课程文献中心 更多>>

关键词： 无人机航拍图像   小目标检测   空洞卷积   注意力机制   金字塔网络   多尺度特征融合  

摘要： 无人机航拍图像具有尺度差异大、背景干扰和目标模糊等特点,给小目标检测带来了诸多挑战.针对这些问题,提出了一种高效的无人机航拍小目标检测算法.首先利用空洞卷积增大感受野、保持细节分辨率的特点,设计了并行空洞卷积模块.其次设计了注意力上下采样分支模块,利用闸门机制对提取到的特征进行选择,强化特征表达.最后结合小目标检测头,设计了并行空洞卷积注意力金字塔网络,对多尺度特征进行特征融合.在VisDrone2023数据集和DOTA数据集上,所提算法在小目标检测的平均准确率均值均优于其他主流算法,相较于基线方法在平均准确率均值上提升了7.3%,参数量减少了0.58M, FPS提升了11.2达到43.5,验证了本文所提算法的高效性.在复杂场景ExDark数据集上,所提算法在平均准确率均值上优于其他低光增强模型和暗检测器,相较于PE-YOLO在平均准确率均值上提升了2.4%,验证了本文所提算法的鲁棒性和实用性.

关键词： 目标检测   YOLOv8   注意力机制   MPDIoU  

摘要： 针对目前主流目标检测算法，对目标对象和车辆行人误检和漏检的问题，本文以YOLOv8为基础，提出了一种改进的目标检测算法。首先引入新的边界框回归损失函数MPDIoU来代替原有的损失函数，从而解决了当预测边界框和地面实况边界框具有相同的宽高比时，原损失函数CIoU将失去有效性的问题。然后，嵌入LSKA注意力机制增强算法的多尺度特征提取能力。最后融合SCconv模块，降低了模型计算的复杂度程度，并且提升了目标检测的准确性。原YOLOv8算法相比mAP提升了2.235%，准确率提升了4.107%，召回率提升了约2.945%且最终帧率达到84.8fps。

关键词： 点云配准   飞机泊位   位姿估计   骨架点云   重叠区域  

摘要： 利用激光雷达扫描的三维点云，准确快速地计算飞机位姿，是实现飞机自动泊位引导的关键。为此，提出一种基于骨架点云精确配准的快速目标位姿估计算法。首先，在飞机表面点云中，选取激光雷达视角下的机翼、发动机和机头等主要机体结构，构建飞机骨架点云，避免点云复杂结构导致的错误配准，并有效降低计算量。在飞机泊位时，建立基于飞机轴向的点云包围盒，以获取飞机初始位姿，并将其作为配准的约束条件，避免局部最优。然后，采用快速点特征描述的随机抽样一致性粗配准算法，校正飞机位姿，并设计基于双向KD-Tree的点面精配准算法，提高飞机位姿估计的精度。最后，通过泊位全过程飞机位姿估计的仿真实验，验证了算法性能。较Super-4PCS、MSKM-NDT和AA-ICP等典型算法，配准误差降低32.5%，处理速度提升34%。位姿估计的最大角度误差为2.0°，最大距离误差为0.125m，单帧处理速度为0.37s。实际的飞机位姿估计实验，也验证了算法的有效性。

关键词： 桥梁与隧道工程   裂缝识别算法   算法研究   深度学习   两阶段识别算法   卷积神经网络  

摘要： 为解决桥梁裂缝智能识别场景下桥梁表面图像条件复杂、对智能识别算法的识别效果产生严重干扰的问题，提出了“分类筛选-裂缝识别”的两阶段桥梁裂缝识别算法。根据桥检实拍图像的图像特征调整MobilenetV3的网络结构，构建桥梁表面图像的筛选分类模型，实现对背景图像、干扰图像及低质量图像的自动筛除；通过迁移学习方法训练框-网格融合式裂缝识别模型，实现裂缝识别与定位，为进一步的裂缝精细分割、裂缝测量提供条件。算法开发过程中构建了包含5000张图像的图像分类数据集、包含6400张图像的裂缝识别数据集；最终得到的图像分类最高准确率为97.9%，裂缝网格识别最高准确率为65.6%。结果表明：基于本文提出的桥梁裂缝智能检测方法可实现桥梁裂缝的高效率、自动化检测，算法具有较强的抗干扰能力。

关键词： DGW   机器人   移动   控制   参数优化  

摘要： 轮式机器人目前已经在多个领域得到了更多的应用，但机器人在轨迹跟踪控制中存在数据参数分析和轨迹跟踪控制效果不佳的问题。因此为了提升机器人移动过程中的轨迹跟踪控制效果，研究采用了差分法对灰狼算法进行改进，通过改进收敛因子和交叉变异过程，提升了机器人控制效果。经实验测试表明，改进算法在机器人控制中适配度最低值为0.12，相较于遗传算法适配度降低了0.80。改进算法比例值为10.8469，积分值为2.3548，微分值为0.0654。经实际应用和测试该方法对机器人轨迹跟踪控制有较好的研究贡献。

关键词： 非凸-强凹极小极大问题   二阶算法   三次正则   信赖域  

摘要： 本文提出了求解非凸-强凹极小极大问题的一种极小极大信赖域（minimax trust region,MINIMAX-TR）算法和一种带收缩和扩张的极小极大信赖域（minimax trust region algorithm with contractions and expansions,MINIMAX-TRACE）算法.两种算法都可以在O(ε-1.5)次迭代中找到一个O(ε,ε1/2)-二阶稳定点,这与求解该类问题的二阶算法的最优迭代复杂度一致.在适当的假设下,本文还证明了MINIMAX-TRACE算法具有局部二次收敛性.

关键词： 社会网络   k-度匿名   粒子群算法   图修改  

摘要： 针对当前社会网络的匿名化隐私保护方法存在信息损失量大，忽略社会网络的结构等问题，提出一种保护社会网络社区结构的基于粒子群算法的k-度匿名方法。首先，使用贪婪算法对社会网络图的节点进行划分，得到节点欲达成k-度匿名所需增加的度数序列；其次，引入社区发现，减少图结构的损失；最后，基于粒子群算法对图进行边添加，满足k-度匿名。实验使用平均路径长度、平均聚类系数和传递性作为评价指标，在3个数据集上对提出的方法进行实验测试。结果表明，该方法能抵御度属性的攻击，较好地保护了网络图的社区结构，同时降低了图的信息损失量。

关键词： 汽车排产问题   候鸟优化算法   汽车总装   汽车焊装   汽车涂装  

摘要： 为了满足汽车整车焊装、涂装及总装车间不同的车身排产序列需求，以最小化产线停产时间和成本为综合优化目标，建立了整车多关联车间协同排产优化数学模型，并设计了一种基于改进候鸟优化算法的协同排产方法。为了快速获取候鸟个体对应的多关联车间协同排产方案，设计了基于启发式排产规则的解码策略；针对传统候鸟优化算法邻域结构单一导致算法收敛速度慢的缺陷，设计了基于多种邻域结构的领飞鸟进化策略；为了提升算法的全局寻优能力，设计了融合交叉与邻域搜索的跟飞鸟进化策略。最后以某新能源汽车生产线为实例，开发了整车多关联车间协同排产仿真分析平台以验证本文提出的排产方法。仿真实验表明，与改进的遗传算法、改进的蚁群算法等方法相比，本文设计的改进候鸟优化算法能够获得更优的解集。

关键词： 图神经网络   节点分类   图网络结构   不平衡图数据集   集成学习  

摘要： 图神经网络（graph neural network, GNN）在过去几年里被广泛应用于节点分类。然而，现有研究集中于平衡数据集，但是不平衡数据却普遍存在。传统处理不平衡数据集的方法，如重采样和重加权，往往需要进行较多的预处理或提出新的网络结构，容易引入新的偏差和导致信息丢失。提出了一种改良的装袋（Bootstrap aggregating,Bagging）集成学习方法，对不平衡图数据集进行了k折划分，并采用GNN为基础模型对子数据集进行训练得到多个不同的子模型。最后，通过融合不同模型提升了节点分类精度而不引入过多的预处理。基于不平衡图数据集的实验结果，表明所提出的方法在准确性和鲁棒性上优于基本分类器，此外，还发现分类精度随着k的增加先提高后降低。