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
共找到3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：
LMUAV-YOLOv8:低空无人机视觉目标检测轻量化网络 被引量：5
1
作者 董一兵 曾辉 侯少杰 《计算机工程与应用》 北大核心 2025年第3期94-110,共17页
针对低空无人机目标检测面临目标尺度变化大、小目标容易漏检和误检的挑战,发展了一种融合多尺度特征的目标检测轻量化网络(LMUAV-YOLOv8),通过开展消融和对比实验,验证了算法的有效性和先进性,并借助类激活图,对模型的决策过程进行了... 针对低空无人机目标检测面临目标尺度变化大、小目标容易漏检和误检的挑战,发展了一种融合多尺度特征的目标检测轻量化网络(LMUAV-YOLOv8),通过开展消融和对比实验,验证了算法的有效性和先进性,并借助类激活图,对模型的决策过程进行了解释。设计了一种轻量化的特征融合网络(UAV_RepGFPN),提出新的特征融合路径以及特征融合模块DBB_GELAN,降低参数量和计算量的同时,提高特征融合网络的性能。使用部分卷积(PConv)和三重注意力机制(Triplet Attention)构建特征提取模块(FTA_C2f),并引入ADown下采样模块,通过对输入特征图维度的重新排列和细粒度调整,以提升模型中深层网络对空间特征的捕捉能力,并进一步降低参数量和计算量。优化YOLOv9的可编程梯度信息(programmable gradient information,PGI)策略,设计基于上下文引导(Context_guided)的可逆架构,并额外生成三个辅助检测头,提出UAV_PGI可编程梯度方法,避免传统深度监督中多路径特征集成可能导致的语义信息损失。为了验证模型的有效性及泛化能力,在VisDrone 2019测试集上开展了对比实验,结果显示,与YOLOv8s相比,LMUAV-YOLOv8s的准确度、召回率、mAP@0.5和mAP@0.5:0.95等指标分别提升了4.2、3.9、5.1和3.0个百分点,同时参数量减少了63.9%,计算量仅增加0.4 GFLOPs,实现了检测性能与资源消耗的良好平衡。基于NVIDIA Jetson Xavier NX嵌入式平台的推理实验结果显示:与基线模型相比,该算法能够在满足实时检测要求的条件下,获得更高的检测精度,对于无人机实时目标检测场景具有较好的适用性。借助类激活图,对算法的决策过程进行了可视化分析,结果表明,该模型具备更优异的小尺度特征提取和高分辨率处理能力。 展开更多
关键词 小目标检测 多尺度 轻量化 YOLOv8 可编程梯度信息
在线阅读 下载PDF
改进YOLOv8算法的钢材表面缺陷检测
2
作者 王孟宇 刘志强 《机械科学与技术》 北大核心 2025年第1期19-29,共11页
针对钢材表面缺陷尺度不一,现有检测算法多尺度特征处理能力较差、精度有待提高的问题,提出了一种面向钢材表面缺陷检测的改进型算法,命名为ADP-YOLOv8。首先,提出了一种自适应权重下采样(Adaptive weight downsampling)模块,其通过加... 针对钢材表面缺陷尺度不一,现有检测算法多尺度特征处理能力较差、精度有待提高的问题,提出了一种面向钢材表面缺陷检测的改进型算法,命名为ADP-YOLOv8。首先,提出了一种自适应权重下采样(Adaptive weight downsampling)模块,其通过加权组合不同的下采样特征图,增强了模型对缺陷信息的关注;然后,通过改进特征提取网络中的C2F模块,加强从网络高层的可扩展感受野中提取特征;最后,引入可编程梯度信息(PGI)模块,通过其多级辅助信息组件逐步整合不同尺度的特征,有效提高了模型对不同尺度缺陷敏感性。所提出方法的平均精度为79.3%,相比基准模型提高了3.5%;检测速度为163.2frame/s。相比其他主流的目标检测算法,改进后的检测器在性能上更具优势,展示出了在检测精度、速度和模型体积方面的良好平衡。 展开更多
关键词 表面缺陷检测 自适应权重 感受野 可编程梯度信息
在线阅读 下载PDF
面向矿下无人车的红外小目标人员检测算法
3
作者 范杨杨 刘元盛 王庆闪 《传感器与微系统》 北大核心 2025年第8期133-137,142,共6页
矿下环境主要依赖强光源照明,导致无人巡检车使用可见光传感器采集的图像因过度曝光而丢失人员目标。红外传感器虽能适应此类光照条件,但其成像分辨率较低,加之小目标特征不显著、目标密集等因素,导致人员漏检率较高。针对上述问题,本... 矿下环境主要依赖强光源照明,导致无人巡检车使用可见光传感器采集的图像因过度曝光而丢失人员目标。红外传感器虽能适应此类光照条件,但其成像分辨率较低,加之小目标特征不显著、目标密集等因素,导致人员漏检率较高。针对上述问题,本文提出基于YOLOv11n的红外小目标人员检测算法YOLO-PDL。首先,采用可编程梯度信息(PGI)策略重构主干网络,增强网络对矿下人员的表征能力,减少精度损失;其次,在C3K2模块中嵌入扩张残差(DWR)模块,增强网络骨干的特征提取能力;最后,在颈部网络中添加大型可分离核注意力(LSKA)机制,提升网络对多尺度目标的适应性和准确度。实验结果表明:所提算法在自建矿下红外数据集和FLIR数据集上的mAP分别提升3.8%和2.7%,显著提升了模型检测性能。 展开更多
关键词 矿下环境 无人巡检车 YOLOv11n 可编程梯度信息 红外小目标检测
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部