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4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Transformer和CNN的排水管网缺陷识别方法 被引量：1
1
作者 殷浤益 孙全 +3 位作者 熊友亮 郭林松 曾招财 郭清露 《中国给水排水》 北大核心 2025年第5期123-129,共7页
鉴于传统人工检测并识别排水管网缺陷的方法存在工作量巨大且费时费力的问题,提出了一种基于卷积神经网络(CNN)和Transformer的排水管网缺陷自动识别方法,模型命名为RFCBAM-CGA-RTDETR。该模型在RT-DETR的基础上,首先采用感受野卷积注... 鉴于传统人工检测并识别排水管网缺陷的方法存在工作量巨大且费时费力的问题,提出了一种基于卷积神经网络(CNN)和Transformer的排水管网缺陷自动识别方法,模型命名为RFCBAM-CGA-RTDETR。该模型在RT-DETR的基础上,首先采用感受野卷积注意力机制强化网络在主干部分的特征学习能力,然后采用级联分组注意力机制减少网络在编码过程中的计算量并保持对深层特征的提取能力,最后采用inner-MPDIoU算法优化预测框回归收敛过程。采用该模型对14种管网缺陷进行检测,并与其他目标检测模型进行对比,结果显示,该模型可以精准识别各类排水管网缺陷,平均精度mAP50值相较于RT-DETR和YOLOv8分别提高8.6%和12%,并且各类评价指标均优于其他模型,证明了该模型在排水管网缺陷识别上的有效性和泛化性。 展开更多
关键词 排水管网检测 缺陷识别 RT-DETR 注意力机制 inner-mpdiou
原文传递
基于改进YOLOv7-tiny算法的学生课堂行为检测
2
作者 白佳 谷林 《计算机与现代化》 2025年第6期9-15,50,共8页
针对学生课堂行为检测中目标小而密集,识别效果受各种遮挡、光照干扰的问题,提出一种基于YOLOv7-tiny的学生课堂行为检测改进算法YOLOv7-tiny-SCBD。首先,引入卷积块注意力模块在通道和空间2个维度上提取更多特征信息,改善模型识别效果... 针对学生课堂行为检测中目标小而密集,识别效果受各种遮挡、光照干扰的问题,提出一种基于YOLOv7-tiny的学生课堂行为检测改进算法YOLOv7-tiny-SCBD。首先,引入卷积块注意力模块在通道和空间2个维度上提取更多特征信息,改善模型识别效果;其次,通过内容感知特征重组上采样算子增大网络感受野,并依照输入特征图信息动态地进行上采样,以获得更清晰、真实的上采样结果;最后,使用Inner-MPDIoU损失函数更全面、精准评估预测框与真实框的相似度,提高模型检测精度。实验结果表明,本文算法在SCB3-U数据集上mAP@0.5达到了81.6%,相较于原始YOLOv7-tiny算法提升3.1个百分点,参数量为6.19 M,计算量为13.5,每秒检测帧数为85.39,可满足对学生课堂行为的有效检测。 展开更多
关键词 YOLOv7-tiny 学生课堂行为检测 注意力模块 感受野 inner-mpdiou
在线阅读 下载PDF
城市排水管道缺陷智能检测方法研究 被引量：2
3
作者 雷江浩 刘光宇 +1 位作者 张温 程静 《计算机测量与控制》 2024年第12期81-87,共7页
针对城市排水管道缺陷自动化检测准确率低、目标定位不准确的问题,提出一种改进YOLOv8的排水管道缺陷检测模型;该模型在基线模型中引入感受野注意力卷积,并构建了C2F_RFAConv模块,通过空间感受野与卷积交互自适应学习的方式,增强模型对... 针对城市排水管道缺陷自动化检测准确率低、目标定位不准确的问题,提出一种改进YOLOv8的排水管道缺陷检测模型;该模型在基线模型中引入感受野注意力卷积,并构建了C2F_RFAConv模块,通过空间感受野与卷积交互自适应学习的方式,增强模型对缺陷特征的提取能力;同时,提出一种混合注意力高低阶特征融合网络,将Backbone和Neck输出的3种不同尺度的低阶特征和高阶特征进行有效融合,增强模型学习图像全局上下文信息的能力;此外,对影响边界框回归的重叠情况、中心点距离、宽高偏差等因素进行了综合分析,设计Inner-MPDIoU损失函数,使模型适应不同尺寸的缺陷检测任务,提高缺陷目标边界框的定位准确率;经过实验验证发现,改进后的模型取得了93.9%的平均检测准确率,较改进之前提升3.7%,漏检率和误检率仅为9.1%和17.6%,较改进之前分别降低3.2%和2.7%。 展开更多
关键词 城市排水管道 缺陷检测 YOLOv8 感受野注意力卷积 特征融合 inner-mpdiou
在线阅读 下载PDF
基于改进YOLOv8n的可回收垃圾检测算法
4
作者 刘莎 《黑龙江工业学院学报(综合版)》 2024年第11期94-100,共7页
为提高可回收垃圾检测准确率,同时轻量化结构,使其便于部署,提出了一种改进YOLOv8n的DI-YOLOv8n可回收垃圾检测模型。替换原始检测头为DyHead动态检测头,提升检测精度,使用Inner-IoU损失函数的思想改进MPDIoU函数,以Inner-MPDIoU代替原... 为提高可回收垃圾检测准确率,同时轻量化结构,使其便于部署,提出了一种改进YOLOv8n的DI-YOLOv8n可回收垃圾检测模型。替换原始检测头为DyHead动态检测头,提升检测精度,使用Inner-IoU损失函数的思想改进MPDIoU函数,以Inner-MPDIoU代替原损失函数,提升对困难样本的学习能力。使用自制可回收垃圾数据集进行训练测试,实验结果表明,改进后模型检测的平均精度达到93.7%,相较于YOLOv8n平均精度提高了1.1%。模型权重文件的大小为7.2MB,检测精度和检测速度均满足实时检测要求。 展开更多
关键词 可回收垃圾检测 YOLOv8n Dy-Head动态检测头 inner-mpdiou
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