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1篇文章
< 1 >
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：
融合改进的YOLOv5n和通道剪枝的寄生卵检测和分类 被引量：1
1
作者 王杰 马纪颖 《计算机技术与发展》 2025年第2期146-152,共7页
当前众多目标检测模型过于复杂,难以实现将寄生卵的检测和分类任务部署在移动设备,就此该文研究探讨了一种融合改进的YOLOv5n和通道剪枝的算法。选择YOLOv5是由于YOLOv5的轻量化以及较高的精确度,能够达到该文的实验目的。该文采用融合C... 当前众多目标检测模型过于复杂,难以实现将寄生卵的检测和分类任务部署在移动设备,就此该文研究探讨了一种融合改进的YOLOv5n和通道剪枝的算法。选择YOLOv5是由于YOLOv5的轻量化以及较高的精确度,能够达到该文的实验目的。该文采用融合C3_Faster模块和RepConv重参数化模块对YOLOv5n的BackBone中的所有C3模块和Neck网络中部分卷积模块进行替换,C3_Faster模块通过PConv减少卷积操作加快网络模型推理速度,RepConv重参数化模块在训练阶段实行多分支结构增强特征提取能力,在验证阶段实行单分支结构加快检测速度,同时在改进后的YOLOv5n模型上进行稀疏训练和通道剪枝,通过减少模型中的冗余通道来降低模型复杂度、减少参数数量、提高检测效率和降低模型权重。在寄生卵检测和分类任务对比实验中,该方法与YOLOv5n、YOLOv5s、YOLOv7-tiny、YOLOv8n和SSD目标检测算法相比,在检测精度略微下降的情况下,在GFLOPs、FPS、参数数量以及模型权重上具有相对优势。经过实验验证,模型检测精度保持98.3%的同时能够更方便更容易部署在性能不高的移动设备。该文为基于YOLOv5n的寄生卵检测和分类任务在实用性方面提供了一种有效的解决方案。 展开更多
关键词 YOLOv5算法 寄生卵检测 c3_faster RepConv 通道剪枝
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 下一页 到第 页
使用帮助 返回顶部