期刊文献+
共找到1,499篇文章
< 1 2 75 >
每页显示 20 50 100
嵌入自适应空间注意力的Scaled-YOLOv4小目标检测模型 被引量:2
1
作者 张家源 窦全胜 唐焕玲 《计算机应用与软件》 北大核心 2025年第6期218-224,240,共8页
针对目标检测方法中网络采用固定感受野使卷积提取特征时只关注常规尺寸目标而忽略小目标的特征造成检测精度低的问题,提出自适应空间注意力机制,增加并行的不同大小卷积核,嵌入Scaled-YOLOv4残差结构的3×3卷积层中,使网络根据不... 针对目标检测方法中网络采用固定感受野使卷积提取特征时只关注常规尺寸目标而忽略小目标的特征造成检测精度低的问题,提出自适应空间注意力机制,增加并行的不同大小卷积核,嵌入Scaled-YOLOv4残差结构的3×3卷积层中,使网络根据不同的尺寸的物体自主调节感受野大小加强对小目标特征的提取。实验结果表明,新的网络模型能有效提升小目标的检测精度,并改善原模型存在的误检和漏检问题。在MSCOCO和PASCAL VOC等数据集上的检测精度均比之前有较大提升。 展开更多
关键词 小目标检测 scaled-YOLOv4 深度学习 注意力机制 自适应感受野
在线阅读 下载PDF
Multi-Scale Object Perception with Embedding Textural Space
2
作者 Kewei Wu Zhao Xie Jun Gao 《International Journal of Intelligence Science》 2012年第2期32-39,共8页
This paper mainly focuses on the issues about generic multi-scale object perception for detection or recognition. A novel computational model in visually-feature space is presented for scene & object representatio... This paper mainly focuses on the issues about generic multi-scale object perception for detection or recognition. A novel computational model in visually-feature space is presented for scene & object representation to purse the underlying textural manifold statistically in nonparametric manner. The associative method approximately makes perceptual hierarchy in human-vision biologically coherency in specific quad-tree-pyramid structure, and the appropriate scale-value of different objects can automatically be selected by evaluating from well-defined scale function without any priori knowledge. The sufficient experiments truly demonstrate the effectiveness of scale determination in textural manifold with object localization rapidly. 展开更多
关键词 object PERCEPTION scale SPACE Textural MANIFOLD Quad-Tree Structure NONPARAMETRIC Estimation
在线阅读 下载PDF
A Study of Precision Factors of Large-scale Object Surface Profile Laser Scanning Measurement
3
作者 WANG Long-shan 1, LI De-long 2, NIE Meng-yu 3, ZHENG Z hong-wei 1 (1. The Science of Mechanical and Engineering College of Ji lin University, Changchun 130025, China 2. The Factory Automation Deparment of Shanghai Marine Equipment Research Institute, Shanghai 200031,China 3. Changchun Lat Exhaust Systems Company Ltd., Changchun 130022, China) 《厦门大学学报(自然科学版)》 CAS CSCD 北大核心 2002年第S1期162-,共1页
In this paper, we presented a method of using the l as er scanning triangulation for the non-contact 3D surface profile measurement of large-scale object. The characteristic of large-scale object non-contact mea surem... In this paper, we presented a method of using the l as er scanning triangulation for the non-contact 3D surface profile measurement of large-scale object. The characteristic of large-scale object non-contact mea surement is analyzed and the measuring method is proposed. Main factors influenc ing measurement precision such as image distortion and accurate designation of s peckle center are analyzed and methods of solving these problems are proposed. W e designed a combined filter by which the pulse noise and the Gaussian noise of speckle image can be eliminated efficiently. Using the characteristic of intensi ty distribution of laser speckle image we proposed a new approximating method th at could locate the center of laser speckle image at sub-pixel. The auxiliary v ariables are set to linearize the relationship between the image displacement an d the distance, the accurate values of laser triangulation system parameters cou ld be calibrated accurately and the measuring precision is increased remarkabl y. Using the above techniques we designed a measuring system based on laser sc anning triangulation. The results of the experiment show that these methods can raise the measuring precision of large-scale 3D surface profile effectively. 展开更多
关键词 large-scale object laser scanning precision fa ctors 3D measurement
在线阅读 下载PDF
Salient Object Extraction Using Multilevel Gray Scale Quantization and Image Smoothing
4
作者 Akram Tallha HaiderAli Sajjad 《机床与液压》 北大核心 2013年第12期1-5,共5页
A novel multi level image segmentation methodology is been proposed with the aim of extracting the salient object,keeping in view,only a small part of the visual scene undergoes attention and reaches the level of awar... A novel multi level image segmentation methodology is been proposed with the aim of extracting the salient object,keeping in view,only a small part of the visual scene undergoes attention and reaches the level of awareness while rest of details are futile.Taking advantage of multilevel gray scale quantization,image prominent object is separated from background,keeping in view the fact;salient object is having high contrast as compared to the background.The inutile fragments were removed using morphological operations of opening and closing and making the image smoothened with Gaussian filter.The optimum threshold is selected for the binary conversion and final extrication of the salient object from the image.The experimental data indicates that hybrid approach leads to improved segmentation with the apparent assertion of prime object extraction. 展开更多
关键词 机床 制造工艺 金属压力加工 设计
在线阅读 下载PDF
面向无人机巡检的改进YOLOv8n轻量化路产检测模型
5
作者 彭妙娟 陈松 +1 位作者 李莉 庄恺琳 《重庆交通大学学报(自然科学版)》 北大核心 2026年第3期1-10,共10页
公路路产作为交通基础设施的重要组成部分,涵盖公路结构、公路用地及各类附属设施。针对现有轻量化模型在多类路产设施多尺度检测中难以兼顾精度与效率的问题,基于YOLOv8n提出一种改进轻量化多尺度检测模型。选取路灯、交通标志牌和路... 公路路产作为交通基础设施的重要组成部分,涵盖公路结构、公路用地及各类附属设施。针对现有轻量化模型在多类路产设施多尺度检测中难以兼顾精度与效率的问题,基于YOLOv8n提出一种改进轻量化多尺度检测模型。选取路灯、交通标志牌和路面标线3类典型路产设施作为检测目标,通过融合无人机实测数据与VisDrone2019数据构建UAV-HIA数据集,增强数据多样性和模型稳定性。模型改进包括:采用MobileNetV3-Small替换主干网络,降低模型参数量和计算复杂度;在骨干网络中嵌入CBAM注意力机制,增强小目标特征提取能力;基于C2f与iAFF设计C2iAF特征融合模块,提升多尺度特征表达能力。实验表明:改进模型在计算量和参数量显著降低的同时,仍保持精度提升,尤其对小目标的检测效果更优。相较于现有其他主流模型和最新发布的YOLO模型,改进模型在效率、精度和适应性上更具综合优势,适用于实际路产智能巡检任务。 展开更多
关键词 道路工程 公路路产检测 多尺度目标检测 无人机影像 YOLOv8n 轻量化模型
在线阅读 下载PDF
PCSED-YOLO:复杂环境下跨尺度多目标穿戴检测算法研究
6
作者 薛光辉 闫朝阳 吴冕 《计算机工程与应用》 北大核心 2026年第5期88-105,共18页
车间工人在作业期间若未按规定穿戴安全装备,不仅可能对其健康造成影响,还可能导致伤亡等安全事故。基于此,计算机视觉的穿戴检测技术是目前研究的热点领域。然而,由于生产车间内设备繁多,环境复杂且恶劣,生产过程中产生的大量粉尘会使... 车间工人在作业期间若未按规定穿戴安全装备,不仅可能对其健康造成影响,还可能导致伤亡等安全事故。基于此,计算机视觉的穿戴检测技术是目前研究的热点领域。然而,由于生产车间内设备繁多,环境复杂且恶劣,生产过程中产生的大量粉尘会使穿戴目标变得模糊或部分被遮挡。此外,穿戴目标的尺寸分布范围宽,属于复杂环境下跨尺度多目标检测范畴。现有的算法在检测精度方面存在不足,特别是对口罩等小目标的误检和漏检率较高。为此,提出了一种基于YOLO模型的改进目标检测算法:PCSED-YOLO。在C3k2中融合了并行补丁感知模块,以增强小目标特征提取及多尺度目标检测能力;将交叉卷积注意力融合模块嵌入C2PSA,实现局部特征感知与全局上下文信息的互补,从而提升粉尘场景中的目标识别能力;引入空间到深度卷积替代原有的卷积层,通过重组空间维度信息至通道维度,实现无损下采样,提升小目标和低分辨率目标的检测性能;融合SEv2(squeeze-and-excitation network v2),创新改进空间金字塔池化层,增强模型对复杂场景的全局上下文把控能力,提升多类别、跨尺度目标的特征提取能力;在检测头引入动态卷积Dynamic-Conv,通过动态调整卷积核的大小和形状,提升跨尺度目标检测的精度;增加更高分辨率的P2检测层,提高小目标检测精度。制备了工人穿戴数据集,并进行了消融和对比实验。实验结果显示,PCSED-YOLO算法模型在处理小目标、中目标和大目标时均表现出色,与基准模型相比,mAP@_(0.5)达到了0.946,提升了0.077;AP@_(0.5mask)(小目标)达到了0.887,提升了0.236;AP@_(0.5no-helme)t(中目标)提升了0.037至0.958;AP@_(0.5vest)(大目标)提升了0.006至0.991;F1-Score和P-R曲线指标较基准模型也有明显改善。与几种先进的检测模型相比,PCSED-YOLO模型在制备的数据集上取得了最佳的检测性能,表明该模型具有较强的复杂环境跨尺度多目标检测能力和泛化能力,为复杂环境下跨尺度多目标穿戴检测提供了新的算法方案。 展开更多
关键词 安全穿戴检测 小目标检测 多尺度目标检测 深度学习 YOLO
在线阅读 下载PDF
基于YOLOv8的轻量级田间棉花品级检测
7
作者 刘杰 黄晓辉 郭敬博 《计算机工程》 北大核心 2026年第1期400-413,共14页
针对复杂田间棉花的多尺度变化导致现存目标检测算法误报率及漏报率较高、现存检测算法计算量较大难以部署到边缘设备中的问题,通过优化特征提取与特征融合,并结合模型剪枝与知识蒸馏技术,提出一种轻量级田间棉花品级检测算法YOLOv8-Cot... 针对复杂田间棉花的多尺度变化导致现存目标检测算法误报率及漏报率较高、现存检测算法计算量较大难以部署到边缘设备中的问题,通过优化特征提取与特征融合,并结合模型剪枝与知识蒸馏技术,提出一种轻量级田间棉花品级检测算法YOLOv8-Cotton。首先,在特征提取网络中设计多尺度卷积(MSConv),其包含不同尺度的卷积核,能够增强网络的特征提取能力;其次,在颈部网络中构建高效的局部特征选择(ELS)机制,在空间维度上捕获水平和垂直方向的特征,抑制不相关区域对预测结果的影响,并利用ELS机制构建新型的分级特征路径融合网络(HL-PAN),利用其上采样特征融合(U-SFF)及下采样特征融合(D-SFF)所产生的互补信息指导特征融合,增强模型对棉花多尺度变化的检测能力;接着,通过分层自适应幅度剪枝(LAMP)模型剪枝算法压缩模型,达到轻量化效果;最后,利用CWD损失函数进行特征蒸馏,以增强轻量化模型的检测性能。实验结果表明,YOLOv8-Cotton在自建数据集上的mAP@0.5、mAP@0.5∶0.95值分别达到75.4%、53.1%,比基线算法分别提高5.1、2.1百分点的同时,模型大小下降4.83 MB,计算量减少5.8×10^(9),并在公开数据集上验证了模型的泛化性。 展开更多
关键词 目标检测 多尺度卷积 特征融合 模型剪枝 知识蒸馏
在线阅读 下载PDF
DUIE-YOLO:一种基于图像增强的水下鱿鱼目标检测算法
8
作者 曹莉凌 胡浩宇 曹守启 《上海海洋大学学报》 北大核心 2026年第1期254-269,共16页
为了解决水下图像因模糊和色偏导致的目标检测精度下降问题,提升复杂水下环境中鱿鱼检测的准确性和鲁棒性,本研究提出一种基于图像增强的水下鱿鱼检测算法DUIE-YOLO,采用“先增强后检测”的级联框架,由DUIE-Net增强模块和YOLOv8-HD检测... 为了解决水下图像因模糊和色偏导致的目标检测精度下降问题,提升复杂水下环境中鱿鱼检测的准确性和鲁棒性,本研究提出一种基于图像增强的水下鱿鱼检测算法DUIE-YOLO,采用“先增强后检测”的级联框架,由DUIE-Net增强模块和YOLOv8-HD检测模块组成。DUIE-Net模块通过颜色校正、多尺度特征融合、特征恢复与增强及去雾优化,显著提升图像质量;YOLOv8-HD检测模块结合FasterNet网络、小目标检测头、CoordAttention注意力机制及ShapeIoU损失函数,优化特征提取能力与小目标检测精度。实验结果表明,DUIE-YOLO相比原始YOLOv8n在Precision、Recall、F1-score和mAP等4个关键指标上分别提升4.2%、6.8%、5.7%和5.5%。联合实验结果显示,DUIE-Net与YOLOv8-HD的组合相比基线(Raw+YOLOv8n),mAP提升40.3%,Precision提升10.5%,Recall提升53%,F1-score提升31%,证明该算法具有显著的级联优化效果。研究表明,DUIE-YOLO通过图像增强与检测模块的协同优化,有效解决了水下图像质量差导致的检测性能下降问题。本研究为复杂水下环境中的目标识别提供了高精度的解决方案,对海洋生物监测与资源开发具有重要应用价值。 展开更多
关键词 水下鱿鱼检测 目标检测 图像增强 多尺度特征融合 YOLOv8
原文传递
基于亚像素卷积的多尺度加权融合船舶检测方法
9
作者 李娜 刘娜 +1 位作者 张翼龙 冯伟昊 《计算机工程与应用》 北大核心 2026年第3期287-296,共10页
船舶检测作为海洋监控及安全管理的关键技术,广泛应用于航道监控、海上救援、非法捕捞等。针对船舶检测中存在的尺寸差异大、背景干扰和遮挡问题,提出基于亚像素卷积的多尺度加权融合船舶检测方法。针对船舶图像中的尺度差异,提出多尺... 船舶检测作为海洋监控及安全管理的关键技术,广泛应用于航道监控、海上救援、非法捕捞等。针对船舶检测中存在的尺寸差异大、背景干扰和遮挡问题,提出基于亚像素卷积的多尺度加权融合船舶检测方法。针对船舶图像中的尺度差异,提出多尺度特征加权融合机制,利用亚像素3D融合模块和三重特征编码模块,有效融合不同尺度特征,同时结合多尺度卷积注意力加权机制,使模型在不同空间范围内关注输入特征,从而提升检测精度。为了增强特征提取灵活性并保持网络性能,引入可变核卷积,根据输入动态选择采样点位置,提高特征表达能力。针对锚框在回归过程中膨胀导致模型收敛慢的问题,引入Powerful-IoU损失,利用自适应惩罚因子和梯度调节函数引导锚框回归,同时引入聚焦机制提高中等锚框的聚焦能力。在公共船舶数据集SeaShips上进行了实验,实验结果表明,提出的方法在多尺度船舶检测任务中表现优越,相比基准模型,精确率提升2.8个百分点,召回率提升4.8个百分点,mAP@0.5提升1.5个百分点,mAP@0.5:0.95提升6.6个百分点,且模型能够快速收敛并保持较好的稳定性,有效应对了复杂背景和船舶遮挡问题。 展开更多
关键词 目标检测 船舶检测 多尺度特征融合 注意力机制
在线阅读 下载PDF
部分强化效应驱动的大规模多目标优化问题求解算法
10
作者 顾清华 王晗睿 +1 位作者 王倩 骆家乐 《计算机工程与应用》 北大核心 2026年第1期172-191,共20页
针对大规模多目标优化问题中决策空间维度高、收敛难及计算资源分配低效等挑战,提出部分强化效应驱动的大规模多目标优化问题求解算法DVA-PRO。该算法通过决策变量二元化重构原目标问题以降维,利用部分强化效应理论设计评估与正强化机制... 针对大规模多目标优化问题中决策空间维度高、收敛难及计算资源分配低效等挑战,提出部分强化效应驱动的大规模多目标优化问题求解算法DVA-PRO。该算法通过决策变量二元化重构原目标问题以降维,利用部分强化效应理论设计评估与正强化机制,动态分配计算资源——优化初期高倍率强化促进收敛,后期扩大强化范围维护多样性。DVA-PRO与6种对比算法在100例大规模多目标优化基准测试问题上进行对比实验,并在4类实际工程应用问题上进行仿真。实验结果表明,DVA-PRO在79例基准测试问题和所有实际工程应用问题上性能指标排名第一。在相同计算资源限制下,DVA-PRO能有效搜索并收敛至帕累托前沿,综合性能优于其他算法,并在不同类型的大规模多目标优化问题上兼具高效性与通用性。 展开更多
关键词 进化算法 大规模优化 多目标优化 部分强化效应 问题重构
在线阅读 下载PDF
改进RT-DETR的输电线路异物检测算法研究
11
作者 王震洲 孙冬冬 +1 位作者 王建超 苏鹤 《计算机工程与应用》 北大核心 2026年第2期116-125,共10页
针对无人机智能巡检场景中航拍图像检测精度有限、模型计算复杂和特征提取困难等问题,提出一种改进RT-DETR的算法。在骨干网络中构建轻量级特征提取模块(DynRepFusion block,DRF block),提升检测精度的同时显著降低了模型复杂度和计算成... 针对无人机智能巡检场景中航拍图像检测精度有限、模型计算复杂和特征提取困难等问题,提出一种改进RT-DETR的算法。在骨干网络中构建轻量级特征提取模块(DynRepFusion block,DRF block),提升检测精度的同时显著降低了模型复杂度和计算成本;引入动态特征区域协同注意力模块(dynamic feature region collaborative attention,DFRCA),通过双路径直方图重组策略实现特征的协同提取,降低密集目标的误检率;改进多尺度特征增强融合网络(multi-scale feature fusion network,MSFFN),实现多尺度目标的同步优化;采用EIoU损失函数减少模型对图像尺寸变化的敏感性,有效地提升了检测精度。实验结果表明,改进后模型参数量下降了26.1%、GFLOPs减少了22.2%,同时mAP50和mAP50:95分别提升至94.5%和76.2%,较原模型分别提高了4.2与2.7个百分点;与主流算法中综合性能表现最好的YOLOV8相比,改进后模型在mAP50、F1值分别提升2.1和3.9个百分点。改进RT-DETR算法在巡检无人机作业时提升了检测精度,降低了误检率,节省了计算资源,为无人机目标检测提供了有效解决方案。 展开更多
关键词 无人机(UAV) 异物检测 RT-DETR 轻量化 多尺度特征融合
在线阅读 下载PDF
多相似度矩阵融合的多目标跟踪算法
12
作者 陈涛 肖杰 +1 位作者 张雨飞 周德龙 《小型微型计算机系统》 北大核心 2026年第2期428-434,共7页
多目标跟踪是计算机视觉领域的核心研究方向,面临目标模糊、尺寸小和频繁遮挡等难题.提出一种基于深度学习和尺度不变特征转换(SIFT)的多目标跟踪算法,旨在解决目标模糊、尺寸小、遮挡等情况下跟踪精度不稳定的问题.通过引入SIFT特征改... 多目标跟踪是计算机视觉领域的核心研究方向,面临目标模糊、尺寸小和频繁遮挡等难题.提出一种基于深度学习和尺度不变特征转换(SIFT)的多目标跟踪算法,旨在解决目标模糊、尺寸小、遮挡等情况下跟踪精度不稳定的问题.通过引入SIFT特征改进DeepSORT算法,将DeepSORT算法中的重识别网络提取的描述目标间外观相似度的相似度矩阵与SIFT提取的目标间相似度矩阵融合.同时还采用与外观无关的连接模型与高斯平滑插值法对目标轨迹进行优化,提高了算法在复杂场景下的跟踪精度.采用MOT16数据集进行实验验证,结果表明,该跟踪算法在目标密集、遮挡等复杂情况下表现良好,多目标跟踪算法跟踪精度达到54.26%,IDF1分数达到61.24%,身份编号转换次数仅为406,相比DeepSORT算法具有较好的鲁棒性和精度. 展开更多
关键词 多目标跟踪 尺度不变特征转换 DeepSORT算法 特征融合 轨迹优化
在线阅读 下载PDF
改进YOLOv8n的无人机航拍目标检测算法 被引量:1
13
作者 曲文龙 陈勇 《现代电子技术》 北大核心 2026年第1期77-85,共9页
针对密集目标检测任务中由于多尺度和遮挡现象导致漏检的问题,文中提出一种改进YOLOv8n的方法(DERFYOLO)。对于主干网络,首先使用C2f-RFCBAMConv模块替换卷积和C2f模块,利用感受野注意力机制优化的空间特征并结合通道注意力机制以提高... 针对密集目标检测任务中由于多尺度和遮挡现象导致漏检的问题,文中提出一种改进YOLOv8n的方法(DERFYOLO)。对于主干网络,首先使用C2f-RFCBAMConv模块替换卷积和C2f模块,利用感受野注意力机制优化的空间特征并结合通道注意力机制以提高改进算法特征提取的能力;其次设计EMBSFPN模块对颈部进行优化,实现小目标信息的跨尺度连接和特征融合,通过更换上采样模块使得算法能够在保证一定效果的同时保持高效性;最后使用DyHead代替原检测头进而引入注意力机制以提升小目标检测的精度。在VisDrone2019数据集上的实验结果表明,DERF-YOLO的mAP@0.5、mAP@0.5:0.95分别达到了30.9%和17.7%,相比于YOLOv8n算法分别提高了4.0%和2.7%,参数量和浮点运算量分别为2.94×10~6和9.6 GFLOPs,参数量相比于原始算法降低了2%,运算量仅仅增加了18%。该算法的精度高于其他同类算法,且满足监测需求,可以有效地应用于无人机航拍平台上的目标检测任务。 展开更多
关键词 YOLOv8n 密集目标检测 C2f-RFCBAMConv 跨尺度连接 特征融合 注意力机制
在线阅读 下载PDF
基于多尺度特征融合和注意力机制的小目标检测
14
作者 方岩 袁国宏 +1 位作者 孙正宝 岳昆 《云南大学学报(自然科学版)》 北大核心 2026年第1期36-44,共9页
针对目标检测中存在的小目标特征信息提取不足、背景噪声干扰和定位困难导致漏检的问题,提出基于多尺度特征融合和注意力机制的小目标检测模型YOLOv7-BAMFF.首先,将包含丰富语义信息的Conv2层加入特征融合过程,提取更细粒度的低层特征,... 针对目标检测中存在的小目标特征信息提取不足、背景噪声干扰和定位困难导致漏检的问题,提出基于多尺度特征融合和注意力机制的小目标检测模型YOLOv7-BAMFF.首先,将包含丰富语义信息的Conv2层加入特征融合过程,提取更细粒度的低层特征,并在多尺度特征融合过程中进行跨尺度的跳跃连接和上下文信息自适应加权融合;然后,在特征重提取和优化过程中引入改进的协同注意力机制,抑制复杂背景噪声干扰、增强对小目标的关注;最后,通过优化模型的定位损失函数以提高对小目标的定位精度、并增加小目标检测头,从而提升小目标检测能力.在PASCAL VOC和VisDrone2019数据集上的实验结果表明,提出方法的平均检测精度分别从基线方法YOLOv7的82.1%和43.8%提升至85.4%和50.4%,且优于现有主流检测方法. 展开更多
关键词 小目标检测 多尺度特征融合 协同注意力机制 上下文信息 卷积神经网络
在线阅读 下载PDF
基于WPM-YOLO11的玉米叶片病害检测方法
15
作者 唐义声 姜新华 +4 位作者 于晓芳 高聚林 胡健 张子汉 翟成珺 《江苏农业学报》 北大核心 2026年第2期264-272,共9页
玉米作为全球重要的粮食作物,其产量与质量易受多种叶片病害影响。针对玉米病害病斑边缘模糊、小目标检测困难等问题,本研究提出基于YOLOv11m改进的WPM-YOLO11模型。该模型引入风车状方向卷积(Windmill convolution)模块以增强边缘与方... 玉米作为全球重要的粮食作物,其产量与质量易受多种叶片病害影响。针对玉米病害病斑边缘模糊、小目标检测困难等问题,本研究提出基于YOLOv11m改进的WPM-YOLO11模型。该模型引入风车状方向卷积(Windmill convolution)模块以增强边缘与方向特征提取能力,设计多尺度增强并行注意力(MSEPA)模块提升多尺度信息融合效率。数据集构建涵盖感染褐斑病、普通锈病、南方锈病、花叶病、北方枯叶病、灰斑病、圆斑病的玉米叶片及健康玉米叶片,结果表明,WPM-YOLO11模型交并比阈值为0.50的平均精度均值(mAP_(50))和交并比阈值为0.50~0.90的平均精度均值(mAP_(50∶95))分别达到93.7%和78.5%,整体性能优于YOLOv11m及其他主流模型。本研究为玉米病害智能识别提供了技术方案,对智慧农业病害监测与精准防治具有重要意义。 展开更多
关键词 玉米叶片病害 目标检测 YOLOv11 多尺度特征融合 注意力机制
在线阅读 下载PDF
基于面向对象法与U-Net模型的广东省云浮市云城区耕地后备资源遥感提取
16
作者 于洋 李哲凡 +3 位作者 谢淑娟 刘振华 欧佳铭 司佳禾 《华南农业大学学报》 北大核心 2026年第1期42-51,共10页
【目的】提升耕地后备资源信息提取的效率与精度,满足现代农业发展对土地资源动态监测的需求。【方法】以广东省云浮市云城区为研究区域,提出一种融合面向对象规则构建与深度学习的耕地后备资源信息提取方法。利用高分6号高分辨率卫星... 【目的】提升耕地后备资源信息提取的效率与精度,满足现代农业发展对土地资源动态监测的需求。【方法】以广东省云浮市云城区为研究区域,提出一种融合面向对象规则构建与深度学习的耕地后备资源信息提取方法。利用高分6号高分辨率卫星影像开展多尺度图像分割,结合逐步剔除法构建地类识别规则,提取典型地类样本。随后,基于规则样本构建U-Net深度学习模型的训练标签数据集,完成耕地后备资源提取与分类。【结果】针对云城区的最佳分割尺度为300,在该尺度下,同类地物可以被有效分割,草地与裸地边界划分清晰。本研究方法在研究区的总体精确率达87.3%,平均交并比和F1分数分别达到75.4%和86.7%,能够实现复杂地物边界的精准提取。基于改进U-Net的深度学习方法能够有效减少误分类现象,特别是在边界模糊区域和混合像元区域,相较于传统面向对象方法,精确率提高了约5个百分点。【结论】本研究构建的遥感智能提取方法兼具高精度与时效性,能够为地方土地利用规划、耕地资源管理及生态保护提供有力支撑,具有良好的推广应用前景。 展开更多
关键词 遥感 耕地后备资源 面向对象 多尺度分割 规则集 深度学习
在线阅读 下载PDF
跨层级特征融合的水面多尺度目标检测算法
17
作者 孟喆 冯辉 徐海祥 《武汉理工大学学报(交通科学与工程版)》 2026年第1期111-116,共6页
在真实航行环境中,船舶目标尺度差异大,小目标众多,导致现有的目标检测算法精度较低.针对此问题,设计了一种跨层级特征融合的水面多尺度目标检测算法CLF-DETR(cross-level feature fusion-DETR).通过新增浅层特征编码,提高算法的小目标... 在真实航行环境中,船舶目标尺度差异大,小目标众多,导致现有的目标检测算法精度较低.针对此问题,设计了一种跨层级特征融合的水面多尺度目标检测算法CLF-DETR(cross-level feature fusion-DETR).通过新增浅层特征编码,提高算法的小目标检测能力;引入语义特征增强结构以构建目标与海天背景之间的联系,抑制无用的特征信息;基于四种不同尺度的特征图,设计了一种跨层级注意力特征融合结构,并采用可学习通道拼接方式,通过跨层级的特征交互来计算注意力矩阵,进而引导不同层级间特征融合;在真实海域数据集上进行模型的训练、验证和测试.结果表明:在保证检测实时性的同时,提出的CLF-DETR与现有优势算法相比,在水面多尺度目标检测精度上有显著提升. 展开更多
关键词 目标检测 多尺度目标 浅层特征编码 语义特征增强 跨层级注意力特征融合
在线阅读 下载PDF
融合可形变卷积与注意力检测头的交通多目标检测
18
作者 周泽睿 张友兵 +2 位作者 周奎 王鑫威 杨博超 《江苏理工学院学报》 2026年第1期115-128,共14页
目标检测作为环境感知的关键环节,在复杂交通场景中需应对多尺度目标识别和目标严重遮挡等挑战,这些问题往往会导致YOLO模型边界框定位精度下降,最终出现漏检和误检的情况。为应对上述挑战,设计并改进了基于YOLOv11架构的多目标检测方案... 目标检测作为环境感知的关键环节,在复杂交通场景中需应对多尺度目标识别和目标严重遮挡等挑战,这些问题往往会导致YOLO模型边界框定位精度下降,最终出现漏检和误检的情况。为应对上述挑战,设计并改进了基于YOLOv11架构的多目标检测方案:设计矩形自校准扩张多尺度融合模块(DMSFM),通过空洞卷积与多尺度融合策略实现三重特征提取与融合,提升模型对不同尺寸目标的特征感知能力;引入Shape NWD损失函数,突破传统IoU的局限,以形状加权和归一化Wasserstein距离的几何匹配准则,优化不同尺寸目标锚框的定位精度与敏感度;融合含并行补丁感知注意力机制的检测头,通过多分支与注意力策略,强化模型对多尺度目标特征的适应性及分类决策能力。在CODA自动驾驶道路目标检测数据集上的实验结果表明,所提方法相较于基准模型,平均召回率相对提升26.5%,mAP50和mAP50-95分别相对提升24.1%和16.9%;消融实验验证了三个核心组件的有效协同,进一步证实了本方案在复杂交通场景多尺度目标检测任务中的高鲁棒性。 展开更多
关键词 目标检测 多尺度融合 空洞卷积 Shape-NWD DMSFM
在线阅读 下载PDF
CPViG-Net:基于局部跨阶段视觉图卷积的学生课堂行为识别
19
作者 张浩鹏 施铮 +1 位作者 刘峰 宋婉茹 《计算机科学》 北大核心 2026年第2期57-66,共10页
随着教育范式从“人机协同”向“人智协同共育”演进,课堂教学的智能化评价也面临着新的要求和挑战,其中以学生行为为出发点的任务近些年来获得了广泛的关注。针对真实课堂环境中存在的学生行为多样、遮挡频繁及背景干扰严重等问题,提... 随着教育范式从“人机协同”向“人智协同共育”演进,课堂教学的智能化评价也面临着新的要求和挑战,其中以学生行为为出发点的任务近些年来获得了广泛的关注。针对真实课堂环境中存在的学生行为多样、遮挡频繁及背景干扰严重等问题,提出一种局部跨阶段视觉图卷积模型,旨在提升复杂课堂环境下的学生行为识别精度。该模型以经典目标检测算法为基准框架,通过融合视觉图卷积神经网络的动态特征建模能力,构建了局部最大相对图卷积模块(PMG)与局部跨阶段融合(CPF)模块。其中,PMG模块通过嵌入最大相对图卷积来捕捉节点间特征差异最大的邻域信息,进而针对性地解决局部区域遮挡引起的信息丢失问题,并结合了深度可分离卷积降低图卷积算法的计算开销;CPF模块利用全连接层重构特征结构,并通过C2f模块的跨阶段连接机制,实现多层级的特征融合,从而增强模型对小尺度目标的识别能力。此外,模型通过近邻K值优化,提出针对不同数据集的优化策略。在公开数据集SCB03-S上,CPViG-Net的mAP@50达到70.9%,较基准模型提升2个百分点;在多个公开数据集上的实验表明,该模型在处理真实课堂情境下学生行为识别面临的诸多问题中表现出较好的性能和较高的鲁棒性。 展开更多
关键词 学生行为 最大相对图卷积 多尺度目标识别 遮挡 深度可分离卷积
在线阅读 下载PDF
基于深度学习的铝合金压铸件表面缺陷检测方法 被引量:1
20
作者 梁维中 董芯蕊 +1 位作者 王国新 刘洪汇 《中国有色金属学报》 北大核心 2026年第1期239-252,共14页
基于深度学习的自构建多尺度空间语义融合网络模型,对铝合金表面自建缺陷数据集进行目标检测训练与验证,使模型的识别性能显著提升,能够满足铝合金表面缺陷检测系统对实时性和准确性的双重要求。结果表明:在两个自建实验数据集中,所提... 基于深度学习的自构建多尺度空间语义融合网络模型,对铝合金表面自建缺陷数据集进行目标检测训练与验证,使模型的识别性能显著提升,能够满足铝合金表面缺陷检测系统对实时性和准确性的双重要求。结果表明:在两个自建实验数据集中,所提方法的P_(mAP)@50指标分别提升了6.1%和6.4%,P_(mAP)@50:95指标分别提升了2.7%和3.5%,这表明该方法在铝合金表面缺陷检测精度上更具优势;相较于通用的YOLOv11n模型,新构建的模型参数量和计算量分别减少了0.5 MFLOPs和2.1 GFLOPs,表明其在铝合金表面缺陷检测效率方面有明显提升。新模型构建不仅在理论上为铝合金表面缺陷检测网络的优化提供了新思路,更在实践中为铝合金铸件表面缺陷检测提供了一种高效的解决方案。 展开更多
关键词 深度学习 目标检测 多尺度特征融合 铝合金压铸件 缺陷识别
在线阅读 下载PDF
上一页 1 2 75 下一页 到第
使用帮助 返回顶部