检索结果

Select

1. 自适应置信度阈值的非限制场景车牌检测算法

刘小宇, 陈怀新, 刘壁源, 林英, 马腾

《计算机应用》唯一官方网站 2023, 43 (1): 67-73. DOI: 10.11772/j.issn.1001-9081.2021111974

摘要（221）

HTML （8）

PDF （2162KB）（58）

针对车牌检测模型泛化性低，在智慧交通的不同应用场景中复用困难的问题，提出一种自适应置信度阈值的非限制场景车牌检测算法。首先，构建多预测头网络模型，利用分割预测头减少模型复用的预处理工作，利用自适应置信度阈值预测头提升模型的检测能力，并利用多尺度融合机制及边框回归预测头来提升模型的泛化能力；其次，采用可微分二值网络训练方法，利用可微分二值变换联合训练分类置信度及置信度阈值来学习模型参数；最后，利用连通感知非极大值抑制（CANMS）方法提升车牌检测的后处理速度，并引入轻量级网络ResNet18作为特征提取骨干网络，以减少模型参数量，进一步地提高检测速度。实验结果表明，在中国城市停车场数据集（CCPD）的6个不同限制条件特点的场景中，所提算法可获得平均99.5%的准确率与99.8%的召回率，并达到每秒70帧的高效检测速率，优于Faster R-CNN、SSD等锚框类算法的性能；在3个补充场景测试集上，所提算法对不同分辨率、不同拍摄距离、不同拍摄俯仰角等非限制场景下的车牌检测精度均高于90%。可见，所提算法在非限制场景下具备良好的检测性能及泛化能力，可以满足模型复用的要求。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于食物链机制的动态多物种粒子群算法

刘角, 马迪, 马腾波, 张玮

计算机应用 2016, 36 (5): 1341-1346. DOI: 10.11772/j.issn.1001-9081.2016.05.1341

摘要（490）

PDF （856KB）（430）

针对粒子群优化(PSO)算法在解决多峰函数时容易陷入局部最优的问题,提出了一种基于食物链机制的动态多物种粒子群(DSPSO)算法。受生物界的启发,引入食物链机制来保证种群的多样性,并结合繁殖机制使得算法具有良好的优化性能。食物链机制中,整个标榜群被分为几个子种群,每个子种群都能够捕食另外一个子种群。通过一定概率发生的捕食现象使得标榜群得以进化,剔除对种群贡献小的粒子,并通过繁殖策略生成新的粒子。种群通过不断地进化保证了种群的多样性,同时通过剔除较差粒子的误导作用使算法的进化更有效率。为了验证算法的有效性,选择了包括偏移函数、旋转函数在内的10个测试函数来测试DSPSO算法的性能。实验结果表明DSPSO算法有着良好的寻优性能。与PSO、局部版本的粒子群(LPSO)算法、动态多群粒子群(DMS-PSO)算法和全面学习粒子群(CLPSO)算法相比,DSPSO算法不仅能够得到较高精度的解,而且还具有较高的可信度。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于规则集划分的多决策树报文分类算法

马腾陈庶樵张校辉田乐

计算机应用 2013, 33 (09): 2450-2454. DOI: 10.11772/j.issn.1001-9081.2013.09.2450

摘要（645）

PDF （736KB）（546）

为克服决策树算法处理高速网络、大容量规则集下的报文分类问题时内存使用量大的弊端,提出一种基于规则集划分的多决策树报文分类算法。在保证规则子集数量可控的前提下,采用启发式算法将规则集划分为有限个规则子集,最大限度分离交叠规则;提出两级级联决策树结构,降低决策树深度以减少规则查找时间。理论分析表明,该算法空间复杂度较传统单决策树算法大幅降低。仿真结果表明,该算法的内存使用量比目前空间性能最好的EffiCuts算法减少了30%,且维度可扩展性更好。