【摘 要】
：
为避免锚点对目标检测模型的鲁棒性造成负面影响,并保证在无锚点情况下模型具有较高的准确度,提出一种单线程无锚点全卷积网络模型。通过取消预设锚点参数以及像素级别预测,使得模型在无锚点情况下检测目标时具有更高的鲁棒性。使用沙漏骨干网络取代特征金字塔模块,从而降低锚点与特征金字塔模块的冗余以及计算量,使整体模型结构更加精简。实验结果表明,与经典锚点Retinanet模型相比,该模型利用正例区域原则与中心偏
【基金项目】
：
国家自然科学基金“大容量高安全的加密域图像可逆水印算法研究”(61501465)。
论文部分内容阅读
为避免锚点对目标检测模型的鲁棒性造成负面影响,并保证在无锚点情况下模型具有较高的准确度,提出一种单线程无锚点全卷积网络模型。通过取消预设锚点参数以及像素级别预测,使得模型在无锚点情况下检测目标时具有更高的鲁棒性。使用沙漏骨干网络取代特征金字塔模块,从而降低锚点与特征金字塔模块的冗余以及计算量,使整体模型结构更加精简。实验结果表明,与经典锚点Retinanet模型相比,该模型利用正例区域原则与中心偏离支路显著提高了预测能力,并且具有更高的正负标签比例和更快的推理速度。
其他文献
车辆的高速移动及网络拓扑变化频繁等特性,使得可靠的介质访问控制(MAC)协议仍难满足车载自组织网络的低延迟和高吞吐量的要求。提出一种基于竞争的时分多址MAC协议,将道路按
人眼视觉系统中的视觉感知差异是图像质量评价过程中的重要组成部分,通过感知失真图像与原始图像之间的视觉差异,可对图像的失真程度进行判断,然而在无参考图像质量评价中无法获取原始未失真的图像,且缺乏对失真图像的视觉感知差异。通过对深度学习中的生成对抗网络进行分析,提出一种基于生成视觉感知差异的无参考图像质量评价模型。利用生成对抗网络产生与失真图像相对应的视觉感知差异图像,并将其与失真图像输入质量评价网络
传统图像修复方法在修复受损区域较大的图像时会出现修复结果过于平滑或模糊的现象,并且较难重建合理的人脸图像结构。在传统生成对抗网络的鉴别器中引入多尺度特征融合方法,将不同深度的特征图经过上采样后直接相加,使浅层信息和深层信息有效结合。通过借助高层特征把握图像的整体规律,同时利用低层特征填充人脸图像的细节纹理,进而使一张图像的分辨率及其语义特征相互融合,实现有效的人脸图像修复。在CelebA数据集上的
为了探索添加助滤剂以及超声波辅助处理后煤泥脱水效果的变化,以微细粒煤泥为研究对象,对煤泥性质进行了分析,综合考察了助滤剂用量、超声波频率、超声作用时间等因素对脱水
传统手工获取特征描述子的方式不能保证特征点在非线性形变状态下进行正确匹配,无法有效解决图像存在较大形变时的特征描述问题。针对柔性生物组织MR影像特征点匹配问题,提出一种结合注意力机制的增强描述子。采用多层感知机对特征点位置信息进行编码并与特征点的初始描述子相结合,将图注意力神经网络中的自我注意与交叉注意的方法相结合,并运用消息传递方法传递节点信息。通过充分利用图注意力神经网络的层次性,以融合不同层
针对錦界煤矿开采工作面不断推进,原煤矸石泥化问题愈来愈严重,致使锦界选煤厂入选原煤中夹带的高灰细泥占比持续增加,给煤泥水浓缩沉降和压滤脱水作业带来很大压力的情况,为
针对卷积神经网络中的图像超分辨率重建模型训练不稳定与收敛速度较慢等问题,提出一种可嵌入式并行网络框架(EPNF),用于单幅图像超分辨率重建任务。将现有的图像超分辨率网络模型作为EPNF框架的深层结构部分嵌入到该框架中,能够以较小参数代价加快所嵌入的超分辨率模型的收敛速度,在一定程度上提高模型的准确率。在EPNF网络结构的基础上,提出一种新的超分辨率重建方法 EPNF_DCSR,采用稠密跳跃连接构造
低阶煤表面存在大量的含氧官能团,使其在浮选过程中难以很好地完成矿化过程,导致低阶煤浮选产率低。为了解决传统的柴油等极性油捕收剂在低阶煤浮选中选择性较差,不能有效分
在室内定位设计中,接收信号强度(RSS)容易受到发射功率、信号衰减和多径环境等因素的影响。在锚节点天线高于被测节点天线的应用条件下,提出一种基于RSS的二维到达角(AoA)估
为提高浮选精煤质量和产率,充分利用煤系伴生矿物,通过对林西矿选煤厂浮选入料进行磨矿解离和浮选试验研究,制定了“浮选入料磨矿+旋流器分级脱泥+旋流器底流浮选+旋流器溢流