-
题名基于改进YOLOv7-Pose的人体姿态估计算法
- 1
-
-
作者
侯相军
陈亚军
-
机构
西华师范大学电子信息工程学院
-
出处
《成都信息工程大学学报》
2025年第4期441-445,共5页
-
基金
教育部产学合作协同育人资助项目(201802031076)。
-
文摘
针对目前人体姿态估计模型对关键点识别精度有待提升、计算量较大等问题,提出一种基于YOLOv7-Pose的改进算法———AD-YOLOPose。使用DSConv卷积替换原3×3卷积,保证模型精度的同时忽略次要信息,降低模型的计算量;引入CBAM注意力机制,提高模型的特征描述能力,减少复杂环境信息的干扰;将原SPPCSPC层替换为AIFI模块,在不影响模型性能的同时降低模型参数量和运算成本。COCO2017骨骼数据集上的实验结果表明,改进模型的F1值提高了2%,mAp@0.5提高了1.9%,mAp@0.5:0.95提高了3.9%,GFLOPs降低了约47.8%。
-
关键词
关键点检测
YOLOv7-Pose
DSConv
CBAM
aifi
-
Keywords
keypoint detection
YOLOv7-Pose
DSConv
CBAM
aifi
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名一种改进YOLOv7的瓦楞纸箱表面缺陷检测方法
- 2
-
-
作者
易志雄
周博文
袁梓麒
-
机构
湖南科技大学信息与电气工程学院
-
出处
《电子测试》
2023年第4期7-12,共6页
-
文摘
针对物流过程中对瓦楞纸箱表面外观检测,通用的检测算法在面对小目标、低光照、背景复杂的情况下,不能有效地对缺陷目标进行检测。为此,本文提出一种基于改进YOLOv7的瓦楞纸箱表面缺陷检测方法,有效地提升检测效果。首先,在YOLOv7的骨干网络中加入AIFI模块,通过有效地提取特征来提升模型的检测精度,还可以减少计算冗余。同时,为了进一步提高模型检测性能,添加感受野注意力卷积运算(RFAConv)模块,利用空间注意机制关注感受场的空间特征,与卷积的结合消除了卷积参数共享的问题,再通过全局平均池化来获取全局信息,再次提升模型的检测性能。实验结果证明,本文算法相较于原YOLOv7算法,在模型大小、参数量基本保持不变的情况下,检测精度mAP从原来的96.3%提高到了97.5%,总体提升了1.2%,有效验证了本文改进算法的有效性。
-
关键词
瓦楞纸箱
缺陷检测
YOLOv7
aifi
RFAConv
-
Keywords
corrugated carton
defect detection
YOLOv7
attention-based intra-scale feature interaction(aifi)
RFAConv
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名融入特征交互与注意力的轻量化混凝土裂缝分割算法
- 3
-
-
作者
彭垚潘
张荣芬
刘宇红
欧阳玉旋
-
机构
贵州大学大数据与信息工程学院
-
出处
《光电子.激光》
北大核心
2025年第7期722-732,共11页
-
基金
贵州省基础研究自然科学项目(黔科合基础-ZK[2021]重点001)资助项目。
-
文摘
裂缝是混凝土建筑结构中最大的安全隐患之一。为实时高效分割混凝土裂缝并及时评估其危害,提出一种改进DeepLabV3+的轻量化裂缝分割算法。首先,使用MobileNetV3作为轻量级主干,大幅降低模型参数量;其次,使用尺度内特征交互模块(attention-based intrascale feature interaction,AIFI)建模全局信息并引入基于归一化的注意力模块(normalization-based attention module,NAM),促进多层次裂缝特征信息的交互;此外,提取低层次高分辨率特征后引入混合注意力机制(ACmix),更有效捕获细节特征;最后,设计C2f-SCConv模块,对融合后的高低层级特征流解码,减小计算冗余,提升对多尺度特征的感知能力。在公共裂缝数据集Concrete 3k和Asphalt3k上的实验结果表明,提出的模型参数量相比DeepLabV3+降低了88.1%,像素准确率提升0.02%,平均交并比(mean intersection over union,mIoU)达到了86.21%,平均帧率为47.91帧/s,在显著降低模型复杂度的同时提高了对裂缝的分割效能。
-
关键词
混凝土裂缝语义分割
DeepLabV3+
轻量化
尺度内特征交互(aifi)
注意力机制
-
Keywords
concrete crack semantic segmentation
DeepLabV3+
lightweight
attention-based intrascale feature interaction(aifi)
attention mechanism
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
