结合注意力机制和密集连接网络的车辆检测方法

为提高算法对车辆检测的准确性,解决原有算法在复杂交通场景下对车辆检测效果不佳的问题,提出一种基于注意力机制和改进密集连接网络结构的车辆检测方法。首先在过渡层中使用SoftPool整合密集块之间的特征信息;其次通过轻量化通道注意力机制加强有效通道特征的表达,将其作为Darknet-53的深层特征提取层;引入CIOU损失作为模型的边界框位置预测损失项,使用深度可分离卷积缩减模型体积;与原算法相比mAP值提高2.6%,模型体积缩减为原来的42%,实验证明本算法在复杂交通场景下具有良好的检测性能。     

基于改进CenterNet的航拍图像目标检测算法

为提高航拍图像目标检测精度以及检测速度,提出了基于自适应阈值的改进CenterNet航拍图像目标检测算法.以目标的中心点作为关键点代替锚框进行分类和边界回归,设计自适应阈值预测分支对预处理结果进行筛选优化.同时设计了编码-解码结构的主干网络,通过可变形空洞卷积结构以及基于注意力机制的卷积连接结构,将浅层空间信息以及深层语义信息进行有效提取以及特征融合,提升了输出特征图质量.并通过结构化信息丢弃和利用误检、漏检目标构建新样本的方法实现数据增强,降低误检率及漏检率.在公开数据集NWPU VHR-10上进行实验,结果表明,与基于ResNet-50的CenterNet相比,本文算法的平均精度均值提升5.17％,交并比为0.50和0.75的平均精度分别提升了3.57％和3.61％,检测速度达45 frame·s-1,取得了良好的检测精度和实时性的平衡.     

基于GA-BP神经网络算法的高精确度电阻测量系统

在工业生产中,为了监测设备的温度、压力等参数值,需要对敏感元件的阻值进行精确测量。然而,精密电阻测量电路通常比较复杂,而且敏感元件的阻值与被测电压之间的关系不是简单的线性关系,如果采用线性拟合测量,测量结果会有一定的误差。为了解决这一问题,采用GA-BP算法来降低系统的测量误差,该算法可以利用给定的数据进行自拟合,解决电路噪声问题。利用该算法设计了一个基于STM32F407单片机的高精度电阻测量系统,并将GA-BP 网络参数固化到软件程序中。实验结果表明,在不增加系统电路复杂度的前提下,系统的电阻测量误差可降低到0.1%左右。