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
基于改进YOLOv5s的水面漂浮物检测算法研究
被引量：
5
1
作者
项新建
翁云龙
+4 位作者
谢建立
郑永平
吴善宝
许宏辉
杨斌
《人民黄河》
CAS
北大核心
2024年第7期85-91,共7页
水面图像具有水波扰动、光线反射、岸上倒影等复杂特征,导致现有目标检测方法不能很好地完成对水面漂浮物的识别。基于此,提出了一种基于改进YOLOv5s的水面漂浮物检测优化模型,通过增加目标检测层以提升模型检测多尺度目标的能力,在特...
水面图像具有水波扰动、光线反射、岸上倒影等复杂特征,导致现有目标检测方法不能很好地完成对水面漂浮物的识别。基于此,提出了一种基于改进YOLOv5s的水面漂浮物检测优化模型,通过增加目标检测层以提升模型检测多尺度目标的能力,在特征融合层引入无参注意力机制SimAM以提高模型对漂浮物特征的学习,并采用CARAFE上采样方式增强网络的感受野以提高对特征的重建能力,在YOLOv5s网络结构中融入卷积混合层以保持模型检测精度且减少参数量,从而提高模型运行速度。实例验证结果表明:改进模型检测效果良好,平均精度达97.1%,较原YOLOv5s模型提高了4.9个百分点,能够有效改善水面漂浮物漏检、误检问题。
展开更多
关键词
漂浮物检测
YOLOv5s
多尺度特征检测
注意力机制
CARAFE
卷积混合层
在线阅读
下载PDF
职称材料
判别相关分析双注意力机制的目标检测算法
被引量：
3
2
作者
赵珊
郑爱玲
《计算机工程与应用》
CSCD
北大核心
2022年第17期120-129,共10页
针对两阶段目标检测算法中模型存在目标识别率低、部分小目标物漏检等问题,提出了一种基于判别相关分析的双注意力机制的目标检测算法。该算法通过改进Faster R-CNN主干网络,引入判别相关分析技术最大化两个特征集中对应特征的相关关系...
针对两阶段目标检测算法中模型存在目标识别率低、部分小目标物漏检等问题,提出了一种基于判别相关分析的双注意力机制的目标检测算法。该算法通过改进Faster R-CNN主干网络,引入判别相关分析技术最大化两个特征集中对应特征的相关关系,同时最大化不同类之间的差异,来保证信息间的交互,有效缓解常规特征融合方式存在的特征提取能力不足问题。同时,结合残差结构构建残差双注意力机制,进行深层次的特征提取,来弥补深度CNN后高分辨率信息弱化问题,采用混合卷积层的设计在扩大感受野的同时又减少了信息损失,最大限度地保证了网络的特征提取性能。采用PASCAL VOC2007、KITTI以及Portrait三类数据集对网络进行训练,并将提出的算法模型与多个经典目标检测算法进行对比。实验结果表明,提出的算法具有较高的检测精度。
展开更多
关键词
判别相关分析
残差双注意力机制
混合
卷积
层
目标检测
在线阅读
下载PDF
职称材料
题名
基于改进YOLOv5s的水面漂浮物检测算法研究
被引量：
5
1
作者
项新建
翁云龙
谢建立
郑永平
吴善宝
许宏辉
杨斌
机构
浙江科技大学自动化与电气工程学院
凯铭科技(杭州)有限公司
出处
《人民黄河》
CAS
北大核心
2024年第7期85-91,共7页
基金
浙江省自然科学基金资助项目(LQ16F030002)
浙江省重点研发计划项目(202206)
杭州市科技计划发展项目(202203B21)。
文摘
水面图像具有水波扰动、光线反射、岸上倒影等复杂特征,导致现有目标检测方法不能很好地完成对水面漂浮物的识别。基于此,提出了一种基于改进YOLOv5s的水面漂浮物检测优化模型,通过增加目标检测层以提升模型检测多尺度目标的能力,在特征融合层引入无参注意力机制SimAM以提高模型对漂浮物特征的学习,并采用CARAFE上采样方式增强网络的感受野以提高对特征的重建能力,在YOLOv5s网络结构中融入卷积混合层以保持模型检测精度且减少参数量,从而提高模型运行速度。实例验证结果表明:改进模型检测效果良好,平均精度达97.1%,较原YOLOv5s模型提高了4.9个百分点,能够有效改善水面漂浮物漏检、误检问题。
关键词
漂浮物检测
YOLOv5s
多尺度特征检测
注意力机制
CARAFE
卷积混合层
Keywords
floating object detection
YOLOv5s
multi-scale feature detection
attention mechanism
CARAFE
ConvMixer Layer
分类号
TV213.4 [水利工程—水文学及水资源]
在线阅读
下载PDF
职称材料
题名
判别相关分析双注意力机制的目标检测算法
被引量：
3
2
作者
赵珊
郑爱玲
机构
河南理工大学计算机科学与技术学院
出处
《计算机工程与应用》
CSCD
北大核心
2022年第17期120-129,共10页
基金
国家自然科学基金(50804013)
南京邮电大学江苏省图像处理与图像通信重点实验室开放基金(ZK208002)
+1 种基金
河南省教育厅自然科学基础研究基金(2008B520015,2009B520013)
河南理工大学博士基金(B2008-61,B2009-91)。
文摘
针对两阶段目标检测算法中模型存在目标识别率低、部分小目标物漏检等问题,提出了一种基于判别相关分析的双注意力机制的目标检测算法。该算法通过改进Faster R-CNN主干网络,引入判别相关分析技术最大化两个特征集中对应特征的相关关系,同时最大化不同类之间的差异,来保证信息间的交互,有效缓解常规特征融合方式存在的特征提取能力不足问题。同时,结合残差结构构建残差双注意力机制,进行深层次的特征提取,来弥补深度CNN后高分辨率信息弱化问题,采用混合卷积层的设计在扩大感受野的同时又减少了信息损失,最大限度地保证了网络的特征提取性能。采用PASCAL VOC2007、KITTI以及Portrait三类数据集对网络进行训练,并将提出的算法模型与多个经典目标检测算法进行对比。实验结果表明,提出的算法具有较高的检测精度。
关键词
判别相关分析
残差双注意力机制
混合
卷积
层
目标检测
Keywords
discriminant correlation analysis
residual dual attention mechanism
mixed convolution layer
object detection
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
作者
出处
发文年
被引量
操作
1
基于改进YOLOv5s的水面漂浮物检测算法研究
项新建
翁云龙
谢建立
郑永平
吴善宝
许宏辉
杨斌
《人民黄河》
CAS
北大核心
2024
5
在线阅读
下载PDF
职称材料
2
判别相关分析双注意力机制的目标检测算法
赵珊
郑爱玲
《计算机工程与应用》
CSCD
北大核心
2022
3
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
