摘 要:织物缺陷是具有极大长径比的缺陷,给检测工作带来了极大的难度。提出一种织物瑕疵检测模型YOLOv8-Fabric:设计自适应特征融合卷积模块(AFFConv),提高特征提取的灵活性和准确性;设计混合空间金字塔池化模块(MSPP),以捕获全局和局部上下文关系;设计多尺度逐步特征金字塔网络(MGFPN),充分交换高级语义信息和低级空间信息。实验结果表明,与YOLOv8s比较,该算法在工业织物瑕疵
摘 要:针对复杂场景下车辆行人检测效果不佳的问题,提出了一种改进RT-DETR(Real-TimeDetectionTransformer)模型对复杂环境下的车辆和行人进行定位。通过可学习的位置编码增强模型对空间关系和目标位置的感知能力,引入可变形卷积DCN(DeformableConvolution)以更好地捕获尺度变化复杂的目标特征,并在特征融合阶段采用LSK(LargeSelectionKe
摘 要:针对面部检测精度不足、车载终端算力限制等问题,提出一种改进YOLOv8的检测算法。首先将MobileNetV3-Small作为主干网络,实现模型轻量化;引入SE(Squeeze-and-Excitation)注意力机制与跨尺度融合模块(Cross-ScaleFeatureFusionModule,CCFM),增强对小目标的检测能力;结合BoT-SORT算法对面部特征进行实时ID追踪;再融合
摘 要:针对目前膝关节骨折的智能诊断及分析方法存在检测能力不足和识别精度不高的情况,提出一种基于ResNet18融合MSC(MedianEnhancedSpatialandChannelAttentionBlock)注意力机制的识别方法,通过引入MSC注意力模块对ResNet18进行改进和优化,以提升骨折识别的准确率、泛化能力和鲁棒性。实验结果表明,改进后的模型在准确率方面优于当前3种主流注意力机
摘 要:针对自动驾驶中复杂跟驰场景,提出了一种基于优先经验回放的双延迟深度确定性策略梯度(TwinDelayedDeepDeterministicPolicyGradientwithPrioritizedExperienceReplay,TD3-PER)算法的车辆跟驰控制策略。该策略结合安全性、舒适性和效率设计奖励函数,并引入容忍范围机制和优先经验回放算法,以提升适应性和训练效率。通过PreSca
摘 要:纺织工业验布环节自动检测是大势所趋,受工厂实际生产状况导致的异类瑕疵样本不均问题一直限制织物瑕疵检测算法的泛化应用。因此,提出基于改进StyleGAN2的织物瑕疵图像生成算法。在原算法架构上引入多尺度特征融合模块,帮助网络学习到关键特征;提出混合注意力机制,有效提取纹理和边缘特征信息;提出特征匹配和风格损失函数,增加细节特征的多样性和生成图像的保真性。所生成的织物瑕疵图像相比其他网络模型的
摘 要:为提升数字助听器回声消除算法的收敛速度及降低稳态误差,提出基于零吸引技术的SM-L0-IPNLMS算法。SM-L0-IPNLMS算法虽降低了计算复杂度,但它的小系数收敛速度还是较慢。为此,将零吸引函数与SML0-IPNLMS算法结合,在代价函数中引入零吸引项,使小幅值系数快速归0,仅迭代大幅值系数,以提高收敛速度。仿真结果显示,相比原算法,新算法在保留原算法特性的同时,以随机信号和真实语音
摘 要:随着信息技术发展,信息检索系统增多。多检索系统数据融合虽能提升检索效果,但纳入更多系统会增加复杂度与成本,导致平衡效果和效率充满挑战性。聚焦数据融合技术,提出RJ(RankedJaccardIndex)相似性度量和PADS(PerformanceAndDiversitySelection)子集选择算法,并在TREC4个医学数据集上验证。实验结果显示,在62~125个检索系统里选择最多15个
摘 要:针对人造板连续压机生产线的钢带表面缺陷类别多、特征不明显导致的误检及漏检等问题,提出一种改进YOLOv8模型。引入扩张残差(Dilation-WiseResidual,DWR)模块,利用两步残差特征提取方法,提高分割中多尺度信息捕获效率;利用扩张残差分割(Dilation-WiseResidualSegmentation,DWRSeg)网络改进卷积模块,重构上下文特征融合网络的Bottle
摘 要:针对NESMA(NetherlandSoftwareMeasurementAssociation)方法推荐权重不一定适合特定的项目群体及研究主要集中在软件开发工作量的局限性,使用蜉蝣算法对NESMA功能点组件的权重进行了调优。结合软件行业基准数据,提出了基于蜉蝣算法与NESMA方法的一种全要素软件工程项目总投资估算方法。对该估算方法与遗传算法、粒子群优化算法、灰狼优化算法、模拟退火算法进行
摘 要:针对YOLOv8在边缘特征提取方面的局限性,提出了一种改进的Backbone结构。设计了一种边缘特征增强模块,利用Sobel算子计算图像亮度梯度以识别边缘位置,并将边缘信息与纹理信息融合以增强图像特征的表示;引入了双层路由注意力机制,增强模型对关键信息的捕捉能力;对快速空间金字塔池化(SpatialPyramidPooling-Fast,SPPF)模块集成大核分离卷积注意力机制(Large
摘 要:针对遥感图像的语义分割存在边缘效果不佳以及遥感图像数据量庞大的问题,提出了一种结合超像素的轻量级语义分割模型LEDNet-SSMS。通过使用超像素HQS(HighQualitySuperpixelGenerationThroughRegionalDecomposition)对语义分割结果的边缘进行矫正,使得语义分割的结果具备HQS超像素强大的边缘一致性。使用超像素分割、合并、再分割的形式减
摘 要:针对电力负荷复杂的特征关系以及神经网络超参数选取困难的问题,提出贝叶斯优化(BayesianOptimization,BO)驱动变分自编码器(VariationalAutoencoder,VAE)和双向长短期记忆网络(BidirectionalLongShort-TermMemory,BiLSTM)的短期负荷预测模型VBiLBO-STLF。通过VAE的编码器-解码器结构提取电力数据的潜在表
摘 要:针对传统遥感领域使用对比学习方法难以获取多层次、多角度信息的问题,提出了一种自监督对比学习模型MLCL。该模型通过注意力机制捕捉局部细节与整体结构,同时,分别对多层次特征、风格特征和区域特征执行对比学习以获取精准的信息表示。实验在Agricultural-Land-Cover及耕地数据集上进行,MLCL模型的平均交并比(mIoU)值分别达到了78.69%和87.95%,平均准确率(mACC