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8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DTA双标签分配策略的轻量化小目标检测模型
1
作者 孔李沛 赵月爱 +1 位作者 张艳 王玲 《计算机技术与发展》 2026年第3期99-108,共10页
针对航拍图像小目标检测精度低、检测实时性差以及无人机嵌入式平台计算资源受限等问题,提出一种基于DTA(Dynamic Task Alignment,动态任务对齐)双标签分配策略的轻量化小目标检测模型。首先,为了降低复杂背景信息对小目标特征的影响,用... 针对航拍图像小目标检测精度低、检测实时性差以及无人机嵌入式平台计算资源受限等问题,提出一种基于DTA(Dynamic Task Alignment,动态任务对齐)双标签分配策略的轻量化小目标检测模型。首先,为了降低复杂背景信息对小目标特征的影响,用YOLOv10的P2层替换原来的P5层,提高模型对小目标特征的学习能力;其次,为了降低模型参数量,构建轻量化Faster特征提取模块,使用FasterNet中的残差模块Fasternet Block替换C2f中的Bottleneck模块;再次,提出动态分类与定位任务对齐检测方法,旨在解决小目标特征在分类和回归任务中的不匹配问题,在提高模型检测小目标精度的同时,还能进一步降低模型的复杂度;最后,利用基于幅度的层自适应剪枝算法对模型进行全局通道剪枝,在保证模型检测精度的前提下进一步压缩模型参数量和文件大小。在Visdrone2019数据集上的实验结果表明,该模型在APT、APS和mAP上分别比Baseline提高了104%、50%、26%,参数量和模型文件体积分别降低了63%和59%,模型FPS约为148。各种数据表明该模型对小目标检测具有检测精度高、检测速度快、模型易部署等优点。 展开更多
关键词 YOLOv10 小目标检测 动态任务对齐检测头 轻量化 剪枝算法
在线阅读 下载PDF
基于DFD-YOLOv11n的钢材装备表面缺陷检测算法研究
2
作者 雷富强 马刘文 +4 位作者 关鹏 张巍 任海英 郭玉慧 王培 《计算机工程与应用》 北大核心 2026年第2期92-102,共11页
针对钢材装备表面缺陷检测中存在特征模糊、多尺度表达不足以及检测精度受限等问题,提出一种基于YOLOv11n架构的轻量级改进算法DFD-YOLOv11n。该算法通过三重结构创新实现性能优化:一是引入动态蛇形卷积改进特征提取部分的C3K2模块,通... 针对钢材装备表面缺陷检测中存在特征模糊、多尺度表达不足以及检测精度受限等问题,提出一种基于YOLOv11n架构的轻量级改进算法DFD-YOLOv11n。该算法通过三重结构创新实现性能优化:一是引入动态蛇形卷积改进特征提取部分的C3K2模块,通过自适应卷积核变形策略显著增强对细长弯曲特征的捕捉能力;二是设计了特征聚焦扩散金字塔网络,通过多尺度特征的双向融合机制提升上下文信息利用率;三是设计了动态任务对齐检测头,通过分类与定位分支的协同优化策略实现检测性能提升。实验数据表明,改进后的算法在NEU-DET数据集上的mAP达到77.1%,较YOLOv11n模型提升6.5个百分点,检测精度提高6.8个百分点。在保持轻量级特性方面,模型参数量(2.74×10^(6))和计算复杂度(9.4×10^(9))控制在前沿轻量化模型范畴,同时实现116 FPS的实时检测速度。DFD-YOLOv11n在检测精度与推理速度之间达到最优平衡,其综合性能指标为工业级表面缺陷检测提供了新的解决方案。 展开更多
关键词 缺陷检测 YOLOv11n 动态蛇形卷积(DSC) 特征聚焦扩散金字塔网络(FFDPN) 动态任务对齐检测头(dtadh)
在线阅读 下载PDF
LR-YOLO:面向遥感图像的轻量级旋转目标检测算法
3
作者 苏佳 张柏杨 +2 位作者 常永浩 侯艳丽 杨梦凡 《微电子学与计算机》 2025年第9期42-53,共12页
针对遥感目标图像检测中存在的小目标检测困难、尺度变化大、方向任意以及在小型设备中检测精度不足等问题,提出了一种基于改进YOLOv8的轻量型遥感图像旋转目标检测算法LR-YOLO(Lightweight Rotating-YOLO)。首先,利用结构重参数技术并... 针对遥感目标图像检测中存在的小目标检测困难、尺度变化大、方向任意以及在小型设备中检测精度不足等问题,提出了一种基于改进YOLOv8的轻量型遥感图像旋转目标检测算法LR-YOLO(Lightweight Rotating-YOLO)。首先,利用结构重参数技术并加入EMA注意力机制设计特征提取模块C2f-RA,增强网络的特征提取和特征表达能力,有效过滤复杂背景噪声的干扰。其次,在网络架构中采用ADown下采样,在减少特征图的尺寸的过程中防止上下文信息丢失过多。最后,针对检测头分类和定位两个分支缺乏交互,导致预测不一致的问题,提出任务动态对齐检测头ETDA-Head,促进分类和定位任务间的协同作用,以提高网络模型的精度。实验结果表明,改进后的算法在DIOR-R数据集和HRSC2016数据集上mAP@0.5上较基准模型分别提升1.4%和1.6%,参数量减少56.25%,相较于代表性的RoI Transformer算法检测精度提高了16.9%。这表明LR-YOLO算法有效地提升了检测精度,并显著降低模型的复杂度,验证了其有效性。 展开更多
关键词 旋转目标检测 结构重参数化 YOLOv8 任务动态对齐
在线阅读 下载PDF
改进的YOLOv8n遥感图像轻量化检测模型 被引量：3
4
作者 李泽胤 李栋 +2 位作者 房建东 赵磊 张佳惠 《电子测量技术》 北大核心 2025年第6期130-142,共13页
针对遥感图像目标排列密集、尺度差异大以及背景复杂造成的检测虚警率高、检测精度低、漏检和误检的问题,提出了一种基于YOLOv8n的遥感图像检测算法YOLOv8-EP。首先,构建特征聚焦扩散金字塔网络(FFDPN),通过并行深度卷积捕获多尺度信息... 针对遥感图像目标排列密集、尺度差异大以及背景复杂造成的检测虚警率高、检测精度低、漏检和误检的问题,提出了一种基于YOLOv8n的遥感图像检测算法YOLOv8-EP。首先,构建特征聚焦扩散金字塔网络(FFDPN),通过并行深度卷积捕获多尺度信息,同时加入扩散机制将特征信息扩散到各个检测尺度增强特征交互。设计轻量化的任务动态调整检测头(TADD),通过特征共享和并行任务处理,提高检测的定位和分类性能。其次,引入SimAM注意力机制捕捉图像中关键信息,增加模型感受野。最后,引入Inner-CIoU损失函数改善低质量图像对网络梯度的不利影响,加速模型收敛。在NWPU VHR-10数据集和RSOD数据集上的实验结果表明,YOLOv8-EP的mAP分别达到97.6%和97.9%,参数量下降13%,相比于YOLOv8n基线网络提升了2.2%和1.5%,能够满足工业部署的要求,整体达到良好的检测性能。 展开更多
关键词 遥感图像 YOLOv8n 特征交互 任务动态调整检测头
原文传递
用于缺陷检测的YOLOv8轻量化设计方法 被引量：4
5
作者 艾峰 邓耀华 《电子测量技术》 北大核心 2025年第4期181-190,共10页
在大规模制造的端侧产线工业质检应用中,由于算力、成本和功耗等因素的限制,将深度学习模型裁剪并部署到小型算力的边缘设备上变得尤为重要。针对铝型材复杂缺陷检测这一应用场景,基于YOLOv8设计了缺陷检测模型。首先,通过轻量化结构设... 在大规模制造的端侧产线工业质检应用中,由于算力、成本和功耗等因素的限制,将深度学习模型裁剪并部署到小型算力的边缘设备上变得尤为重要。针对铝型材复杂缺陷检测这一应用场景,基于YOLOv8设计了缺陷检测模型。首先,通过轻量化结构设计,结合局部自注意力机制提升细微缺陷提取能力;采用空间通道下采样替代传统下采样卷积;并提出结合混合局部通道注意力机制的C2f-M模块。然后,基于双向特征金字塔网络设计了SC-BiFPN颈部网络,增强了多尺度特征融合能力。接着,设计任务动态对齐的特征检测头TDADH,充分利用多层次特征,实现更精准的目标定位与分类;采用MPDIoU损失函数增强边界框回归能力。最后,通过Taylor方法对YOLOv8进行裁剪,显著减少模型参数量和计算成本。实验结果表明,轻量化YOLOv8模型在铝材表面缺陷数据集上的参数量降低至原模型的36.7%,计算量减少40%,模型体积缩小62%;同时,检测精确度、召回率及mAP@50-95分别提升0.3%、1.1%、4.8%。该方法有效解决了端侧部署中的计算复杂度与检测性能平衡问题,为小型算力硬件上的高效缺陷检测提供了可行方案。 展开更多
关键词 缺陷检测 双向特征金字塔 损失函数 任务动态对齐 剪枝
原文传递
基于DCT-YOLO的密集遮挡行人检测算法
6
作者 张壮 孟祥瑞 《宁夏师范大学学报》 2025年第7期73-85,共13页
在街道、火车站、机场等大型公共场所,密集行人检测仍然面临特征提取困难、遮挡导致漏检率高等问题.本文提出一种基于YOLOv8的改进算法用于解决上述问题,命名为DCT-YOLO.首先,利用动态卷积和上下文锚点注意力机制,增强网络对特征的提取... 在街道、火车站、机场等大型公共场所,密集行人检测仍然面临特征提取困难、遮挡导致漏检率高等问题.本文提出一种基于YOLOv8的改进算法用于解决上述问题,命名为DCT-YOLO.首先,利用动态卷积和上下文锚点注意力机制,增强网络对特征的提取能力,并强化被遮挡行人可见部分特征.其次,针对密集行人场景检测头漏检率高的问题,提出一个新的检测头任务对齐动态检测头.该检测头通过共享颈部网络特征减少参数的数量,并执行任务分解对准,通过使用动态卷积和动态功能选择实现高精度目标检测.最后,设计MPDIoU和Wise-IoU_(v3)相结合的W_(V3)MPDIoU作为损失函数,解决模型训练效率低的问题.实验表明,DCT-YOLO算法在2个具有挑战性的密集行人数据集CrowdHuman和WiderPerson上性能优秀,在精度、召回率、mAP_(50)和mAP_(50∶95)指标上分别都有提升,在密集型遮挡人检测任务中具有广泛的应用前景. 展开更多
关键词 密集遮挡行人检测 动态卷积 上下文锚点注意力机制 任务对齐动态检测头 YOLOv8 W_(V3)MPDIoU
在线阅读 下载PDF
多级特征筛选和任务动态对齐的声呐图像小目标检测 被引量：4
7
作者 王燕 王宏辉 +2 位作者 刘树东 张艳 郝泽玉 《光电工程》 CAS CSCD 北大核心 2024年第10期116-128,共13页
针对声呐图像中小目标检测难度大、精度低、容易出现错检漏检的问题,本文提出一种基于YOLOv8s的声呐图像小目标检测改进算法。首先,考虑到声呐图像中的小目标通常具有低对比度且易被噪声淹没,提出了高效多级筛选特征金字塔网络(EMS-FPN... 针对声呐图像中小目标检测难度大、精度低、容易出现错检漏检的问题,本文提出一种基于YOLOv8s的声呐图像小目标检测改进算法。首先,考虑到声呐图像中的小目标通常具有低对比度且易被噪声淹没,提出了高效多级筛选特征金字塔网络(EMS-FPN)。其次,由于解耦头的分类分支和定位分支是独立的,会增加模型的参数量,同时难以有效地适应不同尺度目标的检测需求,导致对于小目标的检测效果不佳,设计了任务动态对齐检测头模块(TDADH)。最后为了验证本文模型的有效性,在URPC2021和SCTD扩充声呐数据集上进行了相应的验证,mAP0.5较YOLOv8s分别提高了0.3%和1.8%,参数量降低了22.5%。结果表明,本文提出的方法在声呐图像目标检测任务中不仅提高了精度,还显著降低了模型参数量。 展开更多
关键词 水下目标检测 声呐图像 小目标检测 高效多级筛选 任务动态对齐 轻量化
在线阅读 下载PDF
基于改进的YOLOv8s的无人机视角下行人检测方法 被引量：1
8
作者 陈振羽 贾明宾 周箩鱼 《现代电子技术》 北大核心 2024年第19期67-74,共8页
针对无人机视角下行人检测中的挑战,如目标尺寸小、分布密集,以及硬件平台限制导致的模型准确率低等问题,提出一种多特征选择机制融合的YOLOv8s改进模型。首先,在YOLOv8s主干网络中结合多尺度上下文信息聚合机制(MSCA)的优点,设计增强... 针对无人机视角下行人检测中的挑战,如目标尺寸小、分布密集,以及硬件平台限制导致的模型准确率低等问题,提出一种多特征选择机制融合的YOLOv8s改进模型。首先,在YOLOv8s主干网络中结合多尺度上下文信息聚合机制(MSCA)的优点,设计增强型卷积金字塔瓶颈(ECPB)模块,增强主干网络的特征提取能力;其次,利用大型可分离卷积模块(LSKA)的思想优化YOLOv8s空间金字塔池化层,提升不同特征层间的语义融合,捕获更多目标信息;最后,将YOLOv8s的头部替换为新设计的任务动态自适应检测头(TADH),丰富分类和定位信息的交互,加强特征融合能力,提升模型的检测效率和检测准确率。实验结果表明,改进后的模型在自制数据集上mAP@0.5、mAP@0.5:0.95分别提升了1.9%、5.6%,模型参数量降低了10.5%,并且改进后的模型检测速度达到了140 f/s,能有效实现对无人机视角下行人检测任务快速、准确的检测。同时,在公共数据集(VisDrone2019数据集和CARPK数据集)上的测试也证明了该模型能够适应不同小目标的检测,具有较好的泛化性能。 展开更多
关键词 无人机 小目标检测 YOLOv8s 多特征选择 特征融合 任务动态对齐
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