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
基于并行混合注意力的复杂背景小尺度手部检测方法
1
作者
梁超
王阳萍
王文润
《计算机工程与应用》
CSCD
北大核心
2024年第22期209-218,共10页
针对复杂背景中手部特征不明显及尺度变化较大,难以满足高精度水平检测,易出现误检、漏检的问题,以YOLOv5为基础结构提出一种小尺度手部检测方法。将并行混合机制的注意力模块(parallel mixed attention mechanism,PMAM)嵌入到主干网络...
针对复杂背景中手部特征不明显及尺度变化较大,难以满足高精度水平检测,易出现误检、漏检的问题,以YOLOv5为基础结构提出一种小尺度手部检测方法。将并行混合机制的注意力模块(parallel mixed attention mechanism,PMAM)嵌入到主干网络中,提高对手部特征的提取能力;设计一种结合路径聚合网络(path aggregation network,PAN)和加权双向特征金字塔网络(bidirectional feature pyramid network,BiFPN)改进的特征融合网络PB-FPN(path bidirectional-feature pyramid network),引入新的路径参与底部特征融合,提高算法对小尺度手部目标的检测能力;通过将骨干网络中的空间金字塔池化(spatial pyramid pooling-fast,SPPF)引入特征融合网络并与模型预测头连接,进一步提高算法的性能。在此基础上,使用FReLU作为网络模型的激活函数,增强网络的空间敏感度,提高网络鲁棒性。为验证所提方法的有效性,构建了更符合研究背景的新的数据集TV-COCO-Hand,并在此数据集上进行了相关实验,结果表明,改进后的模型在构建的数据集上mAP达到91.4%,比基线网络模型提高了3.8个百分点,且检测效果优于目前主流检测网络模型。在公开数据集上进行了数据集对比实验以及真实场景的检测实验,验证了模型的泛化性。
展开更多
关键词
机器视觉
手部检测
并行混合注意机制
FReLU
特征融合
在线阅读
下载PDF
职称材料
基于PHAM-YOLO网络的卷烟纸燃烧线检测方法
被引量：
1
2
作者
董浩
王澍
+7 位作者
陆晓家
刘强
郭晓伟
高俊杰
张龙
胡兴锋
周明珠
邢军
《中国造纸》
CAS
北大核心
2024年第3期121-125,共5页
为实现卷烟纸燃烧时燃烧线的准确识别,构建了常见应用场景下的卷烟纸燃烧线数据集。针对检测背景复杂、多目标、燃烧线尺度不一且形状各异的难题,将并行混合注意机制嵌入了YOLO v5主干网络,构建了PHAM-YOLO网络模型用于卷烟纸燃烧线的...
为实现卷烟纸燃烧时燃烧线的准确识别,构建了常见应用场景下的卷烟纸燃烧线数据集。针对检测背景复杂、多目标、燃烧线尺度不一且形状各异的难题,将并行混合注意机制嵌入了YOLO v5主干网络,构建了PHAM-YOLO网络模型用于卷烟纸燃烧线的检测。采用特征金字塔快速池化、边界盒回归等方法提升了卷烟纸燃烧线的定位准确性。结果表明,对于卷烟纸燃烧线数据集,PHAM-YOLO网络检测平均精度均值、精度和召回率分别为99.0%、99.8%和99.0%,其中平均精度均值比原始模型提高了5.0%,高于其他类型的目标检测方法。
展开更多
关键词
卷烟纸
燃烧线检测
YOLO
并行混合注意机制
在线阅读
下载PDF
职称材料
题名
基于并行混合注意力的复杂背景小尺度手部检测方法
1
作者
梁超
王阳萍
王文润
机构
兰州交通大学电子与信息工程学院
甘肃省人工智能与图形图像处理工程研究中心
出处
《计算机工程与应用》
CSCD
北大核心
2024年第22期209-218,共10页
基金
国家自然科学基金(62067006,62367005)
教育部人文社会科学研究项目(21YJC880085)
+3 种基金
甘肃省自然科学基金(23JRRA845)
兰州市青年科技人才创新项目(2023-QN-117)
兰州交通大学青年科学基金(2022012)
四电BIM工程与智能应用铁路行业重点实验室开放课题(BIMKF-2021-03)。
文摘
针对复杂背景中手部特征不明显及尺度变化较大,难以满足高精度水平检测,易出现误检、漏检的问题,以YOLOv5为基础结构提出一种小尺度手部检测方法。将并行混合机制的注意力模块(parallel mixed attention mechanism,PMAM)嵌入到主干网络中,提高对手部特征的提取能力;设计一种结合路径聚合网络(path aggregation network,PAN)和加权双向特征金字塔网络(bidirectional feature pyramid network,BiFPN)改进的特征融合网络PB-FPN(path bidirectional-feature pyramid network),引入新的路径参与底部特征融合,提高算法对小尺度手部目标的检测能力;通过将骨干网络中的空间金字塔池化(spatial pyramid pooling-fast,SPPF)引入特征融合网络并与模型预测头连接,进一步提高算法的性能。在此基础上,使用FReLU作为网络模型的激活函数,增强网络的空间敏感度,提高网络鲁棒性。为验证所提方法的有效性,构建了更符合研究背景的新的数据集TV-COCO-Hand,并在此数据集上进行了相关实验,结果表明,改进后的模型在构建的数据集上mAP达到91.4%,比基线网络模型提高了3.8个百分点,且检测效果优于目前主流检测网络模型。在公开数据集上进行了数据集对比实验以及真实场景的检测实验,验证了模型的泛化性。
关键词
机器视觉
手部检测
并行混合注意机制
FReLU
特征融合
Keywords
computer vision
hand detection
parallel mixed attention mechanism
FReLU
feature fusion
分类号
TP391 [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PHAM-YOLO网络的卷烟纸燃烧线检测方法
被引量：
1
2
作者
董浩
王澍
陆晓家
刘强
郭晓伟
高俊杰
张龙
胡兴锋
周明珠
邢军
机构
中国科学技术大学
中国科学院合肥物质科学研究院
国家烟草质量监督检验中心
内蒙古昆明卷烟有限责任公司
重庆中烟工业有限责任公司
出处
《中国造纸》
CAS
北大核心
2024年第3期121-125,共5页
基金
烟草行业标准项目“卷烟包灰性能测试方法”(2021B023)
国家烟草专卖局重大科技项目“烟草行业质量监控大数据构建及应用研究”(110202101080(SJ-04))。
文摘
为实现卷烟纸燃烧时燃烧线的准确识别,构建了常见应用场景下的卷烟纸燃烧线数据集。针对检测背景复杂、多目标、燃烧线尺度不一且形状各异的难题,将并行混合注意机制嵌入了YOLO v5主干网络,构建了PHAM-YOLO网络模型用于卷烟纸燃烧线的检测。采用特征金字塔快速池化、边界盒回归等方法提升了卷烟纸燃烧线的定位准确性。结果表明,对于卷烟纸燃烧线数据集,PHAM-YOLO网络检测平均精度均值、精度和召回率分别为99.0%、99.8%和99.0%,其中平均精度均值比原始模型提高了5.0%,高于其他类型的目标检测方法。
关键词
卷烟纸
燃烧线检测
YOLO
并行混合注意机制
Keywords
cigarette paper
combustion line detection
YOLO
parallel hybrid attention mechanism
分类号
TS736 [轻工技术与工程—制浆造纸工程]
TP27 [自动化与计算机技术—检测技术与自动化装置]
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
基于并行混合注意力的复杂背景小尺度手部检测方法
梁超
王阳萍
王文润
《计算机工程与应用》
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
基于PHAM-YOLO网络的卷烟纸燃烧线检测方法
董浩
王澍
陆晓家
刘强
郭晓伟
高俊杰
张龙
胡兴锋
周明珠
邢军
《中国造纸》
CAS
北大核心
2024
1
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
