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81篇文章
< 1 2 … 5 >
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FasterNet-YOLOv8的焊缝表面缺陷检测算法
1
作者 李冠胜 阮景奎 +1 位作者 王宸 闫伟伟 《机电工程技术》 2026年第2期78-83,共6页
针对焊缝缺陷复杂背景干扰性强,检测精度和效率较低的问题,提出了一种改进的FasterNet-YOLOv8缺陷检测算法。在Backbone端更换FasterNet轻量级模型主干,捕获重要特征信息。将FasterNet-Block和卷积注意力融合模块(Convolution and Atten... 针对焊缝缺陷复杂背景干扰性强,检测精度和效率较低的问题,提出了一种改进的FasterNet-YOLOv8缺陷检测算法。在Backbone端更换FasterNet轻量级模型主干,捕获重要特征信息。将FasterNet-Block和卷积注意力融合模块(Convolution and Atten⁃tion Fusion Module,CAFM)开发到网络的特征提取模块中,设计了一种新颖的C2f-Faster-CAFM轻量级架构,减少网络的冗余通道的同时自适应捕捉全局关键信息。设计采用特征聚焦扩散金字塔网络(Feature Focused Diffusion Pyramid Network,FDPN)来增强多尺度信息融合提取能力,从而提高网络在多尺度场景中的鲁棒性和检测精度。实验结果表明,与原YOLOv8算法相比,Faster⁃Net-YOLOv8的精确率达到94.9%,召回率达到93.5%,平均检测精度提升至97.4%,提高了3.1%。 展开更多
关键词 缺陷检测 YOLOv8 fasternet 注意力机制 特征聚焦扩散金字塔网络
在线阅读 下载PDF
基于改进的FasterNet太阳能板表面损坏污染检测方法
2
作者 邱心涛 朱昨庆 +3 位作者 于士友 徐小林 王青 张迅 《自动化技术与应用》 2026年第3期22-26,共5页
为实现太阳能板表面损坏污染的智能化分类检测,提出了一种基于改进的FasterNet模型的检测方法。针对太阳能板表面损坏污染种类繁多且具有复杂背景的特点,首先建立了包含鸟屎、灰尘、电气灼伤等类别的太阳能板污染损坏数据集,并对图像进... 为实现太阳能板表面损坏污染的智能化分类检测,提出了一种基于改进的FasterNet模型的检测方法。针对太阳能板表面损坏污染种类繁多且具有复杂背景的特点,首先建立了包含鸟屎、灰尘、电气灼伤等类别的太阳能板污染损坏数据集,并对图像进行预处理以增强数据多样性。然后,构建了改进的FasterNet分类检测模型,在模型的第1层和第3层FasterNet Block后添加SimAM无参注意力机制,并采用自适应矩估计(adaptive moment estimation,Adam)作为模型损失函数,进一步提升了网络的分类性能和训练效率。在实验过程中,通过与原始FasterNet模型的对比,相比于传统的太阳能板检测方法,改进后的FasterNet模型在实际应用中具有较好的智能化性能,能够在不增加计算复杂度的情况下提高检测精度。研究结果为实现太阳能板智能巡检提供了有效的技术支持,具有广泛的应用前景。 展开更多
关键词 fasternet 太阳能板 SimAM注意力机制 检测 智能化 深度学习
在线阅读 下载PDF
基于改进SDP和FasterNet-GCAM的滚动轴承故障诊断
3
作者 陈家芳 唐湛恒 周健 《现代制造工程》 北大核心 2025年第7期129-138,41,共11页
对滚动轴承进行故障诊断关乎设备运行安全及稳定可靠性。使用传统卷积神经网络进行故障诊断,模型运算量过大,且易出现过拟合现象从而导致诊断精度不高,端到端模型存在可信度不高等问题。鉴于此,提出一种基于改进对称极坐标(Symmetrized ... 对滚动轴承进行故障诊断关乎设备运行安全及稳定可靠性。使用传统卷积神经网络进行故障诊断,模型运算量过大,且易出现过拟合现象从而导致诊断精度不高,端到端模型存在可信度不高等问题。鉴于此,提出一种基于改进对称极坐标(Symmetrized Dot Pattern,SDP)法和FasterNet-GCAM网络的滚动轴承故障诊断方法。首先,将一维振动信号经过小波阈值降噪处理,再输入经皮尔逊图像相关系数法优化的SDP法生成SDP图像,并通过在FasterNet网络中加入部分卷积(partial convolution)思想,构建成改进的SDP-FasterNet模型进行进一步的特征提取,并完成滚动轴承不同故障的分类诊断。为了验证模型在图像识别过程中决策的可信度,将梯度加权类激活映射(Gradient-weighted Class Activation Mapping,Grad-CAM)与FasterNet网络相结合,突出SDP图像与决策相关的重要部分。试验结果表明,所提方法相比于其他方法具有更快的收敛速度和更强的鲁棒性,且诊断识别精度达到了99.20%,并提高了诊断过程中的可解释性及可信度,为故障诊断领域提供了具备良好可行性和鲁棒性的轻量化诊断模型。 展开更多
关键词 滚动轴承 故障诊断 fasternet网络 部分卷积 梯度加权类激活映射 对称极坐标法
在线阅读 下载PDF
基于改进FasterNet的轻量化小麦生育期识别模型 被引量：5
4
作者 时雷 雷镜楷 +4 位作者 王健 杨程凯 刘志浩 席磊 熊蜀峰 《农业机械学报》 EI CAS CSCD 北大核心 2024年第5期226-234,共9页
针对现阶段小麦生育期信息获取需依靠人工观测,效率低、主观性强等问题,本文构建包含冬小麦越冬期、返青期、拔节期和抽穗期4个生育期共计4599幅小麦图像数据集,并提出一种基于FasterNet的轻量化网络模型FSST(Fast shuffle swin transfo... 针对现阶段小麦生育期信息获取需依靠人工观测,效率低、主观性强等问题,本文构建包含冬小麦越冬期、返青期、拔节期和抽穗期4个生育期共计4599幅小麦图像数据集,并提出一种基于FasterNet的轻量化网络模型FSST(Fast shuffle swin transformer),开展4个关键生育期的智能识别。在FasterNet部分卷积的基础上引入Channel Shuffle机制,以提升模型计算速度。引入Swin Transformer模块来实现特征融合和自注意力机制,用来提升小麦关键生育期识别准确率。调整整个模型结构,进一步降低网络复杂度,并在训练中引入Lion优化器,加快网络模型收敛速度。在自建的数据集上进行模型验证,结果表明,FSST模型参数量仅为1.22×10^(7),平均识别准确率、F1值和浮点运算量分别为97.22%、78.54%和3.9×10^(8),与FasterNet、GhostNet、ShuffleNetV2和MobileNetV34种模型相比,FSST模型识别精度更高,运算速度更快,并且识别时间分别减少84.04%、73.74%、72.22%和77.01%。提出的FSST模型能够较好地进行小麦关键生育期识别,并且具有识别快速精准和轻量化的特点,可以为大田作物生长实时监测提供信息技术支持。 展开更多
关键词 小麦 生育期识别 fasternet 轻量化 Lion优化器
在线阅读 下载PDF
基于FasterNet和YOLOv5改进的玻璃绝缘子自爆缺陷快速检测方法 被引量：23
5
作者 邬开俊 徐泽浩 单宏全 《高电压技术》 EI CAS CSCD 北大核心 2024年第5期1865-1876,共12页
为了实现对电力输电线路中绝缘子缺陷实时快速的巡检需求,提出了一种结合FasterNet-tiny和YOLOv5-s-v6.1网络模型改进的缺陷快速检测算法FasterNet-YOLOv5。首先引入参数量小推理速度更快的FasterNet网络替换原先的CSPDarkNet53主干网络... 为了实现对电力输电线路中绝缘子缺陷实时快速的巡检需求,提出了一种结合FasterNet-tiny和YOLOv5-s-v6.1网络模型改进的缺陷快速检测算法FasterNet-YOLOv5。首先引入参数量小推理速度更快的FasterNet网络替换原先的CSPDarkNet53主干网络,加快网络的检测速度。然后结合由GhostNetv2网络提出的解耦全连接注意力机制(decoupled fully connected,DFC),在主干特征提取网络中设计了DFC-FasterNet模块,模块中的DFC Attention机制可以在特征提取过程中增大感受野,提升网络的检测精度。最后针对玻璃绝缘子自爆缺陷目标较小和背景较复杂的情况,重新设计Neck模块,提出BiFPN-F特征融合模块,使网络更精确地定位绝缘子缺陷区域。实验结果表明:改进后的算法可以快速精准定位,其均值平均精度(mean average precision,mAP)达到93.3%,相较于改进前提升5.67%,检测速度达到45.7 Hz,较改进前提升近1倍。同时与最新的YOLOv8n和YOLOv7-tiny相比,改进后的FasterNet-YOLOv5在自爆缺陷上的检测精度和速度更具优势,该文所提算法能够更快速地对绝缘子及其自爆缺陷实时定位识别。 展开更多
关键词 缺陷检测 BiFPN-F fasternet YOLOv5s DFC Attention PConv
原文传递
融合Fasternet与YOLOv5模型的鸡蛋外观检测 被引量：4
6
作者 魏晶鑫 陈中举 许浩然 《食品与机械》 CSCD 北大核心 2024年第8期105-112,165,共9页
[目的]高效识别自动化生产过程中存在蛋壳瑕疵的鸡蛋。[方法]设计了一种融合Fasternet模块与YOLOv5s的鸡蛋外观检测模型FC-YOLOv5。该模型使用Kmeans++算法对数据集重新聚类,优化先验框;将C3结构中的Bottleneck模块替换为FasternetBloc... [目的]高效识别自动化生产过程中存在蛋壳瑕疵的鸡蛋。[方法]设计了一种融合Fasternet模块与YOLOv5s的鸡蛋外观检测模型FC-YOLOv5。该模型使用Kmeans++算法对数据集重新聚类,优化先验框;将C3结构中的Bottleneck模块替换为FasternetBlock模块,减少模型参数量,同时提高模型检测精度;采用Soft-NMS算法作为非极大值抑制算法,提高重叠特征的检测效果;引入CBAM注意力机制,增加网络模型对重要特征的提取能力。[结果]与YOLOv5原模型相比,改进后的FC-YOLOv5模型在mAP@0.5和mAP@0.5:0.95上分别提高了3.2%和5.2%,计算量和参数量分别减少了19.6%和16.9%,且与YOLOv7-tiny和YOLOv8模型相比有显著优势。[结论]试验方法在鸡蛋外观检测场景下可提高检测精度并降低参数量,达到鸡蛋自动化生产中的次品蛋识别目的。 展开更多
关键词 鸡蛋外观检测 YOLOv5 fasternet Kmeans++ CBAM
在线阅读 下载PDF
双分支注意力与FasterNet相融合的航拍场景分类
7
作者 杨本臣 曲业田 金海波 《计算机系统应用》 2024年第5期15-27,共13页
航拍高分辨率图像的场景类别多且类间相似度高,经典的基于深度学习的分类方法,由于在提取特征过程中会产生冗余浮点运算,运行效率较低,FasterNet通过部分卷积提高了运行效率但会降低模型的特征提取能力,从而降低模型的分类精度.针对上... 航拍高分辨率图像的场景类别多且类间相似度高,经典的基于深度学习的分类方法,由于在提取特征过程中会产生冗余浮点运算,运行效率较低,FasterNet通过部分卷积提高了运行效率但会降低模型的特征提取能力,从而降低模型的分类精度.针对上述问题,提出了一种融合FasterNet和注意力机制的混合结构分类方法.首先采用“十字型卷积模块”对场景特征进行部分提取,以提高模型运行效率.然后采用坐标注意力与通道注意力相融合的双分支注意力机制,以增强模型对于特征的提取能力.最后将“十字型卷积模块”与双分支注意力模块之间进行残差连接,使网络能训练到更多与任务相关的特征,从而在提高分类精度的同时,减小运行代价,提高运行效率.实验结果表明,与现有基于深度学习的分类模型相比,所提出的方法,推理时间短而且准确率高,参数量为19M,平均一张图像的推理时间为7.1 ms,在公开的数据集NWPU-RESISC45、EuroSAT、VArcGIS (10%)和VArcGIS (20%)的分类精度分别为96.12%、98.64%、95.42%和97.87%,与FasterNet相比分别提升了2.06%、0.77%、1.34%和0.65%. 展开更多
关键词 遥感场景 图像分类 注意力机制 残差连接 fasternet
在线阅读 下载PDF
DAF-YOLO:改进YOLOv8s的轻量化水下目标检测算法
8
作者 刘儒一 刘自超 +1 位作者 孙媛媛 宋廷强 《计算机测量与控制》 2026年第2期31-38,共8页
在复杂海洋探测场景中,针对现有目标检测算法因光线散射、悬浮物遮挡等环境干扰导致的检测精度低和误检漏检问题,以及模型参数量大与水下勘探设备有限算力间的部署矛盾,提出基于改进YOLOv8s的轻量级水下目标检测算法;该算法对YOLOv8s的... 在复杂海洋探测场景中,针对现有目标检测算法因光线散射、悬浮物遮挡等环境干扰导致的检测精度低和误检漏检问题,以及模型参数量大与水下勘探设备有限算力间的部署矛盾,提出基于改进YOLOv8s的轻量级水下目标检测算法;该算法对YOLOv8s的主干网络进行了改进,设计了一种改进的C2f模块D2F,增强了模型对形变目标的表征能力;采用渐进特征金字塔网络AFPN替代原颈部网络,通过跨层直接交互与自适应空间融合操作,促进了多尺度特征有效融合,解决了非邻近层特征融合时的语义差距和信息冲突问题;为提升模型检测速度,引入了FasterNet中的PConv新型卷积方式,构建C2f-Faster模块降低模型复杂度;将融合D2F、AFPN与C2f-Faster模块后的模型命名为DAF-YOLO,经实验测试表明,该模型在URPC2020数据集上的准确率提高了3.9%,参数量和计算量分别减少了10.52%和10.91%,同时以每秒115.6帧的速度实现了高速检测,进一步实现了算法在精度和速度间的平衡。 展开更多
关键词 水下目标检测 YOLOv8s D2F AFPN fasternet
在线阅读 下载PDF
一种FCDIS-YOLOv11s轻量化SAR图像智能检测方法
9
作者 闫晨宇 耿亮 +1 位作者 杜伟伟 张学贤 《指挥控制与仿真》 2026年第1期45-54,共10页
针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像检测模型难以兼顾检测精度与模型轻量化的问题,提出了一种基于YOLOv11s的轻量化SAR图像目标智能检测方法。该方法首先将主干网络替换为高效的FasterNet结构,显著降低了模型参数量;其... 针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像检测模型难以兼顾检测精度与模型轻量化的问题,提出了一种基于YOLOv11s的轻量化SAR图像目标智能检测方法。该方法首先将主干网络替换为高效的FasterNet结构,显著降低了模型参数量;其次,创新性地将自主研发的EMIBC模块融入C3K2模块,有效提升了模型对小目标和多尺度目标的识别能力;再次,采用动态上采样(DySample)替代传统上采样方法,优化了特征融合阶段的处理效率;最后,本文引入Inner-SIoU损失函数取代原始的CIoU边界框损失,进一步提高了模型的训练效果和特征提取能力。在HRSID数据集上的实验结果表明,改进后的模型在计算复杂度指标GFLOPs上降低了2.79%,同时检测精度指标mAP提升了7.35%,较好地实现了模型轻量化与检测精度的平衡优化。 展开更多
关键词 合成孔径雷达 轻量化 fasternet 动态上采样 Inner-SIoU损失函数
在线阅读 下载PDF
基于改进YOLO v8的水稻害虫检测方法
10
作者 刘善梅 程焜 +2 位作者 翟瑞芳 陈阳 彭辉 《农业机械学报》 北大核心 2026年第4期317-326,共10页
为实现对复杂背景下多尺度水稻害虫的实时精准检测,构建了一个涵盖多种水稻害虫图像的数据集,提出了一种水稻害虫实时检测模型YOLO v8-FDI。该模型基于YOLO v8n架构,采用FasterNet作为主干网络,在保持对害虫特征敏感度的同时,优化了网... 为实现对复杂背景下多尺度水稻害虫的实时精准检测,构建了一个涵盖多种水稻害虫图像的数据集,提出了一种水稻害虫实时检测模型YOLO v8-FDI。该模型基于YOLO v8n架构,采用FasterNet作为主干网络,在保持对害虫特征敏感度的同时,优化了网络结构;通过引入Dynamic Head技术,模型能够动态调整输出层检测头,以更好地适应不同类型和尺寸的害虫特征,进而提升模型精度和泛化能力;通过采用Inner-IoU损失函数,模型在损失计算过程中能够自动调节比例因子,不仅加快了模型训练收敛速度,还进一步提高了模型性能。实验结果表明,YOLO v8-FDI模型处理单幅害虫图像平均时间为12.43 ms,具备每秒处理超过80帧图像能力,满足了实际应用中的实时性要求。在测试集上,YOLO v8-FDI模型的精确率、平均精度均值(mAP@0.5:0.95)和F1分数分别为97.7%、94.0%和97.2%,相较于YOLO v3-tiny、YOLO v5n、YOLO v7-tiny、YOLO v8n、YOLO v9t和YOLO v10n模型,精确率分别提升5.2、2.7、6.7、3.4、2.2、3.2个百分点;mAP@0.5:0.95分别提升10.8、5.4、18.1、2.3、1.0、6.4个百分点;F1分数分别提升2.6、2.0、4.9、1.2、1.3、2.9个百分点。所构建的YOLO v8-FDI模型实现了复杂背景下多尺度水稻害虫实时精准检测,可为农业害虫实时监测提供技术支撑。 展开更多
关键词 水稻 害虫检测 YOLO v8n fasternet Dynamic Head
在线阅读 下载PDF
基于改进YOLO11n的无人机红外人车目标检测方法
11
作者 何博通 李杲阳 +2 位作者 杨克义 邵方方 李康丽 《物联网技术》 2026年第3期17-19,26,共4页
为了提升无人机在低光环境下的目标识别能力,减少漏检,提出了一种基于改进YOLO11n的红外图像目标检测方法,对无人机视角下的红外人和车目标具有良好的检测效果。该改进方法主要包括两个方面:首先,通过使用FasterNet替换主干网络,增强模... 为了提升无人机在低光环境下的目标识别能力,减少漏检,提出了一种基于改进YOLO11n的红外图像目标检测方法,对无人机视角下的红外人和车目标具有良好的检测效果。该改进方法主要包括两个方面:首先,通过使用FasterNet替换主干网络,增强模型的特征表达能力;其次,在检测头增加P2检测层,提高对小目标的检测能力。实验结果表明:改进后的模型在自建的红外人和车数据集上的精确度可达97.4%,召回率可达97.7%,平均精度均值(mAP@0.5:0.95)可达80.8%,相较于YOLO11n分别提升1.1%、4.9%和2.3%,能够显著提升红外人和车目标的检测精度并减少漏检。 展开更多
关键词 YOLO11n 无人机视角 红外目标检测 fasternet P2检测层 小目标检测
在线阅读 下载PDF
改进YOLOv5s的路面坑槽目标检测模型 被引量：2
12
作者 赵江平 王欣然 吴立舟 《中国安全科学学报》 北大核心 2025年第1期67-74,共8页
为提高道路安全巡检工作中路面坑槽隐患的检测效率和自动化水平,降低交通事故发生概率,构建一种基于改进YOLOv5s的路面坑槽隐患智能检测模型。在原YOLOv5s网络中加入自适应空间特征融合(ASFF)模块,将主干网络替换为FasterNet网络,引入... 为提高道路安全巡检工作中路面坑槽隐患的检测效率和自动化水平,降低交通事故发生概率,构建一种基于改进YOLOv5s的路面坑槽隐患智能检测模型。在原YOLOv5s网络中加入自适应空间特征融合(ASFF)模块,将主干网络替换为FasterNet网络,引入轻量通道注意力(ECA)模块;通过消融试验分析改进模块对检测模型性能的影响,验证目标检测效果,并开发交互式可视化检测界面。结果表明:改进后的模型精度、召回率和平均检测精度分别提升了4.1%、9.9%和5.6%。较原网络有较为显著的提升,具有良好的检测效果,能够满足路面坑槽自动化检测的应用需求,提高巡检效率,减少因路面坑槽导致的交通事故。 展开更多
关键词 YOLOv5s 路面坑槽 目标检测 自适应空间特征融合(ASFF) fasternet
原文传递
基于YOLOv8的雾天车辆行人实时检测方法 被引量：1
13
作者 汤亮 陈博文 +1 位作者 牛一森 马荣庚 《广西师范大学学报(自然科学版)》 北大核心 2025年第3期72-83,共12页
随着智能通信技术在智能交通场景的广泛运用,行人、车辆目标检测已成为保障道路安全的重要基础。针对在雾天恶劣环境中检测网络漏检率高、检测速度慢的问题,本文提出基于YOLOv8的实时雾天目标检测方法。该模型将输入图片加入去雾网络模... 随着智能通信技术在智能交通场景的广泛运用,行人、车辆目标检测已成为保障道路安全的重要基础。针对在雾天恶劣环境中检测网络漏检率高、检测速度慢的问题,本文提出基于YOLOv8的实时雾天目标检测方法。该模型将输入图片加入去雾网络模块对输入图像进行预处理,保留原图片的细节特征并去除雾气的遮挡,再使用改进后的YOLOv8n进行检测。在YOLOv8n上基于FasterNet改进C2f模块,降低模型参数量及模型大小,增加模型计算效率,并设计SE-ResNeXt检测头,避免了因堆积神经网络层数带来的负面影响。最后运用知识蒸馏的方式,进一步提高检测精度。将所提出模型在reside rtts数据集和合成有雾数据集上进行验证。与原网络相比,平均精度(mAP@50_95)提升5.2个百分点,检测帧数达到170 frame/s。 展开更多
关键词 雾天场景 目标检测 信息交互 fasternet SENet ResNeXt
在线阅读 下载PDF
基于FPBW-YOLO v8的复杂场景下番茄果实识别方法
14
作者 顾文娟 刘浩状 +3 位作者 魏金 高文奇 阴艳超 刘孝保 《农业机械学报》 北大核心 2025年第8期467-478,共12页
番茄果实的快速准确检测是实现其智能采摘的重要前提,针对部署需求以及番茄图像背景复杂、枝叶遮挡和果实重叠等问题,提出了一种基于改进YOLO v8n的复杂场景下番茄果实识别方法。使用FasterNet作为YOLO v8n的主干特征提取网络,提高模型... 番茄果实的快速准确检测是实现其智能采摘的重要前提,针对部署需求以及番茄图像背景复杂、枝叶遮挡和果实重叠等问题,提出了一种基于改进YOLO v8n的复杂场景下番茄果实识别方法。使用FasterNet作为YOLO v8n的主干特征提取网络,提高模型的特征提取能力;通过在颈部网络中融合P2小目标检测分支和双向特征金字塔网络(Bidirectional feature pyramid network,BiFPN)结构,降低复杂背景的干扰以提高模型的检测精度;使用WIoU(Wise intersection over union)损失函数提高模型在遮挡、重叠情况下的果实定位精度,同时加快模型收敛;基于NCNN框架将模型部署到移动端进行测试。试验结果表明,FPBW-YOLO v8模型精确率、召回率、平均精度均值(mAP@0.5和mAP@0.5:0.95)分别达到97.9%、95.1%、98.3%和74.3%,相较于Faster R-CNN、SSD、YOLO v8n、YOLO v7、YOLO v5n和Rt-Detr均有明显优势,且模型内存占用量仅8.7 MB。在移动端上的测试结果表明,本文模型能够在计算资源有限的硬件设备上获得较高的检测精度,可以有效解决复杂场景下番茄果实的识别问题,为番茄采摘机器人的研发提供技术支持。 展开更多
关键词 番茄果实 目标检测 改进YOLO v8n fasternet BiFPN WIoU
在线阅读 下载PDF
基于FCM-SimCC的猪只面部关键点定位方法
15
作者 张惠莉 王光远 +3 位作者 员玉良 代晨龙 滕飞 任景龙 《农业机械学报》 北大核心 2025年第4期397-407,共11页
随着生猪养殖业向规模化和集约化转型,非侵入式个体识别技术对于追踪溯源、食品安全、疾病控制等方面至关重要,而猪只面部关键点定位技术是实现猪只非侵入式个体识别的前提。本研究基于SimCC关键点定位算法提出一种猪只面部关键点定位模... 随着生猪养殖业向规模化和集约化转型,非侵入式个体识别技术对于追踪溯源、食品安全、疾病控制等方面至关重要,而猪只面部关键点定位技术是实现猪只非侵入式个体识别的前提。本研究基于SimCC关键点定位算法提出一种猪只面部关键点定位模型FCM-SimCC,使用FasterNet代替原算法的CSPDarkNet作为特征提取网络;通过在FasterNet中嵌入CA注意力机制,提高模型对长距离特征的捕获能力;使用MLT自适应权重多任务损失函数联合KL散度损失函数与Wing Loss损失函数对模型进行监督。在包含多个猪只品种、多种面部姿态的4861幅图像的数据集上进行实验,结果表明本研究模型平均精度均值、50%平均精度、75%平均精度分别为76.12%、93.44%、83.25%,相比原模型分别提升3.14、1.77、4.47个百分点,浮点运算量为2.79×10^(9),参数量为1.38×10^(7),浮点运算量减少38.68%,参数量减少20.16%。并与DarkPose、HRNet、YOLO X-Pose等主流关键点定位方法进行对比,实验结果表明FCM-SimCC模型能够在较低的浮点运算量与较少模型参数量的基础上实现快速精准的猪只面部关键点定位,为猪只面部关键点定位及后续的猪只个体身份识别等提供技术支持。 展开更多
关键词 猪脸关键点定位 SimCC fasternet 坐标注意力机制
在线阅读 下载PDF
基于改进YOLOv8n的环卫车辆驾驶员疲劳检测方法
16
作者 仝光 赵博 +1 位作者 随婷婷 刘书炘 《汽车技术》 北大核心 2025年第3期15-21,共7页
针对环卫车驾驶员的驾驶环境和驾驶安全,提出了一种基于改进YOLOv8n算法的驾驶员疲劳检测方法。使用FasterNet替换YOLOv8n目标检测算法的主干网络,并设计FasterNet-YOLO的轻量级网络模型;在主干网络和颈部中分别加入压缩和激励(SE)模块... 针对环卫车驾驶员的驾驶环境和驾驶安全,提出了一种基于改进YOLOv8n算法的驾驶员疲劳检测方法。使用FasterNet替换YOLOv8n目标检测算法的主干网络,并设计FasterNet-YOLO的轻量级网络模型;在主干网络和颈部中分别加入压缩和激励(SE)模块与卷积注意力机制(CBAM)模块,保留输入的重要特征信息;引入Zero-DCE++算法对摄像头输入的视频流进行亮度增强,处理因驾驶员面部亮度不足所致模型难以识别问题。试验结果表明:交并比为0.5时的平均类别检测精度(mAP@0.5)达到98%,平均每帧图片推理时间缩短至6.95 ms;该方法在不同光照情况下,均能够实时、准确地检测驾驶员疲劳状态。 展开更多
关键词 疲劳驾驶 目标检测 fasternet-YOLO 注意力机制 低光增强
在线阅读 下载PDF
基于改进YOLOv8的轻量化车辆检测网络 被引量：8
17
作者 陈梓延 王晓龙 +1 位作者 何迪 安国成 《计算机工程》 北大核心 2025年第5期314-325,共12页
现有的高精度车辆检测模型参数与计算量过高,无法在交通智能设备上良好运行,而轻量化的车辆检测模型精度普遍较低,不适用于实际任务。为此,提出一种改进YOLOv8的轻量化车辆检测网络,将主干网络替换为计算量和内存访问更小的FasterNet网... 现有的高精度车辆检测模型参数与计算量过高,无法在交通智能设备上良好运行,而轻量化的车辆检测模型精度普遍较低,不适用于实际任务。为此,提出一种改进YOLOv8的轻量化车辆检测网络,将主干网络替换为计算量和内存访问更小的FasterNet网络,并且将颈部的双向特征金字塔网络替换为加权双向特征金字塔网络(BiFPN),简化特征融合过程。同时,引入一种融合注意力机制的动态检测头,实现检测头和注意力的无冗余结合;此外,针对完全交并比(CIoU)在检测精度和收敛速度上的缺陷,提出一种尺度不变交并比(SIoU)结合归一化高斯Wasserstein距离(NWD)的回归损失算法。最后,为尽量减小模型对边缘设备的算力需求,进行基于幅值的层自适应稀疏化剪枝,进一步压缩模型大小。实验结果表明,提出的改进模型相较于原模型YOLOv8s,在精度上升1.5百分点的情况下,参数量降低78.9%,计算量下降67.4%,模型尺寸降低77.8%,达到了比较优秀的轻量化效果,具有很强的实用性。 展开更多
关键词 YOLOv8模型 车辆检测 轻量化 fasternet网络 归一化高斯Wasserstein距离
在线阅读 下载PDF
基于FEW-YOLOv8遥感图像目标检测算法 被引量：1
18
作者 席阳丽 屈丹 +1 位作者 王芳芳 都力铭 《郑州大学学报(工学版)》 北大核心 2025年第4期62-69,共8页
针对遥感图像目标检测任务中进行特征提取时缺少小目标信息,特征融合过程中部分信息丢失,小目标特征信息不明显,导致小目标检测精度不高的问题,提出了一种基于FEW-YOLOv8模型的遥感图像目标检测算法。首先,优化骨干网络架构,使用Faster... 针对遥感图像目标检测任务中进行特征提取时缺少小目标信息,特征融合过程中部分信息丢失,小目标特征信息不明显,导致小目标检测精度不高的问题,提出了一种基于FEW-YOLOv8模型的遥感图像目标检测算法。首先,优化骨干网络架构,使用FasterNet骨干网络,更有效地提取了遥感图像中小目标的空间特征,使得网络模型更专注于微小目标,从而提升小目标检测精度。其次,使用EMA注意力与C2f构建全新的C2f_EMA模块,替换Neck结构中的C2f模块,在融合特征前进行特征注意力加强操作,使网络模型更突出特征信息中小目标部分,有效解决特征融合过程中小目标特征丢失问题。最后,采用带有动态非单调FM的WIoUv3作为边界框的损失函数,提高了模型的边界框定位精度,并且提升了对小目标的检测性能。实验结果显示:在NWPU VHR-10数据集上经过优化的YOLOv8算法的mAP 50相较于原始YOLOv8算法提高了7.71百分点,在HRSC2016和DOTA v1.0上分别提高了9.70百分点和12.32百分点,证明所提算法能够有效提升遥感图像中小目标的检测精度。 展开更多
关键词 遥感图像 YOLOv8 fasternet骨干网络 EMA注意力机制 WIoU损失函数
在线阅读 下载PDF
基于改进的小目标交通标志检测算法研究 被引量：2
19
作者 韩东旭 谢雨飞 《电子测量技术》 北大核心 2025年第6期28-37,共10页
为了解决交通标志小目标检测所存在的漏检、误检和准确率低等问题,本文提出了一种小目标交通标志检测模型YOLOv8-Faster-Ghost-GAM。该算法首先在主干网络的最后一个C2f模块中引入了全局注意力机制(GAM),增强关键特征并抑制无关信息,显... 为了解决交通标志小目标检测所存在的漏检、误检和准确率低等问题,本文提出了一种小目标交通标志检测模型YOLOv8-Faster-Ghost-GAM。该算法首先在主干网络的最后一个C2f模块中引入了全局注意力机制(GAM),增强关键特征并抑制无关信息,显著提升了目标检测中的小目标和复杂场景下的识别能力;其次,将主干网络中的每个C2f模块替换为Fasternet,以减少模型参数量,并将普通卷积替换为幻影卷积Ghost,使用低廉的线性变换较少计算量;最后,采用WiOU损失函数,有效提升对低质量样本的识别,精度提升了1.6%,召回率提升了3.2%,证明了所作的改进的有效性。 展开更多
关键词 fasternet GAM 小目标交通标志检测 YOLOv8 GHOST WiOU
原文传递
一种基于改进卷积神经网络YOLOv8n的黄精种子成熟度识别模型 被引量：2
20
作者 冯峰 孔淳 +5 位作者 陈诗瑶 马春悦 王琛 郭秀茹 孙博 王志军 《山东农业科学》 北大核心 2025年第1期156-165,共10页
黄精是重要的药食同源品种,在黄精的种植与育种过程中,通常采用基于个人经验的人工方式进行种子成熟度识别,但该方式存在主观性强、精确度不稳定的问题,会在一定程度上影响种植后黄精的产量和质量,进而影响黄精产品的品质和下游产业的... 黄精是重要的药食同源品种,在黄精的种植与育种过程中,通常采用基于个人经验的人工方式进行种子成熟度识别,但该方式存在主观性强、精确度不稳定的问题,会在一定程度上影响种植后黄精的产量和质量,进而影响黄精产品的品质和下游产业的经济效益;另一方面,由于黄精种植地块通常较为分散,使得人工识别种子成熟度的方式较为低效。为了解决以上问题,本研究提出一种基于改进卷积神经网络YOLOv8n的黄精种子成熟度识别模型——YOLOv8n-FasterNet-EMA。首先,在模型轻量化方面,通过将YOLOv8n主干网络中原本的卷积替换为FasterNet的PConv卷积结构,与Bottleneck层结合后得到新的c2f-FasterNet模块,从而减小模型的计算量与内存消耗;其次,在模型泛化性能方面,通过使用EMA注意力机制与YOLOv8n颈部网络中检测处的c2f模块结合,提升模型的特征提取能力,进而改善模型的泛化能力。为验证所提模型的性能,在构建的黄精种子成熟度数据集上进行了对比实验,结果表明,与原YOLOv8n模型相比,本研究所提模型在平均识别精度上提升了2.1%,同时模型的参数量降低了21.3%;此外,与SSD、YOLOv5n相比,本研究所提模型在识别精度和速度上也取得一定的提升。因此,YOLOv8n-FasterNet-EMA能有效识别黄精种子的成熟度,这对实现黄精种子成熟度的智能化识别,进而提升黄精育种的质量、改善下游产业的经济效益均具有重要的实际意义。 展开更多
关键词 黄精 种子成熟度识别 卷积神经网络 YOLOv8n fasternet EMA注意力机制
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 … 5 下一页 到第 页
使用帮助 返回顶部