基于改进YOLOv11的SAR图像小目标船舶检测

1

作者 艾君鹏 蒋海军 +2 位作者 罗亮 郝连东 王仕杰 《计算机工程与应用》 北大核心 2026年第1期162-171,共10页

复杂的海况背景、目标多尺度特性及传感器噪声等因素,给基于合成孔径雷达(SAR)图像的船舶检测带来了巨大挑战。因此,提出了一种基于改进YOLOv11的SAR图像小目标船舶检测模型。使用深度可分离卷积构建新骨干网络,减少计算量和参数量;采... 复杂的海况背景、目标多尺度特性及传感器噪声等因素,给基于合成孔径雷达(SAR)图像的船舶检测带来了巨大挑战。因此,提出了一种基于改进YOLOv11的SAR图像小目标船舶检测模型。使用深度可分离卷积构建新骨干网络,减少计算量和参数量;采用SE注意力机制替换C2PSA注意力,增强特征提取能力;设计残差空间通道重建卷积模块替换C3K2,提升特征表示能力;使用NWD损失函数代替CIoU损失函数,使模型推理更关注于小目标。实验结果表明,改进的模型在HRSID数据集上的mAP@0.5和召回率较YOLOv11分别提升1.5个百分点和1.4个百分点,参数量为1.39×10~7,推理时间为0.51 s。与主流模型相比,改进模型在检测精度和速度上均表现出优越性。此外,模型在SSDD和RSDD数据集上的泛化性测试也取得了较好的结果。综上,改进的模型在SAR图像小目标船舶检测任务中具有较高的应用潜力和推广价值。 展开更多

关键词 YOLOv11 合成孔径雷达(SAR)图像 船舶检测 深度可分离卷积 残差空间通道重建卷积 归一化曼哈顿距离(nwd)损失函数

在线阅读 下载PDF 职称材料

改进的YOLOv8无人机小目标检测算法 被引量：1

2

作者 王燕妮 张婧菲 《探测与控制学报》 北大核心 2025年第5期44-50,共7页

针对YOLOv8算法在无人机视角下小目标性能不佳的问题,提出一种改进后的YOLOv8-NDTiny算法。改进原有的CIoU损失函数,引入NWD损失函数,提高算法对于小目标的敏感度;在保持算法原有参数量的同时,将原有C2f模块中的卷积模块替换成可变形卷... 针对YOLOv8算法在无人机视角下小目标性能不佳的问题,提出一种改进后的YOLOv8-NDTiny算法。改进原有的CIoU损失函数,引入NWD损失函数,提高算法对于小目标的敏感度;在保持算法原有参数量的同时,将原有C2f模块中的卷积模块替换成可变形卷积,使得模型能够适应复杂的场景;优化了颈部结构,将原有的检测头替换成小目标检测层,使模型更加轻量化,并提高网络对小目标的感知能力。实验数据表明,改进后的算法相比原算法在VisDrone2019数据集上mAP@0.5和mAP@0.5:0.95分别提高了2.4%和1.8%,并且参数量为原先的71%。 展开更多

关键词 小目标检测 nwd损失函数 小目标检测层 可变形卷积

在线阅读 下载PDF 职称材料

TCN-Net:融合三重注意力机制与特征聚焦扩散的烟支缺陷检测网络

3

作者 吴庆华 张哲铭 赵德华 《包装与食品机械》 北大核心 2025年第2期30-38,共9页

针对烟支生产过程中微小微弱缺陷(如刺破、黄斑、油渍、隐形夹沫等)检测难度大、对易混淆缺陷的区分能力不足的问题,提出一种改进的缺陷检测网络TCN-Net。融合三重注意力机制,在通道、高度和宽度3个维度进行特征增强,提高微小目标的检... 针对烟支生产过程中微小微弱缺陷(如刺破、黄斑、油渍、隐形夹沫等)检测难度大、对易混淆缺陷的区分能力不足的问题,提出一种改进的缺陷检测网络TCN-Net。融合三重注意力机制,在通道、高度和宽度3个维度进行特征增强,提高微小目标的检测能力,使刺破等缺陷的mAP@0.5提升2.4个百分点;设计一种特征聚焦扩散结构,优化高层语义与低层空间特征的融合,有效提高易混淆缺陷(如油渍、黄斑等)的区分能力,使其mAP@0.5分别提升2.8,1.9个百分点;采用归一化Wasserstein距离损失函数优化目标定位,提升小目标检测精度。试验结果表明,相较于基线模型YOLOv8,TCNNet的mAP@0.5提高5.4个百分点,综合性能优于SSD,YOLOv5和YOLOv7等主流检测算法。研究为烟草工业的缺陷检测提供更精准的解决方案。 展开更多

关键词 图像处理 烟支缺陷检测 深度学习 注意力机制 nwd损失函数

在线阅读 下载PDF 职称材料

基于改进YOLOv7-tiny的铝型材表面缺陷检测方法 被引量：6

4

作者 王浚银 文斌 +2 位作者 沈艳军 张俊 王子豪 《浙江大学学报(工学版)》 北大核心 2025年第3期523-534,共12页

针对铝型材表面缺陷具有种类多样、缺陷尺度差异大和小目标缺陷漏检的问题,提出改进的YOLOv7-tiny检测算法.利用残差结构、无参注意力机制(SimAM)、激活函数(FReLU)和裁剪卷积等重构空间金字塔池化模块,捕捉更多的细节信息,加强网络多... 针对铝型材表面缺陷具有种类多样、缺陷尺度差异大和小目标缺陷漏检的问题,提出改进的YOLOv7-tiny检测算法.利用残差结构、无参注意力机制(SimAM)、激活函数(FReLU)和裁剪卷积等重构空间金字塔池化模块,捕捉更多的细节信息,加强网络多尺度学习能力.优化检测层获取更多小目标特征和位置信息,提高网络多尺度缺陷检测能力.引入部分卷积替换高效层聚合网络(ELAN)中的3×3卷积建立轻量化模型,减少计算和训练负担.结合归一化Wasserstein距离(NWD)损失度量相似度,加速网络收敛并提升小目标缺陷检测能力.在天池铝型材数据集上进行测试,结果表明,改进YOLOv7-tiny算法在置信度阈值为0.25时,精确度达到95.0%,召回率达到91.8%,均值平均精度mAP@0.5达到94.5%,检测速度为45帧/s.相较于原算法,改进算法的mAP@0.5提高4.2个百分点,在脏点缺陷上的平均精度AP提高13.1个百分点;改进算法对于低分辨率图像和被干扰图像有更好的检测结果,表明其具备更好的泛化性和抗干扰能力. 展开更多

关键词 铝型材 表面缺陷 小目标检测 SPPCSPC重构 残差结构 YOLOv7-tiny 归一化Wasserstein距离(nwd)损失

在线阅读 下载PDF 职称材料

基于改进YOLOv5s的水面漂浮小目标检测算法 被引量：3

5

作者 岳旭生 李军 +3 位作者 王耀弘 朱鹏浩 王哲兴 许炫皓 《中国舰船研究》 北大核心 2025年第3期318-326,共9页

[目的]针对无人船视角下的水面漂浮瓶识别易出现错检、漏检等问题,基于YOLOv5s算法,提出一种改进的YOLOv5s水面漂浮小目标检测算法。[方法]对原始数据集Flow-Img进行数据增强和扩充,从而避免模型出现过拟合的现象;为了提高深度学习模型... [目的]针对无人船视角下的水面漂浮瓶识别易出现错检、漏检等问题,基于YOLOv5s算法,提出一种改进的YOLOv5s水面漂浮小目标检测算法。[方法]对原始数据集Flow-Img进行数据增强和扩充,从而避免模型出现过拟合的现象;为了提高深度学习模型对极小目标的检测精度,在YOLOv5s的3个检测层的基础上,增加1个极小目标检测层,同时去掉用于大目标的检测头,避免数据不均衡带来的先验框分配问题;接着,在骨干网络中增加CBAM注意力模块,以解决模型在水面漂浮瓶检测任务中目标特征信息捕捉能力不足的问题;最后引入归一化Wasserstein距离(NWD)的回归损失函数,将IoU损失函数和NWD损失函数进行加权组合,形成一个综合的回归损失函数,从而进一步提高对水面漂浮瓶识别的准确率和精度。[结果]实验结果表明,所提算法在水面漂浮瓶检测时mAP@0.5值达到95.7%,比原始YOLOv5s算法的mAP@0.5提升了2.6%,mAP@0.95提升了4.5%,同时,模型参数量下降了61.9%。[结论]在实现轻量化的同时使得水面漂浮瓶检测结果更加准确,为水面小型漂浮物的检测提供了重要的技术参考。 展开更多

关键词 水面漂浮小目标 计算机视觉 目标检测 图像处理 改进YOLOv5s CBAM nwd损失函数

在线阅读 下载PDF 职称材料

基于改进YOLOv8算法的水下目标分类与检测

6

作者 周舰 黄超 涂振宇 《南昌工程学院学报》 2025年第3期95-102,共8页

为了提高水下目标检测的效率和精确度,提出了一种新的EN-YOLOv8算法。该算法采用了高效的多尺度注意力机制(EMA),以实现不同空间维度信息的有效聚合。此外,该算法还引入了改进的新加权回归损失函数(NWD-CIoU_Loss),以更精确地衡量小物... 为了提高水下目标检测的效率和精确度,提出了一种新的EN-YOLOv8算法。该算法采用了高效的多尺度注意力机制(EMA),以实现不同空间维度信息的有效聚合。此外,该算法还引入了改进的新加权回归损失函数(NWD-CIoU_Loss),以更精确地衡量小物体间的相似性。利用该算法在TrashCan数据集上进行消融实验发现,EN-YOLOv8算法相较于原始的EMA,在特征表达能力上提升了2.8%,同时对小物体的检测精度相较于原始的NWD损失函数提高了2.2%,有效提高了水下目标检测的效率和精确度。 展开更多

关键词 目标检测 YOLOv8 高效多尺度注意力 nwd损失函数

在线阅读 下载PDF 职称材料

基于图像分块交互的咖啡果实成熟度预测模型

7

作者 张馨匀 张力文 +1 位作者 周李 罗笑南 《图学学报》 北大核心 2025年第6期1274-1280,共7页

随着咖啡文化的普及和消费需求的增长,咖啡果实的成熟度成为决定品质和市场价值的关键因素。然而,不合理采收导致品质参差不齐,影响经济效益。通过先进成熟度检测技术,可提升采摘精准度,为农户提供数据化决策支持,但在复杂背景下现有方... 随着咖啡文化的普及和消费需求的增长,咖啡果实的成熟度成为决定品质和市场价值的关键因素。然而,不合理采收导致品质参差不齐,影响经济效益。通过先进成熟度检测技术,可提升采摘精准度,为农户提供数据化决策支持,但在复杂背景下现有方法的鲁棒性和高密度小目标检测方面仍存在技术挑战。因此,提出一种基于图像分块交互的咖啡树果实成熟度预测模型,通过引入空间分块交互注意力机制(SBIAM)实现局部特征和全局特征信息的互补融合,使得模型既能聚焦果实区域,又能有效抑制背景干扰,增强模型对关键特征的关注能力。此外,引入归一化Wasserstein距离(NWD)损失函数解决咖啡果实分类较多出现预测位置偏差等问题,提升复杂场景下咖啡果实成熟度检测的精度和鲁棒性。实验结果表明,改进模型不仅提升了检测精度,还实现了性能与效率的良好平衡。 展开更多

关键词 咖啡果实 成熟度预测模型 空间分块交互 注意力机制 nwd损失函数

在线阅读 下载PDF 职称材料

基于频率增强和细粒度融合的航拍小目标检测算法

8

作者 李杰 王晓明 《陕西科技大学学报》 北大核心 2025年第5期175-186,共12页

航拍图像中的目标排列密集,存在尺度差异大、细节模糊、以及易被背景淹没等问题,上述因素导致了小目标检测困难.针对这些问题,提出一种金字塔Transformer架构的小目标检测算法FE-DETR(Frequency Enhancement Detection Transformer).首... 航拍图像中的目标排列密集,存在尺度差异大、细节模糊、以及易被背景淹没等问题,上述因素导致了小目标检测困难.针对这些问题,提出一种金字塔Transformer架构的小目标检测算法FE-DETR(Frequency Enhancement Detection Transformer).首先提出频率增强Transformer,利用离散小波变换分离并增强饱含细节特征的高频信息,设计基于频率增强Transformer的金字塔结构主干,显著降低主干参数的同时最大限度减少提取过程中的小目标特征信息丢失;其次嵌入一种小目标专用的LR-FPN(Location Refined Feature Pyramid Network),在融合多尺度特征时,提取低层次目标信息并实现细粒度上下文融合,增强模型泛化能力;最后将Wasserstein距离与MPDIoU结合,提出能够适应尺度变化的NWD-MPDIoU损失函数,降低小目标的位置偏差敏感性,提升密集小目标样本回归精度.所提算法在VisDrone2019数据集上的mAP@0.5达到了51.1%,较基准模型在检测精度mAP@0.5值和mAP@[0.5-0.95]值上分别提升了5.2%和4.1%,参数量减少了28.1%,在DOTA和AITOD数据集上也取得较好效果,表明模型具有较强的泛化能力和鲁棒性,高效适用于密集场景下的小目标检测. 展开更多

关键词 FE-DETR算法 频率增强Transformer LR-FPN nwd-MPDIoU损失函数

在线阅读 下载PDF 职称材料

基于ESN-YOLOv5s的布匹缺陷检测算法

9

作者 李光 高成 《上海纺织科技》 2025年第9期44-51,共8页

针对布匹中瑕疵较小的状况,提出了一种缺陷检测算法(ESN-YOLOv5s)。为增强网络特征提取能力,在基准模型YOLOv5s主干网络中添加设计的基于EMA注意力的C3EMA模块和CEAM模块。为更好促进深层特征和横向浅层特征的融合,引入BiFPN结构替换原... 针对布匹中瑕疵较小的状况,提出了一种缺陷检测算法(ESN-YOLOv5s)。为增强网络特征提取能力,在基准模型YOLOv5s主干网络中添加设计的基于EMA注意力的C3EMA模块和CEAM模块。为更好促进深层特征和横向浅层特征的融合,引入BiFPN结构替换原始FPN网络,促使模型能更有效地识别和适应不同大小的目标物体,从而增强目标检测的效能,并且在特征融合网络前加入CAMX通道注意力机制模块,缓解层间冲突。使用SPDConv替代传统下采样,降低参数量的同时提高检测能力。最后使用NWD损失函数替代IoU度量,提升小目标特征检测准确率。结果显示,改进后的算法查准率提高3.3%,查全率提高3%,平均精确度均值提高1.4%。 展开更多

关键词 小目标检测 YOLOv5s nwd损失函数 布匹 缺陷

原文传递

基于改进YOLOv7-tiny的茶叶嫩芽分级识别方法 被引量：9

10

作者 洪孔林 吴明晖 +1 位作者 高博 冯业宁 《茶叶科学》 CAS CSCD 北大核心 2024年第1期62-74,共13页

实现自然生长环境的茶叶嫩芽分级识别是名优茶智能化采摘的基础,针对光照、遮挡、密集等复杂环境造成的茶叶嫩芽识别精度较低、鲁棒性较差等问题,提出了一种基于YOLOv7-tiny的改进模型。首先在YOLOv7-tiny模型的小目标检测层添加卷积注... 实现自然生长环境的茶叶嫩芽分级识别是名优茶智能化采摘的基础,针对光照、遮挡、密集等复杂环境造成的茶叶嫩芽识别精度较低、鲁棒性较差等问题,提出了一种基于YOLOv7-tiny的改进模型。首先在YOLOv7-tiny模型的小目标检测层添加卷积注意力模块,提高模型对小目标特征的关注能力,减少复杂环境对茶叶嫩芽识别的干扰;调整空间金字塔池化结构,降低模型运算成本,提高检测速度;使用交并比(Intersection over Union,IoU)和归一化Wasserstein距离(Normalized gaussian wasserstein distance,NWD)结合的损失函数,改善IoU机制对位置偏差敏感的问题,进一步提高模型对小目标检测的鲁棒性。结果表明,该模型的检测准确率为91.15%,召回率为88.54%,均值平均精度为92.66%,模型大小为12.4 MB,与原始模型相比,准确率、召回率、均值平均精度分别提高2.83、2.00、1.47个百分点,模型大小增加0.1 MB。与不同模型的对比试验表明,该模型在多个场景下的嫩芽分级检测中漏检和误检较少,置信度分数较高。改进后的模型可应用于名优茶采摘机器人的嫩芽分级识别。 展开更多

关键词 YOLOv7-tiny 茶叶嫩芽 分级识别 注意力机制 nwd损失函数

在线阅读 下载PDF 职称材料

复杂背景下输电线路缺陷检测算法研究 被引量：1

11

作者 邬春明 王调君 《计算机科学》 CSCD 北大核心 2024年第S01期535-540,共6页

输电线路定期巡检对保障电力系统安全稳定运行具有重要的意义。针对输电线路航拍图像背景复杂、目标尺度变化大、小目标多等问题,提出了基于YOLOv5s的输电线路目标检测算法。该算法采用特征细化模块优化微小目标特征,并在网络中嵌入SimA... 输电线路定期巡检对保障电力系统安全稳定运行具有重要的意义。针对输电线路航拍图像背景复杂、目标尺度变化大、小目标多等问题,提出了基于YOLOv5s的输电线路目标检测算法。该算法采用特征细化模块优化微小目标特征,并在网络中嵌入SimAM注意力模块,通过能量函数统一权值的方式优化模型的特征提取,最后引入NWD损失函数削弱模型对小目标位置偏差的敏感性,提升模型对小目标的识别检测能力。实验结果表明,该模型对输电线路目标的平均检测精度高达98.8%,相较于基准模型,提高了1.2%。 展开更多

关键词 输电线路缺陷检测 注意力机制 nwd损失 特征细化

在线阅读 下载PDF 职称材料

融合多层次浅层信息的航拍小目标检测 被引量：1

12

作者 秦云飞 崔晓龙 +1 位作者 程林 樊继东 《计算机系统应用》 2024年第2期176-187,共12页

针对小目标检测及目标被遮挡的问题,本文基于VisDrone2019数据集构建相应交通场景,提出一种小目标检测算法.首先,充分利用主干网络的浅层特征改善小目标漏检的问题,通过在YOLOv7算法原有的网络结构上增加小目标检测层P2,并在P2小目标检... 针对小目标检测及目标被遮挡的问题,本文基于VisDrone2019数据集构建相应交通场景,提出一种小目标检测算法.首先,充分利用主干网络的浅层特征改善小目标漏检的问题,通过在YOLOv7算法原有的网络结构上增加小目标检测层P2,并在P2小目标检测层的模型上为特征融合网络添加多层次浅层信息融合模块,从而提高算法小目标检测效果.其次,使用全局上下文模块构建目标与全局上下文的联系,增强模型区分目标与背景的能力,改善目标因遮挡而出现特征缺失情况下的被检测效果.最后,本文采用专为小目标设计的损失函数NWD代替基线模型中的CIoU损失函数,从而解决了IoU本身及其扩展对微小物体的位置偏差非常敏感的问题.实验表明,改进后的YOLOv7模型在航拍小目标数据集VisDrone2019(测试集和验证集)上面mAP.5:.95分别有2.3%和2.8%的提升,取得了十分优异的检测效果. 展开更多

关键词 浅层特征 全局上下文模块 nwd损失函数 小目标检测 特征融合 目标检测

在线阅读 下载PDF 职称材料

基于改进YOLOv8的水稻病害检测方法 被引量：1

13

作者 陆维安 刘永春 何志渊 《兰州工业学院学报》 2024年第6期42-47,共6页

针对现有的水稻病害检测方法存在检测精度不足、复杂度过高的问题,提出一种改进YOLOv8的水稻病害检测方法。首先,在主干网络中引入轻量级网络GhostNet,构建C2fGhost模块替换原有的C2f模块,减少算法的参数量、浮点运算量和模型大小,降低... 针对现有的水稻病害检测方法存在检测精度不足、复杂度过高的问题,提出一种改进YOLOv8的水稻病害检测方法。首先,在主干网络中引入轻量级网络GhostNet,构建C2fGhost模块替换原有的C2f模块,减少算法的参数量、浮点运算量和模型大小,降低了算法的复杂程度;其次,在颈部网络中添加EMA注意力机制,增强关键信息提取能力;最后,引入NWD损失函数与CIoU损失函数相结合,以提升算法的检测精度。实验结果表明改进后的算法GEN-YOLO与YOLOv8n相比整体平均精度mAP@0.5增加了1.4个百分点,参数量减少了0.452 M,浮点运算量减少了1.2 G,模型大小减少了0.826 MB,改进算法在保证了轻量化的同时有效地提高了检测精度,且本方法在检测精度和算法复杂度方面均优于其他主流目标检测方法,表明了本方法具有先进性。 展开更多

关键词 水稻病害检测 YOLOv8 GhostNet EMA注意力机制 nwd损失函数

在线阅读 下载PDF 职称材料

面向双轨式钢轨超声波探伤仪数据的智能检测研究

14

作者 马千福 章罕 康梦雷 《无损探伤》 2025年第4期9-14,共6页

双轨式钢轨超声波探伤仪勾画的B显图像,虽能够直观地呈现出钢轨的内部伤损,但是基于人工回放分析的方式效率低。为此,本文进行了对B显图像智能识别的研究工作。通过收集B显图像伤损数据,分析图像中伤损波形的形状特点,构建伤损数据集。... 双轨式钢轨超声波探伤仪勾画的B显图像,虽能够直观地呈现出钢轨的内部伤损,但是基于人工回放分析的方式效率低。为此,本文进行了对B显图像智能识别的研究工作。通过收集B显图像伤损数据,分析图像中伤损波形的形状特点,构建伤损数据集。然后以YOLOv8模型为基础,针对伤损波形面积小和呈斜长条状的特点,使用改进头部网络、轻量可变形的AKConv和NWD边界框损失函数来优化YOLOv8模型,使其更适用于B显图像中的场景。实验结果中,本文所提出的优化方法给YOLOv8模型的mAP@0.5和mAP@0.5:0.95带来了3.9%和2.8%的提升。 展开更多

关键词 钢轨探伤 YOLOv8 B显图像 AKConv nwd损失函数

原文传递

基于改进YOLOv8s的军用飞机目标检测算法

15

作者 王广川 赵寿为 《运筹与模糊学》 2024年第4期8-16,共9页

基于YOLOv8s目标检测算法,提出了一种改进的军用飞机遥感图像目标检测算法。首先,引入Mixup数据增强方法;其次,修改网络结构,减少主干网络最后一个输出特征图的通道数为256;然后,在主干网络部分融合改进的SimAM注意力机制A;最后,使用改... 基于YOLOv8s目标检测算法,提出了一种改进的军用飞机遥感图像目标检测算法。首先,引入Mixup数据增强方法;其次,修改网络结构,减少主干网络最后一个输出特征图的通道数为256;然后,在主干网络部分融合改进的SimAM注意力机制A;最后,使用改进的NWD损失作为位置损失函数。改进的算法在MAR20和NWPU VHR-10数据集上的mAP50分别比YOLOv8s提高了4.3%和2.2%,验证了改进算法的有效性。 展开更多

关键词 nwd损失 SimAM注意力机制 YOLOv8s 遥感目标检测

在线阅读 下载PDF 职称材料