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YOLOv5s轻量化改进的车尾灯语检测
1
作者 祝磊 欧阳万棋 敖思铭 《智能计算机与应用》 2025年第9期56-63,共8页
为准确检测车辆尾灯灯语,实现模型轻量化,提出一种轻量化改进YOLOv5s网络模型。首先利用轻量级EfficientNet网络替换原主干网络,再将VoV-GSCSP模块替换颈部网络内C3模块,并在VoV-GSCSP模块后添加NAM注意力机制。针对上述3处改进,采用消... 为准确检测车辆尾灯灯语,实现模型轻量化,提出一种轻量化改进YOLOv5s网络模型。首先利用轻量级EfficientNet网络替换原主干网络,再将VoV-GSCSP模块替换颈部网络内C3模块,并在VoV-GSCSP模块后添加NAM注意力机制。针对上述3处改进,采用消融试验验证模型优化效果,模型训练采用车辆尾灯灯语检测专用的VLS数据集。实验结果表明,轻量化改进后模型相较于原YOLOv5s,参数量减少了41%、计算量减少了50%以及模型文件大小减少了39%,同时平均准确率精度(mAP@0.5)增加0.9%,证明改进后模型具有较好车辆尾灯灯语检测性能。 展开更多
关键词 车尾灯语检测 YOLOv5s EfficientNet vov-gscsp NAM注意力机制
在线阅读 下载PDF
基于改进轻量化YOLO v5n的番茄叶片病害识别方法 被引量：5
2
作者 王娜 陈勇 +1 位作者 崔艳荣 胡蓉华 《江苏农业科学》 北大核心 2024年第8期192-199,共8页
针对现有番茄叶片病害识别存在背景复杂、识别准确率低、模型参数量大、计算量大以及难以部署至移动设备或嵌入式设备等问题,提出一种改进的轻量化YOLO v5n的番茄叶片病害识别方法。首先收集细菌性斑疹病、早疫病、晚疫病、叶霉病、斑... 针对现有番茄叶片病害识别存在背景复杂、识别准确率低、模型参数量大、计算量大以及难以部署至移动设备或嵌入式设备等问题,提出一种改进的轻量化YOLO v5n的番茄叶片病害识别方法。首先收集细菌性斑疹病、早疫病、晚疫病、叶霉病、斑枯病、褐斑病等6种常见番茄叶片病害图像以及番茄健康叶片图像,对图像进行镜像翻转、高斯模糊等数据增强方式增加样本多样性,提升模型识别和泛化能力。接着在YOLO v5n网络基础上,选择采用轻量化的C3Ghost模块替换C3模块以压缩卷积过程中的计算量、模型权重和大小,同时在颈部网络中融合轻量级卷积技术GSConv和VOV-GSCSP模块,在增强特征提取能力的同时降低模型参数量。最后引入PAGCP算法对改进后的模型进行全局通道剪枝压缩参数量并减少训练开销。试验结果表明,改进后的YOLO v5n平均精度均值达到99.0%,参数量减少66.67%,计算量降低了2.6 G,模型权重压缩了2.23 MB。本研究提出的番茄叶片病害识别方法在降低了模型大小、参数量、计算量的同时仍保持较高的识别精度,为移动设备上实现番茄叶片病害识别提供技术参考。 展开更多
关键词 YOLO v5n 番茄病害识别 轻量化 C3Ghost GSConv vov-gscsp PAGCP
在线阅读 下载PDF
基于YOLOv5s室内目标检测轻量化改进算法研究 被引量：14
3
作者 牛鑫宇 毛鹏军 +1 位作者 段云涛 娄晓恒 《计算机工程与应用》 CSCD 北大核心 2024年第3期109-118,共10页
针对现有室内目标检测算法,存在结构复杂,计算量以及模型参数量过大等问题,难以部署到计算能力有限的室内机器人平台,实现高效的目标检测。为解决这一问题,提出了一种改进的YOLOV5s轻量化检测算法。该方法采用ShuffleNetv2作为主干特征... 针对现有室内目标检测算法,存在结构复杂,计算量以及模型参数量过大等问题,难以部署到计算能力有限的室内机器人平台,实现高效的目标检测。为解决这一问题,提出了一种改进的YOLOV5s轻量化检测算法。该方法采用ShuffleNetv2作为主干特征提取网络,并且在改进的主干网络基础上采用CA注意力机制,同时在颈部网络中采用GSConv和VOV-GSCSP模块。最后引入边框回归损失函数EIOU加快网络收敛。研究结果表明,改进后的目标检测算法,模型计算量减少了68.75%,模型参数量减少了62.2%,权重文件减少了59.7%,平均精确率mAP均值为0.653,改进后的目标检测模型能够在保证轻量化的同时保证检测精度。 展开更多
关键词 YOLOv5s 轻量化 ShuffleNetv2网络 CA注意力机制 GSConv模块 vov-gscsp模块 EIOU损失函数
在线阅读 下载PDF
基于改进YOLOv5s的脆桃缺陷检测 被引量：5
4
作者 周顺勇 刘学 +3 位作者 朱豪 胡琴 张航领 陆欢 《国外电子测量技术》 北大核心 2023年第10期139-146,共8页
目前我国水果自动化缺陷检测技术不完善的问题亟待解决,针对农业中水果缺陷检测精度低、速度慢、分类少等问题,提出了一种改进的YOLOv5s检测模型,将其应用于脆桃表面缺陷检测。首先通过引入高效通道注意力机制(efficient channel attent... 目前我国水果自动化缺陷检测技术不完善的问题亟待解决,针对农业中水果缺陷检测精度低、速度慢、分类少等问题,提出了一种改进的YOLOv5s检测模型,将其应用于脆桃表面缺陷检测。首先通过引入高效通道注意力机制(efficient channel attention,ECA),有效避免降维产生的低效通道权重且增强跨通道互动;其次在Neck部分中引入轻量级卷积结构GSConv以及一次性聚合VoV-GSCSP模块,降低模型参数量;最后使用EIoU损失函数提高模型的定位精度。改进后的模型平均精度均值(mAP)达到98.3%,较未改进之前提高了3.3%,并且参数量降低了4.65%,检测速度达到了106 fps,与其他不同检测算法相比,也具有显著的优势,对自动化分拣分级分类具有实际应用价值。 展开更多
关键词 YOLOv5s 通道注意力 轻量级卷积 vov-gscsp EIoU
原文传递
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