基于深度学习的单阶段目标检测算法研究综述 被引量：53

1

作者 刘俊明 孟卫华 《航空兵器》 CSCD 北大核心 2020年第3期44-53,共10页

近年来,深度学习技术推动目标检测算法取得了突破式进展。基于深度学习的目标检测算法可分为两阶段检测算法和单阶段检测算法。相比两阶段检测算法,单阶段检测算法的结构简单、计算高效,同时具备不错的检测精度,在实时目标检测领域中具... 近年来,深度学习技术推动目标检测算法取得了突破式进展。基于深度学习的目标检测算法可分为两阶段检测算法和单阶段检测算法。相比两阶段检测算法,单阶段检测算法的结构简单、计算高效,同时具备不错的检测精度,在实时目标检测领域中具有较高的研究和应用价值。本文首先回顾了单阶段检测算法的发展历史,分析总结了相关算法的优缺点,然后归纳提出了单阶段目标检测算法的通用框架,接着对框架中的特征提取模块和检测器进行了深入分析,指出了其对算法性能的影响,最后对单阶段检测算法的发展趋势进行了展望。 展开更多

关键词 深度学习 单阶段目标检测算法 特征提取 特征融合 ANCHOR 损失函数 人工智能

在线阅读 下载PDF 职称材料

基于注意力机制的单阶段目标检测锚点框部件感知特征表达 被引量：2

2

作者 唐乾坤 胡瑜 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2020年第8期1293-1304,共12页

针对现有单阶段目标检测算法锚点框特征表达不足影响检测精度的问题,提出了一种增强锚点框特征表达的算法,其包含注意力机制模块和部件感知模块.首先,注意力机制模块根据各个锚点框的不同属性自适应地提供不同的特征表达.然后,部件感知... 针对现有单阶段目标检测算法锚点框特征表达不足影响检测精度的问题,提出了一种增强锚点框特征表达的算法,其包含注意力机制模块和部件感知模块.首先,注意力机制模块根据各个锚点框的不同属性自适应地提供不同的特征表达.然后,部件感知模块准确地提取各个锚点框内部的判别性部件特征以作为各个锚点框进行预测所需的特有特征.将所提设计与现有SSD算法结合并在多个公开的目标检测数据集上进行实验,结果表明,所提算法能够显著提高单阶段目标检测算法的精度并维持实时运行速度(14 ms);进一步地,在扩展实验上的结果表明,所提算法也能够改善生成的区域建议框的召回率及两阶段目标检测算法的精度. 展开更多

关键词 卷积神经网络 单阶段目标检测 区域建议框 注意力模块 部件感知模块

在线阅读 下载PDF 职称材料

基于正负锚点框均衡及特征对齐的单阶段目标检测算法 被引量：2

3

作者 唐乾坤 胡瑜 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2020年第11期1773-1783,共11页

针对正负例锚点框不均衡将降低基于锚点框的单阶段目标检测算法的检测精度的问题,提出一种包含锚点框提升模块和特征对齐模块来均衡正负例锚点框的算法.首先在锚点框提升模块中预测各个锚点框为正例的可能性,并粗略调整初始锚点框的位... 针对正负例锚点框不均衡将降低基于锚点框的单阶段目标检测算法的检测精度的问题,提出一种包含锚点框提升模块和特征对齐模块来均衡正负例锚点框的算法.首先在锚点框提升模块中预测各个锚点框为正例的可能性,并粗略调整初始锚点框的位置和尺寸;然后在特征对齐模块中为调整后的锚点框提取预测所需的对齐特征;最后检测网络借助锚点框提升模块输出信息,从调整后的锚点框中识别出简单负例锚点框,并在训练阶段忽略其梯度.将文中算法应用于以VGG-16和ResNet-101为特征提取网络的编解码架构中,在目标检测数据集MS COCO和PASCAL VOC上进行实验,结果表明,该算法能够显著改善不均衡问题,提高单阶段目标检测算法的检测精度(MS COCO和PASCAL VOC上的精度分别为42.8%和82.7%),并维持28.6帧/s的实时运行速度. 展开更多

关键词 卷积神经网络 单阶段目标检测 锚点框正负例不均衡 锚点框提升模块 特征对齐模块

在线阅读 下载PDF 职称材料

深度学习中单阶段金属表面缺陷检测算法优化综述 被引量：8

4

作者 董甲东 郭庆虎 +1 位作者 陈琳 桑飞虎 《计算机工程与应用》 北大核心 2025年第4期72-89,共18页

金属表面的划痕、凹坑、波纹等缺陷会直接影响产品的质量。传统的检测方法耗时耗力,准确性受限于操作人员的经验和技能。近年来,深度学习技术在图像识别领域的突破性进展为金属表面缺陷检测提供了新的解决方案,基于深度学习的金属表面... 金属表面的划痕、凹坑、波纹等缺陷会直接影响产品的质量。传统的检测方法耗时耗力,准确性受限于操作人员的经验和技能。近年来,深度学习技术在图像识别领域的突破性进展为金属表面缺陷检测提供了新的解决方案,基于深度学习的金属表面缺陷检测方法在检测精度和速度方面取得了显著成效。为了便于金属表面缺陷检测算法的研究,综合分析了单阶段深度学习算法在金属表面缺陷检测中的优化方法及应用。介绍了目前常用的金属表面缺陷数据集和算法评价指标;总结了目标检测算法的发展史以及单阶段目标检测算法的基本概念和典型模型;从数据增强、特征的提取与融合、锚框优化三个方面,对比总结了不同算法不同优化方式的优缺点,并研究了金属表面缺陷检测算法的轻量化;从多模态融合、大数据应用技术、现实与虚拟结合三个方面对金属表面缺陷检测算法的未来研究方向进行了展望。 展开更多

关键词 金属表面缺陷检测 深度学习 单阶段目标检测算法 模型优化

在线阅读 下载PDF 职称材料

特征增强的单阶段遥感图像目标检测模型 被引量：7

5

作者 汪西莉 梁敏 刘涛 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2022年第3期160-170,共11页

随着卷积神经网络的发展,遥感图像目标检测性能提升明显,但场景的复杂性和目标大小、形态的多样性依然对目标检测带来挑战。针对复杂情况下不同大小目标的检测问题进行研究。特征金字塔结构是解决不同大小目标检测的有效方法,但其逐层... 随着卷积神经网络的发展,遥感图像目标检测性能提升明显,但场景的复杂性和目标大小、形态的多样性依然对目标检测带来挑战。针对复杂情况下不同大小目标的检测问题进行研究。特征金字塔结构是解决不同大小目标检测的有效方法,但其逐层传递特征的方式可能产生特征丢失问题,故提出跳跃连接特征金字塔模块来增强特征金字塔结构中各层特征的语义和细节信息。同时,使用位置注意力强化目标区域特征是提升目标检出率的有效方法,并有助于复杂场景下目标的检测,但现有的位置注意力往往同时强化了不精确的预测结果,对最终预测结果产生干扰。为此提出基于锚框的位置注意力模块,强化更可能产生精确预测结果的特征区域。将跳跃连接特征金字塔模块和基于锚框的位置注意力模块嵌入到RetinaNet模型中,形成端到端的特征增强的单阶段遥感图像目标检测模型FENet(Feature Enhanced Network)。针对复杂的遥感影像目标检测进行实验,在UCAS-AOD数据集上FENet模型mAP比FAN(Face Attention Network)高1.78%,在RSOD数据集上比FAN模型提升了1.48%,且超越了其他先进模型。此外,FENet在单块Titan X GPU上对800×800图像的测试时间是0.058 s。实验结果表明,与同类模型相比,所提模型增强了目标的特征提取能力,进而提升了检测性能。 展开更多

关键词 遥感图像 特征金字塔 位置注意力 锚框 单阶段目标检测

在线阅读 下载PDF 职称材料

深度学习中的单阶段小目标检测方法综述 被引量：68

6

作者 李科岑 王晓强 +4 位作者 林浩 李雷孝 杨艳艳 孟闯 高静 《计算机科学与探索》 CSCD 北大核心 2022年第1期41-58,共18页

随着深度学习的不断发展,目标检测技术逐步从基于传统的手工检测方法向基于深度神经网络的检测方法转变。在众多基于深度学习的目标检测方法中,基于深度学习的单阶段目标检测方法因其网络结构较简单、运行速度较快以及具有更高的检测效... 随着深度学习的不断发展,目标检测技术逐步从基于传统的手工检测方法向基于深度神经网络的检测方法转变。在众多基于深度学习的目标检测方法中,基于深度学习的单阶段目标检测方法因其网络结构较简单、运行速度较快以及具有更高的检测效率而被广泛运用。但现有的基于深度学习的单阶段目标检测方法由于小目标物体包含的特征信息较少、分辨率较低、背景信息较复杂、细节信息不明显以及定位精度要求较高等原因,导致在检测过程中对小目标物体的检测效果不理想,使得模型检测精度降低。针对目前基于深度学习的单阶段目标检测方法存在的问题,研究了大量基于深度学习的单阶段小目标检测技术。首先从单阶段目标检测方法的AnchorBox、网络结构、交并比函数以及损失函数等几个方面,系统地总结了针对小目标检测的优化方法;其次列举了常用的小目标检测数据集及其应用领域,并给出在各小目标检测数据集上的检测结果图;最后探讨了基于深度学习的单阶段小目标检测方法的未来研究方向。 展开更多

关键词 深度学习 单阶段目标检测 小目标检测

在线阅读 下载PDF 职称材料

基于单阶段网络模型的目标检测改进算法 被引量：11

7

作者 王燕妮 刘祥 刘江 《探测与控制学报》 CSCD 北大核心 2021年第2期56-62,68,共8页

针对目前单阶段目标检测算法中存在的误检、漏检以及检测精度不够高等问题,提出一种基于单阶段网络模型的目标检测改进算法。该算法使用深度残差网络对基础网络进行替换,提取更优秀的特征;增加一层用于检测小目标的底层特征图;结合反卷... 针对目前单阶段目标检测算法中存在的误检、漏检以及检测精度不够高等问题,提出一种基于单阶段网络模型的目标检测改进算法。该算法使用深度残差网络对基础网络进行替换,提取更优秀的特征;增加一层用于检测小目标的底层特征图;结合反卷积和特征融合的方法,对提取出的高层特征图与底层特征图进行融合,使新的特征图中包含更丰富的上下文信息;设计更密集的检测框且在每层卷积层后都添加批规范化操作以提升模型训练速度,防止过拟合。仿真实验结果表明,改进算法在PASCAL VOC2007数据集上较原始算法检测精度提升1.3%,检测效果更加准确,同时改进算法显著改善了误检、漏检等问题;但由于网络复杂度过高,导致检测速度有所下降。 展开更多

关键词 目标检测 单阶段多框目标检测 深度残差网络 特征融合

在线阅读 下载PDF 职称材料

基于转置卷积操作改进的单阶段多边框目标检测方法 被引量：8

8

作者 郭川磊 何嘉 《计算机应用》 CSCD 北大核心 2018年第10期2833-2838,共6页

针对单阶段多边框目标检测(SSD)模型在以高交并比(Io U)评估平均检测精度(m AP)时出现的精度下降问题,提出一种使用转置卷积操作构建的循环特征聚合模型。该模型以SSD模型为基础,使用Res Net 101作为特征提取网络。首先,利用转置卷积操... 针对单阶段多边框目标检测(SSD)模型在以高交并比(Io U)评估平均检测精度(m AP)时出现的精度下降问题,提出一种使用转置卷积操作构建的循环特征聚合模型。该模型以SSD模型为基础,使用Res Net 101作为特征提取网络。首先,利用转置卷积操作扩大网络结构中深层特征图的尺寸,为浅层特征图引入对目标的高层抽象和上下文信息;其次,使用全连接卷积层减少浅层特征图在进行特征聚合时出现偏差的可能性;最后,将浅层特征图与表示了上下文信息的深层特征图拼接,并使用1×1卷积操作恢复通道数。特征聚合过程可以循环进行多次。实验结果表明,使用KITTI数据集,以交并比(Io U)为0. 7评估平均检测精度,与原始SSD模型相比,循环特征聚合模型的检测精度提高了5. 1个百分点;与已有的精度最高Faster R-CNN相比,检测精度提高了2个百分点。循环特征聚合模型能有效提升平均目标检测精度,生成高质量的边界框。 展开更多

关键词 目标检测 转置卷积 特征聚合 单阶段多边框目标检测模型

在线阅读 下载PDF 职称材料

深度学习中的单阶段车辆检测算法综述 被引量：14

9

作者 杨锦帆 王晓强 +4 位作者 林浩 李雷孝 杨艳艳 李科岑 高静 《计算机工程与应用》 CSCD 北大核心 2022年第7期55-67,共13页

随着深度学习的发展,基于深度学习的车辆检测算法性能不断被提升,在构建智能交通体系方面发挥重要作用。单阶段目标检测模型因其检测速度的优越性,被广泛应用于车辆实时检测。为了综合分析基于深度学习的单阶段车辆检测算法相关改进及应... 随着深度学习的发展,基于深度学习的车辆检测算法性能不断被提升,在构建智能交通体系方面发挥重要作用。单阶段目标检测模型因其检测速度的优越性,被广泛应用于车辆实时检测。为了综合分析基于深度学习的单阶段车辆检测算法相关改进及应用,分别对比了各类常用单阶段车辆检测算法,列举其改进措施以及在车辆检测方面存在的问题;重点阐述了基于常见单阶段车辆检测算法针对现有问题采取的相关改进以及应用领域;简要介绍了车辆检测相关数据集,对现阶段车辆检测中亟待解决的问题与难点进行了分析,提出了车辆检测未来的研究方向。 展开更多

关键词 深度学习 车辆检测 单阶段目标检测

在线阅读 下载PDF 职称材料

基于深度学习的单阶段车辆检测算法综述 被引量：12

10

作者 赵奇慧 刘艳洋 项炎平 《计算机应用》 CSCD 北大核心 2020年第S02期30-36,共7页

随着基于深度学习的车辆检测技术的更新迭代,它在智能交通中发挥着越来越重要的作用。单阶段目标检测网络因其检测速度快的优点,被广泛地应用于监控视频中的车辆实时检测。为了综合分析和了解现今各种深度学习网络在车辆检测中应用情况... 随着基于深度学习的车辆检测技术的更新迭代,它在智能交通中发挥着越来越重要的作用。单阶段目标检测网络因其检测速度快的优点,被广泛地应用于监控视频中的车辆实时检测。为了综合分析和了解现今各种深度学习网络在车辆检测中应用情况,先介绍了当前深度学习中各类目标检测方法在车辆检测中的应用,之后简介了当前常用的单阶段目标检测算法,详细阐述了实时车辆检测中各类单阶段检测算法的实际应用状况,列举了这些算法的优点和不足。最后,简单介绍了车辆检测相关数据集和评价标准,对目前车辆检测中待解决的问题、未来待改进的方向进行了分析和讨论,为车辆检测的发展方向提供了思路。 展开更多

关键词 车辆检测 图像处理 深度学习 目标识别 单阶段目标检测

在线阅读 下载PDF 职称材料

基于跨尺度特征提取的锻件表面裂纹检测算法

11

作者 张岳 张上 +3 位作者 王恒涛 张朝阳 许欢 熊偌炎 《计算机集成制造系统》 北大核心 2025年第2期499-511,共13页

锻件表面裂纹危害性大,检测效率低,为解决传统人工磁粉检测锻件裂纹场景中存在的问题,提出一种锻件表面裂纹实时检测算法。首先采集重卡转向节生产流水线中探伤车间的磁粉检测图像,制作锻件表面裂纹数据集;然后提出轻量多尺度卷积模块LM... 锻件表面裂纹危害性大,检测效率低,为解决传统人工磁粉检测锻件裂纹场景中存在的问题,提出一种锻件表面裂纹实时检测算法。首先采集重卡转向节生产流水线中探伤车间的磁粉检测图像,制作锻件表面裂纹数据集;然后提出轻量多尺度卷积模块LMSConv,实现单模块跨尺度特征提取,同时提出大型可分离内核注意力快速空间金字塔池化模块LSKA-SPPF,进一步加强整体跨尺度特征融合能力;最后,更改Bbox损失函数为Focal EIoU,以提高锚框回归精度。锻件表面裂纹数据集与NEU-DET数据集上的实验结果表明算法检测精度高,复杂度低,对比其他主流单阶段目标检测算法,所提算法漏检率和误检率降低,具有较强的鲁棒性,能够满足锻件裂纹检测的需要。 展开更多

关键词 表面缺陷检测 跨尺度特征 锻件裂纹 单阶段目标检测

在线阅读 下载PDF 职称材料

基于深度学习的目标检测算法综述 被引量：71

12

作者 吴雪 宋晓茹 +1 位作者 高嵩 陈超波 《传感器与微系统》 CSCD 北大核心 2021年第2期4-7,18,共5页

视觉目标检测作为计算机视觉的一个重要研究方向,已广泛应用于人脸检测、行人检测和无人驾驶等领域。随着大数据、计算机硬件技术和深度学习算法在图像分类中的突破性进展,基于深度学习的目标检测算法成为主流。本文综述了基于深度学习... 视觉目标检测作为计算机视觉的一个重要研究方向,已广泛应用于人脸检测、行人检测和无人驾驶等领域。随着大数据、计算机硬件技术和深度学习算法在图像分类中的突破性进展,基于深度学习的目标检测算法成为主流。本文综述了基于深度学习目标检测算法的研究现状和发展方向。首先介绍卷积神经网络(CNN)的研究进展和经典模型;然后对目前主流的基于深度学习的两阶段目标检测算法和单阶段目标检测算法的发展、改进和不足进行归纳;最后对深度学习目标检测两种主流算法进行比较并做出总结和未来展望。 展开更多

关键词 目标检测 卷积神经网络 两阶段目标检测算法 单阶段目标检测算法

在线阅读 下载PDF 职称材料

基于非对称沙漏网络结构的目标检测算法 被引量：4

13

作者 刘子威 邓春华 刘静 《计算机应用》 CSCD 北大核心 2020年第12期3526-3533,共8页

基于无锚框深度学习的目标检测是一种主流的单阶段目标检测算法。融合多层监督信息的沙漏网络结构能够显著提升无锚框目标检测算法的精度,然而其速度却远低于同层次的普通网络的速度,并且不同尺度目标间的特征会互相干扰。针对上述问题... 基于无锚框深度学习的目标检测是一种主流的单阶段目标检测算法。融合多层监督信息的沙漏网络结构能够显著提升无锚框目标检测算法的精度,然而其速度却远低于同层次的普通网络的速度,并且不同尺度目标间的特征会互相干扰。针对上述问题,提出了一种非对称沙漏网络结构的目标检测算法。该算法在融合不同网络层的特征时不受形状大小的约束,能够快速高效抽象出网络的语义信息,使模型更容易学习到各种尺度之间的差异。针对不同尺度目标检测问题,设计了一种多尺度输出的沙漏网络结构用来解决不同尺度目标间特征互相干扰的问题,并精细化输出的检测结果。另外,针对多尺度输出使用了一种特殊的非极大值抑制算法以提高检测算法的召回率。实验结果表明,所提算法在COCO数据集上的AP50指标达到61.3%,相较于无锚框网络CenterNet提升了4.2个百分点。所提算法在精度与时间的平衡上超越了原始算法,尤其适用于对工业场景的目标进行实时检测。 展开更多

关键词 深度学习 机器视觉 卷积神经网络 单阶段目标检测 锚框 沙漏网络

在线阅读 下载PDF 职称材料

结合多特征融合与残差空洞卷积的小目标检测 被引量：6

14

作者 尹群杰 杨文柱 +1 位作者 冉梦影 宋姝洁 《计算机工程与设计》 北大核心 2022年第9期2622-2630,共9页

针对目标检测任务中小目标所占像素较少、特征不易提取而导致的小目标漏检问题,提出一种结合多特征融合与残差空洞卷积的小目标检测算法。以单阶段目标检测算法SSD为模型基础,建立多层特征融合模块,分别对浅层特征图和后两层特征图进行... 针对目标检测任务中小目标所占像素较少、特征不易提取而导致的小目标漏检问题,提出一种结合多特征融合与残差空洞卷积的小目标检测算法。以单阶段目标检测算法SSD为模型基础,建立多层特征融合模块,分别对浅层特征图和后两层特征图进行通道拼接,以深层特征来强化浅层特征,丰富浅层特征的语义信息;建立多分支残差空洞卷积模块,结合残差操作并利用不同扩张率的空洞卷积提取多尺度特征信息,增强特征表示能力,不丢失特征图的原始分辨率;利用更新后的特征来完成小目标检测。在VOC2007数据集上通过实例验证了所提算法的检测精度比SSD提高1.4%,该算法可行有效。 展开更多

关键词 单阶段目标检测 小目标检测 多层特征融合 多分支残差空洞卷积 多尺度特征信息

在线阅读 下载PDF 职称材料

基于深度学习的木材缺陷智能检测的研究进展与展望 被引量：10

15

作者 王明涛 项晓扬 +2 位作者 崔文燕 院霖享 多化琼 《林产工业》 北大核心 2024年第3期38-44,共7页

木材作为天然生物材料很容易受到内外界影响从而产生不符合人们生产需求的缺陷,人们为了准确高效的识别木材缺陷进行了大量的研究。本文对近年来基于深度学习的木材缺陷检测技术进行梳理,根据使用方法的侧重点不同将其分类,并针对典型... 木材作为天然生物材料很容易受到内外界影响从而产生不符合人们生产需求的缺陷,人们为了准确高效的识别木材缺陷进行了大量的研究。本文对近年来基于深度学习的木材缺陷检测技术进行梳理,根据使用方法的侧重点不同将其分类,并针对典型方法加以细分归类和对比分析,总结了每种方法的优缺点及其应用面。此外,提出了基于深度学习的木材缺陷检测技术目前所存在的难点与所陷困境。 展开更多

关键词 木材缺陷 单阶段目标检测 双阶段目标检测 神经网络 深度学习

在线阅读 下载PDF 职称材料

基于改进FCOS网络的遥感目标检测 被引量：7

16

作者 郑美俊 田益民 杨帅 《航天返回与遥感》 CSCD 北大核心 2022年第5期133-141,共9页

找出目标的位置和类别是目标检测的主要任务。随着人工智能和深度学习的发展,目标检测可以达到人眼所达不到的精度。由于信息较少,覆盖面积小且基于锚框的检测算法易受锚框大小、比例数目的影响,对较小的目标难以精确检测。针对以上问题... 找出目标的位置和类别是目标检测的主要任务。随着人工智能和深度学习的发展,目标检测可以达到人眼所达不到的精度。由于信息较少,覆盖面积小且基于锚框的检测算法易受锚框大小、比例数目的影响,对较小的目标难以精确检测。针对以上问题,改进无锚框算法全卷积单阶段目标检测(Fully Convolutional One-stage Object Detection,FCOS)实现了小目标检测的效率和精度。将FCOS算法的特征提取网络结构残差网络(Residual Network,ResNet)更换为轻量级网络结构MobileNetV3,随后在骨干网络中引入通道注意力机制和空间注意力机制对特征提取网络进行改进,最后设计T交并比(TIOU)代替原本的交并比(IOU),改善模型精度。实验结果表明,所改进的网络结构与FCOS相比,网络训练时间和模型大小为原来的一半,计算参数量由原来的32.12×106减少为11.73×106,减少到原来的三分之一,模型推理速度提升了10%,每秒传输帧数为11帧,与主流网络Faster RCNN相比,检测精度和速度更快,可以满足对小目标的实时检测。 展开更多

关键词 卷积神经网络 单阶段目标检测 通道和空间注意力机制 遥感应用

在线阅读 下载PDF 职称材料

基于改进YOLOX的钢材表面缺陷检测研究 被引量：11

17

作者 刘毅 蒋三新 《现代电子技术》 北大核心 2024年第9期131-138,共8页

针对目前单阶段目标检测网络YOLOX的特征提取能力不足、特征融合不充分以及钢材表面缺陷检测精度不高等问题,提出一种改进YOLOX的钢材表面缺陷检测算法。首先,在Backbone部分引入改进的SE注意力机制,增添一条最大池化层分支,进行权重融... 针对目前单阶段目标检测网络YOLOX的特征提取能力不足、特征融合不充分以及钢材表面缺陷检测精度不高等问题,提出一种改进YOLOX的钢材表面缺陷检测算法。首先,在Backbone部分引入改进的SE注意力机制,增添一条最大池化层分支,进行权重融合,强化重要的特征通道;其次,在Neck部分引入ASFF模块,充分利用不同尺度的特征,更好地进行特征融合;最后,针对数据集所呈现的特点,将IOU损失函数替换为EIOU损失函数,改善模型定位不准确的问题,提高缺陷检测精度。实验结果表明,改进的YOLOX算法具有良好的检测效果,在NEU⁃DET数据集上的mAP达到了75.66%,相比原始YOLOX算法提高了3.74%,较YOLOv6提升了2.76%,检测精度优于其他主流算法。 展开更多

关键词 YOLOX 单阶段目标检测网络 SE注意力机制 ASFF模块 表面缺陷检测 EIOU损失函数

在线阅读 下载PDF 职称材料

HourglassNet:一种用于遥感目标检测的改进FCOS算法 被引量：2

18

作者 原瑜蔓 白宏阳 +2 位作者 郭宏伟 付宏建 李泽超 《南京理工大学学报》 CAS CSCD 北大核心 2022年第6期719-727,741,共10页

针对遥感图像中背景复杂、目标分布密集、目标尺度形态多样等问题,该文在单阶段全卷积(FCOS)目标检测模型的基础上,基于沙漏特征金字塔并且与多尺度上下文场景结合,提出了沙漏网(HourglassNet)。针对卷积神经网络(CNN)中不同深度语义信... 针对遥感图像中背景复杂、目标分布密集、目标尺度形态多样等问题,该文在单阶段全卷积(FCOS)目标检测模型的基础上,基于沙漏特征金字塔并且与多尺度上下文场景结合,提出了沙漏网(HourglassNet)。针对卷积神经网络(CNN)中不同深度语义信息和空间信息不均衡的问题,提出了一种沙漏特征金字塔,通过将多尺度特征缩放至中间尺度进行融合和优化以获得全局特征。基于注意力机制将全局特征向不同尺度特征传递,在抑制无关特征的同时增强了有效特征,实现了对多尺度特征的补偿。为了将高层特征的语义信息更加充分地融入不同尺寸的特征图内,设计了多尺度上下文融合模块。利用适当的感受野提取高层特征的上下文信息,提升了特征的鲁棒性和辨识性。分别在DOTA v1.5和NWPU VHR-10公开遥感图像数据集上进行了性能对比与消融实验。结果表明,该文算法的均值平均精度(mAP)相比于FCOS在DOTA v1.5和NWPU VHR-10数据集上分别提升了4.3%和3.4%,且检测性能优于YOLOv3等其它对比方法。 展开更多

关键词 单阶段全卷积目标检测 遥感图像 沙漏特征金字塔 多尺度特征 上下文场景 卷积神经网络 注意力机制 特征融合

在线阅读 下载PDF 职称材料

基于改进FCOS的拥挤行人检测算法 被引量：10

19

作者 齐鹏宇 王洪元 +2 位作者 张继 朱繁 徐志晨 《智能系统学报》 CSCD 北大核心 2021年第4期811-818,共8页

针对大规模拥挤场景视频中行人目标小、行人遮挡和行人交叠而导致的检测困难等问题,本文将逐像素预测目标检测框架—全卷积单阶段目标检测FCOS(fully convolutional one-stage object detection)应用于行人检测,提出一种改进的主干网络... 针对大规模拥挤场景视频中行人目标小、行人遮挡和行人交叠而导致的检测困难等问题,本文将逐像素预测目标检测框架—全卷积单阶段目标检测FCOS(fully convolutional one-stage object detection)应用于行人检测,提出一种改进的主干网络用于提取行人特征,通过增加尺度回归实现目标行人的多尺度检测,同时减少其他特征层检测的目标数量,进而提升行人检测的能力。在拥挤行人场景数据集CrowdHuman和小目标行人数据集Caltech上的大量实验结果表明,和目前先进的方法相比,本文的方法对行人的检测精度有所提升,特别是对于小目标行人检测。与原始FCOS算法相比,在CrowdHuman上平均精度提升接近15%,丢失率降低接近33.0%;在Caltech上的平均精度提升2%。在复杂拥挤场景下的实际应用也证明本文方法的有效性。 展开更多

关键词 行人检测 多尺度检测 全卷积单阶段目标检测 拥挤行人场景 训练策略 小目标检测 尺度回归 逐像素预测

在线阅读 下载PDF 职称材料

基于FCOS算法改进的交通标志检测 被引量：1

20

作者 陈哲 程艳云 《计算机工程与设计》 北大核心 2022年第11期3271-3278,共8页

针对道路中交通标志检测存在的检测对象目标小、自然环境干扰等问题,提出基于全卷积单阶段目标检测(fully convolutional one-stage object detection,FCOS)算法改进的多尺度特征融合的单阶段无锚检测器。以FCOS算法为框架,在特征提取... 针对道路中交通标志检测存在的检测对象目标小、自然环境干扰等问题,提出基于全卷积单阶段目标检测(fully convolutional one-stage object detection,FCOS)算法改进的多尺度特征融合的单阶段无锚检测器。以FCOS算法为框架,在特征提取网络中通过引入注意力模块CBAM(convolutional block attention module)对数据集进行特征提取,在该网络中引入模型效果优于Re LU的swish激活函数;在特征加强网络中进行轻量级的多尺度特征融合。在TT100K数据集上的实验结果表明,该算法的F1-measure达到了83.2%,检测速度达到了24.39FPS,验证了改进后网络的可行性和有效性。 展开更多

关键词 全卷积单阶段目标检测 交通标志检测 注意力模块 swish激活函数 多尺度特征融合

在线阅读 下载PDF 职称材料