基于扩展跨阶段局部网络的表面缺陷检测 被引量：4

1

作者 曹桢淼 吉卫喜 +2 位作者 苏璇 张贇 王凯 《计算机集成制造系统》 EI CSCD 北大核心 2022年第8期2399-2407,共9页

工业生产中,表面缺陷检测设备常因硬件计算资源有限而存在性能瓶颈。针对检测中高实时性与高精确度的权衡问题,建立了一种基于扩展跨阶段局部网络的表面缺陷检测模型。首先,基于扩展跨阶段局部网络算法和YOLOv5s模型,构建可上下缩放且... 工业生产中,表面缺陷检测设备常因硬件计算资源有限而存在性能瓶颈。针对检测中高实时性与高精确度的权衡问题,建立了一种基于扩展跨阶段局部网络的表面缺陷检测模型。首先,基于扩展跨阶段局部网络算法和YOLOv5s模型,构建可上下缩放且适用于不同规模网络的YOLOv5s-P系列模型,将网络颈部CSP化提高模型特征提取能力;其次,采用SoftPool下采样方法对颈部空间金字塔池化(SPP)模块进行结构和参数优化,并引入深度可分离卷积使模型轻量化的同时避免精度损失。实验表明,在德国DAGM 2007表面缺陷数据集上获得96.1%的mAP,较原模型在检测精度上提升了5%、参数量降低了1.7%,同时部署到边缘设备Raspberry Pi4B上时检测速度为4fps。 展开更多

关键词 深度学习 卷积神经网络 跨阶段局部网络 缺陷检测

在线阅读 下载PDF 职称材料

融合跨阶段局部网络和空间金字塔池化的Yolov3目标检测算法 被引量：4

2

作者 梁礼明 钱艳群 吴媛媛 《重庆理工大学学报（自然科学）》 CAS 北大核心 2021年第10期136-143,共8页

实际的检测任务中往往存在复杂的环境与背景,容易造成边界框的定位不够准确、对各尺度的目标检测精度不高等情况。为了进一步提高Yolov3的检测精度,本文在原算法的基础上提出一种融合跨阶段局部网络和空间金字塔池化的Yolov3目标检测算... 实际的检测任务中往往存在复杂的环境与背景,容易造成边界框的定位不够准确、对各尺度的目标检测精度不高等情况。为了进一步提高Yolov3的检测精度,本文在原算法的基础上提出一种融合跨阶段局部网络和空间金字塔池化的Yolov3目标检测算法。首先,将主干网络融合跨阶段局部网络CSPNet来提高网络的学习能力;其次,引入一种改进的空间金字塔池化结构增强网络的局部区域特征;最后,在损失函数中融入focal loss解决正负样本不均衡带来的问题。实验表明:改进的Yolov3算法在检测性能上优于原算法。 展开更多

关键词 Yolov3 跨阶段局部网络 空间金字塔池化 focal loss 损失函数

在线阅读 下载PDF 职称材料

基于两阶段规划模型的跨域服务流程动态构造方法

3

作者 崔立真 田君杰 王海洋 《小型微型计算机系统》 CSCD 北大核心 2011年第9期1753-1761,共9页

为了应对来自网络计算环境下业务流程跨越协同过程中层出不穷的业务需求,提出一种基于两阶段规划模型的跨域服务流程动态构造方法.第一阶段,利用跨域服务协同语义模型,基于层次任务网络规划方法,构建满足用户业务需求的跨域抽象业务流程... 为了应对来自网络计算环境下业务流程跨越协同过程中层出不穷的业务需求,提出一种基于两阶段规划模型的跨域服务流程动态构造方法.第一阶段,利用跨域服务协同语义模型,基于层次任务网络规划方法,构建满足用户业务需求的跨域抽象业务流程;第二阶段,在各域内部对抽象业务流程确定的候选服务集应用图规划数据流验证模型,构建最终的跨域可执行服务流程.方法在保证了业务需求与跨域服务流程逻辑结构的语义一致性的同时,满足了跨域服务流程中数据流的一致性,为网络计算环境下管理域间的业务协同和互操作提供了更为实际可用的可执行服务流程.原型系统实验及实例验证说明该方法的正确性和有效性. 展开更多

关键词 跨域服务流程 动态构造 两阶段规划 层次任务网络 图规划

在线阅读 下载PDF 职称材料

基于改进YOLO-V4网络的浅海生物检测模型 被引量：10

4

作者 毛国君 翁伟栋 +3 位作者 朱晋德 张媛 吴富村 毛玉泽 《农业工程学报》 EI CAS CSCD 北大核心 2021年第12期152-158,共7页

海洋生物智能检测是海洋牧场战略的一部分,而利用水下机器人在复杂的海洋环境中快速、准确地检测海洋生物是关键问题。由于海底环境复杂、亮度分布不均匀、海洋生物与其生存环境的区分性差、生物被遮蔽或半隐蔽等原因,准确识别海洋生物... 海洋生物智能检测是海洋牧场战略的一部分,而利用水下机器人在复杂的海洋环境中快速、准确地检测海洋生物是关键问题。由于海底环境复杂、亮度分布不均匀、海洋生物与其生存环境的区分性差、生物被遮蔽或半隐蔽等原因,准确识别海洋生物是一个巨大的挑战。随着卷积神经网络的发展,基于深度学习的目标检测算法成为主流,出现了如EfficientDet、RetinaNet和YOLO-V4等典型算法。这些基于深度学习的算法都不是完全尽善尽美的,不能完全满足海洋生物识别的需求。在探测精度、运算速度、密集目标探测效果等方面都有提高的空间。该研究建立了一个海洋生物数据集,采集了原始图片1810张,数据增强后得到7240张图片,它们被分成训练集(80%)和测试集(20%)。其次,通过引入跨阶段局部网络的概念,构建了嵌连接EC(Embedded Connection)部件,并将其嵌入到YOLO-V4网络的末端,得到改进的YOLO-V4网络。最后,该研究提出了基于改进YOLO-V4网络的海洋生物检测模型MOD(Marine Organism Detection)。试验结果表明,MOD模型的mAP50、mAP75(交并比阈值为0.5、0.75的精度均值)分别为0.969和0.734,计算量为35.328BFLOPs(十亿浮点运算数),检测帧速为139 ms(具有图形加速器GeForce GTX1650上)。与原始YOLO-V4模型相比,MOD模型的mAP50和mAP75提高了0.9和4.8个百分点,而计算量仅提高0.2%。此外,对比两种模型的准确率-召回率曲线,MOD模型的精确度与召回率的平衡点更接近(1,1),因此MOD模型能学习精度和效率的平衡性更好。该研究直接面向浅海生物的目标检测问题,所提供的方法可以为水下机器人精准执行智能捕捞等任务提供有益参考。 展开更多

关键词 模型 深度学习 目标检测 YOLO-V4 跨阶段局部网络 嵌连接

在线阅读 下载PDF 职称材料

基于特征融合和注意力的驾驶员吸烟目标检测

5

作者 王晓强 李科岑 +2 位作者 李雷孝 王鑫鹏 杨锦帆 《计算机工程与设计》 北大核心 2024年第11期3337-3344,共8页

由于香烟目标较小,图像分辨率较低,目前传统的目标检测算法不足以支撑对香烟的检测,为警戒驾驶员在驾驶时吸烟出现的安全问题,提出一种驾驶员吸烟检测算法。结合SSD目标检测模型,在其骨干网络中引入CSP架构;利用反卷积操作,将有效特征... 由于香烟目标较小,图像分辨率较低,目前传统的目标检测算法不足以支撑对香烟的检测,为警戒驾驶员在驾驶时吸烟出现的安全问题,提出一种驾驶员吸烟检测算法。结合SSD目标检测模型,在其骨干网络中引入CSP架构;利用反卷积操作,将有效特征层进行融合;在GAM注意力机制上改进其通道子模块,结合最大池化和平均池化,抑制与香烟不相关的特征。模型在自制驾驶员吸烟数据集上的识别mAP达94.93%,具有较好的鲁棒性以及泛化能力。 展开更多

关键词 驾驶员吸烟检测 跨阶段局部网络 特征融合 注意力机制 多尺度检测 目标检测 深度学习

在线阅读 下载PDF 职称材料

Dynamic-YOLOX:复杂背景下的苹果叶片病害检测模型 被引量：9

6

作者 盛帅 段先华 +1 位作者 胡维康 曹伟杰 《计算机科学与探索》 CSCD 北大核心 2024年第8期2118-2129,共12页

针对目前苹果叶片数据集的叶片病害种类不全以及图片背景单一等问题,构建了复杂背景下包括苹果叶部六种常见病害的苹果叶片病害数据集。针对目前主流苹果叶片病害检测模型检测精度不高、模型复杂和不满足实时监测等问题,提出了一种基于Y... 针对目前苹果叶片数据集的叶片病害种类不全以及图片背景单一等问题,构建了复杂背景下包括苹果叶部六种常见病害的苹果叶片病害数据集。针对目前主流苹果叶片病害检测模型检测精度不高、模型复杂和不满足实时监测等问题,提出了一种基于YOLOX-S(you only look once X-S)改进得到的复杂背景下的苹果叶片病害自适应检测模型Dynamic-YOLOX。设计并使用ECA-SPPFCSPC模块(efficient channel attention cross-stage partial fast spatial pyramid pooling module)更换YOLOX-S模型主干网络尾部Dark5中的空间金字塔池化(SPP)以及跨阶段局部网络(CSPNet)模块来增强模型关注深层语义特征、抑制无用信息的能力,并减少硬件内存开销。设计了动态跨阶段局部网络(ODCSP)模块,并用其更换YOLOX-S模型主干网络中Dark2、Dark3、Dark4部分以及颈部网络中所有的CSPNet模块,使得模型在面对不同输入特征时有更强的自适应性,在减少模型的参数量和计算量的同时提高了模型的平均检测精度。引入Varifocal Loss更换模型中分类置信度损失的BCEWithLogits Loss来提升模型对苹果叶片中密集小目标病害的检测精度。在自制数据集上Dynamic-YOLOX相对原始YOLOX-S模型的mAP提升了4.54个百分点,达到84.63%,同时模型的参数量和计算量分别下降了11.97%和13.45%,检测速度达到44.07 FPS。对比主流苹果叶片病害检测模型,Dynamic-YOLOX具有一定优越性。 展开更多

关键词 苹果叶部病害 目标检测 YOLOX 动态跨阶段局部网络(odcsp) Varifocal Loss

在线阅读 下载PDF 职称材料

复杂场景下基于改进YOLOv3的口罩佩戴检测算法 被引量：57

7

作者 王艺皓 丁洪伟 +2 位作者 李波 杨志军 杨俊东 《计算机工程》 CAS CSCD 北大核心 2020年第11期12-22,共11页

新型冠状病毒可以通过呼吸道飞沫等方式传播,正确佩戴口罩可以有效防止病毒传染,但是自然场景中通常存在遮挡、密集人群和小尺度目标等复杂因素,对人脸佩戴口罩的检测效果产生影响。针对该问题,在YOLOv3算法的基础上,提出复杂场景下的... 新型冠状病毒可以通过呼吸道飞沫等方式传播,正确佩戴口罩可以有效防止病毒传染,但是自然场景中通常存在遮挡、密集人群和小尺度目标等复杂因素,对人脸佩戴口罩的检测效果产生影响。针对该问题,在YOLOv3算法的基础上,提出复杂场景下的口罩佩戴检测算法。结合跨阶段局部网络对DarkNet53骨干网络进行改进,以降低计算消耗并提高训练速度。在YOLOv3算法中引入改进的空间金字塔池化结构,通过自上而下和自下而上的特征融合策略优化多尺度预测网络,从而实现特征增强。选取CIoU作为损失函数,考虑目标与检测框之间的中心点距离、重叠率以及长宽比信息。实验结果表明,与YOLOv3算法相比,该算法在人脸目标和人脸佩戴口罩目标上的检测精度分别提高7.3%和14.9%,检测速度平均提高6FPS。 展开更多

关键词 YOLOv3算法 口罩佩戴检测 跨阶段局部网络 空间金字塔池化 特征融合 损失函数

在线阅读 下载PDF 职称材料

改进Mask R-CNN的温室环境下不同成熟度番茄果实分割方法 被引量：50

8

作者 龙洁花 赵春江 +3 位作者 林森 郭文忠 文朝武 张宇 《农业工程学报》 EI CAS CSCD 北大核心 2021年第18期100-108,共9页

基于深度神经网络的果实识别和分割是采摘机器人作业成功的关键步骤,但由于网络参数多、计算量大,导致训练时间长,当模型部署到采摘机器人上则存在运行速度慢,识别精度低等问题。针对这些问题,该研究提出了一种改进Mask R-CNN的温室环... 基于深度神经网络的果实识别和分割是采摘机器人作业成功的关键步骤,但由于网络参数多、计算量大,导致训练时间长,当模型部署到采摘机器人上则存在运行速度慢,识别精度低等问题。针对这些问题,该研究提出了一种改进Mask R-CNN的温室环境下不同成熟度番茄果实分割方法,采用跨阶段局部网络(Cross Stage Partial Network,CSPNet)与Mask R-CNN网络中的残差网络(Residual Network,ResNet)进行融合,通过跨阶段拆分与级联策略,减少反向传播过程中重复的特征信息,降低网络计算量的同时提高准确率。在番茄果实测试集上进行试验,结果表明以层数为50的跨阶段局部残差网络(Cross Stage Partial ResNet50,CSP-ResNet50)为主干的改进Mask R-CNN模型对绿熟期、半熟期、成熟期番茄果实分割的平均精度均值为95.45%,F1分数为91.2%,单张图像分割时间为0.658 s。该方法相比金字塔场景解析网络(Pyramid Scene Parsing Network,PSPNet)、DeepLab v3+模型和以ResNet50为主干的Mask R-CNN模型平均精度均值分别提高了16.44、14.95和2.29个百分点,相比以ResNet50为主干的Mask R-CNN模型分割时间减少了1.98%。最后将以CSP-ResNet50为主干的改进Mask R-CNN模型部署到采摘机器人上,在大型玻璃温室中开展不同成熟度番茄果实识别试验,该模型识别正确率达到90%。该研究在温室环境下对不同成熟度番茄果实具有较好的识别性能,可为番茄采摘机器人精准作业提供依据。 展开更多

关键词 图像处理 机器视觉 模型 番茄 成熟度分割 Mask R-CNN 残差网络 跨阶段局部网络

在线阅读 下载PDF 职称材料

改进MobileNetv3-YOLOv3交通标志牌检测算法 被引量：9

9

作者 刘宇宸 石刚 +2 位作者 崔青 刘明辉 郑秋萍 《东北师大学报（自然科学版）》 CAS 北大核心 2022年第2期53-60,共8页

提出了一种改进的MobileNetv3-YOLOv3算法.引入SPPNet去除重复特征,提高候选框的选取速度,加快模型的推理速度;引入CSPNet消除计算瓶颈,节省计算量;引入Focus层防止特征图信息丢失,保证模型的准确度.在CCTSDB数据集上的实验结果表明:Mob... 提出了一种改进的MobileNetv3-YOLOv3算法.引入SPPNet去除重复特征,提高候选框的选取速度,加快模型的推理速度;引入CSPNet消除计算瓶颈,节省计算量;引入Focus层防止特征图信息丢失,保证模型的准确度.在CCTSDB数据集上的实验结果表明:MobileNetv3与YOLOv3算法结合最佳,改进MobileNetv3-YOLOv3算法的平均精度高达97.7%,检测速度FPS达到89,与YOLOv3算法相比较,本文算法精确度(P)、召回率(R)、平均精度值(mAP)、每秒传输帧数(FPS)都得到了提升,分别提升6%,1.8%,1.8%和15%,与最新的算法相比较本文的P值以及mAP值均取得了最优的结果.可以看出所提出的算法在极大地减少模型参数量和计算量的同时,提高了检测精度以及检测速度. 展开更多

关键词 交通标志检测 MobileNet 聚焦层 跨阶段局部网络

在线阅读 下载PDF 职称材料

基于CBD-YOLOv3的小目标检测算法 被引量：9

10

作者 潘昕晖 邵清 卢军国 《小型微型计算机系统》 CSCD 北大核心 2022年第10期2143-2149,共7页

针对主流目标检测算法在检测小目标时精度差、无法满足实时性能的问题,提出了一种基于改进YOLOv3的小目标检测算法:CBD-YOLOv3.首先对YOLOv3的主干特征提取网络进行优化,将其与跨阶段局部网络融合,使得计算量减少的同时保持了卷积网络... 针对主流目标检测算法在检测小目标时精度差、无法满足实时性能的问题,提出了一种基于改进YOLOv3的小目标检测算法:CBD-YOLOv3.首先对YOLOv3的主干特征提取网络进行优化,将其与跨阶段局部网络融合,使得计算量减少的同时保持了卷积网络的学习能力,再利用双层的特征金字塔网络加强特征提取并生成4张特征图用于预测,同时引入改进的DIoU损失函数代替原网络中的均方误差损失,提高小目标定位精度,最后再结合有效的数据处理与训练方法形成CBD-YOLOv3算法.本文在COCO数据集与其他目标检测算法进行对比测试,实验结果表明CBD-YOLOv3算法能够在满足实时性能的前提下有效提高小目标检测的平均精度,且对中大型目标也有一定程度的提升. 展开更多

关键词 目标检测 CBD-YOLOv3 跨阶段局部网络 双层特征金字塔 损失函数

在线阅读 下载PDF 职称材料

LiDAR点云中融合点注意力机制的三维目标检测 被引量：3

11

作者 刘威莉 朱德利 +1 位作者 骆华昊 李益 《光子学报》 EI CAS CSCD 北大核心 2023年第9期213-223,共11页

针对Pillar编码点云的三维目标检测算法中存在一定细粒度信息的丢失以及对点云特征提取能力不足等问题,基于PointPillars提出一种融合逐点空间注意力机制和跨阶段局部网络的三维目标检测算法。首先在支柱特征网络层中融入逐点空间注意... 针对Pillar编码点云的三维目标检测算法中存在一定细粒度信息的丢失以及对点云特征提取能力不足等问题,基于PointPillars提出一种融合逐点空间注意力机制和跨阶段局部网络的三维目标检测算法。首先在支柱特征网络层中融入逐点空间注意力机制,增强网络对局部几何信息的提取并保留深层次信息,使得到的关键特征更适合检测任务;其次将对点云伪图像进行高维特征提取的降采样模块中的普通卷积替换为跨阶段局部网络,进一步提升网络的学习能力;最后算法在高速公路的应用场景下,以KITTI数据集中car类作为检测目标,与基准网络相比,在简单、中等和困难三种情况下的3D检测精度分别提高了2.23%、2.25%和2.30%。实验结果表明,所提算法在检测性能上有明显提升,同时检测速度达到实时检测水平,对自动驾驶技术的优化和完善具有一定的积极意义。 展开更多

关键词 三维目标检测 点云 注意力机制 PointPillars 跨阶段局部网络

在线阅读 下载PDF 职称材料

复杂背景下红外图像弱小目标检测 被引量：28

12

作者 蔡伟 徐佩伟 +2 位作者 杨志勇 蒋昕昊 姜波 《应用光学》 CAS CSCD 北大核心 2021年第4期643-650,共8页

红外弱小目标检测是安防监控、侦察探测、精确制导等领域的关键技术。为了提高复杂背景条件下红外弱小目标检测的准确性和实时性,提出了一种基于深度学习的红外弱小目标检测算法YOLO-FCSP。根据红外图像中弱小目标的特点,在YOLO检测框... 红外弱小目标检测是安防监控、侦察探测、精确制导等领域的关键技术。为了提高复杂背景条件下红外弱小目标检测的准确性和实时性,提出了一种基于深度学习的红外弱小目标检测算法YOLO-FCSP。根据红外图像中弱小目标的特点,在YOLO检测框架的基础上,通过减少下采样次数,结合跨阶段局部模块、Focus结构和空间金字塔池化结构设计了特征提取网络。借鉴多路径聚合的思路优化特征融合网络,同时调整检测输出层数量,通过信息复用提高特征利用效率。实验结果表明,本文提出的算法在检测红外弱小目标时具有较高的准确率和检测速度,精度和召回率分别为91.9%和94.6%,平均准确率(AP)值达到92.6%,检测速度达到170 f/s,满足实际应用中实时检测的需求。 展开更多

关键词 深度学习 红外弱小目标 跨阶段局部网络 多路径聚合 实时检测

在线阅读 下载PDF 职称材料

基于GAN&CNN的物联网环境下入侵检测研究

13

作者 卢志成 徐海峰 潘巨龙 《传感技术学报》 2025年第10期1853-1861,共9页

随着科技进步,网络入侵手段也越来越多样,给物联网环境下边缘设备的安全带来了严峻挑战。针对目前物联网环境下传统入侵检测模型检测性能普遍较差以及不适配边缘设备资源受限、计算能力较低等特点,提出一种基于生成对抗网络GAN和卷积神... 随着科技进步,网络入侵手段也越来越多样,给物联网环境下边缘设备的安全带来了严峻挑战。针对目前物联网环境下传统入侵检测模型检测性能普遍较差以及不适配边缘设备资源受限、计算能力较低等特点,提出一种基于生成对抗网络GAN和卷积神经网络CNN的轻量化模型用于检测物联网环境下的入侵行为。首先,采用生成对抗网络技术解决数据不平衡问题;其次,使用基于跨阶段局部结构的轻量化卷积神经网络提取流量特征,并选择HSwish作为激活函数,以减少模型计算量和提高计算效率;最后,通过Softmax对流量数据进行分类。新算法在UNSW-NB15和CICIDS2018入侵检测数据集上进行实验,模型检测入侵行为的准确率分别达到99.64%和96.65%,精确率分别达到99.55%和99.35%,召回率分别达到99.61%和99.64%,F1分数分别达到99.58%和99.49%,大小控制在21KB~32KB左右。结果表明,所提出的模型在保证模型入侵检测精度的同时,减少了模型的大小和计算量,满足条件苛刻的物联网环境下高精度的入侵检测需求。 展开更多

关键词 入侵检测 物联网 生成对抗网络 卷积神经网络 跨阶段局部结构

在线阅读 下载PDF 职称材料