基于YOLO v7-ST-ASFF的复杂果园环境下苹果成熟度检测方法 被引量：5

1

作者 苗荣慧 李港澳 +2 位作者 黄宗宝 李志伟 杜慧玲 《农业机械学报》 EI CAS CSCD 北大核心 2024年第6期219-228,共10页

针对复杂果园环境下目标检测算法参数量大、鲁棒性差等问题,本文提出一种改进的YOLO v7网络模型用于苹果成熟度(未成熟、半成熟、成熟)检测。以YOLO v7为基线网络,在特征提取结构中引入窗口多头自注意力机制(Swin transformer,ST),极大... 针对复杂果园环境下目标检测算法参数量大、鲁棒性差等问题,本文提出一种改进的YOLO v7网络模型用于苹果成熟度(未成熟、半成熟、成熟)检测。以YOLO v7为基线网络,在特征提取结构中引入窗口多头自注意力机制(Swin transformer,ST),极大地降低网络参数量与计算量;为提高模型对远景图像中小目标的检测能力,在特征融合结构中引入自适应空间特征融合(Adaptively spatial feature fusion,ASFF)模块优化Head部分,有效利用图像的浅层特征和深层特征,加强特征尺度不变性;采用WIoU(Wise intersection over union)代替原始CIoU(Complete intersection over union)损失函数,在提高检测准确率的同时加快模型收敛速度。试验结果表明,本文改进的YOLO v7-ST-ASFF模型在苹果图像测试集上的检测速度和准确率均有显著提高,不同成熟度检测精确率、召回率和平均精度均值可达92.5%、84.2%和93.6%,均优于Faster R-CNN、SSD、YOLO v3、YOLO v5、YOLO v7以及YOLO v8目标检测模型;针对多目标、单目标、顺光、逆光、远景、近景以及套袋、未套袋苹果目标的检测效果都较好;本文网络模型内存占用量为53.4MB,模型平均检测时间(Average detection time,ADT)为45.ms,均优于其他目标检测模型。改进的YOLO v7-ST-ASFF模型能够满足复杂果园环境下苹果目标的检测,可为果蔬机器人自动化采摘提供技术支撑。 展开更多

关键词 苹果 成熟度检测 复杂果园环境 YOLO v7 窗口多头自注意力机制 asff

在线阅读 下载PDF 职称材料

融合YOLOX和ASFF的高原山地灾害检测模型 被引量：2

2

作者 何明杰 刘德方 +1 位作者 张猛 李高会 《防灾减灾工程学报》 CSCD 北大核心 2023年第6期1215-1223,共9页

YOLOX是全球首个一阶无锚框目标检测模型,超越了YOLO-V(3-5)和SSD等传统锚框模型,极大提高了山地灾害检测识别精度。然而,该模型存在不同尺度之间特征不一致的问题,融合后的特征图质量有待提升。以西藏高原山地灾害重灾区为试验区,在建... YOLOX是全球首个一阶无锚框目标检测模型,超越了YOLO-V(3-5)和SSD等传统锚框模型,极大提高了山地灾害检测识别精度。然而,该模型存在不同尺度之间特征不一致的问题,融合后的特征图质量有待提升。以西藏高原山地灾害重灾区为试验区,在建立了西藏高原山地灾害数据集的基础上,通过融合Adaptively Spatial Feature Fusion(ASFF)注意力机制和骨干网络尺寸调整机制,设计了一个优化的、不同适用性的高原山地灾害检测模型(Plateau mountain disaster detection model,PMDDM)。为验证PMDDM模型的优越性,将其与传统YOLOX模型、不同注意力机制、不同目标检测模型进行了对比分析,并且对不同尺度模型的检测性能和可视化结果也进行了对比分析研究。结果表明:ASFF注意力机制可以有效的解决传统YOLOX模型中存在的不同尺度特征间的特征不一致问题,且对模型检测性能提升明显优于SE、CBAM、ECA、GAM和Coord等注意力机制;PMDDM模型对山地灾害的检测精度优于Faster-RCNN、SSD和YOLO-V3模型,可以满足不同工作场景对硬件配置、检测速度和精度的需求,且模型尺度越大,识别目标的准确率越高。 展开更多

关键词 高原山地灾害 目标检测 注意力机制 YOLOX asff

原文传递

改进YOLOv5s的路面坑槽目标检测模型 被引量：1

3

作者 赵江平 王欣然 吴立舟 《中国安全科学学报》 北大核心 2025年第1期67-74,共8页

为提高道路安全巡检工作中路面坑槽隐患的检测效率和自动化水平,降低交通事故发生概率,构建一种基于改进YOLOv5s的路面坑槽隐患智能检测模型。在原YOLOv5s网络中加入自适应空间特征融合(ASFF)模块,将主干网络替换为FasterNet网络,引入... 为提高道路安全巡检工作中路面坑槽隐患的检测效率和自动化水平,降低交通事故发生概率,构建一种基于改进YOLOv5s的路面坑槽隐患智能检测模型。在原YOLOv5s网络中加入自适应空间特征融合(ASFF)模块,将主干网络替换为FasterNet网络,引入轻量通道注意力(ECA)模块;通过消融试验分析改进模块对检测模型性能的影响,验证目标检测效果,并开发交互式可视化检测界面。结果表明:改进后的模型精度、召回率和平均检测精度分别提升了4.1%、9.9%和5.6%。较原网络有较为显著的提升,具有良好的检测效果,能够满足路面坑槽自动化检测的应用需求,提高巡检效率,减少因路面坑槽导致的交通事故。 展开更多

关键词 YOLOv5s 路面坑槽 目标检测 自适应空间特征融合(asff) FasterNet

原文传递

基于改进Faster R-CNN的机场跑道道面裂缝检测方法 被引量：1

4

作者 张璐 高培伟 +1 位作者 张芊伊 李国庆 《粘接》 2025年第5期159-162,共4页

民航运输在中国交通体系中占据着至关重要的地位。随着机场使用年限的延长,道面损伤问题日益严重,这对飞机滑行与起降的安全构成了重大威胁。为了降低飞机在起降过程的风险性,提出了一种基于Faster R-CNN的改进检测方法。该检测方法综... 民航运输在中国交通体系中占据着至关重要的地位。随着机场使用年限的延长,道面损伤问题日益严重,这对飞机滑行与起降的安全构成了重大威胁。为了降低飞机在起降过程的风险性,提出了一种基于Faster R-CNN的改进检测方法。该检测方法综合利用了GC-ASFF模块、CIoU指标、改进损失函数和迁移学习等深度学习和目标检测技术,实现了对道面裂缝的准确检测,以便利用识别到的道面裂缝特征参数来对当前道面安全状况进行评估。试验结果表明,改进后的模型识别精度较高,综合性能较优,对于飞机跑道道面损伤能够进行精准识别和检测,具有较高的可靠性。 展开更多

关键词 裂缝检测 Faster R-CNN asff 交并比 损失函数

在线阅读 下载PDF 职称材料

基于特征对齐和特征融合的半监督目标检测算法

5

作者 汤文兵 李菲 《重庆工商大学学报(自然科学版)》 2025年第1期35-41,共7页

目的针对半监督目标检测导致数据特征表示不充分,数据样本类不均衡等问题,提出一种基于特征对齐和特征融合的半监督目标检测方法。方法在常见的半监督目标检测框架中,伪标签是完全根据分类分数生成的,然而,高置信度预测并不总是保证准确... 目的针对半监督目标检测导致数据特征表示不充分,数据样本类不均衡等问题,提出一种基于特征对齐和特征融合的半监督目标检测方法。方法在常见的半监督目标检测框架中,伪标签是完全根据分类分数生成的,然而,高置信度预测并不总是保证准确的bbox定位。为了解决定位不准确问题和特征表示不充分问题,受Consistent Teacher中的FAM-3D算法启发,考虑分类和定位的最优特征可能在不同尺度上,引入T-head特征对齐头算法,在Unbiased Teacher V2中成功地将分类和定位分支进行对齐,并且引入ASFF,通过空间过滤冲突信息的方法来抑制不一致性,从而提高了特征的尺度不变性,实现特征在空间上的融合;通过学习不同特征图之间的联系来解决特征金字塔内部的不一致性问题。结果根据实验结果,改进的算法在COCO数据集、VOC数据集上都有一定的比例提升。结论改进的算法可以有效减轻数据表示不充分和数据样本类不均衡问题,同时也提高了算法的精度。 展开更多

关键词 目标检测 半监督学习 特征对齐 特征金字塔 asff

在线阅读 下载PDF 职称材料

基于机器视觉的井场安全隐患识别模型在不同因素影响下识别效果研究

6

作者 胡瑾秋 胡洋柏 +2 位作者 储胜利 许子涵 马铭骏 《工业安全与环保》 2025年第10期7-11,共5页

为提高井场安全隐患识别的精确性,验证不同因素影响下的识别效果,提出一种基于YOLOv5s-SimAM-ASFF的油气钻采井场安全隐患识别方法。通过对井场腐蚀进行识别,验证改进后模型的隐患识别效果,在不同场景因素影响条件下应用改进后的模型对... 为提高井场安全隐患识别的精确性,验证不同因素影响下的识别效果,提出一种基于YOLOv5s-SimAM-ASFF的油气钻采井场安全隐患识别方法。通过对井场腐蚀进行识别,验证改进后模型的隐患识别效果,在不同场景因素影响条件下应用改进后的模型对井场腐蚀进行识别。结果表明,正常条件下,改进后的模型平均识别精度为92.4%,比原始模型提高了10.4百分点,改进后模型对油气钻采井场安全隐患具有较好的识别效果,比原始模型识别效果好;在不同光照强度、不同位置和方向、不同目标大小、不同图像清晰程度条件下,改进后模型平均识别精度比在正常条件下分别平均低24.2、60.1、57.8、42.1百分点,目前模型适用于在正常条件下对井场腐蚀进行识别。 展开更多

关键词 油气钻采井场 安全隐患 机器视觉 YOLOv5s-SimAM-asff 井场腐蚀 场景因素

在线阅读 下载PDF 职称材料

基于改进Faster RCNN的瓷砖表面缺陷检测算法 被引量：4

7

作者 王建国 孙付仲 +1 位作者 苑子龙 孙殿富 《南京工业大学学报(自然科学版)》 北大核心 2025年第1期49-55,共7页

瓷砖作为生产生活中的必需品,受各种生产因素影响会产生不同的表面缺陷。目前,该缺陷主要靠人工检测,因此带来检测效率低、劳动强度大等难题。针对瓷砖表面的多种缺陷,提出了一种基于机器视觉的快速卷积神经网络(Faster RCNN)改进算法... 瓷砖作为生产生活中的必需品,受各种生产因素影响会产生不同的表面缺陷。目前,该缺陷主要靠人工检测,因此带来检测效率低、劳动强度大等难题。针对瓷砖表面的多种缺陷,提出了一种基于机器视觉的快速卷积神经网络(Faster RCNN)改进算法。首先,针对训练过程中存在的过拟合问题,对原始数据集进行预处理,扩充数据集容量;其次,在Faster RCNN算法主干特征提取网络中添加卷积块注意力混合模块(CBAMM)机制,对瑕疵缺陷进行自主学习并加强对图像深层特征的提取;最后,为保证瓷砖图像中小瑕疵特征的提取,在获得的Proposal建议框上提出自适应空间特征融合(ASFF)算法。结果表明:改进Faster RCNN算法对各类缺陷检测精度均能达到97.2%以上,相较于原始算法,该模型检测精度提升了3.5%,可以更精确地检测瓷砖瑕疵,有利于提高企业的经济效益。 展开更多

关键词 缺陷检测 机器视觉 Faster RCNN 深度学习 CBAMM asff

在线阅读 下载PDF 职称材料

SAD-YOLOv5:基于YOLOv5的铝合金表面缺陷检测方法

8

作者 袁俊森 凌六一 《重庆工商大学学报(自然科学版)》 2025年第3期77-83,共7页

目的铝合金铸件表面缺陷检测是工业中的一个重要应用,正确且快速地检测出铸件表面的缺陷可以大大提高产量和质量。针对图像中缺陷目标较小,缺陷类别易混淆,定位不精准等问题,提出了一种在一级检测器基础上改进的SAD-YOLOv5模型。方法针... 目的铝合金铸件表面缺陷检测是工业中的一个重要应用,正确且快速地检测出铸件表面的缺陷可以大大提高产量和质量。针对图像中缺陷目标较小,缺陷类别易混淆,定位不精准等问题,提出了一种在一级检测器基础上改进的SAD-YOLOv5模型。方法针对一般卷积神经网络中由于跨步卷积和池化层导致网络训练过程中信息丢失的问题,通过引入空间到深度(space-to-depth,SPD)模块避免细粒度信息的丢失,提高对小目标的特征学习能力;为进一步提升网络模型精度,在网络的Head中引入自适应空间特征融合(adaptively spatial feature fusion,ASFF)和Decoupled Head,其中ASFF通过实现不同特征之间的自适应融合,抑制了不同尺度特征之间的不一致性,保留更有鉴别性的信息,从而提升网络学习能力;使用Decoupled Head替换原先的耦合头,将分类和回归进行解耦,使分类更加关注纹理信息,回归更加关注边缘信息,二者各司其职,进一步提升网络判断能力。结果在自己拍摄的铸件缺陷检测数据集中的测试结果表明,SAD-YOLOv5的mAP@0.5和mAP@0.5:0.95分别为95.1%和68%,较基线模型(YOLOv5)分别提升了1%和3.3%。结论SAD-YOLO5能更准确地完成铝合金铸件的表面缺陷检测任务。 展开更多

关键词 铝合金铸件 表面缺陷检测 YOLOv5 SPD asff Decoupled Head

在线阅读 下载PDF 职称材料

基于改进YoloX的输电通道工程车辆小目标检测识别

9

作者 张智坚 焦良葆 +3 位作者 高阳 邹辉军 孙宏伟 王彦生 《计算机与数字工程》 2025年第2期415-421,485,共8页

针对输电通道下存在的工程车辆小目标严重威胁输电通道安全,原始YoloX算法对小目标漏检严重的现象,在原始单阶段目标检测算法YoloX的基础上添加视觉注意力机制SK来增大感受野;使用空洞卷积模块替换原始网络中的SPP模块,进一步融合不同... 针对输电通道下存在的工程车辆小目标严重威胁输电通道安全,原始YoloX算法对小目标漏检严重的现象,在原始单阶段目标检测算法YoloX的基础上添加视觉注意力机制SK来增大感受野;使用空洞卷积模块替换原始网络中的SPP模块,进一步融合不同感受野信息;在网络Neck部分添加ASFF模块,提高底层特征中的细粒度特征;最后利用二次识别后处理方式,进一步降低小目标的漏检率。实验结果表明,提出的算法提高了检测的准确率,与传统的YoloX算法相比,mAP提高了8.46%,小目标的识别效果明显提升,证明了新算法的有效性。 展开更多

关键词 YoloX 小目标 注意力机制 asff 二次识别

在线阅读 下载PDF 职称材料

基于改进YOLOv8的水轮机转轮叶片裂纹及气蚀缺陷识别方法

10

作者 鹿明明 邱威 +4 位作者 杨岑岑 姬升阳 刘德新 严靖南 张谷雄 《水电能源科学》 北大核心 2025年第6期189-193,共5页

针对水轮机转轮叶片表面裂纹及气蚀缺陷检测需求,提出了一种改进的YOLOv8目标检测算法。通过架构优化实现三阶段改进,即在Neck部分嵌入CBAM注意力机制强化特征表达能力,新增1/4尺度的检测头增强多尺度特征捕获能力,在检测头前引入ASFF... 针对水轮机转轮叶片表面裂纹及气蚀缺陷检测需求,提出了一种改进的YOLOv8目标检测算法。通过架构优化实现三阶段改进,即在Neck部分嵌入CBAM注意力机制强化特征表达能力,新增1/4尺度的检测头增强多尺度特征捕获能力,在检测头前引入ASFF模块实现自适应特征融合。试验表明,改进模型在保持24FPS实时性的同时,平均精度均值与召回率分别达到95.9%、92.3%,较基准YOLOv8分别提升0.7%、0.4%。横向对比中,所提方法在YOLOv5/YOLOv6/YOLOv7上的平均精度均值优势达3.5%/2.2%/1.1%,且检测速度优于同类模型。试验数据验证了注意力机制与多尺度特征融合策略的协同增效作用,为水轮机转轮叶片表面缺陷检测提供了兼具高精度与高效率的解决方案。 展开更多

关键词 水轮机 YOLOv8 CBAM asff 特征融合

原文传递

基于深度学习的烟支检测研究

11

作者 李晓玲 《电子制作》 2025年第11期38-41,共4页

校园内众多区域禁止吸烟,吸烟不仅危害学生个人的健康,而且对周围师生造成一定影响,甚至可能引发火灾,带来极其严重的后果。为了更好地助力学校管理学生违规吸烟行为,提出一种基于深度学习的烟支检测方法。该方法在YOLOX-s模型基础之上... 校园内众多区域禁止吸烟,吸烟不仅危害学生个人的健康,而且对周围师生造成一定影响,甚至可能引发火灾,带来极其严重的后果。为了更好地助力学校管理学生违规吸烟行为,提出一种基于深度学习的烟支检测方法。该方法在YOLOX-s模型基础之上,引入CBAM注意力机制,增强模型对小目标区域特征的提取能力,并在PAFPN网络后面添加ASFF自适应空间特征融合模块,充分融合高层特征的语义信息和底层特征的细粒度特征,进一步提升目标检测的性能,同时选用EIOU作为损失函数。实验结果表明,该算法在校园吸烟检测中效果较好,为校园禁烟区域的智能化监控提供了应用价值。 展开更多

关键词 烟支检测 YOLOX-s CBAM注意力机制 asff自适应空间特征融合

在线阅读 下载PDF 职称材料

基于窗口自注意力网络与YOLOv5融合的输电线路通道异物检测 被引量：3

12

作者 薛昂 姜恩宇 +2 位作者 张文涛 林顺富 米阳 《上海交通大学学报》 北大核心 2025年第3期413-423,共11页

针对输电线路通道异物检测背景复杂以及小目标情况下检测效果不佳等问题,提出一种基于窗口自注意力网络与YOLOv5模型融合的输电线路通道安全检测算法.首先,选用窗口自注意力(S-T)网络优化主干网络,扩大模型感受视野,增强提取有效信息的... 针对输电线路通道异物检测背景复杂以及小目标情况下检测效果不佳等问题,提出一种基于窗口自注意力网络与YOLOv5模型融合的输电线路通道安全检测算法.首先,选用窗口自注意力(S-T)网络优化主干网络,扩大模型感受视野,增强提取有效信息的能力.其次,改进自适应空间特征融合(ASFF)模块,增强多尺度特征融合能力.最后,考虑到真实框与预测框不匹配的问题,引入结构相似性交并比(SIoU),优化边界误差,提高小目标定位准确性.实验结果表明,本文模型对线路通道多目标入侵检测精度达到90.2%,且提升了小目标检测效果;与主流目标检测算法相比,可以更好地满足输电线路通道中的异物检测需求. 展开更多

关键词 智能化巡检 输电线路通道 目标检测 窗口自注意力网络 自适应空间特征融合

在线阅读 下载PDF 职称材料

基于MCB-FAH-YOLOv8的钢材表面缺陷检测算法 被引量：32

13

作者 崔克彬 焦静颐 《图学学报》 CSCD 北大核心 2024年第1期112-125,共14页

针对现有基于深度学习的钢材表面缺陷检测算法存在误检、漏检和检测精度低等问题,提出一种基于改进CBAM(modified CBAM,MCB)和可替换四头ASFF预测头(four-head ASFF prediction head,FAH)的YOLOv8钢材表面缺陷检测算法,简记为MCB-FAH-YO... 针对现有基于深度学习的钢材表面缺陷检测算法存在误检、漏检和检测精度低等问题,提出一种基于改进CBAM(modified CBAM,MCB)和可替换四头ASFF预测头(four-head ASFF prediction head,FAH)的YOLOv8钢材表面缺陷检测算法,简记为MCB-FAH-YOLOv8。通过加入改进后的卷积注意力机制模块(CBAM)对密集目标更好的确定;通过将FPN结构改为BiFPN更加高效的提取上下文信息;通过增加自适应特征融合(ASFF)自动找出最适合的融合特征;通过将SPPF模块替换为精度更高的SimCSPSPPF模块。同时,针对微小物体检测,提出了四头ASFF预测头,可根据数据集特点进行替换。实验结果表明,MCB-FAH-YOLOv8算法在VOC2007数据集上检测精度(mAP)达到了88.8%,在NEU-DET钢铁缺陷检测数据集上检测精度(mAP)达到了81.8%,较基准模型分别提高了5.1%和3.4%,该算法在牺牲较少检测速度的情况下取得较高的检测精度,很好的平衡了算法的精度和速度。 展开更多

关键词 MCB-FAH-YOLOv8 缺陷检测 注意力机制 四头asff预测头 特征融合

在线阅读 下载PDF 职称材料

改进YOLOv8的路面病害检测模型 被引量：3

14

作者 邓天民 李亚楠 +2 位作者 李庆营 李宇航 王含笑 《重庆理工大学学报（自然科学）》 CAS 北大核心 2024年第4期138-145,共8页

针对路面病害检测存在的病害尺度差异大、细小病害特征提取难、病害在图像中占比小等问题,提出一种基于改进YOLOv8的路面病害检测方法。以YOLOv8s网络结构为基础,通过引入通道注意力机制和无跨步卷积网络结构,构建了一种无信息丢失的下... 针对路面病害检测存在的病害尺度差异大、细小病害特征提取难、病害在图像中占比小等问题,提出一种基于改进YOLOv8的路面病害检测方法。以YOLOv8s网络结构为基础,通过引入通道注意力机制和无跨步卷积网络结构,构建了一种无信息丢失的下采样网络模块,在剔除背景冗余信息的同时更多地保留了病害纹理特征;通过构建基于PANet的多尺度自适应特征融合网络,增强了网络浅层特征捕获能力,实现了不同尺度特征信息的高效融合;采用Focal Loss损失函数,对各样本赋予对应的权重,缓解了正负样本不平衡问题。实验表明:所提方法在RDD2020和RDD2022数据集上的平均精度分别达到57.1%和52.8%,与YOLOv8s模型相比分别提升3.2和0.6个百分点,整体性能优于YOLOv5等其他检测网络。 展开更多

关键词 路面病害检测 多尺度特征融合 无跨步卷积网络 asff

在线阅读 下载PDF 职称材料

结合密集面对齐的三维人脸重建

15

作者 刘秀英 林重汕 +1 位作者 汪显顺 梅常鹏 《计算机系统应用》 2025年第10期217-228,共12页

针对基于单图人脸重建,由于模型复杂训练难度大以及特征提取精度有限导致生成效果不佳的问题,本研究提出一种以MobileNetV2为基础网络结构的三维人脸重建精度提升方法.该方法结合三维密集面对齐(3D dense face alignment, 3DDFA)模型,... 针对基于单图人脸重建,由于模型复杂训练难度大以及特征提取精度有限导致生成效果不佳的问题,本研究提出一种以MobileNetV2为基础网络结构的三维人脸重建精度提升方法.该方法结合三维密集面对齐(3D dense face alignment, 3DDFA)模型,引入自适应空间特征融合(adaptive spatial feature fusion, ASFF)技术和卷积块注意力模块(convolutional block attention module, CBAM).与传统卷积模型对比,所提方法在减少模型复杂度的同时提升了模型对局部特征的提取精度;与3DDFA模型对比,所提方法在不影响识别速度的前提下提升了模型的特征提取精度.在AFLW数据集和AFLW2000-3D数据集上与3DDFA模型进行了对比实验,实验结果表明本方法在两个数据集上的重建精度分别提升了11.27%和11.41%. 展开更多

关键词 三维人脸重建 3DMM MobileNetV2 卷积块注意力模块 自适应空间特征融合

在线阅读 下载PDF 职称材料

基于改进YOLOv5s的跌倒行为检测 被引量：2

16

作者 朱正林 钱予阳 +2 位作者 马辰宇 王悦炜 史腾 《计算机测量与控制》 2024年第10期26-31,38,共7页

为了实现电厂人员跌倒行为的实时检测,防止跌倒昏迷而无法被及时发现并救援的事件发生,针对跌倒行为检测实时性以及特征提取能力不足的问题,提出了一种改进YOLOv5s的跌倒行为检测算法网络:在YOLOv5s模型中引入SKAttention注意力模块,使... 为了实现电厂人员跌倒行为的实时检测,防止跌倒昏迷而无法被及时发现并救援的事件发生,针对跌倒行为检测实时性以及特征提取能力不足的问题,提出了一种改进YOLOv5s的跌倒行为检测算法网络:在YOLOv5s模型中引入SKAttention注意力模块,使得网络可以自动地利用对分类有效的感受野捕捉到的信息,这种新的深层结构允许CNN在卷积核心上执行动态选择机制,从而自适应地调整其感受野的大小;同时结合ASFF自适应空间融合,并在其中充分利用不同特征,又在算法中引入权重参数,以多层次功能为基础,实现了水下目标识别精度提升的目标;加入空间金字塔池化结构SPPFCSPC,大幅缩短了推理时间;实验结果表明,相比于原始YOLOv5s,新网络在mAP平均精度均值方面提升了2.1%,查全率提升了16%;改进后的网络在感知细节和空间建模方面更加强大,能够更准确地捕捉到人员跌倒的异常行为,检测效果有了显著提升。 展开更多

关键词 SKAttention注意力模块 卷积核 asff 权重参数 空间金字塔池化

在线阅读 下载PDF 职称材料

无人机对地小目标检测方法研究 被引量：7

17

作者 苏雨蕾 黄丹丹 +1 位作者 刘智 田成军 《电子测量与仪器学报》 CSCD 北大核心 2024年第9期144-154,共11页

无人机图像中的小目标检测是研究的重难点之一。与大目标相比,小目标特征较少,更易受到遮挡和复杂背景的干扰,针对该问题,提出一种基于YOLOv7-tiny的多模型融合目标检测网络YOLO-DA。首先,增加小目标和极小目标检测层,提高网络对小目标... 无人机图像中的小目标检测是研究的重难点之一。与大目标相比,小目标特征较少,更易受到遮挡和复杂背景的干扰,针对该问题,提出一种基于YOLOv7-tiny的多模型融合目标检测网络YOLO-DA。首先,增加小目标和极小目标检测层,提高网络对小目标特征的学习能力;其次,引入空间自适应特征融合ASFF-L检测头,通过学习空间过滤冲突信息来抑制不同尺度特征的不一致性,实现多尺度特征的自适应融合;最后,引入DCNS可变形卷积并设计了扩展变形建模范围的调制机制,增强模型的建模能力,降低遮挡重叠等对检测的影响。经试验验证,提出的方法在Visdrone2019数据集上实现了44.7%的平均精度及71 fps的推理速度,平均精度较基线算法提高了9.7%,模型内存为63.8 M,能够实现实时检测。通过消融、对比实验表明YOLO-DA在无人机航拍图像检测方面明显减少了误检和漏检问题,具有更高的检测性能,且算法参数量和计算量可以满足无人机等边缘设备的实时检测需求。 展开更多

关键词 无人机 目标检测 YOLOv7-tiny asff-L模块 DCNS卷积

原文传递

基于改进的YOLOv3算法的船舶目标检测 被引量：1

18

作者 张帆 姜文刚 《计算机与数字工程》 2024年第5期1348-1352,1372,共6页

针对水面上目标尺度多样、背景复杂等问题,论文提出了一种改进的YOLOv3算法。通过加上自适应特征融合ASFF网络结构,从而能够有效地融合不同尺度的特征,提高检测网络对于多尺寸目标的检测能力;通过使用CIOU损失函数,提高复杂背景下检测... 针对水面上目标尺度多样、背景复杂等问题,论文提出了一种改进的YOLOv3算法。通过加上自适应特征融合ASFF网络结构,从而能够有效地融合不同尺度的特征,提高检测网络对于多尺寸目标的检测能力;通过使用CIOU损失函数,提高复杂背景下检测框的定位精度;通过利用软非极大值抑制算法Soft-NMS算法,解决了多目标重叠下目标框误删的问题。实验结果表明,论文提出的方法检测精度优于其他算法,而且对小目标的检测也有了一定的提升。 展开更多

关键词 目标检测 YOLOv3 CIOU asff Soft-NMS

在线阅读 下载PDF 职称材料

基于改进YOLOX的钢材表面缺陷检测研究 被引量：11

19

作者 刘毅 蒋三新 《现代电子技术》 北大核心 2024年第9期131-138,共8页

针对目前单阶段目标检测网络YOLOX的特征提取能力不足、特征融合不充分以及钢材表面缺陷检测精度不高等问题,提出一种改进YOLOX的钢材表面缺陷检测算法。首先,在Backbone部分引入改进的SE注意力机制,增添一条最大池化层分支,进行权重融... 针对目前单阶段目标检测网络YOLOX的特征提取能力不足、特征融合不充分以及钢材表面缺陷检测精度不高等问题,提出一种改进YOLOX的钢材表面缺陷检测算法。首先,在Backbone部分引入改进的SE注意力机制,增添一条最大池化层分支,进行权重融合,强化重要的特征通道;其次,在Neck部分引入ASFF模块,充分利用不同尺度的特征,更好地进行特征融合;最后,针对数据集所呈现的特点,将IOU损失函数替换为EIOU损失函数,改善模型定位不准确的问题,提高缺陷检测精度。实验结果表明,改进的YOLOX算法具有良好的检测效果,在NEU⁃DET数据集上的mAP达到了75.66%,相比原始YOLOX算法提高了3.74%,较YOLOv6提升了2.76%,检测精度优于其他主流算法。 展开更多

关键词 YOLOX 单阶段目标检测网络 SE注意力机制 asff模块 表面缺陷检测 EIOU损失函数

在线阅读 下载PDF 职称材料

基于自适应特征融合和注意力机制的变电设备红外图像识别 被引量：2

20

作者 王媛彬 吴冰超 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第9期3749-3756,共8页

针对变电设备红外图像复杂背景下多目标、小目标及遮挡目标识别效果差的问题,该文提出一种基于中心点网络(CenterNet)的变电设备红外图像识别方法。通过将自适应特征融合模块(ASFF)和特征金字塔(FPN)相结合,构建ASFF+FPN结构的特征融合... 针对变电设备红外图像复杂背景下多目标、小目标及遮挡目标识别效果差的问题,该文提出一种基于中心点网络(CenterNet)的变电设备红外图像识别方法。通过将自适应特征融合模块(ASFF)和特征金字塔(FPN)相结合,构建ASFF+FPN结构的特征融合网络,增强了模型对多目标和小目标的跨尺度特征融合能力,排除背景信息;针对网络对遮挡目标特征捕捉能力差的问题,在特征融合网络中添加全局注意力机制,增强目标显著度;为实现模型轻量化,引入深度可分离卷积,减少参数量和推理时间;最后,通过引入分布焦点损失函数,克服了原损失函数对遮挡目标敏感性差的问题,提升了模型收敛速度和识别精度。在包含7种红外变电设备图像的自建数据集上进行测试。实验表明该算法与原始算法相比,识别精度提升了3.55%,达到了95.19%,模型参数量仅为32.52M,与4种主流目标识别算法对比,该算法在识别精度和算法复杂度上具有明显优势。 展开更多

关键词 变电设备 红外图像识别 中心点网络 自适应特征融合 注意力机制

在线阅读 下载PDF 职称材料