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303篇文章
< 1 2 … 16 >
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：
YOLOv11中融合BiFPN和ShuffleAttention的人体异常行为检测方法
1
作者 许智浩 刘海鹏 +1 位作者 朱秋煜 熊席慧 《工业控制计算机》 2026年第2期59-61,64,共4页
人体异常行为检测在公共安防与医疗监护中具有重要应用价值,其核心挑战在于复杂场景下人体关键点检测精度不足导致的异常行为误判。在最新的YOLOv11n-Pose模型框架基础上,提出一种基于BiFPN与ShuffleAttention的异常行为检测方法,通过... 人体异常行为检测在公共安防与医疗监护中具有重要应用价值,其核心挑战在于复杂场景下人体关键点检测精度不足导致的异常行为误判。在最新的YOLOv11n-Pose模型框架基础上,提出一种基于BiFPN与ShuffleAttention的异常行为检测方法,通过关键点驱动的时空行为建模实现端到端的异常识别。首先,采用双向加权特征金字塔(BiFPN)替换原模型颈部网络,通过跨层级特征复用与自适应权重分配,提升密集人群中小尺度目标的关节特征表达,使小目标召回率提升;其次,在主干网络中嵌入ShuffleAttention注意力机制,通过通道分组-空间重排策略,强化遮挡环境下关键点(如髋、肘关节)的局部特征聚焦能力,遮挡关键点检测精度提升。实验结果表明,在coco人体姿态8000多张数据集上,YOLOv11n的检测算法精度为76.3%,改进之后的检测精度可达78.3%。基于检测到的17个关键点,构建行为语义编码器:将关键点坐标及肢体夹角(如躯干-下肢倾角)等特征,用来识别跌倒、斗殴等异常行为的时空模式。 展开更多
关键词 关键点检测 异常行为检测 YOLOv11n-Pose bifpn ShuffleAttention
在线阅读 下载PDF
基于BiFPN优化的YOLOv8架构在皮革缺陷识别中的应用
2
作者 唐灏 陈法明 +1 位作者 冯志鹏 何凌志 《皮革科学与工程》 北大核心 2025年第5期22-30,60,共10页
传统的图像处理方法难以有效应对复杂背景和不同尺度的缺陷,文章提出了一种融合双向特征金字塔网络(BiFPN)的YOLOv8架构优化策略,旨在提升皮革缺陷识别的精度和效率。YOLOv8作为一种高效的目标检测框架,结合BiFPN的多尺度特征融合优势,... 传统的图像处理方法难以有效应对复杂背景和不同尺度的缺陷,文章提出了一种融合双向特征金字塔网络(BiFPN)的YOLOv8架构优化策略,旨在提升皮革缺陷识别的精度和效率。YOLOv8作为一种高效的目标检测框架,结合BiFPN的多尺度特征融合优势,增强了模型在复杂背景下的特征提取能力。通过在YOLOv8中引入BiFPN模块,模型能够更好地捕捉不同尺度的皮革缺陷,并通过优化后的损失函数进一步提高识别的准确性和稳定性。实验结果表明,改进前的YOLOv8权重为6.3 MB,改进后降至4.3 MB,且mAP50提高了0.2%。该优化策略相较于传统方法和未融合BiFPN的YOLOv8,提升了识别精度和识别速度,优化了YOLOv8框架在皮革缺陷检测中的有效性及实际应用潜力。 展开更多
关键词 bifpn YOLOv8 皮革 缺陷识别 目标检测 多尺度特征融合 深度学习 优化策略
原文传递
基于BiFPN和注意力机制改进YOLOv5s的车辆行人检测 被引量：5
3
作者 刘丽丽 王智文 +3 位作者 王亮 李嘉琛 方国香 吕亦雄 《现代电子技术》 北大核心 2025年第3期174-180,共7页
随着人工智能技术在交通领域的深入应用,实时检测和跟踪交通道路中的车辆与行人成为自动驾驶技术不可或缺的组成部分。为了提升在复杂环境中的检测精度与速度,文中提出一种基于BiFPN和注意力机制改进的YOLOv5s模型。通过集成双向特征金... 随着人工智能技术在交通领域的深入应用,实时检测和跟踪交通道路中的车辆与行人成为自动驾驶技术不可或缺的组成部分。为了提升在复杂环境中的检测精度与速度,文中提出一种基于BiFPN和注意力机制改进的YOLOv5s模型。通过集成双向特征金字塔网络(BiFPN)和引入CBAM注意力机制,优化了模型对小目标的识别能力,并通过数据增强技术处理自动驾驶公开数据集SODA10M,解决样本不均问题。实验结果显示,改进模型在SODA10M数据集上的mAP值达到85.2%,较原始YOLOv5模型提高2.7%,同时FPS达到了42 f/s,相比原模型下降了7 f/s,虽有所下降,但在保持较高精度的同时实现了较快的检测速度。该研究在复杂环境下提升目标检测与跟踪技术方面展现出了新的思路和潜力,对于自动驾驶技术的发展具有重要的应用价值。 展开更多
关键词 自动驾驶 YOLOv5s CBAM bifpn DeepSORT ByteTrack
在线阅读 下载PDF
融合CAT-BiFPN与注意力机制的航拍绝缘子多缺陷检测网络 被引量：24
4
作者 亢洁 王勍 +1 位作者 刘文波 夏宇 《高电压技术》 EI CAS CSCD 北大核心 2023年第8期3361-3372,共12页
针对航拍绝缘子图像中检测目标尺度相差较大、绝缘子缺陷具有尺度小和背景复杂的特点,造成检测效果不佳的问题,提出一种基于改进YOLOv7的航拍绝缘子多缺陷检测算法。该算法使用具有单元内跳跃结构的加权双向特征金字塔(concat bidirecti... 针对航拍绝缘子图像中检测目标尺度相差较大、绝缘子缺陷具有尺度小和背景复杂的特点,造成检测效果不佳的问题,提出一种基于改进YOLOv7的航拍绝缘子多缺陷检测算法。该算法使用具有单元内跳跃结构的加权双向特征金字塔(concat bidirectional feature pyramid network, CAT-BiFPN)替代YOLOv7中的双向路径融合网络(path aggregation network, PANet),减少以融合不同特征为目标的结构中的冗余,提高多尺度目标特征的融合度,并形成针对小目标检测的第4检测层;通过添加自注意力与卷积混合注意力机制(a mixed model of self-attention and convolution, ACmix)更加关注特征中的细节,进一步区分不同的绝缘子缺陷。该算法对航拍图像中高压输电线路上的正常绝缘子、自爆、污损和破损进行检测,并同时检测杆塔上的鸟巢异物。实验结果表明,该文算法的平均准确率达93.9%,相比于标准YOLOv7提高了9.6%,该文提出的多缺陷检测算法能够更好地对不同尺度绝缘子的缺陷进行准确识别。 展开更多
关键词 绝缘子 缺陷检测 YOLOv7网络 CAT-bifpn 混合注意力机制
原文传递
融合BiFPN和YOLOv5s的密集型原木端面检测方法 被引量：10
5
作者 余平平 林耀海 +2 位作者 赖云锋 程树英 林培杰 《林业工程学报》 CSCD 北大核心 2023年第1期126-134,共9页
针对成捆原木端面检测存在由于目标密集而形成的大量小目标难以精确识别的问题,提出融合BiFPN(bidirectional weighted feature pyramid network,双向加权特征金字塔网络)和YOLOv5s的密集型原木端面检测方法。为了提高密集原木图像中小... 针对成捆原木端面检测存在由于目标密集而形成的大量小目标难以精确识别的问题,提出融合BiFPN(bidirectional weighted feature pyramid network,双向加权特征金字塔网络)和YOLOv5s的密集型原木端面检测方法。为了提高密集原木图像中小目标的平均精度和查全率,模型中添加了一个小目标检测层以保留更多的浅层语义信息;为避免添加了小目标检测层后特征融合过程中的信息丢失,进而导致特征相对复杂的目标误检率、漏检率升高,融合简化版的BiFPN,在特征融合结构中加入跨尺度连接线以保留更多深层的语义信息,二者结合进一步提高了模型的鲁棒性。为了深入验证该模型的有效性,采取COCO公共数据集评判指标,将原木目标分为大、中、小3种目标并分别进行测试分析。试验结果表明:改进的模型对大目标的查全率和平均精度分别为99.70%和98.79%,调和均值为0.991;中目标的查全率和平均精度分别为98.02%和97.90%,调和均值为0.975,大目标和中目标相比于原模型性能几乎不变;小目标的查全率和平均精度为97.25%和96.86%,相比于原模型分别提高了20.96%和21.13%,调和均值0.973,相比于原模型提高了0.114。改进的模型检测速度为平均每张图片11.89 ms,模型参数量为14.4 MB,仅比原模型高了0.7 MB。因此,改进后的模型具有检测精度高、鲁棒性强、轻量化等特点,为实际环境复杂多变、数量庞大的密集原木端面检测提供了一种可行的方法。 展开更多
关键词 目标检测 密集原木端面检测 YOLOv5s bifpn 小目标检测层
在线阅读 下载PDF
基于改进BiFPN的微特电机电枢表面缺陷检测方法 被引量：8
6
作者 李勇 王杨 +2 位作者 方夏 王杰 杨苗苗 《机床与液压》 北大核心 2022年第6期1-8,共8页
针对现有微特电机电枢表面缺陷检测方法存在检测精度不高,特别是对相似性工件容易误判等问题,结合深度学习的方法,提出一种基于改进BiFPN的电枢外观缺陷检测方法。工业相机采集到的电枢图像通过匹配算法经过裁剪得到ROI,将ROI输入到Effi... 针对现有微特电机电枢表面缺陷检测方法存在检测精度不高,特别是对相似性工件容易误判等问题,结合深度学习的方法,提出一种基于改进BiFPN的电枢外观缺陷检测方法。工业相机采集到的电枢图像通过匹配算法经过裁剪得到ROI,将ROI输入到EfficientNet结构,进行基础特征提取;采用通道注意力机制增强改进的BiFPN结构,对提取出的不同维度特征进行融合,并对特征进行筛选;使用分类器输出最终检测结果。结果表明:该电枢外观缺陷检测方法检测准确率优于ResNet和EfficientNet等深度学习检测方法,其检测准确率高达98.42%。研究结果对相似性较大的微特非标工件的检测性能提升有积极意义。 展开更多
关键词 电枢外观缺陷检测 深度学习 特征融合 改进的bifpn结构
在线阅读 下载PDF
基于YOLO v8n-seg-FCA-BiFPN的奶牛身体分割方法 被引量：12
7
作者 张姝瑾 许兴时 +2 位作者 邓洪兴 温毓晨 宋怀波 《农业机械学报》 EI CAS CSCD 北大核心 2024年第3期282-289,391,共9页
奶牛身体部位的精准分割广泛应用于奶牛体况评分、姿态检测、行为分析及体尺测量等领域。受奶牛表面污渍和遮挡等因素的影响,现有奶牛部位精准分割方法实用性较差。本研究在YOLO v8n-seg模型的基础上,加入多尺度融合模块与双向跨尺度加... 奶牛身体部位的精准分割广泛应用于奶牛体况评分、姿态检测、行为分析及体尺测量等领域。受奶牛表面污渍和遮挡等因素的影响,现有奶牛部位精准分割方法实用性较差。本研究在YOLO v8n-seg模型的基础上,加入多尺度融合模块与双向跨尺度加权特征金字塔结构,提出了YOLO v8n-seg-FCA-BiFPN奶牛身体部位分割模型。其中,多尺度融合模块使模型更好地提取小目标几何特征信息,双向跨尺度加权特征金字塔结构实现了更高层次的特征融合。首先在奶牛运动通道处采集奶牛侧面图像作为数据集,为保证数据集质量,采用结构相似性算法剔除相似图像,共得到1 452幅图像。然后对目标奶牛的前肢、后肢、乳房、尾部、腹部、头部、颈部和躯干8个部位进行标注并输入模型训练。测试结果表明,模型精确率为96.6%,召回率为94.6%,平均精度均值为97.1%,参数量为3.3×10^(6),检测速度为6.2 f/s。各部位精确率在90.3%~98.2%之间,平均精度均值为96.3%。与原始YOLO v8n-seg相比,YOLO v8n-seg-FCA-BiFPN的精确率提高3.2个百分点,召回率提高2.6个百分点,平均精度均值提高3.1个百分点,改进后的模型在参数量基本保持不变的情况下具有更强的鲁棒性。遮挡情况下该模型检测结果表明,精确率为93.8%,召回率为91.67%,平均精度均值为93.15%。结果表明,YOLO v8n-seg-FCA-BiFPN网络可以准确、快速地实现奶牛身体部位精准分割。 展开更多
关键词 奶牛 身体部位分割 语义分割 FCABasicBlock bifpn YOLO v8n
在线阅读 下载PDF
基于ECA和BiFPN改进YOLOv5s的PCB缺陷检测 被引量：5
8
作者 任金霞 吴吉林 王金荣 《制造技术与机床》 北大核心 2024年第8期78-83,共6页
针对常规的PCB缺陷检测算法存在精度不高、缺陷定位不准确等问题,提出一种基于ECA和BiFPN改进YOLOv5s的PCB缺陷检测方法。首先,在主干网络的C3中引入ECA注意力机制,使模型更加关注小目标的特征信息,保证模型检测效果;其次,引入加权双向... 针对常规的PCB缺陷检测算法存在精度不高、缺陷定位不准确等问题,提出一种基于ECA和BiFPN改进YOLOv5s的PCB缺陷检测方法。首先,在主干网络的C3中引入ECA注意力机制,使模型更加关注小目标的特征信息,保证模型检测效果;其次,引入加权双向特征金字塔网络(bidirectional feature pyramid network, BiFPN),让模型能够更快速地开展多尺度特征融合;最后,使用SIoU Loss替换CIoU Loss,进一步提升模型的稳定性。以同一PCB数据集为实验对象,实验结果表明,改进后的模型mAP达到了98.1%,相较于原模型,FPS提高了4.68,在检测的精度和速度上均有提升,满足PCB缺陷的实际检测要求。 展开更多
关键词 PCB缺陷检测 YOLOv5s ECA bifpn SIoU
在线阅读 下载PDF
基于YOLOv7-CA-BiFPN的路面缺陷检测 被引量：10
9
作者 高敏 李元 《计算机测量与控制》 2024年第9期9-14,43,共7页
路面坑洼是主要道路缺陷,会损坏车辆,影响驾驶员的安全驾驶,严重时还会导致交通事故,针对这个问题,提出了改进YOLOv7的道路坑洼检测算法;使用Mosaic+Mixup进行内置数据增强,扩充小样本数据集,增强模型泛化能力;引入CA注意力机制,将横纵... 路面坑洼是主要道路缺陷,会损坏车辆,影响驾驶员的安全驾驶,严重时还会导致交通事故,针对这个问题,提出了改进YOLOv7的道路坑洼检测算法;使用Mosaic+Mixup进行内置数据增强,扩充小样本数据集,增强模型泛化能力;引入CA注意力机制,将横纵位置信息编码,保证计算量的同时又能关注大范围位置信息;采用BIFPN双向特征金字塔网络,通过特征融合多尺度语义特征提高检测效率;将损失函数SIoU替换CIoU,有效解决回归中的样本不平衡问题;实验结果表明,改进之后的算法在坑洼数据集的平精度均值和精确率达到了89.42%和90.12%,相比于原本的YOLOv7版本提高了6.18%和1.96%,更准确更快速地应用于道路维修。 展开更多
关键词 坑洼检测 YOLOv7 注意力机制 数据增强 bifpn
在线阅读 下载PDF
基于BIFPN-GAN特征融合的图像修复算法研究 被引量：2
10
作者 李兰 陈明举 +2 位作者 石浩德 刘婷婷 邓元实 《无线电工程》 北大核心 2022年第12期2141-2148,共8页
为了使图像修复方法在结构重建的过程中实现结构与纹理信息之间的交互,提高修复的图像在语义上的真实性。在原有的双流生成网络基础上改进了一种基于BIFPN多尺度特征融合算法的双流结构图像修复网络。该网络采用耦合方式实现结构约束下... 为了使图像修复方法在结构重建的过程中实现结构与纹理信息之间的交互,提高修复的图像在语义上的真实性。在原有的双流生成网络基础上改进了一种基于BIFPN多尺度特征融合算法的双流结构图像修复网络。该网络采用耦合方式实现结构约束下的纹理合成与纹理引导下的结构重建,实现纹理与结构信息的有效利用,有利于生成语义更真实的图像。构建BIFPN多尺度特征融合网络,以实现重建、感知与风格损失的补偿,使融合后的图像实现全局的一致性。在训练阶段,采用了基于语义的联合损失函数,以增强图像在结构生成上的合理性。通过在CelebA和Places2数据集上与其他修复网络进行对比实验,证明了改进的图像修复方法的客观评价指标更优,更加有效地修复破损图像的结构和纹理信息,图像修复性能更优。 展开更多
关键词 图像修复 双流结构 bifpn多尺度特征融合 生成对抗网络
在线阅读 下载PDF
基于BiFPN改进的深度学习口罩人脸检测方法 被引量：7
11
作者 于晓 张茂松 周子杰 《软件工程》 2023年第1期38-41,14,共5页
准确检测人员是否佩戴口罩对于保证食品生产环境的卫生、预防疾病的传播等具有重要意义。文章改进了YOLOv5算法的网络结构,首先基于双向特征金字塔网络(BiFPN)改进了YOLOv5网络的颈部(Neck)结构,然后使用K-means聚类算法对数据集进行聚... 准确检测人员是否佩戴口罩对于保证食品生产环境的卫生、预防疾病的传播等具有重要意义。文章改进了YOLOv5算法的网络结构,首先基于双向特征金字塔网络(BiFPN)改进了YOLOv5网络的颈部(Neck)结构,然后使用K-means聚类算法对数据集进行聚类分析,提出YOLOv5_BM口罩人脸检测算法。在自制人脸口罩数据集上的测试结果表明,YOLOv5_BM算法的平均精度高达95.3%,相比YOLOv5网络提升了3.8%。在公开数据集上与其他经典的目标检测算法相比,YOLOv5_BM算法在性能方面也取得了提升,相比SSD算法,YOLOv5_BM算法的平均精度提高了4.4%;相比YOLOv3算法,YOLOv5_BM算法的平均精度提高了2.9%。 展开更多
关键词 口罩人脸检测 YOLOv5 双向特征金字塔网络 K-MEANS聚类算法
在线阅读 下载PDF
基于改进YOLOv5和BiFPN的苹果检测方法 被引量：3
12
作者 温彬彬 《南方农机》 2024年第9期4-6,26,共4页
【目的】解决果蔬采摘机器人在背景复杂且苹果尺寸不一的情况下检测准确率低的问题,提供更加高效、便捷的农业管理手段。【方法】提出一种基于改进YOLOv5和BiFPN的苹果检测方法。首先,使用YOLOv5作为基础目标检测模型,以实现高效的目标... 【目的】解决果蔬采摘机器人在背景复杂且苹果尺寸不一的情况下检测准确率低的问题,提供更加高效、便捷的农业管理手段。【方法】提出一种基于改进YOLOv5和BiFPN的苹果检测方法。首先,使用YOLOv5作为基础目标检测模型,以实现高效的目标检测。其次,引入BiFPN,通过权重系数和双向特征传播机制来增强特征融合能力,以更好地捕捉多尺度、多层次的特征,提高模型对不同尺度目标的检测能力和鲁棒性。【结果】将改进的模型在自建数据集上进行实验,改进后的BiFPN-YOLOv5模型同原始YOLOv5模型对比,在准确率上提高了2.2个百分点,召回率提高了2.4个百分点,平均精度提高了3.2个百分点,但是训练时间增加了0.6 ms/幅。【结论】训练时间的增加是由BiFPN的结构引起的,其他指标均有一定程度的提升,证明了改进算法的有效性,能够提高苹果小目标的检测精度。 展开更多
关键词 目标检测 YOLOv5 bifpn 特征融合 特征金字塔
在线阅读 下载PDF
融合BiFPN的轻量化YOLO v7疲劳检测方法 被引量：3
13
作者 秦心茹 吴涛 《兰州工业学院学报》 2024年第2期35-41,共7页
为了解决矿井提升机司机疲劳检测准确率低和实时性差等问题,提出一种融合BiFPN的轻量化YOLO v7疲劳检测方法。该模型将YOLO v7主干网络中会产生冗余的卷积计算用轻量级的Ghost网络代替来提取特征并将Ghost网络中指数型的激活函数换成轻... 为了解决矿井提升机司机疲劳检测准确率低和实时性差等问题,提出一种融合BiFPN的轻量化YOLO v7疲劳检测方法。该模型将YOLO v7主干网络中会产生冗余的卷积计算用轻量级的Ghost网络代替来提取特征并将Ghost网络中指数型的激活函数换成轻量级激活函数SMU(Smooth Maximum Unit)。融合双向特征金字塔(BiPFN)的轻量化YOLO v7疲劳检测模型在自建矿井提升机司机疲劳驾驶数据集进行实验,结果表明:平均精度达到了97.25%,实时性达到了78 FPS,相较于原始的YOLO v7网络精度提升了3.14%,速度提高了8 FPS。 展开更多
关键词 疲劳检测 bifpn YOLO v7 GHOST
在线阅读 下载PDF
基于BiFPN-YOLOv5的公路养护检测算法 被引量：3
14
作者 李成袁 《电脑知识与技术》 2023年第15期11-14,共4页
公路养护是公路管理过程中的主要任务,目前路面检测主要依靠人工进行检测,但该方法需要耗费大量的人力物力,为此提出BiFPN-YOLOv5算法来对需要养护的物体与干扰项进行目标检测,针对传统FPN中存在各个尺度的特征信息不一致,提出使用BiFP... 公路养护是公路管理过程中的主要任务,目前路面检测主要依靠人工进行检测,但该方法需要耗费大量的人力物力,为此提出BiFPN-YOLOv5算法来对需要养护的物体与干扰项进行目标检测,针对传统FPN中存在各个尺度的特征信息不一致,提出使用BiFPN来改进传统的FPN方法;同时CIoU loss并没有考虑真实框与预测检测框之间不匹配的方向,导致收敛速度降低且最终模型检测精度较低,为此提出使用SIou loss来解决此问题。实验结果表明,该算法在平均精度均值与召回率分别提升了3.72%与0.56%,说明本文算法能够有效应用于公路养护检测。 展开更多
关键词 公路养护 目标检测 YOLOv5 bifpn SIou loss
在线阅读 下载PDF
一种BiFPN-YOLOv8铁轨表面缺陷检测网络模型 被引量：1
15
作者 冯庆贺 江铭凯 +3 位作者 郝巧红 赵晓蕾 赵强 杨富超 《河南工学院学报》 CAS 2024年第3期25-28,43,共5页
针对铁轨表面存在的剥落、孔洞、瘢痕、划痕、裂缝、磨损缺陷,构建了一种BiFPN-YOLOv8铁轨表面缺陷检测网络模型。在数据准备中,通过Gauss噪声变换和水平变换进行铁轨表面图像数据增强;在网络构建中,通过在原YOLOv8网络模型中引入加权... 针对铁轨表面存在的剥落、孔洞、瘢痕、划痕、裂缝、磨损缺陷,构建了一种BiFPN-YOLOv8铁轨表面缺陷检测网络模型。在数据准备中,通过Gauss噪声变换和水平变换进行铁轨表面图像数据增强;在网络构建中,通过在原YOLOv8网络模型中引入加权双向金字塔结构Bi FPN构建Bi FPN-YOLOv8网络模型用于提升铁轨表面缺陷检测性能;在实验仿真中,通过在RSDDs数据集上定量的对比和定性的检测结果评价,验证了BiFPN-YOLOv8网络模型在铁轨表面缺陷检测任务上的精准性和适用性。 展开更多
关键词 铁轨表面 缺陷检测 bifpn-YOLOv8
在线阅读 下载PDF
基于CBAM和BiFPN改进YoloV5的渔船目标检测 被引量：25
16
作者 张德春 李海涛 +1 位作者 李勋 张雷 《渔业现代化》 CSCD 2022年第3期71-80,共10页
在渔港高点监控渔船目标的场景下,对渔船检测经常丢失和检测错误等问题,提出了一种基于改进YoloV5的渔船目标检测模型。首先通过Kmeans++算法对锚框重新聚类,选择适合渔船数据集的锚框尺寸;然后在YoloV5的骨干网络中融入卷积注意力模块(... 在渔港高点监控渔船目标的场景下,对渔船检测经常丢失和检测错误等问题,提出了一种基于改进YoloV5的渔船目标检测模型。首先通过Kmeans++算法对锚框重新聚类,选择适合渔船数据集的锚框尺寸;然后在YoloV5的骨干网络中融入卷积注意力模块(CBAM)注意力机制获取更多细节特征;再采用加权双向特征金字塔网络(BiFPN)代替原先的特征金字塔网络(FPN)+像素聚合网络(PAN)结构,快速进行多尺度特征融合;最后在检测尺度上去掉大目标的检测尺度,增加更小目标的检测尺度,改用新的三个检测尺度,提高了模型对小目标渔船的检测精度。结果显示:对比原YoloV5算法,改进后的算法精确度、召回率和平均精度均值均有所提升,分别提升29.5%、0.5%和4.5%,每秒检测帧数达到90.6,对渔船目标检测效果有大幅度改善。研究表明,改进后的YoloV5算法满足休渔期管控期间对渔船目标检测的准确性和实时性要求。 展开更多
关键词 渔船检测 YoloV5算法 CBAM注意力机制 加权双向特征金字塔
在线阅读 下载PDF
基于改进Ghost-YOLOv5s-BiFPN算法检测梨树花序 被引量：17
17
作者 夏烨 雷哓晖 +5 位作者 祁雁楠 徐陶 袁全春 潘健 姜赛珂 吕晓兰 《智慧农业（中英文）》 2022年第3期108-119,共12页
疏花是梨生产中的重要农艺措施,机械化智能疏花是当今高速发展的疏花方式,花朵与花苞的分类与检测是保证疏花机器正常工作的基本要求。本研究针对目前梨园智能化生产中出现的梨树花序检测与分类问题,提出了一种基于改进YOLOv5s的水平棚... 疏花是梨生产中的重要农艺措施,机械化智能疏花是当今高速发展的疏花方式,花朵与花苞的分类与检测是保证疏花机器正常工作的基本要求。本研究针对目前梨园智能化生产中出现的梨树花序检测与分类问题,提出了一种基于改进YOLOv5s的水平棚架梨园花序识别算法Ghost-YOLOv5s-BiFPN。通过对田间采集的梨树花苞与花朵图像进行标注与数据扩充后送入算法进行训练得到检测模型。Ghost-YOLOv5s-BiFPN运用加权双向特征金字塔网络(Bi-directional Feature Pyramid Network,BiFPN)替换原始的路径聚合网络(Path Aggregation Network,PAN)结构,对网络提取的不同尺寸目标特征进行有效的融合。同时运用Ghost模块替换传统卷积,在不降低准确度的同时减少模型参数量和提升设备运行效率。田间试验结果表明,改进的Ghost-YOLOv5s-BiFPN算法对梨树花序中花苞与花朵的检测精度分别为93.2%和89.4%,两种目标平均精度为91.3%,检测单张图像时间为29 ms,模型大小为7.62 M。相比于原始YOLOv5s算法,检测精度与召回度分别提升了4.2%和2.7%,检测时间和模型参数量分别降低了9 ms和46.6%。本研究提出的算法可对梨树花苞与花朵进行精确的识别和分类,为后续梨园智能化疏花的实现提供技术支持。 展开更多
关键词 梨树花序 智能识别 YOLOv5s 加权双向特征金字塔 轻量化模型
在线阅读 下载PDF
基于改进YOLOv5的砖石建筑裂缝检测方法
18
作者 翁文杏 余兆钗 +2 位作者 李佐勇 李炜 吴景岚 《计算机应用与软件》 北大核心 2026年第2期189-196,222,共9页
砖石建筑极易出现裂缝,严重威胁建筑寿命和人民生命财产安全,因此,裂缝检测是建筑维护的重要基础。为了提升砖石建筑裂缝的检测精度,应用YOLOv5s的改进方法。将SPD-Conv引入到骨干网络中,提高细粒度特征的检测能力;使用BiFPN并结合Coord... 砖石建筑极易出现裂缝,严重威胁建筑寿命和人民生命财产安全,因此,裂缝检测是建筑维护的重要基础。为了提升砖石建筑裂缝的检测精度,应用YOLOv5s的改进方法。将SPD-Conv引入到骨干网络中,提高细粒度特征的检测能力;使用BiFPN并结合Coordinate Attention模块来代替YOLOv5的特征融合网络,提升检测精度;使用SIoU Loss来代替原有损失函数,改善在复杂环境下检测不佳的情况。在砖石建筑裂缝数据集上的实验结果表明,所提方法的平均均值精度(mAP@0.5)达到96.0%,比原YOLOv5s提高了4.0百分点,比2023年提出的YOLOv8s提高了2.0百分点,可以有效地检测砖石建筑裂缝。 展开更多
关键词 砖石建筑 裂缝检测 YOLOv5 SPD-Conv bifpn Coordinate Attention SIoU Loss
在线阅读 下载PDF
基于YOLO11的轻量化PCB缺陷检测算法研究
19
作者 黄文杰 罗维平 +2 位作者 陈镇南 彭志祥 丁梓豪 《广西师范大学学报(自然科学版)》 北大核心 2026年第1期56-67,共12页
针对印刷电路板(printed circuit board,PCB)小目标缺陷检测精度低,且模型复杂、计算量大、难以在边缘设备上部署运行的问题,本文基于YOLO11n提出一种轻量化算法。首先使用BiMAFPN(bi-directional multi-branch auxiliary feature pyram... 针对印刷电路板(printed circuit board,PCB)小目标缺陷检测精度低,且模型复杂、计算量大、难以在边缘设备上部署运行的问题,本文基于YOLO11n提出一种轻量化算法。首先使用BiMAFPN(bi-directional multi-branch auxiliary feature pyramid network)对模型的网络结构进行重构,再使用C3k2_Faster模块在保证准确度的前提下进一步降低模型的复杂度,最后使用LSCD(lightweight shared convolutional detection)检测头提高检测的精度。实验表明,本文提出的模型精确率达93.0%,召回率82.8%,模型权重大小3.8 MiB,mAP@0.5和mAP@0.5∶0.95分别达到89.9%和47.1%,相较于YOLO11n,精确率提升0.6个百分点,mAP@0.5和mAP@0.5∶0.95分别提升1.4和0.6个百分点,模型体积、计算量和参数量分别减少30.9%、19.0%、34.6%。改进后的算法在轻量化的同时仍具备较好的检测精度,适合于边缘设备的部署。 展开更多
关键词 YOLO11 PCB缺陷 轻量化 bifpn 目标检测
在线阅读 下载PDF
基于YOLOv5n-BGF的雾天道路目标检测算法
20
作者 郝宇翔 甄国涌 储成群 《现代电子技术》 北大核心 2026年第5期37-43,共7页
针对在雾天环境下的道路目标检测存在特征提取难度大、精度与效率难以平衡的问题,文中在YOLOv5n的基础上创新性地提出一种高效且轻量的YOLOv5n-BGF变体,该变体结合了双向特征金字塔网络(BiFPN)模型,利用双向连接的结构特点,更加有效地... 针对在雾天环境下的道路目标检测存在特征提取难度大、精度与效率难以平衡的问题,文中在YOLOv5n的基础上创新性地提出一种高效且轻量的YOLOv5n-BGF变体,该变体结合了双向特征金字塔网络(BiFPN)模型,利用双向连接的结构特点,更加有效地结合不同尺度的特征;其次,引入GELAN模块代替颈部网络中的C3结构,在减少计算量的同时增强了有效特征的提取;最后,考虑不同样本的边界框回归问题,采用Focaler-IoU来进一步提高检测性能。在本地平台针对非公开雾天道路目标检测数据集D-8800进行验证,实验结果表明,相较于基础模型YOLOv5n,改进后的YOLOv5n-BGF的mAP@0.5提升了5.3%,参数量减少了25%,GFLOPs仅为3.5,YOLOv5n-BGF凭借其卓越的性能,在雾天道路目标检测数据集D-8800上的表现优于其他目标检测模型,为雾天道路目标检测提供了高效的解决方案。 展开更多
关键词 雾天道路 目标检测 YOLOv5n变体 bifpn GELAN 轻量化设计
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 … 16 下一页 到第 页
使用帮助 返回顶部