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：
基于改进MobileViTv3的树木叶片图像分类算法研究
1
作者 佳林·海茹拉 李永可 《电脑知识与技术》 2024年第36期10-13,19,共5页
针对轻量级算法在树叶图像分类中的不足,提出了一种基于改进MobileViTv3算法的树叶图像识别方法。该方法在MobileViTv3算法的倒残差模块中引入坐标注意力机制(CA),以增强特征表达能力,并用H-Swish激活函数替换ReLU6激活函数。此外,在Mob... 针对轻量级算法在树叶图像分类中的不足,提出了一种基于改进MobileViTv3算法的树叶图像识别方法。该方法在MobileViTv3算法的倒残差模块中引入坐标注意力机制(CA),以增强特征表达能力,并用H-Swish激活函数替换ReLU6激活函数。此外,在MobileViTv3模块中使用普通3×3卷积替代深度可分离卷积,并使用H-Swish替换Swish激活函数,以降低算法的计算量。在自建的14种叶片图像数据集上进行训练,以验证改进算法的有效性。实验结果表明,改进后的算法在叶片图像数据集上的精度、准确率、F1值和召回率相较于原MobileViTv3算法以及ShuffleNetV2、MobileNetV2、MobileNetV3算法均有显著提升。 展开更多
关键词 树叶图像分类 mobilevitv3 H-Swish激活函数 坐标注意力机制
在线阅读 下载PDF
基于改进YOLOv5s的钢铁表面缺陷检测模型研究
2
作者 邱昆 王长坤 《南昌航空大学学报(自然科学版)》 2025年第2期8-18,共11页
传统YOLOv5算法在进行钢铁表面缺陷检测时,面临缺陷尺度变化大、类别易混淆等挑战,这些挑战极大地增加了检测任务的难度,严重制约了YOLOv5在钢铁表面缺陷检测领域的应用性能。针对上述提到的一系列挑战,提出一种融合MobileViTv3和YOLOv5... 传统YOLOv5算法在进行钢铁表面缺陷检测时,面临缺陷尺度变化大、类别易混淆等挑战,这些挑战极大地增加了检测任务的难度,严重制约了YOLOv5在钢铁表面缺陷检测领域的应用性能。针对上述提到的一系列挑战,提出一种融合MobileViTv3和YOLOv5s的钢铁表面缺陷检测模型,以增强YOLOv5s的全局信息处理能力。在此基础上,为了实现不同尺度缺陷特征的高效融合,提出一种新的PGCSP块替换C3块,PGCSP块与GSConv一起组成新的颈部网络LWTNeck。同时,为了进一步提升模型性能,引入新的损失函数WIoU,提升对小目标的检测效果,以解决目标尺度差异的问题。最后,在NEU-DET数据集上对改进模型进行验证。结果显示,改进后的模型可以实现实时检测,平均精度mAP为77.83%,比基线模型(YOLOv5s)提高约7.69%,比Faster R-CNN提高约4.27%。 展开更多
关键词 钢铁表面缺陷检测 YOLOv5 LWT-Neck mobilevitv3 WIoU
在线阅读 下载PDF
基于改进YOLOv8n的织物疵点检测算法
3
作者 陈泽纯 林富生 +3 位作者 张庆 宋志峰 刘泠杉 余联庆 《毛纺科技》 北大核心 2025年第2期118-126,共9页
针对织物疵点检测算法计算复杂且难以部署,织物缺陷目标小、尺度变化大导致检测精度低、易漏检等问题,提出基于改进YOLOv8n的织物疵点检测算法(YOLOv8n-CMB)。首先在主干网络引入轻量级通道优先卷积注意力模块(CPCA),实现在通道和空间... 针对织物疵点检测算法计算复杂且难以部署,织物缺陷目标小、尺度变化大导致检测精度低、易漏检等问题,提出基于改进YOLOv8n的织物疵点检测算法(YOLOv8n-CMB)。首先在主干网络引入轻量级通道优先卷积注意力模块(CPCA),实现在通道和空间维度上注意力权重的动态分配,提高网络对小目标的感知能力;其次将Backbone层中的部分C2f模块替换为轻量级MobileViTv3模块,以扩大网络感受野,增强模型对小目标缺陷的检测能力;最后使用双向特征金字塔网络(BiFPN)改进路径聚合网络(PANet),有效解决网络冗余和计算量复杂的问题。实验结果表明:YOLOv8n-CMB算法与原始YOLOv8n模型相比,平均精度均值提高了4.4个百分点,参数量减少了10%,在保证模型轻量化的同时具有较高的检测精度,为纺织领域提供了更好的检测思路。 展开更多
关键词 YOLOv8n mobilevitv3 特征金字塔 注意力模块 织物疵点
在线阅读 下载PDF
基于改进YOLOv8网络的高精度仪器仪表示值识别算法研究
4
作者 刘天畅 张守亮 +1 位作者 蒙丹 吴任翔 《铁道技术监督》 2025年第6期29-36,共8页
目前,在高精度仪器仪表计量测试试验过程中,需要人工读取示值,存在自动获取示值难的问题。为此,在YOLOv8网络中,将Backbone中的C2F模块替换为MobileViTv3模块,在Neck中增加混洗注意力模块,并且引入SIoU损失函数,形成YOLOv8_At网络。构... 目前,在高精度仪器仪表计量测试试验过程中,需要人工读取示值,存在自动获取示值难的问题。为此,在YOLOv8网络中,将Backbone中的C2F模块替换为MobileViTv3模块,在Neck中增加混洗注意力模块,并且引入SIoU损失函数,形成YOLOv8_At网络。构建基于YOLOv8_At网络的仪器仪表示值识别算法,并进行验证试验。试验结果表明:仪器仪表示值识别精度均在99%以上,相较于基于YOLOv8网络的识别算法,精度更高,能够实现仪器仪表示值的自动识别。 展开更多
关键词 仪器仪表 YOLOv8网络 mobilevitv3模块 混洗注意力模块
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