基于坐标注意力和加权双向特征金字塔网络的舰载机阻拦着舰拉制状态精准识别

1

作者 李哲 杨杰 +4 位作者 张椅 王华 李亚飞 王可 徐明亮 《中国舰船研究》 北大核心 2025年第4期124-133,共10页

[目的]舰载机着舰安全的关键在于尾钩与阻拦索成功挂索,而现有研究中,借助智能化手段辅助着舰指挥官(LSO)识别阻拦着舰状态的工作较少。为此,提出一种融合坐标注意力和加权双向特征金字塔网络的阻拦着舰拉制状态识别模型。[方法]先使用... [目的]舰载机着舰安全的关键在于尾钩与阻拦索成功挂索,而现有研究中,借助智能化手段辅助着舰指挥官(LSO)识别阻拦着舰状态的工作较少。为此,提出一种融合坐标注意力和加权双向特征金字塔网络的阻拦着舰拉制状态识别模型。[方法]先使用坐标注意力机制(CA)从空间和通道两个维度增强模型捕捉特征的能力;再通过加权双向特征金字塔网络(BiFPN)纳入可学习的权值学习不同输入特征的重要性,实现双向多尺度特征融合;然后采用C2F模块轻量化模型架构,减少参数和计算量;最后通过仿真实验将所提模型与5种基线模型进行对比。[结果]结果表明,在舰载机尾钩和阻拦着舰拉制状态的检测上,该模型综合性能均优于基线模型。[结论]该模型有助于提高尾钩及阻拦索的啮合状态检测的准确率和鲁棒性,对提高舰载机着舰作业的效率、预防潜在的人员伤害和装备损失具有重要意义。 展开更多

关键词 舰载机 阻拦装置 状态识别 双向特征金字塔网络(BiFPN) 航空母舰

在线阅读 下载PDF 职称材料

多尺度和多层级特征融合的人体姿态估计 被引量：2

2

作者 王燕妮 胡敏 +2 位作者 韩世鹏 陈艺瑄 吕昊 《计算机工程与应用》 北大核心 2025年第6期199-209,共11页

人体姿态估计的精度提升通常依赖于特征融合,但是现有特征融合策略往往忽略了尺度特征和层级特征之间的交互作用。为了充分利用不同特征之间的互补性,提出了一种新特征融合策略用以提升人体姿态估计精度,即多尺度和多层级特征融合网络(m... 人体姿态估计的精度提升通常依赖于特征融合,但是现有特征融合策略往往忽略了尺度特征和层级特征之间的交互作用。为了充分利用不同特征之间的互补性,提出了一种新特征融合策略用以提升人体姿态估计精度,即多尺度和多层级特征融合网络(multi-scale and multi-level network,MSLNet)。采用高分辨率网络(high-resolution network,HRNet)作为主干,通过跨尺度信息交互,实现不同分辨率特征图之间的信息交换,获取同时包含细粒度和粗粒度的姿态特征;引入期望最大化注意力-加权双向特征金字塔网络(expectation maximization attention-bidirectional feature pyramid network,EMA-BiFPN),实现多尺度特征融合后的多层级特征聚合,从局部到全局捕捉人体姿态的细节和关联信息;设计由残差结构组成的关键点检测头,完成输出特征的最终融合并提升人体关键点检测准确率。实验结果表明,MSLNet在COCO和MPII数据集上分别取得了75.8%和91.1%的准确率,实现了最优精度,充分验证了MSLNet能够融合尺度和层级之间的互补特征,进而提升人体姿态估计精度。 展开更多

关键词 高分辨率网络(HRNet) 人体姿态估计 期望最大化注意力 双向特征金字塔网络 特征融合

在线阅读 下载PDF 职称材料

具有双向增强特征结构的U型肺结节分割网络 被引量：5

3

作者 黄新 郭晓敏 《计算机工程与应用》 CSCD 北大核心 2022年第24期239-246,共8页

在CT影像中精准而有效地分割出肺部结节是肺癌早期诊断的关键。然而,肺结节形态的多样性以及周围环境的复杂性,都给肺结节分割的鲁棒性带来了巨大的挑战。为提高CT影像中肺结节分割的准确性,提出了Bi EFP-UNet(bidirectional enhanced f... 在CT影像中精准而有效地分割出肺部结节是肺癌早期诊断的关键。然而,肺结节形态的多样性以及周围环境的复杂性,都给肺结节分割的鲁棒性带来了巨大的挑战。为提高CT影像中肺结节分割的准确性,提出了Bi EFP-UNet(bidirectional enhanced feature pyramid UNet)肺结节分割网络。该结构采用端到端的深度学习方法来解决肺结节的分割任务,通过在原始U-Net网络的编码器和解码器结构之间集成一个双向增强型特征金字塔网络(bidirectional enhanced feature pyramid network,Bi EFPN),加强网络对特征的传递与利用;利用Mish激活函数提高分割效率,并消除原始U-Net网络梯度消失的问题。在肺结节公开数据集LUNA16上的实验结果表明,Bi EFP-UNet网络的Dice相似系数(DSC)可达88.32%,其中,Bi EFPN结构带来的提升为5.25个百分点,Mish激活函数带来的提升为1.21个百分点;与原始U-Net网络相比,Bi EFP-UNet网络的DSC提升了6.46个百分点,能有效解决原始U-Net网络对小目标结节分割性能差、梯度消失的问题。 展开更多

关键词 CT 肺结节分割 U-Net Bi EFP-UNet 双向增强型特征金字塔网络 Mish

在线阅读 下载PDF 职称材料

基于改进YOLOv7-tiny的绝缘子缺陷检测网络

4

作者 韩兴宇 陈为真 《现代电子技术》 北大核心 2025年第16期105-112,共8页

现有的检测方法在复杂背景的输电线路图像中识别绝缘子微小缺陷时,得到的图像存在背景环境复杂、缺陷尺寸小等问题。为保证输电线路的安全运行,提出一种基于YOLOv7-tiny的绝缘子缺陷检测网络(IDD-Net)。首先,引入基于注意力的尺度内特... 现有的检测方法在复杂背景的输电线路图像中识别绝缘子微小缺陷时,得到的图像存在背景环境复杂、缺陷尺寸小等问题。为保证输电线路的安全运行,提出一种基于YOLOv7-tiny的绝缘子缺陷检测网络(IDD-Net)。首先,引入基于注意力的尺度内特征交互(AIFI)来处理高维特征,从而降低计算量;其次,使用双向加权路径特征金字塔网络(BiFPN)进行特征融合,并对下采样模块进行改进,增强网络的感知能力;最后,使用Focal-DIoU损失函数提高锚框质量。结果表明,与基线模型相比,IDD-Net的平均精度均值提高4.1%,精确率和召回率分别提高2.4%和6.5%,参数量和浮点运算量分别减少5.8%和2.3%,对于闪络缺陷的平均精度提高11.2%。由此说明所提方法参数量较小,性能更优异,鲁棒性更强。 展开更多

关键词 YOLOv7-tiny 绝缘子缺陷检测 基于注意力的尺度内特征交互 双向加权路径特征金字塔网络 MC下采样模块 轻量级网络

在线阅读 下载PDF 职称材料

一种基于元学习的改进YOLO钢管表面缺陷小样本检测模型 被引量：3

5

作者 李凌波 田彦 +1 位作者 江旭东 董宝力 《机电工程》 北大核心 2025年第5期985-993,共9页

针对产品表面缺陷样本数稀缺时的深度学习缺陷检测效果不佳问题,提出了一种基于元学习策略的改进YOLO-SBN模型,用于小样本缺陷检测。首先,为了提高提取全局特征信息的能力,采用了Swin Transformer作为骨干网络模型,引入注意力机制提取... 针对产品表面缺陷样本数稀缺时的深度学习缺陷检测效果不佳问题,提出了一种基于元学习策略的改进YOLO-SBN模型,用于小样本缺陷检测。首先,为了提高提取全局特征信息的能力,采用了Swin Transformer作为骨干网络模型,引入注意力机制提取了特征图的判别能力;然后,为了提高特征融合能力并降低计算复杂度,通过加权双向特征金字塔网络(BiFPN)结构优化了特征提取器的颈部网络,平衡了YOLO-SBN模型的有效性和效率;最后,采用归一化注意力模块(NAM)优化权重调整了模块,增强了浅层缺陷特征的模型表达,并基于这些增强的特征进行了检测;使用金属表面热轧缺陷公开数据集NEU-DET验证了YOLO-SBN模型的算法性能。研究结果表明:对于小样本缺陷检测,YOLO-SBN模型在平均准确率(mAP)方面提高了4.1%;在新类缺陷样本规模数量为50的小样本情况下,改进后的检测模型对新类数据适应性最强。由此可见,该YOLO-SBN模型在提高检测精度和提升模型泛化能力方面具有一定优势。 展开更多

关键词 小样本目标检测 表面缺陷 元学习 特征网络 归一化注意力模块 平均准确率 双向特征金字塔网络(BiFPN)

在线阅读 下载PDF 职称材料

基于改进YOLOv8模型的井下人员入侵带式输送机危险区域智能识别 被引量：1

6

作者 毛清华 苏毅楠 +3 位作者 贺高峰 翟姣 王荣泉 尚新芒 《工矿自动化》 北大核心 2025年第1期11-20,103,共11页

针对煤矿带式输送机场景存在尘雾干扰严重、背景环境复杂、人员尺度多变且易遮挡等因素导致人员入侵危险区域识别准确率不高等问题,提出一种基于改进YOLOv8模型的井下人员入侵带式输送机危险区域智能识别系统。改进YOLOv8模型通过替换... 针对煤矿带式输送机场景存在尘雾干扰严重、背景环境复杂、人员尺度多变且易遮挡等因素导致人员入侵危险区域识别准确率不高等问题,提出一种基于改进YOLOv8模型的井下人员入侵带式输送机危险区域智能识别系统。改进YOLOv8模型通过替换主干网络C2f模块为C2fER模块,加强模型的细节特征提取能力,提升模型对小目标人员的识别性能;通过在颈部网络引入特征强化加权双向特征金字塔网络(FE-BiFPN)结构,提高模型的特征融合能力,从而提升模型对多尺度人员目标的识别效果;通过引入分离增强注意力模块(SEAM)增强模型在复杂背景下对局部特征的关注度,提升模型对遮挡目标人员的识别能力;通过引入WIoU损失函数增强训练效果,提升模型识别准确率。消融实验结果表明:改进YOLOv8模型的准确率较基线模型YOLOv8s提升2.3%,mAP@0.5提升3.4%,识别速度为104帧/s。人员识别实验结果表明:与YOLOv10m,YOLOv8s-CA、YOLOv8s-SPDConv和YOLO8n模型相比,改进YOLOv8模型对小目标、多尺度目标、遮挡目标的识别效果均更佳,识别准确率为90.2%,mAP@0.5为87.2%。人员入侵危险区域实验结果表明:井下人员入侵带式输送机危险区域智能识别系统判别人员入侵危险区域的平均准确率为93.25%,满足识别需求。 展开更多

关键词 煤矿带式输送机 人员入侵危险区域 YOLOv8模型 遮挡目标检测 小目标检测 多尺度融合 C2fER模块 特征强化加权双向特征金字塔网络结构

在线阅读 下载PDF 职称材料

基于改进YOLOX的隧道火灾检测算法

7

作者 马庆禄 邱高建 白锋 《中国安全科学学报》 北大核心 2025年第4期28-34,共7页

针对隧道初期火灾检测中存在的复杂环境干扰和低识别率问题,提出一种基于改进YOLOX算法的检测方法YOLOX-T。该方法在YOLOX中引入归一化注意力模块(NAM)机制来抑制环境噪声和干扰,提高系统的鲁棒性及识别的精确性;引入加权双向特征金字... 针对隧道初期火灾检测中存在的复杂环境干扰和低识别率问题,提出一种基于改进YOLOX算法的检测方法YOLOX-T。该方法在YOLOX中引入归一化注意力模块(NAM)机制来抑制环境噪声和干扰,提高系统的鲁棒性及识别的精确性;引入加权双向特征金字塔网络(BiFPN)增强特征提取和融合能力,优化α-交并比(IoU)损失函数,以提高对轮廓特征不明显的隧道初期烟雾火焰的检测精度;在现有公开数据集不足的情况下,通过网络采集、模拟试验和扩充现有数据集,构建隧道火灾数据集,在包含真实场景和模拟场景的自建隧道火灾数据集上进行验证。结果表明:相比于原始YOLOX模型,改进后的算法均值平均精度(mAP@0.5)提高1.89%,mAP@0.5~0.95提高0.88%,精确率提高4.57%,召回率提高5.45%,改进后的算法能够实现更优的检测性能。 展开更多

关键词 隧道火灾 YOLOX 火灾检测 归一化注意力模块(NAM) 加权双向特征金字塔网络(BiFPN)

在线阅读 下载PDF 职称材料

露天矿山下无人矿卡的轻量级障碍检测算法 被引量：1

8

作者 程铄棋 伊力哈木·亚尔买买提 +2 位作者 谢丽蓉 李熙玉 马颖 《煤炭科学技术》 北大核心 2025年第7期262-274,共13页

随着人工智能技术不断发展和智慧矿山理念的逐步推进,传统露天矿山的运营模式正在被自动化方式取代。无人矿卡作为智慧矿山的重要组成部分,其推广应用有效解决了因矿区地形不规则、路面坑洼或恶劣天气等因素导致的矿卡翻车、侧滑等问题... 随着人工智能技术不断发展和智慧矿山理念的逐步推进,传统露天矿山的运营模式正在被自动化方式取代。无人矿卡作为智慧矿山的重要组成部分,其推广应用有效解决了因矿区地形不规则、路面坑洼或恶劣天气等因素导致的矿卡翻车、侧滑等问题,从而显著降低了由此引发的伤亡事故。准确的检测目标类别是做避障决策的前提,而模型轻量化可以在资源有限的条件下很好地部署。因此,针对露天矿山场景下,无人矿卡目标检测算法存在参数量多、模型较大及小目标和遮挡目标检测准确率低的问题,提出轻量级无人矿卡检测算法LWHP(Lightweight High-Precision),设计思路有以下4点:其一,提出高效加权双向的特征金字塔网络R-BiFPN,利用这一结构重构颈部网络,通过跨层连接及双向传播,减少冗余计算路径,并通过加权特征融合方式增强多尺度特征融合能力,提升小目标检测能力的同时大幅度降低参数量;其二,设计带有多头注意力机制的检测解耦头,改善卷积层冗余导致网络复杂的问题,并处理空间维度以集中捕捉目标特征,减弱无关背景干扰,提升遮挡目标识别准确率;其三,利用双重卷积构建轻量级神经网络CDC,增强通道间信息流动,提高模型特征表达能力并降低模型复杂度;其四,引入EIOU损失函数,分别计算目标边界框的宽高差异,并加入Focal Loss解决难易样本不平衡问题,获得更快的收敛速度和更优秀的定位能力。试验表明:改进后算法相较于原始算法参数量降低50.2%,计算量减少46.3%,模型大小压缩47.6%,仅有3.3 MB,且FPS达到92.9,满足实时性需求。精度提升1.6%,召回率提升3.1%,平均精度达到79.6%,相比原模型提升2%,保证轻量级部署的同时提升了检测准确率。 展开更多

关键词 无人矿卡 目标检测 LWHP 轻量化 加权双向特征金字塔网络 多头注意力机制

在线阅读 下载PDF 职称材料

改进YOLOv8s-Pose多人姿态估计轻量化模型研究 被引量：3

9

作者 傅裕 高树辉 《计算机科学与探索》 北大核心 2025年第3期682-692,共11页

针对现有人体姿态估计模型计算量大、检测速度慢等问题,提出了一种基于YOLOv8s-Pose模型的轻量化改进算法。在backbone中引入轻量化模块C2f-GhostNetBottleNeckV2替换原先C2f,减少参数量,提高模型速度。引入Non_Local注意力机制捕捉并... 针对现有人体姿态估计模型计算量大、检测速度慢等问题,提出了一种基于YOLOv8s-Pose模型的轻量化改进算法。在backbone中引入轻量化模块C2f-GhostNetBottleNeckV2替换原先C2f,减少参数量,提高模型速度。引入Non_Local注意力机制捕捉并传递人体关键点位置,直接融合全面的信息,为后续的层级提供更为丰富和深入的语义信息,提升整体的信息处理深度和广度,强化特征提取的效能,减少模型轻量化后精度降低问题,再将neck层引入加权双向特征金字塔网络,通过双向融合的理念,对自顶向下和自底向上的信息流动路径进行了重新规划,确保在处理不同尺度的特征信息时达到良好的平衡,给网络增加一个小目标检测头,减少对小目标的漏检情况,将CIOU损失函数更换为Focal-EIOU损失函数,以增强对复杂场景和多目标场景下的鲁棒性。实验结果表明,改进后的实验模型参数量降低了9.3%,在COCO2017人体关键点数据集上,与原模型相比mAP@0.50提升了0.4个百分点,mAP@0.50:0.95提升了0.6个百分点。可见,所提出的轻量化改进算法在减少模型参数量的同时,提升了人体姿态估计的算法精度,尤其对小目标检测有显著改善,为实现实时准确的姿态估计提供了有效手段。 展开更多

关键词 姿态估计 YOLOv8s-Pose GhostNetV2网络 加权双向特征金字塔网络 损失函数

在线阅读 下载PDF 职称材料

不规则图案透明包装袋缺陷的多尺度智能检测

10

作者 沈忱 吴黎明 +1 位作者 王桂棠 张巧芬 《电子测量与仪器学报》 北大核心 2025年第6期112-120,共9页

针对现有不规则图案透明包装袋缺陷检测中低对比度及敏感度不足导致的多尺度异常、图案干扰、漏检等问题,提出一种基于YOLOv8s框架改进的YOLOv8s-CBW检测算法,在YOLOv8s的主干网络C2f模块中嵌入坐标注意力机制(CA),增强模型对低对比度... 针对现有不规则图案透明包装袋缺陷检测中低对比度及敏感度不足导致的多尺度异常、图案干扰、漏检等问题,提出一种基于YOLOv8s框架改进的YOLOv8s-CBW检测算法,在YOLOv8s的主干网络C2f模块中嵌入坐标注意力机制(CA),增强模型对低对比度、微小缺陷的空间特征定位与精细化辨识能力;通过双向特征金字塔网络(BiFPN)替换原有的PANet结构,优化多尺度特征融合效率;最后,引入动态聚焦的WIoU-v3损失函数提升边界框回归精度,替代传统的CIoU损失函数,提升模型对不规则形态缺陷的边界框回归精度与整体泛化性能。实验表明,相较于基准YOLOv8s型,YOLOv8s-CBW在参数量仅增加0.11×10^(6)、浮点数基本不变的情况下,在缺陷检测任务中mAP@0.5达到82.2%,提升了1.3%,mAP@0.5:0.95达到49.3%,提升了7.1%;与YOLOv5s、YOLOv6s等主流模型相比,算法的mAP@0.5分别提高2.3%与10.6%,在保持浮点数基本不变的前提下实现更优检测精度。证明通过轻量化改进的YOLOv8s-CBW在多尺度缺陷的检测中能够保证效率,显著提升稳定性,为包装袋自动化质检提供可靠解决方案。 展开更多

关键词 深度学习 YOLOv8 损失函数 双向特征金字塔网络

在线阅读 下载PDF 职称材料

基于改进EfficientDet的食品生产线核桃仁分选智能化研究

11

作者 秦新华 王义亮 +1 位作者 李玉贵 李晋 《食品与机械》 北大核心 2025年第8期77-84,共8页

[目的]提高现有食品生产线核桃仁分选的效率和精度。[方法]基于核桃仁分拣的智能化生产线,提出一种改进的EfficientDet模型用于食品生产线核桃仁智能化分选。通过在主干网络引入卷积注意力机制模块,强化模型对食品区域的聚焦能力。通过... [目的]提高现有食品生产线核桃仁分选的效率和精度。[方法]基于核桃仁分拣的智能化生产线,提出一种改进的EfficientDet模型用于食品生产线核桃仁智能化分选。通过在主干网络引入卷积注意力机制模块,强化模型对食品区域的聚焦能力。通过改进双向特征金字塔网络,增强模型对不同尺度食品的检测能力。通过Dynamic ReLU激活函数对原激活函数进行优化,增强模型对食品的检测性能,并将优化后的模型部署于食品生产线进行试验验证。[结果]试验方法在核桃仁分选任务中实现对正常、碎壳、黑斑和干瘪核桃仁的精准识别与高效分类,单张图像检测时间为18 ms,平均精度均值达到97.92%,误检率降至1.0%,可有效提高食品生产线自动化水平。[结论]该智能化分选方法有效解决了传统分选效率低和精度差的问题,在食品生产线自动化领域具有良好的应用前景与推广价值。 展开更多

关键词 食品生产线 核桃仁分选 智能化 EfficientDet模型 双向特征金字塔网络 卷积注意力机制模块

在线阅读 下载PDF 职称材料

基于多尺度特征融合的红外单目测距算法 被引量：11

12

作者 刘斌 李港庆 +2 位作者 安澄全 王水根 王建生 《计算机应用》 CSCD 北大核心 2022年第3期804-809,共6页

由于MonoDepth2的提出,无监督单目测距在可见光领域取得了重大发展;然而在某些场景例如夜间以及一些低能见度的环境,可见光并不适用,而红外热成像可以在夜间和低能见度条件下获得清晰的目标图像,因此对于红外图像的深度估计显得尤为必... 由于MonoDepth2的提出,无监督单目测距在可见光领域取得了重大发展;然而在某些场景例如夜间以及一些低能见度的环境,可见光并不适用,而红外热成像可以在夜间和低能见度条件下获得清晰的目标图像,因此对于红外图像的深度估计显得尤为必要。由于可见光和红外图像的特性不同,直接将现有可见光单目深度估计算法迁移到红外图像是不合理的。针对该问题,对MonoDepth2算法进行改进,提出了基于多尺度特征融合的红外单目测距算法。针对红外图像低纹理的特性设计了一项新的损失函数边缘损失函数,旨在降低图像重投影时的像素误匹配。不同于以往的无监督单目测距单纯地将四个尺度的深度图统一上采样到原图像分辨率计算投影误差而忽略了尺度之间的关联性以及不同尺度之间的贡献差异,将加权的双向特征金字塔网络(BiFPN)应用于多尺度深度图的特征融合,解决了深度图边缘模糊问题。另外用跨阶段部分网络(CSPNet)替换残差网络(ResNet)结构,以降低网络复杂度并提高运算速度。实验结果表明,边缘损失更适合红外图像测距,使得深度图质量更高;在加入BiFPN结构之后,深度图像的边缘更加清晰;将ResNet替换为CSPNet之后,推理速度提高了大约20个百分点。该算法能够准确估计出红外图像的深度,解决夜间低光照场景以及一些低能见度场景下的深度估计难题;该算法的应用也可以在一定程度上降低汽车辅助驾驶的成本。 展开更多

关键词 无监督 单目测距 红外图像 双向特征金字塔网络 跨阶段部分网络

在线阅读 下载PDF 职称材料

基于改进YOLOv5s的苹果表面缺陷检测

13

作者 吕利俊 伊力哈木·亚尔买买提 《山东农业科学》 北大核心 2025年第6期149-157,共9页

针对苹果表面缺陷检测中存在因苹果重叠或被遮挡造成的检测精度低以及误检漏检等问题,本研究提出一种改进YOLOv5s算法的苹果表面缺陷检测方法。首先,在YOLOv5s模型的Backbone部分加入卷积注意力模块(CBAM),增强检测模型对图像重要区域... 针对苹果表面缺陷检测中存在因苹果重叠或被遮挡造成的检测精度低以及误检漏检等问题,本研究提出一种改进YOLOv5s算法的苹果表面缺陷检测方法。首先,在YOLOv5s模型的Backbone部分加入卷积注意力模块(CBAM),增强检测模型对图像重要区域信息的关注程度,从而提升模型对苹果表面缺陷的检测能力;其次,引入加权双向特征金字塔网络(BiFPN),充分融合不同尺度的苹果表面缺陷特征,以达到减少漏检和误检的目的;最后,使用Soft-NMS算法替代原始网络中的NMS算法,优化冗余边界框筛选条件,进一步降低模型的漏检率。实验结果显示,本研究所提算法的平均精度均值(mAP)达到95.5%,相较于原始算法提升了3.3个百分点,且召回率提升了4.6个百分点,能更好地检测苹果表面缺陷。 展开更多

关键词 苹果表面缺陷检测 YOLOv5s 卷积注意力机制 加权双向特征金字塔网络

在线阅读 下载PDF 职称材料

基于改进YOLOv5的道路裂缝目标检测方法

14

作者 牟宗磊 赵明 +2 位作者 王彦 杜厚林 刘春晖 《山东科技大学学报(自然科学版)》 北大核心 2025年第2期86-94,共9页

针对目前道路裂缝目标检测方法存在的对早期裂缝特征识别能力弱、目标检测精度低等问题,提出基于改进YOLOv5的道路裂缝目标检测方法。首先,设计融合注意力机制的轻量化DP-CBC3模块,提高主干网络特征提取能力;其次,采用去权重的双向特征... 针对目前道路裂缝目标检测方法存在的对早期裂缝特征识别能力弱、目标检测精度低等问题,提出基于改进YOLOv5的道路裂缝目标检测方法。首先,设计融合注意力机制的轻量化DP-CBC3模块,提高主干网络特征提取能力;其次,采用去权重的双向特征金字塔网络(Dw-BiFPN)替代路径聚合网络(PANet),实现更高层次的网络特征的融合,提高网络双向特征融合能力;最后,采用α-IoU损失函数替代CIoU损失函数,提高目标预测框的回归精度。实验结果表明,相较于原模型,改进的YOLOv5检测模型精确率提升21.39%,召回率提升2.33%,平均精度均值提升6.54%。该方法提升了道路裂缝目标检测效果,可有效解决道路裂缝目标检测难、精度低等问题。 展开更多

关键词 道路裂缝 目标检测 YOLOv5模型 去权重的双向特征金字塔网络 α-IoU损失函数

在线阅读 下载PDF 职称材料

RO-YOLOv9车辆行人检测算法 被引量：2

15

作者 廖炎华 万学俊 +1 位作者 赵周洲 潘文林 《计算机工程与应用》 北大核心 2025年第11期144-155,共12页

针对道路交通环境中车辆和行人目标较小或被遮挡导致的检测精度低以及误检、漏检问题,提出道路目标检测算法RO-YOLOv9。增加小目标检测层,增强算法对小目标的特征学习能力。设计双向与自适应尺度融合特征金字塔网络(bidirectional and a... 针对道路交通环境中车辆和行人目标较小或被遮挡导致的检测精度低以及误检、漏检问题,提出道路目标检测算法RO-YOLOv9。增加小目标检测层,增强算法对小目标的特征学习能力。设计双向与自适应尺度融合特征金字塔网络(bidirectional and adaptive scale fusion feature pyramid network,BiASF-FPN)结构,优化多尺度特征融合,保证算法有效捕捉从小尺度到大尺度目标的详细信息。提出OR-RepN4模块,通过重参数化策略,复杂算法结构简单化,提高推理速度。引用Shape-NWD(shape neighborhood weighted decomposition)损失函数,专注边界框形状与尺寸,采用归一化高斯Wasserstein距离平滑回归,实现跨尺度不变性,降低小尺度与遮挡目标的检测误差。实验结果表明,在优化后的SODA10M和BDD100K数据集下,RO-YOLOv9算法的mAP@0.5(mean average precision)分别达到68.1%和56.8%,比YLOLOv9算法提高5.6个百分点和4.4个百分点,并且检测帧率分别达到了55.3帧/s和54.2帧/s,达到检测精度和检测速度的平衡。 展开更多

关键词 YOLOv9 小目标检测 双向与自适应尺度融合特征金字塔网络(BiASF-FPN) OR-RepN4 Shape-NWD

在线阅读 下载PDF 职称材料

局部特征表征的6D位姿估计算法 被引量：1

16

作者 王晨露 陈立家 +5 位作者 李珅 范贤博俊 王敏 连晨轩 王赞 刘名果 《计算机应用研究》 CSCD 北大核心 2022年第12期3808-3814,共7页

为解决有纹理模型在遮挡条件下6D位姿估计精确度不高的问题,提出了一种局部特征表征的端到端6D位姿估计算法。首先为了得到准确的定位信息,提出了一个空间—坐标注意力机制(spatial and coordinate attention),通过在YOLOv5网络中加入... 为解决有纹理模型在遮挡条件下6D位姿估计精确度不高的问题,提出了一种局部特征表征的端到端6D位姿估计算法。首先为了得到准确的定位信息,提出了一个空间—坐标注意力机制(spatial and coordinate attention),通过在YOLOv5网络中加入空间—坐标注意力机制和加权双向特征金字塔网络(bidirectional feature pyramid network),YOLOv5-CBE算法的精确度(precision)、召回率(recall)、平均精度均值(mAP@0.5)分别提升了3.6%、2.8%、2.5%,局部特征中心点坐标误差最高提升了25%;然后用YOLOv5-CBE算法检测局部特征关键点,结合3D Harris关键点通过奇异值分解法(singular value decomposition)计算模型的6D位姿,最高遮挡70%的情况下仍然可以保证二维重投影精度(2D reprojection accuracy)和ADD度量精度(ADD accuracy)在95%以上,具有较强的鲁棒性。 展开更多

关键词 局部特征 6D位姿估计 YOLOv5检测网络 空间—坐标注意力机制 加权双向特征金字塔网络

在线阅读 下载PDF 职称材料

结合主动光源和改进YOLOv5s模型的夜间柑橘检测方法 被引量：5

17

作者 熊俊涛 霍钊威 +4 位作者 黄启寅 陈浩然 杨振刚 黄煜华 苏颖苗 《华南农业大学学报》 CAS CSCD 北大核心 2024年第1期97-107,共11页

【目的】解决夜间环境下遮挡和较小柑橘难以准确识别的问题,实现采摘机器人全天候智能化作业。【方法】提出一种结合主动光源的夜间柑橘识别方法。首先,通过分析主动光源下颜色特征不同的夜间柑橘图像,选择最佳的光源色并进行图像采集... 【目的】解决夜间环境下遮挡和较小柑橘难以准确识别的问题,实现采摘机器人全天候智能化作业。【方法】提出一种结合主动光源的夜间柑橘识别方法。首先,通过分析主动光源下颜色特征不同的夜间柑橘图像,选择最佳的光源色并进行图像采集。然后,提出一种夜间柑橘检测模型BI-YOLOv5s,该模型采用双向特征金字塔网络(Bi-FPN)进行多尺度交叉连接和加权特征融合,提高对遮挡和较小果实的识别能力;引入Coordinate attention(CA)注意力机制模块,进一步加强对目标位置信息的提取;采用融入Transformer结构的C3TR模块,在减少计算量的同时更好地提取全局信息。【结果】本文提出的BI-YOLOv5s模型在测试集上的精准率、召回率、平均准确率分别为93.4%、92.2%和97.1%,相比YOLOv5s模型分别提升了3.2、1.5和2.3个百分点。在所采用的光源色环境下,模型对夜间柑橘识别的正确率为95.3%,相比白光环境下提高了10.4个百分点。【结论】本文提出的方法对夜间环境下遮挡和小目标柑橘的识别具有较高的准确性,可为夜间果蔬智能化采摘的视觉精准识别提供技术支持。 展开更多

关键词 柑橘 夜间检测 主动光源 双向特征金字塔网络 YOLOv5s HSV颜色空间

在线阅读 下载PDF 职称材料

基于改进Faster R-CNN的零食包装盒表面缺陷检测 被引量：3

18

作者 巩雪 孙雪刚 +2 位作者 褚洋洋 崔功卓 李欣妍 《包装工程》 CAS 北大核心 2024年第23期232-240,共9页

目的针对现有食品包装盒表面缺陷检测方法存在的复杂背景下小目标缺陷检测难、漏检率高、检测精度低等问题,选择生活中常见的绿豆糕零食包装盒作为检测对象,提出一种基于改进Faster R-CNN的绿豆糕包装盒表面缺陷检测方法。方法以Faster ... 目的针对现有食品包装盒表面缺陷检测方法存在的复杂背景下小目标缺陷检测难、漏检率高、检测精度低等问题,选择生活中常见的绿豆糕零食包装盒作为检测对象,提出一种基于改进Faster R-CNN的绿豆糕包装盒表面缺陷检测方法。方法以Faster R-CNN算法架构为基础,以Swin Transformer V2-T为特征提取主干,初步提高算法对包装盒缺陷特征的提取能力;结合加权双向特征金字塔网络(Bidirectional Feature Pyramid Network,BiFPN)自适应调节每个尺度特征图的权重并对不同尺寸的特征进行多尺度融合,以提高识别的准确率;通过ROIAlign结合ECA注意力机制替换ROIPooling,去除2次量化误差并进一步优化算法对包装盒缺陷的检测能力。结果本检测方法可准确提取目标缺陷,绿豆糕包装盒表面的4种缺陷的检测平均精确率(Average Precision,AP)较改进前分别提高19.66、12.96、14.56、18.86百分点,同时平均精确率均值(mean Average Precision,mAP)在IoU为0.5上较改进前提高了15.76百分点。结论改进后的模型为Faster R-CNN在食品包装盒智能化生产上的应用了提供有益的参考和经验。 展开更多

关键词 零食包装盒 缺陷检测 Faster R-CNN 加权双向特征金字塔网络(BiFPN) Swin TransformerV2

在线阅读 下载PDF 职称材料

基于改进的Yolov5的无人机图像小目标检测 被引量：7

19

作者 何宇豪 易明发 +1 位作者 周先存 王冠凌 《智能系统学报》 CSCD 北大核心 2024年第3期635-645,共11页

为了解决无人机航拍图像小目标检测算法检测速度与精度无法兼顾的问题,在Yolov5的基础上,提出了针对于无人机图像小目标检测的Yolov5_GBCS算法。在新的算法中,添加一个额外的检测头,以便增强对小目标的特征融合效果;在主干网络中分别采... 为了解决无人机航拍图像小目标检测算法检测速度与精度无法兼顾的问题,在Yolov5的基础上,提出了针对于无人机图像小目标检测的Yolov5_GBCS算法。在新的算法中,添加一个额外的检测头,以便增强对小目标的特征融合效果;在主干网络中分别采用GhostConv卷积模块、GhostBottleneckC3模块替换部分Conv模块和C3模块用以提取丰富特征和冗余特征以提高模型效率;引入加权双向特征金字塔网络(bidirectional feature pyramid network,BiFPN)结构,用以提高对小目标的检测精度;在主干网络和颈部网络中引入轻量化的卷积块注意力模块(convolutional block attention module,CBAM),关注重要特征并抑制不必要的特征,增强小目标特征表达能力;使用Soft-NMS算法来替换NMS,因此降低了小目标在密集场景下的漏检率。通过在VisDrone2019数据集上的实验结果表明,集成了所有改进的方法后的Yolov5_GBCS算法,不仅提高了检测精度,而且有效地提高了检测速度,模型的mAP从38.5%提高到43.2%,检测速度也从53 f/s提高到59 f/s。Yolov5_GBCS算法可以有效地实现无人机航拍图像中小目标识别。 展开更多

关键词 图像处理 GhostConv卷积模块 双向特征金字塔网络 卷积块注意力模块 Soft双向特征金字塔网络 轻量化模型 小目标检测 VisDrone数据集

在线阅读 下载PDF 职称材料

基于改进YOLOv5的船舶多尺度SAR图像检测算法 被引量：11

20

作者 李生辉 李晓飞 +1 位作者 宋璋晗 王必祥 《数据采集与处理》 CSCD 北大核心 2024年第1期120-131,共12页

针对复杂场景下合成孔径雷达(Synthetic aperture radar, SAR)图像船舶目标像素尺度差异大和船舶密集排列造成目标漏检的问题,提出一种基于改进YOLOv5的船舶多尺度SAR图像检测算法。对于YOLOv5的颈部网络,采用双向特征金字塔结构(Bi-dir... 针对复杂场景下合成孔径雷达(Synthetic aperture radar, SAR)图像船舶目标像素尺度差异大和船舶密集排列造成目标漏检的问题,提出一种基于改进YOLOv5的船舶多尺度SAR图像检测算法。对于YOLOv5的颈部网络,采用双向特征金字塔结构(Bi-directional feature pyramid network, BiFPN)提升网络多尺度特征融合能力,并在其自下而上的特征融合支路中,基于深度可分离卷积(Depthwise separable convolution, DSC)和通道MLP构建EC-MLP(Enhanced channel-MLP)模块,从而丰富语义信息,提供更充分的船舶目标上下文特征;引入全局注意力机制(Global attention mechanism, GAM),使网络对输入特征进行针对性提取并运算,减少网络的信息丢失;此外,使用SIoU损失函数进一步提高网络的训练收敛速度和检测精度。在SSDD和HRSID数据集上与其他8种方法(Faster R-CNN、Libra R-CNN、FCOS、YOLOv5s、PP-YOLOv2、YOLOX-s、PP-YOLOE-s和YOLOv7-tiny)进行对比实验。实验结果表明:改进后算法在SSDD数据集上的AP50达到了96.7%,在HRSID数据集上AP50达到了95.6%,优于对比方法。 展开更多

关键词 合成孔径雷达 船舶目标检测 双向特征金字塔网络 深度可分离卷积 全局注意力机制

在线阅读 下载PDF 职称材料