排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
基于深度卷积神经网络的目标检测算法已成为目标检测领域中的研究热点,它包括基于区域提议的两阶段目标检测算法和基于位置回归的一阶段目标检测算法。Faster R-CNN是两阶段目标检测的典型算法之一,但是,训练数据集中简单样本-〖KG-*8〗难分样本数量不平衡,以及样本数据的类间不平衡,都是影响Faster R-CNN检测精度的重要原因。本文提出一种基于可变权重损失函数Focal Loss和难例挖掘模块的改进Faster R-CNN算法。具体地,在网络的分类部分引入Focal Loss函数,通过权重调节样本数据的类间不平衡,改善简单样本-〖KG-*8〗难分样本的数量不平衡;同时,修改网络结构,引入难例挖掘模块,进一步平衡简单样本-〖KG-*8〗难分样本的数量,提高网络的检测性能。本文采用不同数据集,不同基础网络来测试提出的算法性能。实验结果表明,在VGG-16基础网络下,本文算法在Pascal VOC 2007数据集上平均检测精度较原算法提高了0.9个百分点,在Pascal VOC 07+12数据集上提高了1.7个百分点;在Res-101基础网络上,在Pascal VOC 2007数据集上平均检测精度较原算法提高了1.3个百分点,在Pascal VOC 07+12数据集上提高了1.5个百分点。 相似文献
2.
3.
为使机器人运作更灵活、功能更完善,提出在智能电力机器人设计方案中应用人体感应技术。以多光谱自动目标识别技术为基础,将 8 引脚芯片与部分外接元器件结合,组装人体感应装置。 采用全球定位系统与直接数字化 X 射线摄影导航系统,分别依据观测信号传播时间与起点坐标位置和方位角,实现机器人导航与航向控制功能。 在 1 个机器人上安装至少 2 个感应装置,针对形成的感应区域,定义装置基本功能,就不同电力应用场景,建立预警机制与躲避机制。 电力现场实际操作结果表明,设计的感应装置安全预警性能与物体躲避性能比较理想,加强了电力机器人的实用性,使其具备在其他领域中得以广泛应用的潜力与条件。 相似文献
4.
1