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5篇文章
< 1 >
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GhostNet V2的轻量化熊蜂图像分类模型
1
作者 范为培 于晓明 +2 位作者 沈凤龙 王亮 王星 《浙江农业学报》 CSCD 北大核心 2024年第12期2832-2845,共14页
为准确、快速地实现熊蜂的自动分拣,提出了一种轻量化深度学习熊蜂图像分类模型。首先,采集了地熊蜂的蜂王、雄蜂和工蜂图像1 742张,并通过数据增强构建了包含13 117张熊蜂图像的数据集BumblebeeImage。然后,以GhostNet V2模型为基础,... 为准确、快速地实现熊蜂的自动分拣,提出了一种轻量化深度学习熊蜂图像分类模型。首先,采集了地熊蜂的蜂王、雄蜂和工蜂图像1 742张,并通过数据增强构建了包含13 117张熊蜂图像的数据集BumblebeeImage。然后,以GhostNet V2模型为基础,通过多尺度卷积获取输入图像更多感受野下的特征信息,增加两条捷径分支分别将低层与中层、高层的特征融合,将ReLU激活函数替换为SiLU,删减bottleneck层数和通道数,设计了一种轻量化熊蜂图像分类模型GMCFF。结果表明,利用GMCFF模型对BumblebeeImage数据集进行分类的准确率达到了98.40%,较原模型提高了1.53百分点,与ShuffleNetV2和MobileNetV2模型的分类准确率对比也更高,分别提高了1.53百分点和1.15百分点。该模型参数量只有0.73 M,浮点运算量较改进前下降了25.15 M,模型大小仅有3.01 MB,单张熊蜂图像的平均测试时间为17.08 ms,满足轻量化与实时性的要求。 展开更多
关键词 熊蜂分类 ghostnet v2 轻量化 多尺度卷积 特征融合
在线阅读 下载PDF
基于机器视觉和GhostNet V2的熊蜂自动分类系统设计
2
作者 范为培 于晓明 +2 位作者 沈凤龙 王亮 李信林 《辽东学院学报(自然科学版)》 2024年第3期211-220,共10页
长期以来,在熊蜂繁育过程中一直采用人工方式分拣熊蜂,效率低下,耗时费力。为实现熊蜂的自动化分拣,设计了一种熊蜂自动分类系统。利用机器视觉、深度学习GhostNet V2模型和STM32单片机实现熊蜂的自动分类,并通过UI界面实时展示分类结... 长期以来,在熊蜂繁育过程中一直采用人工方式分拣熊蜂,效率低下,耗时费力。为实现熊蜂的自动化分拣,设计了一种熊蜂自动分类系统。利用机器视觉、深度学习GhostNet V2模型和STM32单片机实现熊蜂的自动分类,并通过UI界面实时展示分类结果。试验结果显示,对熊蜂的实时分类准确率达到94.58%,能满足实际应用需求,为相关蜂类实现自动化分拣提供了良好的借鉴。 展开更多
关键词 熊蜂分类 机器视觉 ghostnet v2 深度学习
在线阅读 下载PDF
集成人脸关键点的轻量化YOLOv7人脸检测算法
3
作者 曹一波 胡伊斐 刘顺 《软件导刊》 2025年第8期59-64,共6页
人脸检测作为计算机视觉技术的重要组成部分,已广泛应用于欺诈防范、情感分析、年龄预测等领域。然而,随着移动设备和智能摄像头的普及,图像和视频数据的获取变得更加便捷,而设备的计算能力有限,亟需更快速、高效的人脸检测算法。为此,... 人脸检测作为计算机视觉技术的重要组成部分,已广泛应用于欺诈防范、情感分析、年龄预测等领域。然而,随着移动设备和智能摄像头的普及,图像和视频数据的获取变得更加便捷,而设备的计算能力有限,亟需更快速、高效的人脸检测算法。为此,提出一种集成人脸关键点的轻量化YOLOv7人脸检测算法,旨在实现人脸的高效检测,以适应算力有限的移动和嵌入式设备。该算法首先使用计算效率更高的GhostNet V2轻量化模块替换YOLOv7的ELAN模块,使模型参数量下降63.9%;其次,将改进后的PFLD人脸关键点检测算法集成到YOLOv7的Head部分,以适应人脸样本姿态多样、图像质量不一、数据集样本分布不均衡等问题,形成一个以人脸检测为主、人脸关键点检测为辅的多任务人脸检测网络。在WIDER FACE数据集上的实验结果表明,所提算法在Easy、Medium和Hard 3个子集上分别达到95.9%、93.5%和83.5%的平均精度,相较原始YOLOv7模型分别提升了3.8%、2.9%和4.1%,同时模型参数量减少了41%,是一种快速、高效的人脸检测算法。 展开更多
关键词 人脸检测 轻量化算法 YOLOv7 ghostnet v2 人脸关键点
在线阅读 下载PDF
改进YOLOv7-tiny的轻量级红外车辆目标检测算法 被引量：15
4
作者 许晓阳 高重阳 《计算机工程与应用》 CSCD 北大核心 2024年第1期74-83,共10页
为了解决红外场景下车辆检测算法参数量与计算量大、识别精度低、小目标检测难度大的问题,提出了一种改进YOLOv7-tiny的轻量级红外车辆目标检测算法:KD-YOLO-DW。通过融合深度可分离卷积提出了ELAN-DW模块,极大地降低了网络参数量与计... 为了解决红外场景下车辆检测算法参数量与计算量大、识别精度低、小目标检测难度大的问题,提出了一种改进YOLOv7-tiny的轻量级红外车辆目标检测算法:KD-YOLO-DW。通过融合深度可分离卷积提出了ELAN-DW模块,极大地降低了网络参数量与计算量。通过在特征融合层引入GhostNet V2模块,提高了不同尺度特征的融合能力。采用动态非单调FM的WIoU损失函数,解决了红外数据集难易样本不平衡的问题,提高了轻量级算法对红外弱小目标的检测能力。联合残差思想提出跨尺度融合策略,提高了轻量级算法对不同尺度目标的检测效果,降低了小目标的漏检率。通过知识蒸馏对轻量化模型再次浓缩,进一步提高了模型对检测红外目标的准确性。实验结果表明,KD-YOLO-DW模型在参数量与计算量方面分别较YOLOv7-tiny模型下降了24.6%和16.7%,模型大小仅为9.2 MB,mAP分别提高了3.27和3.15个百分点,拥有更小的模型体积与更好的检测效果。 展开更多
关键词 红外目标检测 轻量级 知识蒸馏 损失函数 YOLOv7-tiny ghostnet v2
在线阅读 下载PDF
基于YOLOv5的瓶盖封装缺陷轻量化检测算法 被引量：14
5
作者 赵磊 矫立宽 +2 位作者 翟冉 李彬 许美叶 《激光与光电子学进展》 CSCD 北大核心 2023年第22期131-140,共10页
为解决白酒瓶盖封装表面质量检测和算法参数庞大难部署的问题,对YOLOv5s进行改进并提出了更轻量化和高精度的SEGC-YOLO算法。首先,采用ShuffleNet V2替换原始骨干网络,有效简化参数,引入高效通道注意力机制增强骨干网络。再使用基于Ghos... 为解决白酒瓶盖封装表面质量检测和算法参数庞大难部署的问题,对YOLOv5s进行改进并提出了更轻量化和高精度的SEGC-YOLO算法。首先,采用ShuffleNet V2替换原始骨干网络,有效简化参数,引入高效通道注意力机制增强骨干网络。再使用基于GhostNet改进的GhostConv和C3-Ghost模块增强颈部网络,减少颈部参数量。另外,使用CARAFE算子替代最近邻插值上采样算子,利用自适应内容感知的上采样预测核提升颈部网络的信息表达能力,进而提升检测精度。最后,训练应用Adam梯度优化器来提高检测精度。实验结果表明:所提SEGC-YOLO算法在不同交并比(IoU)阈值下的平均精度均值mAP@0.5为84.1%和mAP@0.5∶0.95为49.0%,分别优于原始YOLOv5s算法1.2个百分点和0.5个百分点,并且浮点运算数(FLOPs)比原始算法减少了69.94%、参数量减少了71.15%和模型文件大小减小了69.66%,更加精准和轻量化。所提SEGC-YOLO可以快速、精准地检测瓶盖表面缺陷,为相关领域快速缺陷检测和设备部署提供了数据和算法支持。 展开更多
关键词 缺陷检测 轻量化算法 YOLOv5 ShuffleNet v2 ghostnet CARAFE算子
原文传递
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 下一页 到第 页
使用帮助 返回顶部