【摘 要】
：
为了提高传统SSD算法对小目标检测的准确率，提出一种改进的SSD目标检测算法：采用基于可变形卷积的ResNet50作为SSD算法的特征提取网络，提高对目标的处理能力；设计特征金字塔（FPN）来融合不同层的特征图，丰富浅层特征图的语义信息；在特征融合时引入通道注意机制，提取相应的通道权重，增加重要信息的比例，提高检测效果。最后采用PASCAL-VOC2007开源数据集进行仿真实验，并与传统SSD目标
【基金项目】
：
江苏省仿生功能材料重点实验室开放课题基金（BFM2101）项目资助；
论文部分内容阅读
为了提高传统SSD算法对小目标检测的准确率，提出一种改进的SSD目标检测算法：采用基于可变形卷积的ResNet50作为SSD算法的特征提取网络，提高对目标的处理能力；设计特征金字塔（FPN）来融合不同层的特征图，丰富浅层特征图的语义信息；在特征融合时引入通道注意机制，提取相应的通道权重，增加重要信息的比例，提高检测效果。最后采用PASCAL-VOC2007开源数据集进行仿真实验，并与传统SSD目标检测算法进行对比，准确率得到显著提高，验证了该算法对小目标检测的有效性。
其他文献
＜正＞为深入贯彻落实十九届中央纪委六次全会精神，贯彻落实省委书记林武同志在省纪委十二届二次全会上的讲话精神和省纪委十二届二次全会工作部署，进一步巩固拓展“我为群众办实事”实践活动成果，近期，山西省纪委监委会同17个职能部门，聚焦助力乡村全面振兴、聚焦解决群众急难愁盼问题、聚焦提升基层群众满意度，
为研究广安市城区大气细颗粒物污染特征及成因，选取2017～2018年广安市委国控站点四个季度监测数据，运用移动式在线单颗粒气溶胶飞行时间质谱仪（SPAMS）对广安市大气细颗粒物污染特征、季节性变化规律开展源解析。主要结果为：（1）2017～2018年广安市大气细颗粒物污染源贡献率季节性差异较大，春季和秋季扬尘源贡献突出，夏季和冬季为工艺过程源、燃煤源；（2）不同组分贡献率季节性差异不大。夏季、秋季
随着卷积神经网络的发展,基于深度学习的目标检测被广泛地应用到自动驾驶、智能制造和智能家居等领域中。然而,卷积神经网络对算力和存储往往有较高的要求,主流的目标检测模型在低算力和低存储的嵌入式设备上很难达到实时检测的效果。同时,在现实环境中的嵌入式设备由于部署位置和拍摄角度等原因使得获取的图像背景往往较为复杂且目标尺寸较小,这给面向嵌入式设备的目标检测模型带来了更大的挑战。为此,论文从网络结构、参数量
近年来，我国北方臭氧（简写“O3”）污染情况出现向夏季末延伸的趋势.为合理、有效地治理北京地区O3污染，现于北京南部地区（大兴新城地区）设立监测点位，观测与分析2019年夏季末O3及其前体物的浓度分布特征与气象条件，得出北京南部地区夏季末在温度升高、风速和湿度不宜过大条件下更加容易出现O3浓度超标情况.利用特征比值法与EKMA曲线法共同判断出该地区夏季末以挥发性有机物（简写“VOCs”）控制区为主
针对目标检测网络参数量冗余、模型复杂、推理速度缓慢以及难以部署在资源受限的嵌入式设备等问题，提出一种融合剪枝与量化的目标检测网络压缩方法。首先对目标检测网络模型进行稀疏化训练得到缩放因子，并根据缩放因子的分布计算卷积层中通道重要性的占比，根据缩放因子计算动态阈值将对网络模型贡献小的卷积层剪除。然后通过均匀映射的方式将32位浮点型数据量化成8位整型数据，减少网络计算量的同时压缩网络模型的大小。最后采
近年来，房地产开发行业逐渐扩张，在激烈的市场竞争下，房地产企业的经营往往以利益最大化为先，但由于其自身税种多、税额大、清算复杂，纳税筹划成为影响房产收益的最大问题。本文深度分析房地产开发税制的基本特征，简要分析各阶段涉税情况和筹划的必要性，并从决策、开发、销售、清算四个阶段详细分析纳税筹划及对应的方案，以期进一步加强税收管理，降低风险，立足于全局，实现价值最大化。
目的探讨血清和尿液转铁蛋白（Tf）水平与糖尿病肾病（DN）)的关系,为临床上DN的诊治探索新的生物学标记物。方法（1）选择兰州大学第一医院内分泌科2019年10月-2020年12月收治的170名2型糖尿病（T2DM）患者为研究对象,同时选取我院体检中心选取30名健康体检人员作为对照组（HC）。根据DN的严重程度,T2DM患者分为正常蛋白尿组（NO）、微量蛋白尿组（MI）、大量蛋白尿组（MA）、肾功
于2020年7月至2021年6月，在郑州市3个城市站点和1个郊区站点开展逐月大气VOCs离线样品采样及实验室分析，探讨郑州市大气VOCs体积分数水平、组成特征、反应活性和来源贡献.结果表明，观测期间，郑州市大气φ（VOCs）为（37.50±14.30）×10-9,组分占比为：烷烃（33%）＞OVOCs（24%）＞卤代烃（23%）＞芳香烃（8%）＞烯烃（7%）＞炔烃（4%）＞硫化物（1%）.季节变化
针对通用的目标检测算法在检测生活场景下的多类目标时检测精度低、速度较慢的问题，提出了一种基于注意力机制改进的轻量级目标检测算法YOLOv4s。该算法以CSPDarknet53-s作为主干特征提取网络提取图像特征，通过注意力模块进行特征选择，再利用特征金字塔网络对特征进行融合，最后通过检测头分别处理特征融合后的两个输出，进而提高对生活场景下多类目标检测的能力。实验结果表明：相比改进前的算法，YOLO