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：
面向无人机平台的EdgeU-yolo目标检测算法研究
1
作者 鲁军 周志杰 +1 位作者 郝永平 刘志权 《通信与信息技术》 2026年第2期134-139,共6页
针对当前无人机平台日益小型化背景下,传统目标识别算法因模型参数冗余度高,对目标特征提取存在能力不足、漏检、误检等问题,在Yolov5的基础上,提出了针对小型无人机目标检测的EdgeU-yolo算法,此算法通过引入多核初始网络(Poly Kernel I... 针对当前无人机平台日益小型化背景下,传统目标识别算法因模型参数冗余度高,对目标特征提取存在能力不足、漏检、误检等问题,在Yolov5的基础上,提出了针对小型无人机目标检测的EdgeU-yolo算法,此算法通过引入多核初始网络(Poly Kernel Inception Network,PKINet)、上下文锚点注意力模块(Context Anchor Attention,CAA)、卷积注意力模块(Convolutional Block Attention Module,CBAM)替代传统的C3f模块,来增强中心区域特征;引入双向特征金字塔网络(Bidirectional Feature Pyramid Network,BiFPN)来进行多尺度特征融合,提高特征提取性能;最后采用深度可分离卷积代替骨干网络中的普通卷积,来减少模型参数量。在VisDrone2019数据集上的实验结果表明,本文提出的改进算法与原Yo⁃lov5s相比,精度与召回率均有明显改善,且mAP@0.5也表现出较大幅度的增长,与此同时,模型的参数量则实现了较为明显的缩减。证明了改进算法具有较高的检测精度与较低的算法开销。 展开更多
关键词 小型无人机 目标识别 轻量化 Yolov5 pkinet DWConv
在线阅读 下载PDF
改进YOLOv8的恶劣天气下船舶目标检测算法研究 被引量：2
2
作者 李纯杰 蔡易南 +1 位作者 胡杰 詹炜 《现代电子技术》 北大核心 2025年第12期77-82,共6页
针对现有内河航道中由于雨、雪、雾等恶劣天气导致的船只检测困难问题,提出一种基于YOLOv8的航道船舶目标检测方法,即YOLOv8-Ship。该算法设计一种特征聚焦扩散金字塔网络,融合YOLOv9中的ADown模块,使每个尺度的特征保留更多的上下文信... 针对现有内河航道中由于雨、雪、雾等恶劣天气导致的船只检测困难问题,提出一种基于YOLOv8的航道船舶目标检测方法,即YOLOv8-Ship。该算法设计一种特征聚焦扩散金字塔网络,融合YOLOv9中的ADown模块,使每个尺度的特征保留更多的上下文信息;同时引入聚核初始网络(PKINet)以及上下文锚点注意力模块(CAA)改进C2f,来增强中心区域的特征;最后采用深度可分离卷积取代骨干网络中的普通卷积,减少模型参数量和计算量。实验结果表明,在雨、雪、雾的天气条件下,与传统的YOLOv8n相比,改进算法的精确率提高了0.5%,召回率提升了3.4%,F1分数提升了2%,mAP@0.5提升了1.2%,平均精度均值达到97.5%,有效提高了内河航道恶劣天气下过往船只的识别精度,具备较强的鲁棒性。 展开更多
关键词 船舶检测 YOLOv8算法 恶劣天气 聚核初始网络 上下文锚点注意力模块 特征识别
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