国产av日韩一区二区三区精品,成人性爱视频在线观看,国产,欧美,日韩,一区,www.成色av久久成人,2222eeee成人天堂

目錄
01 前景概要
02 背景&動(dòng)機(jī)
03 新算法研究
04 實(shí)驗(yàn)及可視化
首頁 科技周邊 人工智能 改進(jìn)的檢測(cè)算法:用于高分辨率光學(xué)遙感圖像目標(biāo)檢測(cè)

改進(jìn)的檢測(cè)算法:用于高分辨率光學(xué)遙感圖像目標(biāo)檢測(cè)

Jun 06, 2024 pm 12:33 PM
算法 檢測(cè)

01 前景概要

目前,難以在檢測(cè)效率和檢測(cè)結(jié)果之間取得適當(dāng)?shù)钠胶?。我們就研究出了一種用于高分辨率光學(xué)遙感圖像中目標(biāo)檢測(cè)的增強(qiáng)YOLOv5算法,利用多層特征金字塔、多檢測(cè)頭策略和混合注意力模塊來提高光學(xué)遙感圖像的目標(biāo)檢測(cè)網(wǎng)絡(luò)的效果。根據(jù)SIMD數(shù)據(jù)集,新算法的mAP比YOLOv5好2.2%,比YOLOX好8.48%,在檢測(cè)結(jié)果和速度之間實(shí)現(xiàn)了更好的平衡。

02 背景&動(dòng)機(jī)

隨著遠(yuǎn)感技術(shù)的快速發(fā)展,高分辨率光學(xué)遠(yuǎn)感圖像已被用于描述地球表面的許多物體,包括飛機(jī)、汽車、建筑物等。目標(biāo)檢測(cè)在遠(yuǎn)感圖像的解釋中起著至關(guān)重要的作用,可用于遠(yuǎn)感圖像的分割、描述和目標(biāo)跟蹤。然而,由于其相對(duì)較大的視場(chǎng)和高海拔的必要性,航空光學(xué)遠(yuǎn)感圖像表現(xiàn)出尺度、視點(diǎn)特異性、隨機(jī)定向和高背景復(fù)雜性的多樣性,而大多數(shù)傳統(tǒng)數(shù)據(jù)集包含地面視圖。因此,用于構(gòu)建人工特征檢測(cè)技術(shù)傳統(tǒng)上在精度和速度方面具有較大差異的記錄。由于社會(huì)的需求和深度學(xué)習(xí)發(fā)展的支持,在光學(xué)遠(yuǎn)感圖像中使用神經(jīng)網(wǎng)絡(luò)進(jìn)行目標(biāo)檢測(cè)是必要的。

目前結(jié)合深度學(xué)習(xí)分析光學(xué)遠(yuǎn)感照片的目標(biāo)檢測(cè)算法可以分為有監(jiān)督、無監(jiān)督和弱監(jiān)督三種。然而,由于無監(jiān)督和弱監(jiān)督算法的復(fù)雜性和不確定性,監(jiān)督算法是最常用的算法。此外,監(jiān)督目標(biāo)檢測(cè)算法可分為單階段或兩階段?;陲w機(jī)通常位于機(jī)場(chǎng),船舶通常位于港口和海洋的假設(shè),在下采樣星圖像中檢測(cè)機(jī)場(chǎng)和港口,然后將發(fā)現(xiàn)的目標(biāo)映射回原始的超高分辨率衛(wèi)星圖像,可以同時(shí)檢測(cè)不同大小的物體。有研究者提出了一種基于RCNN的旋轉(zhuǎn)目標(biāo)檢測(cè)方法,通過解決目標(biāo)方向的隨機(jī)化問題,提高遙感圖像中目標(biāo)檢測(cè)的準(zhǔn)確性。

03 新算法研究

目前的大多數(shù)YOLO系列檢測(cè)頭都是基于FPN和PAFPN的輸出特性,其中基于FPN的網(wǎng)絡(luò),如YOLOv3,及其變體如下圖a所示,它們直接利用單向融合特性進(jìn)行輸出。而基于PAFPN算法的YOLOv4和YOLOv5在此基礎(chǔ)上增加了一個(gè)低電平到高電平的信道,它直接向上傳輸?shù)图?jí)信號(hào)(下圖b)。

改進(jìn)的檢測(cè)算法:用于高分辨率光學(xué)遙感圖像目標(biāo)檢測(cè)

如上圖所示,在一些研究中,TPH-YOLOv5模型中的特定檢測(cè)任務(wù)添加了一個(gè)檢測(cè)頭。在上圖b和c中,只有PAFPN功能可以用于輸出,而FPN功能未得到充分利用。因此,YOLOv7將三個(gè)輔助磁頭連接到FPN輸出,如上圖d所示,盡管輔助磁頭僅用于“粗糧選擇”,并且重量評(píng)估較低。SSD的檢測(cè)頭是為了改善YOLO網(wǎng)絡(luò)對(duì)錨集過于粗糙的設(shè)計(jì)而提出的,并提出了基于多尺度的密集錨設(shè)計(jì)組成。如圖f所示,該策略可以同時(shí)利用PANet和FPN的特征信息。此外,還有64倍下采樣處理直接添加了輸出,這使得網(wǎng)絡(luò)包含先前的全局信息。

多檢測(cè)頭方法可以有效地利用網(wǎng)絡(luò)的輸出特征。改進(jìn)的YOLO是一個(gè)用于高分辨率遙感照片的目標(biāo)檢測(cè)網(wǎng)絡(luò)。如下圖所示:

改進(jìn)的檢測(cè)算法:用于高分辨率光學(xué)遙感圖像目標(biāo)檢測(cè)

主干網(wǎng)的基本結(jié)構(gòu)是以C3和卷積模塊為核心的CSP密集網(wǎng)。在數(shù)據(jù)增強(qiáng)之后,圖像被饋送到網(wǎng)絡(luò)中,并且在核大小為6的Conv模塊進(jìn)行信道混合之后,許多卷積模塊進(jìn)行特征檢索。在名為SPPF的特征增強(qiáng)模塊之后,它們連接到Neck的PANet。為了提高網(wǎng)絡(luò)的檢測(cè)能力,進(jìn)行了雙向特征融合。Conv2d用于獨(dú)立擴(kuò)放融合的特征層,以生成多層輸出。如下圖所示,NMS算法將所有單層檢測(cè)器的輸出組合在一起,生成最終的檢測(cè)幀。

改進(jìn)的檢測(cè)算法:用于高分辨率光學(xué)遙感圖像目標(biāo)檢測(cè)

下圖b描述了改進(jìn)的YOLO網(wǎng)絡(luò)每個(gè)模塊的結(jié)構(gòu)組成。

改進(jìn)的檢測(cè)算法:用于高分辨率光學(xué)遙感圖像目標(biāo)檢測(cè)

Conv包括2D卷積層、BN層批量歸一化和Silu激活函數(shù),C3包括兩個(gè)2D卷積層和一個(gè)瓶頸層,Upsample是上采樣層。SPPF模塊是SPP模塊的加速版本,MAB模塊如上面提及的所示,其中ECA如左下角所示。在沒有降維的信道級(jí)全局平均池化之后,考慮到每個(gè)信道與其k個(gè)鄰居的關(guān)系,使用大小為k的快速1D卷積來捕獲局部跨信道交互信息,從而有效地執(zhí)行ECA。上述兩個(gè)變換沿著兩個(gè)空間方向收集特征,以產(chǎn)生一對(duì)方向感知特征圖,然后將其連接起來,并使用卷積和Sigmoid函數(shù)進(jìn)行修改,以提供注意力輸出。

04 實(shí)驗(yàn)及可視化

SIMD數(shù)據(jù)集是一個(gè)多類別、開源、高分辨率遙感對(duì)象檢測(cè)數(shù)據(jù)集,共包含15個(gè)類別,如圖4所示。此外,SIMD數(shù)據(jù)集更多地分布在中小型目標(biāo)(w

改進(jìn)的檢測(cè)算法:用于高分辨率光學(xué)遙感圖像目標(biāo)檢測(cè)

改進(jìn)的檢測(cè)算法:用于高分辨率光學(xué)遙感圖像目標(biāo)檢測(cè)

可以將SPPF模塊的輸出連接到輸出頭,從而識(shí)別圖像中的大目標(biāo)。然而,SPPF模塊的輸出具有多個(gè)連接,并且涉及多個(gè)尺度的目標(biāo),因此直接將其用于探測(cè)頭來識(shí)別大型物體將導(dǎo)致較差的模型表示,如上圖所示,顯示了添加MAB模塊前后一些檢測(cè)結(jié)果熱圖的視覺比較。在添加MAB模塊后,該檢測(cè)頭專注于檢測(cè)大目標(biāo),而將小目標(biāo)的預(yù)測(cè)分配給其他預(yù)測(cè)頭,提高了模型的表達(dá)效果,也更符合YOLO算法中基于目標(biāo)大小劃分檢測(cè)頭的要求。

改進(jìn)的檢測(cè)算法:用于高分辨率光學(xué)遙感圖像目標(biāo)檢測(cè)

一些檢測(cè)結(jié)果如上圖所示。從各個(gè)檢測(cè)結(jié)果來看,與其他算法沒有太大差異,但與其他算法相比,我們研究的算法在保證時(shí)間消耗不顯著增加的同時(shí),提高了模型的檢測(cè)效果,并利用注意力機(jī)制增強(qiáng)了模型的表達(dá)效果。

改進(jìn)的檢測(cè)算法:用于高分辨率光學(xué)遙感圖像目標(biāo)檢測(cè)

以上是改進(jìn)的檢測(cè)算法:用于高分辨率光學(xué)遙感圖像目標(biāo)檢測(cè)的詳細(xì)內(nèi)容。更多信息請(qǐng)關(guān)注PHP中文網(wǎng)其他相關(guān)文章!

本站聲明
本文內(nèi)容由網(wǎng)友自發(fā)貢獻(xiàn),版權(quán)歸原作者所有,本站不承擔(dān)相應(yīng)法律責(zé)任。如您發(fā)現(xiàn)有涉嫌抄襲侵權(quán)的內(nèi)容,請(qǐng)聯(lián)系admin@php.cn

熱AI工具

Undress AI Tool

Undress AI Tool

免費(fèi)脫衣服圖片

Undresser.AI Undress

Undresser.AI Undress

人工智能驅(qū)動(dòng)的應(yīng)用程序,用于創(chuàng)建逼真的裸體照片

AI Clothes Remover

AI Clothes Remover

用于從照片中去除衣服的在線人工智能工具。

Clothoff.io

Clothoff.io

AI脫衣機(jī)

Video Face Swap

Video Face Swap

使用我們完全免費(fèi)的人工智能換臉工具輕松在任何視頻中換臉!

熱工具

記事本++7.3.1

記事本++7.3.1

好用且免費(fèi)的代碼編輯器

SublimeText3漢化版

SublimeText3漢化版

中文版,非常好用

禪工作室 13.0.1

禪工作室 13.0.1

功能強(qiáng)大的PHP集成開發(fā)環(huán)境

Dreamweaver CS6

Dreamweaver CS6

視覺化網(wǎng)頁開發(fā)工具

SublimeText3 Mac版

SublimeText3 Mac版

神級(jí)代碼編輯軟件(SublimeText3)

熱門話題

Laravel 教程
1601
29
PHP教程
1502
276
i7-7700無法升級(jí)至Windows 11的解決方案 i7-7700無法升級(jí)至Windows 11的解決方案 Dec 26, 2023 pm 06:52 PM

i77700的性能運(yùn)行win11完全足夠,但是用戶卻發(fā)現(xiàn)自己的i77700不能升級(jí)win11,這主要是受到了微軟硬性條件的限制,所以只要跳過該限制就能安裝了。i77700不能升級(jí)win11:1、因?yàn)槲④浵拗屏薱pu的版本。2、intel只有第八代及以上版本可以直升win11。3、而i77700作為7代,無法滿足win11的升級(jí)需求。4、但是i77700在性能上是完全能流暢使用win11的。5、所以大家可以使用本站的win11直裝系統(tǒng)。6、下載完成后,右鍵“裝載”該文件。7、再雙擊運(yùn)行其中的“一鍵

CLIP-BEVFormer:顯式監(jiān)督BEVFormer結(jié)構(gòu),提升長(zhǎng)尾檢測(cè)性能 CLIP-BEVFormer:顯式監(jiān)督BEVFormer結(jié)構(gòu),提升長(zhǎng)尾檢測(cè)性能 Mar 26, 2024 pm 12:41 PM

寫在前面&筆者的個(gè)人理解目前,在整個(gè)自動(dòng)駕駛系統(tǒng)當(dāng)中,感知模塊扮演了其中至關(guān)重要的角色,行駛在道路上的自動(dòng)駕駛車輛只有通過感知模塊獲得到準(zhǔn)確的感知結(jié)果后,才能讓自動(dòng)駕駛系統(tǒng)中的下游規(guī)控模塊做出及時(shí)、正確的判斷和行為決策。目前,具備自動(dòng)駕駛功能的汽車中通常會(huì)配備包括環(huán)視相機(jī)傳感器、激光雷達(dá)傳感器以及毫米波雷達(dá)傳感器在內(nèi)的多種數(shù)據(jù)信息傳感器來收集不同模態(tài)的信息,用于實(shí)現(xiàn)準(zhǔn)確的感知任務(wù)。基于純視覺的BEV感知算法因其較低的硬件成本和易于部署的特點(diǎn),以及其輸出結(jié)果能便捷地應(yīng)用于各種下游任務(wù),因此受到工業(yè)

人工智能可以預(yù)測(cè)犯罪嗎?探索CrimeGPT的能力 人工智能可以預(yù)測(cè)犯罪嗎?探索CrimeGPT的能力 Mar 22, 2024 pm 10:10 PM

人工智能(AI)與執(zhí)法領(lǐng)域的融合為犯罪預(yù)防和偵查開辟了新的可能性。人工智能的預(yù)測(cè)能力被廣泛應(yīng)用于CrimeGPT(犯罪預(yù)測(cè)技術(shù))等系統(tǒng),用于預(yù)測(cè)犯罪活動(dòng)。本文探討了人工智能在犯罪預(yù)測(cè)領(lǐng)域的潛力、目前的應(yīng)用情況、所面臨的挑戰(zhàn)以及相關(guān)技術(shù)可能帶來的道德影響。人工智能和犯罪預(yù)測(cè):基礎(chǔ)知識(shí)CrimeGPT利用機(jī)器學(xué)習(xí)算法來分析大量數(shù)據(jù)集,識(shí)別可以預(yù)測(cè)犯罪可能發(fā)生的地點(diǎn)和時(shí)間的模式。這些數(shù)據(jù)集包括歷史犯罪統(tǒng)計(jì)數(shù)據(jù)、人口統(tǒng)計(jì)信息、經(jīng)濟(jì)指標(biāo)、天氣模式等。通過識(shí)別人類分析師可能忽視的趨勢(shì),人工智能可以為執(zhí)法機(jī)構(gòu)

使用C++實(shí)現(xiàn)機(jī)器學(xué)習(xí)算法:常見挑戰(zhàn)及解決方案 使用C++實(shí)現(xiàn)機(jī)器學(xué)習(xí)算法:常見挑戰(zhàn)及解決方案 Jun 03, 2024 pm 01:25 PM

C++中機(jī)器學(xué)習(xí)算法面臨的常見挑戰(zhàn)包括內(nèi)存管理、多線程、性能優(yōu)化和可維護(hù)性。解決方案包括使用智能指針、現(xiàn)代線程庫、SIMD指令和第三方庫,并遵循代碼風(fēng)格指南和使用自動(dòng)化工具。實(shí)踐案例展示了如何利用Eigen庫實(shí)現(xiàn)線性回歸算法,有效地管理內(nèi)存和使用高性能矩陣操作。

MIT最新力作:用GPT-3.5解決時(shí)間序列異常檢測(cè)問題 MIT最新力作:用GPT-3.5解決時(shí)間序列異常檢測(cè)問題 Jun 08, 2024 pm 06:09 PM

今天給大家介紹一篇MIT上周發(fā)表的文章,使用GPT-3.5-turbo解決時(shí)間序列異常檢測(cè)問題,初步驗(yàn)證了LLM在時(shí)間序列異常檢測(cè)中的有效性。整個(gè)過程沒有進(jìn)行finetune,直接使用GPT-3.5-turbo進(jìn)行異常檢測(cè),文中的核心是如何將時(shí)間序列轉(zhuǎn)換成GPT-3.5-turbo可識(shí)別的輸入,以及如何設(shè)計(jì)prompt或者pipeline讓LLM解決異常檢測(cè)任務(wù)。下面給大家詳細(xì)介紹一下這篇工作。圖片論文標(biāo)題:Largelanguagemodelscanbezero-shotanomalydete

探究C++sort函數(shù)的底層原理與算法選擇 探究C++sort函數(shù)的底層原理與算法選擇 Apr 02, 2024 pm 05:36 PM

C++sort函數(shù)底層采用歸并排序,其復(fù)雜度為O(nlogn),并提供不同的排序算法選擇,包括快速排序、堆排序和穩(wěn)定排序。

算法在 58 畫像平臺(tái)建設(shè)中的應(yīng)用 算法在 58 畫像平臺(tái)建設(shè)中的應(yīng)用 May 09, 2024 am 09:01 AM

一、58畫像平臺(tái)建設(shè)背景首先和大家分享下58畫像平臺(tái)的建設(shè)背景。1.傳統(tǒng)的畫像平臺(tái)傳統(tǒng)的思路已經(jīng)不夠,建設(shè)用戶畫像平臺(tái)依賴數(shù)據(jù)倉庫建模能力,整合多業(yè)務(wù)線數(shù)據(jù),構(gòu)建準(zhǔn)確的用戶畫像;還需要數(shù)據(jù)挖掘,理解用戶行為、興趣和需求,提供算法側(cè)的能力;最后,還需要具備數(shù)據(jù)平臺(tái)能力,高效存儲(chǔ)、查詢和共享用戶畫像數(shù)據(jù),提供畫像服務(wù)。業(yè)務(wù)自建畫像平臺(tái)和中臺(tái)類型畫像平臺(tái)主要區(qū)別在于,業(yè)務(wù)自建畫像平臺(tái)服務(wù)單條業(yè)務(wù)線,按需定制;中臺(tái)平臺(tái)服務(wù)多條業(yè)務(wù)線,建模復(fù)雜,提供更為通用的能力。2.58中臺(tái)畫像建設(shè)的背景58的用戶畫像

改進(jìn)的檢測(cè)算法:用于高分辨率光學(xué)遙感圖像目標(biāo)檢測(cè) 改進(jìn)的檢測(cè)算法:用于高分辨率光學(xué)遙感圖像目標(biāo)檢測(cè) Jun 06, 2024 pm 12:33 PM

01前景概要目前,難以在檢測(cè)效率和檢測(cè)結(jié)果之間取得適當(dāng)?shù)钠胶?。我們就研究出了一種用于高分辨率光學(xué)遙感圖像中目標(biāo)檢測(cè)的增強(qiáng)YOLOv5算法,利用多層特征金字塔、多檢測(cè)頭策略和混合注意力模塊來提高光學(xué)遙感圖像的目標(biāo)檢測(cè)網(wǎng)絡(luò)的效果。根據(jù)SIMD數(shù)據(jù)集,新算法的mAP比YOLOv5好2.2%,比YOLOX好8.48%,在檢測(cè)結(jié)果和速度之間實(shí)現(xiàn)了更好的平衡。02背景&動(dòng)機(jī)隨著遠(yuǎn)感技術(shù)的快速發(fā)展,高分辨率光學(xué)遠(yuǎn)感圖像已被用于描述地球表面的許多物體,包括飛機(jī)、汽車、建筑物等。目標(biāo)檢測(cè)在遠(yuǎn)感圖像的解釋中

See all articles