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：
基于改进YOLOv8的安全帽佩戴检测算法
1
作者 谢敏怡 蒋作 +2 位作者 万学俊 赵周洲 潘文林 《软件导刊》 2026年第1期172-183,共12页
针对工地安全帽检测中难以识别被遮挡目标和存在密集小目标的问题,提出一种基于改进YOLOv8的工地安全帽实时检测算法。首先,在特征提取网络中使用RVBS模块替换部分Conv模块,通过多分支结构和无信息损失的下采样操作提升了网络的特征提... 针对工地安全帽检测中难以识别被遮挡目标和存在密集小目标的问题,提出一种基于改进YOLOv8的工地安全帽实时检测算法。首先,在特征提取网络中使用RVBS模块替换部分Conv模块,通过多分支结构和无信息损失的下采样操作提升了网络的特征提取能力,有助于密集小目标的检测;其次,采用RepNCSPELAN4模块代替特征融合网络中所有的C2f模块,使模型能更有效地融合浅层与深层特征,从而改善被遮挡目标的检测效果;再次,新增小目标检测层以进一步融合多尺度特征,提升对小目标的检测能力;最后,使用WIoU v1损失函数代替原始的CIoU损失函数,加速模型收敛并提高回归精度。实验结果表明,改进后的YOLOv8算法在SHWD数据集上的mAP@0.5和mAP@0.5:0.95分别比原算法提高了2.8%和3.2%,每张图片检测用时为25.7 ms。与其他主流算法相比,改进算法的mAP@0.5最高。所提算法能有效检测密集遮挡小目标,具有较高的应用价值。 展开更多
关键词 YOLOv8 安全帽 目标检测 RVBS 小目标检测层 repncspelan4 WIoU v1
在线阅读 下载PDF
基于优化YOLOv8-X的印刷电路板缺陷智能检测方法
2
作者 王崟 陆利坤 +1 位作者 齐亚莉 曾庆涛 《现代计算机》 2024年第24期29-35,共7页
为提高印刷电路板(PCB)缺陷检测的准确性与效率,提出了一种优化YOLOv8-X架构的智能检测方法。通过系统优化网络结构、激活函数和损失函数,显著增强了模型的性能。首先,在骨干层引入CBAM注意力机制,增强特征关联性。随后将颈部网络中传... 为提高印刷电路板(PCB)缺陷检测的准确性与效率,提出了一种优化YOLOv8-X架构的智能检测方法。通过系统优化网络结构、激活函数和损失函数,显著增强了模型的性能。首先,在骨干层引入CBAM注意力机制,增强特征关联性。随后将颈部网络中传统卷积模块替换为RepNCSPELAN4,提升模型表达能力。其次,将头部网络中的损失函数替换为Generalized IoU,有效解决小目标检测和类别不平衡问题,增强模型的鲁棒性。最后在激活函数方面,使用Leaky ReLU替代ReLU,提升了模型的非线性特征表达能力,适应复杂的缺陷检测场景。实验结果表明,改进后的YOLOv8-X模型在PCB缺陷检测任务中实现了显著的精度提升和更强的鲁棒性,显示了其在工业检测领域的广泛应用潜力。 展开更多
关键词 印刷电路板 YOLOv8-X repncspelan4 缺陷检测
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