期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
嵌入注意力机制的YOLOv3改进算法用于家禽部位的目标检测
1
作者
肖名志
孙阅婷
+1 位作者
冯振辉
钟学洋
《南昌工程学院学报》
2024年第6期51-59,共9页
家禽产业的发展依赖于精确高效的家禽部位目标检测技术,但当前该技术面临家禽生物多样性和生长变化性使目标特征提取困难、检测环境复杂导致检测工作难度增加等问题的挑战。针对家禽分拣中鸡的部位目标检测问题,本文提出一种名为AM-CIOU...
家禽产业的发展依赖于精确高效的家禽部位目标检测技术,但当前该技术面临家禽生物多样性和生长变化性使目标特征提取困难、检测环境复杂导致检测工作难度增加等问题的挑战。针对家禽分拣中鸡的部位目标检测问题,本文提出一种名为AM-CIOU-YOLOv3的改进算法。该算法采用轻量化的Darknet-53骨干网络,力求高效提取目标特征;同时,该算法还引入双重注意力机制,即SE(Squeeze-and-Excitation)模块和STN(Spatial Transformer Network)模块,依据输入数据特征和上下文信息分配权重,聚焦关键部位特征并过滤干扰信息。此外,还将IOU损失替换成CIOU(Complete IOU)损失,借助多维度信息融合精确评估预测框与真实框的匹配程度。通过仿真实验将AM-CIOU-YOLOv3算法与YOLOv3、Faster R-CNN、YOLO和SSD等算法进行对比,结果表明AM-CIOU-YOLOv3算法在准确率、召回率、F值以及识别时间等方面具有显著优势,该算法能够充分满足鸡部位识别的实时性和精准性要求,可为相关家禽部位的识别工作提供有效的技术支持。
展开更多
关键词
YOLOv3
目标检测
注意力机制
CIOU损失
在线阅读
下载PDF
职称材料
题名
嵌入注意力机制的YOLOv3改进算法用于家禽部位的目标检测
1
作者
肖名志
孙阅婷
冯振辉
钟学洋
机构
武昌首义学院信息科学与工程学院
北京工商大学数学与统计学院
华中科技大学人工智能与自动化学院
出处
《南昌工程学院学报》
2024年第6期51-59,共9页
基金
科技创新2030—“新一代人工智能”重大项目(2018AAA0101200)。
文摘
家禽产业的发展依赖于精确高效的家禽部位目标检测技术,但当前该技术面临家禽生物多样性和生长变化性使目标特征提取困难、检测环境复杂导致检测工作难度增加等问题的挑战。针对家禽分拣中鸡的部位目标检测问题,本文提出一种名为AM-CIOU-YOLOv3的改进算法。该算法采用轻量化的Darknet-53骨干网络,力求高效提取目标特征;同时,该算法还引入双重注意力机制,即SE(Squeeze-and-Excitation)模块和STN(Spatial Transformer Network)模块,依据输入数据特征和上下文信息分配权重,聚焦关键部位特征并过滤干扰信息。此外,还将IOU损失替换成CIOU(Complete IOU)损失,借助多维度信息融合精确评估预测框与真实框的匹配程度。通过仿真实验将AM-CIOU-YOLOv3算法与YOLOv3、Faster R-CNN、YOLO和SSD等算法进行对比,结果表明AM-CIOU-YOLOv3算法在准确率、召回率、F值以及识别时间等方面具有显著优势,该算法能够充分满足鸡部位识别的实时性和精准性要求,可为相关家禽部位的识别工作提供有效的技术支持。
关键词
YOLOv3
目标检测
注意力机制
CIOU损失
Keywords
YOLOv3
attention mechanism
object detection
CIOU loss
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
嵌入注意力机制的YOLOv3改进算法用于家禽部位的目标检测
肖名志
孙阅婷
冯振辉
钟学洋
《南昌工程学院学报》
2024
0
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
