【摘 要】
:
单发多框检测器SSD是一种在简单、快速和准确性之间有着较好平衡的目标检测器算法。SSD网络结构中检测层单一的利用方式使得特征信息利用不充分,将导致小目标检测不够鲁棒。该文提出一种基于注意力机制的单发多框检测器算法ASSD。ASSD算法首先利用提出的双向特征融合模块进行特征信息融合以获取包含丰富细节和语义信息的特征层,然后利用提出的联合注意力单元进一步挖掘重点特征信息进而指导模型优化。最后,公共数据
【机 构】
:
重庆邮电大学通信与信息工程学院,信号与信息处理重庆市重点实验室
【基金项目】
:
国家自然科学基金(61671095)。
论文部分内容阅读
单发多框检测器SSD是一种在简单、快速和准确性之间有着较好平衡的目标检测器算法。SSD网络结构中检测层单一的利用方式使得特征信息利用不充分,将导致小目标检测不够鲁棒。该文提出一种基于注意力机制的单发多框检测器算法ASSD。ASSD算法首先利用提出的双向特征融合模块进行特征信息融合以获取包含丰富细节和语义信息的特征层,然后利用提出的联合注意力单元进一步挖掘重点特征信息进而指导模型优化。最后,公共数据集上进行的一系列相关实验表明ASSD算法有效提高了传统SSD算法的检测精度,尤其适用于小目标检测。
其他文献
近些年来,世界各国越来越重视风力发电的发展。风电场的存在可能对航管监视雷达性能产生负面影响,因此风电场杂波抑制技术的研究对于提升航管监视雷达工作性能、保障空中交通安全具有重大意义。形态成分分析(MCA)算法根据信号稀疏特征的不同应用于风电场杂波抑制时,计算量较低且性能较好。但是针对实际雷达参数中相参处理间隔(CPI)较短造成的谱分辨率降低及信号特征不明显时,MCA算法的杂波抑制性能受到影响,因此选
为了有效抵抗水印图像的几何攻击,该文提出了一种基于Blob-Harris特征区域和非下采样轮廓波变换(NSCT)和伪Zernike矩的鲁棒水印算法。首先原始图像进行两层非下采样Contourlet变换后提取其低频图像,然后利用Blob-Harris检测算子对低频图像进行特征点提取,根据各个特征点的特征尺度确定其特征区域,优化筛选出稳定且互不重叠的特征区域并将其四周补零,得到稳定的互不重叠的方形特征
在水下航行器等运动平台上,主动声呐的近距离滤波结果受混响干扰影响严重,大量的混响回波亮点会掩蔽目标回波的可见性,导致后续检测判决的虚警率增大。以阵列处理的方位历程图作为基本输入,该文利用某些场景下混响干扰相邻周期间潜在的相干结构,假设混响满足低秩性;由于平台间的相对运动,假设感兴趣的目标回波在逐周期间是不相关且稀疏的。之后,将方位历程图表示为低秩的混响、稀疏的运动目标回波和噪声成分,在此基础上提出
通过对干涉仪通道间信号相位差的多次测量求平均来减小测量误差是工程上提高干涉仪测向精度的重要途径之一,在这一过程中有标量积累与矢量积累两种方式。为了分析这两种积累方式的特性,该文在对干涉仪测向模型与相位差形成过程简要介绍之后,基于信号矢量方法获得了相位差的统计特性,并利用推导得到的概率密度分布结果对相位差标量积累与矢量积累进行了详尽对比,不仅揭示了标量积累过程中的门限效应,而且从理论上证明了矢量积累
为了提高微波链路雨衰特征的描述精度,拓展微波链路信号的可用参数,该文利用部署于江苏江阴地区的15 GHz, 18 GHz和23 GHz微波链路和雨量计开展同步对比观测,拟合得到3种频段的微波链路雨衰关系。提取并分析了接收信号电平的平均值、中位数、25%分位数、75%分位数、标准差、极大值和极小值等13个特征量与晴雨时刻、降雨强度之间的关系,得出结论:微波链路的信号变化和降雨强度的变化存在明显的负相
针对贝叶斯变分推理收敛精度低和搜索过程中易陷入局部最优的问题,该文基于模拟退火理论(SA)和最大期望理论(EM),考虑变分推理过程中初始先验对最终结果的影响和变分自由能的优化效率问题,构建了双重EM模型学习变分参数的初始先验,以降低初始先验的敏感性,同时构建逆温度参数改进变分自由能函数,使变分自由能在优化过程得到有效控制,并提出一种基于最大期望模拟退火的贝叶斯变分推理算法。该文使用收敛性准则理论分
高效视频编码(HEVC)标准相对于H.264/AVC标准提升了压缩效率,但由于引入的编码单元四叉树划分结构也使得编码复杂度大幅度提升。对此,该文提出一种针对HEVC帧内编码模式下编码单元(CU)划分表征矢量预测的多层特征传递卷积神经网络(MLFT-CNN),大幅度降低了视频编码复杂度。首先,提出融合CU划分结构信息的降分辨率特征提取模块;其次,改进通道注意力机制以提升特征的纹理表达性能;再次,设计
像素间的上下文相关信息对图像分割算法的抗噪性和准确性具有重要意义,现有的模糊C均值(FCM)聚类算法对此缺乏充分考虑。该文基于对空间上下文的可靠性度量,提出一种模糊C均值聚类算法(RSFCM)应用于图像分割:通过对空间上下文有效建模来提高聚类算法的抗噪声干扰性能,并研究了一种新的可靠性模糊度量指标,使聚类算法能更好地平衡细节保留和去噪,从而获得更加准确的分割结果。实验选取人工合成图像、交通标志图像
针对全变分(TV)算法梯度效应造成图像纹理细节丢失和单像素成像系统中的环境噪声问题,该文给出基于高斯平滑压缩感知分数阶全变分(FOTVGS)算法的图像重构。分数阶微分损失图像低频分量的同时增加了图像的高频分量,达到增强图像细节的目的,高斯平滑滤波算子更新拉格朗日梯度算子滤除了微分算子导致的加性高斯白噪声高频分量的增加。仿真结果表明,对比其他4种同类算法,在相同的采样率和噪声水平下,该算法能取得最大
基于脑电(EEG)信号的气味识别研究在嗅觉功能客观评价及嗅觉障碍疾病诊断等方面具有重要的应用价值。在实际应用场景中使用过多EEG通道会带来诸多不便,因此研究如何选择EEG通道尤为重要。该文针对嗅觉EEG信号分类中的通道选择问题,提出了一种新型的基于ReliefF-Pearson的嗅觉EEG通道选择算法。该算法结合ReliefF的权值思想和Pearson系数的相关性原理对EEG通道进行选择。结果表明