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6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YOLOv8n的轻量级织物疵点检测算法 被引量：1
1
作者 刘奇龙 胡连信 +3 位作者 杨宏铖 顾善琪 严明华 王泽峰 《棉纺织技术》 2025年第7期16-24,共9页
针对织物疵点检测常用的目标检测算法复杂度高、计算量大且不易部署的问题,以及中小型企业检测设备计算能力和资源有限等问题,提出一种基于YOLOv8n目标检测算法的轻量级织物疵点检测算法。该方法通过在Backbone层中引入轻量卷积模块Ghos... 针对织物疵点检测常用的目标检测算法复杂度高、计算量大且不易部署的问题,以及中小型企业检测设备计算能力和资源有限等问题,提出一种基于YOLOv8n目标检测算法的轻量级织物疵点检测算法。该方法通过在Backbone层中引入轻量卷积模块GhostConv替代原有YOLOv8n特征提取网络中的普通卷积,以减少网络参数,引入C3Ghost模块替代原来的特征提取网络中的C2f模块,进一步减少计算量;同时在Neck层引入轻量级的HS-FPN,用于更好解决织物疵点检测中的多尺度问题;在Head层引入高效解耦合头EDH,降低延迟,提高检测速度。通过对构建的包含4种缺陷的织物数据集进行测试,与YOLOv8n模型相比,该改进模型的参数量Params和计算量FLOPs分别为1.0 M和3.7 G,仅为原YOLOv8n模型的33.3%和45.7%,大大缩小了模型的复杂度;mAP值达到89.8%,与YOLOv8n模型基本持平;FPS提高了41.7帧/s。与当前主流的目标检测算法相比,该改进模型在不牺牲检测精度的前提下所需要的计算资源更少,速度更快,部署更有优势。 展开更多
关键词 织物疵点检测 YOLOv8n 轻量级网络 C3Ghost hs-fpn 高效解耦合
在线阅读 下载PDF
基于YOLOv8算法优化的肺结节检测
2
作者 杨金全 孙鹏 +2 位作者 刘桐泽 牛志恒 陈永君 《科技创新与应用》 2025年第22期27-30,共4页
现阶段肺结节检测存在微小结节特征提取困难、检测效果差,算法模型复杂,计算量大等问题。该文提出一种基于YOLOv8的HS-FPN融合机制,优化整体网络结构。在特征提取的主干网络Neck添加CA模块,筛选不同尺寸肺结节,经过权重计算能有效提取... 现阶段肺结节检测存在微小结节特征提取困难、检测效果差,算法模型复杂,计算量大等问题。该文提出一种基于YOLOv8的HS-FPN融合机制,优化整体网络结构。在特征提取的主干网络Neck添加CA模块,筛选不同尺寸肺结节,经过权重计算能有效提取每个通道中的特征信息。利用ConvTranspose2d卷积通过双线性插值和转置卷积进行尺度调整,将肺结节的高级和低级特征融合,用CIoU损失函数全面评估目标匹配情况。在实性肺结节检测中精确率均值达到86.5%,比YOLOv8算法提升2.8%。 展开更多
关键词 实性肺结节检测 YOLOv8 hs-fpn CIoU 微小结节
在线阅读 下载PDF
基于改进RT-DETR的极端天气下交通标志检测方法 被引量：1
3
作者 秦伦明 张云起 +2 位作者 崔昊杨 边后琴 王悉 《电子测量技术》 北大核心 2025年第9期56-64,共9页
针对雨、雾和雪等极端天气下交通标志模糊不清,导致检测精度下降和小目标识别困难等问题,本文提出了一种基于改进RT-DETR的交通标志检测算法。首先,采用数据增强方法模拟极端天气环境,以提高模型在这些环境下对交通标志的识别能力。其次... 针对雨、雾和雪等极端天气下交通标志模糊不清,导致检测精度下降和小目标识别困难等问题,本文提出了一种基于改进RT-DETR的交通标志检测算法。首先,采用数据增强方法模拟极端天气环境,以提高模型在这些环境下对交通标志的识别能力。其次,在主干网络中引入Ortho注意力机制,利用正交滤波器减少特征冗余,筛选重要通道信息,提高对小目标的检测精度。此外,采用高层筛选特征金字塔网络(HS-FPN)替换原模型中的跨尺度上下文特征混合器(CCFM),通过高层特征筛选并融合低层特征信息,提升模型在极端天气下对低对比度和模糊目标的检测精度。实验结果显示,改进算法在平均检测精度方面达到87.84%,相比原始RT-DETR模型提高了2.37%,同时参数量减少至18.22 M,相比原模型降低了8.4%,对小目标和处于极端天气中的目标识别精度更高,对保障乘客的安全具有实际意义。 展开更多
关键词 RT-DETR 正交通道注意力机制 高层筛选特征金字塔网络 交通标志识别 图像增强
原文传递
基于改进YOLO11的印刷电路板表面缺陷检测算法
4
作者 杨彦萍 高军伟 +1 位作者 刘兆龙 邢荣鑫 《液晶与显示》 北大核心 2025年第10期1545-1556,共12页
针对现有PCB缺陷检测算法在处理目标尺寸较小、背景线路复杂和形态不规则等场景时存在的精度不足、误检漏检等问题,本文提出一种基于改进YOLO11的PCB表面缺陷检测方法。首先,在主干网络中引入多尺度卷积注意力(MSCA)机制,增强对微小缺... 针对现有PCB缺陷检测算法在处理目标尺寸较小、背景线路复杂和形态不规则等场景时存在的精度不足、误检漏检等问题,本文提出一种基于改进YOLO11的PCB表面缺陷检测方法。首先,在主干网络中引入多尺度卷积注意力(MSCA)机制,增强对微小缺陷的检测能力。其次,采用高效特征金字塔网络(HS-FPN)替换传统颈部(Neck)结构,通过引入通道注意力机制(CA)和选择性特征融合机制(SFF)提升了模型对不同尺寸缺陷的检测能力。随后,结合ConvFormer与卷积门控线性单元(CGLU)改进C3K2模块,在降低计算复杂度的同时提升对有效特征的提取能力。最后,采用UIoU(Unified-IoU)损失函数动态调整候选框权重分配,提升了定位精度与收敛速度。在自建的6类PCB缺陷图像数据集上的实验表明,改进后模型的mAP达89.1%,相较原始YOLO11模型,平均检测精度提升了5.3%,精确率提升了2.3%,召回率提升了6.1%,参数量降低了28.3%,验证了所提方法在实际PCB缺陷检测中的有效性与应用潜力。 展开更多
关键词 图像处理 PCB缺陷检测 YOLO11 多尺度卷积注意力机制 高效特征金字塔网络
在线阅读 下载PDF
基于改进RT-DETR的水下目标检测 被引量：1
5
作者 张路 魏本昌 +1 位作者 魏鸿奥 周龙刚 《计算机系统应用》 2024年第12期131-140,共10页
水下目标检测技术在海洋探测中具有重要的现实意义.针对水下场景复杂,以及存在遮挡重叠导致目标特征提取有限的问题,提出了一种适用于水下目标检测的FERT-DETR网络.该模型首先提出了一种特征提取模块Faster-EMA,用于替换RT-DETR中ResNe... 水下目标检测技术在海洋探测中具有重要的现实意义.针对水下场景复杂,以及存在遮挡重叠导致目标特征提取有限的问题,提出了一种适用于水下目标检测的FERT-DETR网络.该模型首先提出了一种特征提取模块Faster-EMA,用于替换RT-DETR中ResNet18的BasicBlock,能够在有效降低模型参数量和模型深度的同时,显著提升对水下目标的特征提取能力;其次在编码部分使用级联群体注意力模块AIFI-CGA,减少多头注意力中的计算冗余,提高注意力的多样性;最后使用高水平筛选特征金字塔HS-FPN替换CCFM,实现多层次融合,提高检测的准确性和鲁棒性.实验结果表明,所提算法FERT-DETR在URPC2020数据集和DUO数据集上比RT-DETR检测准确率提高了3.1%和1.7%,参数量压缩了14.7%,计算量减少了9.2%,能够有效改善水下复杂环境中不同尺寸目标漏检、误检的问题. 展开更多
关键词 计算机视觉 RT-DETR FasterNet 注意力机制 高水平筛选特征金字塔
在线阅读 下载PDF
基于YOLOv8n的轻量化葡萄叶片病害检测算法
6
作者 邓伟豪 刘拥民 +1 位作者 徐卓农 麻海志 《湖南农业大学学报(自然科学版)》 2025年第5期121-128,共8页
本研究提出一种基于YOLOv8n的轻量化高性能算法Lighter-Faster-YOLO。首先,该算法使用改进的深度可分离部分卷积(DSPConv)替换原C2f中的常规卷积,减少冗余计算和内存访问,从而更加有效地提取网络特征;其次,使用高效多尺度注意力(EMA)模... 本研究提出一种基于YOLOv8n的轻量化高性能算法Lighter-Faster-YOLO。首先,该算法使用改进的深度可分离部分卷积(DSPConv)替换原C2f中的常规卷积,减少冗余计算和内存访问,从而更加有效地提取网络特征;其次,使用高效多尺度注意力(EMA)模块替换快速空间金字塔池化(SPPF)前的C2f模块,以较低的计算开销提高性能;最后,使用高级特征融合金字塔网络(HS-FPN)作为新的颈部网络来增强特征融合的效果,并减少计算量。结果表明,采用本文所提算法检测葡萄叶片病害的平均精度达到93.0%,相较于YOLOv8n算法参数量和浮点计算量分别降低66.34%和35.80%。相较于当前主流的轻量化目标检测算法Faster R-CNN、YOLOv5n等,改进后的Lighter-Faster-YOLO算法性能更优越,能有效减少参数量,降低模型复杂度,从而降低计算成本,更易于在智能检测仪器上进行部署。 展开更多
关键词 葡萄叶片病害 智慧农业 YOLOv8n EMA hs-fpn
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 下一页 到第 页
使用帮助 返回顶部