基于改进YOLOv4的公路路面信息识别算法研究

公路路面信息的获取和识别是构建智慧公路系统的关键技术之一,针对现有的公路路面信息检测算法存在的耗时费力、识别精度差与端对端应用难以实现等问题,提出了一种改进的YOLOv4算法。为增强模型泛化能力,以IoU值度量边界框与先验框的距离,形成改进的k-means聚类算法对路面遗撒与病害数据集进行锚框聚类;为提升网络特征描述能力,在特征增强网络PANNet的最后3个分支上分别添加兼具通道与空间注意力机制的轻量化CBAM模块,保证了模块在现有网络架构中做到即插即用;为节约参数与计算力,对稀疏训练后的模型进行通道剪枝,针对道路检测任务对于小目标物体的高识别精度要求进行模型剪枝率的迭代优化,进一步实现公路路面信息识别算法的端对端应用。实验结果表明,改进的YOLOv4网络模型的m AP@0.5较原网络模型提升了0.78%,m AP@0.75较原网络模型提升了1.06%,FPS达到了34.85帧/s,检测效果满足自动识别的性能要求;0.4的剪枝率得到的剪枝模型综合性能较好,在保证模型的m AP@0.5达到98.3%的条件下,储存空间较原模型降低了47.6%,GFLOPs较原模型降低了34.0%,参数总数...     

基于FireNet的古建筑火灾检测方法研究及改进

针对古建筑火灾检测需要快速、准确及实时的需求,建立了一个专门用于古建筑火灾检测的数据集,用于古建筑火灾检测的深度学习研究。利用CBAM注意力机制模块,结合多尺度特征融合,对FireNet网络进行改进,提出适用于古建筑火灾检测的轻量级FireNet-AMF网络,在FireNet数据集和本文构建的古建筑火灾检测数据集上验证了FireNet-AMF网络的火灾检测能力。与改进前的网络相比,FireNet-AMF网络在FireNet数据集上对火灾识别的准确率达到了95.08%,与原网络相比提高了1.17%,在本文构建的古建筑火灾检测数据集上的准确率达到了95.62%,比原网络提高了1.62%。该网络在保证轻量级的同时也保证了在古建筑火灾检测中较高的检测精度。     

基于卷积神经网络的光学遥感图像目标检测

针对光学遥感图像中的目标检测问题,提出了1种基于卷积神经网络模型的算法,对遥感目标检测任务进行端到端的训练和检测,根据输入的光学遥感图像,直接输出目标包围盒的回归结果和置信度。为训练和测试模型,建立了1个包含1万多个飞机、舰船目标以及广泛复杂背景的数据集。所提算法在其测试集上达到了超过90%的准确率和召回率,在GPU上的运行速度也接近实时,体现了算法准确、高效、鲁棒和易于训练的特点。     

基于Faster R-CNN和图像增强的水下鱼类目标检测方法

为了克服水下鱼类图像样本量不足及实现对水下低清晰度图像中鱼类的快速检测,提出了一种基于Faster R-CNN二次迁移学习和带色彩恢复的多尺度视网膜增强算法(MSRCR)的方法,首先通过ImageNet预训练模型对Open Images高清鱼类数据集进行一次迁移学习初步训练网络,然后固定检测模型低3层的卷积网络参数,再用水下拍摄的小规模鱼类数据集进行二次迁移学习微调网络,最后通过MSRCR算法对水下拍摄图像进行处理以增强其与高清鱼类图像的相似性,解决水下图像降质问题,让二次迁移学习高效进行。结果表明,该方法利用小规模水下拍摄鱼类数据集训练出的网络查准率可达到98.12%,网络检测能力及后续提升能力优于传统机器学习方法,并能够实现鱼类目标的快速检测,本研究结果可为深海探测作业与海底鱼类等生物资源的监测、保护和可持续开发等工程应用提供一定的参考。     

基于残差网络的混凝土结构病害分类识别研究

针对混凝土结构病害识别类型单一、精度较低的现状,提出了基于残差网络和迁移学习的病害分类识别方法,通过构建多属性病害数据集,利用迁移学习优化残差网络模型,提出混凝土结构健康状态识别的多个任务。首先收集混凝土结构的病害状态图像,依次通过数据清洗、尺寸均一化、数据扩增和多人投票标注,最终得到包含6 680张图像的混凝土结构病害多属性数据集,并依据不同标注属性进行了相应训练集、验证集和测试集的划分; 然后利用迁移学习对预训练的ResNet-34网络前3个部分进行参数冻结,后续2个部分的参数进行重新训练,并在模型末端添加新的参数,基于已构建的数据集进行训练; 最后在提出的构件类别检测、剥落检测、病害检测和病害类别检测任务中,分别获得84.88%、98.56%、97.18%和85.34%的F1分数。结果表明:通过构建多属性标注的混凝土结构病害数据集训练深度学习模型,可较好地实现多场景特征下的病害识别效果; 采用迁移学习技术可从开源数据中获取较好的特征提取效果; 改进的ResNet-34网络可克服网络退化问题,并针对混凝土结构病害识别的多个任务获得较好的效果; 相对于单一的混凝土结构病害识别,进行病害部位、程度、多类别的系统性检测,可为结构状态评估提供详细信息,更贴合工程实际需要。     

基于深度学习YOLOV5网络模型的金枪鱼延绳钓电子监控系统目标检测应用

为评估金枪鱼延绳钓系统运行质量、降低人工成本,以及从金枪鱼延绳钓系统电子监控EMS系统中提取浮球、金枪鱼数量等信息,本文提出一种基于深度学习YOLOV5网络模型的金枪鱼延绳钓电子监控系统浮球及金枪鱼目标检测方法,从HNY722远洋渔船EMS系统视频监控数据中截取包含有目标浮球和金枪鱼的15 578帧关键帧,将所有关键帧及其标记文件划分为14 178个训练数据及1 400个验证数据,基于YOLOV5s、YOLOV5l、YOLOV5m、YOLOV5x等4种YOLOV5神经网络模型,设计分组训练试验对比训练效果。结果表明:参与训练的4种神经网络模型均可完成金枪鱼延绳钓电子监控系统的目标检测任务,但网络模型的选择对广义交并比损失(GIoU loss)、目标检测损失(objectness loss)、准确率(precision)、召回率(recall)、多类别平均精度值(mAP)等参数具有显著性影响(P<0.05),对目标分类损失(classification loss)参数无显著性影响(P>0.05);检测效果表现较好的模型是YOLOV5l和YOLOV5m,二者的mAP@0.5值分别为99.1%和99.2%,召回率分别为98.4%和98.3%,但YOLOV5m网络模型在GIoU损失等表现上劣于YOLOV5l。研究表明,4种网络模型中YOLOV5l模型是最适合应用于金枪鱼延绳钓电子监控系统目标检测的网络模型。     

基于边缘编组的遥感影像中机场目标检测算法

针对背景复杂的大场景遥感影像,本文提出了一种识别机场区域并检测跑道的算法。该算法利用改进最大类间方差法分割机场区域和背景图像,并用最小外接矩算法提取疑似机场区域,再用基于fine-tuning机制的残差网络筛选出非机场区域;对识别为机场的区域用概率Hough变换算法预估机场跑道直线方向,并对该区域边缘图像沿直线方向进行边缘编组,通过对边缘组筛选和组合检测出机场跑道。实验结果表明,该算法能有效判断出大场景遥感影像中是否存在机场,进而检测出机场跑道。     

一种改进的Hough变换在建筑物提取中的算法研究

Hough变换作为图形检测提取的经典工具,有着其他算法无法比拟的优越性,比如对噪声不敏感,有着良好的容错性与鲁棒性.Hough变换也被应用到遥感图像边缘提取中.但是传统的Hough变换计算量大,占用内存空间大.本文提出了一种改进的Hough变换算法在建筑物边缘直线段检测中的应用,重点对改进的Hough变换算法原理进行了...     

一种结合区域选择和SIFT算法的遥感图像配准方法

针对SIFT算法存在提取特征点数目大、运算速度慢、匹配点正确率不高的问题,提出一种基于区域选择和SIFT的遥感图像配准方法。首先对遥感图像进行粗配准,按照粗配准系数获得图像系列的重叠区。分割重叠区域,利用二维小波变换对分割图像进行变换得到其三个方向的高频分量,计算其高频能量总和,选取能量值最大的图像块代替原图像按照SIFT算法进行配准。改进后的方法不仅能够避免传统SIFT配准提取冗余干扰特征点,且能够加快匹配速度,提高匹配点正确率,尤其适用于大幅遥感图像配准。实验结果表明,该改进算法能够获得较高的配准精度且配准效率高。     

基于反射式超声探伤仪数据处理优化的房屋结构检测技术

为研究一种可在城市规划竣工验收中使用的房屋结构检测方法,通过使用反射式混凝土结构超声探伤仪,对其数据处理算法进行优化改进。使用二维傅里叶变换、高通滤波、二维傅里叶逆变换等方法对超声探伤数据进行预处理,再通过数据熵加权累加法进行归一化处理,得到最终评价结果。在钻芯分析法的数据参照下,对优化算法与设备内置算法之间的检测效能开展对比分析。结果表明：与内置算法相比,优化算法在气泡与裂隙、成分偏差以及钢筋腐蚀等缺陷方面的检测精度均有较大程度提升;而在敏感性和特异性方面,优化算法的敏感性为100%,超过内置算法的72.3%,且特异性数据达到97.1%,亦超过内置算法的62.5%。由此认为,对反射式超声探伤仪的内置算法开展数据处理优化后,所形成的改进算法对于竣工验收中的房屋结构检测具有积极意义。