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454篇文章
< 1 2 … 23 >
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：
基于改进YOLOv8n-pose和BoTSORT的鱼苗应激行为监测
1
作者 冯国富 袁林婧 +1 位作者 王文娟 陈明 《渔业现代化》 北大核心 2025年第4期31-43,共13页
准确高效监测鱼苗应激行为不仅有助于在养殖过程中调控应激源以减少产量损失,同时也可为育种阶段的鱼苗活力评估提供有效手段。针对鱼苗体积小、养殖密度高和高速非线性运动的特点,提出一种改进YOLOv8n-pose和BoTSORT的鱼苗应激行为监... 准确高效监测鱼苗应激行为不仅有助于在养殖过程中调控应激源以减少产量损失,同时也可为育种阶段的鱼苗活力评估提供有效手段。针对鱼苗体积小、养殖密度高和高速非线性运动的特点,提出一种改进YOLOv8n-pose和BoTSORT的鱼苗应激行为监测方法。改进YOLOv8n-pose作为检测器,将BMS模块与C2f模块相结合,使模型充分学习不同尺度特征;使用SPPCSPC模块替换原模型的特征融合模块,优化鱼苗相互遮挡情形下的检测精度;最后用NEMASlideLoss替换原模型损失函数,增强模型的稳定性和对小目标的关注度。在跟踪器部分,基于检测器检测出的目标,结合BoTSORT多目标跟踪算法实现了更适合鱼苗应激时非线性运动监测的方法。最后,提取鱼苗的加速度、摆尾角度和聚集度3种特征进行加权融合,根据融合后的特征值判断鱼苗是否处于应激状态。结果显示,改进后的YOLOv8n-pose算法在目标检测和关键点检测的mAP比原模型分别提高了3.6%和4.5%;BoTSORT算法的MOTA为77.628%、MOTP为80.307%、IDF1为79.573%、IDSW为51,优于DeepSORT、ByteTrack、StrongSORT算法。该研究算法基于特征值的应激行为监测准确率为95.24%,为鱼类苗种培育中应激行为监测提供了新的思路和方法。 展开更多
关键词 鱼苗 YOLOv8n-pose BoTSORT 应激行为监测
在线阅读 下载PDF
基于改进YOLO v5-pose的群养生猪体尺自动测量方法
2
作者 刘刚 曾雪婷 +3 位作者 刘晓文 李涛 丁向东 米阳 《农业机械学报》 北大核心 2025年第5期455-465,共11页
针对群养生猪体尺自动测量中体尺测点难以高效和精确提取的问题,提出一种基于改进YOLO v5-pose的群养生猪体尺自动测量方法。在YOLO v5-pose主干网络中融合卷积块注意力模块(Convolutional block attention module,CBAM),更好地捕捉到... 针对群养生猪体尺自动测量中体尺测点难以高效和精确提取的问题,提出一种基于改进YOLO v5-pose的群养生猪体尺自动测量方法。在YOLO v5-pose主干网络中融合卷积块注意力模块(Convolutional block attention module,CBAM),更好地捕捉到测点相关特征;将Neck层的C3传统模块替换为C3Ghost轻量模块,降低模型参数量和内存占用量;在模型Head层引入DyHead(Dynamic head)目标检测头,提升模型对测点位置的表征能力。结果表明,改进模型的测点检测平均精度均值为92.6%,参数量为6.890×10^(6),内存占用量为14.1 MB,与原始YOLO v5-pose模型相比,平均精度均值增加2.1个百分点,参数量和内存占用量分别减少2.380×10^(5)、0.4 MB。与当前经典模型YOLO v7-pose、YOLO v8-pose、RTMPose(Real-time multi-person pose estimation based on mmpose)和CenterNet相比,该模型的召回率和平均精度均值更优且更轻量化。在2400幅群养生猪图像数据集上进行试验,结果表明,该方法测得体长、体宽、臀宽、体高和臀高的平均绝对误差分别为4.61、5.87、6.03、0.49、0.46 cm,平均相对误差分别为2.69%、11.53%、12.29%、0.90%和0.76%。综上所述,本文方法提高了体尺测点检测精度,降低了模型复杂度,取得了更精确的体尺测量结果,为群养环境下生猪体尺自动测量提供了一种有效的技术手段。 展开更多
关键词 群养生猪 体尺测量 改进YOLO v5-pose 关键点检测 坐标变换
在线阅读 下载PDF
改进YOLOv8-Pose的钢筋焊接节点识别 被引量：2
3
作者 成彬 张博豪 雷华 《计算机技术与发展》 2025年第2期174-182,共9页
为解决光照不足、复杂路面背景和节点密集情况下钢筋骨架自动焊接成型中节点漏检、焊点位置不精确等难识别问题,借鉴人体姿态估计算法,提出了一种改进YOLOv8n-Pose的钢筋节点识别和焊点检测方法。首先,使用VanillaBlock代替网络中的3... 为解决光照不足、复杂路面背景和节点密集情况下钢筋骨架自动焊接成型中节点漏检、焊点位置不精确等难识别问题,借鉴人体姿态估计算法,提出了一种改进YOLOv8n-Pose的钢筋节点识别和焊点检测方法。首先,使用VanillaBlock代替网络中的3×3下采样卷积,在不降低模型精度的同时减少了模型复杂度;然后,在Neck中的C2f模块中嵌入VanillaBlock,增强多尺度信息融合能力;最后,引入CoT注意力机制,提升在弱光下的节点检测能力。实验结果表明,改进后YOLOv8n-Pose算法mAP 0.5-kp为90.2%,mAP 0.5:0.95-kp为89.5%,相比于原模型均提高了3.7百分点,单张图像平均检测时间为20.9 ms。与HRNet-s、RTMpose-s、YOLOv5n-Pose和YOLOv7t-Pose检测网络相比,mAP 0.5-kp分别提升了3.2百分点、5.0百分点、16.0百分点、13.1百分点。改进YOLOv8n-Pose对背景复杂、光照不足和节点密集等情况具有较高的检测精度,能够满足自动化钢筋骨架焊接成型的实时检测需求。 展开更多
关键词 钢筋焊点检测 CoT注意力机制 VanillaNet YOLOv8-pose 关键点检测 目标检测
在线阅读 下载PDF
基于YOLOv8-pose的人体姿态检测模型 被引量：1
4
作者 方晓柯 黄俊 《激光杂志》 北大核心 2025年第3期50-57,共8页
针对多人人体姿态估计场景下关节点检测丢失以及小目标无法识别等问题,提出了一种改进的YOLOv8-Pose模型。该算法的核心改进在于使用可变性卷积DCNV2替换了C2F模块中的卷积,从而增强了网络的特征提取能力。同时,使用加权双向金字塔BiFP... 针对多人人体姿态估计场景下关节点检测丢失以及小目标无法识别等问题,提出了一种改进的YOLOv8-Pose模型。该算法的核心改进在于使用可变性卷积DCNV2替换了C2F模块中的卷积,从而增强了网络的特征提取能力。同时,使用加权双向金字塔BiFPN模块替换原模型中的特征融合模块,保留小目标信息的同时,融合更多的浅层信息,以提高识别准确度。最后,为了进一步加强对关键部位的捕获和分析能力,引入了SimAM注意力机制,对局部特征进行加权处理。实验结果表明,在CrowdPose数据集上,该算法的检测精度达到了74.5%,比原模型高出了3.3%。与原YOLOv8-pose模型相比,改进后的模型不仅具有更高的检测精度,而且在小目标的识别效果上也有显著的提升。由此可见,改进后的网络能更加精确、有效地应用于多人人体姿态检测。 展开更多
关键词 姿态识别 关节点检测 YOLOv8-pose DCNV2 SimAM
原文传递
基于改进YOLOv8n-Pose的羊只围产期行为识别方法
5
作者 孙思晗 孙小华 +2 位作者 王超 袁万哲 王福顺 《农业工程学报》 北大核心 2025年第12期258-268,共11页
在现代畜牧业中,自动化识别羊只围产期行为能及时发现潜在的健康问题和生产异常,从而有效保障羊只健康、降低出生羊羔死亡率、提升繁殖效益。针对羊只围产期部分行为特征的高度相似以及羊只生产环境中存在复杂光照条件和背景干扰等问题... 在现代畜牧业中,自动化识别羊只围产期行为能及时发现潜在的健康问题和生产异常,从而有效保障羊只健康、降低出生羊羔死亡率、提升繁殖效益。针对羊只围产期部分行为特征的高度相似以及羊只生产环境中存在复杂光照条件和背景干扰等问题,该研究提出了一种改进YOLOv8n-Pose关键点检测模型与BP神经网络相结合的羊只围产期行为识别方法。首先,为提升关键点检测的精度,新增P2检测层,显著增强模型对小尺度特征的捕获能力,为复杂行为的关键点定位提供更精细的支持。其次,针对复杂环境中的特征表达问题,引入多尺度注意力模块(multi-scale attention block,MAB),以动态权重机制强化模型对全局与局部特征的交互建模能力,提升在复杂光照环境下的稳健性和泛化性能。此外,考虑到模型参数量较大导致部署困难,采用基于L1范数的剪枝策略,对优化后的模型进行参数压缩与冗余移除,既有效降低了计算复杂度,又保证了高效性与模型性能的平衡。最后,基于改进模型精准提取12个关键点坐标信息后,结合5个关节角度、2对关键点相对位置以及关键点识别个数,构建包含32个行为特征向量的多维数据集,并将其作为输入传递至BP神经网络进行羊只围产期行为分类。试验结果表明,在自建羊只围产期数据集上,改进的YOLOv8n-Pose模型检测羊只关键点较原模型平均精度值mAP50提升4.6个百分点,m AP50:95提升6.7个百分点。BP神经网络对羊只围产期行为进行分类,其F1分数达到95.7%。研究结果验证基于关键点的识别方法在复杂的围产期行为识别中具有明显优势,为畜牧业智能化管理提供有效的技术支持。 展开更多
关键词 行为识别 YOLOv8n-pose 关键点检测 围产期 BP神经网络
在线阅读 下载PDF
基于改进YOLOv8n-Pose的疲劳驾驶检测 被引量：1
6
作者 蔡忠祺 林珊玲 +3 位作者 林坚普 吕珊红 林志贤 郭太良 《液晶与显示》 北大核心 2025年第4期617-629,共13页
针对目前驾驶员疲劳检测算法存在检测过程复杂、参数多、精度低、运行速度慢等问题,提出了一种基于改进YOLOv8n-Pose的轻量级模型。该模型优化了YOLOv8n-Pose的结构。首先,在模型主干网络中,引入Ghost卷积减少模型参数量和不必要的卷积... 针对目前驾驶员疲劳检测算法存在检测过程复杂、参数多、精度低、运行速度慢等问题,提出了一种基于改进YOLOv8n-Pose的轻量级模型。该模型优化了YOLOv8n-Pose的结构。首先,在模型主干网络中,引入Ghost卷积减少模型参数量和不必要的卷积计算。其次,引入Slim-neck融合主干网络提取的不同尺寸特征,加速网络预测计算。同时在颈部网络添加遮挡感知注意力模块(SEAM),强调图像中的人脸区域并弱化背景,改善关键点定位效果。最后,在检测头部分提出一种GNSC-Head结构,引入共享卷积,并将传统卷积的BN层优化成更稳定的GN层,有效节省模型的参数空间和计算资源。实验结果显示,改进后的YOLOv8n-Pose相较于原始算法,mAP@0.5提高了0.9%,参数量和计算量各减少了50%,同时FPS提高了8%,最终的疲劳驾驶识别率达到93.5%。经验证,本文算法在轻量化的同时能够保持较高的检测精度,并且能够有效识别驾驶员状态,为车辆边缘设备的部署提供有力支撑。 展开更多
关键词 疲劳驾驶检测 深度学习 YOLOv8n-pose 轻量化 注意力机制
在线阅读 下载PDF
基于YOLOv8-Pose的人体上肢位姿检测模型
7
作者 胡晓 周宇 张尧尧 《现代信息科技》 2025年第14期49-54,共6页
结合柔性上肢康复机器人辅助患者进行上肢康复时的位姿检测需求,文章基于YOLOv8-Pose改进了上肢位姿检测模型。引入FasterNext模块,丰富了所提取的特征信息,提升了检测精度;引入LADH检测头,在保持计算效率的同时,减少了参数量;引入PIoU... 结合柔性上肢康复机器人辅助患者进行上肢康复时的位姿检测需求,文章基于YOLOv8-Pose改进了上肢位姿检测模型。引入FasterNext模块,丰富了所提取的特征信息,提升了检测精度;引入LADH检测头,在保持计算效率的同时,减少了参数量;引入PIoU损失函数,加速了边框检测收敛,减少了漏检率,提高了检测精确度。验证结果表明改进的人体上肢位姿检测模型能够提高位姿检测的精度与速度,可以满足柔性上肢康复机器人的应用控制需求;相较于原型YOLOv8-Pose,改进模型的P值、R值、mAP@0.5、mAP@0.5:0.95依次为84.1%、85.1%、83.2%和43.3%,分别增加了1.2%、2.1%、6.3%和3.8%;GFLOPs下降至8.1,减少了6.9%;参数量下降至2.80,减少了12.6%。研究成果可为人体位姿检测提供一定的参考。 展开更多
关键词 位姿检测 YOLOv8-pose FasterNext LADH PIoU
在线阅读 下载PDF
融合轻量化YOLOv8-Pose的烟草茎叶角检测算法
8
作者 高坤 李军营 +2 位作者 梁虹 马二登 张宏 《电子测量技术》 北大核心 2025年第13期84-95,共12页
茎叶角检测是烟草表型检测的重要部分,在烟草农业的增产增效和疾病预防方面有重要的意义。针对不同环境下的人工茎叶角检测效率低、周期长、检测不方便等问题,设计并构建了轻量化的烟草茎叶角检测模型FAL-YOLO。该算法构建FAI主干网络... 茎叶角检测是烟草表型检测的重要部分,在烟草农业的增产增效和疾病预防方面有重要的意义。针对不同环境下的人工茎叶角检测效率低、周期长、检测不方便等问题,设计并构建了轻量化的烟草茎叶角检测模型FAL-YOLO。该算法构建FAI主干网络结构来充分减少计算量和特征冗余,增加语义信息的利用效率。构建了融合空间注意力和通道注意力SA注意力模块的SAC检测头模块,进一步减少参数量和增强对茎叶角特征的感知能力。引入GSConv轻量化卷积降低模型复杂度和模型参数量。引入MPD-IoU损失函数来提升改进模型整体性能。采用自建的烟草茎叶角检测数据集,开展FAL-YOLO模型的对比和消融实验。实验结果表明,FAL-YOLO模型在自制数据集上的mAP达到了99.2%,相比YOLOV8-POSE模型在GFLOPs,Params分别降低了56.7%和52%,改进后的模型能够更快更精准的识别烟草植株茎叶角,为烟草农业选种育种智慧化提供支持。 展开更多
关键词 烟草茎叶角检测 主干网络 轻量化 金字塔池化 YOLOv8-pose
原文传递
改进注意力机制的YOLOv11-Pose的猪肉胴体肋排关键点识别研究
9
作者 杨雨璇 卫兵 +2 位作者 曹晓擎 赵宏剑 张皓 《制造业自动化》 2025年第5期69-76,共8页
为实现猪胴体中段肋排的精准自动化分割,提出了一种基于改进YOLOv11-Pose算法的肋排轮廓关键点识别方法。针对现有算法在识别速度、学习效率和检测精度等方面的不足,创新性地将CBAM注意力机制中的CAM注意力子模块替换为Biformer中的Bi-l... 为实现猪胴体中段肋排的精准自动化分割,提出了一种基于改进YOLOv11-Pose算法的肋排轮廓关键点识别方法。针对现有算法在识别速度、学习效率和检测精度等方面的不足,创新性地将CBAM注意力机制中的CAM注意力子模块替换为Biformer中的Bi-levelrouting机制,以提升模型的运行效率和识别精度。实验结果表明,改进后的模型在多个性能指标上均取得显著提升。在关键点检测任务中,mAP(0.5)达到0.995,较原版模型提升2.37%;在mAP(0.5-0.95)指标上提升0.97%。目标框预测精确率达到0.983,相较于原版提高2.82%。召回率提升至96.5%,相较于原模型提高7.8%。同时,改进模型在保持模型大小不变的情况下,训练时间缩短8.46%,进一步提升了模型的计算效率。可视化结果表明,改进后的模型能够精准识别猪胴体中段肋排的轮廓,并精确预测五个关键点,为后续自动化分割任务提供了可靠的技术支持。研究结果表明,该方法能够在保证高精度的同时提高计算效率,为智能化猪肉分割技术的发展提供了新的解决方案。 展开更多
关键词 猪胴体 关键点检测 Yolov11-pose CBAM
在线阅读 下载PDF
基于改进YOLOv7-Pose的人体姿态估计算法
10
作者 侯相军 陈亚军 《成都信息工程大学学报》 2025年第4期441-445,共5页
针对目前人体姿态估计模型对关键点识别精度有待提升、计算量较大等问题,提出一种基于YOLOv7-Pose的改进算法———AD-YOLOPose。使用DSConv卷积替换原3×3卷积,保证模型精度的同时忽略次要信息,降低模型的计算量;引入CBAM注意力机... 针对目前人体姿态估计模型对关键点识别精度有待提升、计算量较大等问题,提出一种基于YOLOv7-Pose的改进算法———AD-YOLOPose。使用DSConv卷积替换原3×3卷积,保证模型精度的同时忽略次要信息,降低模型的计算量;引入CBAM注意力机制,提高模型的特征描述能力,减少复杂环境信息的干扰;将原SPPCSPC层替换为AIFI模块,在不影响模型性能的同时降低模型参数量和运算成本。COCO2017骨骼数据集上的实验结果表明,改进模型的F1值提高了2%,mAp@0.5提高了1.9%,mAp@0.5:0.95提高了3.9%,GFLOPs降低了约47.8%。 展开更多
关键词 关键点检测 YOLOv7-pose DSConv CBAM AIFI
在线阅读 下载PDF
复杂场景下基于改进的YOLOv5-pose的异常行为检测研究
11
作者 崔悦 杨旺 +1 位作者 王明旗 李振鑫 《现代信息科技》 2025年第7期71-75,82,共6页
文章提出了一种复杂场景下基于改进的YOLOv5-pose的异常行为检测算法,使用FPT代替了FPN+PAN模块,使特征图能够在跨尺度与跨空间实现全局部交互,提高关节点检测的准确度。在Neck模块中使用跳跃连接结构将输入特征和经过网络输出的多尺度... 文章提出了一种复杂场景下基于改进的YOLOv5-pose的异常行为检测算法,使用FPT代替了FPN+PAN模块,使特征图能够在跨尺度与跨空间实现全局部交互,提高关节点检测的准确度。在Neck模块中使用跳跃连接结构将输入特征和经过网络输出的多尺度特征的信息进行有效融合,提高对细节信息的捕获能力,增强对遮挡过的关节点检测的准确性。实验结果表明,改进后的算法在CrowdPose数据集上平均准确率达到了99.5%,比原模型高出了2.4%。改进后的模型不仅具有更高的检测精度,而且在小目标的识别效果上也有显著的提升。 展开更多
关键词 YOLOv5-pose 行为识别 关节点检测 FPT 跳跃连接
在线阅读 下载PDF
基于改进YOLOv8n-Pose的轨道作业人员跨轨安全动作识别 被引量：5
12
作者 叶彦斐 胡龙癸 张成龙 《国外电子测量技术》 2024年第8期181-188,共8页
针对轨道作业人员跨轨安全动作监督方法存在效率低、漏检率高等问题,引入改进的人体姿态估计算法YOLOv8n-Pose对跨轨安全动作进行识别和监督。对YOLOv8n-Pose算法改进方法为在网络中添加注意力机制并轻量化网络结构,并改进网络的bbox损... 针对轨道作业人员跨轨安全动作监督方法存在效率低、漏检率高等问题,引入改进的人体姿态估计算法YOLOv8n-Pose对跨轨安全动作进行识别和监督。对YOLOv8n-Pose算法改进方法为在网络中添加注意力机制并轻量化网络结构,并改进网络的bbox损失函数和关键点损失函数,以提高网络的识别精度和速度。使用高斯滤波和ColorJitter算法对自制数据集增强。在训练前使用遗传算法对训练超参数进行自适应调整,在训练时使用迁移学习和知识蒸馏方法,提高网络训练速度、识别精度和泛化能力。将训练好的模型对轨道现场作业人员图像进行检测,可成功识别出作业人员姿态并根据关键点位置信息识别安全动作,人体关键点识别精确度为94.3%,推理速度为238.1 fps,验证模型改进研究取得了有益效果,提高了模型识别精度、识别速度和鲁棒性。 展开更多
关键词 人体姿态估计 深度学习 YOLOv8n-pose 目标检测
原文传递
基于改进YOLOv8-pose的分心驾驶检测与识别 被引量：4
13
作者 朱周华 侯智杰 +1 位作者 田成源 周怡纳 《电子测量技术》 北大核心 2024年第15期135-143,共9页
针对现有的分心驾驶检测算法存在检测率低、检测速率慢等问题,本文构建了一种基于改进YOLOv8-pose的分心驾驶检测识别模型YOLOv8-EFM。首先,通过使用EfficientViT更换YOLOv8-pose的主干网络,结合CNN和VIT之间的互补性,提升了检测的准确... 针对现有的分心驾驶检测算法存在检测率低、检测速率慢等问题,本文构建了一种基于改进YOLOv8-pose的分心驾驶检测识别模型YOLOv8-EFM。首先,通过使用EfficientViT更换YOLOv8-pose的主干网络,结合CNN和VIT之间的互补性,提升了检测的准确率;其次,使用FasterBlock模块替换C2f中的Bottleneck模块,增加了检测速率并减小模型参数;最后在SPPF后加入了轻量级的MLCA注意力模块,在模型大小和准确性之间取得了良好的平衡。实验结果表明,本文所构建的YOLOv8-EFM模型,mAP50可以达到98.9%,模型大小只有9.7 M,该方法不仅可以识别出具体分心行为,还可以检测上半身的人体骨架,可以有效应用在驾驶员分心驾驶的检测场景中。 展开更多
关键词 分心检测 人体姿态估计 YOLOv8-pose EfficientViT FasterNet MLCA
原文传递
基于改进YOLOv8-Pose的码垛快速识别与抓取点检测 被引量：3
14
作者 郭忠峰 王健鹏 +1 位作者 杨钧麟 杨春源 《组合机床与自动化加工技术》 北大核心 2024年第11期125-129,共5页
针对码垛场景中在仓库内对米袋和面袋的识别与抓取点检测的任务,提出了一种基于改进的YOLOv8-Pose的轻量化快速检测算法模型。其基于YOLOv8-Pose,使用若干个ShuffleNetv2模块取代原Darknet主干网络,降低模型大小;添加SimAM注意力机制,... 针对码垛场景中在仓库内对米袋和面袋的识别与抓取点检测的任务,提出了一种基于改进的YOLOv8-Pose的轻量化快速检测算法模型。其基于YOLOv8-Pose,使用若干个ShuffleNetv2模块取代原Darknet主干网络,降低模型大小;添加SimAM注意力机制,提升目标特征提取能力。通过对比实验表明,该模型在不牺牲准确性的前提下可提升模型的识别速度。模型在自制数据集中的平均精度达到了93.7%,检测速度达到了62 fps,优于常见模型。证明该模型能够实现复杂场景下的抓取点识别,且该轻量化模型能够适用于嵌入式硬件,降低设备成本。 展开更多
关键词 抓取点检测 YOLOv8-pose ShuffleNetv2 轻量化网络结构
在线阅读 下载PDF
基于改进YOLOv5s-pose的多人人体姿态估计 被引量：1
15
作者 蒋锦华 庄丽萍 +2 位作者 陈锦 姚洪泽 蔡志明 《软件工程》 2024年第1期74-78,共5页
为了提高多人人体姿态检测的准确率,本研究采用YOLOv5s模型用于多人人体姿态检测并对模型进行改进。首先,引入坐标注意力(Coordinate Attention)模块改进骨干网络,将注意力资源分配给关键区域,降低复杂环境中的背景干扰,增强模型对多人... 为了提高多人人体姿态检测的准确率,本研究采用YOLOv5s模型用于多人人体姿态检测并对模型进行改进。首先,引入坐标注意力(Coordinate Attention)模块改进骨干网络,将注意力资源分配给关键区域,降低复杂环境中的背景干扰,增强模型对多人目标的精准定位能力。其次,使用双向特征金字塔网络改进YOLOv5s的特征融合网络,增强网络的信息表达能力。实验结果表明:在多人人体姿态MS COCO2017验证集上,经改进的YOLOv5s算法的检测平均精度高达61.9%,相比原始YOLOv5s网络,平均精度提升了1.5%。由此可见,改进后的网络能更加精准、有效地检测多人人体姿态。 展开更多
关键词 多人人体姿态检测 YOLOv5s 双向特征金字塔网络 检测精度
在线阅读 下载PDF
融合注意力机制的OpenPose人体跌倒检测算法 被引量：1
16
作者 孟彩霞 薛洪秋 +2 位作者 石磊 高宇飞 卫琳 《计算机辅助设计与图形学学报》 CSCD 北大核心 2024年第12期2040-2050,共11页
人员密集场所跌倒事件易引发公共安全问题,对人体跌倒进行实时监测和预警可降低安全风险.针对现有基于姿态估计跌倒检测方法模型规模大、时效性差等问题,提出一种融合注意力机制的OpenPose人体跌倒检测算法DSC-OpenPose.首先借鉴DenseNe... 人员密集场所跌倒事件易引发公共安全问题,对人体跌倒进行实时监测和预警可降低安全风险.针对现有基于姿态估计跌倒检测方法模型规模大、时效性差等问题,提出一种融合注意力机制的OpenPose人体跌倒检测算法DSC-OpenPose.首先借鉴DenseNet稠密连接思想,将每层与之前所有层在通道维度上直接连接,实现特征复用,减小模型参数规模;然后在不同阶段之间添加坐标注意力机制,获取特征图空间方向依赖和精确位置信息,提高姿态估计精度;最后提出一种基于人体外椭圆参数、头部高度、下肢高度共同识别跌倒行为的方法,实现人体目标的跌倒检测.实验结果表明,在COCO数据集上,所提算法在模型规模和精度之间取得了较好的平衡效果;在real fall(RF)数据集上,所提跌倒检测算法的准确率达到98.2%,精度达到96.6%,检测速度达到20.2帧/s,且模型规模较小,满足嵌入式设备实时推理需求. 展开更多
关键词 人体姿态估计 密集连接 注意力机制 跌倒检测
在线阅读 下载PDF
基于YOLO-Pose的钢筋间距检测 被引量：1
17
作者 林聪功 陈国栋 +4 位作者 林鸿强 张雨诗 牟宏霖 林进浔 黄明炜 《佳木斯大学学报（自然科学版）》 CAS 2024年第11期65-70,共6页
为了解决传统钢筋间距测量方法在施工现场复杂背景和噪声下精度不佳的问题,利用YOLO-Pose算法提出了一种新的检测方法。该方法通过深度学习技术识别钢筋交点关键点,相比传统方法具备更高的鲁棒性和适应性。经过对不同检测网络的比较,YOL... 为了解决传统钢筋间距测量方法在施工现场复杂背景和噪声下精度不佳的问题,利用YOLO-Pose算法提出了一种新的检测方法。该方法通过深度学习技术识别钢筋交点关键点,相比传统方法具备更高的鲁棒性和适应性。经过对不同检测网络的比较,YOLOv8-Pose模型在钢筋交点检测任务中表现出色,关键点检测平均准确率mAP-kp达到99.3%,FPS为77。实验结果显示,该方法通过像素标定和直径检测,能够精确计算钢筋间距,平均相对误差为2.6%,最大相对误差为8.9%,符合GB50204-2015混凝土结构工程施工质量验收规范标准。 展开更多
关键词 钢筋间距检测 YOLO-pose 深度学习 关键点识别 像素标定
在线阅读 下载PDF
基于改进YOLO v7-Pose的牛脸关键点检测与姿态识别方法 被引量：3
18
作者 黄小平 侯现坤 +4 位作者 郭阳阳 郑寰宇 豆子豪 刘梦艺 赵晋陵 《农业机械学报》 EI CAS CSCD 北大核心 2024年第11期84-92,102,共10页
奶牛脸部关键点检测在牛场智能化中发挥着重要的作用,它可以帮助实现牛脸识别、牛脸对齐、头部动作检测与行为识别等。针对目前奶牛养殖环境中存在牛脸遮挡、弱光照等问题,提出了一种改进的YOLO v7-Pose网络模型的算法,可用于牛脸关键... 奶牛脸部关键点检测在牛场智能化中发挥着重要的作用,它可以帮助实现牛脸识别、牛脸对齐、头部动作检测与行为识别等。针对目前奶牛养殖环境中存在牛脸遮挡、弱光照等问题,提出了一种改进的YOLO v7-Pose网络模型的算法,可用于牛脸关键点检测和头部姿态识别。首先通过网络相机在牛场获取奶牛脸部图像并构建数据集。其次,在YOLO v7-Pose网络模型中引入SPPFCSPCL结构,以提高奶牛脸部关键点的特征提取能力;将关键点检测的损失函数OKS替换为WingLoss损失函数,增加奶牛脸部关键点的检测精度;最后,使用L1范数对改进的模型剪枝,使改进后的网络模型参数量降低。试验结果表明:改进模型YOLO v7-SCLWL-Pose检测牛脸关键点较原模型AP提升5个百分点,AP0.5提升2.7个百分点,改进后模型内存占用量仅为106.7 MB,减少33.6%。将本文关键点检测用于姿态识别,试验结果对抬头和低头等动作的识别准确率达到95.5%和86.5%。本研究为牧场奶牛行为识别提供了支撑技术。 展开更多
关键词 牛脸检测 关键点检测 YOLO v7-pose 姿态识别
在线阅读 下载PDF
基于视觉优化的移动机器人位姿检测方法研究 被引量：2
19
作者 潘涛 王翔宇 +1 位作者 武权伟 卫文超 《机械设计与制造工程》 2025年第3期67-72,共6页
针对传统方法在移动机器人位姿检测过程中存在的目标丢失和数据漂移等问题,提出了一种基于ViT深度学习框架的视觉跟踪器,优化了利用ArUco码作为辅助特征标识的位姿检测方法,有效改善了检测效果。通过ROS系统分布式通信方法构建视觉处理... 针对传统方法在移动机器人位姿检测过程中存在的目标丢失和数据漂移等问题,提出了一种基于ViT深度学习框架的视觉跟踪器,优化了利用ArUco码作为辅助特征标识的位姿检测方法,有效改善了检测效果。通过ROS系统分布式通信方法构建视觉处理平台和移动机器人之间桥梁,测试了不同数据集下跟踪器的性能和跟踪器的加入对整个位姿检测方法的提升效果,实验结果验证了提出的基于视觉优化的移动机器人位姿检测方法的可行性,可以较好地支撑移动机器人展开实时任务。 展开更多
关键词 目标跟踪 自注意力机制 ROS 位姿检测
在线阅读 下载PDF
面向无序分拣场景的工件6D位姿检测方法
20
作者 曹学鹏 李鑫 +4 位作者 冯艳丽 石瑞 葛天烨 张新荣 赵睿英 《工程科学与技术》 北大核心 2025年第5期298-308,共11页
目标6D位姿检测是实现机器人自主抓取的关键。为克服传统点对识别(PPF)方法检测性能差、耗时及难以检测到多平面特征工件的6D位姿等不足,提出面向无序分拣场景的工件6D位姿检测方法。首先,基于模型平面点分布筛选多平面特征工件,提取其... 目标6D位姿检测是实现机器人自主抓取的关键。为克服传统点对识别(PPF)方法检测性能差、耗时及难以检测到多平面特征工件的6D位姿等不足,提出面向无序分拣场景的工件6D位姿检测方法。首先,基于模型平面点分布筛选多平面特征工件,提取其边界特征进行6D位姿检测,并在多视点下提取模型点对以去除冗余点对,提高算法识别速度。其次,匹配场景与模型间的点对特征,利用快速投票方案获取无序场景中目标的位姿假设集合。接下来,通过位姿验证筛选方法,剔除重复和误匹配位姿,实现目标多实例位姿的粗略估计,并借助迭代最近点(ICP)算法完成目标位姿的精确估计。实验结果表明:在无序仿真场景中,单次识别时间小于等于1.15 s,平均平移偏差小于等于0.95 mm,平均旋转误差小于等于1.56°;在实际场景中,平均识别成功率为95.82%,平均单次识别时间为1.11 s。综上,该6D位姿检测方法在保证识别效率的同时兼顾了位姿估计精度,并在识别精度和速度上均优于同类算法,为机器人的精准抓取的实现提供了有力的保障。 展开更多
关键词 无序场景 6D位姿检测 点对特征 位姿估计精度 识别率
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 2 … 23 下一页 到第 页
使用帮助 返回顶部