王晓峰
- 作品数：24 被引量：30H指数：3
- 供职机构：武汉科技大学计算机科学与技术学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术文化科学理学交通运输工程更多>>
- 基于关联交互和双边注意力的稀疏目标检测器
- 2025年
- 稀疏目标检测器Sparse R-CNN算法缺少对目标间关系的建模,导致网络对全局特征信息的利用较差,使检测效果不佳。为解决上述问题,提出关联交互模块,通过融合可学习的参数和与图像数据相关的目标间关联特征数据,增强目标之间的关联性;提出双边注意力机制,通过融合实例交互注意力信息和物体与物体间的关联注意力信息,增强对全局特征的交互。基于PASCAL VOC和MS COCO数据集的实验结果表明,该方法能够有效提升检测精度,整体性能优于原方法。
- 周泽政陈东方王晓峰
- 关键词：目标检测
- 通道加权下的双判别GAN超分辨率网络
- 2024年
- 针对现有基于生成对抗网络的单图超分辨率重构方法特征利用率不足,生成图像包含少量无意义噪声的问题,提出一种基于通道注意力机制的双判别生成对抗网络。通过对生成网络中密集残差块进行通道加权,优化网络的特征利用率。同时在对抗网络中对生成图像进行像素域和特征域的双重判别,促使生成网络产生更丰富的结构特征和高频信息。实验结果表明,与现有的SRGAN、ESRGAN两种算法相比,该算法能够重构出感官质量更高的图像。
- 张港陈东方王晓峰
- 关键词：图像超分辨率重建视觉质量
- 一种基于锚框质量分布的动态标签分配策略被引量：1
- 2023年
- 传统的标签分配策略根据锚框与ground-truth之间的交并比(IoU)是否超过阈值来划分正负样本,但确定IoU阈值需要依靠大量的经验和实验,并且在不同的网络结构中需要重新设定新的阈值;其次固定的阈值无法保证正负样本数量变化的平缓,过多或过少的正样本都将影响网络训练的稳定性。为解决这些问题,提出一种自适应标签分配策略。根据中心先验原则设计中心权重,通过联合分类得分和定位得分表示锚框质量,组成一个统一的锚框评分方案便于简化划分步骤。为了使网络能够根据训练程度自适应调整IoU阈值,保证网络训练的稳定性,利用锚框质量高斯函数模拟锚框总体质量得分的分布情况,使用极大似然估计算法获取最优参数,根据统计结果动态预测最佳IoU阈值。实验结果表明,该算法在基于锚框和基于无锚框的检测算法中均使检测性能得到有效提升,在PASCAL VOC数据集上分别提升3.1和6.6个百分点,并且可以有效降低漏检率。
- 王璐璐陈东方王晓峰
- 关键词：目标检测
- 非对称策略下基于前景信息的TIoU回归损失计算
- 2023年
- 回归损失函数是目标检测网络的重要组成部分之一。现有的回归损失中,无论是L范式损失还是基于IoU的损失都采用一种对称策略处理输入的两个边界框,这使得它们对前景信息的利用不够充分,影响了回归的质量。为此,提出了一种非对称策略,用以增强前景信息在回归损失中的作用,并在该策略的指导下设计了TIoU(Target-IoU)损失来保证网络对真值框内的特征予以有效利用,使得边界框的回归更贴近真实值。实验结果表明,TIoU损失在Faster R-CNN和RetinaNet下精度分别提升了0.2个百分点和0.5个百分点,实验数据集采用的是PASCAL VOC数据集。
- 邵容陈东方王晓峰
- 关键词：目标检测
- 一种基于激光测距和倾角的高精度隧道沉降测量和建模方法
- 本发明公开了一种基于激光测距和倾角的高精度隧道沉降测量和建模方法，包括：测绘获得平面T内各激光测距仪和靶标的初始位置的坐标；确定测量激光测距仪和被测激光测距仪；测量数据进行滤波处理，得到测量激光测距仪与相邻的被测激光测距...
- 张凯李宛宸王晓峰刘俊刘小明廖雪超
- 基于多任务分支SSD的目标检测算法被引量：4
- 2022年
- 针对原始SSD算法各检测特征层没有关联导致特征融合较差,使得检测效果不佳,而现有改进算法DSSD以及RSSD等检测速度太慢的问题,提出一种基于多任务分支的SSD目标检测算法。对特征金字塔进行研究,构建语义与定位级联模块和融合分裂模块用于两个不同分支,在通过两个分支模块之后得到两组多尺度特征,构建多尺度通道聚合模块进行融合和加权,得到最终用于检测的特征金字塔。实验结果表明,在PASCAL VOC 2007数据集上达到79.6%的检测精度,与SSD、DSSD相比具有更好的准确率,检测速度优于DSSD,具有实时检测的能力。
- 洪哲昊陈东方王晓峰
- 关键词：目标检测实时检测
- 使用亮度恢复的GrayWorld-Retinex方法改进被引量：1
- 2014年
- 灰度世界(Gray World)和Retinex方法被广泛运用于处理偏色图像,两种方法结合可以适应更为复杂的偏色情况,但图像亮度的丰富性被削弱,造成图像的视觉效果偏灰和图像质量降低。在分析亮度丰富性被削弱的原因的基础上,提出亮度恢复方法,使输出图像在保证偏色被校正的前提下仍然保持图像的亮度丰富性,达到提升图像质量的目的。实验对比了亮度恢复前后的图像,并使用无参考图像质量评价算法对该方法的效果进行了质量评分,证实了方法的有效性。
- 杜靖陈东方王晓峰
- 关键词：RETINEX图像质量
- 基于特征融合和混合注意力的超分辨率重建
- 2023年
- 由于现有的基于卷积神经网络的超分辨率重建模型无法从多个尺度上利用特征进行加权,导致对于高频细节的恢复能力较差;同时随着网络深度的不断增加导致浅层信息在传输过程中容易弱化或丢失。为此,提出一种基于特征融合和混合注意力的超分辨方法。利用不同尺度间特征的相似性这一特点设计一种多尺度注意力机制,捕获特征图之间和特征图内部的依赖关系;与空间注意力相结合,捕获空间域内隐含的高频信息。设计一种层次特征融合结构对提取出的特征进行充分保留。实验结果表明,该算法在恢复高频细节方面表现良好。
- 左云瑞陈东方王晓峰
- 关键词：卷积神经网络图像超分辨率
- 基于自适应Token池化与集合预测增强的目标检测
- 2025年
- 基于Transformer的目标检测算法往往存在着精度不足,收敛速度慢的问题.许多研究针对这些问题进行改进,取得了一定的成果.但是这些研究大都忽视了Transformer结构应用于目标检测领域时存在的两个不足之处.首先,自注意力运算结果缺乏多样性.其次,因集合预测难度大,使得模型在匹配目标的过程中表现不稳定.为了弥补上述缺陷,首先设计了自适应token池化模块,增加自注意力权重的多样性.其次,设计了一种基于粗预测的锚框定位模块,并利用该模块为查询提供位置先验信息,从而提高二分图匹配过程的稳定性.最后,设计了基于组的去噪任务,通过训练模型对位于目标附近的正负查询进行区分,从而提高模型进行集合预测的能力.实验结果表明,本文提出的改进算法在COCO数据集上取得了较好的训练结果.与基线模型相比,改进算法在检测精度与收敛速度上有较大提升.
- 刘耀陈东方王晓峰
- 关键词：目标检测
- 基于改进Dense Teacher的半监督目标检测算法
- 2024年
- 在深度学习目标检测领域中,标注数据的复杂性对半监督目标检测技术的发展起到了推动作用。近期,无锚框目标检测器在半监督目标检测中的应用逐渐增多。然而,现有方法仍面临特征表达不足和伪标签质量参差不齐的挑战。为解决这一问题,该文提出了一种基于优化Dense Teacher的半监督目标检测算法。首先,通过设计通道信息增强的特征金字塔(CIE-FPN),优化了特征图的感受野和特征融合,旨在捕获更丰富的全局特征信息。其次,采用伪标签双分支处理策略,以解决分类与检测任务在伪标签需求上的不一致性,从而提高伪标签的可靠性。实验结果表明,在COCO数据集仅使用10%有标注数据的条件下,与基线网络Dense Teacher相比,提出的改进算法在提升无锚框半监督目标检测性能方面取得了明显效果。
- 林紫心陈东方王晓峰
- 关键词：半监督学习
