-
题名基于深度学习的无锚框目标检测算法综述
被引量：3
- 1
-
-
作者
高海涛
朱超涵
张天棋
郝飞
茅新宇
-
机构
南京工程学院机械工程学院
-
出处
《机床与液压》
北大核心
2024年第1期202-209,共8页
-
基金
国家自然科学基金青年科学基金项目(51705238)
江苏省研究生实践创新计划项目(SJCX_0916,SJCX23_1173)
江苏省现代农机装备与技术示范推广项目(NJ2021-58)。
-
文摘
近年来,基于深度学习的无锚框目标检测算法备受关注。为了深入理解无锚框检测算法,对比分析了基于深度学习的无锚框检测算法的原理机制、网络结构、核心特性以及优缺点,归纳总结了无锚框检测算法的核心技术,并在同一数据集上通过性能实验研究上述算法的性能,总结提出基于深度学习的目标检测算法未来的研究方向。
-
关键词
无锚框目标检测算法
深度学习
算法比较
-
Keywords
anchor-free object detection algorithm
deep learning
algorithm comparison
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进的无锚框目标检测算法的涡检测
- 2
-
-
作者
宣扬
吕宏强
安慰
刘学军
-
机构
南京航空航天大学计算机科学与技术学院
中国空气动力研究与发展中心空气动力学国家重点实验室
软件新技术与产业化协同创新中心
南京航空航天大学航空学院
-
出处
《数据采集与处理》
CSCD
北大核心
2023年第1期150-161,共12页
-
基金
航空科学基金(2018ZA52002,2019ZA052011)
空气动力学国家重点实验室基金(SKLA20180102)
气动噪声控制重点实验室基金(ANCL20190103)。
-
文摘
在流体运动中涡对各种流场结构的生成和维持起着至关重要的作用,涡的识别和检测有助于理解流体流动规律。传统涡识别方法别存在定义不准确、严重依赖经验阈值、泛化性能差等问题,因此涡检测具有一定挑战性。本文从计算机视觉的角度出发,提出了一个基于目标检测算法的涡检测模型。针对原始目标检测模型对极端宽高比的细长涡检测效果不理想的问题,对两种不同类型涡的数据特性进行分析,并提出了基于可变形卷积(Deformable convolutional network,DCN)的特征自适应模块和基于改进损失函数的细长样本挖掘方法。采用圆柱尾流涡和潜艇尾部涡数据集对所提模型进行验证,实验结果表明改进后的模型检测精确率显著提高,并在细长涡的检测精确率上有显著提升,有效地平衡了各类型的涡检测性能。
-
关键词
涡检测
细长目标检测
无锚框目标检测算法
特征自适应
细长样本挖掘
-
Keywords
vortex detection
slender object detection
anchor-free object detection
feature adaptation
slender sample mining
-
分类号
TP312
[自动化与计算机技术—计算机软件与理论]
-
