石拱桥的多视角序列图像;其次,基于运动恢复结构(SfM)和多视图立体匹配(MVS)算法,构建石拱桥的三维(3D)实景模型;接着,基于石块与砂浆存在色差和石块几何规则性的特点,提出色差强化与小面积杂质滤除策略,改进Canny边缘检测,引入循环识别四边形与形状优化改进多边形逼近算法,实现表面轮廓的自动化识别;然后,基于地面控制点标定真实尺度,利用提取的轮廓坐标参数化建模,生成有限元模型;最后,使用提出方法对透龙桥进行建模和性能分析,并与试验结果进行对比.研究结果表明:透龙桥3D实景模型表面未检出明显病害,最大尺寸误差为0.8%;有限元模型的挠度最大计算误差为2.1%.该方法能够准确反映古石拱桥的几何形态和力学性能,为其数字化保护与性能评估提供技术支持. 展开更多
关键词 石拱桥 无人机 倾斜摄影 图像轮廓 逆向建模
暂未订购 下载PDF
多目视觉下基于自动变分校正的人体3D姿态检测与建模 认领 引用 被引量：2
14
作者 赵晓冬 陈凯 +2 位作者 黄煜杰 王鹏飞 王子源 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2026年第4期1290-1299,共10页
针对现有基于2D人体表面姿态点构建人体3D模型的方法大多会导致连续建模抖动及建模结果局部扭曲等问题,提出基于蒙皮多人线性模型(SMPL)的人体内部3D姿态点检测方法,通过聚类算法将多视角下体内2D姿态点映射真实场景中3D姿态点,引入卡... 针对现有基于2D人体表面姿态点构建人体3D模型的方法大多会导致连续建模抖动及建模结果局部扭曲等问题,提出基于蒙皮多人线性模型(SMPL)的人体内部3D姿态点检测方法,通过聚类算法将多视角下体内2D姿态点映射真实场景中3D姿态点,引入卡尔曼滤波对人体姿态点进行去噪。基于3D姿态点构建人体3D模型的过程中,基于自动变分方法对梯度下降回归网络进行校正,构建端到端的人体3D建模网络SMPL-VAE,在保持整体比例的同时,更加符合人体运动结构的局部建模。在公开数据集Shelf上进行测试,结果显示,所提方法的平均每关节位置误差(MPJPE)相比其他方法分别提升3.88、7.56和12.88,正确关键点百分比(PCK)分别提升3.5、6.91和9,针对不同目标也能准确匹配姿态点。 展开更多
关键词 多目视觉 蒙皮多人线性模型 3D姿态检测 卡尔曼滤波 变分自编码器
暂未订购 下载PDF
改进YOLOv10n的密集行人小目标检测方法 认领 引用 被引量：4
15
作者 陈海秀 陈子昂 +3 位作者 宁馨 王思源 陆亚舒 卢海涛 《小型微型计算机系统》 CSCD 北大核心 2026年第4期999-1007,共9页
在针对固定摄像设备进行的行人检测任务中,由于小尺度行人占比高、分布密集和复杂背景的干扰,模型易受到遮挡、尺度变化等情况的影响,出现误检和漏检问题.为有效解决上述问题,提出了一种基于YOLOv10n改进的行人小目标检测算法.该算法在... 在针对固定摄像设备进行的行人检测任务中,由于小尺度行人占比高、分布密集和复杂背景的干扰,模型易受到遮挡、尺度变化等情况的影响,出现误检和漏检问题.为有效解决上述问题,提出了一种基于YOLOv10n改进的行人小目标检测算法.该算法在C2f模块中融入自适应点移动和卷积门控机制,提出了C2f-MC模块,显著提升了局部特征的捕捉能力和特征筛选能力;通过构建SLC-P2小目标特征增强金字塔结构,优化了颈部网络,增强模型提取微小特征的能力;引入基于点采样的Dysample上采样模块,有效减少了传统卷积方法对高分辨率特征引导的依赖,并显著提高了对遮挡小目标区域的敏感度;设计了一种轻量化检测头LWD,进一步提升了模型在严重遮挡场景下对人群的识别能力.实验结果表明,与YOLOv10n相比,改进后的模型在Crowd Human和WiderPerson数据集上的精度分别提高了4.0%和1.9%,且参数量仅为2.0M,计算量为10.2GFLOPs,能够在计算资源有限的环境中实现高精度部署. 展开更多
关键词 行人检测 YOLOv10 特征选择 轻量化
暂未订购 下载PDF
改进YOLO11n的雾天路面缺陷轻量化检测 认领 引用 被引量：2
16
作者 陈仁祥 邓力珩 +3 位作者 杨黎霞 陈卓 王磊 罗浩铭 《光学精密工程》 EI CAS CSCD 北大核心 2026年第4期640-651,共12页
针对雾天路面缺陷检测精度低、模型参数量大的问题,提出改进YOLO11n的雾天路面缺陷轻量化检测方法,旨在提高雾天环境检测精度和更利于轻量化部署。首先,在骨干网络中构建前端去雾网络(Dehaze-Network,DH-Net),通过通道归一化和跨层统计... 针对雾天路面缺陷检测精度低、模型参数量大的问题,提出改进YOLO11n的雾天路面缺陷轻量化检测方法,旨在提高雾天环境检测精度和更利于轻量化部署。首先,在骨干网络中构建前端去雾网络(Dehaze-Network,DH-Net),通过通道归一化和跨层统计量传递机制,保持去雾图像结构一致性并实现检测任务导向联合优化,减小雾气对检测效果的影响;其次,采用自适应下采样模块(ADown)替代传统卷积下采样,以减少参数量并保留关键空间特征,从而增强缺陷细节的提取能力;然后,设计高效多分支辅助特征金字塔网络,通过动态卷积核适配与加权双向特征金字塔融合增强雾天模糊目标的跨尺度表征能力,进一步减少雾天对检测的影响;最后,使用部分卷积对检测头进行轻量化改进,以部分卷积运算降低计算开销。通过在不同数据集实验表明,改进模型mAP较基准分别提升2.1%和3%,参数量降低47.2%。该方法为雾天路面巡检提供了高精度、低资源消耗的解决方案。 展开更多
关键词 雾天 路面缺陷检测 改进YOLO11n 轻量化
暂未订购 下载PDF
数字人技术建模方法与驱动策略综述 认领 引用 被引量：2
17
作者 李振东 朱振鑫 +2 位作者 赵世华 武艺强 刘昊 《吉林大学学报（工学版）》 EI CAS CSCD 北大核心 2026年第2期289-312,共24页
数字人作为智能交互的核心载体,其技术的创新突破对人工智能与数字经济的深度融合具有关键意义.本文聚焦于计算机视觉领域,围绕数字人技术的两大核心主题建模与驱动展开讨论,并系统整理相关数据集的特性及评估方法.在建模方面,研究从传... 数字人作为智能交互的核心载体,其技术的创新突破对人工智能与数字经济的深度融合具有关键意义.本文聚焦于计算机视觉领域,围绕数字人技术的两大核心主题建模与驱动展开讨论,并系统整理相关数据集的特性及评估方法.在建模方面,研究从传统几何建模技术展开,涵盖基于网格优化、点云处理的精细化三维重建方法,进而探讨深度学习驱动的生成式建模新范式.在驱动方面,重点分析基于视频序列的人体姿态估计与表情迁移技术,以及结合音频特征的语音驱动口型同步生成算法.数据集的规模与多样性对数字人形象生成至关重要,评估方法的完善程度则能更客观地衡量生成效果.本文对数字人建模与驱动领域的代表性工作进行系统归类和总结,分析现有方法的优势与不足,并结合当前技术发展趋势,展望未来可能的研究方向. 展开更多
关键词 计算机软件与理论 数字人 建模方法 驱动策略
无人机视频多目标特征关联技术研究进展 认领 引用 被引量：2
18
作者 伍瀚 孙浩 +2 位作者 刘奎 计科峰 匡纲要 《航空学报》 EI CAS CSCD 北大核心 2026年第4期125-155,共31页
无人机视频已成为智能监控、智慧城市、态势感知、低空经济以及军事侦察等军民用领域不可或缺的信息来源。无人机视频多目标特征关联旨在持续预测各目标位置并维持其身份标识,是多目标跟踪等任务的核心。目前,相关综述多聚焦于目标检测... 无人机视频已成为智能监控、智慧城市、态势感知、低空经济以及军事侦察等军民用领域不可或缺的信息来源。无人机视频多目标特征关联旨在持续预测各目标位置并维持其身份标识,是多目标跟踪等任务的核心。目前,相关综述多聚焦于目标检测与跟踪,本研究对无人机视频多目标特征关联技术研究进展进行系统综述。首先,归纳梳理无人机视频多目标特征关联典型研究成果,并根据应用场景和数据源特性对其进行分类,涵盖了多视角和多光谱特征关联相关研究成果。其次,深入分析各类方法的典型算法、优缺点及适用场景。然后,总结整理无人机视频多目标特征关联的主流公开数据集,包括单视频数据集、多视角视频数据集以及多光谱视频数据集,并基于VisDrone、MDMT和VTTiny-MOT 3个典型数据集,对现有代表性方法的性能等进行系统对比,分析不同方法之间性能差异的根本原因,为后续研究奠定基础。最后,探讨无人机视频特征关联面临的挑战与未来的研究方向,特别是基础模型构建与多模态深度融合等,以期为无人机视频多目标特征关联技术的深入研究提供参考。 展开更多
关键词 无人机视频 特征关联 多目标跟踪 多视角视频 多光谱视频
暂未订购 下载PDF
基于多模态语义信息的文本生成图像方法 认领 引用 被引量：2
19
作者 杨冰 周家辉 +1 位作者 姚金良 向学勤 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2026年第2期360-369,共10页
针对文本语义与图像语义不一致以及图像细节表现不足的问题,提出新的文本生成图像方法.基于多模态语义信息建立鉴别依据,在文本语义基础上引入真实图像语义,以解决文本描述信息密度低的问题,有效缓解生成图像细节缺失或失真的现象.在生... 针对文本语义与图像语义不一致以及图像细节表现不足的问题,提出新的文本生成图像方法.基于多模态语义信息建立鉴别依据,在文本语义基础上引入真实图像语义,以解决文本描述信息密度低的问题,有效缓解生成图像细节缺失或失真的现象.在生成器中集成可变形卷积和星模块卷积,增强生成器表达能力,提高生成图像的细节表现和整体质量.为了验证所提方法的有效性,在CUB数据集和COCO数据集上进行模型训练及评估.与生成式对抗对比语言-图像预训练模型(GALIP)相比,所提方法在保证高效生成的同时,在细节表现、语义一致性及整体质量上具有显著优势. 展开更多
关键词 文本生成图像 多模态语义 可变形卷积 星模块卷积 语义对齐鉴别器
暂未订购 下载PDF
基于图像语义分割的目标跟踪尺度自适应算法 认领 引用 被引量：2
20
作者 陈凯 赵晓冬 +3 位作者 黄煜杰 王鹏飞 雷一辰 张彪 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2026年第5期1536-1546,共11页
围绕如何在复杂的场景中充分利用图像语义分割得到目标的语义信息,并对目标跟踪器的输出进行尺度优化,设计了基于注意力机制优化的图像语义分割网络。针对目标跟踪器的输出和特征输入2个方面进行优化,该网络可以实现对各类算法的即插即... 围绕如何在复杂的场景中充分利用图像语义分割得到目标的语义信息,并对目标跟踪器的输出进行尺度优化,设计了基于注意力机制优化的图像语义分割网络。针对目标跟踪器的输出和特征输入2个方面进行优化,该网络可以实现对各类算法的即插即用。利用图像语义分割掩码获得目标的旋转框边界,根据目标的旋转框和非旋转框边界对目标输入阶段的特征进行去噪优化,减弱背景噪声对跟踪器的判别影响。分别从所设计网络的结构、训练、目标旋转框标定及对跟踪器的输入特征进行去噪等方面进行讨论。在公开数据集OTB100、VOT2016和VOT2018上进行实验,对比验证了目标运动模型在解决目标跟踪过程中,目标尺度优化的准确率和鲁棒性。 展开更多
关键词 目标跟踪 语义分割 注意力机制 尺度优化 背景去噪
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 250 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈