基于改进SSD的人脸口罩佩戴检测算法

本文提出一种多尺度卷积特征融合目标检测方法,用于优化SSD模型对口罩遮挡、尺度变化、样式多样化以及小目标问题的检测精度。基准网络选用表征能力更强的残差网络,引入跳跃连接机制降低提取特征的冗余度,解决层数增加出现性能退化问题;同时引入低层边缘信息与高层语义信息的多尺度特征融合机制充分利用特征细节信息,最终通过参数再训练方式获得改进的SSD模型。实验结果表明,该方法在人脸口罩数据集测试精度90.65%,与原SSD算法82.37%提高8.28%,与SSD使用ResNet-50的87.99%提高2.66%。     

基于改进ERFNet的无人直升机着舰环境语义分割

为增强无人直升机对着舰环境的感知理解,促进其安全高效地实现自主着舰,将ERFNet网络模型应用于无人直升机着舰场景语义分割任务中。首先,结合非对称残差模块和弱瓶颈模块对ERFNet网络模型进行改进,提高运行速度、减少精度损失;其次,利用MultiGenCreator和VegaPrime等技术开发无人机自主着舰仿真系统,并建立无人机自主着舰场景数据集;最后,采用PyTorch深度学习框架实现网络模型,采取模型再训练方法对网络进行学习和训练。实验结果表明,所提网络综合优势明显,平均交并比(Mean Intersection over Union,MIOU)达到76.35%,前向传播时间为22.37 ms。     

基于卡尔曼滤波的理想着舰点垂向运动估计

为了满足无人机着舰的高精度需求, 提高对航母运动的预报精度, 研究了甲板运动预估技术。利用有理形式的成型滤波器引入白噪声作为系统输入, 以拟合航母俯仰运动, 运用卡尔曼滤波理论对航母甲板的俯仰运动进行了预估; 并在此基础上, 结合对甲板升沉及横滚运动的预估结果, 实现对理想着舰点垂向运动的预估。仿真结果表明, 能够有效将航母甲板的俯仰运动及理想着舰点垂向运动提前3秒预报, 对提高着舰安全性有着重要意义。     

基于改进深度残差网络的恶意应用检测方法

本文改进了深度残差网络,同时预处理了流量特征,使之成为卷积神经网络的输入,转化为模型可输入数据。接着使用从深度残差网络提取流量图特征,然后引入金字塔特征提取模块并加入变化特征融合模块来有效的融合变化区域的特征并抑制非恒定区域的特征。最后使用多粒度流量特征进行恶意应用检测识别,最终获得粗粒度与细粒度的流量特征表达,最后融合多粒度的流量特征表达,实现恶意应用高精度识别。本文方法在恶意应用的2分类、4分类和42分类中准确率分别为99.30%、99.63%和96.25%,相较于传统的机器学习算法在模型的准确率、召回率等方面均具有较好的效果。     

基于改进深度残差网络算法的智能干扰识别

现网运维人力成本高、效率低,如何快速精准识别网络干扰类型、提高运维人员工作效率,成为亟待解决的问题。提出一种基于改进深度残差网络（ResNet）的智能干扰识别方法,通过对接运营商北向网管的通信干扰数据接口,对干扰数据进行采集和预处理,并结合现网专家经验对历史干扰数据类型进行标注和校正,形成离线干扰数据集。再将干扰频域信息进行图像化生成干扰频谱波形图,并针对不同干扰类型进行图像处理和数据处理。之后根据业务特点对传统ResNet算法进行改进,通过提取单一干扰类型特征,确定各特征在复合干扰类型中的权重,达到对任意干扰类型识别的目的。最后通过导入已训练好的模型对干扰数据进行在线识别,有效提高干扰识别的准确率和效率。     

基于矢量图的特定辐射源识别方法

发射机的指纹特征具有复杂性,现有的认识水平制约了特定辐射源识别(SEI)的性能。为此,该文提出一种基于矢量图的SEI方法,应用深度学习技术实现了多种复杂特征的联合提取。该文首先分析了多种发射机畸变在矢量图上的视觉表现;在此基础上,以矢量图灰度图像作为信号表示,构建深度残差网络提取图像中的视觉特征。该方法克服了现有认知的局限,兼具高信息完整性和低计算复杂度。实验结果表明,与现有算法相比,该方法能够显著改善SEI的性能,识别增益约为30%。

     

一种基于复数残差网络的通信辐射源个体识别方法

在复杂电磁环境的通信辐射源个体识别任务中,针对传统特征提取识别方法分类效果不佳和低信噪比环境下基于实数神经网络的方法识别准确率不高的问题,本文提出了一种基于复数残差网络的通信辐射源个体识别方法。将实际采集的I路和Q路电台数据组合成复数作为输入,根据电台数据集特点选取复数初始化方法、复数激活函数,以改进的复数残差块为基础构建复数残差网络,进一步调整和优化网络结构并运用到辐射源个体识别任务中。通过实验证明,相比于实数残差网络和人工特征提取方法,复数残差网络的性能更优,并且在低信噪比的条件下,基于复数残差网络的方法鲁棒性更强。      

基于改进SSD算法的铁路隧道漏缆卡具检测

针对目前隧道内漏缆卡具检测数据量大、人工检测效率低的问题,提出了一种基于改进single shot MultiBox detector(SSD)算法的隧道漏缆卡具检测算法.该算法使用不同尺度的特征图检测卡具目标,并在网络宽度和网络深度上对SSD网络结构进行改进.结合Inception结构,增加网路宽度;采用残差结构,在提高网络深度的同时优化网络深度结构;使用深度可分离卷积和1×1卷积结构,减少模型参数量,改善模型结构,从而提高模型检测效率.将改进后的模型应用于隧道漏缆卡具图像检测,实验结果表明,该算法检测的平均准确率达到了86.6％,检测速度达到了26.6 frame/s,相较于原始SSD算法和MobileNet SSD算法,具有明显优势.     

基于改进的SSD监理目标检测研究

针对装饰装修工程中由人工验收带来的诸多问题,文中提出了一种改进的SSD算法并将其应用于监理工作来代替人工验收,推动智能监理的实现。由于SSD算法存在对同一目标复检以及小目标检测效果欠佳等问题,故文中利用DPN网络替换基础特征提取网络VGG16。DPN结合了Resnet和Densenet的优点,具有更好的特征提取能力。通过加权FPN融合特征图,突出不同层特征图的贡献,丰富用于预测的特征图语义。利用深度可分离卷积降低模型的参数量,提高算法的推理速度。实验对比发现,改进后模型的平均精度提升了3.47%,对小数目检测平均精度的提升可达15%,证明新模型在监理目标检测任务中效果良好。     

基于DT-LIF神经元与SSD的脉冲神经网络目标检测方法

相对于传统人工神经网络(ANN),脉冲神经网络(SNN)具有生物可解释性、计算效率高等优势。然而,对于目标检测任务,SNN存在训练难度大、精度低等问题。针对上述问题,该文提出一种基于动态阈值LIF神经元(DT-LIF)与单镜头多盒检测器(SSD)的SNN目标检测方法。首先,设计了一种DT-LIF神经元模型,该模型可根据累积的膜电位动态调整神经元的阈值,以驱动深层网络的脉冲活动,提高推理速度。同时,以DT-LIF神经元为基元,构建了一种基于SSD的混合SNN。该网络以脉冲视觉几何群网络(Spiking VGG)和脉冲密集连接卷积网络(Spiking DenseNet)为主干(Backbone),具有由批处理归一化(BN)层、脉冲卷积(SC)层与DT-LIF神经元构成的3个额外层和SSD预测框头(Head)。实验结果表明,相对于LIF神经元网络,DT-LIF神经元网络在Prophesee GEN1数据集上的目标检测精度提高了25.2%。对比AsyNet算法,所提方法的目标检测精度提高了17.9%。     

基于改进SSD的人群异常行为检测算法研究

针对人群异常行为检测任务中存在的算法复杂度较高,重叠遮挡等带来的检测精度低等问题,本文提出一种基于改进SSD（Single Shot Multi-box Detector）的人群异常行为检测算法。首先采用轻量级网络MobileNet v2代替原始特征提取网络VGG-16,并通过可变形卷积模块构建卷积层来增强感受野,然后通过将位置信息整合到通道注意力中来进行特征增强,能够捕获空间位置之间的远程依赖关系,从而可以较好处理重叠遮挡问题。实验结果表明,本文提出的算法对人群异常行为具有较好的检测效果。     

基于网络的敌我识别方法初探

为提高复杂战场环境下的敌我识别效能,提出了一种基于网络的敌我识别信息分发共享新方法.分析了具有异构自治、动态临时的敌我识别网络特性;并对影响信息分发共享过程抗毁性的链路备份能力和节点备份能力进行了研究,从完整性、正确性和时效性3方面说明了方法的有效性.结果表明,该方法对识别效能的提高具有积极作用.     

基于改进SSD的水下光学图像感兴趣目标检测算法研究

针对轻量化目标模型SSD-MV2对水下光学图像感兴趣目标检测精度低的问题,该文提出一种通道可选择的轻量化特征提取模块(SEB)和一种卷积核可变形、通道可选择的特征提取模块(SDB)。与此同时,利用SEB模块和SDB模块分别重新设计了SSD-MV2的基础网络和附加特征提取网络,记作SSD-MV2SDB,并为其选择了合理的基础网络扩张系数和附加特征提取网络SDB模块数量。在水下图像感兴趣目标检测数据集UOI-DET上,SSD-MV2SDB比SSD-MV2检测精度提高3.04%。实验结果表明,SSD-MV2SDB适用于水下图像感兴趣目标检测任务。     

基于改进SSD的X光图像管制刀具检测与识别

以安检X光图像管制刀具自动检测识别系统为研究对象,针对原始SSD(Single Shot MultiBox Detector)算法对浅层特征图表征能力不强,在训练阶段小目标特征逐渐消失,检测精度与实时性不佳,存在对安检危险品中管制刀具等小目标漏检误检等问题,从两个方面对原始SSD进行改进:一方面,用抗退化性能更强的ResNet34网络替换SSD中的基础网络VGG16,构建SSD-ResNet34网络模型,对基础网络后三层作卷积并进行轻量级网络融合,形成新的低层特征图;将网络部分扩展层作反卷积,形成新的高层特征图。另一方面,采用跳跃连接的方式将高层特征图和低层特征图进行多尺度特征融合。经实验分析,改进后的算法对X光图像管制刀具等小目标的检测精度和速度均有明显提升,且算法鲁棒性好,实时性良好。在VOC2007+2012通用数据集上,改进SSD算法的检测精度比SSD算法高1.7%,达到了80.5%。     

基于SSD的实时轻量级无人机检测算法

针对当前无人机检测算法普遍不能做到快速准确检测的问题,提出了一种基于SSD的改进实时轻量级无人机检测算法--TSSD。首先,针对SSD算法的骨干网络权重参数量大的问题,改进得到一种轻量级的骨干网络。其次,针对SSD只利用多层特征图进行多尺度预测,而特征之间的联系没有被很好地融合利用,加入了一种特征增强模块来提高检测能力。在自建无人机数据集中进行的实验结果表明,提出的算法检测速度达到125f/s,远高于原始SSD的检测速度,且准确率比原始SSD也有所提升。     

一种基于复杂电力网络脆弱断面辨识方法

随着电力网络的不断发展,各种脆弱环节已经大大减少,但并未完全消除.大规模的停电事故与电力网络系统中的脆弱环节有着千丝万缕的联系.准确快速辨识系统运行中的薄软环节有着重要的意义,基于复杂网络理论和已有研究工作的启发,提出了一种快速识别电力网络脆弱断面的方法.     

一种改进的基于网络路径选择的协同分集方法

天线协同视为用来形成虚拟天线阵列,从而能在慢衰落无线环境中显著提高分集增益的一种新方法.然而,已经提出的解决方案中大部分都需要分布式空时编码,这就带来实现复杂度太高的问题.A.Bletsas提出了一种新颖的方法,能够解决以上问题,并能提供等于候选节点数的分集阶.该方法需要在多个候选节点中选择一个最佳节点,但最佳节点选择冲突概率较大,在此基础上引入了CSMA协议,仿真结果表明该改进使冲突概率降低了两个数量级,大大提高了通信可靠性.理论分析表明我们提出的改进方法也能达到与不发生冲突时相同的分集增益.