检索结果-维普期刊中文期刊服务平台

高斯Wasserstein距离改进轻量YOLOv7模型的遥感影像道路交叉口检测被引量：3: 1; 作者康传利张思瑶 +4 位作者李玄皓林梓涛耿崇铭张赛王世伟《科学技术与工程》北大核心 2024年第9期3533-3542,共10页; YOLOv7是目前目标检测任务中性能较优的模型,但在处理遥感影像中的道路交叉口时,出现目标背景复杂、先验框定位误差以及模型训练参数量增多的问题。针对复杂场景的道路交叉口提出一种结合归一化高斯Wasserstein距离与轻量级YOLOv7的遥... 展开更多; 关键词道路交叉口目标检测 YOLOv7 归一化高斯Wasserstein距离注意力机制 FasterNet; 在线阅读下载PDF 职称材料

基于改进YOLOv5s的被遮挡交通标志检测算法: 2; 作者蓝章礼邢彩卓张洪《计算机工程》北大核心 2025年第5期361-369,共9页; 智能驾驶中道路交通标志的检测与识别极其重要,针对交通标志被遮挡时存在目标小、检测精度低的问题,提出一种基于改进YOLOv5s的被遮挡交通标志检测算法。通过自制中国遮挡交通标志数据集(COTSD),解决交通标志在被遮挡情况下数据集缺乏... 展开更多; 关键词交通标志检测遮挡条件 MobileNetv2模型动态权重上采样模块归一化高斯wassertein距离; 在线阅读下载PDF 职称材料

基于改进YOLOv8的轻量化车辆检测网络被引量：1: 3; 作者陈梓延王晓龙 +1 位作者何迪安国成《计算机工程》北大核心 2025年第5期314-325,共12页; 现有的高精度车辆检测模型参数与计算量过高,无法在交通智能设备上良好运行,而轻量化的车辆检测模型精度普遍较低,不适用于实际任务。为此,提出一种改进YOLOv8的轻量化车辆检测网络,将主干网络替换为计算量和内存访问更小的FasterNet网... 展开更多; 关键词 YOLOv8模型车辆检测轻量化 FasterNet网络归一化高斯Wasserstein距离; 在线阅读下载PDF 职称材料

一种基于联合轮廓特征矢量的目标识别方法被引量：4: 4; 作者王波薛方正李祖枢《传感器与微系统》 CSCD 北大核心 2011年第7期64-67,74,共5页; 针对基于形状特征进行目标识别的方法存在的不足,提出一种联合轮廓不变矩特征和轮廓几何特征的识别方法;针对不同的待识别目标,采集足够数量的训练样本,统计每一个轮廓特征的均值、标准差和变异系数;并据此对这些轮廓特征进行动态筛选... 展开更多; 关键词图像目标识别联合轮廓特征矢量变异系数高斯归一化模型加权欧式距离; 在线阅读下载PDF 职称材料

题名高斯Wasserstein距离改进轻量YOLOv7模型的遥感影像道路交叉口检测被引量：3: 1; 作者康传利张思瑶李玄皓林梓涛耿崇铭张赛王世伟; 机构桂林理工大学测绘地理信息学院; 出处《科学技术与工程》北大核心 2024年第9期3533-3542,共10页; 基金国家自然科学基金(41961063,42064002)。; 文摘 YOLOv7是目前目标检测任务中性能较优的模型,但在处理遥感影像中的道路交叉口时,出现目标背景复杂、先验框定位误差以及模型训练参数量增多的问题。针对复杂场景的道路交叉口提出一种结合归一化高斯Wasserstein距离与轻量级YOLOv7的遥感影像道路交叉口检测模型。首先,使用归一化高斯Wasserstein距离与CIoU(complete-IoU)进行先验框定位损失函数的改进,以提高网络模型对于目标尺寸的鲁棒性;其次,在加强网络特征提取模块中加入三维注意力机制,实现网络处理的特征优化;最后,在主干特征提取网络与加强特征提取网络中加入改进的FasterNet模块,提升网络模型的训练速度,减少了模型训练的参数。实验结果表明,改进后的YOLOv7网络模型相比原网络模型,漏检测情况得到明显改善,准确率(precision,P)、召回率(recall,R)、平均准确率(average precision,AP)和F_(1)分别提升了6.2%、4.9%、6.7%、6.5%,对道路交叉口的检测效果优于原网络模型。其成果对不同环境的影像具有较强适应能力,为道路交叉口检测的发展提供了参考。; 关键词道路交叉口目标检测 YOLOv7 归一化高斯Wasserstein距离注意力机制 FasterNet; Keywords road intersections target detection YOLOv7 normalized Gaussian Wasserstein distance attention mechanism FasterNet; 分类号 P237 [天文地球—摄影测量与遥感]; 在线阅读下载PDF 职称材料

题名基于改进YOLOv5s的被遮挡交通标志检测算法: 2; 作者蓝章礼邢彩卓张洪; 机构重庆交通大学信息科学与工程学院重庆交通大学省部共建山区桥梁及隧道工程国家重点实验室; 出处《计算机工程》北大核心 2025年第5期361-369,共9页; 基金国家自然科学基金(52278291) 重庆交通大学研究生科研创新项目(2024s0105)。; 文摘智能驾驶中道路交通标志的检测与识别极其重要,针对交通标志被遮挡时存在目标小、检测精度低的问题,提出一种基于改进YOLOv5s的被遮挡交通标志检测算法。通过自制中国遮挡交通标志数据集(COTSD),解决交通标志在被遮挡情况下数据集缺乏的问题,并根据细粒度物体检测需要模型提取丰富判别特征,提出一种基于MobileNetv2改进的主干网络。针对交通标志较小、被遮挡且分辨率较低,普通线性插值方式无法捕捉更高阶、更细节特征的问题,设计一种改进的动态权重上采样模块(DEUM),整合经过通道注意力加权之后的通道信息进行像素重排,生成高分辨率图像;针对综合交并比(CIoU)等损失函数对小目标位置变化敏感的问题,使用归一化高斯Wassertein距离(NWD)来优化边界框回归损失。实验结果表明,该算法在自制被遮挡COTSD上的准确率为93.60%,召回率为72.50%,F1值为81.71%,mAP@0.5为79%;在包含少量被遮挡交通标志的公开CCTSDB上的准确率为92.2%,召回率为78.8%,F1值为85%,mAP@0.5为88.5%。该算法有效提高了被遮挡后交通标志的检测精度。; 关键词交通标志检测遮挡条件 MobileNetv2模型动态权重上采样模块归一化高斯wassertein距离; Keywords traffic sign detection occlusion conditions MobileNetv2 model Dynamic weight Upsampling Module(DEUM) Normalized Gaussian Wasserstein Distance(NWD); 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

题名基于改进YOLOv8的轻量化车辆检测网络被引量：1: 3; 作者陈梓延王晓龙何迪安国成; 机构上海交通大学电子信息与电气工程学院上海交通大学感知科学与工程学院北斗导航与位置服务上海市重点实验室上海华讯网络系统有限公司行业数智事业部; 出处《计算机工程》北大核心 2025年第5期314-325,共12页; 基金 “十四五”国家重点研发计划(2023YFC3006700) 国家自然科学基金(61971278,62231010)。; 文摘现有的高精度车辆检测模型参数与计算量过高,无法在交通智能设备上良好运行,而轻量化的车辆检测模型精度普遍较低,不适用于实际任务。为此,提出一种改进YOLOv8的轻量化车辆检测网络,将主干网络替换为计算量和内存访问更小的FasterNet网络,并且将颈部的双向特征金字塔网络替换为加权双向特征金字塔网络(BiFPN),简化特征融合过程。同时,引入一种融合注意力机制的动态检测头,实现检测头和注意力的无冗余结合;此外,针对完全交并比(CIoU)在检测精度和收敛速度上的缺陷,提出一种尺度不变交并比(SIoU)结合归一化高斯Wasserstein距离(NWD)的回归损失算法。最后,为尽量减小模型对边缘设备的算力需求,进行基于幅值的层自适应稀疏化剪枝,进一步压缩模型大小。实验结果表明,提出的改进模型相较于原模型YOLOv8s,在精度上升1.5百分点的情况下,参数量降低78.9%,计算量下降67.4%,模型尺寸降低77.8%,达到了比较优秀的轻量化效果,具有很强的实用性。; 关键词 YOLOv8模型车辆检测轻量化 FasterNet网络归一化高斯Wasserstein距离; Keywords YOLOv8 model vehicle detection lightweight FasterNet network Normalized Gaussian Wasserstein Distance(NWD); 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

题名一种基于联合轮廓特征矢量的目标识别方法被引量：4: 4; 作者王波薛方正李祖枢; 机构重庆大学自动化学院; 出处《传感器与微系统》 CSCD 北大核心 2011年第7期64-67,74,共5页; 基金国家自然科学基金资助项目(6057407660905053); 文摘针对基于形状特征进行目标识别的方法存在的不足,提出一种联合轮廓不变矩特征和轮廓几何特征的识别方法;针对不同的待识别目标,采集足够数量的训练样本,统计每一个轮廓特征的均值、标准差和变异系数;并据此对这些轮廓特征进行动态筛选和加权,建立起待识别目标的联合轮廓特征矢量模型。在线识别时,提取场景目标的联合轮廓特征矢量,对其进行高斯归一化处理,计算场景目标与待识别目标的加权欧式距离,并根据预设阈值对待识别目标进行识别判断。对比实验验证了该方法的有效性和快速性,具有一定的实际应用价值。; 关键词图像目标识别联合轮廓特征矢量变异系数高斯归一化模型加权欧式距离; Keywords image object recognition mixed contour feature vector coefficient of variation Gaussian normalization model weighted Euclidean distance; 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	高斯Wasserstein距离改进轻量YOLOv7模型的遥感影像道路交叉口检测	康传利张思瑶李玄皓林梓涛耿崇铭张赛王世伟	《科学技术与工程》北大核心	2024	3	在线阅读下载PDF 职称材料
2	基于改进YOLOv5s的被遮挡交通标志检测算法	蓝章礼邢彩卓张洪	《计算机工程》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于改进YOLOv8的轻量化车辆检测网络	陈梓延王晓龙何迪安国成	《计算机工程》北大核心	2025	1	在线阅读下载PDF 职称材料
4	一种基于联合轮廓特征矢量的目标识别方法	王波薛方正李祖枢	《传感器与微系统》 CSCD 北大核心	2011	4	在线阅读下载PDF 职称材料