为了有效应对玉米地杂草对玉米产量和品质的影响,实现玉米与杂草的快速、准确检测,提出了一种基于改进YOLOv8n(You Only Look Once Version 8 nano)的玉米与杂草检测模型。首先,提出了ACMConv(Accurate and Computationally Minimal Con...为了有效应对玉米地杂草对玉米产量和品质的影响,实现玉米与杂草的快速、准确检测,提出了一种基于改进YOLOv8n(You Only Look Once Version 8 nano)的玉米与杂草检测模型。首先,提出了ACMConv(Accurate and Computationally Minimal Convolution)新型卷积方式,显著减少了模型计算量,使模型更加轻量化;其次,使用SELU激活函数,引入非线性因素,有效缓解了梯度消失问题;最后,引入Focal Loss作为边界框损失函数,使模型更加容易收敛。实验结果表明,相较于原始YOLOv8n模型,改进后的YOLOv8n模型的平均精度均值提升了1.3百分点,计算量降低了7.3%,实现了对玉米与杂草的高效、准确检测。展开更多
针对传统课堂质量评价手段主要依靠人工观察,存在效率低和精度差等问题,提出了一种基于改进YOLOv5s(You Only Look Once version 5 small)的轻量化课堂评价模型。通过采用该模型和层次分析法建立完善的课堂评价体系。该模型在颈部网络...针对传统课堂质量评价手段主要依靠人工观察,存在效率低和精度差等问题,提出了一种基于改进YOLOv5s(You Only Look Once version 5 small)的轻量化课堂评价模型。通过采用该模型和层次分析法建立完善的课堂评价体系。该模型在颈部网络中融入CBAM(Convolutional Block Attention Module)注意力机制,提高了模型的识别精度;通过在骨干网络中融合Ghost模块,显著降低了模型的复杂度;通过采用Focal Loss损失函数,有效地缓解了类别不平衡的问题。实验结果表明,与YOLOv5s模型相比,改进后的模型平均精度提升了7.3%,参数量减少了42.0%,计算量减少33.1%,检测速度提升了4%。最后结合层次分析法和熵权法建立课堂质量评价体系,动态显示当前课堂质量的评分,可满足实际课堂需求。展开更多
文摘为了有效应对玉米地杂草对玉米产量和品质的影响,实现玉米与杂草的快速、准确检测,提出了一种基于改进YOLOv8n(You Only Look Once Version 8 nano)的玉米与杂草检测模型。首先,提出了ACMConv(Accurate and Computationally Minimal Convolution)新型卷积方式,显著减少了模型计算量,使模型更加轻量化;其次,使用SELU激活函数,引入非线性因素,有效缓解了梯度消失问题;最后,引入Focal Loss作为边界框损失函数,使模型更加容易收敛。实验结果表明,相较于原始YOLOv8n模型,改进后的YOLOv8n模型的平均精度均值提升了1.3百分点,计算量降低了7.3%,实现了对玉米与杂草的高效、准确检测。
文摘针对传统课堂质量评价手段主要依靠人工观察,存在效率低和精度差等问题,提出了一种基于改进YOLOv5s(You Only Look Once version 5 small)的轻量化课堂评价模型。通过采用该模型和层次分析法建立完善的课堂评价体系。该模型在颈部网络中融入CBAM(Convolutional Block Attention Module)注意力机制,提高了模型的识别精度;通过在骨干网络中融合Ghost模块,显著降低了模型的复杂度;通过采用Focal Loss损失函数,有效地缓解了类别不平衡的问题。实验结果表明,与YOLOv5s模型相比,改进后的模型平均精度提升了7.3%,参数量减少了42.0%,计算量减少33.1%,检测速度提升了4%。最后结合层次分析法和熵权法建立课堂质量评价体系,动态显示当前课堂质量的评分,可满足实际课堂需求。
