一种迭代机制改进基于卷积神经网络的目标检测

来源 :控制工程 | 被引量 : 0次 | 上传用户:sunzhizhou
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为提升目标检测模型的检测精度,提出一种迭代机制改进基于卷积神经网络的目标检测方法.首先采用与标准更快速区域卷积神经网络(Faster RCNN)一致的设定,在提取了区域候选框后,引入迭代机制来改进Faster RCNN.通过多次迭代优化候选框,使检测框近似于真实框.为发挥迭代机制优点,实现目标精确检测,改进了迭代版Faster RCNN的训练方式,一种改进是所有迭代步骤都定义了损失函数,另一种改进是使用ε-greedy策略.最后,在Pascal VOC数据集和自制飞机数据集上进行的测试表明,改进后的迭代版Faster RCNN的检测精度高于标准Faster RCNN约8个百分比.
其他文献
以提升位置伺服转台的性能为目标,分析了分别基于速度和加速度内回路的两种双回路控制下位置伺服转台系统抗干扰性能的差异,得到了两种控制方法在外回路性能相同时抗干扰性能等价的结论.在此基础上,结合经典频域控制和现代滑模控制方法设计了基于速度和位置的双回路控制器,并最终在位置伺服转台系统中进行了实验.与单位置回路滑模控制器和传统频域双回路控制器的对比结果,验证了所设计的双回路控制器在抗扰性能和鲁棒性方面的优越性.
针对半自磨流程因非线性、多变量耦合、内部信息不可测等特征而难以控制的问题,提出了一种基于强跟踪滤波的半自磨流程运行自抗扰控制方法,以达到稳定运行、提高产量、节能降耗的控制目标.该方法首先建立半自磨流程进出口物料平衡关系的重要工作参数数学模型,提出基于强跟踪滤波的扩张状态观测器,实时观测跟踪系统状态和扰动作用并加以补偿;然后构建了基于自抗扰控制器的半自磨流程控制策略.MATLAB仿真结果证明了该方法的有效性.
针对轮式移动机器人质心和驱动轮轴线中心不重合的情况,基于运动学模型研究了轮式移动机器人的轨迹跟踪控制问题.首先,提出了一种新的Lyapunov函数,并利用该函数设计了一种运动学控制器,避免了初始误差较大时,跟踪误差收敛不到零的情况.其次,考虑轮式移动机器人质心和驱动轮轴线中心之间距离不确定的情况,给出了一种自适应控制算法,用以补偿不确定参数导致的系统误差.最后,仿真实验结果验证了所提控制器的有效性.
为了实现微机电系统(micro-electro-mechanical system,MEMS)惯性导航系统的初始对准,即姿态初始化,提出一种基于加速度计与磁强计的姿态初始化方法.首先,推导了该方法计算姿态角的公式,对该方法计算的姿态角进行误差分析.然后,为提高对准精度,对惯性导航系统建立模型,将自适应卡尔曼滤波(adaptive Kalman filter,AKF)算法引入对准过程,在线实时估计量测噪声.最后,在双轴实验转台与MEMS实验板卡上开展实验.实验结果表明,使用所提方法不仅能够获得更高的对准精度
针对不确定非线性系统的执行器故障问题,提出一种基于扩张状态观测器的自抗扰控制方法.首先,将系统的内部扰动、外部扰动,以及实际故障执行器和理想线性执行器之间的偏差定义为总扰动,并利用扩张状态观测器进行实时估计和补偿,消除总扰动对系统输出的影响;然后,设计误差反馈控制律,使系统获得满意的跟踪性能;最后,两个二阶控制系统的仿真结果表明了所提控制方法的有效性.
针对间歇生产过程具有的多批次、非线性和动态性特点等,基于多向主元分析,提出一种改进的过程监控和质量一致性方案,并在此基础上实现质量控制与生产优化.进一步以某化工厂的六甲基二硅胺烷(hexamethyldisilane,HMDZ)和六甲基二硅氮烷(hexa-methyldisilazane,HMDS)间歇生产过程为例,详细阐述了其数据采集及预处理、离线建模和在线监控.在HMDZ和HMDS间歇生产过程中各批次间产品质量一致的基础上,所提方法通过对生产单耗的实时监测,实现间歇生产过程的监控与优化.
介绍了Vantage工艺控制系统的防火墙改造及实现.Vantage工艺控制系统用于铝板带箔材轧制过程的工艺控制,包括自动厚度控制、自动板型控制、液压油缸控制等功能,在铝加工领域得到较多应用.由于Vantage工艺控制系统开发年代较早,对网络安全的考虑存在限制,网络端口的全部开放,对系统的稳定性产生一定影响.因此,对其实施硬件防火墙升级,将各站点放在不同安全域中,建立域间通信服务规则,提高了系统的可靠性.最后,实际应用结果验证了所提方案的有效性.
针对多输入多输出的非线性系统,提出了一种基于树和种子算法(tree and seed algorithm,TSA)的多变量模糊预测控制算法.该算法首先将非线性系统的过程模型建模为Takagi-Sugeno(T-S)模型,并将其作为预测模型.在此基础上,利用该模型和反馈校正方法,递推得到校正的输出预测值.然后,给定相应的二次性能指标及输入输出约束条件,利用TSA在线搜索多变量非线性预测控制系统的最优控制律,避免了直接递推控制律时复杂多项式难以求解的问题.最后,以中和反应过程为例进行仿真对比实验.实验结果验证
针对实际工业生产中数据间存在动态关系,以及高斯和非高斯混合分布特性,提出动态全局局部保留投影-支持向量数据描述(dynamic global-local preserving projection-support vector data description,DGLPP-SVDD)的故障检测算法.构建动态扩展矩阵代替原始数据集,提高动态过程的监测能力.支持向量数据描述(support vector data description,SVDD)算法能高效地处理具有非高斯特性的过程数据,故面对高斯和非高斯混
针对多流形投影(multi-manifold projection,MMP)算法忽略原始数据高阶统计量信息的问题,将统计量模式分析(statistic pattern analysis,SPA)算法引入MMP算法中,提出集成统计量多流形投影(ensemble statistic multi-manifold projection,ESMMP)算法.首先,对SPA算法中的窗口宽度参数设置不同的值,计算原始数据的均值、方差、偏度和峰度等低阶和高阶统计量来构建多个统计量空间,避免了单一窗口宽度参数难以适用于不同