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... 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。 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YOLOv7-tiny的铝型材表面缺陷检测方法 被引量：1

2

作者 王浚银 文斌 +2 位作者 沈艳军 张俊 王子豪 《浙江大学学报(工学版)》 北大核心 2025年第3期523-534,共12页

针对铝型材表面缺陷具有种类多样、缺陷尺度差异大和小目标缺陷漏检的问题,提出改进的YOLOv7-tiny检测算法.利用残差结构、无参注意力机制(SimAM)、激活函数(FReLU)和裁剪卷积等重构空间金字塔池化模块,捕捉更多的细节信息,加强网络多... 针对铝型材表面缺陷具有种类多样、缺陷尺度差异大和小目标缺陷漏检的问题,提出改进的YOLOv7-tiny检测算法.利用残差结构、无参注意力机制(SimAM)、激活函数(FReLU)和裁剪卷积等重构空间金字塔池化模块,捕捉更多的细节信息,加强网络多尺度学习能力.优化检测层获取更多小目标特征和位置信息,提高网络多尺度缺陷检测能力.引入部分卷积替换高效层聚合网络(ELAN)中的3×3卷积建立轻量化模型,减少计算和训练负担.结合归一化Wasserstein距离(NWD)损失度量相似度,加速网络收敛并提升小目标缺陷检测能力.在天池铝型材数据集上进行测试,结果表明,改进YOLOv7-tiny算法在置信度阈值为0.25时,精确度达到95.0%,召回率达到91.8%,均值平均精度mAP@0.5达到94.5%,检测速度为45帧/s.相较于原算法,改进算法的mAP@0.5提高4.2个百分点,在脏点缺陷上的平均精度AP提高13.1个百分点;改进算法对于低分辨率图像和被干扰图像有更好的检测结果,表明其具备更好的泛化性和抗干扰能力. 展开更多

关键词 铝型材 表面缺陷 小目标检测 SPPCSPC重构 残差结构 YOLOv7-tiny 归一化wasserstein距离(nwd)损失

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... 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。 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

基于改进RT-DETR的牛仔面料疵点检测算法

4

作者 梁耕良 韩曙光 《浙江大学学报(工学版)》 北大核心 2025年第6期1169-1178,1190,共11页

为了实现牛仔面料微小疵点的快速准确检测,克服已有模型在复杂纹理背景下检测性能不佳的问题,提出基于改进RT-DETR的检测算法.采用部分卷积(PConv)结合Efficient Multi-Scale Attention机制增强模型对关键特征的识别能力;在添加S2特征... 为了实现牛仔面料微小疵点的快速准确检测,克服已有模型在复杂纹理背景下检测性能不佳的问题,提出基于改进RT-DETR的检测算法.采用部分卷积(PConv)结合Efficient Multi-Scale Attention机制增强模型对关键特征的识别能力;在添加S2特征检测层的基础上,提出多特征编码模块(MFE)和多尺度特征融合模块(MSFF)这2个特征融合操作,增强不同尺度的特征信息融合,并使用Deformable Attention注意力机制应对多样的疵点.在损失函数方面,提出新的联合损失函数,在加快网络收敛的同时,提高网络检测的精度.在天池云的布匹缺陷数据集上进行实验,结果表明改进RT-DETR模型的平均mAP@0.5为60%,与RT-DETR-R18模型相比,mAP@0.5提升5.3个百分点,模型总参数量下降40.1%;与YOLOv5、YOLOv8相比,mAP@0.5分别提升9.5、9.9个百分点.RTDETR改进模型在疵点检测的定位准确度与精度上均有显著提升,能满足工业大规模检测要求,对于纺织服装产业的智能化转型具有重要的借鉴作用. 展开更多

关键词 面料缺陷 缺陷检测 RT-DETR 部分卷积(PConv) 可变形注意力 归一化wasserstein距离(nwd)

在线阅读 下载PDF 职称材料

基于多角度约束与谱归一化的图像修复算法 被引量：3

5

作者 杨云 曹真 齐勇 《计算机应用与软件》 北大核心 2021年第8期233-239,247,共8页

针对图像修复任务过于困难的问题,采用基于生成对抗网络的双判别器模型,通过增设局部判别器追踪图像局部缺失区域信息,有效提升了修复准确性。但模型在产生合理语义性信息方面并不乐观。为此,提出Multi-Angle GAN模型。在双判别器模型... 针对图像修复任务过于困难的问题,采用基于生成对抗网络的双判别器模型,通过增设局部判别器追踪图像局部缺失区域信息,有效提升了修复准确性。但模型在产生合理语义性信息方面并不乐观。为此,提出Multi-Angle GAN模型。在双判别器模型基础上增设分类器和Vgg19特征提取网络,分别向生成网络提供类别、风格和内容损失约束。针对GANs判别器设计存在的训练不稳定问题,向判别器设计中引入谱归一化和Wasserstein距离。在CelebA、Places2数据集上进行大量实验,结果表明,Multi-Angle GAN较之前方法在PSNR和SSIM上分别提升0.6~0.8 dB和0.02~0.05。 展开更多

关键词 分类器 Vgg19特征提取网络 谱归一化 wasserstein距离

在线阅读 下载PDF 职称材料

一种改进多尺度特征融合的交通标志识别算法 被引量：1

6

作者 余翔 靳闪闪 杨路 《电讯技术》 北大核心 2024年第12期1955-1962,共8页

为了进一步提高在背景复杂且目标距离远的情况下交通标志识别算法的识别准确率,在YOLOv5s算法的基础上提出了一种改进的交通标志识别算法MAFM-YOLO。首先,在颈部网络设计了基于空洞混合注意力机制的多尺度注意力特征融合模块,使网络在... 为了进一步提高在背景复杂且目标距离远的情况下交通标志识别算法的识别准确率,在YOLOv5s算法的基础上提出了一种改进的交通标志识别算法MAFM-YOLO。首先,在颈部网络设计了基于空洞混合注意力机制的多尺度注意力特征融合模块,使网络在特征融合阶段能够高效保留图像中的细节信息,对小目标更加的敏感。其次,在回归阶段采用归一化Wasserstein距离改进原有的损失函数,提高了边界框的回归性能,从而进一步提高网络的识别性能。在TT100K数据集上的实验结果表明,MAFM-YOLO较基准模型在精确率、召回率和平均精度均值上分别实现了9.4%、3.3%、6.3%的提升。 展开更多

关键词 交通标志识别 YOLOv5s 多尺度特征融合 混合注意力机制 归一化wasserstein距离

在线阅读 下载PDF 职称材料

面向高空视角小目标检测的YOLO算法改进策略 被引量：1

7

作者 曹嘉禹 乔贵方 +2 位作者 陈梦源 邹旭 刘娣 《计算机应用》 CSCD 北大核心 2024年第S2期280-285,共6页

针对无人机高空视角下背景复杂、特征提取能力不足、目标尺寸小、难以检测、漏检严重等问题,在YOLOv8n的基础上提出改进的无人机高空视角目标检测算法。首先优化网络结构,通过增加P2小目标检测层并删去P5大目标检测层提升小目标感知能力... 针对无人机高空视角下背景复杂、特征提取能力不足、目标尺寸小、难以检测、漏检严重等问题,在YOLOv8n的基础上提出改进的无人机高空视角目标检测算法。首先优化网络结构,通过增加P2小目标检测层并删去P5大目标检测层提升小目标感知能力;其次引入感受野注意力卷积(RFAConv)以改进C2f的颈部结构,并从空间维度提高网络的特征提取及特征融合能力;再次将动态头(Dyhead)模块引入Detect检测头,从而增强模型的表达能力和泛化能力;最后使用归一化Wasserstein距离(NWD)度量边界框相似性,从而降低尺度敏感性。在Visdrone2019数据集上,改进后的YOLOv8n、YOLOv9t和YOLOv10n与改进前的相比,在平均精度(AP)上分别提升了15.6%、16.7%和31.0%;在SAR舰船检测数据集(SSDD)上的检测结果表明改进算法泛化能力较好,具有较强的鲁棒性。可见改进后的算法提升了小目标特征提取及融合能力,并具有更好的小目标检测效果。 展开更多

关键词 YOLOv8n 小目标检测 感受野注意力卷积 动态头 归一化wasserstein距离

在线阅读 下载PDF 职称材料

基于改进YOLOv5的Logo检测算法 被引量：1

8

作者 李烨恒 罗光圣 苏前敏 《计算机应用》 CSCD 北大核心 2024年第8期2580-2587,共8页

针对Logo图像背景复杂、Logo目标尺寸多变的问题,提出了一种基于YOLOv5的改进检测算法。首先,结合CBAM(Channel Block Attention Module),分别在图像通道与空间方向进行压缩,提取图像的关键信息与重要区域;然后,使用可变空洞卷积(SAC)... 针对Logo图像背景复杂、Logo目标尺寸多变的问题,提出了一种基于YOLOv5的改进检测算法。首先,结合CBAM(Channel Block Attention Module),分别在图像通道与空间方向进行压缩,提取图像的关键信息与重要区域;然后,使用可变空洞卷积(SAC)使网络在不同尺度下自适应地调整特征图中的感受野大小,以捕获不同尺度下的物体信息,改善网络对多尺度目标的检测效果;最后,将归一化Wasserstein距离(NWD)嵌入损失函数,将边界框建模成2D的高斯分布,计算对应的高斯分布之间的相似度,更好地度量目标之间的相似性,提高对小目标的检测性能与模型鲁棒性和稳定性。实验结果表明,在数据量较小的数据集FlickrLogos-32中,改进后算法的平均精度均值(mAP@0.5)达到90.6%,比原始YOLOv5算法提升了1个百分点;在数据量较大的数据集QMULOpenLogo中,改进后算法的mAP@0.5达到62.7%,比原始YOLOv5算法提升了2.3个百分点;在针对特定类型的Logo检测集LogoDet3K中,针对3类商标改进后算法比原始算法的mAP@0.5分别提升了1.2、1.4与1.4个百分点,说明它有更好的Logo图像小目标检测能力。 展开更多

关键词 Logo检测 YOLOv5网络模型 CBAM 小目标检测 归一化wasserstein距离

在线阅读 下载PDF 职称材料

基于改进DCGAN的数据增强方法 被引量：26

9

作者 甘岚 沈鸿飞 +1 位作者 王瑶 张跃进 《计算机应用》 CSCD 北大核心 2021年第5期1305-1313,共9页

针对小样本数据在深度学习中训练难的问题,为提高DCGAN训练效率,提出了一种改进的DCGAN算法对小样本数据进行增强。首先,使用Wasserstein距离替换原模型中的损失模型;其次,在生成网络和判别网络中加入谱归一化,以得到稳定的网络结构;最... 针对小样本数据在深度学习中训练难的问题,为提高DCGAN训练效率,提出了一种改进的DCGAN算法对小样本数据进行增强。首先,使用Wasserstein距离替换原模型中的损失模型;其次,在生成网络和判别网络中加入谱归一化,以得到稳定的网络结构;最后,通过极大似然估计算法和实验估算得到样本的最佳噪声输入维度,从而提高生成样本的多样性。在MNIST、Celeb A和Cartoon这三个数据集上的实验结果表明:改进后的DCGAN所生成样本的清晰度以及识别率比改进前均得到了明显提高,其中平均识别率在这几个数据集上分别提高了8.1%、16.4%和16.7%,几种清晰度评价指标在各数据集上均有不同程度的提高。可见该方法能够有效地实现小样本数据增强。 展开更多

关键词 小样本 数据增强 DCGAN wasserstein距离 谱归一化 内在维数

在线阅读 下载PDF 职称材料

面向无人机平台的轻量化目标检测网络 被引量：5

10

作者 黄丹丹 高晗 +2 位作者 刘智 于林韬 王惠绩 《光学精密工程》 EI CAS CSCD 北大核心 2023年第20期3021-3033,共13页

针对无人机端目标检测中存在图像尺度变化大、目标尺寸小和无人机机载嵌入式计算资源有限的问题,提出一种应用于无人机平台轻量化的目标检测网络。该网络以YOLOv5作为基准模型,首先增加检测分支以处理尺度变化的问题;然后提出基于归一化... 针对无人机端目标检测中存在图像尺度变化大、目标尺寸小和无人机机载嵌入式计算资源有限的问题,提出一种应用于无人机平台轻量化的目标检测网络。该网络以YOLOv5作为基准模型,首先增加检测分支以处理尺度变化的问题;然后提出基于归一化Wasserstein距离与传统IOU混合的小目标检测度量方法,用于解决小目标检测精度低的问题;随后提出FasterNet与C3融合的C3_FN轻量化网络结构,降低网络计算量,使其更适合无人机平台使用。最后将算法分别在仿真平台与嵌入式平台上利用无人机目标检测数据集VisDrone进行性能测试。仿真平台上的测试结果表明,本文提出的网络相较于基准网络在mAP0.5指标上提升了6.6%,mAP0.5-0.95指标上提升了4.8%,推理时间仅需45.9 ms,对比其他主流的无人机目标检测网络具有更好的检测效果。在嵌入式设备NVIDIA Jetson Nano上的测试结果表明,本文算法能够在有限的硬件资源下获得高精度接近实时的检测性能。 展开更多

关键词 无人机 目标检测 归一化wasserstein距离 轻量化网络

在线阅读 下载PDF 职称材料

基于多损失约束与注意力块的图像修复方法 被引量：1

11

作者 曹真 杨云 +1 位作者 齐勇 李程辉 《陕西科技大学学报》 CAS 2020年第3期158-165,共8页

为解决基于深度卷积生成对抗网络的语义图像修复模型存在的重建结果内容、风格、细节特征还原不准确问题以及模型训练不稳定问题,提出一种结合残差块和注意力块的Multi-Loss GAN模型.同时,在图像生成阶段,向模型引入谱归一化和Wasserst... 为解决基于深度卷积生成对抗网络的语义图像修复模型存在的重建结果内容、风格、细节特征还原不准确问题以及模型训练不稳定问题,提出一种结合残差块和注意力块的Multi-Loss GAN模型.同时,在图像生成阶段,向模型引入谱归一化和Wasserstein距离以稳定模型训练;在图像修复阶段,向模型增设差异网络和Vgg19特征提取网络分别提供差异、内容、风格损失协助模型寻找最优编码以提升最终的修复效果.最后在CelebA数据集上进行大量仿真实验.结果显示,Multi-Loss GAN较于DCGAN方法和GLCIC方法在PSNR和SSIM上分别提升0.6~2.0 db,0.01~0.05. 展开更多

关键词 注意力块 差异网络 Vgg19特征提取网络 谱归一化 wasserstein距离

在线阅读 下载PDF 职称材料