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
MLEC-YOLO:强化低频特征的夜间军事目标检测网络
1
作者
袁一东
李志刚
+1 位作者
张灿
李莹琦
《电光与控制》
北大核心
2025年第6期75-81,93,共8页
针对夜间军事目标在低光和烟雾遮挡下检测性能不佳的问题,提出了MLEC-YOLO模型专用于夜间军事目标检测。首先,构建强化低频特征提取网络作为骨干网络,结合多尺度低频特征提取模块与动态的特征融合模块,分别提取多尺度低频特征以及感知...
针对夜间军事目标在低光和烟雾遮挡下检测性能不佳的问题,提出了MLEC-YOLO模型专用于夜间军事目标检测。首先,构建强化低频特征提取网络作为骨干网络,结合多尺度低频特征提取模块与动态的特征融合模块,分别提取多尺度低频特征以及感知关键特征;其次,在颈部网络设计了深度路径聚合网络,以增强来自骨干网络的特征表达;最后,采用4种不同分辨率的解耦头,以适应夜间场景中不同大小的军事目标。在自建数据集Nighttime_Military和公开数据集BDD100K上的仿真结果表明,所提方案在检测精度、泛化能力方面明显优于目前大部分主流目标检测模型。
展开更多
关键词
军事目标检测
多尺度
低频特征提取
特征融合
在线阅读
下载PDF
职称材料
基于YOLOV5s改进的复杂场景下军事目标检测算法
2
作者
孙钿
张意
+2 位作者
韩旭东
夏志禹
汪国平
《弹箭与制导学报》
北大核心
2025年第1期45-52,共8页
针对现有算法特征学习能力欠佳、检测精度不高、计算量大等问题,提出一种基于YOLOV5s改进的多尺度目标检测算法AEM-YOLOV5(AFPN-EMA-MPDIoU-YOLOV5)。首先,在颈部网络引入AFPN渐进特征金字塔网络,以渐进的方式融合图像底层详细信息和顶...
针对现有算法特征学习能力欠佳、检测精度不高、计算量大等问题,提出一种基于YOLOV5s改进的多尺度目标检测算法AEM-YOLOV5(AFPN-EMA-MPDIoU-YOLOV5)。首先,在颈部网络引入AFPN渐进特征金字塔网络,以渐进的方式融合图像底层详细信息和顶层高级语义特征,增强了网络特征融合效果;其次,在每个检测分支前增添EMA注意力机制模块,跨空间聚合像素级特征,提高了复杂场景下对多尺度目标的关注程度;最后,使用MPDIoU替代YOLOV5原有C_(IoU)边界框损失函数,解决了预测框宽高比相同但绝对值不同时C_(IoU)退化的问题,使回归结果更为准确。实验结果表明,改进后算法在RSOD数据集上PmAP50达到94.5%,FPS达到42 frame/s,模型大小为14.8 MB。与现有算法相比,改进后算法性能显著提升,可满足军事目标检测的实时性要求、模型轻便。
展开更多
关键词
军事目标检测
YOLOV5
渐进特征金字塔网络
多尺度
目标
注意力机制
在线阅读
下载PDF
职称材料
一种基于YOLOv4改进的军事目标检测方法
被引量：
2
3
作者
郭昊昌
于力
刘镇涛
《弹箭与制导学报》
北大核心
2021年第6期53-58,共6页
针对传统的目标检测算法目标背景过于复杂、目标尺度变化过大、目标遮挡预计运动模糊等问题,使用深度学习的目标检测算法来改善。根据自建的军事目标数据集的特点,对最新YOLOv4算法进行网络结构改进,重新计算先验框的数量以及引入空间...
针对传统的目标检测算法目标背景过于复杂、目标尺度变化过大、目标遮挡预计运动模糊等问题,使用深度学习的目标检测算法来改善。根据自建的军事目标数据集的特点,对最新YOLOv4算法进行网络结构改进,重新计算先验框的数量以及引入空间注意力机制。改进后的网络与其他主流目标检测算法相比达到了较高的P_(m)值,同时识别速度F在38.2帧/s,满足军事目标检测的实时性需求。
展开更多
关键词
军事目标检测
深度学习
目标
检测
算法
YOLOv4
军事
目标
数据集
在线阅读
下载PDF
职称材料
题名
MLEC-YOLO:强化低频特征的夜间军事目标检测网络
1
作者
袁一东
李志刚
张灿
李莹琦
机构
华北理工大学人工智能学院
河北省工业智能感知重点实验室
出处
《电光与控制》
北大核心
2025年第6期75-81,93,共8页
基金
国家自然科学基金
河北省专项资金。
文摘
针对夜间军事目标在低光和烟雾遮挡下检测性能不佳的问题,提出了MLEC-YOLO模型专用于夜间军事目标检测。首先,构建强化低频特征提取网络作为骨干网络,结合多尺度低频特征提取模块与动态的特征融合模块,分别提取多尺度低频特征以及感知关键特征;其次,在颈部网络设计了深度路径聚合网络,以增强来自骨干网络的特征表达;最后,采用4种不同分辨率的解耦头,以适应夜间场景中不同大小的军事目标。在自建数据集Nighttime_Military和公开数据集BDD100K上的仿真结果表明,所提方案在检测精度、泛化能力方面明显优于目前大部分主流目标检测模型。
关键词
军事目标检测
多尺度
低频特征提取
特征融合
Keywords
military object detection
multi-scale
low-frequency feature extraction
feature fusion
分类号
E919 [军事]
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
基于YOLOV5s改进的复杂场景下军事目标检测算法
2
作者
孙钿
张意
韩旭东
夏志禹
汪国平
机构
西安现代控制技术研究所
西北工业大学自动化学院
出处
《弹箭与制导学报》
北大核心
2025年第1期45-52,共8页
文摘
针对现有算法特征学习能力欠佳、检测精度不高、计算量大等问题,提出一种基于YOLOV5s改进的多尺度目标检测算法AEM-YOLOV5(AFPN-EMA-MPDIoU-YOLOV5)。首先,在颈部网络引入AFPN渐进特征金字塔网络,以渐进的方式融合图像底层详细信息和顶层高级语义特征,增强了网络特征融合效果;其次,在每个检测分支前增添EMA注意力机制模块,跨空间聚合像素级特征,提高了复杂场景下对多尺度目标的关注程度;最后,使用MPDIoU替代YOLOV5原有C_(IoU)边界框损失函数,解决了预测框宽高比相同但绝对值不同时C_(IoU)退化的问题,使回归结果更为准确。实验结果表明,改进后算法在RSOD数据集上PmAP50达到94.5%,FPS达到42 frame/s,模型大小为14.8 MB。与现有算法相比,改进后算法性能显著提升,可满足军事目标检测的实时性要求、模型轻便。
关键词
军事目标检测
YOLOV5
渐进特征金字塔网络
多尺度
目标
注意力机制
Keywords
military object detection
YOLOV5
asymptotic feature pyramid network
multi scale targets
attention mechanism
分类号
TP273 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
一种基于YOLOv4改进的军事目标检测方法
被引量：
2
3
作者
郭昊昌
于力
刘镇涛
机构
西安现代控制技术研究所
出处
《弹箭与制导学报》
北大核心
2021年第6期53-58,共6页
文摘
针对传统的目标检测算法目标背景过于复杂、目标尺度变化过大、目标遮挡预计运动模糊等问题,使用深度学习的目标检测算法来改善。根据自建的军事目标数据集的特点,对最新YOLOv4算法进行网络结构改进,重新计算先验框的数量以及引入空间注意力机制。改进后的网络与其他主流目标检测算法相比达到了较高的P_(m)值,同时识别速度F在38.2帧/s,满足军事目标检测的实时性需求。
关键词
军事目标检测
深度学习
目标
检测
算法
YOLOv4
军事
目标
数据集
Keywords
military object detection
deep learning algorithm
YOLOv4
military target data set
分类号
TP273 [自动化与计算机技术—检测技术与自动化装置]
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
MLEC-YOLO:强化低频特征的夜间军事目标检测网络
袁一东
李志刚
张灿
李莹琦
《电光与控制》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于YOLOV5s改进的复杂场景下军事目标检测算法
孙钿
张意
韩旭东
夏志禹
汪国平
《弹箭与制导学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
3
一种基于YOLOv4改进的军事目标检测方法
郭昊昌
于力
刘镇涛
《弹箭与制导学报》
北大核心
2021
2
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
