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134篇文章
< 1 2 … 7 >
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：
多模态巡飞器时敏目标检测数据集构建 认领 引用 被引量：1
1
作者 申通 王思宇 +1 位作者 杨小冈 卢瑞涛 《火箭军工程大学学报》 CAS 2026年第1期68-78,共11页
针对现有多模态目标检测数据集目标种类单一、场景覆盖有限、图像视角与巡飞器不适配等问题,构建了一套面向巡飞器应用的多模态时敏目标检测数据集,旨在为巡飞器目标检测算法的训练评估提供数据支撑。首先,综合利用实景拍摄和遥感影像... 针对现有多模态目标检测数据集目标种类单一、场景覆盖有限、图像视角与巡飞器不适配等问题,构建了一套面向巡飞器应用的多模态时敏目标检测数据集,旨在为巡飞器目标检测算法的训练评估提供数据支撑。首先,综合利用实景拍摄和遥感影像平台生成2种方式,采集种类丰富、场景多样的时敏目标图像;其次,基于SuperPoint和SuperGlue算法实现多模态图像的空间对齐,确保目标在跨模态数据中的位置一致性;进而采用图像合成和风格迁移方法进行数据增广,以平衡模态分布并扩充数据规模;最后,通过语义分割算法实现时敏目标的自动标注。实验结果表明:所构建的数据集相较于其他多模态目标数据监测数据集,数据量更加充足,目标种类更加多样,场景覆盖更加广泛。 展开更多
关键词 多模态目标检测 数据集构建 图像配准 数据增广 图像标注
暂未订购 下载PDF
荔枝病虫害图像数据集 认领 引用
2
作者 管博伦 吴雅倩 +6 位作者 孔娟娟 董伟 张立平 朱静波 张萌 汪焱 李闰枚 《中国科学数据（中英文网络版）》 CAS CSCD 2026年第2期501-512,共12页
荔枝病虫害信息化防控技术是荔枝提质增产的重要手段。基于深度学习的目标检测方法是信息化防控的关键环节之一,但是数据集质量的优劣往往决定了目标检测模型的检测效果。然而,目前可用的荔枝病虫害图像数据集样本数量有限、图像质量参... 荔枝病虫害信息化防控技术是荔枝提质增产的重要手段。基于深度学习的目标检测方法是信息化防控的关键环节之一,但是数据集质量的优劣往往决定了目标检测模型的检测效果。然而,目前可用的荔枝病虫害图像数据集样本数量有限、图像质量参差不齐,这一现象严重制约了荔枝病虫害检测模型的研发。本研究通过图像采集设备在荔枝园里实地采集了高清的荔枝病虫害原始图像数据,原始图像数据经过植保专家交叉鉴定和标注人员精心标注,保证了荔枝病虫害分类准确,剔除了质量较差的图像样本,构建了一套包含藻斑病、炭疽病、荔枝叶瘿蚊为害状、煤烟病、正面毛毡病和反面毛毡病,共4393张病虫害图像样本的高质量荔枝病虫害图像数据集。最后选择了Faster RCNN,YOLOv5,YOLOv8和YOLOv12四种目标检测模型,验证了数据集的有效性。本研究构建的数据集提供图像样本和标注后的XML格式文件,可供荔枝病虫害图像分类、目标检测和病虫害识别使用,对推动荔枝病虫害绿色智能防控技术发展,具有重要的意义。 展开更多
关键词 荔枝病虫害 图像 数据集 图像分类 目标检测
暂未订购 下载PDF
UWF-YOLO:冗余信息优化的轻量化水下目标检测 认领 引用
3
作者 侯国家 马佳琦 +2 位作者 王岳川 黄宝香 李坤乾 《电子与信息学报》 EI CAS CSCD 北大核心 2026年第7期2876-2886,共11页
针对现有水下目标检测方法在成像退化类型多样与背景干扰等复杂场景中鲁棒性差以及在设备资源受限条件下难以兼顾检测精度与模型轻量化的问题,该文提出一种基于冗余信息优化的轻量化水下目标检测网络(UnderWater Faster YOLO network ba... 针对现有水下目标检测方法在成像退化类型多样与背景干扰等复杂场景中鲁棒性差以及在设备资源受限条件下难以兼顾检测精度与模型轻量化的问题,该文提出一种基于冗余信息优化的轻量化水下目标检测网络(UnderWater Faster YOLO network based on redundancy information optimization,UWF-YOLO),并进一步构建了复杂场景水下目标检测数据集(Underwater Object Detection dataset with Complex Scene,CSUOD)。UWFYOLO采用FasterNet Block重构C2f模块优化主干和颈部网络,通过特征通道选择机制减少冗余特征,并引入Ghost卷积增强颈部网络的多尺度特征融合能力;同时,通过基于分组卷积的参数共享检测头降低计算开销;最后,应用结构化通道剪枝进一步压缩网络规模。CSUOD数据集通过收集真实水下图像进行标注和分辨率标准化处理,覆盖雾化、色偏、非均匀照明等各种退化类型,可用于复杂场景下水下目标检测模型的鲁棒性训练与性能评测。在DUO,RUOD和TrashCan数据集上进行实验分析,相较于YOLOv8s,所提方法在计算量、权重大小与参数量3个指标上分别降低了60.4%,77.3%和78.4%;与参数量相当的YOLOv9-tiny相比,mAP指标在3个数据集上分别提升了0.3%,2.3%和3.4%。同时,在自建CSUOD数据集上的主客观对比实验,进一步证实所提模型在实现显著轻量化的同时,能够有效避免背景干扰导致的误检、漏检等问题,特别在复杂水下环境中展现出优异的检测性能。此外,该文构建的复杂场景水下数据集将有助于推动水下目标检测方法的发展。 展开更多
关键词 水下目标检测 冗余信息优化 轻量化 CSUOD数据集
暂未订购 下载PDF
融合仇恨对象特征与变体词还原机制的中文仇恨言论检测 认领 引用 被引量：1
4
作者 孙明旭 梁刚 +1 位作者 吴逸飞 胡海馨 《计算机科学》 CSCD 北大核心 2026年第2期289-299,共11页
网络仇恨言论的显著增加及其产生的危害使仇恨言论自动检测成为一项关键任务。现有方法忽略了文本中的仇恨对象对仇恨言论检测模型在语义提取方面的作用,导致模型上下文特征提取能力不足,易受特定表述影响而产生决策错误。同时,现有方... 网络仇恨言论的显著增加及其产生的危害使仇恨言论自动检测成为一项关键任务。现有方法忽略了文本中的仇恨对象对仇恨言论检测模型在语义提取方面的作用,导致模型上下文特征提取能力不足,易受特定表述影响而产生决策错误。同时,现有方法未考虑变体词给语义提取带来的干扰,导致仇恨言论检测漏报率较高。此外,中文仇恨言论检测领域缺乏可用数据集支持。针对上述问题,提出了一种融合仇恨对象特征与变体词还原机制的仇恨言论检测方法。该方法将仇恨对象识别作为中间任务,指导模型充分学习仇恨对象上下文特征,从而增强仇恨言论检测模型对文本的理解能力。此外,引入基于ChatGLM2-6B模型的变体词还原模块,通过还原变体词汇有效缓解了变体词对仇恨言论检测模型语义提取的干扰。最后,构建了一个中文仇恨言论数据集,以促进该领域的进一步研究。经实验验证,所提模型的F1分数达到96.71%,在各项性能上均超越了现有基线方法。特别地,模型在针对特定场景的检测准确率方面提升4.21%,对由变体词引起的漏报率降低3.45%。 展开更多
关键词 仇恨言论检测 中文数据集 仇恨对象识别 变体词还原 文本增强 自然语言处理
暂未订购 下载PDF
采集式三维数字人质量评估:数据集与方法 认领 引用
5
作者 周颖杰 张子澄 +6 位作者 王禹 文发荣 孙伟 朱煜程 刘笑宏 曹杰彰 翟广涛 《信号处理》 CSCD 北大核心 2026年第7期959-988,共30页
近年来,数字人成为了一种具有应用潜力的新兴数字媒体技术,并持续助力数字中国的建设。目前,主流的数字人包括传统且经典的采集式数字人和先进的基于人工智能的生成式数字人。尽管基于人工智能的生成式数字人提供了便捷和快速的设计方案... 近年来,数字人成为了一种具有应用潜力的新兴数字媒体技术,并持续助力数字中国的建设。目前,主流的数字人包括传统且经典的采集式数字人和先进的基于人工智能的生成式数字人。尽管基于人工智能的生成式数字人提供了便捷和快速的设计方案,但目前仍存在着诸多的局限性,并未被大规模地应用于数字人产业中。而另一方面,采集式三维数字人得益于各种精密的传感设备和专业的人工后处理,仍然在目前数字人行业中占有主导地位。但事实上,传感设备和通信系统的局限性,同样会对采集式三维数字人的质量产生影响。因此,面向采集式三维数字人的质量评估能够直接地帮助设计师制作更高质量的数字人作品,以间接提升用户的综合体验。为了应对这一挑战,学者在过去的几年内从多个维度开展了一系列具有代表性的采集式三维数字人质量评估工作。为了系统地整理现有的研究进展,本文针对采集式三维数字人质量评估进行了综述。具体来说,首先,对采集式三维数字人的设计与制作方法进行介绍,并分析了每类设计流程中可能引入的质量失真;接着,我们介绍了具有代表性的采集式三维数字人质量评估数据集和常用的主观评估方案,并分析了现有的各种客观质量评估方法;最后,本文对现有研究进展进行了总结,并探讨了采集式三维数字人质量评估面临的挑战以及未来的研究方向。 展开更多
关键词 数字人 质量评估数据集 客观质量评估 三维媒体
暂未订购 下载PDF
遥感影像小目标检测方法与应用 认领 引用
6
作者 王宇帆 邵子龙 +3 位作者 蒲媛雪 章昊文 张静怡 秦昆 《应用科学学报》 CAS CSCD 北大核心 2026年第4期598-614,共17页
遥感影像小目标检测是遥感与计算机视觉领域的核心问题之一,对遥感场景智能理解、遥感影像智能解译等具有关键作用。受目标像素占比低、场景复杂多变等因素影响,遥感影像小目标检测面临目标特征提取困难、易受噪声与遮挡干扰、边界框回... 遥感影像小目标检测是遥感与计算机视觉领域的核心问题之一,对遥感场景智能理解、遥感影像智能解译等具有关键作用。受目标像素占比低、场景复杂多变等因素影响,遥感影像小目标检测面临目标特征提取困难、易受噪声与遮挡干扰、边界框回归精度要求严苛、专用数据集稀缺、模型设计适配性不足等多重挑战。本文系统梳理了遥感影像小目标检测的技术难点及瓶颈,分析了传统遥感图像处理检测方法、基于数据集增强的检测方法、基于分辨率增强的检测方法、基于特征融合与注意力机制的检测方法、基于Transformer的检测方法、基于无锚框技术的检测方法等6类主流检测方法,详细分析了各类方法的技术原理、核心创新点与适用场景,总结了遥感小目标数据集的特性、标注规格与应用价值,分析了遥感小目标检测技术在舰船及航标检测、车辆检测、军事目标检测等领域的应用。最后展望了遥感小目标检测的多模态融合、轻量化架构、小样本学习等未来发展方向。 展开更多
关键词 小目标检测 深度学习 数据增强 Transformer 目标检测数据集
暂未订购 下载PDF
Training and Testing Object Detectors With Virtual Images 认领 引用 被引量：12
7
作者 Yonglin Tian Xuan Li +1 位作者 Kunfeng Wang Fei-Yue Wang 《IEEE/CAA Journal of Automatica Sinica》 SCIE EI CSCD 2018年第2期539-546,共8页
In the area of computer vision, deep learning has produced a variety of state-of-the-art models that rely on massive labeled data. However, collecting and annotating images from the real world is too demanding in term... In the area of computer vision, deep learning has produced a variety of state-of-the-art models that rely on massive labeled data. However, collecting and annotating images from the real world is too demanding in terms of labor and money investments, and is usually inflexible to build datasets with specific characteristics, such as small area of objects and high occlusion level. Under the framework of Parallel Vision, this paper presents a purposeful way to design artificial scenes and automatically generate virtual images with precise annotations.A virtual dataset named Parallel Eye is built, which can be used for several computer vision tasks. Then, by training the DPM(Deformable parts model) and Faster R-CNN detectors, we prove that the performance of models can be significantly improved by combining Parallel Eye with publicly available real-world datasets during the training phase. In addition, we investigate the potential of testing the trained models from a specific aspect using intentionally designed virtual datasets, in order to discover the flaws of trained models. From the experimental results, we conclude that our virtual dataset is viable to train and test the object detectors. 展开更多
关键词 Index Terms--Deep learning object detection parallel vision virtual dataset
暂未订购 下载PDF
基于改进YOLOv8x的木桥裂缝检测算法研究 认领 引用
8
作者 卢佳敏 戴成元 +1 位作者 罗跃龙 李甫 《金陵科技学院学报》 2026年第1期63-71,共9页
木桥裂缝检测易受到木材各向异性、多尺度结构特征及表面形态不规则性的影响,时常出现识别精度低、误检漏检率高等问题。为此,提出了一种基于改进YOLOv8x的木桥裂缝智能检测算法Mc-YOLOv8,并构建了一个能够反映木桥裂缝类型多样性及环... 木桥裂缝检测易受到木材各向异性、多尺度结构特征及表面形态不规则性的影响,时常出现识别精度低、误检漏检率高等问题。为此,提出了一种基于改进YOLOv8x的木桥裂缝智能检测算法Mc-YOLOv8,并构建了一个能够反映木桥裂缝类型多样性及环境差异性的图像数据集,设计开发了木桥裂缝智能检测系统。实验结果表明,改进后的模型在精确率、召回率和mAP@0.5指标上分别提升了3.8、9.6和6.9个百分点,尤其在多尺度和纹理复杂的木桥裂缝检测任务中表现更好。这为木桥结构安全的检测提供了更高效、更可靠的技术方案,具有良好的工程应用前景。 展开更多
关键词 木桥 裂缝 图像集 YOLOv8 目标检测
暂未订购 下载PDF
矿井遮挡人员跟踪数据集 认领 引用
9
作者 高丽铄 路洋 +4 位作者 董立红 叶鸥 韩冷雨 张立智 郗晨阳 《中国科学数据（中英文网络版）》 CAS CSCD 2026年第1期550-565,共16页
矿井作业环境复杂特殊,给人员目标的检测与跟踪带来诸多挑战。作业人员通常穿着统一工服,外观特征高度相似,加之环境光照不足、图像模糊、背景灰暗单一,显著降低了视觉识别的准确性。在矿井典型场景中,人员密集、遮挡频发,进一步增加了... 矿井作业环境复杂特殊,给人员目标的检测与跟踪带来诸多挑战。作业人员通常穿着统一工服,外观特征高度相似,加之环境光照不足、图像模糊、背景灰暗单一,显著降低了视觉识别的准确性。在矿井典型场景中,人员密集、遮挡频发,进一步增加了跟踪算法的难度。在深度学习模型训练中,数据集的质量往往直接决定模型的性能。然而,目前国内外尚缺乏公开、标准化的矿井人员图像数据集,现有研究多依赖小规模、非规范的私有数据,难以支撑算法的横向对比与推广应用。本研究通过使用煤矿用本安型执法记录仪对矿井环境中的遮挡人员现场进行拍摄,整理构建了具有统一标准、大规模、高质量的矿井遮挡人员目标跟踪数据集。本数据集总共包含14740张图像,总数据量为38.1 GB,囊括了三种矿井典型人员出现遮挡的场景﹝下井口出入口闸机(exit_gate)、井底硐室(well_chamber)和井下工作面(downhole_face)﹞。本数据集的建立可有效缓解矿井遮挡人员目标跟踪数据资源不足的问题,具有较高应用价值,为相关研究提供了必要的数据支持。 展开更多
关键词 矿井 目标跟踪 遮挡人员 深度学习 数据集
暂未订购 下载PDF
Full-viewpoint 3D Space Object Recognition Based on Kernel Locality Preserving Projections 认领 引用 被引量：4
10
作者 孟钢 姜志国 +2 位作者 刘正一 张浩鹏 赵丹培 《Chinese Journal of Aeronautics》 SCIE EI CAS 2010年第5期563-572,共10页
Space object recognition plays an important role in spatial exploitation and surveillance, followed by two main problems： lacking of data and drastic changes in viewpoints. In this article, firstly, we build a three-... Space object recognition plays an important role in spatial exploitation and surveillance, followed by two main problems： lacking of data and drastic changes in viewpoints. In this article, firstly, we build a three-dimensional （3D） satellites dataset named BUAA Satellite Image Dataset （BUAA-SID 1.0） to supply data for 3D space object research. Then, based on the dataset, we propose to recognize full-viewpoint 3D space objects based on kernel locality preserving projections （KLPP）. To obtain more accurate and separable description of the objects, firstly, we build feature vectors employing moment invariants, Fourier descriptors, region covariance and histogram of oriented gradients. Then, we map the features into kernel space followed by dimensionality reduction using KLPP to obtain the submanifold of the features. At last, k-nearest neighbor （kNN） is used to accomplish the classification. Experimental results show that the proposed approach is more appropriate for space object recognition mainly considering changes of viewpoints. Encouraging recognition rate could be obtained based on images in BUAA-SID 1.0, and the highest recognition result could achieve 95.87%. 展开更多
关键词 satellites object recognition three-dimensional image dataset full-viewpoint kernel locality preserving projections
暂未订购 下载PDF
面向海洋智能的水下视觉数据集综述 认领 引用
11
作者 李华 李志远 +1 位作者 刘家伟 丛润民 《中国图象图形学报》 CSCD 北大核心 2026年第5期1478-1502,共25页
水下计算机视觉作为海洋科学研究和海洋工程应用的重要技术手段,受到广泛关注。然而,与陆地环境相比,水下成像受光线衰减、颜色偏移、散射效应及设备限制等因素影响,相关任务面临显著挑战。高质量数据集的构建是推动水下计算机视觉技术... 水下计算机视觉作为海洋科学研究和海洋工程应用的重要技术手段,受到广泛关注。然而,与陆地环境相比,水下成像受光线衰减、颜色偏移、散射效应及设备限制等因素影响,相关任务面临显著挑战。高质量数据集的构建是推动水下计算机视觉技术发展的关键资源,其质量与多样性直接影响模型的训练效果和性能表现。为全面了解水下数据集的发展脉络、优势与局限性,本文对当前主要数据集进行了系统综述,涵盖水下视觉增强、水下场景理解以及水下三维重建等多个关键任务。在水下视觉增强方面,分析了图像/视频增强、颜色校正与复原以及超分辨率重建等数据集;在水下场景理解方面,系统梳理了目标分类、目标检测、语义分割、实例分割、显著性检测、伪装目标检测以及目标跟踪等任务的代表性数据集;在水下三维重建方面,探讨了同时定位与建图(simultaneous localiza⁃tion and mapping,SLAM)、神经辐射场(neural radiance fields,NeRF)和三维高斯散射(three-dimensional Gaussian splatting,3DGS)等技术相关的数据集发展状况。基于对现有数据集的构建方法、规模特征及应用场景的综合分析,本文总结了当前面临的主要挑战,并探讨了未来可能的发展方向,为相关研究人员提供了全面的数据集资源参考,有助于推动水下计算机视觉技术的深入研究与广泛应用。本文涉及数据集下载链接:http://gffzze5790e4816c0412fso0qkkwvc6kq66pp5.ffgz.tsg.suse.edu.cn/31253.11.sciencedb.j00240.00173或http://gffzz188fe103f8f1460aso0qkkwvc6kq66pp5.ffgz.tsg.suse.edu.cn/Linzy0227/UVD。 展开更多
关键词 水下数据集 水下场景理解 图像增强 目标识别 三维重构
暂未订购 下载PDF
不平衡数据集下基于机器视觉辅助Faster R-CNN的米粒检测 认领 引用
12
作者 贺子祺 勾真虎 +1 位作者 王子川 戴丹 《科学技术创新》 2026年第11期74-78,共5页
米粒检测技术旨在通过深度学习的方法区分米粒的完整粒与碎粒,进而指导分拣。与提高检测速度相比,在样本失衡的情况下实现碎米“高精度,零漏检”更具有质检价值,也能防止残缺品流入市场。本文基于此痛点提出“双阶段为主、视觉后处理为... 米粒检测技术旨在通过深度学习的方法区分米粒的完整粒与碎粒,进而指导分拣。与提高检测速度相比,在样本失衡的情况下实现碎米“高精度,零漏检”更具有质检价值,也能防止残缺品流入市场。本文基于此痛点提出“双阶段为主、视觉后处理为辅”的米粒检测思路:保留原有的Faster R-CNN骨架,往其中加入自适应锚框、Focal-CIOU损失和ModelEMA训练策略,让目标检测在梯度层面聚焦于关注少数类;后面用形态学闭运算与“长宽比-灰度计数”几何规则对漏检框和类别置信度进行二次校准,无需新增训练参数。在自建137张不平衡米粒数据集上的测试表明,保留原有的模型高性能的同时,且对未知品种米粒仍能维持0.98以上召回率,验证了本论文提出的方法对类别失衡的米粒检测任务具有实用价值。 展开更多
关键词 Faster R-CNN 机器视觉 米粒检测 不平衡数据集 目标检测
暂未订购 下载PDF
视觉—语言协同微调LLaVA的遥感图像目标检测方法 认领 引用
13
作者 张珈懿 陈琦 +2 位作者 屈丹 司念文 于佳珺 《信息工程大学学报》 2026年第3期371-378,共8页
针对遥感图像目标检测依赖大量的标注数据,且现有通用参数高效微调技术在适配遥感任务时空间感知能力不足的问题,提出一种面向多模态大模型的视觉—语言协同高效微调方法。首先,对现有数据集进行重构,构建适用大型语言和视觉助手(LLaVA... 针对遥感图像目标检测依赖大量的标注数据,且现有通用参数高效微调技术在适配遥感任务时空间感知能力不足的问题,提出一种面向多模态大模型的视觉—语言协同高效微调方法。首先,对现有数据集进行重构,构建适用大型语言和视觉助手(LLaVA)微调的指令数据;其次,结合多认知视觉适配器(Mona)和量化低秩适配(QLoRA)方法,在指令微调数据集上对LLaVA模型进行高效微调;最后,在推理阶段获取目标类别及坐标信息。在NWPU VHR-10数据集上的实验表明,相较于预训练LLaVA模型,协同微调模型在F1值、准确率和mIoU上均有较大提高。在NWPU VHR-10和DIOR两个数据集上,其mAP达到与传统检测模型可比的结果。该方法在低标注场景下仍表现优异,为多模态大模型在遥感视觉任务中的高效应用提供新的技术途径。 展开更多
关键词 遥感图像 目标检测 LLaVA模型 多认知视觉适配器 指令数据集 量化低秩适配
暂未订购 下载PDF
基于目标检测的农业害虫计数方法综述 认领 引用
14
作者 熊顺 周瑞 +2 位作者 石炼 邓涛 李东晖 《现代信息科技》 2026年第4期60-66,72,共7页
随着智慧农业的发展,深度学习驱动的计算机视觉方法在农业害虫检测与计数中得到广泛应用。文章综述了目标检测在该领域的研究进展,比较了单阶段检测器(YOLO系列、SSD)与两阶段检测器(Faster R-CNN)在精度、速度与部署上的差异,并评述了... 随着智慧农业的发展,深度学习驱动的计算机视觉方法在农业害虫检测与计数中得到广泛应用。文章综述了目标检测在该领域的研究进展,比较了单阶段检测器(YOLO系列、SSD)与两阶段检测器(Faster R-CNN)在精度、速度与部署上的差异,并评述了典型改进策略及其在AgriPest、IP102、PestImgData、Pest24等数据集上的表现。同时,总结了常用评价指标(mAP、Precision、Recall、MAE、RMSE、R2)及其在检测与计数中的适用性,归纳了当前面临的小目标密集、复杂背景、数据不平衡和边缘部署等挑战。最后,提出多模态与时空建模、生成模型驱动的数据增强、统一化评价体系及轻量化优化等未来方向,为农业智能监测的研究与应用提供参考。 展开更多
关键词 农业害虫 目标检测 计数 深度学习 数据集 评价指标
暂未订购 下载PDF
基于YOLOv10的煤矿钻杆计数方法研究 认领 引用
15
作者 何璇 《机电产品开发与创新》 2026年第2期142-145,共4页
针对煤矿井下钻杆人工计数效率低、现有算法环境适应性差的问题,本文提出基于YOLOv10的自动化计数方法。通过构建包含395张图像的钻杆数据集,并采用光照模拟、粉尘噪声等增强策略提升模型鲁棒性。改进的YOLOv10模型结合动态标签分配和垂... 针对煤矿井下钻杆人工计数效率低、现有算法环境适应性差的问题,本文提出基于YOLOv10的自动化计数方法。通过构建包含395张图像的钻杆数据集,并采用光照模拟、粉尘噪声等增强策略提升模型鲁棒性。改进的YOLOv10模型结合动态标签分配和垂直IoU判定方法,有效解决了钻杆堆叠导致的漏检问题。实验表明,该方法在自建数据集上达到85%的mAP@0.5和20 FPS的检测速度,满足井下实时检测需求。研究成果为煤矿智能化建设提供了可靠的技术支持。 展开更多
关键词 YOLOv10 煤矿钻杆计数 数据集构建 目标检测 实时性
暂未订购 下载PDF
基于多模态特征融合的3D感知算法鲁棒性研究 认领 引用 被引量：1
16
作者 查明皓 宋伟 《工业控制计算机》 2026年第2期110-112,共3页
为提升自动驾驶中的3D目标检测精度,针对KITTI数据集提出了一种相机与激光雷达融合的感知算法模型。首先,为了解决大模型在小数据集上产生的过拟合问题,采用ResNet50网络作为图像分支的基准骨干网络。其次,在数据增强方面,引入了光照、... 为提升自动驾驶中的3D目标检测精度,针对KITTI数据集提出了一种相机与激光雷达融合的感知算法模型。首先,为了解决大模型在小数据集上产生的过拟合问题,采用ResNet50网络作为图像分支的基准骨干网络。其次,在数据增强方面,引入了光照、黑暗、雨天、雪天四种噪声,以模拟真实的行车环境。接着,改进后的模型使用ResNet101替代ResNet50作为图像骨干网络;并使用SECOND网络替代VexelNet来处理点云。最后,通过在KITTI数据集上的实验验证和可视化展示,结果表明在容易、中等和困难三个难度级别上,改进后的模型在3D检测框的检测准确率方面,分别较基准模型提升了2.63%、3.15%和3.47%,并在四种噪声条件下的图片中准确预测,表现出较强的鲁棒性。 展开更多
关键词 自动驾驶 3D目标检测 BEV感知 KITTI数据集 鲁棒性检测
暂未订购 下载PDF
基于强化学习的多目标特征选择算法研究 认领 引用
17
作者 雷明月 金利英 《计算机测量与控制》 2026年第3期201-207,215,共7页
特征选择作为降维方法,能够减少高维数据计算复杂度;然而传统方法多集中于单目标优化,难以同时平衡分类准确率和特征数量,特别是在高维数据中存在收敛性不足的问题;针对该问题,提出了一种基于强化学习和双种群策略的多目标特征选择算法(... 特征选择作为降维方法,能够减少高维数据计算复杂度;然而传统方法多集中于单目标优化,难以同时平衡分类准确率和特征数量,特别是在高维数据中存在收敛性不足的问题;针对该问题,提出了一种基于强化学习和双种群策略的多目标特征选择算法(QSNSGA-Ⅱ),该算法通过强化学习动态调整关键参数,在保持种群多样性的同时加快收敛速度;采用双种群协同进化策略,增强了全局搜索能力,提高了算法性能;通过在多个UCI数据集上进行实验,尤其在高维数据集Musk1和Sonar数据集上准确率达到了91.1585%和84.636%,展示了该算法优异的特征选择效果及较好的收敛性和多样性。 展开更多
关键词 特征选择 多目标算法 强化学习 双种群协同 UCI数据集
暂未订购 下载PDF
低光照目标检测:增强、分辨率与模型规模评测 认领 引用
18
作者 祝昱坤 《计算机技术与发展》 2026年第5期30-35,共6页
低光照条件下的目标检测是计算机视觉和智能机器人领域中的重要研究课题。在夜间监控、无人驾驶、军事侦察等复杂环境感知应用中,光照不足常导致目标图像细节缺失、噪声增强和对比度下降,从而严重降低检测模型的性能。基于ExDark公开数... 低光照条件下的目标检测是计算机视觉和智能机器人领域中的重要研究课题。在夜间监控、无人驾驶、军事侦察等复杂环境感知应用中,光照不足常导致目标图像细节缺失、噪声增强和对比度下降,从而严重降低检测模型的性能。基于ExDark公开数据集,该文选取Zero-DCE、Zero-DCE++、RetinexFormer、EnlightenGAN与KinD++等五种增强方法,以原始图像为对照组,在YOLOv5s/YOLOv5x与640/960分辨率下进行系统测评。结果表明,多数增强对平均精度与召回率有提升,其中Zero-DCE++与KinD++的综合性能较好。但采用更大规模的YOLOv5x后性能提升效果更明显,对增强方法依赖性较低,整体优于在小模型上应用任何一种增强。此外,提升输入图像分辨率对于轻量级模型(YOLOv5s)的性能增益有限,但计算开销显著增加。该研究不仅揭示了增强与检测任务之间的适配矛盾,研究结论对机器人视觉、夜间监控等应用具有重要意义,为相关领域的算法设计与工程实践提供了重要的参考。 展开更多
关键词 低光照图像增强 目标检测 深度学习 YOLOv5 ExDark数据集
暂未订购 下载PDF
DataReader与DataSet对象之比较分析 认领 引用 被引量：4
19
作者 徐枫 《现代电子技术》 2008年第7期185-187,190,共3页
随着数据库技术在软件开发中的广泛应用,数据库访问技术在管理系统的设计中得到了广大开发人员的重视。通过对ADO.NET中经常用到的DataReader与DataSet数据访问对象的基本属性、方法以及应用环境的深入比较和分析,找出了他们之间的区别... 随着数据库技术在软件开发中的广泛应用,数据库访问技术在管理系统的设计中得到了广大开发人员的重视。通过对ADO.NET中经常用到的DataReader与DataSet数据访问对象的基本属性、方法以及应用环境的深入比较和分析,找出了他们之间的区别,同时给出了他们在实际应用中的程序设计案例,由此得出了DataReader对象适合在连接工作环境下使用,而DataSet对象更适合在非连接工作环境下使用的结论,同时给数据库开发人员提供有益的参考。 展开更多
关键词 ADO.NET 数据访问 DataReader对象 DataSet对象
暂未订购 下载PDF
基于YOLOv8的油气管道漏磁检测缺陷智能识别技术研究 认领 引用 被引量：16
20
作者 李春晖 吕岩 +2 位作者 孟祥来 李玲慧 蒲晓晨 《仪器仪表学报》 EI CAS CSCD 北大核心 2025年第2期247-254,共8页
油气管道漏磁检测是评估管道完整性的重要手段,但传统人工分析方法存在效率低、误判率高等问题,故提出了一种基于YOLOv8深度学习算法的油气管道漏磁检测智能识别方法,实现管道缺陷的自动化检测。研究创新性地构建了一套基于人工标注经... 油气管道漏磁检测是评估管道完整性的重要手段,但传统人工分析方法存在效率低、误判率高等问题,故提出了一种基于YOLOv8深度学习算法的油气管道漏磁检测智能识别方法,实现管道缺陷的自动化检测。研究创新性地构建了一套基于人工标注经验的自动化训练数据集生成方法,有效继承了专家领域知识,显著提升了数据集构建效率。通过对漏磁信号进行预处理和图像增强,将原始数据转换为标准化灰度图像,并采用自适应图像增强策略,有效提升了图像质量和目标特征的可区分性。从实际工程项目中采集并生成36 098张高质量漏磁图像,其中3 403张含缺陷图像用作训练集。缺陷在管道轴向-周向平面上呈现相对均匀分布,在焊缝位置存在局部高密度区域,尺寸主要集中在较小范围内并呈现长尾分布特征,为模型训练提供了扎实的数据基础。训练过程中,模型的精确率P和召回率R指标分别稳定在0.66和0.60,mAP@0.5指标稳定于0.57,而mAP@[0.5∶0.95]达到0.27。在实际工程数据测试中,模型的精确率、召回率和F1分数分别达到63.17%、65.24%和64.19%,验证了YOLOv8模型在管道检测任务中的可行性和优异的检测性能。该方法不仅显著提高了检测效率,降低了人工成本,而且有效避免了人为因素导致的判断偏差。研究结果表明,基于深度学习的智能识别方法在油气管道漏磁检测领域具有广阔的应用前景。 展开更多
关键词 油气管道 漏磁检测 深度学习 YOLOv8 目标检测 数据集
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 … 7 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈