检索结果-维普期刊中文期刊服务平台

基于注意力尺度序列融合的车辆行人检测算法: 1; 作者李军邹军 +1 位作者陈翠张世义《重庆交通大学学报(自然科学版)》北大核心 2025年第7期75-82,共8页; 针对在路侧端车辆与行人检测中存在检测精度低,漏检率较高等问题,提出了一种注意力尺度序列融合的车辆行人检测算法YOLOv8-APC。首先,在颈部网络中使用尺度序列融合模块SSFF与三特征编码器TFE,以增强对多尺度信息的提取与融合,同时引入... 展开更多; 关键词交通运输工程 YOLOv8 车辆与行人特征提取注意力机制尺度序列融合; 在线阅读下载PDF 职称材料

基于序列多尺度特征融合表示的层级舞蹈动作姿态估计方法被引量：13: 2; 作者杨红红王刘丽 +2 位作者张玉梅吴晓军党允彤《电子学报》 EI CAS CSCD 北大核心 2021年第12期2428-2436,共9页; 人体姿态估计是计算机视觉研究领域的热点研究问题之一,但其在传统民间舞蹈动作姿态估计方面的应用研究尚处于起步阶段.由于舞蹈图像中人体动作复杂多变、舞蹈动作连贯性强、舞蹈者存在严重遮挡不易检测等特点,传统人体姿态估计方法难... 展开更多; 关键词舞蹈动作姿态估计序列多尺度特征融合关节点几何关系层级姿态估计; 在线阅读下载PDF 职称材料

改进YOLOv10n的输电线路部件缺陷检测算法: 3; 作者王海群王文科于海峰《电子测量技术》北大核心 2025年第10期62-72,共11页; 针对输电线路巡检图像中部件缺陷检测时易受背景环境干扰、缺陷目标尺度差异大,导致检测精度较低的问题,提出一种改进YOLOv10n的输电线路部件缺陷检测算法。首先,利用RepViTBlock和ELA注意力机制对C2f重新设计,构建ERC2f模块,抑制背景... 展开更多; 关键词 YOLOv10n 注意力机制注意力尺度序列融合重参化共享卷积检测头损失函数缺陷检测; 在线阅读下载PDF 职称材料

改进YOLOv8的轻量化轴承缺陷检测算法被引量：3: 4; 作者郎德宝周凯红《现代电子技术》北大核心 2024年第19期115-122,共8页; 针对工业轴承表面缺陷检测算法精度低、模型参数量大的问题,提出一种改进YOLOv8的轻量化目标检测算法(MFA-YOLOv8)。首先,设计了一种轻量化多尺度特征卷积模块EMFC,基于此重构了主干和颈部部分C2f中的Bottleneck结构,保持轻量化的同时... 展开更多; 关键词轴承表面缺陷检测 YOLOv8 多尺度特征卷积焦点调制网络注意力尺度序列融合轻量化; 在线阅读下载PDF 职称材料

题名基于注意力尺度序列融合的车辆行人检测算法: 1; 作者李军邹军陈翠张世义; 机构重庆交通大学机电与车辆工程学院重庆机电职业技术大学车辆与交通学院重庆交通大学航海与船舶工程学院; 出处《重庆交通大学学报(自然科学版)》北大核心 2025年第7期75-82,共8页; 基金重庆市技术创新与应用发展专项基金项目(CSTB2022TIAD-STX0003) 国家自然科学基金项目(52172381)。; 文摘针对在路侧端车辆与行人检测中存在检测精度低,漏检率较高等问题,提出了一种注意力尺度序列融合的车辆行人检测算法YOLOv8-APC。首先,在颈部网络中使用尺度序列融合模块SSFF与三特征编码器TFE,以增强对多尺度信息的提取与融合,同时引入通道与位置注意力机制CPAM提高检测精度。然后,在改进后的网络结构基础上增加P2检测层,提高对小目标的检测能力,降低漏检率。最后,在主干网络中应用C2f_GhostDynamicConv(C2f_GDC)模块,有效降低模型的复杂度。为验证算法的有效性,在重庆科学谷示范区路侧端数据集Vapddsits上进行验证,实验结果表明:YOLOv8-APC的mAP50值与召回率较原模型提升了11.1%、11.9%;参数量与模型体积分别仅有1.85 M、4.1 MB,分别较原模型下降了38.3%、34.9%,其对远距离小目标以及遮挡目标能够实现更为准确的检测,且不会占用过多的内存资源,为路侧端车辆行人检测提供了一种解决方案。; 关键词交通运输工程 YOLOv8 车辆与行人特征提取注意力机制尺度序列融合; Keywords traffia and transportation engineering YOLOv8 vehicles and pedestrians feature extraction attention mechanism scale sequence fusion; 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

题名基于序列多尺度特征融合表示的层级舞蹈动作姿态估计方法被引量：13: 2; 作者杨红红王刘丽张玉梅吴晓军党允彤; 机构陕西师范大学现代教学技术教育部重点实验室陕西师范大学计算机科学学院陕西师范大学音乐学院; 出处《电子学报》 EI CAS CSCD 北大核心 2021年第12期2428-2436,共9页; 基金国家自然科学基金(No.61907028,No.11872036,) 陕西省青年科技新星项目(No.2021KJXX-91) +2 种基金陕西省自然科学基金(No.2019JQ-574)。; 文摘人体姿态估计是计算机视觉研究领域的热点研究问题之一,但其在传统民间舞蹈动作姿态估计方面的应用研究尚处于起步阶段.由于舞蹈图像中人体动作复杂多变、舞蹈动作连贯性强、舞蹈者存在严重遮挡不易检测等特点,传统人体姿态估计方法难以准确估计舞蹈者的动作变化,导致舞蹈动作姿态估计准确率较低.针对此问题,本文提出一种基于序列多尺度特征融合表示的层级舞蹈动作姿态估计方法,该方法针对舞蹈动作骨骼关节点尺度变化剧烈的问题,构建基于序列多尺度特征融合表示的关节点估计模型.并且,针对舞蹈姿态形变较大,遮挡严重的问题,设计基于关节点几何关系的层级姿态估计模型,提高舞蹈动作姿态估计的效果.实验结果表明,本文方法在标准人体姿态估计数据集及自建舞蹈数据集上取得较好的姿态估计结果.; 关键词舞蹈动作姿态估计序列多尺度特征融合关节点几何关系层级姿态估计; Keywords dance pose estimation sequential multi-scale feature fusion geometry relationship among keypoints hi⁃erarchical pose estimation; 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

题名改进YOLOv10n的输电线路部件缺陷检测算法: 3; 作者王海群王文科于海峰; 机构华北理工大学电气工程学院; 出处《电子测量技术》北大核心 2025年第10期62-72,共11页; 基金河北省自然科学基金(D2024209006) 河北省教育厅科学研究项目(QN2024147)资助。; 文摘针对输电线路巡检图像中部件缺陷检测时易受背景环境干扰、缺陷目标尺度差异大,导致检测精度较低的问题,提出一种改进YOLOv10n的输电线路部件缺陷检测算法。首先,利用RepViTBlock和ELA注意力机制对C2f重新设计,构建ERC2f模块,抑制背景环境干扰,增强模型特征提取能力,并减少参数冗余;其次,结合动态上采样器DySample和注意力尺度序列融合模块ASF设计DASF颈部结构,提升模型的多尺度特征融合能力;再次,基于多样化分支块DBB提出重参化共享卷积检测头RSCD,通过共享参数减少头部参数冗余,加强特征信息的交互能力;最后,借鉴Inner-IoU和WIoUv3的思想优化MPDIoU损失函数为Inner-Wise-MPDIoU,加速模型收敛过程,提高对缺陷的定位精度。实验结果表明,改进算法对输电线路部件缺陷的检测精度mAP50达到了92.1%,较原算法提升了3.4%,参数量和GFLOPs分别减少了19.4%和0.4,证明了该改进算法的有效性。; 关键词 YOLOv10n 注意力机制注意力尺度序列融合重参化共享卷积检测头损失函数缺陷检测; Keywords YOLOv10n attention mechanisms attention scale sequence fusion reparametric shared convolutional detection head loss function defect detection; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术] TN919.8 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名改进YOLOv8的轻量化轴承缺陷检测算法被引量：3: 4; 作者郎德宝周凯红; 机构广西高校先进制造与自动化技术重点实验室; 出处《现代电子技术》北大核心 2024年第19期115-122,共8页; 基金国家自然科学基金面上项目(52075110) 广西自然科学基金重点项目(2023GXNSFDA026045)。; 文摘针对工业轴承表面缺陷检测算法精度低、模型参数量大的问题,提出一种改进YOLOv8的轻量化目标检测算法(MFA-YOLOv8)。首先,设计了一种轻量化多尺度特征卷积模块EMFC,基于此重构了主干和颈部部分C2f中的Bottleneck结构,保持轻量化的同时还有效地捕获不同尺度信息的细节特征;其次,引入焦点调制模块FM,提升模型对缺陷目标的表征能力和感受野;最后,引入注意力尺度序列融合模块ASF,进一步提升网络对轴承缺陷的检测精度,减小参数规模。实验结果表明,在GGS数据集上,MFA-YOLOv8的检测精度mAP@0.5高达91.5%,较YOLOv8检测精度提升了2.4%,参数量下降了21.9%,可满足工业现场轴承外观缺陷检测要求。; 关键词轴承表面缺陷检测 YOLOv8 多尺度特征卷积焦点调制网络注意力尺度序列融合轻量化; Keywords bearing surface defect detection YOLOv8 multi-scale feature convolution focal modulation network ASF lightweight; 分类号 TN911-34 [电子电信—通信与信息系统] TH133.3 [机械工程—机械制造及自动化] TP391.41 [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	基于注意力尺度序列融合的车辆行人检测算法	李军邹军陈翠张世义	《重庆交通大学学报(自然科学版)》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于序列多尺度特征融合表示的层级舞蹈动作姿态估计方法	杨红红王刘丽张玉梅吴晓军党允彤	《电子学报》 EI CAS CSCD 北大核心	2021	13	在线阅读下载PDF 职称材料
3	改进YOLOv10n的输电线路部件缺陷检测算法	王海群王文科于海峰	《电子测量技术》北大核心	2025	0	在线阅读下载PDF 职称材料
4	改进YOLOv8的轻量化轴承缺陷检测算法	郎德宝周凯红	《现代电子技术》北大核心	2024	3	在线阅读下载PDF 职称材料