-
题名基于改进YOLOv5的病变叶片检测
- 1
-
-
作者
郑志强
孙晋吉
蔡书达
叶昊
张宏俊
沙晁毅
-
机构
南京邮电大学现代邮政学院
南京信息工程大学艺术学院
南京邮电大学物联网学院
中国通信服务股份有限公司
-
出处
《河南科技学院学报(自然科学版)》
2025年第2期46-60,共15页
-
基金
国家自然科学基金(61972208,62272239)
国家自然科学基金(青年项目)(62302237)。
-
文摘
目的旨在解决植物叶片病害检测中目标检测技术参数量大、计算复杂度高及病害检测准确率低等问题.方法提出一种改进型轻量级YOLOv5模型.该模型通过集成CBAM(convolutional block attention module)、GhostModule以及BiFPN-Concat模块,降低了特征通道融合的计算复杂度,同时提升了特征提取性能.还创新性地设计了WeightedDetect结构,替代了传统的检测头部,以实现对不同尺度目标的自适应识别.结果与原始YOLOv5模型相比,提出的模型在病害检测准确度上提升了2.7%,同时在参数量上增加了9.5%,而在计算复杂度的指标FLOPs(floating point operations)上降低了10.5%.还在VOC数据集上进行了模型的通用性测试,与YOLOv5相比,准确度提高了3.7%.结论提出的改进型YOLOv5模型不仅提高了植物叶片病害检测的准确性,而且通过优化计算复杂度,提高了模型的实用性和效率.这一改进对于提高农业生产的智能化水平,以及更有效地预防和管理植物病害具有重要意义,并为相关领域的研究提供了新的解决方案.
-
关键词
病变叶片检测
WeightedDetect
CBAM
ghostmodule
BiFPN
目标检测
-
Keywords
detecting diseased leaves
WeightedDetectt
CBAM
ghostmodule
BiFPN
target detection
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名多分支细化的拥挤行人检测算法
- 2
-
-
作者
袁姮
王嘉丽
张晟翀
-
机构
辽宁工程技术大学软件学院
光电信息控制和安全技术重点实验室
-
出处
《计算机工程与应用》
CSCD
北大核心
2024年第22期230-239,共10页
-
基金
国家部委预研基金
辽宁省自然科学基金(20170540426)
辽宁省教育厅重点基金(LJYL049)。
-
文摘
拥挤行人检测是目前小目标检测领域的研究热点,针对拥挤行人检测场景中人物密集以及遮挡造成的漏检问题,提出一种改进SSD(single shot multi-box detector)目标检测算法。将浅层Vgg(visual geometry group)网络平原结构使用多分支细化联合归一化(batch normalization,BN)操作增加分支结构,并重命名为多分支细化(multibranch thinning)网络结构,使其可以细化浅层语义信息,提高网络泛化能力,充分表达行人信息;将改进后的Ghost模型替换多分支细化网络中的3×3卷积,利用Ghost模型中cheap_operation卷积降低因多分支结构增加的模型参数量,使用primary_conv提升浅层网络的特征提取能力,加强网络识别能力;使用二范式取代差值平方的形式改进Huber损失函数,增强网络训练的稳定性,使其达到较优的收敛效果。在Wider_Person拥挤行人检测数据集上的检测结果表明,提出的改进SSD目标检测算法MAP50达到72.9%,领先YOLO-X算法7.4个百分点,领先基线算法3.5个百分点,领先其他先进算法平均14.4个百分点,验证了该算法在行人检测中的可行性,满足遮挡行人场景的检测要求。
-
关键词
行人检测
目标检测
SSD
ghostmodule
-
Keywords
pedestrian detection
target detection
single shot multibox detector(SSD)
ghostmodule
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名改进U-Net的视网膜血管分割算法研究
- 3
-
-
作者
余昕
魏延
-
机构
重庆师范大学计算机与信息科学学院
-
出处
《计算机技术与发展》
2024年第11期51-57,共7页
-
基金
重庆市技术创新与应用发展重点项目(cstc2019jscx-mbdxX0061)。
-
文摘
视网膜血管分割对于诊断和治疗某些眼部疾病非常重要。视网膜血管分割任务中存在血管形态结构复杂和对边缘区域细小血管分割不准确的问题。为缓解这些问题并避免模型过于复杂,提出一种改进U-Net的视网膜血管分割算法,改进后的网络结构具有轻量和高效的特点。首先,为解决网络出现的过拟合现象,利用DropBlock卷积块替代原始网络中的卷积块;其次,为扩大感受野并提高分割血管的精度,采用改进后GhostModule模块替换原始卷积;最后,为解决噪声干扰和进一步提高模型对边缘细小血管的分割性能,在编码器与解码器之间的跳跃连接处添加空间注意力机制,有效地抑制了噪声,提高了模型对血管的分割性能。在DRIVE、CHASE_DB1、STARE三个数据集上进行实验,准确性分别为0.969 2,0.974 9,0.975 4,灵敏性分别为0.833 4,0.871 3,0.862 0,特异性分别为0.982 5,0.982 0,0.986 6,AUC分别为0.987 4,0.990 4,0.993 4,整体模型的参数量仅为0.38 M。实验结果证明,改进后的网络模型以极少参数量实现了较好的分割性能,较U-Net,DCU-Net等算法均有较大提升。
-
关键词
图像分割
视网膜血管分割
U-Net
改进ghostmodule
注意力机制
-
Keywords
image segmentation
retinal vessel segmentation
U-Net
improved ghostmodule
ttention mechanism
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
