期刊文献+
共找到155篇文章
< 1 2 8 >
每页显示 20 50 100
结合K-means和改进YOLOv4算法的铁路电气设备智能检测研究
1
作者 娄刘娟 《自动化与仪器仪表》 2025年第7期33-37,共5页
为了对铁路电气设备进行智能检测,并提升检测精度,采用了You Only Look Once version 4算法,并从特征获取、全局信息获取和损失函数三个角度对其进行初步改进。基于提升模型检测速度的目的,又引入了K均值算法及深度可分离卷积。经过测... 为了对铁路电气设备进行智能检测,并提升检测精度,采用了You Only Look Once version 4算法,并从特征获取、全局信息获取和损失函数三个角度对其进行初步改进。基于提升模型检测速度的目的,又引入了K均值算法及深度可分离卷积。经过测试发现,在实际应用中,检测模型的准确率和召回率最大值分别为93.83%和94.61%,耗时和内存占用率最小值分别为22.61 ms和5.8%。所设计的智能检测模型具有良好的检测精度和速度,能够较好地对现实中的铁路电气设备进行检测。 展开更多
关键词 yolov4 改进 检测 接触网 套筒 K-MEANS
原文传递
基于改进轻量型YOLOV4的图像弱小目标检测研究
2
作者 黄相杰 《微型电脑应用》 2025年第6期34-39,共6页
针对图像弱小目标像素少、边缘信息不显著,有效特征难以提取检测这一问题,提出基于改进轻量型YOLOV4的图像弱小目标检测方法。将MobileNetv3的倒置残差结构、通道注意力机制以及金字塔池化模块相结合,设计改进型主干提取器,捕捉图像细... 针对图像弱小目标像素少、边缘信息不显著,有效特征难以提取检测这一问题,提出基于改进轻量型YOLOV4的图像弱小目标检测方法。将MobileNetv3的倒置残差结构、通道注意力机制以及金字塔池化模块相结合,设计改进型主干提取器,捕捉图像细微特征、多尺度目标特征;将所提特征输入增强型特征提取器,从通道、空间角度,增强图像目标特征;将增强后的特征输入弱小目标预测框生成器,生成器采用不同尺寸锚框与Anchor解码方法,解码并显示目标位置、大小、种类及置信度。为保证弱小目标检测精度,采用类平滑标签技术避免出现过拟合问题。实验结果验证,所提方法对轴承套圈弱小缺陷目标检测结果精准,且检测时,得益于轻量化结构,参数与计算量均少于比较方法。 展开更多
关键词 改进轻量型 yolov4网络 图像弱小目标检测 通道注意力 金字塔池化 平滑标签
在线阅读 下载PDF
基于轻量化YOLOv4的绝缘子故障检测
3
作者 何王金 王昭雷 +1 位作者 张旭 侯亚欣 《工业控制计算机》 2025年第4期41-43,共3页
基于深度学习的绝缘子定位模型存在层次深、参数多、训练时对硬件设备要求高的问题,因此利用轻量型网络MobileNet对YOLOv4轻量化,以提高网络的检测速度;将空洞卷积引入SPP结构中,扩大了感受野,降低了多目标绝缘子漏检的概率;轻量化后YOL... 基于深度学习的绝缘子定位模型存在层次深、参数多、训练时对硬件设备要求高的问题,因此利用轻量型网络MobileNet对YOLOv4轻量化,以提高网络的检测速度;将空洞卷积引入SPP结构中,扩大了感受野,降低了多目标绝缘子漏检的概率;轻量化后YOLOv4网络会存在一定的精度损失,因此对其特征金字塔部分增加反馈机制,使其可以反复地提取特征;在减少参数量、易于训练的同时,兼顾了对绝缘子及其破损的检测能力,保证了网络检测的精确度。通过与YOLOv4、SSD算法进行对比,所采用的模型参数量降低了72.26%,mAP值提高了6.2%,帧速度达到31.1帧/s,提高了3.75帧/s。该算法具有对硬件设备要求低、通用性强的特点,可以满足绝缘子破损定位的实时性要求。 展开更多
关键词 绝缘子破损检测 yolov4 轻量化网络 空洞卷积
在线阅读 下载PDF
基于YOLOv4 Tiny的改进型口罩佩戴检测方法
4
作者 李智强 阚正佳 郭剑辉 《计算机与数字工程》 2025年第7期1909-1914,1927,共7页
新型冠状病毒在全球蔓延,威胁到人们的生命安全,在公共场所预防病毒感染最简单有效的方式就是佩戴口罩。对于监督行人是否佩戴口罩,往往需要依赖工作人员人工判定。为了减少人力资源浪费,论文针对YOLOv4 Tiny进行改进,设计出一款轻量化... 新型冠状病毒在全球蔓延,威胁到人们的生命安全,在公共场所预防病毒感染最简单有效的方式就是佩戴口罩。对于监督行人是否佩戴口罩,往往需要依赖工作人员人工判定。为了减少人力资源浪费,论文针对YOLOv4 Tiny进行改进,设计出一款轻量化的目标检测模型来快速检测场所人员是否佩戴口罩。具体的改进包括:修改特征金字塔(Feature Pyramid Network,FPN)为交叉型FPN;添加高效通道注意力模块(Efficient Channel Attention,ECA);将检测头进行解耦并设计为anchor-free的网络框架;添加改进的简单最优传输分配(Simple Optimal Transport Assignment,SimOTA)策略。此外,通过收集相应数据集以及手动标记的方式,创建了一个拥有5738张图片的数据集。经过实验对比,改进型YOLOv4 Ti⁃ny相较于原版YOLOv4 Tiny平均精度提升了1.6%,GPU执行速度提升了12.16%,CPU执行速度提升了9.1%。 展开更多
关键词 yolov4 Tiny 口罩佩戴检测 轻量化 卷积神经网络 SimOTA
在线阅读 下载PDF
基于改进YOLOv4-Tiny印刷品缺陷检测
5
作者 高新宇 武丽 《计算机与数字工程》 2025年第5期1515-1519,共5页
论文提出了一种基于YOLOv4-Tiny的检测模型用于检测印刷品缺陷检测。首先,为了效降低噪声数据,在YOLOv4-Tiny的主干中引入了改进的注意力模块,以增强模型对区域的关注能力;其次,为了提高多尺度特征融合的效果,在上采样模块中实现了双三... 论文提出了一种基于YOLOv4-Tiny的检测模型用于检测印刷品缺陷检测。首先,为了效降低噪声数据,在YOLOv4-Tiny的主干中引入了改进的注意力模块,以增强模型对区域的关注能力;其次,为了提高多尺度特征融合的效果,在上采样模块中实现了双三次插值;为了解决区域边界框的冗余检测结果,提出了优化的非极大值抑制方法,使检测结果更好地对应区域边框。同时为了提高YOLOv4-Tiny的检测速度。在上述模型基础上使用了ResNet-D网络中的两个ResBlock-D模块,而不是YOLOv4-Tiny中的两个CSPB lock模块,从而降低了计算复杂度。最后,设计了一个辅助残差网络模块来提取更多物体的特征信息,以减少检测误差。构建改进后的YOLOv4-Tiny的整个网络结构,改进后的算法比原算法提高了6.8%,达到了84.2%。 展开更多
关键词 印刷品表面缺陷 yolov4-Tiny 注意力机制 ResBlock-D 辅助残差网络
在线阅读 下载PDF
融合GhostNet的YOLOv4轻量化网络设计与实现 被引量:3
6
作者 石博雅 董学峰 《小型微型计算机系统》 CSCD 北大核心 2024年第3期651-656,共6页
由于存储资源和功耗等限制,在嵌入式设备上部署基于深度学习的目标检测算法存在困难,且效果不佳.基于YOLOv4算法,提出了一种改进的YOLOv4-Light轻量化网络模型,采用GhostNet网络结构替换CSPDarknet53作为主干提取网络,引入CBAM注意力机... 由于存储资源和功耗等限制,在嵌入式设备上部署基于深度学习的目标检测算法存在困难,且效果不佳.基于YOLOv4算法,提出了一种改进的YOLOv4-Light轻量化网络模型,采用GhostNet网络结构替换CSPDarknet53作为主干提取网络,引入CBAM注意力机制关注通道和空间两个维度的特征信息,并利用感知量化方法对权重进行INT8量化处理,在保证精度的情况下降低网络模型规模和参数量.在PC端和NVIDIA Jetson Xavier NX上选用VisDrone无人机数据集分别对网络模型进行测试,结果表明YOLOv4-GhostNet-CBAM模型的尺寸是160M,比YOLOv4降低了34.43%;检测速率最高可达到34.6FPS,比YOLOv4提高了56.6%.YOLO-Light模型的尺寸是40.2M,比YOLOv4降低了83.5%;检测速率最高可达到78.6FPS,为YOLOv4的3.6倍,且交并比为0.5时的平均精度均值(mAP50)与YOLOv4相比仅下降了3%.YOLO-Light模型相较于原模型优势明显,能够在低功耗的嵌入式设备上完成实时目标检测. 展开更多
关键词 目标检测 yolov4 轻量化网络 嵌入式设备 INT8量化
在线阅读 下载PDF
基于协调注意力机制的轻量级YOLOv4零件检测 被引量:1
7
作者 朱文博 陈龙飞 余琦 《计算机技术与发展》 2024年第8期23-29,共7页
针对零件自动检测任务在复杂工况下,如零件堆叠粘连、有杂物干扰等,存在实时性差、硬件资源占用大等问题,提出一种基于轻量级YOLOv4网络的零件检测方法。采用MobileNeXt代替CSPDarkNet53作为主干特征提取网络(backbone),并在每个卷积模... 针对零件自动检测任务在复杂工况下,如零件堆叠粘连、有杂物干扰等,存在实时性差、硬件资源占用大等问题,提出一种基于轻量级YOLOv4网络的零件检测方法。采用MobileNeXt代替CSPDarkNet53作为主干特征提取网络(backbone),并在每个卷积模块中添加协调注意力机制,用于增强特征层的语义表达能力;提出一种Fused-Sandglass模块插入到浅层的backbone中,提高网络的推理速度;网络训练方面引入渐进式训练方法和focal loss损失函数,提升训练速度,并且有效缓解正负样本失衡的问题。实验结果表明,该方法在15种零件的检测任务中能够保持和YOLOv4网络相近的准确率,但参数量大小仅为其20%,推理速度达到了43.7 fps,能够满足实际生产的需求。 展开更多
关键词 深度学习 协调注意力机制 零件检测 yolov4网络 MobileNeXt网络
在线阅读 下载PDF
基于双流YOLOv4的金属表面缺陷检测方法 被引量:2
8
作者 徐浩 李丰润 陆璐 《计算机科学》 CSCD 北大核心 2024年第4期209-216,共8页
目前有许多学者使用深度学习进行表面缺陷检测研究,由于这些研究大都沿用主流目标检测算法的思路,注重高级语义特征,而忽视了低级语义信息(色彩、形状)对表面缺陷检测的重要性,因此导致缺陷检测效果不够理想。为解决上述问题,提出了一... 目前有许多学者使用深度学习进行表面缺陷检测研究,由于这些研究大都沿用主流目标检测算法的思路,注重高级语义特征,而忽视了低级语义信息(色彩、形状)对表面缺陷检测的重要性,因此导致缺陷检测效果不够理想。为解决上述问题,提出了一种金属表面缺陷检测网络——双流YOLOv4网络,骨干网络分成两个分支,输入分为高分辨率图像和低分辨率图像,浅分支负责从高分辨率图像中提取低级特征,深分支负责从低分辨率图像中提取高级特征,通过削减两分支的层数和通道数来减少模型总参数量;为了强化低级语义特征,提出了一种树形多尺度融合方法(Tree-structured Multi-scale Feature Fusion Me-thod,TMFF),并设计了一个结合极化自注意力机制和空间金字塔池化的特征融合模块(Feature Fusion Module with Polarized Self-Attention Mechanism and Spatial Pyramid Pooling,FFM-PSASPP)应用到TMFF中。在东北大学热轧带表面缺陷数据集NEU-DET、金属表面缺陷数据集GC10-DET和伊莱特电饭煲内胆缺陷数据集Enaiter的测试集上对所提算法进行了测试,测得的map@50结果分别为0.80,0.66和0.57,相比大部分主流的用于缺陷检测的目标检测算法均有提升,且模型参数量仅为原YOLOv4的一半,速度与YOLOv4接近,可满足实际使用需求。 展开更多
关键词 金属表面缺陷检测 目标检测 yolov4 双流骨干网络 多尺度特征强化
在线阅读 下载PDF
YOLOv4-tiny的绝缘子缺陷检测算法
9
作者 刘维娜 钟宇宁 余兆钗 《武夷学院学报》 2024年第12期17-24,共8页
提出一种基于YOLOv4-tiny的绝缘子缺陷检测算法,该算法在YOLOv4-tiny的特征提取网络中加入有效通道注意力网络,明显增强从主干网络中提取的特征质量。在特征融合阶段,将原本的FPN改进成为两条特征融合路径双向特征金字塔结构,使不同尺... 提出一种基于YOLOv4-tiny的绝缘子缺陷检测算法,该算法在YOLOv4-tiny的特征提取网络中加入有效通道注意力网络,明显增强从主干网络中提取的特征质量。在特征融合阶段,将原本的FPN改进成为两条特征融合路径双向特征金字塔结构,使不同尺度特征之间能够更加充分的融合。最后在损失函数的设计上,使用能够解决检测过程中出现的正负样本数量不均衡问题的Focal损失代替二元交叉熵损失函数。实验结果表明:所提算法在平均分类精度和漏检误检方面有较大的提升,性能表现优异。 展开更多
关键词 绝缘子 电网运行安全 yolov4-tiny 特征金字塔 Focal损失
在线阅读 下载PDF
基于改进YOLOv4的玉米秸秆颗粒机械堵塞故障检测 被引量:1
10
作者 吕超颖 《粮食与饲料工业》 CAS 2024年第6期38-43,共6页
针对传统玉米秸秆颗粒机械堵塞故障检测精度低,检测效率不高的问题,提出了一种基于改进YOLOv4网络的堵塞故障检测方法。首先,以YOLOv4网络作为基础目标检测算法,基于YOLOv4网络引入混合注意力模块(Mixed Attention Module, MA),得到YOLO... 针对传统玉米秸秆颗粒机械堵塞故障检测精度低,检测效率不高的问题,提出了一种基于改进YOLOv4网络的堵塞故障检测方法。首先,以YOLOv4网络作为基础目标检测算法,基于YOLOv4网络引入混合注意力模块(Mixed Attention Module, MA),得到YOLOv4-MA网络,以增强小目标通道和空间特征权重;然后将YOLOv4网络的损失函数替换为Focal-EIOU函数,以提升目标检测精度;最后将改进YOLOv4网络应用到玉米秸秆颗粒机械堵塞检测系统中。结果表明,该算法对不同秸秆颗粒检测的MAP值为98.51%,相较于传统SSD算法和Faster-RCNN算法分别高出了16.33%和20.05%,且该算法对秸秆颗粒目标的检测时间仅为0.024 s,均低于另外两种模型。由此说明,该算法能够提升秸秆颗粒小目标检测精度,提高秸秆颗粒机械堵塞故障检测效果,满足系统检测需求,具备实用性和有效性。 展开更多
关键词 yolov4网络 秸秆颗粒机械 混合注意力模块 堵塞故障 小目标检测
在线阅读 下载PDF
基于轻量化YOLOv4对不同遮挡程度成熟番茄果实的识别 被引量:2
11
作者 李文峰 胡世康 +3 位作者 杨琳琳 李仁智 徐蕾 郑嘉鑫 《云南农业大学学报(自然科学版)》 CAS CSCD 北大核心 2024年第4期184-189,共6页
【目的】提出一种基于改进YOLOv4成熟番茄果实识别方法,以解决采摘智能机器人识别中广泛存在的因枝叶遮挡而导致识别不准确的问题。【方法】利用深度学习算法,在卷积神经网络YOLOv4算法中引入轻量化模块Mobilenetv2、Mobilenetv3和Ghost... 【目的】提出一种基于改进YOLOv4成熟番茄果实识别方法,以解决采摘智能机器人识别中广泛存在的因枝叶遮挡而导致识别不准确的问题。【方法】利用深度学习算法,在卷积神经网络YOLOv4算法中引入轻量化模块Mobilenetv2、Mobilenetv3和Ghostnet,对遮挡程度小于35%、35%~65%以及超过65%的成熟番茄果实进行特征提取和识别分析。【结果】3种YOLOv4轻量化模块对遮挡面积小于65%的番茄果实的识别率超过90%。Ghostnet-YOLOv4算法在3种模块中识别率最高、表现最稳定,平均识别率为94.41%,检测速度为0.012 s;该算法对遮挡面积大于65%的果实识别率明显优于其他2种算法。3种算法的识别率均随遮挡程度的提高而下降。【结论】Ghostnet-YOLOv4算法识别率高、速度快,可用于番茄果实的识别,且优势更为明显。本研究可以为采摘机器人的采摘策略提供更好的思路和技术基础。 展开更多
关键词 番茄识别 yolov4 不同遮挡程度 轻量化网络
在线阅读 下载PDF
YOLOv4-Tiny的改进轻量级目标检测算法 被引量:28
12
作者 何湘杰 宋晓宁 《计算机科学与探索》 CSCD 北大核心 2024年第1期138-150,共13页
目标检测是深度学习的重要分支领域,大量的边缘设备需要轻量级的目标检测算法,但现有的轻量级的通用目标检测算法存在检测精度低、检测速度慢的问题。针对这一问题,提出了一种基于注意力机制的YOLOv4-Tiny的改进算法。调整了原有的YOLOv... 目标检测是深度学习的重要分支领域,大量的边缘设备需要轻量级的目标检测算法,但现有的轻量级的通用目标检测算法存在检测精度低、检测速度慢的问题。针对这一问题,提出了一种基于注意力机制的YOLOv4-Tiny的改进算法。调整了原有的YOLOv4-Tiny算法的主干网络的结构,引入了ECA注意力机制,使用空洞卷积改进了传统的SPP结构为DC-SPP结构,并提出了CSATT注意力机制,与特征融合网络PAN形成CSATT-PAN的颈部网络,提高了网络的特征融合能力。提出的YOLOv4-CSATT算法和原始YOLOv4-Tiny算法相比,在检测速度基本持平的情况下,对于信息的敏感程度以及分类的准确程度有了明显的提高,在VOC数据集上精度提高了12.3个百分点,在COCO数据集上高出了6.4个百分点。在VOC数据集上,相比Faster RCNN、SSD、Efficientdet-d1、YOLOv3-Tiny、YOLOv4-MobileNetv1、YOLOv4-MobileNetv2、PP-YOLO算法在精度上分别高出3.3、5.5、6.3、17.4、10.3、0.9和0.6个百分点,在召回率上分别高出2.8、7.1、4.2、18.0、12.2、2.1和4.0个百分点,FPS达到94。通过提出CSATT注意力机制提高了模型对于空间的通道信息的捕捉能力,并结合ECA注意力机制和特征融合金字塔算法,提高了模型的特征融合的能力以及目标检测精度。 展开更多
关键词 目标检测 yolov4-Tiny算法 注意力机制 轻量级神经网络 特征融合
在线阅读 下载PDF
基于YOLOv4模型的工件快速识别方法改进研究
13
作者 左皓楠 胡桂川 +2 位作者 蒲小霞 侯文赛 邓春燕 《重庆科技学院学报(自然科学版)》 CAS 2024年第2期56-61,共6页
为强化智能制造场景中机器人对工件的快速识别性能,从改进YOLOv4模型入手作了方法优化研究。首先,利用Ghost模块优化主干提取网络,以减少网络参数,提高网络检测速度;其次,引入DRConv卷积优化特征提取网络,以弥补对主干网络进行优化所造... 为强化智能制造场景中机器人对工件的快速识别性能,从改进YOLOv4模型入手作了方法优化研究。首先,利用Ghost模块优化主干提取网络,以减少网络参数,提高网络检测速度;其次,引入DRConv卷积优化特征提取网络,以弥补对主干网络进行优化所造成的精度损失;最后,引入GAM注意力模块,以强化在光线不足条件下的适应性。通过对YOLOv4模型的改进,在保证较高识别精度和检测速度的同时,使模型规模得以简化,使工件快速识别网络趋于轻量化。 展开更多
关键词 智能制造 工件识别 yolov4模型 轻量化网络 GhostNet
在线阅读 下载PDF
基于改进YOLOv4网络的光伏组件故障诊断方法 被引量:1
14
作者 王勇 李永军 +1 位作者 张磊 马建宝 《机械设计与制造工程》 2024年第7期81-86,共6页
为提高红外光伏组件故障的检测精度,提出一种基于改进YOLOv4网络的图像检测方法。针对无人机采集的红外光伏组件图像数据较少的问题,通过离线数据增强方式扩充数据集;用DenseNet121网络替换YOLOv4网络中原有的DarkNet53主干网络,实现YOL... 为提高红外光伏组件故障的检测精度,提出一种基于改进YOLOv4网络的图像检测方法。针对无人机采集的红外光伏组件图像数据较少的问题,通过离线数据增强方式扩充数据集;用DenseNet121网络替换YOLOv4网络中原有的DarkNet53主干网络,实现YOLOv4网络的轻量化,提升了网络检测速度;设计新的路径聚合网络,提升YOLOv4网络对红外光伏组件图像浅层特征的融合程度,并在新增路径上添加YOLO检测头,提高网络对红外光伏组件图像中小目标的检测精度;在主干网络后添加注意力机制模块,提升网络的专注度。试验结果表明,改进YOLOv4网络对红外光伏组件故障的检测具有较高的精度。 展开更多
关键词 yolov4 红外图像 聚合网络 故障诊断
在线阅读 下载PDF
基于改进YOLOv4的轻量化目标检测方法 被引量:2
15
作者 苏盈盈 何亚平 +3 位作者 喻骏 王晓峰 邓圆圆 罗妤 《中南民族大学学报(自然科学版)》 CAS 2024年第3期370-377,共8页
针对检测模型参数量大,难以在嵌入式设备上部署等问题,设计了一种改进的YOLOv4目标检测算法.该算法使用轻量化的MobileNetV1替换CSPDarketnet53主干特征提取网络,并将后续网络中的3×3卷积替换为深度可分离卷积,极大地减少了模型的... 针对检测模型参数量大,难以在嵌入式设备上部署等问题,设计了一种改进的YOLOv4目标检测算法.该算法使用轻量化的MobileNetV1替换CSPDarketnet53主干特征提取网络,并将后续网络中的3×3卷积替换为深度可分离卷积,极大地减少了模型的参数量;在检测头加入NAM注意力模块,增强网络对细节信息的提取能力;采用SDIoU Loss作为边框回归损失,在加快收敛速度的同时提高了检测精度.实验表明:与YOLOv4-CSPDarknet53相比,改进算法在PASCAL VOC07+12数据集上训练出来的模型大小为47.19 M,约为原来的五分之一,FPS提升了40(f/s),mAP提升了2.4%.与YOLOv4-Tiny、YOLOv5s、YOLOv7等目标检测算法相比,具有兼顾检测速度与精度的特点. 展开更多
关键词 损失函数 yolov4 注意力机制 目标检测 轻量化网络
在线阅读 下载PDF
基于轻量级YOLOv4与KCF的复杂海面舰船目标识别
16
作者 金敏捷 童雨舟 《兵器装备工程学报》 CAS CSCD 北大核心 2024年第11期1-10,共10页
对于远距离或小尺寸的舰船目标,采用轻量级YOLOv4模型可提供高效实时的特征提取,降低计算和存储资源的需求,这对于长时间海上任务或移动设备十分重要。并且单一尺度特征提取容易导致识别结果出现较大误差,因此提出基于轻量级YOLOv4与KC... 对于远距离或小尺寸的舰船目标,采用轻量级YOLOv4模型可提供高效实时的特征提取,降低计算和存储资源的需求,这对于长时间海上任务或移动设备十分重要。并且单一尺度特征提取容易导致识别结果出现较大误差,因此提出基于轻量级YOLOv4与KCF的复杂海面舰船目标识别方法。首先,对海面远小舰船图像进行双向均衡化处理,突出图像的细节。其次,设计一种更加轻量化的YOLOv4网络,从3个不同尺度提取舰船目标特征图,更快捷地捕捉舰船目标的位置和动态变化。最后,通过KCF算法结合相似度阈值,筛选出目标像素,构造舰船目标图像,完成舰船目标的识别。实验结果表明:所研究方法双向均衡化处理后图像质量得到提升,SNR最高达到35.4 dB,SSIM最大值为0.94;轻量化特征提取效果较为理想,特征提取的时间复杂度最低为1.2 s;相较于YOLOX-S算法、级联网络方法,所研究方法能够识别出全部的舰船目标,精准度达到了100%;所研究方法的最大帧率为49.6帧/s,相较于YOLOX-S算法、级联网络方法分别提升了84.40%与192.31%。因此,说明该方法能够更加精准地识别复杂海面舰船目标。 展开更多
关键词 轻量级yolov4网络 KCF算法 复杂海面 舰船目标识别 双向均衡化 特征图
在线阅读 下载PDF
基于卡尔曼滤波的杂波与噪声背景下红外小目标跟踪方法研究
17
作者 高兴媛 和铁行 《兵工自动化》 北大核心 2025年第8期63-67,77,共6页
为改进传统目标检测跟踪方法对特征的高层语义信息提取不够丰富,导致目标跟踪结果误差大的问题,提出基于卡尔曼滤波的复杂背景红外小目标跟踪方法。对获取到的弱小目标红外图像进行预处理,增强其目标的对比度,抑制背景对其的影响;通过YO... 为改进传统目标检测跟踪方法对特征的高层语义信息提取不够丰富,导致目标跟踪结果误差大的问题,提出基于卡尔曼滤波的复杂背景红外小目标跟踪方法。对获取到的弱小目标红外图像进行预处理,增强其目标的对比度,抑制背景对其的影响;通过YOLOv4网络提取红外弱小目标特征,将同一视觉特征的像素划入一个集合,搜索集合内可疑目标,在可疑目标中分割真实目标,完成红外弱小目标检测;采用卡尔曼滤波算法对红外弱小目标的运动轨迹进行追踪,并引入合适的损失函数以提高目标跟踪能力。研究结果表明:该方法的中心误差始终小于其他对比方法,最小达到0.53;重叠率始终高于其他对比方法,最高达到1.0,该方法优于对比方法,能提高红外图像小目标的跟踪效果,应用性能佳。 展开更多
关键词 DeepSORT 红外小目标 红外图像 yolov4网络 跟踪算法
在线阅读 下载PDF
基于YOLOv4-Tiny结构的小目标实时检测优化算法 被引量:3
18
作者 于海洋 张钊 吕瑞宏 《海军航空大学学报》 2024年第4期429-436,474,共9页
文章针对小目标实时检测的实际应用需求,以YOLOv4-Tiny结构为基本框架,使用ECANet重新设计MobileNetV3的Bneck结构并替换主特征提取网络CSPDarkNet53-Tiny,以提高模型的深度和检测速度;通过在其主干网络输出接口后增加SPPCSPC模块和使... 文章针对小目标实时检测的实际应用需求,以YOLOv4-Tiny结构为基本框架,使用ECANet重新设计MobileNetV3的Bneck结构并替换主特征提取网络CSPDarkNet53-Tiny,以提高模型的深度和检测速度;通过在其主干网络输出接口后增加SPPCSPC模块和使用路径聚合网络(PAN)替换特征金字塔(FPN),增强模型的感受野,汇聚多区域上下文信息,使每个特征层得到更加充分的语义信息和位置信息;在Head后融入CBAM注意力机制,增强有用信息并抑制无用信息,提高模型的检测精度。以口罩佩戴状态实时监测来验证提出的算法,实验结果表明,与YOLOv4-Tiny结构相比,该算法平均精度提升4.13%,达到91.84%,FPS提升4.4 frame/s,达到89.5 frame/s,满足口罩佩戴状态检测的实时性要求。 展开更多
关键词 yolov4-Tiny结构 Bneck结构 SPPCSPC模块 路径聚合网络 CBAM注意力机制
在线阅读 下载PDF
基于改进YOLOv4模型的番茄成熟度检测方法 被引量:10
19
作者 吕金锐 付燕 +2 位作者 倪美玉 曹为刚 杜子涛 《食品与机械》 CSCD 北大核心 2023年第9期134-139,共6页
目的:解决现有番茄成熟度检测方法存在的检测精度低和模型参数量多等问题。方法:基于番茄图像采集系统,提出了一种改进的YOLOv4模型用于番茄成熟度自动检测。将轻量级网络MobileNetv3网络引入模型替换CSPDarkNet53网络,降低模型复杂度。... 目的:解决现有番茄成熟度检测方法存在的检测精度低和模型参数量多等问题。方法:基于番茄图像采集系统,提出了一种改进的YOLOv4模型用于番茄成熟度自动检测。将轻量级网络MobileNetv3网络引入模型替换CSPDarkNet53网络,降低模型复杂度。在SPP模块中采用平均池化替代最大池化,提高算法对小目标的检测精度。在上采样过程中引入注意力机制CBAM增强深浅层特征融合能力,并通过试验验证所提模型的可行性。结果:与常规方法相比,试验方法在番茄成熟度检测中具有较高的检测mAP值和运行效率,且模型参数量较少,mAP值为92.50%,检测速度为37.1 FPS,模型参数量为48 M。结论:该番茄成熟度检测方法能有效降低模型参数和检测时间,具有较高的检测mAP值。 展开更多
关键词 番茄 成熟度 yolov4模型 MobileNetv3网络 注意力机制CBAM 平均池化
在线阅读 下载PDF
基于RDB-YOLOv4的煤矿井下有遮挡行人检测 被引量:12
20
作者 谢斌红 袁帅 龚大立 《计算机工程与应用》 CSCD 北大核心 2022年第5期200-207,共8页
针对煤矿井下数字化人员检测过程中行人易被大型设备遮挡而导致的误检、漏检等问题,提出了一种基于RDB-YOLOv4网络的煤矿井下有遮挡行人检测方法。该算法以YOLOv4为基础网络架构,在CSPDarknet-53特征提取网络中加入了残差密集块(residua... 针对煤矿井下数字化人员检测过程中行人易被大型设备遮挡而导致的误检、漏检等问题,提出了一种基于RDB-YOLOv4网络的煤矿井下有遮挡行人检测方法。该算法以YOLOv4为基础网络架构,在CSPDarknet-53特征提取网络中加入了残差密集块(residual dense block,RDB),对不同层次的特征实现跨层传递和融合,连续的连接保证了低级和高级特征信息的存储和记忆,使得完整有效的局部特征能准确预测被遮挡行人的信息。对比当前主流目标检测算法和遮挡处理检测算法,该算法在PASCAL VOC 2007公开数据集和煤矿井下行人数据集下有效提升了测试的平均精度(average precision,AP),相比YOLOv4在两组不同数据集测试的平均精度分别提升了2.74个百分点和3.5个百分点(IoU=0.5)。 展开更多
关键词 遮挡行人检测 yolov4网络 残差密集块 煤矿井下
在线阅读 下载PDF
上一页 1 2 8 下一页 到第
使用帮助 返回顶部