期刊文献+
共找到158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
基于改进YOLOv4模型的番茄成熟度检测方法 被引量:12
6
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:13
7
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
基于改进YOLOv4的隧道衬砌裂缝检测算法 被引量:25
8
作者 周中 张俊杰 鲁四平 《铁道学报》 EI CAS CSCD 北大核心 2023年第10期162-170,共9页
针对传统隧道衬砌裂缝检测手段中存在的检测精度低、泛化能力差、检测速度慢的问题,对YOLOv4目标检测算法进行改进:引入Mosaic数据增强技术对输入图片数据进行预处理;采用轻量级网络MobilenetV3取代CSPDarknet53作为YOLOv4神经网络的主... 针对传统隧道衬砌裂缝检测手段中存在的检测精度低、泛化能力差、检测速度慢的问题,对YOLOv4目标检测算法进行改进:引入Mosaic数据增强技术对输入图片数据进行预处理;采用轻量级网络MobilenetV3取代CSPDarknet53作为YOLOv4神经网络的主干特征提取网络;将YOLOv4网络中卷积核大小为3×3的标准卷积替换为深度可分离卷积。为验证改进后算法的有效性和可靠性,采用Faster-RCNN、SSD、YOLOv3、YOLOv4四种算法进行对比验证分析,结果表明:该算法在检测性能方面表现优异,测试集的平均精度为78.05%,精确率以及召回率的加权调和平均值为84.44%,均高于其余四种算法。在模型大小方面,该算法模型的大小仅为55.1 MB,相对于原始YOLOv4模型压缩了78.0%,且远小于Faster-RCNN、SSD、YOLOv3模型。此外,该算法的单张图片的检测时间为23.75 ms,每秒帧数为42.1帧/s,很好地满足了隧道衬砌裂缝进行实时检测时移动设备对帧率的要求。且算法泛化能力良好,能够较为准确的对不同光照和复杂背景条件下的裂缝进行检测并标记。基于提出的改进YOLOv4算法构建隧道衬砌裂缝检测平台,实现对实际隧道工程中衬砌裂缝的准确、快速、智能化识别。 展开更多
关键词 隧道工程 衬砌裂缝 目标检测 yolov4 深度学习 神经网络
在线阅读 下载PDF
基于YOLOv4神经网络的小龙虾质量检测方法 被引量:16
9
作者 王淑青 黄剑锋 +1 位作者 张鹏飞 王娟 《食品与机械》 北大核心 2021年第3期120-124,194,共6页
设计了一种采用YOLOv4深度学习算法的小龙虾质量检测模型,该算法在网络架构、数据处理、特征提取等方面进行了优化。自主拍摄小龙虾图片并进行数据扩充,使用LableImage平台进行数据标注,在Darknet框架下进行网络模型训练,通过对比,模型... 设计了一种采用YOLOv4深度学习算法的小龙虾质量检测模型,该算法在网络架构、数据处理、特征提取等方面进行了优化。自主拍摄小龙虾图片并进行数据扩充,使用LableImage平台进行数据标注,在Darknet框架下进行网络模型训练,通过对比,模型最终性能均高于其他常见目标检测模型,其检测准确率达97.8%,平均检测时间为37 ms,表明该方法能够有效检测生产过程中的小龙虾质量。 展开更多
关键词 深度学习 卷积神经网络 小龙虾 yolov4 目标检测
在线阅读 下载PDF
基于改进YOLOV4网络模型的番茄果实检测 被引量:8
10
作者 张磊 刘琪芳 +2 位作者 聂红玫 王晨 牛帆 《中国农机化学报》 北大核心 2022年第12期162-169,共8页
果实识别是视觉检测技术重要的环节,其识别精度易受复杂的生长环境及果实状态的影响。以大棚环境下单个、一簇、光照、阴影、遮挡、重叠6种复杂生长状态下的番茄果实为对象,提出一种基于改进YOLOv4网络模型与迁移学习相结合的番茄果实... 果实识别是视觉检测技术重要的环节,其识别精度易受复杂的生长环境及果实状态的影响。以大棚环境下单个、一簇、光照、阴影、遮挡、重叠6种复杂生长状态下的番茄果实为对象,提出一种基于改进YOLOv4网络模型与迁移学习相结合的番茄果实识别方法。首先利用ImageNet数据集与VGG网络模型前端16卷积层进行模型参数预训练,将训练的模型参数初始化改进模型的权值以代替原始的初始化操作,然后使用番茄数据集在VGG19的卷积层与YOLOV4的主干网络相结合的新模型中进行训练,获得最优权重实现对复杂环境下的番茄果实进行检测。最后,将改进模型与Faster RCNN、YOLOv4-Tiny、YOLOv4网络模型进行比较。研究结果表明,改进模型在6种复杂环境下番茄果实平均检测精度值mAP达到89.07%、92.82%、92.48%、93.39%、93.20%、93.11%,在成熟、半成熟、未成熟3种不同成熟度下的F1分数值为84%、77%、85%,其识别精度优于比较模型。本文方法实现了在6种复杂环境下有效地番茄果实检测识别,为番茄果实的智能采摘提供理论基础。 展开更多
关键词 番茄 复杂环境 果实检测 网络模型 yolov4 迁移学习
在线阅读 下载PDF
基于改进YOLOv4的轻量化目标检测算法 被引量:11
11
作者 宋中山 肖博文 +2 位作者 艾勇 郑禄 帖军 《电子测量技术》 北大核心 2022年第16期142-152,共11页
为解决YOLOv4目标检测网络结构复杂、参数多、训练所需的配置高以及实时检测图片的传输帧数低,难以实现工业上的应用普及等问题,提出一种基于YOLOv4改进的轻量化算法SL-YOLO。在原始的YOLOv4网络上进行改进和优化,使用ShuffleNetv2轻量... 为解决YOLOv4目标检测网络结构复杂、参数多、训练所需的配置高以及实时检测图片的传输帧数低,难以实现工业上的应用普及等问题,提出一种基于YOLOv4改进的轻量化算法SL-YOLO。在原始的YOLOv4网络上进行改进和优化,使用ShuffleNetv2轻量级网络替换YOLOv4原始骨干网络,将SENet模块融入ShuffleNetv2,降低网络计算复杂度,在网络层中加入Swish激活函数,使模型收敛效果更好;同时用简化后的加权双向特征金字塔结构改进原模型的特征融合网络,优化目标检测精度;通过消融实验判定各通道的重要性,对冗余剪枝,将模型进行压缩。在PASCAL VOC和MS COCO数据集上进行对比实验,改进后的模型与原始YOLOv4相比,模型内存减少89.4%,浮点运算量下降88.4%,检测速度提升了近2倍。实验结果表明,改进后的YOLOv4模型能够在保持较高的精度下有效减少模型推理计算量,大大提升模型检测速度。 展开更多
关键词 目标检测 轻量化网络 特征金字塔 ShuffleNetv2 yolov4
原文传递
基于改进的YOLOv4安全帽佩戴检测研究 被引量:18
12
作者 郭师虹 井锦瑞 +1 位作者 张潇丹 秦晓晖 《中国安全生产科学技术》 CAS CSCD 北大核心 2021年第12期135-141,共7页
为了加强建筑工人佩戴安全帽情况的检测,防止安全事故的发生,提出1种改进的轻量级YOLOv4安全帽佩戴检测算法,用于运行在移动设备端,降低现场部署的条件;制作1个8000幅图像的数据集,用于训练和评估安全帽检测算法;为了评估改进的YOLOv4... 为了加强建筑工人佩戴安全帽情况的检测,防止安全事故的发生,提出1种改进的轻量级YOLOv4安全帽佩戴检测算法,用于运行在移动设备端,降低现场部署的条件;制作1个8000幅图像的数据集,用于训练和评估安全帽检测算法;为了评估改进的YOLOv4的性能,从5个不同建筑工地采集到600张施工人员图像和60条施工视频作为验证集;根据建筑工地不同的视觉条件对图像进行分类,用于验证本文算法在不同外界环境下的性能。结果表明:改进后的模型检测速度是YOLOv4的3.4倍,可用于实时检测施工人员在不同施工现场条件下是否佩戴安全帽的情况,有利于提高安全检查和监督水平。 展开更多
关键词 施工管理 安全帽检测 轻量化神经网络 yolov4 实时检测
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
13
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
基于改进YOLOv4的施工机械检测方法 被引量:5
14
作者 王仁超 解加凯 毛三军 《土木工程与管理学报》 2023年第2期16-23,共8页
为提升施工现场管理水平,实现复杂施工场景下施工机械的实时检测,本文提出一种基于改进YOLOv4的施工机械检测方法。基于YOLOv4目标检测模型,将网络中普通3×3卷积替换为深度可分离卷积,使用轻量化特征提取网络替换模型主干网络,降... 为提升施工现场管理水平,实现复杂施工场景下施工机械的实时检测,本文提出一种基于改进YOLOv4的施工机械检测方法。基于YOLOv4目标检测模型,将网络中普通3×3卷积替换为深度可分离卷积,使用轻量化特征提取网络替换模型主干网络,降低模型大小和参数量,提升模型检测速度。除此之外,在网络中添加注意力机制,在不影响检测速度的前提下提升模型检测精度。实验证明,本文提出的M1-DSC-YOLOv4+ECA算法在自制施工机械数据集上的平均准确率均值(mAP)达到了86.46%,检测速度为31.39 FPS,模型大小仅为原来的1/5,拥有高检测精度和实时检测速率,表明该算法能够满足施工场景下施工机械检测的准确性、实时性需求。 展开更多
关键词 施工机械检测 yolov4 轻量化网络 深度可分离卷积 注意力机制
在线阅读 下载PDF
应用于绝缘子缺陷检测的轻量化YOLOv4研究 被引量:11
15
作者 马进 白雨生 《电子测量技术》 北大核心 2022年第14期123-130,共8页
针对YOLOv4主干网络庞大、参数量多,应用于绝缘子缺陷检测中无法满足实时性要求的问题,提出一种轻量化的YOLOv4检测模型。首先,引入含ECA集成组件的GhostNet作为特征提取网络,保证特征提取能力的同时大幅减少模型参数,加快模型推理速度... 针对YOLOv4主干网络庞大、参数量多,应用于绝缘子缺陷检测中无法满足实时性要求的问题,提出一种轻量化的YOLOv4检测模型。首先,引入含ECA集成组件的GhostNet作为特征提取网络,保证特征提取能力的同时大幅减少模型参数,加快模型推理速度。其次,使用K-means++聚类算法确定出初始锚框尺寸,以适应绝缘子缺陷大小,提升缺陷定位精度。最后,在交叉熵损失函数的基础上引入Quality Focal Loss改进损失函数,进一步提升模型检测性能。实验结果表明,改进后的轻量化YOLOv4与原始YOLOv4相比,模型大小压缩至原来的62.47%,每秒帧率提升了68.83%,绝缘子缺陷检测的准确率提升了1.07%,在显著提升检测速度的同时保证了算法检测精度,且在小目标和复杂背景下表现突出。 展开更多
关键词 绝缘子缺陷检测 轻量化网络 GhostNet yolov4 目标检测
原文传递
基于双流YOLOv4的金属表面缺陷检测方法 被引量:4
16
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
基于协调注意力机制的轻量级YOLOv4零件检测 被引量:1
17
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YOLOv4改进算法的零件表面缺陷检测 被引量:1
18
作者 王宪伦 孙宇轩 王栋 《计算机与数字工程》 2023年第2期520-525,共6页
在零件加工过程中,由于工况多样性,导致零件表面缺陷繁多,并且检测起来准确率低。针对零件表面缺陷检测问题,提出了基于YOLOv4改进算法的零件表面缺陷检测系统。论文采用了德国DAGM2007数据集作为缺陷样本,采用数据增强的方式对图片数... 在零件加工过程中,由于工况多样性,导致零件表面缺陷繁多,并且检测起来准确率低。针对零件表面缺陷检测问题,提出了基于YOLOv4改进算法的零件表面缺陷检测系统。论文采用了德国DAGM2007数据集作为缺陷样本,采用数据增强的方式对图片数量进行扩充。采用稠密网络模块对YOLOv4算法进行改进。最后利用改进的YOLOv4算法进行缺陷检测定位,准确率达到97%。与原算法对比,改进算法的检测速度明显提升,具有较好的应用价值。 展开更多
关键词 表面缺陷检测 yolov4 神经网络 数据增强
在线阅读 下载PDF
基于改进YOLOv4的车辆目标检测算法 被引量:2
19
作者 苏静 刘伊智 《天津科技大学学报》 CAS 2023年第3期61-67,共7页
针对公路上高速行驶的车辆检测常常存在错检、漏检的问题,对YOLOv4算法进行改进优化.首先,将CSPDarknet53-tiny作为主干特征提取网络,并对网络中的ResBolck_body模块中的残差边与GhostModule模块结合代替原始特征网络CSPDarknet53,从而... 针对公路上高速行驶的车辆检测常常存在错检、漏检的问题,对YOLOv4算法进行改进优化.首先,将CSPDarknet53-tiny作为主干特征提取网络,并对网络中的ResBolck_body模块中的残差边与GhostModule模块结合代替原始特征网络CSPDarknet53,从而简化网络结构,同时提高其检测精度;然后,将原算法中的SPPNet模块结构替换为ASPPNet,增大网络感受野,降低参数计算量,使模型能够在保持精准度的同时更加轻量化;最后,将注意力机制模块SENet结构嵌入特征金字塔PANet的两个不同位置,使其可对不同重要程度的特征进行相应处理.在BDD100K数据集实验中,原YOLOv4算法训练后得到的模型的平均精度(AP)为88.27%,改进优化后的YOLOv4模型AP为90.96%,改进后的YOLOv4算法相比原算法AP提高了2.69%.在实际真实场景数据集实验中,改进优化后的YOLOv4算法比原算法AP提高了3.31%.实验结果表明,本文提出的方法可以有效提高YOLOv4算法对车辆目标检测的精度. 展开更多
关键词 目标检测 车辆检测 yolov4 注意力机制 特征提取网络
在线阅读 下载PDF
基于改进YOLOv4的果园柑橘检测方法研究 被引量:13
20
作者 陈文康 陆声链 +3 位作者 刘冰浩 李帼 刘晓宇 陈明 《广西师范大学学报(自然科学版)》 CAS 北大核心 2021年第5期134-146,共13页
水果的自动检测是自动采摘、果园喷药、采后分拣等农业应用中的关键技术。针对果园环境中柑橘目标小、噪声多、遮挡严重等问题,本文基于YOLOv4算法提出一种改进的适用于果园环境的柑橘快速识别方法。主要改进措施包括:一是在训练阶段利... 水果的自动检测是自动采摘、果园喷药、采后分拣等农业应用中的关键技术。针对果园环境中柑橘目标小、噪声多、遮挡严重等问题,本文基于YOLOv4算法提出一种改进的适用于果园环境的柑橘快速识别方法。主要改进措施包括:一是在训练阶段利用Canopy算法和K-Means++算法自动选择先验框的数目和大小;二是在YOLOv4网络中每个不同尺度特征的输出层前增加一个调整层,并采用残差网络结构和密集连接网络相结合,同时修改回归框损失函数,以便检测复杂背景下的小柑橘;三是在保证不造成较大检测精度损失的前提下,对网络中不重要的通道和网络层进行剪枝。与目前常用的YOLOv4、MLKP和Cascade R-CNN等3种目标检测算法的对比实验结果表明,本文改进的YOLOv4算法对果园环境下不同生长期柑橘的检测平均准确率达96.04%,平均检测速度为每张图像0.06 s,均优于对比的3种主流目标检测算法。本文提出的方法可为自然条件下果园中柑橘的采摘、产量评估等应用提供技术和方法指导。 展开更多
关键词 柑橘识别 小目标检测 深度学习 改进yolov4 卷积神经网络
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