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YOLOv9c的隧道火灾检测算法研究 被引量：1
1
作者 葛梦莹 陈广华 +1 位作者 邹新 吴爽 《国外电子测量技术》 2025年第2期25-32,共8页
隧道在现代城市交通建设及地下空间中占据着举足轻重的地位,对隧道火灾进行检测有助于保障生命财产安全。针对现有模型对隧道火灾的识别率低的问题,提出一种基于YOLOv9c的隧道火灾检测算法--YOLOv9c-Fire,基于YOLOv9c综合调整网络深度... 隧道在现代城市交通建设及地下空间中占据着举足轻重的地位,对隧道火灾进行检测有助于保障生命财产安全。针对现有模型对隧道火灾的识别率低的问题,提出一种基于YOLOv9c的隧道火灾检测算法--YOLOv9c-Fire,基于YOLOv9c综合调整网络深度、宽度和输入图片分辨率,使网络兼备大小与识别准确率的双重优势;融入GAM注意力机制,关注特征图的不同维度以增强网络对重要特征的提取能力;利用slide loss加权损失函数处理样本不平衡的问题;基于颜色特征对识别后的图像计算火焰特征指标,辅助火情分析。实验结果表明,YOLOv9c-Fire检测网络在所使用的隧道火灾数据集上的平均精度均值mAP0.5提升了3.7%,收敛速率更快,可准确识别火灾,为今后火情判断提供条件。 展开更多
关键词 地下空间 隧道火灾检测 yolov9c 火情分析
原文传递
面向无人机航拍图像的跨尺度特征融合CSEM-YOLOv9c算法
2
作者 蒋崇君 张荣芬 +1 位作者 刘宇红 宫燕铭 《电光与控制》 北大核心 2025年第11期54-61,共8页
无人机航拍图像目标尺寸变化明显,小目标物体居多。针对现有目标检测算法在识别无人机航拍图像时中小目标检测精度低的问题,提出一种改进YOLOv9c的无人机航拍图像目标检测算法。首先,改进Neck网络的检测层,新增一个大小为160×160... 无人机航拍图像目标尺寸变化明显,小目标物体居多。针对现有目标检测算法在识别无人机航拍图像时中小目标检测精度低的问题,提出一种改进YOLOv9c的无人机航拍图像目标检测算法。首先,改进Neck网络的检测层,新增一个大小为160×160的用于检测极小目标的检测层,降低小目标的漏检率;其次,提出新的注意力机制iREMA,并设计RepNCSPELAN4iREMA模块,使模型提取到更丰富的特征信息;另外,利用轻量级跨尺度理念对Neck网络结构进行创新优化,设计出一种更高效的无人机航拍图像目标检测Neck结构,减少模型参数量;最后,引入ShapeIoU损失函数改进传统的IoU计算边界回归损失,使边界回归更准确。在VisDrone2019数据集上的实验表明:改进后的算法模型较基准模型mAP50提高6.8个百分点,达到52.5%,mAP50∶95提高4.8个百分点,达到33%,同时模型参数量下降34%,在保证轻量化的同时提升了精度。 展开更多
关键词 yolov9c 无人机航拍图像目标检测 iREMA注意力机制 轻量级跨尺度 ShapeIoU
在线阅读 下载PDF
基于双主干特征融合改进的服装图像分类识别算法 被引量：1
3
作者 鲍禹辰 徐心放 余承志 《毛纺科技》 北大核心 2025年第1期111-119,共9页
针对复杂背景图像的服装分类与识别问题,提出YOLOv8、YOLOv10、YOLOv11主干的改进方案,通过2个并行的主干网络并结合BiFPN双向加权金字塔,实现特征信息的深度交互与高效融合。提出通过CSL注意力机制将DSConv、GhostConv、空间信息、通... 针对复杂背景图像的服装分类与识别问题,提出YOLOv8、YOLOv10、YOLOv11主干的改进方案,通过2个并行的主干网络并结合BiFPN双向加权金字塔,实现特征信息的深度交互与高效融合。提出通过CSL注意力机制将DSConv、GhostConv、空间信息、通道信息与选择特征进行有效整合提高算法对服装特征信息的提取能力。通过deepfasion2数据集验证表明,改进方案YOLOv8Plus的精确度提高6.9%、召回率提高4.44%、平均精度mAP值提高5.86%。使用注意力机制CA、CBAM、CSL与YOLOv8结合并进行对比,CSL、CBAM、CA注意力机制mAP值分别高出基础YOLOv8算法1.75%、0.68%、0.78%。YOLOv8Plus方案相比YOLOv9c算法GLOPS下降74.04%,且mAP值仅降低0.39%。基于YOLOv10的改进方案YOLOv10Plus在精确度、召回率、mAP值上分别提高3.3%、0.45%、1.96%,基于YOLOv11的改进方案YOLOv11Plus在精确度、召回率、mAP值上分别提高2.12%、3.24%、4.47%,并且YOLOv10Plus与YOLOv11Plus的计算量分别是YOLOv9c的23.07%、22.11%,是RTDETR-ResNet101的16.89%、16.19%。结果表明,该研究方案在YOLO系列算法中mAP值具有有效的提高作用,相比于基础模型在服装分类识别应用上具有更优的效果。 展开更多
关键词 BiFPN CSL 服装分类与识别 YOLOv8 yolov9c YOLOv10 YOLOv11
在线阅读 下载PDF
基于深度学习的道路裂缝识别模型研究
4
作者 徐子豪 朱晓宏 邹兰林 《软件工程》 2025年第8期69-72,共4页
针对目前道路裂缝检测精度低,难以识别细小裂缝的问题,提出了一种改进的YOLOv9c算法模型,显著提升了道路裂缝的检测效果。首先,在YOLOv9c模型的头部网络中引入了CBAM模块,这不仅提高了模型的特征提取能力,还增加了检测精度;然后,在骨干... 针对目前道路裂缝检测精度低,难以识别细小裂缝的问题,提出了一种改进的YOLOv9c算法模型,显著提升了道路裂缝的检测效果。首先,在YOLOv9c模型的头部网络中引入了CBAM模块,这不仅提高了模型的特征提取能力,还增加了检测精度;然后,在骨干网络和头部网络中用SCDown模块替换原有的ADown模块,在降低模型复杂度的同时,提升了检测效率。经过实验,改进的YOLOv9c模型与原模型相比,分别在精度、召回率与mAP上各自提高了2.3%、3.1%与2.7%,模型参数量降低了10%,实现了对道路细小裂缝的高精度和高效率检测。 展开更多
关键词 道路裂缝检测 yolov9c 深度学习 CBAM 卷积神经网络
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