滑坡是一种严重威胁生态环境与人类安全的地质灾害,对其进行高效精准的识别对于灾害监测和预警具有重要意义。针对传统目标检测算法在滑坡识别中存在的精度不足、误检率较高等问题,提出了一种基于改进YOLOv7(you only look once version...滑坡是一种严重威胁生态环境与人类安全的地质灾害,对其进行高效精准的识别对于灾害监测和预警具有重要意义。针对传统目标检测算法在滑坡识别中存在的精度不足、误检率较高等问题,提出了一种基于改进YOLOv7(you only look once version 7)的滑坡目标检测方法。具体方法为:①针对滑坡影像数据的特性,优化YOLOv7网络结构,以增强特征提取能力;②引入卷积注意力模块CBAM(convolutional block attention module)注意力机制,提高对滑坡区域的检测精度;③引入基于最大概率距离交并比的损失函数(maximum probability distance intersection over union,MPDIoU),使得模型在提升检测精度的同时有效降低误检率与漏检率。实验表明,与原始YOLOv7相比,改进后的算法在平均精度值(mean average precision,mAP)上提高了6.3%、精确率提升了5.8%,及参数量相比原模型减少了6.11 M。该方法能够高效识别基于高分辨率遥感影像的滑坡体,具有较强的实际应用价值,可为地质灾害监测和预警提供有效的技术支持。展开更多
目前的绝缘子及缺陷目标检测算法中普遍存在着诸如误检、漏检和检测精度低等一系列问题,提出一种改进的YOLOv9绝缘子及缺陷目标检测算法来更好地检测绝缘子及其残缺缺陷。首先,在YOLOv9的核心模块RepNCSPELAN中嵌入多样性分支块DBB,DBB...目前的绝缘子及缺陷目标检测算法中普遍存在着诸如误检、漏检和检测精度低等一系列问题,提出一种改进的YOLOv9绝缘子及缺陷目标检测算法来更好地检测绝缘子及其残缺缺陷。首先,在YOLOv9的核心模块RepNCSPELAN中嵌入多样性分支块DBB,DBB可以增强单个卷积的表示能力,丰富特征空间,提高模型的特征提取能力,提升模型性能,同时基本不增加推理时间成本。其次,使用Haar小波的下采样HWD替换传统下采样,可以降低特征图的空间分辨率,同时保留尽可能多的信息,并且与传统的下采样方法相比,可以有效降低信息不确定性。最后使用MPDIoU作为模型的损失函数,MPDIoU通过直接计算预测框和真实框之间的关键点距离,能更准确地反映预测框和真实框之间的差异,从而提升模型的平均精度。在绝缘子及缺陷数据集上,改进后的算法YOLOv9-DHM的平均检测精度(Mean Average Precision,mAP)提高至96.8%,相比于原始算法提高了2.2%,精确率和召回率分别提高至95.4%和94.5%。改进后的算法相比原始算法,平均检测精度有明显提升,证明了算法改进后的可行性。展开更多
文摘滑坡是一种严重威胁生态环境与人类安全的地质灾害,对其进行高效精准的识别对于灾害监测和预警具有重要意义。针对传统目标检测算法在滑坡识别中存在的精度不足、误检率较高等问题,提出了一种基于改进YOLOv7(you only look once version 7)的滑坡目标检测方法。具体方法为:①针对滑坡影像数据的特性,优化YOLOv7网络结构,以增强特征提取能力;②引入卷积注意力模块CBAM(convolutional block attention module)注意力机制,提高对滑坡区域的检测精度;③引入基于最大概率距离交并比的损失函数(maximum probability distance intersection over union,MPDIoU),使得模型在提升检测精度的同时有效降低误检率与漏检率。实验表明,与原始YOLOv7相比,改进后的算法在平均精度值(mean average precision,mAP)上提高了6.3%、精确率提升了5.8%,及参数量相比原模型减少了6.11 M。该方法能够高效识别基于高分辨率遥感影像的滑坡体,具有较强的实际应用价值,可为地质灾害监测和预警提供有效的技术支持。
文摘目前的绝缘子及缺陷目标检测算法中普遍存在着诸如误检、漏检和检测精度低等一系列问题,提出一种改进的YOLOv9绝缘子及缺陷目标检测算法来更好地检测绝缘子及其残缺缺陷。首先,在YOLOv9的核心模块RepNCSPELAN中嵌入多样性分支块DBB,DBB可以增强单个卷积的表示能力,丰富特征空间,提高模型的特征提取能力,提升模型性能,同时基本不增加推理时间成本。其次,使用Haar小波的下采样HWD替换传统下采样,可以降低特征图的空间分辨率,同时保留尽可能多的信息,并且与传统的下采样方法相比,可以有效降低信息不确定性。最后使用MPDIoU作为模型的损失函数,MPDIoU通过直接计算预测框和真实框之间的关键点距离,能更准确地反映预测框和真实框之间的差异,从而提升模型的平均精度。在绝缘子及缺陷数据集上,改进后的算法YOLOv9-DHM的平均检测精度(Mean Average Precision,mAP)提高至96.8%,相比于原始算法提高了2.2%,精确率和召回率分别提高至95.4%和94.5%。改进后的算法相比原始算法,平均检测精度有明显提升,证明了算法改进后的可行性。
