公共文化服务平台

汪慧兰: 作品数：35 被引量：129H指数：7; 供职机构：安徽师范大学物理与电子信息学院更多>>; 发文基金：教育部人文社会科学研究基金安徽省自然科学基金安徽省高校省级自然科学研究项目更多>>; 相关领域：自动化与计算机技术文化科学交通运输工程机械工程更多>>

合作作者

基于YOLO算法的行人检测方法被引量：14: 2020年; 针对复杂道路交通环境,选择YOLO(You Only Look Once)实时目标检测算法,对行人目标进行检测识别的研究。YOLO算法在目标检测的速度和精度上都取得过良好效果。首先在YOLO网络模型的基础上针对行人单类检测问题,修改分类器,并通过卷积操作改变网络最后的输出维度;其次通过对道路交通场景下采集到的样本图片进行标注,得到行人数据集;然后采用相同预训练模型在YOLOv2和YOLOv3上训练,通过优化网络参数,加速模型收敛。实验结果分析可知,基于改进的YOLOv3的行人目标检测方法更能满足实时性的要求。; 戴舒汪慧兰许晨晨刘丹张保俊; 关键词：行人检测神经网络实时检测

基于轻量化YOLOv8s交通标志的检测被引量：7: 2024年; 为了提高交通标志检测的实时性和可行性,提出了一种基于YOLOv8s的轻量化交通标志检测模型。首先,用FasterNet中的残差模块FasterNetBlock替换C2f模块中的BottleNeck,降低模型参数量和计算量;其次,用一种小目标检测层去替换大目标检测层,降低Backbone中网络层数,实现大幅度提高检测速度和降低参数量;最后,用Wise-IOU替换原CIOU损失函数,提高速度和精度。在TT100K交通标志数据集上验证,其与YOLOv8s模型比较,mAP50提高了5.16%,参数量降低了76.48%,计算量降低了13.33%,FPS快了35.83%。与其他模型相比,mAP50平均提高了15.11%,参数量平均降低了85.74%,计算量平均下降了46.23%,FPS平均提高了31.49%。该模型具有检测精度高、参数量少、计算量低、速度快等优点,较原算法有很大地提升,且与其他先进的交通标志检测模型比较时表现出了很强的竞争力,在交通标志检测中具有较大优势。; 朱强军胡斌汪慧兰王杨; 关键词：轻量化交通标志检测

一种道路交通标志识别方法: 本发明公开了一种道路交通标志识别方法，包括：构建深度卷积神经网络，选取交通标准数据库和现场采集的交通标志图像对构建的深度卷积神经网络进行训练和测试，得到训练后的深度卷积神经网络；采集实时交通标志图像；在Itti模型的基础...; 汪慧兰黄娜君洪名佳戴舒; 文献传递

基于t混合和SMEM算法的彩色图像分割被引量：1: 2006年; 采用t混合模型建立图像的颜色,纹理及空间位置特征的联合分布,及改进的分裂—融合EM算法(SMEM)估计混合模型的参数,根据贝叶斯最小错误率准则对图像进行分割。由于t混合模型的稳健性和改进的SMEM算法对于数据的初始化不敏感,能收敛到全局最优,且能自适应的的选择分割的数目,因此该方法能取得更好的分割结果。; 汪慧兰陈思宝罗斌; 关键词：T混合模型图像分割

基于SOLOV2改进的实例分割算法研究: 2023年; 实例分割在图像分类的基础上为每一个物体生成像素级别的分割掩码,是当前计算机视觉领域热门研究课题,也是极具挑战性的任务之一。针对当前算法存在的分割精度和鲁棒性不高等问题,提出了一种改进的SOLOV2算法。首先,以FCN(Fully Convolutional Networks for Semantic Segmentation)算法为整体框架,采用ResNext作为骨干网络,在不增加网络参数量和计算量的前提下可以有效提升网络的精度;其次,采用改进的NAS-FPN(Neural Architecture Search Feature Pyramid Network)作为特征金字塔网络结构,这是一种可以在FPN中进行特征图的搜索和组合结构,使网络可以重新搜索并融合已经提取的特征图,以此来解决网络不能充分感知特征图从而导致网络精度不高的问题;最后,通过调整超参数得到整个分割网络模型。通过在COCO2017数据集上与BDD100K数据集上进行实验分析比较可知,改进的基于SOLOV2实例分割算法精度达到41.8%,在兼顾实时性的同时网络精度提升了2.1%。通过实验证明改进的算法可以适应多种交通场景,可以完成交通场景目标的检测与分割。; 曾浩文汪慧兰赵侃王桂丽

一种综合多种技术的SAR图像增强方法被引量：1: 2006年; 综合传统的梯度算子、Lap lac ian二阶微分算子、平滑算子等各种方法,提出一种适用于合成孔径雷达(SAR)图像的图像增强方法.该方法既抑制SAR图像中的斑点噪声又保持图像的主要特征信息尤其是精细结构,取得了比较理想的结果.; 周伟华汪慧兰罗斌; 关键词：微分算子斑点噪声图像特征信息

图像检索中图像分割方法综述被引量：4: 2009年; 图像分割是图像分析和模式识别需要解决的首要问题和基本问题,也是图像处理的经典难题。针对图像检索中应用的图像分割方法进行了系统论述,分析了各种方法的优缺点并探讨了图像分割技术的发展方向。具体介绍了基于颜色布局的分割方法,基于无监督的分割方法。; 汪慧兰; 关键词：图像检索图像分割

最佳区域匹配在彩色图像检索中的应用被引量：1: 2009年; 为了减小分割的不确定性对检索结果的不良影响,提出通过检索图像与数据库中图像各区域之间的特征距离得到最佳匹配区域,即综合所有区域特征的距离方法来实现图像匹配。同时根据人眼的视觉特点,在全局相似度量时对检索图像各个区域的重要系数进行调整,与全局颜色直方图等方法比较。结果表明,用本文的检索方法检全率与检准率进一步提高,对于目标显著的图像其检索结果更是明显提高。; 汪慧兰张佩云; 关键词：图像分割图像检索

改进的YOLOv8s摔倒检测算法研究: 2024年; 为了能够准确的识别老人摔倒姿态,提出了一种改进的YOLOv8s摔倒检测模型。首先,在YOLOv8s模型的主干网络中引入SE注意力机制模块,将通道特征分成多个子图特征,让不同组的特征进行融合,使网络自适应地聚焦于关键特征,抑制对当前任务贡献度较小的特征,提高了特征提取能力;其次,用EIoU替换CIoU损失函数,加快收敛速度,提高了模型的精确率和稳定性;最后,将训练好的模型在URFD+等数据集上验证。实验结果表明,该模型精确率达到了99.50%,召回率达到了99.00%,mAP50达到了99.50%,比原模型的性能全面提升。与YOLOv5s+K-means++模型比较,精确率提升了3.22%,召回率提升了5.32%,mAP50提升了2.38%;与C2D-YOLO模型比较,精确率提升了10.00%,召回率提升了11.40%,mAP50提升了7.80%;与YOLOv5s+C3new模型比较,精确率提升了2.50%,召回率提升了6.80%,mAP50提升了4.1%。改进后模型较原模型和目前先进模型有较大的优势。; 朱强军程靓靓汪慧兰王杨

一种道路交通标志识别方法: 本发明公开了一种道路交通标志识别方法，包括：构建深度卷积神经网络，选取交通标准数据库和现场采集的交通标志图像对构建的深度卷积神经网络进行训练和测试，得到训练后的深度卷积神经网络；采集实时交通标志图像；在Itti模型的基础...; 汪慧兰黄娜君洪名佳戴舒