期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到19,809篇文章
< 1 2 … 250 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于多尺度特征增强的航拍小目标检测算法
1
作者 肖剑 何昕泽 +2 位作者 程鸿亮 杨小苑 胡欣 《浙江大学学报(工学版)》 北大核心 2026年第1期19-31,共13页
针对航拍图像小目标检测中存在的检测精度低和模型参数量大的问题,提出兼顾性能与资源消耗的航拍小目标检测算法.以YOLOv8s为基准网络,通过降低通道维数和加强对高频特征的关注,提出自适应细节增强模块(ADEM),在减少冗余信息的同时加强... 针对航拍图像小目标检测中存在的检测精度低和模型参数量大的问题,提出兼顾性能与资源消耗的航拍小目标检测算法.以YOLOv8s为基准网络,通过降低通道维数和加强对高频特征的关注,提出自适应细节增强模块(ADEM),在减少冗余信息的同时加强对小目标细粒度特征的捕获;基于PAN-FPN架构调整特征融合网络,增加对浅层特征的关注,同时引入多尺度卷积核增强对目标上下文信息的关注,以适应小目标检测场景;针对传统IoU灵活性、泛化性不强的问题,构建参数可调的Nin-IoU,通过引入可调参数,实现对IoU的针对性调整,以适应不同检测任务的需求;提出轻量化检测头,在增强多尺度特征信息交融的同时减少冗余信息的传递.结果表明,在VisDrone2019数据集上,所提算法以8.08×106的参数量实现了mAP0.5=50.3%的检测精度;相较于基准算法YOLOv8s,参数量降低了27.4%,精度提升了11.5个百分点.在DOTA与DIOR数据集上的实验结果表明,所提算法具有较强的泛化能力. 展开更多
关键词 目标检测 YOLOv8 无人机图像 特征融合 损失函数
在线阅读 下载PDF
基于多方位感知深度融合检测头的目标检测算法
2
作者 包晓安 彭书友 +3 位作者 张娜 涂小妹 张庆琪 吴彪 《浙江大学学报(工学版)》 北大核心 2026年第1期32-42,共11页
针对传统目标检测头难以有效捕捉全局信息的问题,提出基于多方位感知深度融合检测头的目标检测算法.通过在检测头部分设计高效双轴窗口注意力编码器(EDWE)模块,使网络能够深度融合捕获到的全局信息与局部信息;在特征金字塔结构之后使用... 针对传统目标检测头难以有效捕捉全局信息的问题,提出基于多方位感知深度融合检测头的目标检测算法.通过在检测头部分设计高效双轴窗口注意力编码器(EDWE)模块,使网络能够深度融合捕获到的全局信息与局部信息;在特征金字塔结构之后使用重参化大核卷积(RLK)模块,减小来自主干网络的特征空间差异,增强网络对中小型数据集的适应性;引入编码器选择保留模块(ESM),选择性地累积来自EDWE模块的输出,优化反向传播.实验结果表明,在规模较大的MS-COCO2017数据集上,所提算法应用于常见模型RetinaNet、FCOS、ATSS时使AP分别提升了2.9、2.6、3.4个百分点;在规模较小的PASCAL VOC2007数据集上,所提算法使3种模型的AP分别实现了1.3、1.0和1.1个百分点的提升.通过EDWE、RLK和ESM模块的协同作用,所提算法有效提升了目标检测精度,在不同规模的数据集上均展现了显著的性能优势. 展开更多
关键词 检测头 目标检测 Transformer编码器 深度融合 大核卷积
在线阅读 下载PDF
融合定位图与上下文感知的伪装目标检测网络
3
作者 余肖生 陈灿 +1 位作者 李旭 陈鹏 《计算机科学与探索》 北大核心 2026年第1期217-227,共11页
基于区域先验的伪装目标检测(COD)模型通常在早期阶段提取目标在图像中的位置信息,通过将目标的位置信息与图像特征相结合,网络能够更加有效地聚焦于目标区域,从而提高检测精度。而在许多具有挑战性的场景中,当前伪装目标检测算法对目... 基于区域先验的伪装目标检测(COD)模型通常在早期阶段提取目标在图像中的位置信息,通过将目标的位置信息与图像特征相结合,网络能够更加有效地聚焦于目标区域,从而提高检测精度。而在许多具有挑战性的场景中,当前伪装目标检测算法对目标位置信息的提取能力有限,从而导致区域先验不准确甚至目标缺失。为此,提出了一种融合定位图与上下文感知的伪装目标检测网络FLMCA-Net。构建定位模块融合来自主干网络的多尺度特征并从全局、局部两个维度上提取目标的位置信息;设计了感受野增强模块细化不同尺度的特征表示;引入上下文感知融合模块将多尺度特征和目标区域先验充分交互融合并挖掘目标的全局上下文特征。在3个公开数据集上的实验表明,FLMCA-Net相较于其他20种代表性模型均取得了最优表现,比RISNet在S_(α)、E_(ϕ)和F_(β)^(ω)方面的性能平均提升了2.5%、1.8%和3.6%。 展开更多
关键词 伪装目标检测 上下文信息 区域先验 多尺度特征
在线阅读 下载PDF
用于小型无人船的轻量级水面3D目标检测方法
4
作者 张凯 余道洋 +1 位作者 胡敏 赵君亮 《哈尔滨工程大学学报》 北大核心 2026年第1期216-227,共12页
针对小型无人船嵌入式平台部署高精度3D目标检测模型存在计算资源受限问题,本文提出一种基于传感器融合的轻量级水面3D目标检测方法。针对相机图像数据,构建轻量级水面目标检测模型YOLO-LW。该模型在骨干网络中设计轻量级GCF结构并嵌入S... 针对小型无人船嵌入式平台部署高精度3D目标检测模型存在计算资源受限问题,本文提出一种基于传感器融合的轻量级水面3D目标检测方法。针对相机图像数据,构建轻量级水面目标检测模型YOLO-LW。该模型在骨干网络中设计轻量级GCF结构并嵌入SimAM注意力机制以增强特征提取能力;在颈部网络采用DySample动态上采样模块;增加一个小尺寸检测头以提高水面小目标检测精度;并设计融合归一化Wasserstein距离和动态聚焦机制的损失函数N-WIoU,进一步优化模型性能。针对激光雷达点云数据,通过改进基于密度的噪声应用空间聚类算法,设计了根据距离和高度自适应调整参数机制,并根据点云反射率自动调整水面目标聚类簇,精准获取目标的3D坐标。将相机提取的2D目标位置信息与点云聚类获得的3D坐标进行深度融合,实现水面目标类别、3D位置和距离的实时检测。综合实验结果表明,该方法在保证检测精度的同时满足小型无人船嵌入式平台的实时性要求。 展开更多
关键词 无人船 水面目标 3D目标检测 传感器融合 深度学习 聚类算法
在线阅读 下载PDF
改进YOLOv11s的无人机图像小目标检测模型
5
作者 牟毅 黄海松 +3 位作者 李宜汀 付盛伟 李科 朱云伟 《电光与控制》 北大核心 2026年第1期51-57,共7页
为解决无人机目标检测中小尺寸、密集目标检测困难及在边缘设备部署困难的问题,提出了小目标检测模型Drone-YOLO。首先,提出了MF-FPN网络,在降低模型复杂度的同时融合高级语义与低级几何特征;其次,为解决小目标、密集目标难以检测问题... 为解决无人机目标检测中小尺寸、密集目标检测困难及在边缘设备部署困难的问题,提出了小目标检测模型Drone-YOLO。首先,提出了MF-FPN网络,在降低模型复杂度的同时融合高级语义与低级几何特征;其次,为解决小目标、密集目标难以检测问题提出了小目标检测头;而后,提出轻量化检测头LSCD,通过共享卷积降低模型复杂度,并利用组归一化提升检测性能;最后,引入Inner-WIoU损失函数,动态调整锚框权重,使模型更专注于中等质量锚框优化,从而提升回归效率与泛化能力。在公开数据集VisDrone2019上进行实验,改进后模型的mAP 0.5达到44.3%,较YOLOv11s提升6.4个百分点,参数量减少67.5%。 展开更多
关键词 无人机 小目标检测 YOLOv11s 多尺度特征融合 轻量化 损失函数
在线阅读 下载PDF
改进YOLOv8n的无人机航拍目标检测算法
6
作者 曲文龙 陈勇 《现代电子技术》 北大核心 2026年第1期77-85,共9页
针对密集目标检测任务中由于多尺度和遮挡现象导致漏检的问题,文中提出一种改进YOLOv8n的方法(DERFYOLO)。对于主干网络,首先使用C2f-RFCBAMConv模块替换卷积和C2f模块,利用感受野注意力机制优化的空间特征并结合通道注意力机制以提高... 针对密集目标检测任务中由于多尺度和遮挡现象导致漏检的问题,文中提出一种改进YOLOv8n的方法(DERFYOLO)。对于主干网络,首先使用C2f-RFCBAMConv模块替换卷积和C2f模块,利用感受野注意力机制优化的空间特征并结合通道注意力机制以提高改进算法特征提取的能力;其次设计EMBSFPN模块对颈部进行优化,实现小目标信息的跨尺度连接和特征融合,通过更换上采样模块使得算法能够在保证一定效果的同时保持高效性;最后使用DyHead代替原检测头进而引入注意力机制以提升小目标检测的精度。在VisDrone2019数据集上的实验结果表明,DERF-YOLO的mAP@0.5、mAP@0.5:0.95分别达到了30.9%和17.7%,相比于YOLOv8n算法分别提高了4.0%和2.7%,参数量和浮点运算量分别为2.94×10~6和9.6 GFLOPs,参数量相比于原始算法降低了2%,运算量仅仅增加了18%。该算法的精度高于其他同类算法,且满足监测需求,可以有效地应用于无人机航拍平台上的目标检测任务。 展开更多
关键词 YOLOv8n 密集目标检测 C2f-RFCBAMConv 跨尺度连接 特征融合 注意力机制
在线阅读 下载PDF
面向印刷电路板缺陷检测的轻量化YOLOv8n-LSCNet目标检测模型
7
作者 赖俊杰 曾猛杰 任洪亮 《华侨大学学报(自然科学版)》 2026年第1期61-67,共7页
针对印刷电路板表面缺陷检测中面板线路复杂、缺陷微小且检测精度与效率难以兼顾的问题,提出一种轻量化、高效的YOLOv8n-LSCNet目标检测模型。首先,在YOLOv8n模型基础上,引入C2f-OREPA模块,利用在线重参数化技术提升特征提取能力;其次,... 针对印刷电路板表面缺陷检测中面板线路复杂、缺陷微小且检测精度与效率难以兼顾的问题,提出一种轻量化、高效的YOLOv8n-LSCNet目标检测模型。首先,在YOLOv8n模型基础上,引入C2f-OREPA模块,利用在线重参数化技术提升特征提取能力;其次,设计一种轻量化检测头,通过共享卷积减少冗余计算;最后,采用扩展交并比(EIoU)损失函数优化边界框回归精度。使用北大印刷电路板(PCB)数据集进行训练与测试,通过消融实验与对比实验验证各模块的有效性。结果表明:相比YOLOv8n模型,YOLOv8n-LSCNet模型的精确率与均值平均精度(交并比阈值≥0.50)分别提升了0.94%和0.47%,参数量与浮点计算量分别降低了21.4%和19.7%;该模型在精度与效率之间取得了良好平衡,具备较强的工程应用潜力。 展开更多
关键词 印刷电路板(PCB)缺陷检测 轻量化检测 YOLOv8n 小目标检测 损失函数
在线阅读 下载PDF
LV-YOLO:面向低可见度场景的目标检测优化算法
8
作者 王帅 丁其川 任帅 《电光与控制》 北大核心 2026年第1期44-50,共7页
低可见度场景中,图像质量下降不仅降低了特征与背景之间的可分辨性,还容易引发定位不准、类别混淆等问题,为此,提出了一种改进YOLOv11的目标检测算法。首先,构建多尺度注意力融合模块MulSimAM,用于增强模型对关键区域的特征提取能力;然... 低可见度场景中,图像质量下降不仅降低了特征与背景之间的可分辨性,还容易引发定位不准、类别混淆等问题,为此,提出了一种改进YOLOv11的目标检测算法。首先,构建多尺度注意力融合模块MulSimAM,用于增强模型对关键区域的特征提取能力;然后,设计动态特征融合模块DyPSA,以替代原有C2PSA结构,通过联合动态通道混合与空间注意力机制,提升了模型对不同区域特征的自适应感知能力;最后,提出了定位精度优化损失EnSIoU,结合尺度自适应距离调节、纵横比一致性约束与加权融合机制,提升物体在低可见度场景中的定位精度。实验结果表明,改进后的算法在自建的低可见度场景目标检测数据集上的mAP、准确率和召回率方面取得了更优表现,同时,消融实验表明,两个模块改进以及损失函数优化均在低可见度场景图像中表现出更强的目标检测能力。 展开更多
关键词 目标检测 低可见度 YOLOv11 注意力机制 损失函数
在线阅读 下载PDF
DEPA-YOLO:无人机视角下的小目标检测模型
9
作者 刘臣杰 刘巍 +1 位作者 杨雯迪 王成 《计算机科学与探索》 北大核心 2026年第1期266-279,共14页
针对无人机视角下小目标检测中存在的目标密集分布、背景复杂干扰及特征分辨率不足等问题,提出了一种基于YOLOv10的改进模型DEPA-YOLO。该模型设计了动态多尺度特征提取模块DCMB,该模块通过融合动态权重分配与多形态特征混合策略,有效... 针对无人机视角下小目标检测中存在的目标密集分布、背景复杂干扰及特征分辨率不足等问题,提出了一种基于YOLOv10的改进模型DEPA-YOLO。该模型设计了动态多尺度特征提取模块DCMB,该模块通过融合动态权重分配与多形态特征混合策略,有效增强了浅层局部纹理与高层全局语义的联合建模能力,从而改善小目标的特征表达。提出了HFEP特征金字塔结构,将SPDConv与ECFI的多分支动态融合相结合,实现了对不同尺度目标的细节保持与多层次语义的高效传递,显著缓解了传统特征金字塔在密集场景中信息丢失的问题;在主干网络中引入CPCA注意力机制,引导网络聚焦于显著目标区域,减少复杂背景干扰带来的误检与漏检;并在损失函数中采用WIoU回归策略,通过引入梯度调控与边界惩罚机制,提高了小目标定位的稳定性与鲁棒性。在VisDrone2019数据集上的消融实验结果表明,DEPA-YOLO相较YOLOv10基准模型在精度、mAP50和mAP50:95上分别提升4.7、4.3和2.5个百分点;在DOTA数据集的泛化实验中进一步提升7.9、2.0和1.2个百分点。DEPA-YOLO模型显著提升了无人机视角下的小目标检测精度,为无人机小目标检测提供了一种高效的解决方案。 展开更多
关键词 小目标检测 YOLOv10 特征增强金字塔 注意力机制
在线阅读 下载PDF
基于全局与局部特征引导的显著性目标检测网络
10
作者 王政凯 周永霞 《现代电子技术》 北大核心 2026年第1期124-128,共5页
显著性目标检测旨在识别出图像中的显著性区域,然而,现有方法在处理复杂场景图像或多尺度物体时往往表现不佳。针对现有网络在处理复杂场景时无法精确定位目标的问题,借鉴人类视觉系统的特性,文中提出一种全新的基于全局与局部特征引导... 显著性目标检测旨在识别出图像中的显著性区域,然而,现有方法在处理复杂场景图像或多尺度物体时往往表现不佳。针对现有网络在处理复杂场景时无法精确定位目标的问题,借鉴人类视觉系统的特性,文中提出一种全新的基于全局与局部特征引导的显著性目标检测网络,通过全局与局部特征增强模块帮助网络获得更丰富准确的特征。针对多尺度目标检测效果不佳的问题,提出基于注意力机制的多尺度特征融合模块,加强了多尺度特征之间的融合,并提取出更深层的全局特征。设计了一个误差损失权重,通过计算预测图与真实图的并集与交集的差值作为损失函数的权重,通过像素级的误差计算,增强了网络对局部特征的敏感性与空间一致性。在5个公共数据集上与近年来的12种先进方法进行比较,文中方法在多个指标上表现更优,证明了所提方法的优越性与高效性。 展开更多
关键词 全局与局部特征引导 显著性目标检测 深度学习 特征增强 多尺度 特征融合
在线阅读 下载PDF
基于跨模块知识蒸馏的3阶段少样本目标检测
11
作者 王双丞 朱松豪 《计算机研究与发展》 北大核心 2026年第1期199-213,共15页
少样本学习是少样本目标检测的主流方法,但其存在2个问题:1)新类样本的极度缺乏导致新类特征分布存在偏差;2)由于微调过程中的鲁棒性假设不一定适用于新类样本,因此,特征提取网络无法提取未失真的新类样本特征。为解决上述2个问题,提出... 少样本学习是少样本目标检测的主流方法,但其存在2个问题:1)新类样本的极度缺乏导致新类特征分布存在偏差;2)由于微调过程中的鲁棒性假设不一定适用于新类样本,因此,特征提取网络无法提取未失真的新类样本特征。为解决上述2个问题,提出基于跨模块知识蒸馏的3阶段少样本目标检测方法。首先,利用特征分布校准策略,校准2步微调过程中新类样本的特征分布;其次,利用提出的首项偏差削减策略,有效缓解线性探测阶段(微调过程的第1阶段)中权重参数的偏差估计问题;然后,利用提出的基于逆首项偏差削减的整体微调策略,有效缓解整体微调过程(微调过程的第2阶段)中特征提取网络的过拟合问题;最后,利用提出的跨模块知识蒸馏策略,引导模型的浅层模块学习深层特征,以便捕获更具辨别力的新类样本特征。大量实验结果表明,所提的3阶段微调的少样本目标检测方法有效提高了少样本目标检测的准确性和鲁棒性。 展开更多
关键词 少样本目标检测 3阶段微调 首项偏差削减 逆首项偏差削减 跨模块知识蒸馏
在线阅读 下载PDF
基于改进YOLOv8m的道路目标检测算法
12
作者 孙虎成 臧可 吕晓晓 《电子设计工程》 2026年第2期12-18,25,共8页
对道路目标的准确检测是保证自动驾驶车辆安全行驶的一项关键技术。针对图像中被遮挡目标和远距离目标存在的特征模糊问题,提出一种改进型YOLOv8m的道路目标检测算法。该文在YOLOv8m的基础上引入可变形卷积,提高模型捕获目标实际边界的... 对道路目标的准确检测是保证自动驾驶车辆安全行驶的一项关键技术。针对图像中被遮挡目标和远距离目标存在的特征模糊问题,提出一种改进型YOLOv8m的道路目标检测算法。该文在YOLOv8m的基础上引入可变形卷积,提高模型捕获目标实际边界的能力;同时引入双层路由注意力机制,以稀疏感知的方式使模型聚焦于图像中的关键目标区域;此外构造小目标检测层,提升模型对远距离小目标的检出能力,并针对误差放大效应对模型推理性能造成的影响,设计分阶段学习策略稳定模型训练过程。基于KITTI数据集和Waymo数据集的实验结果显示,所提算法的mAP50相较于基准模型分别提高了4.6%和4.9%,有效提升了道路目标检测的精度。 展开更多
关键词 目标检测 YOLOv8m 目标遮挡 注意力机制 误差放大效应
在线阅读 下载PDF
数字信号处理技术在雷达系统目标检测中的运用
13
作者 战莹 陈宇楠 《微型计算机》 2026年第1期4-6,共3页
数字信号处理技术具备高效的信号处理能力,将数字信号处理技术应用于雷达系统目标检测活动中,可显著提升目标检测的精准度。但是在开展传统雷达系统目标检测活动时,需要面对复杂环境,增加检测环节的局限性,所以为有效解决这一问题,保证... 数字信号处理技术具备高效的信号处理能力,将数字信号处理技术应用于雷达系统目标检测活动中,可显著提升目标检测的精准度。但是在开展传统雷达系统目标检测活动时,需要面对复杂环境,增加检测环节的局限性,所以为有效解决这一问题,保证雷达系统可以在复杂且多变的环境中仍可快速识别及跟踪,提升态势感知水平,则需以数字信号处理技术的合理应用,满足毫米波雷达的运行要求。基于此,文章以毫米波雷达为例,简要分析雷达系统的构成,重点阐述数字信号处理技术在雷达系统目标检测中的应用措施,旨在为雷达系统研究人员工作提供参考。 展开更多
关键词 数字信号处理技术 毫米波雷达系统 目标检测
在线阅读 下载PDF
基于深度学习的无人机航拍图像小目标检测研究进展 被引量：11
14
作者 吴一全 童康 《航空学报》 北大核心 2025年第3期174-200,共27页
基于深度学习的无人机航拍图像小目标检测在军事情报侦察、战场监视和评估、军事目标捕获与验证、智能交通治理、基础设施检查和维护、灾害防治、搜索和救援、农作物管理与分析、生态保护和监测等领域具有广泛应用,近年来已成为当下的... 基于深度学习的无人机航拍图像小目标检测在军事情报侦察、战场监视和评估、军事目标捕获与验证、智能交通治理、基础设施检查和维护、灾害防治、搜索和救援、农作物管理与分析、生态保护和监测等领域具有广泛应用,近年来已成为当下的研究热点,故对近5年基于深度学习的无人机航拍图像小目标检测展开全面深入的调查。首先介绍无人机航拍图像小目标检测定义与面临的挑战。其次重点从判别性特征学习、超分辨率技术、实时轻量化检测、其他改进思路这4个方面详细阐述了无人机航拍图像小目标检测方法。然后系统总结无人机航拍图像小目标检测数据集,并基于VisDrone挑战赛深入分析不同算法的性能。最后全面呈现无人机航拍图像小目标检测在军事和民生领域的具体应用,讨论其未来潜在的发展方向,并指出了无人机航拍的一些担忧。期望该综述可以启发相关研究人员,进一步推动基于深度学习的无人机航拍图像小目标检测的发展。 展开更多
关键词 小目标检测 无人机(UAV) 航拍图像 深度学习 性能评估 小目标检测应用
原文传递
融合多尺度特征的航拍目标检测算法 被引量：1
15
作者 杨路 裴俊莹 《系统仿真学报》 北大核心 2025年第6期1486-1498,共13页
为解决无人机航拍图像中小目标样本居多,但可提取特征信息少,不利于提升航拍目标检测精度问题,提出一种基于YOLOv8s改进的航拍小目标检测算法。将可变形卷积应用于主干网络特征提取模块,自适应感受目标在不同位置和尺度上的细节信息;提... 为解决无人机航拍图像中小目标样本居多,但可提取特征信息少,不利于提升航拍目标检测精度问题,提出一种基于YOLOv8s改进的航拍小目标检测算法。将可变形卷积应用于主干网络特征提取模块,自适应感受目标在不同位置和尺度上的细节信息;提出包含特征收集模块和信息融合模块的多层次信息融合功能块,通过多层次信息融合功能块中的特征收集模块对主干网络不同尺度的特征信息进行提取和增强,获取精细的全局特征,利用信息融合模块将上下文丰富的语义信息注入到小目标检测层,实现局部信息和全局信息的融合,并将融合后的特征输入到检测网络中,得到检测结果。结果表明:所提算法的识别平均准确率和召回率相较于基线模型提升了6%和4.3%;相比于主流的检测算法,改进目标检测算法的小目标检测平均精度最高。 展开更多
关键词 航拍图像 可变形卷积 小目标检测 多尺度特征融合 目标检测层
原文传递
自监督的两阶段广义小样本目标检测算法 被引量：1
16
作者 段立娟 张子晨 张广勇 《信号处理》 北大核心 2025年第2期370-381,共12页
深度学习技术在目标检测领域取得了巨大进展,但其优异的性能建立在大量精确标注的数据集之上。在样本稀缺的特定领域,如国防海上安全和医学等领域,获取具有标注的数据尤为困难。因此,小样本目标检测领域因其能够应对样本稀疏性所带来的... 深度学习技术在目标检测领域取得了巨大进展,但其优异的性能建立在大量精确标注的数据集之上。在样本稀缺的特定领域,如国防海上安全和医学等领域,获取具有标注的数据尤为困难。因此,小样本目标检测领域因其能够应对样本稀疏性所带来的挑战而得到学术界的广泛研究。该领域的研究目标是得到能够从极其有限的样本中提取知识并实现高效目标检测的算法框架。然而,由于新类样本的稀缺性,其与基类之间存在着显著的分布差异,导致了小样本目标检测任务的准确度受限。此外,在对模型应用新类进行微调的过程中,由于新类与基类的不重叠性,模型学习新类的特征知识的过程中会存在大量的梯度更新,导致基类的特征知识被遗忘的问题,从而降低模型的整体性能。针对新类别样本稀缺的问题,本研究采用自监督学习策略。自监督学习,无须依赖标注信息,便于构建代理任务以进行模型训练,是缓解小样本目标检测样本稀缺问题的有效方案。为了避免模型在学习新类特征知识后出现基类灾难性遗忘的问题,本文将自监督学习与两阶段的目标检测器相结合。通过在类别域应用潜在特征来表示各个类别的特征信息,通过动态更新策略在学习新类别的过程中进一步优化特征,并借助检测框域构建良好的代理任务提升回归框的精准度。本研究在PASCAL VOC数据集和MS COCO数据集上进行大量的实验验证,实验结果表明,无论是在新类性能方面还是总体性能方面,本研究所提出的方法相较于其他多个小样本目标检测模型均展现出更加优越的性能表现。 展开更多
关键词 深度学习 自监督学习 小样本目标检测 广义小样本目标检测
在线阅读 下载PDF
基于单阶段半监督目标检测的建筑工人检测算法 被引量：1
17
作者 方莉 赵志峰 +2 位作者 严铮 戴振国 陈国栋 《微电子学与计算机》 2025年第2期20-30,共11页
建筑工人目标检测对于提升建筑施工安全具有重要的应用价值。随着智慧工地的推广,施工区域的视频监控覆盖率不断增加,获取大量未标注的建筑工人图像变得更为便捷,而有标注数据图像依然稀缺而昂贵。半监督学习方法是解决有标注数据缺乏... 建筑工人目标检测对于提升建筑施工安全具有重要的应用价值。随着智慧工地的推广,施工区域的视频监控覆盖率不断增加,获取大量未标注的建筑工人图像变得更为便捷,而有标注数据图像依然稀缺而昂贵。半监督学习方法是解决有标注数据缺乏问题的有效办法。然而,施工环境中存在着环境混乱、目标遮挡以及监控画面可视度低等问题,导致半监督目标检测模型在伪标签生成阶段难以平衡数量与质量。已有的半监督目标检测算法大多基于两阶段目标检测模型设计,未能满足对建筑工人检测实时性的要求。为了解决上述问题,提出了一种针对施工场景设计的单阶段半监督建筑工人目标检测算法。首先,将半监督目标检测应用于建筑工人目标检测任务,有效解决了标注数据缺乏的问题。其次,提出软阈值优化方法,为低置信样本分配权重,从而扩充伪标签的数量。接着,引入图像信息熵概念来评估样本检测难度,并提出自适应阈值选择算法以根据样本难度调整伪标签的阈值,进而提高训练初期的伪标签质量。最后,通过增加残差特征金字塔网络和上下文增强模块提升对小目标的检测能力。实验证明,在自建的施工区域建筑工人检测数据集上,所提出的算法在解决单阶段半监督建筑工人目标检测问题方面表现出显著优势。 展开更多
关键词 建筑工人目标检测 半监督目标检测 数量质量权衡 单阶段目标检测
在线阅读 下载PDF
红外弱小目标检测方法及研究进展
18
作者 李果 马昊杰 +1 位作者 李泽宇 郭成飞 《红外》 2025年第10期1-22,68,共23页
基于红外探测系统的目标检测技术在安防、预警等领域得到了广泛应用。然而,由于红外弱小目标具有信号弱和特征尺度小的特点,在面对复杂应用场景时容易出现漏检、误检、虚警等问题。目前,基于传统图像处理方法以及基于深度学习算法在红... 基于红外探测系统的目标检测技术在安防、预警等领域得到了广泛应用。然而,由于红外弱小目标具有信号弱和特征尺度小的特点,在面对复杂应用场景时容易出现漏检、误检、虚警等问题。目前,基于传统图像处理方法以及基于深度学习算法在红外弱小目标检测方面取得了重大进展。主要讨论了红外弱小目标检测方法的最新研究进展,涵盖了基于单帧检测方法、多帧检测方法以及深度学习方法,分析了现有技术的优势和局限性,总结讨论了未来红外弱小目标检测算法的发展方向。 展开更多
关键词 红外成像 红外探测 单帧目标检测 多帧目标检测 深度学习目标检测
在线阅读 下载PDF
改进的YOLOv8无人机小目标检测算法
19
作者 王燕妮 张婧菲 《探测与控制学报》 北大核心 2025年第5期44-50,共7页
针对YOLOv8算法在无人机视角下小目标性能不佳的问题,提出一种改进后的YOLOv8-NDTiny算法。改进原有的CIoU损失函数,引入NWD损失函数,提高算法对于小目标的敏感度;在保持算法原有参数量的同时,将原有C2f模块中的卷积模块替换成可变形卷... 针对YOLOv8算法在无人机视角下小目标性能不佳的问题,提出一种改进后的YOLOv8-NDTiny算法。改进原有的CIoU损失函数,引入NWD损失函数,提高算法对于小目标的敏感度;在保持算法原有参数量的同时,将原有C2f模块中的卷积模块替换成可变形卷积,使得模型能够适应复杂的场景;优化了颈部结构,将原有的检测头替换成小目标检测层,使模型更加轻量化,并提高网络对小目标的感知能力。实验数据表明,改进后的算法相比原算法在VisDrone2019数据集上mAP@0.5和mAP@0.5:0.95分别提高了2.4%和1.8%,并且参数量为原先的71%。 展开更多
关键词 小目标检测 NWD损失函数 小目标检测层 可变形卷积
在线阅读 下载PDF
残差变分编码流实现的小样本目标检测
20
作者 徐芳 陈壹华 +3 位作者 余松森 陈榕榕 曾易文浩 杨明樟 《微电子学与计算机》 2025年第6期54-66,共13页
现有的小样本目标检测方法通常将支持集的图像编码到低维特征空间,以获取类别原型,作为查询图像特征与支持集图像特征之间相似性比较的依据。针对现有小样本目标检测方法计算得出的类别原型对类间方差敏感,提取到的特征缺乏代表性,导致... 现有的小样本目标检测方法通常将支持集的图像编码到低维特征空间,以获取类别原型,作为查询图像特征与支持集图像特征之间相似性比较的依据。针对现有小样本目标检测方法计算得出的类别原型对类间方差敏感,提取到的特征缺乏代表性,导致模型检测和泛化性能损害的问题,提出了残差变分编码流(Residual Variational Encoder Flow, RVF)方法,能够在数据稀缺的情况下学习类别的潜在结构,生成更鲁棒的特征分布。引入了特征交叉融合(Non-linear Feature Crossing Aggregation, NFC)模块,捕捉特征之间复杂的非线性关系。通过解耦检测头中的分类和回归任务,并改进分类分支,显著提升了检测性能。在PASCAL VOC2007和PASCAL VOC2012数据集上的实验证明了提出方法的有效性。实验结果表明:所提出的残差变分编码流模型在split1、split2、split3子集的1、2、3 shot实验中表现最佳,平均精度分别达到64.6%、47.1%和57.1%。比之前的方法相比,在split1、split2、split3子集中精度分别提高了2.5%、1.8%、0.8%,验证了提出方法在极低样本量的情况下的有效性。 展开更多
关键词 小样本学习 目标检测 小样本目标检测 特征融合
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 250 下一页 到第 页
使用帮助 返回顶部