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299篇文章
< 1 2 … 15 >
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YOLO-BioFusion的血细胞检测模型 被引量：1
1
作者 张傲 刘微 +2 位作者 刘阳 杨思瑶 管勇 《电子测量技术》 北大核心 2025年第18期177-188,共12页
血细胞检测是临床诊断中的重要任务,尤其在面对细胞类型多样、尺寸差异显著、目标重叠频繁以及复杂背景时,现有检测模型的精度和鲁棒性仍面临挑战。为解决这些问题,本文提出了一种改进的YOLOv8目标检测模型——YOLO-BioFusion。该模型... 血细胞检测是临床诊断中的重要任务,尤其在面对细胞类型多样、尺寸差异显著、目标重叠频繁以及复杂背景时,现有检测模型的精度和鲁棒性仍面临挑战。为解决这些问题,本文提出了一种改进的YOLOv8目标检测模型——YOLO-BioFusion。该模型通过引入ACFN模块,提高了对细小目标和重叠目标的检测能力;应用C2f-DPE和SPPF-LSK模块增强了多尺度特征的融合与提取,提升了模型的鲁棒性和泛化能力;同时,采用Inner-CIoU损失函数加速了模型收敛并提高了定位精度。实验结果表明,在BCCD数据集上,YOLO-BioFusion的mAP@0.5为94.0%,mAP@0.5:0.95为65.2%,分别较YOLOv8-n提高了1.9%和3.2%。与此同时,计算成本仅为6.8 GFLOPs,展示了其在资源受限环境中的应用潜力。该研究为复杂背景下的血细胞检测提供了一种高效且精确的解决方案。 展开更多
关键词 血细胞检测 多尺度特征融合 损失函数优化 YOLOv8 重叠目标
原文传递
基于多尺度特征增强的航拍小目标检测算法 被引量：1
2
作者 肖剑 何昕泽 +2 位作者 程鸿亮 杨小苑 胡欣 《浙江大学学报(工学版)》 北大核心 2026年第1期19-31,共13页
针对航拍图像小目标检测中存在的检测精度低和模型参数量大的问题,提出兼顾性能与资源消耗的航拍小目标检测算法.以YOLOv8s为基准网络,通过降低通道维数和加强对高频特征的关注,提出自适应细节增强模块(ADEM),在减少冗余信息的同时加强... 针对航拍图像小目标检测中存在的检测精度低和模型参数量大的问题,提出兼顾性能与资源消耗的航拍小目标检测算法.以YOLOv8s为基准网络,通过降低通道维数和加强对高频特征的关注,提出自适应细节增强模块(ADEM),在减少冗余信息的同时加强对小目标细粒度特征的捕获;基于PAN-FPN架构调整特征融合网络,增加对浅层特征的关注,同时引入多尺度卷积核增强对目标上下文信息的关注,以适应小目标检测场景;针对传统IoU灵活性、泛化性不强的问题,构建参数可调的Nin-IoU,通过引入可调参数,实现对IoU的针对性调整,以适应不同检测任务的需求;提出轻量化检测头,在增强多尺度特征信息交融的同时减少冗余信息的传递.结果表明,在VisDrone2019数据集上,所提算法以8.08×106的参数量实现了mAP0.5=50.3%的检测精度;相较于基准算法YOLOv8s,参数量降低了27.4%,精度提升了11.5个百分点.在DOTA与DIOR数据集上的实验结果表明,所提算法具有较强的泛化能力. 展开更多
关键词 目标检测 YOLOv8 无人机图像 特征融合 损失函数
在线阅读 下载PDF
铁路扣件多缺陷识别的改进 YOLOv5s 检测算法
3
作者 李磊 连正浦 +2 位作者 李怡迩 孙建锋 高硕学 《实验室研究与探索》 北大核心 2026年第3期100-108,127,共10页
针对铁路钢轨扣件缺陷检测中存在漏检、误检及模型复杂度高等问题,提出一种用于铁路扣件多缺陷识别的改进YOLOv5s算法。该算法设计了双向减权多尺度特征融合(BiDW-MFF)结构作为YOLOv5s的颈部网络,以增强多尺度特征提取能力;构建C3-ST-Re... 针对铁路钢轨扣件缺陷检测中存在漏检、误检及模型复杂度高等问题,提出一种用于铁路扣件多缺陷识别的改进YOLOv5s算法。该算法设计了双向减权多尺度特征融合(BiDW-MFF)结构作为YOLOv5s的颈部网络,以增强多尺度特征提取能力;构建C3-ST-Res模块替换部分C3模块,从而降低模型参数量;设计了一种动态损失函数SDIoU,通过引入自适应权重机制提升边界框回归精度。实验结果表明,改进后模型的平均检测精度达到91.7%,较原YOLOv5s提升11.5个百分点,且参数量与权重大小分别降低4.2%和3.5%。与SSD、Faster R-CNN及YOLOv3等主流算法相比,所提算法在检测性能与模型效率方面均表现出明显优势,可为钢轨扣件缺陷智能检测提供有效技术支撑。 展开更多
关键词 铁路扣件 C3-ST-Res模块 双向减权多尺度特征融合 SDIoU动态损失函数
在线阅读 下载PDF
基于DUHG-YOLO的教室学生行为检测
4
作者 魏英姿 于聚壮 张航 《沈阳理工大学学报》 2026年第2期39-46,共8页
针对教室环境中学生行为检测存在人员密集、遮挡、模糊以及前后排目标尺度变化显著等问题,提出名为DUHG-YOLO的先进目标检测模型。模型以YOLOv11框架为基础,首先设计C3k2_Dual模块,既在主干网络的C3k2中引入双重卷积模块(DualConv),以... 针对教室环境中学生行为检测存在人员密集、遮挡、模糊以及前后排目标尺度变化显著等问题,提出名为DUHG-YOLO的先进目标检测模型。模型以YOLOv11框架为基础,首先设计C3k2_Dual模块,既在主干网络的C3k2中引入双重卷积模块(DualConv),以增强模型特征提取能力,减少计算冗余并提高检测精度。其次提出一种多尺度特征融合与注意力增强的网络框架ZSH,通过引入混合注意力机制(HybridAttention)和双线性插值(Bilinear)增强特征融合效果,提升特征表示能力。最后使用广义交并比损失函数(GIoU)优化非重叠目标的梯度更新,提高模型的检测精度。实验结果表明,相较YOLOv11n,DUHG-YOLO在StuDataset数据集上精确率、召回率、平均精度均值分别提升1.7%、2.6%、2.1%,可以有效应用于教室学生行为检测任务。 展开更多
关键词 行为检测 YOLOv11 双重卷积 特征融合 损失函数
在线阅读 下载PDF
基于改进YOLOv8n的道路缺陷检测算法
5
作者 林世颢 张洋 +1 位作者 高盛祥 车文刚 《兰州大学学报(自然科学版)》 北大核心 2026年第1期10-19,共10页
针对现有道路裂缝检测算法识别准确率低、误检率高等缺陷,提出一种基于YOLOv8n的改进道路裂缝检测算法YOLOv8-ES.将高效多尺度注意力机制引入骨干网络,可以提高模型的鲁棒性和泛化能力.设计了C2f-RepNCSPFPN模块,能够在保持较高检测精... 针对现有道路裂缝检测算法识别准确率低、误检率高等缺陷,提出一种基于YOLOv8n的改进道路裂缝检测算法YOLOv8-ES.将高效多尺度注意力机制引入骨干网络,可以提高模型的鲁棒性和泛化能力.设计了C2f-RepNCSPFPN模块,能够在保持较高检测精度的同时降低模型的计算复杂度和参数量.用EfficiCIoU-Loss损失函数替换原CIoU-Loss函数,提升模型的定位准确性和稳定性,减少了误检和漏检.引入SPPFCSPC模块,通过其空间金字塔池化和跨阶段部分连接网络的结合方式,实现了多尺度特征融合,显著提升了模型的检测精度和计算效率.在开源道路损害数据集RDD2020上的实验结果表明,改进算法与YOLOv8n模型相比,平均精度提升3.0%,召回率提升4.9%,与其他主流目标检测方法相比,对道路裂缝的检测效果更好,能够快捷、准确地识别和定位道路裂缝. 展开更多
关键词 道路检测 YOLOv8n 多尺度特征融合 损失函数
原文传递
一种抗遮挡重叠与尺度变化的行人检测算法
6
作者 马晞茗 李宁 吴迪 《现代电子技术》 北大核心 2026年第1期41-48,共8页
针对复杂人群密集场景中因行人目标受遮挡和行人目标尺度不一等因素导致行人检测器检测精度下降、漏检率变高的问题,基于Faster R-CNN算法进行改进,提出一种抗遮挡重叠与尺度变化的行人检测算法。在特征提取环节,设计一种融合注意力机... 针对复杂人群密集场景中因行人目标受遮挡和行人目标尺度不一等因素导致行人检测器检测精度下降、漏检率变高的问题,基于Faster R-CNN算法进行改进,提出一种抗遮挡重叠与尺度变化的行人检测算法。在特征提取环节,设计一种融合注意力机制的循环多尺度特征提取网络,用于学习更为丰富细致的多尺度特征信息,并重点聚焦于关键特征信息,提升网络对不同尺度行人目标的灵敏度;对于损失函数模块,引入斥力损失以降低目标相互遮挡对检测造成的干扰;在后处理环节,设计一种基于遮挡重叠率补偿的非极大值抑制算法,使得实际的抑制阈值能够随着遮挡程度的变化而自适应调整,从而进一步降低密集处行人目标的漏检率。实验结果表明:改进后算法的检测性能更为出色,在CrowdHuman和CityPersons数据集上的检测平均精度相比基准算法分别提升了2.5%和1.9%,对数平均漏检率分别降低了3.5%和3.2%,在TJU-DHD-pedestrian数据集上不同尺度行人目标的对数平均漏检率也得到较为明显的降低,所提算法可以适用于复杂场景中的行人检测。 展开更多
关键词 行人检测 人群密集场景 Faster R-CNN 多尺度特征融合 损失函数 非极大值抑制
在线阅读 下载PDF
基于改进RandLA-Net的车载点云标线识别方法
7
作者 张傲寒 岳东杰 +3 位作者 赵钢 徐菲 刘丹妮 王刘宇 《南京信息工程大学学报》 北大核心 2026年第2期267-277,共11页
针对车载LiDAR点云在道路标线识别中存在几何特征稀疏、遮挡或缺损导致标线模糊,以及复杂场景下边界辨识度低等问题,本文提出一种基于改进RandLA-Net的道路标线点云识别方法.首先,构建混合池化模块融合局部邻域与全局特征,以捕获更广泛... 针对车载LiDAR点云在道路标线识别中存在几何特征稀疏、遮挡或缺损导致标线模糊,以及复杂场景下边界辨识度低等问题,本文提出一种基于改进RandLA-Net的道路标线点云识别方法.首先,构建混合池化模块融合局部邻域与全局特征,以捕获更广泛的上下文信息;其次,设计特征对比增强模块,通过分析不同点的特征差异,并结合最大特征值和平均特征值的对比,采用特征加权策略,强化关键区域(如箭头、实线边界)的特征响应;最后,提出融合Dice与加权交叉熵的损失函数,以增强模型对边界区域的感知能力.为验证算法鲁棒性,本文构建了两个道路标线点云数据集Toronto-Rdmk和UPM-Rdmk,对其进行实验验证与分析.实验结果表明,本文方法在Toronto-Rdmk数据集上的平均交并比为69.40%,在UPM-Rdmk数据集上为49.06%,分别比RandLA-Net提高了3.17和4.23个百分点.充分证明了所提方法在复杂场景下的有效性,为大规模道路标线点云的自动化识别提供了有力支持. 展开更多
关键词 车载LiDAR点云 RandLA-Net 混合池化模块 特征对比增强模块 融合损失函数 道路标线点云数据集
在线阅读 下载PDF
航拍视角下小尺度车辆精确检测方法
8
作者 林树铭 冯桑 谭俊楠 《电光与控制》 北大核心 2026年第3期102-110,共9页
针对航拍视角下的车辆目标存在多尺度、目标小、背景复杂等问题,提出了一种基于多通道协同特征融合的YOLOv8改进模型ZZQ-YOLO。首先,通过引入LSKA机制对主干网络的金字塔池化处理进行改造,提高模型在复杂背景下对关键信息的关注度;其次... 针对航拍视角下的车辆目标存在多尺度、目标小、背景复杂等问题,提出了一种基于多通道协同特征融合的YOLOv8改进模型ZZQ-YOLO。首先,通过引入LSKA机制对主干网络的金字塔池化处理进行改造,提高模型在复杂背景下对关键信息的关注度;其次,应用一种新的多通道协同特征融合金字塔网络(MCFFPN)来增强不同分辨率、不同特征映射下的特征信息聚合,进一步提高颈部网络的中小目标层对特征信息的提取;最后,使用Focaler-MPDIoU Loss损失函数,改善边框尺寸差异以及难易样本数量不均衡对梯度的不利影响,加快网络收敛速度。实验表明,改进模型ZZQ-YOLO较基准模型在VisDrone2019数据集的验证集与测试集上的mAP@0.5分别提升了4.5和3.6个百分点,证明了改进模型的有效性。 展开更多
关键词 目标检测 YOLOv8 航拍视角 特征融合 损失函数
在线阅读 下载PDF
自适应多尺度融合的Transformer锻件表面缺陷检测算法
9
作者 梁丹 张上 管慧攀 《光电工程》 北大核心 2026年第2期117-133,共17页
针对复杂背景下锻件表面缺陷形态多样、尺度多变及检测精度与效率难以兼顾等问题,本文提出一种基于RT-DETR架构改进的自适应多尺度融合的上下文检测模型(MCF-RTDETR)。首先,采集重型卡车转向节生产流水线中的磁粉探测图像,构建锻件表面... 针对复杂背景下锻件表面缺陷形态多样、尺度多变及检测精度与效率难以兼顾等问题,本文提出一种基于RT-DETR架构改进的自适应多尺度融合的上下文检测模型(MCF-RTDETR)。首先,采集重型卡车转向节生产流水线中的磁粉探测图像,构建锻件表面裂纹缺陷数据集。其次,在骨干网络中引入多向梯度融合卷积(MGFConv),通过多方向卷积自适应增强细长裂纹及微小缺陷的方向感知与边缘提取能力;同时,在颈部网络中嵌入上下文感知递归特征金字塔(CARFPN),根据局部上下文语义强度为不同尺度特征分配动态权重,实现对尺度变化与背景复杂性的自适应融合。最后,采用Focaler-MPDIoU边界框回归损失函数,对样本难度与几何比例进行自适应调节,提高长条状缺陷的定位精度与边界拟合能力。实验结果表明,MCF-RTDETR相较基准模型mAP提升2.3%,计算复杂度由58.3 G降低至33.5 G,推理速度达到137.2 f/s;在GC10-DET数据集上mAP提升了2.8%,验证了其检测精度与泛化性能。 展开更多
关键词 缺陷检测 RT-DETR 特征融合 损失函数
在线阅读 下载PDF
融合多尺度信息的水下目标检测算法研究
10
作者 王宁生 解志斌 邵长斌 《自动化技术与应用》 2026年第4期1-5,共5页
水下目标检测在海洋探测中起着至关重要的作用。然而,传统的水下目标检测方法在复杂水下环境中面临诸多挑战,例如特征提取不准确、小目标检测效果差以及缺乏鲁棒性等问题。为了克服这些局限性,提出了一种适用于复杂水下环境的目标检测模... 水下目标检测在海洋探测中起着至关重要的作用。然而,传统的水下目标检测方法在复杂水下环境中面临诸多挑战,例如特征提取不准确、小目标检测效果差以及缺乏鲁棒性等问题。为了克服这些局限性,提出了一种适用于复杂水下环境的目标检测模型EEN-YOLO。首先,所提模型在YOLOv7网络的基础上引入了EVC模块,通过并行学习,将底层特征与深层特征沿着通道维度相连接,扩大了感受野,从而解决特征提取精度差的问题。其次,在检测头中增添Elan-Neck++结构,通过该结构中下采样模块提高了小目标检测精度。最后,采用NWD损失函数替换原模型中的CIoU损失函数,解决了原模型无法正确度量小目标边界框的问题,从而提高了模型训练精度和鲁棒性。在公开水下数据集URPC上进行的实验验证了所提模型的有效性。结果表明,改进后的EEN-YOLO模型平均准确率达到88.3%,相较于原YOLOv7、YOLOv8n、EfficientDet-d0以及SSD模型,分别提升了3%、4.5%、7.8%和13.1%。这充分证明,EEN-YOLO在复杂水下场景中更准确、更稳健的目标检测性能。 展开更多
关键词 水下目标检测 YOLOv7 特征融合 损失函数 Elan-Neck++ URPC
在线阅读 下载PDF
改进YOLOv11s的无人机图像小目标检测模型
11
作者 牟毅 黄海松 +3 位作者 李宜汀 付盛伟 李科 朱云伟 《电光与控制》 北大核心 2026年第1期51-57,共7页
为解决无人机目标检测中小尺寸、密集目标检测困难及在边缘设备部署困难的问题,提出了小目标检测模型Drone-YOLO。首先,提出了MF-FPN网络,在降低模型复杂度的同时融合高级语义与低级几何特征;其次,为解决小目标、密集目标难以检测问题... 为解决无人机目标检测中小尺寸、密集目标检测困难及在边缘设备部署困难的问题,提出了小目标检测模型Drone-YOLO。首先,提出了MF-FPN网络,在降低模型复杂度的同时融合高级语义与低级几何特征;其次,为解决小目标、密集目标难以检测问题提出了小目标检测头;而后,提出轻量化检测头LSCD,通过共享卷积降低模型复杂度,并利用组归一化提升检测性能;最后,引入Inner-WIoU损失函数,动态调整锚框权重,使模型更专注于中等质量锚框优化,从而提升回归效率与泛化能力。在公开数据集VisDrone2019上进行实验,改进后模型的mAP 0.5达到44.3%,较YOLOv11s提升6.4个百分点,参数量减少67.5%。 展开更多
关键词 无人机 小目标检测 YOLOv11s 多尺度特征融合 轻量化 损失函数
在线阅读 下载PDF
基于SCE-YOLO网络的遥感小目标检测
12
作者 付佳俊 丁胜 +1 位作者 刘小明 李琛 《计算机工程与设计》 北大核心 2026年第1期235-243,共9页
为解决遥感图像密集小目标检测问题,提出基于YOLOv8n改进的空间上下文强化网络SCE-YOLO。在特征提取和特征融合之间构建一个高效的空间上下文增强模块SCEM来增强模型的局部特征信息和全局空间上下文感知能力;提出CSRC加强对特征的通道... 为解决遥感图像密集小目标检测问题,提出基于YOLOv8n改进的空间上下文强化网络SCE-YOLO。在特征提取和特征融合之间构建一个高效的空间上下文增强模块SCEM来增强模型的局部特征信息和全局空间上下文感知能力;提出CSRC加强对特征的通道和空间的关注度,来设计特征加权融合模块FWFM;使用加权损失函数降低微小目标对IoU的敏感度,提升微小目标的召回率。在自制的数据集RSOD、公共的AI-TOD微小遥感数据集上进行对比实验,实验结果表明,提出的算法在遥感小目标检测上具有良好的性能。 展开更多
关键词 遥感小目标检测 YOLOv8n 空间上下文强化模块 注意力机制 通道空间加权 特征加权融合模块 加权损失函数
在线阅读 下载PDF
点云与图像两阶段双向融合的3D目标检测方法
13
作者 黄博瑞 王肖霞 杨风暴 《激光杂志》 北大核心 2026年第2期51-61,共11页
在自动驾驶感知系统中,实现点云与图像信息的有效融合对于提升3D目标检测的准确性具有关键意义。针对目前点云与图像融合方法存在互补性利用不足的问题,提出一种两阶段双向跨模态融合网络。首先,在前融合阶段构建双向特征补偿机制,通过... 在自动驾驶感知系统中,实现点云与图像信息的有效融合对于提升3D目标检测的准确性具有关键意义。针对目前点云与图像融合方法存在互补性利用不足的问题,提出一种两阶段双向跨模态融合网络。首先,在前融合阶段构建双向特征补偿机制,通过映射矩阵建立点云几何特征与图像纹理特征的细粒度空间对应关系,利用交叉投影策略实现模态间的双向信息互补;其次,在中期融合阶段设计跨模态特征学习模块,采用基于Transformer的感知机制来提高有效信息的权重,并通过交叉注意力机制动态调整特征权重,实现互补特征的深度聚合。最后,为优化跨模态特征对齐,引入了一种针对点云与图像特征动态对齐的损失函数,根据点—像素匹配的相似性权重,自适应优化特征映射过程中的语义偏移。在KITTI与Waymo数据集上的实验表明,所提方法在mAP指标上相较其他模型平均提升了6.07%和4.12%。 展开更多
关键词 双模态融合 3D目标检测 两阶段融合 注意力机制 动态损失函数
原文传递
基于注意力机制和多尺度融合的金属表面缺陷检测 被引量：1
14
作者 秦汉林 徐志江 周俊 《机械设计与研究》 北大核心 2026年第1期232-238,共7页
金属表面缺陷检测作为工业质检的关键环节,其精度直接影响产品质量与生产安全。针对当前金属表面检测精度较差的问题,提出了一个新的网络架构模型。通过对YOLOv11算法进行改进,实现了一种基于全局注意力机制(GAM)和多尺度融合的金属表... 金属表面缺陷检测作为工业质检的关键环节,其精度直接影响产品质量与生产安全。针对当前金属表面检测精度较差的问题,提出了一个新的网络架构模型。通过对YOLOv11算法进行改进,实现了一种基于全局注意力机制(GAM)和多尺度融合的金属表面缺陷检测算法。网络中添加了GAM模块,对缺陷区域赋予更高的权重,强化了缺陷区域的特征;使用了小尺度特征和大尺度特征融合的目标检测方法,充分发挥各自在大小目标检测中的优势;边界框回归损失函数使用基于交并比的最小点距离(MPDIoU)的损失计算方法,改进了原有的完全交并比(CIoU)损失计算方法,解决了对长宽比不敏感导致的定位偏差问题。在保留YOLOv11所具备的快速检测的基础上,进一步提高金属表面缺陷检测的精度。使用天池的铝材数据集,均值平均精度(mAP)@0.5达到64.2%,相比原来的YOLOv11算法,mAP值提升了3.5%,FPS达到111,取得了很好的检测效果。 展开更多
关键词 注意力机制 多尺度融合 缺陷检测 损失函数 深度学习
原文传递
基于YOLOv11框架的多尺度特征协同与情景感知遥感目标检测算法
15
作者 崔丽群 褚如波 金海波 《地球信息科学学报》 北大核心 2026年第2期420-435,共16页
【目的】本文旨在提升高分辨率遥感图像的目标检测性能,针对小目标检测、复杂背景处理和密集目标分布等关键问题,提出了一种解决方案。【方法】本文基于YOLOv11框架,提出了一种融合多尺度特征协同与情景感知的遥感目标检测方法。设计了... 【目的】本文旨在提升高分辨率遥感图像的目标检测性能,针对小目标检测、复杂背景处理和密集目标分布等关键问题,提出了一种解决方案。【方法】本文基于YOLOv11框架,提出了一种融合多尺度特征协同与情景感知的遥感目标检测方法。设计了3个创新模块:(1)多核特征融合模块(Parallel Kernel Feature Fusion Module,PKFFM),用于跨尺度特征整合以增强表示能力;(2)级联双分支注意力模块(Cascaded Dual-Branch Attention Module,CDBAM),通过突出相关空间和通道信息优化特征提取;(3)情景感知模块(Scenario-Aware Module,SAM),增强网络捕获全局上下文信息的能力。此外,引入了RS-WIoU(Remote Sensing Wise Intersection over Union)损失函数,以更好地适应高分辨率遥感数据,进一步提升检测性能。【结果】为验证本文方法的有效性,本文在高分辨率遥感数据集TGRS-HRRSD、NWPU VHR-10和DOTA-v1.0上进行实验。实验结果表明,本文方法在各数据集上的平均精度(mP)分别达到97.3%、87.3%和84.3%,相较于基线模型YOLOv11,精度分别提升2.1%、3.8%和2.9%,mAP_(50-95)分别提升3.0%、1.2%和1.5%;此外,本文模型展现出轻量化特性和强鲁棒性,优于其他遥感目标检测算法。【结论】本文方法通过PKFFM、CDBAM、SAM以及RS-WIoU损失函数的协同作用,显著提升了高分辨率遥感图像目标检测的精度与鲁棒性,为遥感影像目标检测提供了高效的解决方案。未来可进一步探索这些模块在其他数据集和任务中的适用性,以提升模型的泛化能力并推动遥感技术的进步。 展开更多
关键词 高分辨率图像 目标检测 YOLOv11框架 多核特征融合 级联双分支注意力 情景感知 RS-WIoU损失函数
原文传递
多尺度特征增强融合的ME-RTDETR水下目标检测
16
作者 张筱 刘孙俊 +2 位作者 陈懿 李刚 敖梦豪 《微电子学与计算机》 2026年第3期46-55,共10页
水下目标检测常因水下图像噪声较大且包含多尺度目标混合等问题而导致漏检、错检现象。为此,提出了一种基于RTDETR(Deal-Time Detection Transformer)改进的多尺度特征增强融合的ME-RTDETR(Multi-scale feature Enhancement fusion RTDE... 水下目标检测常因水下图像噪声较大且包含多尺度目标混合等问题而导致漏检、错检现象。为此,提出了一种基于RTDETR(Deal-Time Detection Transformer)改进的多尺度特征增强融合的ME-RTDETR(Multi-scale feature Enhancement fusion RTDETR)水下目标检测算法。首先,使用CSPnet替代原始主干网络,提升模型的特征提取能力。其次,提出SHViTCGLU模块替换C2f中的残差模块,通过增强局部特征与全局特征提取,提升模型处理噪声图像的能力。再次,基于原始CCFM模块设计多尺度特征增强融合金字塔结构,增强后的特征层和细粒度的特征融合使算法模型能更准确地定位和识别不同尺度的目标。最后,设计Focaler-MPDIoU损失函数替换原模型的GIoU损失函数,能更好地学习边界框的位置和形状,加速模型收敛。实验结果表明:改进后的模型相较于基线模型在DUO数据集上准确率提升了4.5%,平均精度值mAP@0.5提高了2.1%,参数量降低了26%。所提算法在提高平均检测精度、降低模型参数量均有明显改进,验证了其在水下目标检测任务中的实用价值。 展开更多
关键词 水下目标检测 RTDETR 多尺度特征增强融合 损失函数
在线阅读 下载PDF
基于多尺度特征融合的航拍小目标检测算法
17
作者 赖来运 白东昊 +1 位作者 叶子豪 刘海龙 《湖北大学学报(自然科学版)》 2026年第2期219-229,共11页
针对无人机航拍图像中小目标检测面临的复杂背景干扰和高漏检率等问题,提出一种基于RT-DETR改进的多尺度小目标检测算法MSD-DETR。从特征提取、融合与优化三方面实现:1)设计双域协同注意力模块(DDSA),融合空间频率注意力(SFA)与通道转... 针对无人机航拍图像中小目标检测面临的复杂背景干扰和高漏检率等问题,提出一种基于RT-DETR改进的多尺度小目标检测算法MSD-DETR。从特征提取、融合与优化三方面实现:1)设计双域协同注意力模块(DDSA),融合空间频率注意力(SFA)与通道转置注意力(CTA),提升小目标高频细节捕捉能力;2)构建多尺度特征金字塔,引入旋转卷积核的PConv算子实现异构特征融合,结合面向边缘优化的MOFM模块,强化跨尺度特征交互与高频细节恢复;3)提出几何解耦的Focal-MPDIoU损失函数,通过关键点距离约束优化边界框回归,显著降低密集场景误检率。在VisDrone2019数据集上的实验结果表明,改进后的模型在mAP@0.5指标上达到了50.6%,相比原模型提升了4.5%,同时参数量减少了13.6%,有效改善了无人机航拍图像中的小目标漏检和误检问题。 展开更多
关键词 小目标检测 RT-DETR 无人机航拍图像 多尺度特征融合 损失函数
在线阅读 下载PDF
融合归一化Wasserstein距离损失的轻量化金属表面缺陷分割模型
18
作者 王岳继 吴瑞瑾 +1 位作者 李超 冯夫健 《智能计算机与应用》 2026年第2期128-133,共6页
针对金属表面缺陷存在对比度低、尺度变化大,导致现有模型检测精度低的问题,提出一种基于深度学习的金属表面缺陷分割模型。首先,在模型中采用归一化Wasserstein距离损失函数NWD loss,缓解边界框不重叠场景下的误判问题。其次,在特征融... 针对金属表面缺陷存在对比度低、尺度变化大,导致现有模型检测精度低的问题,提出一种基于深度学习的金属表面缺陷分割模型。首先,在模型中采用归一化Wasserstein距离损失函数NWD loss,缓解边界框不重叠场景下的误判问题。其次,在特征融合时引入VoVGSCSP轻量化模块,在降低模型计算复杂度的同时,有效保持缺陷特征的表达能力。最后,在NEU-Seg数据集上的实验结果表明,WLNet的检测平均精度达93.9%、分割平均精度达91.2%,相较于基础模型分别提升了0.6%和0.2%;同时,模型参数量与计算量分别降低11%和16.7%,兼顾检测精度与运行效率,为工业质量控制领域的金属表面缺陷检测提供了高效解决方案。 展开更多
关键词 深度学习 缺陷分割 轻量化 损失函数 特征融合
在线阅读 下载PDF
基于多尺度特征融合的钢缆小目标缺陷检测算法
19
作者 杨昌昌 张笃振 王斯豪 《电子测量技术》 北大核心 2026年第1期146-156,共11页
钢缆小目标缺陷检测任务中普遍存在检测精度低、漏检率高以及误检频发的问题,尤其在小尺寸较多的检测场景下表现尤为明显。造成该类问题的主要原因包括:传统检测算法特征提取能力不足,缺乏有效的多尺度信息融合机制,以及现有损失函数对... 钢缆小目标缺陷检测任务中普遍存在检测精度低、漏检率高以及误检频发的问题,尤其在小尺寸较多的检测场景下表现尤为明显。造成该类问题的主要原因包括:传统检测算法特征提取能力不足,缺乏有效的多尺度信息融合机制,以及现有损失函数对小目标不敏感等。针对上述问题,提出一种基于改进型RT-DETR的钢缆缺陷检测方法。该方法在骨干网络中设计BasicStar特征提取模块,提升模型在高维空间中的语义表征能力;同时设计了新型多尺度特征融合策略小目标金字塔网络(SOPN),强化对小目标的关注和表达能力;在损失函数方面,提出焦点增强型Focaler-SIoU损失函数,以提升小目标定位精度与训练收敛稳定性。在钢缆缺陷数据集上的实验结果表明,该改进模型在平均检测精度mAP50上较原始RT-DETR提升了2.1%。综合性能优于现有主流目标检测算法,验证了所提方法在工业场景下对小目标缺陷检测任务的有效性和实用性。 展开更多
关键词 目标检测 小目标 RT-DETR 特征融合 损失函数
原文传递
基于改进YOLOv8的蜂窝夹层结构内部缺陷检测方法
20
作者 彭艳华 王文举 《组合机床与自动化加工技术》 北大核心 2026年第3期180-186,共7页
针对蜂窝夹层结构缺陷散斑包裹相位图存在大量散斑噪音、对比度低以及缺陷多样化的问题,提出一种基于改进YOLOv8的蜂窝夹层结构内部缺陷检测算法YOLOv8-SAFS。通过设计StarFFTBlock模块,替换主干网络的C2f模块,增强全局信息的捕获能力,... 针对蜂窝夹层结构缺陷散斑包裹相位图存在大量散斑噪音、对比度低以及缺陷多样化的问题,提出一种基于改进YOLOv8的蜂窝夹层结构内部缺陷检测算法YOLOv8-SAFS。通过设计StarFFTBlock模块,替换主干网络的C2f模块,增强全局信息的捕获能力,提升网络对缺陷特征的提取能力。针对不同层级融合过程因感受野导致的信息不匹配问题,提出一种基于自适应引导注意力机制的混合融合方案。通过引入基于Wasserstein距离的回归边界损失函数ShapeNWD,提高识别精度。在自建数据集上的实验结果表明,YOLOv8-SAFS模型与基线模型相比,召回率提升4.61%,平均检测精度mAP50和mAP50-95分别提高2.13%和3.52%,可为蜂窝夹层结构内部缺陷检测提供一种方案。 展开更多
关键词 内部缺陷检测 YOLOv8 混合融合 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 2 … 15 下一页 到第 页
使用帮助 返回顶部