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10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：
基于改进YOLOv7的轻量级红花检测方法
1
作者 郭翔羽 南新元 +1 位作者 石天怡 蔡鑫 《东北师大学报(自然科学版)》 北大核心 2025年第3期67-76,共10页
针对目前采摘机器人资源有限、视野有限与训练样本不平衡造成的复杂环境下红花错检和漏检问题,提出一种改进YOLOv7的轻量级红花检测模型.首先,利用深度可分离卷积层构建轻量级骨干网络,减少识别过程中的冗余计算,提高了检测速度;其次,... 针对目前采摘机器人资源有限、视野有限与训练样本不平衡造成的复杂环境下红花错检和漏检问题,提出一种改进YOLOv7的轻量级红花检测模型.首先,利用深度可分离卷积层构建轻量级骨干网络,减少识别过程中的冗余计算,提高了检测速度;其次,在特征提取与融合阶段提出轻量级特征处理D-MP模块,进一步降低网络计算量.同时,针对红花检测中易出现的错检漏检,设计了一种轻量级多尺度连接的特征提取与融合模块,改善细节特征丢失问题,提高不同尺度特征提取与融合能力;最后,使用Focal-DIOU损失函数优化因样本数不平衡造成的难分类与重叠边界框的回归问题,提高检测精度.实验结果表明,改进后的模型平均精度均值达到93.4%,检测速度达到98.6 f/s,相比YOLOv7模型分别提升了3.8%和63.8%,同时运算量减少了58.1%,参数量下降了18.1%,减少对算力与电力的需求,便于模型部署与提高机器人作业时长. 展开更多
关键词 红花采摘 复杂环境 轻量化 YOLOv7 Focal-diou损失函数
在线阅读 下载PDF
基于改进YOLO v5的骑行头盔佩戴检测算法研究
2
作者 白熠宸 贾蒙 申小萌 《河南工学院学报》 2025年第3期14-19,共6页
针对电动车骑行场景中头盔佩戴检测存在的小目标识别困难、复杂遮挡及人工监管效率低下等问题,提出一种基于改进YOLO v5的骑行头盔佩戴检测算法。通过在YOLO v5s基准模型中引入双重注意力机制与优化损失函数,显著提升检测性能:在Backbon... 针对电动车骑行场景中头盔佩戴检测存在的小目标识别困难、复杂遮挡及人工监管效率低下等问题,提出一种基于改进YOLO v5的骑行头盔佩戴检测算法。通过在YOLO v5s基准模型中引入双重注意力机制与优化损失函数,显著提升检测性能:在Backbone中嵌入CA坐标注意力模块,增强模型对目标位置的敏感度;在Neck部分集成CBAM注意力机制模块,通过通道-空间双域协同机制抑制背景噪声干扰;采用DIoU损失函数替代GIoU,优化边界框回归轨迹,提升重叠目标的定位精度。实验基于自建数据集(2360张图像),改进模型的精确率(P)、召回率(R)及平均精度(mAP)分别达到88.2%、90.4%和90.9%,较基准模型提升3.5%、4.3%和4.1%,同时优于Faster R-CNN等对照模型。该算法兼顾轻量化与高精度,为复杂交通场景下的头盔佩戴自动化监管提供了高效的解决方案,具有实际应用价值。 展开更多
关键词 头盔佩戴检测 YOLO v5 CA坐标注意力 CBAM注意力机制 diou损失函数
在线阅读 下载PDF
基于改进YOLOv5s的骑行头盔佩戴检测算法研究 被引量：1
3
作者 李鸿治 舒远仲 +1 位作者 肖靖 聂云峰 《南昌航空大学学报（自然科学版）》 CAS 2024年第3期95-102,共8页
电动自行车因其出行便利性,逐渐成为主流出行方式。但是在道路交通事故中,电动车骑行人员伤亡率居高不下。为解决电动车高伤亡率的问题,采用改进的YOLOv5s对道路场景下的骑行头盔佩戴情况进行检测。首先,用GSConv Module代替原有YOLOv5... 电动自行车因其出行便利性,逐渐成为主流出行方式。但是在道路交通事故中,电动车骑行人员伤亡率居高不下。为解决电动车高伤亡率的问题,采用改进的YOLOv5s对道路场景下的骑行头盔佩戴情况进行检测。首先,用GSConv Module代替原有YOLOv5s骨干网络中的标准卷积,在保证检测精度的同时,提高网络运行速度;其次,引入CA(Coordinate Attention)坐标注意力机制,补充位置信息,增强关键信息的特征表达;最后,使用DIoU损失函数替换原YOLOv5s中的GIoU损失函数,提升算法的目标检测能力。结果表明,在自建骑行电动车头盔数据集上,改进后的YOLOv5s网络对骑行头盔的检测平均精度比原始YOLOv5s提高了3.7%,能够实现对骑行头盔佩戴的检测。 展开更多
关键词 头盔检测 YOLOv5s GSConv 注意力机制 diou损失函数
在线阅读 下载PDF
基于改进YOLOv8n的煤矿带式输送异物检测研究 被引量：8
4
作者 李宗霖 王广祥 +1 位作者 张立亚 李明亮 《矿业安全与环保》 CAS 北大核心 2024年第4期41-48,共8页
在煤矿带式输送物料过程中,异物的出现可能会引发输送带撕裂或堵塞等安全风险。针对输送带输送物料中异物多样、人工巡检效率低、硬件限制等问题,提出一种基于改进YOLOv8n的轻量化煤矿带式输送异物检测算法:采用GhostNetV2网络对原CSPDa... 在煤矿带式输送物料过程中,异物的出现可能会引发输送带撕裂或堵塞等安全风险。针对输送带输送物料中异物多样、人工巡检效率低、硬件限制等问题,提出一种基于改进YOLOv8n的轻量化煤矿带式输送异物检测算法:采用GhostNetV2网络对原CSPDarkNet53主干网络进行轻量化改进,以减少模型的参数和计算量;整合全局平均池化和全局最大池化思想优化SPPF模块,关注煤矿恶劣环境影响下图像的底层信息;设计了headC2f_CA模块,融入通道注意力机制,以便能够更有效地捕捉不同尺度和位置的异物特征,强化特征信息表达;引入DIoU损失函数,精确反映锚框与预测框之间的相似度,提升模型检测精度。实验结果表明,改进后的模型平均精度均值达88.3%,相比于基线模型YOLOv8n,提升了0.8%,参数量减少了18.51%,计算量减小了20.73%,模型大小缩减了15.87%。该模型有效缓解了边缘设备的硬件限制,同时保障了煤矿安全监测的准确性。 展开更多
关键词 煤矿 带式输送机 输送带异物 部署轻量化 GhostNetV2 SPPF优化 headC2f_CA注意力模块 diou损失函数
在线阅读 下载PDF
一种改进YOLOv3的手势识别算法 被引量：8
5
作者 睢丙东 张湃 王晓君 《河北科技大学学报》 CAS 北大核心 2021年第1期22-29,共8页
为了解决YOLOv3算法在手势识别中存在识别精度低及易受光照条件影响的问题,提出了一种改进的YOLOv3手势识别算法。首先,在原来3个检测尺度上新增加1个更小的检测尺度,提高对小目标的检测能力;其次,以DIoU代替原来的均方差损失函数作为... 为了解决YOLOv3算法在手势识别中存在识别精度低及易受光照条件影响的问题,提出了一种改进的YOLOv3手势识别算法。首先,在原来3个检测尺度上新增加1个更小的检测尺度,提高对小目标的检测能力;其次,以DIoU代替原来的均方差损失函数作为坐标误差损失函数,用改进后的Focal损失函数作为边界框置信度损失函数,目标分类损失函数以交叉熵作为损失函数。结果表明,将改进的YOLOv3手势识别算法用于手势检测中,mAP指标达到90.38%,较改进前提升了6.62%,FPS也提升了近2倍。采用改进的YOLOv3方法训练得到的新模型,识别手势精度更高,检测速度更快,整体识别效率大幅提升,平衡了简单样本和困难样本的损失权重,有效提高了模型的训练质量和泛化能力。 展开更多
关键词 计算机神经网络 YOLOv3 目标检测 手势识别 diou Focal损失函数
在线阅读 下载PDF
基于深度学习的生姜种芽快速识别及其朝向判定 被引量：11
6
作者 侯加林 房立发 +2 位作者 吴彦强 李玉华 席芮 《农业工程学报》 EI CAS CSCD 北大核心 2021年第1期213-222,共10页
针对目前生姜机械化播种难以实现“种芽朝向一致”农艺要求的问题,该研究提出了一种基于深度学习的生姜种芽快速识别及其朝向判定的方法。首先,构建生姜数据集。其次,搭建YOLO v3网络进行种芽的识别,包括:使用Mosaic等在线数据增强方式... 针对目前生姜机械化播种难以实现“种芽朝向一致”农艺要求的问题,该研究提出了一种基于深度学习的生姜种芽快速识别及其朝向判定的方法。首先,构建生姜数据集。其次,搭建YOLO v3网络进行种芽的识别,包括:使用Mosaic等在线数据增强方式,增加图像的多样性,解决小数据集训练时泛化能力不足的问题;引入DIoU(Distance Intersection over Union)边框回归损失函数来提高种芽识别回归效果;使用基于IoU的K-means聚类方法,经线性尺度缩放得到9个符合种芽尺寸的先验框,减少了先验框带来的误差。最后进行壮芽的选取及其朝向的判定。测试集中的结果表明,该研究提出的生姜种芽识别网络,平均精度和精准率、召回率的加权调和平均值F1分别达到98.2%和94.9%,采用GPU硬件加速后对生姜种芽的检测速度可达112帧/s,比原有YOLO v3网络的平均精度和F1值分别提升1.5%和4.4%,实现了生姜种芽的快速识别及其朝向的判定,为生姜自动化精确播种提供了技术保证。 展开更多
关键词 图像识别 算法 卷积神经网络 生姜种芽 diou边框回归损失函数
在线阅读 下载PDF
基于无人机航拍的绝缘子掉串实时检测研究 被引量：11
7
作者 李登攀 任晓明 颜楠楠 《上海交通大学学报》 EI CAS CSCD 北大核心 2022年第8期994-1003,共10页
由无人机代替人工进行电力绝缘子巡检具有重要意义,针对无人机的上位机算力和存储资源有限的问题,提出一种适用于绝缘子掉串故障检测的实时目标检测改进算法.以YOLOv5s检测网络为基础,将颈部结构中路径聚合网络替换为双向特征金字塔网络... 由无人机代替人工进行电力绝缘子巡检具有重要意义,针对无人机的上位机算力和存储资源有限的问题,提出一种适用于绝缘子掉串故障检测的实时目标检测改进算法.以YOLOv5s检测网络为基础,将颈部结构中路径聚合网络替换为双向特征金字塔网络,以提升特征融合能力;使用DIoU优化损失函数,对模型进行γ系数的通道剪枝和微调,总体上提升检测网络的精度、速度和部署能力;在网络输出处进行图像增强以提升算法可用性.在特殊扩增的绝缘子故障数据集下测试,相较于原始的YOLOv5s算法,改进算法在精度平均值上提升了3.91%,速度提升了25.6%,模型体积下降了59.1%. 展开更多
关键词 无人机 绝缘子掉串 双向特征金字塔网络结构 γ系数剪枝微调 diou损失函数 图像增强
在线阅读 下载PDF
FPN-CenterNet安全帽佩戴检测算法 被引量：6
8
作者 赵江河 王海瑞 吴蕾 《计算机工程与应用》 CSCD 北大核心 2022年第14期114-120,共7页
安全帽作为施工场所工人的安全保障,佩戴与否影响着工人的生命安全。在佩戴检测方面引入深度学习可以高效地提醒工人佩戴安全帽。但由于施工图像中安全帽的图像过小,CenterNet表现得并不好。因此针对这个情况,提出了FPN-CenterNet框架;... 安全帽作为施工场所工人的安全保障,佩戴与否影响着工人的生命安全。在佩戴检测方面引入深度学习可以高效地提醒工人佩戴安全帽。但由于施工图像中安全帽的图像过小,CenterNet表现得并不好。因此针对这个情况,提出了FPN-CenterNet框架;使用ACNet非对称卷积核来对主干网络的特征提取进行增强;使用DIoU损失函数来优化边框预测的准确度。最终修改的算法相较于原始的CenterNet算法mAP提升了4.99个百分点,在GTXGeForce 1050的GPU上的FPS达到25.81。实验结果表明修改之后的算法在安全帽佩戴检测上有良好的准确性和效率。 展开更多
关键词 安全帽佩戴检测 特征金字塔 非对称卷积核 diou损失函数
在线阅读 下载PDF
基于改进YOLOv5的工业安全帽检测 被引量：1
9
作者 刘斯逸 何青 《现代计算机》 2023年第21期1-8,共8页
YOLO系列算法是目前计算机视觉目标检测领域主流的算法模型,其中以YOLOv5为代表的算法往往具有更快的检测速度和更高的准确率。由于工业施工现场受到例如光照、遮挡等复杂因素的影响,现有的检测算法对于小目标的检测精度不佳,存在漏检... YOLO系列算法是目前计算机视觉目标检测领域主流的算法模型,其中以YOLOv5为代表的算法往往具有更快的检测速度和更高的准确率。由于工业施工现场受到例如光照、遮挡等复杂因素的影响,现有的检测算法对于小目标的检测精度不佳,存在漏检、错检等问题。鉴于此,提出一种改进的YOLOv5安全帽检测算法。算法的改进主要为两方面,一方面对YOLOv5的三个预测输出层分别加入三种不同的自注意力机制,对大、中、小三个预测输出层之前分别加入SKNet模块、CA模块、ECA模块用以增强模型对于中小目标检测的鲁棒性,加入通道和空间的特征信息使得模型在预测中小目标时专注于被检测目标,同时在每一个模块引入残差连接,提高训练速度,有效解决因为引入自注意力机制造成的梯度消失问题;另一方面改进原来预测边界框的损失函数,采用DIoU损失函数加快训练的速度,提高了检测精度。在开源的数据集上进行实验验证,实验结果显示改进后的YOLOv5模型对比于改进之前的mAP值提升了1.6%。 展开更多
关键词 YOLOv5 SKNet模块 CA模块 ECA模块 diou损失函数
在线阅读 下载PDF
基于改进YOLOv3算法的行人目标检测研究 被引量：1
10
作者 刘金涛 《软件导刊》 2022年第4期220-225,共6页
针对行人目标检测任务中目标检测速度慢及小目标难以检测的问题,提出一种融合CBAM注意力机制的YOLOv3多尺度目标检测模型。该算法首先以YOLOv3为基础网络进行特征提取,然后在YOLOv3的多尺度特征融合层新增一个两倍下采样特征图,用于补... 针对行人目标检测任务中目标检测速度慢及小目标难以检测的问题,提出一种融合CBAM注意力机制的YOLOv3多尺度目标检测模型。该算法首先以YOLOv3为基础网络进行特征提取,然后在YOLOv3的多尺度特征融合层新增一个两倍下采样特征图,用于补充小目标特征信息,最后在YOLOv3的各尺度特征图融合后加入卷积注意力模型(CBAM),以加强网络的特征表达能力。模型训练时使用DIOU损失函数代替较为主流的GIOU损失函数,并采用INRIA数据集进行实验。实验结果表明,改进后的YOLOv3目标检测模型精度和速度都有较大程度提升,检测精度最高提升了4.5%,检测速度提升了8帧/s,验证了该模型的可行性与有效性。 展开更多
关键词 行人目标检测 多尺度反馈 CBAM注意力机制 diou损失函数
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