排序方式: 共有236条查询结果,搜索用时 15 毫秒
1.
为改进稀疏集目标检测方法存在的特征图缺乏空间细节信息、目标特征没有做到全局上下文实例交互、全局语义信息没有得到充分学习等问题,设计了一种结合自适应特征增强和实例特征交互的稀疏集目标检测算法。自适应特征增强模块在特征提取过程中利用不同尺度的池化和卷积来丰富高级语义信息,减小低级语义信息背景噪声的干扰,降低目标错检率和漏检率。实例特征交互模块在边界框回归设计中结合transformer的多层注意力,并融合通道注意力和动态卷积网络对建议框的通道信息进行增强,改善了目标的边缘信息,提高了网络的实例特征交互效率。最后在COCO2017数据集与原始网络进行实验对比,平均精度提升了4.2%,其中在大目标上提升了4.6%,在PASCAL VOC数据集上提升了2.7%。 相似文献
2.
用有向无环图表示的网格工作流调度问题是一种典型的NP-完全问题,因而,有效的调度算法是必不可少的。为解决这一问题,提出了一种改进型的遗传算法。运用适应度差的染色体与最优个体进行二级优先杂交和变异,不仅保障了种群的多样性,也提高了种群的收敛速度。采用Gridsim工具进行模拟后,证实该算法较标准的遗传算法更适用、更有效。 相似文献
3.
该文针对“光学工程与系统设计”课程存在学时少、相应配套课程不够完善、学生基础知识水平不均衡等问题,从教学内容、教学方法、实践环节等多方面进行探索,通过合理安排规划授课内容;利用分析、解决实际工程问题将理论和实践相结合;引入本领域最新研究内容;采用启发式、讨论式教学方法等方式,提高了学生学习的主动性,使教学达到最佳的效果,最终实现了本课程提高学生现代光学系统设计能力,培养学生解决工程问题能力的目的。 相似文献
4.
5.
针对Dempster组合规则存在的缺陷,即:在融合高度冲突的证据时会产生违反直觉的结论,无法处理完全不一致的证据,而且不能根据命题子集基数向下聚焦,提出了一种结合修改组合规则与修改证据源两种不同冲突处理策略的证据融合方法,采用基于Jousselme证据间距离指标的加权平均法对原始证据进行修正,并给出新的组合规则对修正的证据进行多次组合。与当前代表性方法相比,该方法在根据子集基数向下聚焦、收敛趋势以及冲突证据的处理方面都有好的表现。 相似文献
6.
基于高斯优化的精英鱼群算法研究 总被引:1,自引:1,他引:0
针对鱼群算法迭代后期易陷入局部最优解的缺点,提出一种基于淘汰赛体制的改进型鱼群算法——精英鱼群算法(LOAFSA).该算法包含基于巴莱多法则的淘汰赛体制和基于高斯优化的种群动态管理策略,在保持种群数量平衡的基础上在迭代初期就具有较优秀的精英鱼群.实验表明:对于多元函数求解极值问题,该算法具有很好的全局最优值搜索能力.将其应用于RAN架构无线接入网的数学优化模型中,利用鱼群算法寻找最优的一组发射功率使得系统容量功率最优. 相似文献
7.
针对复杂光照与背景的图像中难以准确检测出人脸的情况,提出一种复杂光照与背景下的Double肤色模型人脸检测算法。采用一种改进的光照补偿方法对图像进行光照预处理,融合改进的高斯肤色模型和非线性肤色模型,通过对融合算法进行收敛性验证与实例检验,证明了其可行性。实验结果表明,该算法能够对复杂背景及光照下多人脸、多姿态、遮挡、动态视频图像等情况的人脸检测有较好的检测效果。 相似文献
8.
本文首先给出费尔马问题及广义费尔马问题,其次将广义费尔马问题向平面上给定点增加方向在推广,接着给出了MATLAB程序可以求解费尔马点及广义费尔马点,最后举例对比该程序的运行结果。 相似文献
9.
空间目标的相对位置与姿态探测是航天器对接领域的研究重点,探测方法主要分为遥测法和光学测量法两大类.其中,后者依靠其速度快、稳定性高、信息量大等优势,成为了近距离位姿探测的主要方法.我们通过双目视觉模型可计算出空间合作目标上特征光点深度信息,再根据特征光点间已知的结构、尺寸等约束信息,实现对目标姿态的解算.本文依据PSD相较于CCD和CMOS传感器,有无需图像特征提取过程、响应速度快、位置分辨率高等优势,且双目立体视觉系统的仿生学结构可直接获取到探测目标的深度信息,提出了采用双PSD视觉模型,并配合特征光点的亮度与顺序联合调制实现对空间合作目标的位姿探测方法.实验结果表明,当光标靶姿态调整±30°时,系统的平均测量误差为2.541°,当姿态角小于15°时,俯仰角和偏航角的平均偏差分别为0.923°和0.563°;大于15°时,受限于光源发散角度的影响,俯仰角和偏航角平均偏差分别增加至4.566°和4.106°,系统能够快速、稳定解算光标靶的空间位姿. 相似文献
10.
视杯和视盘的垂直直径比是青光眼在临床诊断中的重要指标,为了更加准确地测量杯盘比,针对视网膜眼底图像中的视盘和视杯分割精度的问题,提出了一个改进后的端到端的U型卷积神经网络框架,采用Resnet 34作为新的编码部分,并在每一个编码层的末端引入金字塔切分注意力PSA模块以提取更多的有效特征信息。同时使用1×1卷积代替3×3卷积来简化解码结构,并且使用一个3×3卷积与一个通过跳跃连接的1×1卷积结构取代跳跃连接。该网络模型在内部数据集上完成训练后,在DRISHTI-GS数据集进行测试,对视盘和视杯的分割结果在Dice和IOU上分别表现为97.61%和95.32%,92.91%和86.75%,证明了该模型具有良好的泛化性。 相似文献