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1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DYCS-YOLOv8n的井下无人驾驶电机车多目标检测
1
作者 许谨辉 王文善 +2 位作者 王爽 王文钺 赵婷婷 《工矿自动化》 北大核心 2025年第4期86-92,130,共8页
针对井下无人驾驶电机车因光线暗、噪声大及运动模糊等因素导致图像特征难提取、细节易丢失、小尺寸目标难识别等问题,提出了一种基于DYCS-YOLOv8n的井下无人驾驶电机车多目标检测模型。在YOLOv8n的基础上引入卷积注意力模块(CBAM),通... 针对井下无人驾驶电机车因光线暗、噪声大及运动模糊等因素导致图像特征难提取、细节易丢失、小尺寸目标难识别等问题,提出了一种基于DYCS-YOLOv8n的井下无人驾驶电机车多目标检测模型。在YOLOv8n的基础上引入卷积注意力模块(CBAM),通过空间和通道双重注意力机制,提高了对关键特征的提取能力;增加小目标检测层,由原来的3层增加到4层,从而更好地提取细小特征,提升了对小尺寸目标的检测性能;采用动态上采样算子DySample,根据输入特征自适应地调整采样策略,更好地保留图像中的边缘和局部细节,避免了图像关键信息损失。采用自建的井下无人驾驶电机车数据集进行实验,结果表明:(1) DYCS-YOLOv8n模型的平均精度均值(mAP@0.5)达97.5%,较YOLOv8n模型提高了3.4%,且检测速度达46.35帧/s,满足实时性检测需求。(2)与YOLO系列主流目标检测模型相比,DYCS-YOLOv8n模型的mAP@0.5最优,在保持轻量化的同时保证了较快的计算速度。(3)在噪声、低光照等复杂井下场景下,DYCS-YOLOv8n模型对行人、轨道、信号灯的平均检测置信度较高,未出现漏与误检情况。 展开更多
关键词 井下无人驾驶 电机车 多目标检测 YOLOv8n 卷积注意力机制 小目标检测 动态上采样
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部