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2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YOLO-Efficient的高空作业安全带检测 被引量：1
1
作者 刘威 卢妍洁 +3 位作者 高焜 李梓轩 琚贇 张之刚 《电力信息与通信技术》 2025年第7期30-37,共8页
为了提升高空作业场景下安全带的检测效率和准确性,文章基于YOLOv8模型提出一种YOLO-Efficient的改进模型。首先,基于分组归一化算法设计轻量化的检测头GNHead,该检测头采用了GNConv替换传统的3x3卷积,提升检测头定位和分类的性能,使用... 为了提升高空作业场景下安全带的检测效率和准确性,文章基于YOLOv8模型提出一种YOLO-Efficient的改进模型。首先,基于分组归一化算法设计轻量化的检测头GNHead,该检测头采用了GNConv替换传统的3x3卷积,提升检测头定位和分类的性能,使用共享卷积技术,有效减少模型整体的参数量,添加Scale层对特征进行缩放,增强模型对不同尺度目标的适应性。其次,在骨干网络部分,采用KernelWarehouse通用动态卷积取代传统的YOLOv8网络中的Conv模块和C2f模块,KWConv通用动态卷积通过在各层之间巧妙地共享和混合预定义的部分,可以使用更少的参数实现更高的灵活性和更优的功能。进一步减少计算量,并显著提高了检测速度,使模型更适合实时监控应用。最后,使用WIo Uv2损失函数代替原损失函数CIoU,使模型进一步聚焦于中高质量锚框,从而降低边界回归损失,显著提高检测精度。综合这些优化措施,YOLO-Efficient模型在确保高检测准确率的同时,实现快速检测,并以电厂高空作业安全监控作为典型应用场景,验证所提方案的有效性。 展开更多
关键词 高空作业安全带 YOLOv8 GNHead kwconv WIoUv2
在线阅读 下载PDF
基于改进YOLO v8的番茄叶片病害检测算法 被引量：3
2
作者 许悦 陈琳 《江苏农业科学》 北大核心 2024年第17期192-200,共9页
针对番茄叶的各类病斑难以区分、识别效率低等问题,提出一种基于YOLO v8s网络改进的病害检测算法BKW-YOLO v8s。首先,将主干网络中的Conv和C2f分别用KWConv和重新设计的C2f_KW模块代替,将KernelWarehouse卷积模块与主干网络原有的Bottle... 针对番茄叶的各类病斑难以区分、识别效率低等问题,提出一种基于YOLO v8s网络改进的病害检测算法BKW-YOLO v8s。首先,将主干网络中的Conv和C2f分别用KWConv和重新设计的C2f_KW模块代替,将KernelWarehouse卷积模块与主干网络原有的Bottleneck结构相融合,提高了模型的计算效率。其次,为了有效地提升神经网络表征能力,引入将通道层次与空间层次并联且加权融合的BAM注意力机制,使模型在不同的图像上都能取得良好的效果,更具有适应性。最后对模型的损失函数进行优化,使模型能更加准确地处理不同目标之间的差异,从而获得分类性能的提升。通过在番茄叶病害数据集上进行试验,结果表明,改进后的BKW-YOLO v8s算法与传统的YOLO v8s相比,准确率提升了2.8百分点、召回率提升了3.0百分点、mAP@50提升了2.8百分点、达到92.0%,且计算量降低了33%。本研究改进后的模型在番茄叶片图像的病害检测方面具有更高的准确度和稳定性,不仅能够更准确地定位和识别目标,而且有效地降低了漏检和误检率。本研究所提方法不仅优化了资源利用效率,也为番茄叶病害的检测提供了有力的技术支持,对未来提高番茄生产率具有重要意义。 展开更多
关键词 YOLO v8s kwconv KernelWarehouse卷积 BAM 损失函数 番茄叶病害
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