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
3
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
面向复杂背景环境下垃圾检测的YOLOv8n轻量化改进
1
作者
孙世政
何玲玲
+2 位作者
郑帅
徐向阳
陈仁祥
《电子测量与仪器学报》
北大核心
2025年第2期136-146,共11页
垃圾检测与分类对推动绿色经济和实现低碳循环具有重要意义,面向复杂背景环境的垃圾检测模型存在参数量大、计算成本高等问题,限制了模型在资源受限设备上的应用。为解决上述问题,提出一种轻量化的GCAW-YOLOv8n模型,旨在平衡模型轻量化...
垃圾检测与分类对推动绿色经济和实现低碳循环具有重要意义,面向复杂背景环境的垃圾检测模型存在参数量大、计算成本高等问题,限制了模型在资源受限设备上的应用。为解决上述问题,提出一种轻量化的GCAW-YOLOv8n模型,旨在平衡模型轻量化与精度检测。首先,在YOLOv8n骨干网络中引入GhostNet网络中的C3Ghost和GhostConv模块,有效降低模型参数量;其次,添加上下文锚点注意力机制,增强特征提取能力,提升检测精度;然后,在特征融合阶段,构建渐近特征金字塔网络,提升多尺度目标检测能力;接着,采用WIoU v3边界损失函数优化网络边界框回归性能;最后,结合Taco数据集和人工采集数据集进行了模型验证实验。实验结果表明,相比原YOLOv8n模型,改进后的GCAW-YOLOv8n模型在模型参数量Params和计算量FLOPs分别降低了14.3%和33.3%,而精确度和召回率分别提高了4.4%和1.9%,同时mAP@0.5达到了81.3%,提升了0.7%。改进模型更好地平衡了模型轻量化和检测精度,对模型部署与应用至边缘端检测装备具有重要的工程意义。
展开更多
关键词
垃圾检测
轻量化YOLOv8n
GhostNet
上下文锚点注意力
机制
渐近特征金字塔
在线阅读
下载PDF
职称材料
改进YOLOv8的恶劣天气下船舶目标检测算法研究
2
作者
李纯杰
蔡易南
+1 位作者
胡杰
詹炜
《现代电子技术》
北大核心
2025年第12期77-82,共6页
针对现有内河航道中由于雨、雪、雾等恶劣天气导致的船只检测困难问题,提出一种基于YOLOv8的航道船舶目标检测方法,即YOLOv8-Ship。该算法设计一种特征聚焦扩散金字塔网络,融合YOLOv9中的ADown模块,使每个尺度的特征保留更多的上下文信...
针对现有内河航道中由于雨、雪、雾等恶劣天气导致的船只检测困难问题,提出一种基于YOLOv8的航道船舶目标检测方法,即YOLOv8-Ship。该算法设计一种特征聚焦扩散金字塔网络,融合YOLOv9中的ADown模块,使每个尺度的特征保留更多的上下文信息;同时引入聚核初始网络(PKINet)以及上下文锚点注意力模块(CAA)改进C2f,来增强中心区域的特征;最后采用深度可分离卷积取代骨干网络中的普通卷积,减少模型参数量和计算量。实验结果表明,在雨、雪、雾的天气条件下,与传统的YOLOv8n相比,改进算法的精确率提高了0.5%,召回率提升了3.4%,F1分数提升了2%,mAP@0.5提升了1.2%,平均精度均值达到97.5%,有效提高了内河航道恶劣天气下过往船只的识别精度,具备较强的鲁棒性。
展开更多
关键词
船舶检测
YOLOv8算法
恶劣天气
聚核初始网络
上下文锚点注意力
模块
特征识别
在线阅读
下载PDF
职称材料
改进YOLOv10的架空输电线路多缺陷检测方法
3
作者
李坤祥
刘大明
《电子测量技术》
北大核心
2025年第9期156-167,共12页
针对输电线路缺陷检测任务中目标尺度多样、背景复杂、目标遮挡,以及现有目标检测算法难以在实时检测的前提下保证检测精度而出现漏检、误检的问题,提出改进YOLOv10的输电线路无人机巡检缺陷检测算法TLDDet。首先设计融合部分卷积和上...
针对输电线路缺陷检测任务中目标尺度多样、背景复杂、目标遮挡,以及现有目标检测算法难以在实时检测的前提下保证检测精度而出现漏检、误检的问题,提出改进YOLOv10的输电线路无人机巡检缺陷检测算法TLDDet。首先设计融合部分卷积和上下文锚点注意力的高效特征融合模块(FC2FA),在降低模型参数量的同时提升模型的特征集成能力。然后使用基于多头自注意力机制的尺度内特征交互模块AIFI增强对小目标的检测效果,该模块通过加强特征图中高级语义信息的表达从而提高模型检测的准确率。最后设计遮挡感知注意网络检测头SEAM-Head,减少由于遮挡问题导致的特征丢失的问题。实验结果表明,所提出的TLDDet较原始模型YOLOv10s参数量减少33%,计算量减少30%,对输电线路多种缺陷的Precision、Recall和mAP50分别提高4.3%、2.4%和3.7%,检测速度达到143 FPS,且与其他实时检测算法的对比中具有更好的检测性能。
展开更多
关键词
输电线路缺陷检测
YOLOv10
实时检测
特征融合
上下文锚点注意力
尺度内特征交互
遮挡感知
注意
网络
在线阅读
下载PDF
职称材料
题名
面向复杂背景环境下垃圾检测的YOLOv8n轻量化改进
1
作者
孙世政
何玲玲
郑帅
徐向阳
陈仁祥
机构
重庆交通大学机电与车辆工程学院
重庆交通大学航运与船舶工程学院
出处
《电子测量与仪器学报》
北大核心
2025年第2期136-146,共11页
基金
重庆市技术创新与应用发展专项重大项目(CSTB2023TIAD-STX0016)、重庆市自然科学基金创新发展联合基金(CSTB2023NSCQ-LZX0081)项目资助。
文摘
垃圾检测与分类对推动绿色经济和实现低碳循环具有重要意义,面向复杂背景环境的垃圾检测模型存在参数量大、计算成本高等问题,限制了模型在资源受限设备上的应用。为解决上述问题,提出一种轻量化的GCAW-YOLOv8n模型,旨在平衡模型轻量化与精度检测。首先,在YOLOv8n骨干网络中引入GhostNet网络中的C3Ghost和GhostConv模块,有效降低模型参数量;其次,添加上下文锚点注意力机制,增强特征提取能力,提升检测精度;然后,在特征融合阶段,构建渐近特征金字塔网络,提升多尺度目标检测能力;接着,采用WIoU v3边界损失函数优化网络边界框回归性能;最后,结合Taco数据集和人工采集数据集进行了模型验证实验。实验结果表明,相比原YOLOv8n模型,改进后的GCAW-YOLOv8n模型在模型参数量Params和计算量FLOPs分别降低了14.3%和33.3%,而精确度和召回率分别提高了4.4%和1.9%,同时mAP@0.5达到了81.3%,提升了0.7%。改进模型更好地平衡了模型轻量化和检测精度,对模型部署与应用至边缘端检测装备具有重要的工程意义。
关键词
垃圾检测
轻量化YOLOv8n
GhostNet
上下文锚点注意力
机制
渐近特征金字塔
Keywords
garbage detection
lightweight YOLOv8n
GhostNet
context anchor attention
asymptotic feature pyramid network
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
TN912 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
改进YOLOv8的恶劣天气下船舶目标检测算法研究
2
作者
李纯杰
蔡易南
胡杰
詹炜
机构
长江大学计算机科学学院
出处
《现代电子技术》
北大核心
2025年第12期77-82,共6页
基金
智能地学信息处理湖北省重点实验室开放基金(KLIGIP-2021A07)
中国高校产学研创新基金省部级纵向(2020ITA03012)。
文摘
针对现有内河航道中由于雨、雪、雾等恶劣天气导致的船只检测困难问题,提出一种基于YOLOv8的航道船舶目标检测方法,即YOLOv8-Ship。该算法设计一种特征聚焦扩散金字塔网络,融合YOLOv9中的ADown模块,使每个尺度的特征保留更多的上下文信息;同时引入聚核初始网络(PKINet)以及上下文锚点注意力模块(CAA)改进C2f,来增强中心区域的特征;最后采用深度可分离卷积取代骨干网络中的普通卷积,减少模型参数量和计算量。实验结果表明,在雨、雪、雾的天气条件下,与传统的YOLOv8n相比,改进算法的精确率提高了0.5%,召回率提升了3.4%,F1分数提升了2%,mAP@0.5提升了1.2%,平均精度均值达到97.5%,有效提高了内河航道恶劣天气下过往船只的识别精度,具备较强的鲁棒性。
关键词
船舶检测
YOLOv8算法
恶劣天气
聚核初始网络
上下文锚点注意力
模块
特征识别
Keywords
ship inspection
YOLOv8 algorithm
bad weather
PKINet
context anchor attention module
feature recognition
分类号
TN911.73-34 [电子电信—通信与信息系统]
TP391.4 [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
改进YOLOv10的架空输电线路多缺陷检测方法
3
作者
李坤祥
刘大明
机构
上海电力大学计算机科学与技术学院
出处
《电子测量技术》
北大核心
2025年第9期156-167,共12页
基金
上海市科技计划项目(23010501500)资助。
文摘
针对输电线路缺陷检测任务中目标尺度多样、背景复杂、目标遮挡,以及现有目标检测算法难以在实时检测的前提下保证检测精度而出现漏检、误检的问题,提出改进YOLOv10的输电线路无人机巡检缺陷检测算法TLDDet。首先设计融合部分卷积和上下文锚点注意力的高效特征融合模块(FC2FA),在降低模型参数量的同时提升模型的特征集成能力。然后使用基于多头自注意力机制的尺度内特征交互模块AIFI增强对小目标的检测效果,该模块通过加强特征图中高级语义信息的表达从而提高模型检测的准确率。最后设计遮挡感知注意网络检测头SEAM-Head,减少由于遮挡问题导致的特征丢失的问题。实验结果表明,所提出的TLDDet较原始模型YOLOv10s参数量减少33%,计算量减少30%,对输电线路多种缺陷的Precision、Recall和mAP50分别提高4.3%、2.4%和3.7%,检测速度达到143 FPS,且与其他实时检测算法的对比中具有更好的检测性能。
关键词
输电线路缺陷检测
YOLOv10
实时检测
特征融合
上下文锚点注意力
尺度内特征交互
遮挡感知
注意
网络
Keywords
transmission line defect detection
YOLOv10
real-time detection
feature fusion
context anchor attention
intra-scale feature interaction
occlusion-aware attention network
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
TN911.73 [电子电信—通信与信息系统]
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
面向复杂背景环境下垃圾检测的YOLOv8n轻量化改进
孙世政
何玲玲
郑帅
徐向阳
陈仁祥
《电子测量与仪器学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
改进YOLOv8的恶劣天气下船舶目标检测算法研究
李纯杰
蔡易南
胡杰
詹炜
《现代电子技术》
北大核心
2025
0
在线阅读
下载PDF
职称材料
3
改进YOLOv10的架空输电线路多缺陷检测方法
李坤祥
刘大明
《电子测量技术》
北大核心
2025
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