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5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：
YOLOv11改进模型与智能检测算法融合应用研究 被引量：1
1
作者 肖湘辉 《计算机应用文摘》 2025年第12期37-39,共3页
为解决输电通道异物检测中目标尺度小、样本稀缺、类别多样和背景复杂等问题,提出了一种改进的YOLOv11检测方法。实验结果表明,改进后的YOLOv11算法在目标识别与分类任务中达到89%的检测精度,优于当前主流的YOLO系列算法。
关键词 输电通道 仪表仪器 改进yolov11算法 目标检测
在线阅读 下载PDF
基于改进YOLOv11算法的超声图像乳腺肿瘤检测研究
2
作者 洪成坤 王晓阳 付丽媛 《医疗卫生装备》 2025年第12期1-8,共8页
目的:为了提升超声图像乳腺肿瘤的检测性能,提出基于降采样(adaptive downsampling,ADown)模块和动态卷积(dynamic convolution,DynamicConv)模块的改进YOLOv11算法。方法:以原始YOLOv11算法为基础进行改进,将YOLOv11算法的主干网络(Bac... 目的:为了提升超声图像乳腺肿瘤的检测性能,提出基于降采样(adaptive downsampling,ADown)模块和动态卷积(dynamic convolution,DynamicConv)模块的改进YOLOv11算法。方法:以原始YOLOv11算法为基础进行改进,将YOLOv11算法的主干网络(Backbone)及颈部模块(Neck)中的卷积(Conv)模块替换成ADown模块,并在C3k2的瓶颈模块(Bottleneck)引入DynamicConv模块,构建YOLOv11-ADown-DynamicConv算法。使用Kaggle平台公开的乳腺超声图像(Breast Ultrasound Image,BUSI)数据集对YOLOv11-ADown-DynamicConv算法进行训练和验证,并与原始YOLOv11算法对超声图像乳腺肿瘤的检测性能进行比较。结果:在超声图像乳腺肿瘤的检测任务中,YOLOv11-ADown-DynamicConv算法在交并比阈值为0.5时的平均精度均值mAP50与交并比阈值为0.5-0.95时的平均精度均值mAP50-95分别为0.763和0.522,浮点运算次数和每秒帧数分别为4.8G和135帧/s,均优于原始YOLOv11算法。结论:YOLOv11-ADown-DynamicConv算法在超声图像乳腺肿瘤的检测任务中表现出色,可以提升YOLOv11算法的检测性能,能够辅助医生更高效地筛查疾病、评估病情。 展开更多
关键词 yolov11算法 ADown DynamicConv 乳腺肿瘤 乳腺超声图像 目标检测
在线阅读 下载PDF
基于YOLOv11的岩心识别与编录后处理算法实现
3
作者 金炜曦 《计算机技术与发展》 2025年第10期214-220,共7页
传统岩心分析存在人工观察与记录效率低且主观性强的问题,对此提出一种基于YOLOv11的岩心识别与编录后处理算法。该算法结合高精度的实例分割网络和尺度标定机制,采用YOLOv11n-seg作为主干网络进行岩心图像的实例分割任务。针对样本不... 传统岩心分析存在人工观察与记录效率低且主观性强的问题,对此提出一种基于YOLOv11的岩心识别与编录后处理算法。该算法结合高精度的实例分割网络和尺度标定机制,采用YOLOv11n-seg作为主干网络进行岩心图像的实例分割任务。针对样本不平衡问题,设计了动态数据增强策略,通过几何变换、光度畸变增强和过采样技术,使数据总量扩充至原数据集的2.34倍,有效缓解了类别分布不均衡问题。后处理流程包括标定区域提取、尺度转换、岩心区域分割、掩码分析、岩性分类与深度累加等步骤,实现了从原始岩心图像到结构化地质数据的自动转换。提出基于长度的识别准确率评估指标,更符合岩心识别应用场景。实验结果表明,在8个测试钻孔上的平均识别准确率达到87.68%,最高达到97.43%。该算法显著提高了岩心分析的效率与精度,为地质勘探工作提供了科学可靠的数据支持。 展开更多
关键词 岩心识别 yolov11 实例分割 数据增强 后处理算法
在线阅读 下载PDF
基于改进深度学习算法的汽车零部件表面缺陷检测研究
4
作者 彭强 《时代汽车》 2025年第20期147-149,共3页
随着汽车产业的蓬勃发展,零部件质量对汽车安全性和可靠性至关重要。传统检测方法存在效率低、精度差等问题,已难以满足行业需求。文章针对传统检测方法在复杂场景下的局限性,提出一种基于改进YOLOv11算法的缺陷检测模型。通过引入SimS... 随着汽车产业的蓬勃发展,零部件质量对汽车安全性和可靠性至关重要。传统检测方法存在效率低、精度差等问题,已难以满足行业需求。文章针对传统检测方法在复杂场景下的局限性,提出一种基于改进YOLOv11算法的缺陷检测模型。通过引入SimSPPF多尺度特征融合模块、FRC2f特征校准模块、EMA自适应参数优化模块及MCA多维注意力机制,显著提升了模型对微小缺陷的检测能力。实验表明,改进后的模型在钢材表面缺陷数据集上mAP达到97.2%,检测速度达150FPS,满足工业实时检测需求。研究成果为汽车制造业智能化升级提供了有效的技术支撑。 展开更多
关键词 汽车零部件 缺陷检测 机器视觉 深度学习 yolov11算法
在线阅读 下载PDF
TF-YOLO:上下文感知与多尺度增强的脑肿瘤MRI检测
5
作者 蒋文虎 《蚌埠学院学报》 2025年第5期48-54,共7页
针对脑肿瘤MRI检测中形态异质性高、边界模糊及噪声干扰导致的漏检问题,改进一种高精度且鲁棒性强的检测框架,即改进了TF-YOLO模型:上下文感知Transformer(Co T),融合3×3卷积局部编码与全局自注意力机制,显式建模肿瘤-水肿带-卫星... 针对脑肿瘤MRI检测中形态异质性高、边界模糊及噪声干扰导致的漏检问题,改进一种高精度且鲁棒性强的检测框架,即改进了TF-YOLO模型:上下文感知Transformer(Co T),融合3×3卷积局部编码与全局自注意力机制,显式建模肿瘤-水肿带-卫星病灶的长程空间依赖,自适应调整感受野;嵌入多尺度金字塔增强网络(PENet),通过可微分拉普拉斯金字塔分解、残差边缘增强与动态通道滤波三阶段策略,抑制高频伪影并增强肿瘤边缘及低频解剖特征。在Br35H数据集上,m AP50达98.2%,较基线YOLOv11提升2.4%;肿瘤召回率提升1.8%,消融实验验证Co T与PENet的互补性。协同设计有效解决了形态异质性与边界模糊问题,显著降低漏检风险并抑制背景干扰,为复杂医学场景下的弱显著性目标检测提供了可靠解决方案。 展开更多
关键词 脑肿瘤检测 yolov11算法 上下文感知Transformer 多尺度金字塔增强网络
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