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
2
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
基于TLF-YOLOv8的堆叠垃圾实例分割算法
1
作者
李利
梁晶
+2 位作者
陈旭东
潘红光
寇发荣
《科学技术与工程》
北大核心
2025年第5期2009-2018,共10页
相较于一般场景下的图像实例分割,复杂堆叠场景下的实例分割受到严重遮挡、同类别待测物体堆叠等复杂情况的影响,使得其实例分割具有更大的难度。针对具有复杂堆叠场景下的垃圾实例分割问题,提出了一种融合YOLOv8与双层特征网络策略的...
相较于一般场景下的图像实例分割,复杂堆叠场景下的实例分割受到严重遮挡、同类别待测物体堆叠等复杂情况的影响,使得其实例分割具有更大的难度。针对具有复杂堆叠场景下的垃圾实例分割问题,提出了一种融合YOLOv8与双层特征网络策略的实例分割算法。首先,在数据预处理部分进行特征数据分层,并通过双层图卷积网络(graph convolutions network,GCN)实现双分支特征融合,减弱堆叠情况对被遮挡物体特征的影响,从而解决复杂堆叠遮挡下的实例分割问题。同时,为了解决同类待测物体易混淆的问题,融入了软阈值化非极大值抑制算法和新的交并比算法。最后,根据应用场景和数据集的复杂性,优化了主干网络部分的特征提取模块,并在主干网络部分引入了多尺度注意力机制,有效提高了模型的检测性能。实验使用遮挡垃圾分类实例分割数据集,实验结果表明该方法的平均准确率、交并比阈值为0.5时的平均准确率(AP_(50))、交并比为0.5~0.95时的平均准确率(AP_(50~95))等指标较之前的其他方法更优。相较于原YOLOv8算法,检测AP_(50)提高了7.9%,分割AP_(50)提高了5.4%,具有更好的检测和分割效果。
展开更多
关键词
垃圾堆叠
双层特征解耦融合
YOLOv8算法
软阈值化
非
极大值抑制
动态非单调聚焦机制
期望最大化注意力
在线阅读
下载PDF
职称材料
基于改进YOLOv8n的船舶设备拆装流程规范性评估方法
2
作者
张振东
管聪
+2 位作者
张泽辉
吴超
丁学文
《中国舰船研究》
北大核心
2025年第2期140-150,共11页
[目的]船舶机舱作业规范性是船舶安全管控的关键部分,因此船员实操考试将船舶设备拆装作为一个重要考核项。为提升船员实操考试的电子化和智能化水平,提出一种基于计算机视觉的船舶设备拆装流程规范性的自动化识别方法。[方法]首先,以YO...
[目的]船舶机舱作业规范性是船舶安全管控的关键部分,因此船员实操考试将船舶设备拆装作为一个重要考核项。为提升船员实操考试的电子化和智能化水平,提出一种基于计算机视觉的船舶设备拆装流程规范性的自动化识别方法。[方法]首先,以YOLOv8n构建船舶设备检测模型的骨干网络,并引入高效通道注意力机制(SA),以提高模型特征提取能力与训练效率;然后,在颈部网络中引入重参数化泛化特征的金字塔网络(GFPN)融合结构,以提高模型的多尺度特征融合能力;最后,引入动态非单调聚焦机制损失函数(WIoU)来替换原CIoU损失函数,以提高模型精度。[结果]自建数据集的试验结果表明:与YOLOv8n相比,改进目标识别算法的平均精度均值提高了0.15,实时检测的每秒帧数提升了0.6,可以准确识别齿轮泵的拆装流程。[结论]该改进算法具有更强的识别能力,可以更好地应用于船舶设备拆装流程规范性的识别任务。
展开更多
关键词
船舶设备
拆除和安装
目标检测
注意力
机制
(SA)
泛化特征金字塔网络(GFPN)
动态非单调聚焦机制
(WIoU)损失函数
在线阅读
下载PDF
职称材料
题名
基于TLF-YOLOv8的堆叠垃圾实例分割算法
1
作者
李利
梁晶
陈旭东
潘红光
寇发荣
机构
西安科技大学电气与控制工程学院
西安市电气设备状态监测与供电安全重点实验室
西安科技大学机械工程学院
出处
《科学技术与工程》
北大核心
2025年第5期2009-2018,共10页
基金
国家自然科学基金(61603295)
陕西省自然科学基础研究计划(2024JC-YBQN-0726)
+1 种基金
陕西省教育厅科研计划(23JK0550)
西安市科技计划(23DCYJSGG0025-2022)。
文摘
相较于一般场景下的图像实例分割,复杂堆叠场景下的实例分割受到严重遮挡、同类别待测物体堆叠等复杂情况的影响,使得其实例分割具有更大的难度。针对具有复杂堆叠场景下的垃圾实例分割问题,提出了一种融合YOLOv8与双层特征网络策略的实例分割算法。首先,在数据预处理部分进行特征数据分层,并通过双层图卷积网络(graph convolutions network,GCN)实现双分支特征融合,减弱堆叠情况对被遮挡物体特征的影响,从而解决复杂堆叠遮挡下的实例分割问题。同时,为了解决同类待测物体易混淆的问题,融入了软阈值化非极大值抑制算法和新的交并比算法。最后,根据应用场景和数据集的复杂性,优化了主干网络部分的特征提取模块,并在主干网络部分引入了多尺度注意力机制,有效提高了模型的检测性能。实验使用遮挡垃圾分类实例分割数据集,实验结果表明该方法的平均准确率、交并比阈值为0.5时的平均准确率(AP_(50))、交并比为0.5~0.95时的平均准确率(AP_(50~95))等指标较之前的其他方法更优。相较于原YOLOv8算法,检测AP_(50)提高了7.9%,分割AP_(50)提高了5.4%,具有更好的检测和分割效果。
关键词
垃圾堆叠
双层特征解耦融合
YOLOv8算法
软阈值化
非
极大值抑制
动态非单调聚焦机制
期望最大化注意力
Keywords
garbage stacking
double layer feature decoupling fusion
YOLOv8 algorithm
soft non-maximum suppression
wise-intersection over union
expectation-maximization attention
分类号
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
基于改进YOLOv8n的船舶设备拆装流程规范性评估方法
2
作者
张振东
管聪
张泽辉
吴超
丁学文
机构
武汉理工大学船海与能源动力工程学院
杭州电子科技大学自动化学院(人工智能学院)
出处
《中国舰船研究》
北大核心
2025年第2期140-150,共11页
基金
浙江省基础公益研究计划项目(LTGG24F030004)
国家水运安全工程技术研究中心开放基金资助项目(A202403)
+1 种基金
国家重点研发计划项目(2022YFE0210700)
中央高校基本科研业务费专项资金资助项目(104972024JYS0043)。
文摘
[目的]船舶机舱作业规范性是船舶安全管控的关键部分,因此船员实操考试将船舶设备拆装作为一个重要考核项。为提升船员实操考试的电子化和智能化水平,提出一种基于计算机视觉的船舶设备拆装流程规范性的自动化识别方法。[方法]首先,以YOLOv8n构建船舶设备检测模型的骨干网络,并引入高效通道注意力机制(SA),以提高模型特征提取能力与训练效率;然后,在颈部网络中引入重参数化泛化特征的金字塔网络(GFPN)融合结构,以提高模型的多尺度特征融合能力;最后,引入动态非单调聚焦机制损失函数(WIoU)来替换原CIoU损失函数,以提高模型精度。[结果]自建数据集的试验结果表明:与YOLOv8n相比,改进目标识别算法的平均精度均值提高了0.15,实时检测的每秒帧数提升了0.6,可以准确识别齿轮泵的拆装流程。[结论]该改进算法具有更强的识别能力,可以更好地应用于船舶设备拆装流程规范性的识别任务。
关键词
船舶设备
拆除和安装
目标检测
注意力
机制
(SA)
泛化特征金字塔网络(GFPN)
动态非单调聚焦机制
(WIoU)损失函数
Keywords
ship equipments
disassembly and assembly
objection detection
shuffle-attention(SA)mechanism
global feature pyramid network(GFPN)
wise-intersection over union(WIoU)loss function
分类号
U676.2 [交通运输工程—船舶及航道工程]
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
基于TLF-YOLOv8的堆叠垃圾实例分割算法
李利
梁晶
陈旭东
潘红光
寇发荣
《科学技术与工程》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于改进YOLOv8n的船舶设备拆装流程规范性评估方法
张振东
管聪
张泽辉
吴超
丁学文
《中国舰船研究》
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
