期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
FEV-YOLOv8n:轻量化安全帽佩戴检测方法 被引量:3
1
作者 韩博 张婧婧 鲁子翱 《计算机测量与控制》 2025年第1期69-77,84,共10页
针对基线YOLOv8n检测算法结构较复杂以及现有的安全帽佩戴检测算法参数量和计算量较大,难以在终端部署等问题,提出一种基于FEV-YOLOv8n的轻量化检测模型;设计一种轻量级的FasterC2f模块改进YOLOv8n的骨干网络,实现网络的参数量和计算量... 针对基线YOLOv8n检测算法结构较复杂以及现有的安全帽佩戴检测算法参数量和计算量较大,难以在终端部署等问题,提出一种基于FEV-YOLOv8n的轻量化检测模型;设计一种轻量级的FasterC2f模块改进YOLOv8n的骨干网络,实现网络的参数量和计算量的降低;在FasterC2f模块中引入EMA注意力机制,融合空间依赖和位置信息,建立长短期的依赖关系,增强对目标表征的关注,以提高模型检测的精度;使用VoVGSCSP模块改进颈部网络,提高遮挡目标以及小目标的辨识度;实验结果表明,改进YOLOv8n模型map值为92.5%,相较于YOLOv8n算法,模型大小减少20%,计算量降低18.5%,参数量降低15.7%,为安全帽佩戴检测的轻量化研究提供理论参考。 展开更多
关键词 目标检测 安全帽 fasterc2f 轻量化 Efficient Multi-Scale Attention VoVGSCSP
在线阅读 下载PDF
基于改进YOLOv8的大件货物运输目标障碍物检测方法
2
作者 谢兴国 闵丹 +3 位作者 江宇星 况雲赟 邹佳鑫 魏存鑫 《中国科学与技术学报》 2025年第4期72-81,共10页
大件货物运输过程中障碍物类型多样、环境复杂,传统目标检测算法在识别精度和实时性方面存在不足。为实现复杂运输场景下障碍物的快速、精准识别,本文在YOLOv8模型基础上进行了结构改进。通过在Backbone与Neck层引入多残差模块(MRM)、Fa... 大件货物运输过程中障碍物类型多样、环境复杂,传统目标检测算法在识别精度和实时性方面存在不足。为实现复杂运输场景下障碍物的快速、精准识别,本文在YOLOv8模型基础上进行了结构改进。通过在Backbone与Neck层引入多残差模块(MRM)、FasterC2f模块(含部分卷积PConv)和空间注意力机制(SA),分别提升特征提取能力、优化特征融合效率并强化显著区域响应。基于自建大件运输障碍物数据集开展系统的消融实验与对比实验。实验结果表明,改进模型在mAP@0.5和mAP@0.5:0.95上分别提升4.4%和7.5%,F1值提高4个百分点;与YOLOv5、YOLOv7、FasterR-CNN等主流算法相比,改进YOLOv8的mAP@0.5达0.911,mAP@0.5:0.95为0.712,推理速度提升至108帧/秒。研究表明,本文提出的改进YOLOv8模型在检测精度、实时性及鲁棒性方面均显著优于传统算法,能够有效应对光照变化、遮挡及多尺度目标检测任务,为大件运输障碍物的智能识别与安全监测提供了高效可靠的技术支撑。 展开更多
关键词 大件运输 YOLOv8 多残差模块 空间注意力机制 障碍物检测
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部