检索结果

Select

1. 基于边界极限点特征的改进YOLOv3目标检测

李克文, 杨建涛, 黄宗超

《计算机应用》唯一官方网站 2023, 43 (1): 81-87. DOI: 10.11772/j.issn.1001-9081.2021111999

摘要（297）

HTML （11）

PDF （2069KB）（159）

目标数量多、尺度较小与高度重叠等问题导致目标检测精度低、难度大。为提升目标检测精度，尽可能避免漏检、误检情况，提出一种基于边界极限点特征的改进YOLOv3目标检测算法。首先，引入边界增强算子Border，从边界的极限点中自适应地提取边界特征来增强已有点特征，提高目标定位准确度；然后，增加目标检测尺度，细化特征图，增强特征图深、浅层语义信息的融合，提高目标检测精度；最后，基于目标检测中目标实例特性及改进网络模型，引入完全交并比（CIoU）函数对原YOLOv3损失函数进行改进，提高检测框收敛速度以及检测框召回率。实验结果表明，相较于原YOLOv3目标检测算法，改进后的YOLOv3目标检测算法的平均精度提高了3.9个百分点，且检测速度与原算法相近，能有效提高模型对目标的检测能力。

参考文献 | 相关文章 | 多维度评价

Select

2. 带有自适应合并策略和导向算子的增强型烟花算法

李克文, 马祥博, 候文艳

计算机应用 2021, 41 (1): 81-86. DOI: 10.11772/j.issn.1001-9081.2020060887

摘要（366）

PDF （1056KB）（337）

针对传统烟花算法（FWA）在寻优过程中爆炸半径限制搜索范围、粒子间缺少有效交互的缺点，提出带有自适应合并策略和导向算子的增强型烟花算法（EFWA-GM）。首先根据烟花粒子间的位置关系，对寻优空间中重叠的爆炸范围进行自适应合并；其次通过对火花粒子进行分层来充分利用优质粒子的位置信息，从而设计导向算子引导次优粒子进化，以提高算法的寻优精度和收敛速度。在12个标准测试函数上的实验结果表明，所提出的EFWA-GM相较于标准粒子群（SPSO）算法、增强型烟花算法（EFWA）、自适应烟花算法（AFWA）、动态烟花算法（dynFWA）、有导烟花算法（GFWA）在寻优精度和收敛速度方面具有更好的优化性能，并在9个测试函数上取得最优的求解精度。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于颜色和纹理特征的伪装色矿工目标检测

鲜晓东李克文

计算机应用 2013, 33 (02): 539-542. DOI: 10.3724/SP.J.1087.2013.00539

摘要（709）

PDF （601KB）（420）

针对矿井下某些地段低光照低对比度导致矿工目标与环境颜色相似，呈现伪装色特点，一般场景目标检测方法易产生矿工漏检、误检的问题，提出了采用高斯混合模型(GMM)和局部二值模式(LBP)纹理模型线性融合的方法对目标矿工进行检测。首先利用高斯混合模型拟合背景颜色信息，然后通过局部二值模式纹理模型提取图像纹理信息，最后将颜色信息和纹理信息线性融合对矿工进行检测。实验结果表明，在满足实时性的同时，减少了矿工目标出现漏检、误检的问题，该方法可对具有伪装色特征的矿工目标进行实时检测，准确性高。