检索结果

Select

1. 基于改进 YOLOv5的轻量级船舶目标检测算法

李佳东, 张丹普, 范亚琼, 杨剑锋

《计算机应用》唯一官方网站 2023, 43 (3): 923-929. DOI: 10.11772/j.issn.1001-9081.2022071096

摘要（555）

HTML （24）

PDF （4960KB）（306）

针对海上船舶目标检测准确率不高的问题，提出一种基于改进YOLOv5的轻量级船舶目标检测算法YOLOShip。首先将空洞卷积与通道注意力（CA）引入空间金字塔快速池化（SPPF）模块，以融合不同尺度的空间特征细节信息，强化语义信息，提升区分前景与背景的能力；其次将协同注意力与轻量化的混合深度卷积引入特征金字塔网络（FPN）和路径聚合网络（PAN）结构中，以强化网络中的重要特征，获取含有更多细节信息的特征，并提升模型检测能力及定位精度；然后考虑到数据集中目标分布不均匀及尺度变化相对较小的特点，在修改锚框，减少检测头数量以精简模型的同时进一步提升模型性能；最后，引入更加灵活的多项式损失（PolyLoss）以优化二元交叉熵损失（BCE Loss），提升模型收敛速度及模型精度。在SeaShips数据集上的实验结果表明，相较于YOLOv5s，YOLOShip的精确率、召回率、mAP@0.5与mAP@0.5：0.95分别提升4.2、5.7、4.6和8.5个百分点，能在满足检测速度要求的同时得到更优的检测精度，有效地实现了高速、高精度的船舶检测。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 阵列互耦误差FIR校正滤波器设计与FPGA实现

姚志成, 吴智慧, 杨剑, 张盛魁

计算机应用 2019, 39 (8): 2374-2380. DOI: 10.11772/j.issn.1001-9081.2019010131

摘要（470）

PDF （1001KB）（194）

针对传统型FIR滤波器在高阶条件下运算速度变慢与耗费资源增多这一问题，提出一种基于分段卷积的高速高阶FIR滤波器设计方法，通过在频域并行处理的方式实现了数据的快速处理。首先，确定滤波器的设计阶数 M并将其作为基准序列长度，对输入的数字信号进行 M周期延时；然后，将原序列与延时序列分别作快速傅里叶变换（FFT）；其次，将变换后的频域结果分别与滤波器相乘后作快速傅里叶逆变换（IFFT）；最后，通过重叠保留的方法实现两路数据的拼接。理论分析与仿真测试表明，与基于查找表（LUT）的传统分布式方法相比，同等阶数下所提方法的寄存器资源节省了30%以上。在此基础上利用实验平台的实测数据进行验证，结果表明，与互耦误差校正前相比，校正后的幅度失配均方根小于1 dB，相位失配均方根小于0.1 rad，实验数据充分展示了该方法对互耦误差校正的有效性。

参考文献 | 相关文章 | 多维度评价

Select

3. 双输入流深度反卷积的插值神经网络

张强, 杨剑, 富丽贞

计算机应用 2019, 39 (8): 2271-2275. DOI: 10.11772/j.issn.1001-9081.2018122555

摘要（417）

PDF （822KB）（189）

在实际工作中深度学习方法通常不具备大量的训练样本，因此提出了双输入流深度反卷积生成神经网络的构架，依据给定的条件产生新的目标图像，从而扩充训练样本集。该神经网络的整体架构由双输入的卷积网络和一个反卷积网络输出构成，其中双输入卷积网络接收目标物体不同视角的两张图片并提取抽象特征，而反卷积网络则利用抽象特征和设定的参数产生新的插值目标图像。在ShapeNetCore数据集上的实验结果显示，在相同数量的训练样本空间中，与未扩展数据集的卷积网络相比，双输入流深度反卷积生成神经网络的识别率提高了20%左右。结果表明，双输入流深度反卷积生成神经网络无需输入目标物类别，可生成新参数条件下的目标图像，扩充训练样本空间，从而提高识别率，可用于少样本的目标物多角度识别。

参考文献 | 相关文章 | 多维度评价

Select

4. 基于短距离优先加权均值的Stoilov改进算法

刘婷, 潘广贞, 杨剑, 张彩宏

计算机应用 2015, 35 (5): 1449-1453. DOI: 10.11772/j.issn.1001-9081.2015.05.1449

摘要（578）

PDF （807KB）（496）

在使用均值滤波算法修复Stoilov相移算法中出现的奇异点时,会损失相位的细节信息,从而导致计算出的相位存在误差.针对这一问题,提出一种基于短距离优先选择原则的加权均值修正算法.首先,采用统计逼近的原则标记出奇异点;其次,采用短距离优先原则为每个奇异点构造最近邻滤波窗口,窗口的范围依非奇异点个数和当前所能取得的最短距离的情况而定;最后,用窗口中满足要求的非奇异点的加权平均值代替奇异点,实现对奇异点的修正.仿真与实验结果表明,该方法使窗口划分更加细致,能有效去除脉冲噪声,在相位分布细节处理上更具优势,且使得误差均方根低于0.06cm.

参考文献 | 相关文章 | 多维度评价

Select

5. 融合多层平截的数字散斑图像整像素极值位移法

张彩宏, 潘广贞, 杨剑, 刘婷

计算机应用 2015, 35 (5): 1430-1434. DOI: 10.11772/j.issn.1001-9081.2015.05.1430

摘要（513）

PDF （937KB）（473）

针对数字散斑图像的极值位移测量法存在的极值点对误匹配问题,提出一种改进的整像素极值位移法.首先通过极值法查找移动前后散斑图的极值点,构造极值矩阵,生成三维显示图; 然后利用多个指定灰度平面平截三维显示图,得到平截点;最后分析平截点构成的相对位移矩阵,计算物体位移.在无噪声和有噪声的条件下进行仿真实验,实验结果都证明,改进算法在保证位移测量精度准确的条件下,极值点对误匹配数减少,运算效率提高10³倍.将该算法应用到激光鼠标定位中,移动位移分辨力可达1μm,移动方向的角度误差不超过2.72°.结论证明,融合多层平截的激光散斑图像极值位移法是一种快速、高效、实用的改进算法.

参考文献 | 相关文章 | 多维度评价

Select

6. 基于指令距离的存储相关性预测方法

路冬冬何军杨剑新王飙

计算机应用 2013, 33 (07): 1903-1907. DOI: 10.11772/j.issn.1001-9081.2013.07.1903

摘要（639）

PDF （754KB）（428）

存储相关性预测对于减少存储相关性冲突、提高微处理器性能具有十分重要的作用。针对传统相关性预测器硬件开销大、可实现性较差的缺点，通过对存储相关性的局部性分析，提出了一种基于指令距离的存储相关性预测方法。该方法充分利用了发生存储相关性冲突的指令在指令距离上的局部性，预测冲突指令的指令距离，进而控制部分访存指令的发射时机，大大减少了存储相关性冲突的次数。实验结果表明，在硬件开销约为1KB的情况下，使用基于指令距离的相关性预测器后，每个时钟周期平均执行的指令数可以提高1.70%，最高可以提高5.11%。在硬件开销较小的情况下，较大程度提高了微处理器的性能。

参考文献 | 相关文章 | 多维度评价

Select

7. 基于随机采样一致性算法的平面匹配方法

周波杨剑王东平

计算机应用 2011, 31 (04): 1053-1056. DOI: 10.3724/SP.J.1087.2011.01053

摘要（1491）

PDF （570KB）（451）

针对传统的平面图像标定点匹配算法计算量大、准确性不高等问题，提出一种基于随机采样一致性(RANSAC)算法的快速高精度的平面图像标定点匹配方法。该方法首先基于双圆锥曲线模型，借助于椭圆边缘点附近的梯度信息求取椭圆的切线，由切线集合拟合出椭圆参数，并利用这些参数计算出椭圆圆心，即图像上的标志点；然后用RANSAC随机采样算法对标定板上的点和图像上的点进行匹配。实验验证该方法实现起来简单并且有较高的准确率。