期刊导航
期刊开放获取
vip
退出
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
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
检索
高级检索
期刊导航
共找到
2
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Yolov8-SCG神经网络的电动车头盔佩戴检测算法
1
作者
杨琚钱
胡平
戴家树
《重庆工商大学学报(自然科学版)》
2026年第2期101-107,共7页
目的针对行人与电动车驾驶人员共用道路通行情况下,电动车骑行人员的头盔检测问题,提出一种基于Yolov8n的电动车头盔佩戴检测改进算法。方法首先,为提升模型对于低分辨率图像及小目标检测的精度,引入SPDConv替换模型普通卷积与下采样算...
目的针对行人与电动车驾驶人员共用道路通行情况下,电动车骑行人员的头盔检测问题,提出一种基于Yolov8n的电动车头盔佩戴检测改进算法。方法首先,为提升模型对于低分辨率图像及小目标检测的精度,引入SPDConv替换模型普通卷积与下采样算子;其次,为提升模型对于背景与检测目标相似情况下的辨识能力,引入CG block模块,与原模型C2f模块融合,创建C2f-CG模块,替换原有C2f模块,提升上下文特征提取能力;最后,为降低模型的计算量,保持模型轻量化,将原模型Head层普通卷积替换为组卷积。结果经实验检测,改进模型较Yolov8n原模型mAP精度提升4.2%,计算量降低15%,对于低分辨率图像及小目标检测精度均有上升。结论改进模型适用于复杂情况下电动车头盔的实时检测,可以作为应用领域的解决方法。
展开更多
关键词
电动车头盔检测
YOLOv8n
SPDConv
cg
block
GroupConv
在线阅读
下载PDF
职称材料
基于RT-DETR改进的幼桃识别模型
2
作者
张云建
陈红明
+4 位作者
杨晓刚
杨灿鹏
王学睿
黄中豪
杨琳琳
《山东农业科学》
北大核心
2026年第3期160-170,共11页
针对自然环境下未成熟桃子识别存在与周围环境颜色相似、光照不均及枝叶遮挡等问题,本研究以RT-DETR-R18为基础模型进行改进,提出一种幼桃检测模型FREDC-RTDETR。通过将RT-DETR-R18骨干网络中的BasicBlock替换为Faster NetBlock、结合Re...
针对自然环境下未成熟桃子识别存在与周围环境颜色相似、光照不均及枝叶遮挡等问题,本研究以RT-DETR-R18为基础模型进行改进,提出一种幼桃检测模型FREDC-RTDETR。通过将RT-DETR-R18骨干网络中的BasicBlock替换为Faster NetBlock、结合RepConv重参数化技术、引入EMA注意力机制,设计新的骨干网络FRE Block,在降低参数量的同时提高模型特征提取能力;在颈部网络中,用基于可学习位置编码的AIFI-LPE替代原AIFI模块,解决注意力偏移的问题,同时采用DySample动态上采样以及重新设计的CG block Down下采样算子,优化上下采样过程;此外,使用Shape-IoU损失函数,增强模型对图像细节的捕捉能力。实验结果显示,在自建数据集上,改进后的模型均值平均精度达到96.1%,召回率达到91.9%,精确率达到97.6%,相比原模型分别提高了2.4、2.7、2.5个百分点。可见,本研究提出的模型在复杂背景下表现出较好的鲁棒性和精确度,可为果树早期产量预测以及绿色果实识别提供参考。
展开更多
关键词
幼桃识别
RT-DETR
FRE
block
AIFI-LPE模块
DySample动态上采样
cg
block
Down下采样
Shape-IoU损失函数
在线阅读
下载PDF
职称材料
题名
基于Yolov8-SCG神经网络的电动车头盔佩戴检测算法
1
作者
杨琚钱
胡平
戴家树
机构
安徽工程大学计算机与信息技术学院
出处
《重庆工商大学学报(自然科学版)》
2026年第2期101-107,共7页
基金
国家自然科学基金项目资助(62302011)
安徽省教育厅高校科学研究重点项目资助(2023AH050899,KJ2020A0362)
安徽工程大学企业委托研发项目资助(HX-2023-02-019、HX-2022-09-038).
文摘
目的针对行人与电动车驾驶人员共用道路通行情况下,电动车骑行人员的头盔检测问题,提出一种基于Yolov8n的电动车头盔佩戴检测改进算法。方法首先,为提升模型对于低分辨率图像及小目标检测的精度,引入SPDConv替换模型普通卷积与下采样算子;其次,为提升模型对于背景与检测目标相似情况下的辨识能力,引入CG block模块,与原模型C2f模块融合,创建C2f-CG模块,替换原有C2f模块,提升上下文特征提取能力;最后,为降低模型的计算量,保持模型轻量化,将原模型Head层普通卷积替换为组卷积。结果经实验检测,改进模型较Yolov8n原模型mAP精度提升4.2%,计算量降低15%,对于低分辨率图像及小目标检测精度均有上升。结论改进模型适用于复杂情况下电动车头盔的实时检测,可以作为应用领域的解决方法。
关键词
电动车头盔检测
YOLOv8n
SPDConv
cg
block
GroupConv
Keywords
electric vehicle helmet detection
YOLOv8n
SPDConv
cg block
GroupConv
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于RT-DETR改进的幼桃识别模型
2
作者
张云建
陈红明
杨晓刚
杨灿鹏
王学睿
黄中豪
杨琳琳
机构
云南农业大学机电工程学院
作物模拟与智能调控重点实验室
出处
《山东农业科学》
北大核心
2026年第3期160-170,共11页
基金
国家自然科学基金项目(32160420)
云南省重大科技专项(202202AE09002103)
云南省农林联合专项(202301BD070001-172)。
文摘
针对自然环境下未成熟桃子识别存在与周围环境颜色相似、光照不均及枝叶遮挡等问题,本研究以RT-DETR-R18为基础模型进行改进,提出一种幼桃检测模型FREDC-RTDETR。通过将RT-DETR-R18骨干网络中的BasicBlock替换为Faster NetBlock、结合RepConv重参数化技术、引入EMA注意力机制,设计新的骨干网络FRE Block,在降低参数量的同时提高模型特征提取能力;在颈部网络中,用基于可学习位置编码的AIFI-LPE替代原AIFI模块,解决注意力偏移的问题,同时采用DySample动态上采样以及重新设计的CG block Down下采样算子,优化上下采样过程;此外,使用Shape-IoU损失函数,增强模型对图像细节的捕捉能力。实验结果显示,在自建数据集上,改进后的模型均值平均精度达到96.1%,召回率达到91.9%,精确率达到97.6%,相比原模型分别提高了2.4、2.7、2.5个百分点。可见,本研究提出的模型在复杂背景下表现出较好的鲁棒性和精确度,可为果树早期产量预测以及绿色果实识别提供参考。
关键词
幼桃识别
RT-DETR
FRE
block
AIFI-LPE模块
DySample动态上采样
cg
block
Down下采样
Shape-IoU损失函数
Keywords
Immature peach recognition
RT-DETR
FRE
block
AIFI-LPE module
DySample dynamic upsampling
cg block
Down sampling
Shape-IoU loss function
分类号
S126 [农业科学—农业基础科学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Yolov8-SCG神经网络的电动车头盔佩戴检测算法
杨琚钱
胡平
戴家树
《重庆工商大学学报(自然科学版)》
2026
0
在线阅读
下载PDF
职称材料
2
基于RT-DETR改进的幼桃识别模型
张云建
陈红明
杨晓刚
杨灿鹏
王学睿
黄中豪
杨琳琳
《山东农业科学》
北大核心
2026
0
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
