改进的Island损失函数在人脸表情识别上的应用 被引量：8

1

作者 张文萍 贾凯 +1 位作者 王宏玉 徐方 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2020年第12期1910-1917,共8页

人脸表情识别在众多场景下都有应用,但是由于光照变化、面部外观改变和遮挡的影响,导致识别准确率下降.针对此现象,提出将改进的Island损失函数用于辅助表情识别.Island损失函数虽然能够提高测试性能,但是却降低了泛化性能,针对这一问题... 人脸表情识别在众多场景下都有应用,但是由于光照变化、面部外观改变和遮挡的影响,导致识别准确率下降.针对此现象,提出将改进的Island损失函数用于辅助表情识别.Island损失函数虽然能够提高测试性能,但是却降低了泛化性能,针对这一问题,改进的Island损失函数采用指数损失减小类内距离的方法提高泛化性能,采用余弦距离损失与欧几里得度量损失增大类间距离的方法进一步提高测试性能.结果证明,与Island损失函数相比,LCE损失函数与ECE损失函数均可以同时提高测试性能与泛化性能,ECE损失函数在CK+,JAFFE,SFEW,RAF和Older数据集上的平均泛化性能提高了1.05%. 展开更多

关键词 人脸表情识别 改进的island损失函数 指数损失 类内距离 类间距离

在线阅读 下载PDF 职称材料

基于低风速功率修正和损失函数改进的超短期风电功率预测 被引量：5

2

作者 臧海祥 赵勇凯 +3 位作者 张越 程礼临 卫志农 秦雪妮 《电力系统自动化》 EI CSCD 北大核心 2024年第7期248-257,共10页

风电功率具有较强的波动性和随机性。为进一步提升风电功率的预测精度,提出一种基于低风速功率修正和损失函数改进的超短期风电功率预测模型。该模型采用卷积神经网络、自注意力机制和双向门控循环单元捕获风电功率序列的长期时序依赖... 风电功率具有较强的波动性和随机性。为进一步提升风电功率的预测精度,提出一种基于低风速功率修正和损失函数改进的超短期风电功率预测模型。该模型采用卷积神经网络、自注意力机制和双向门控循环单元捕获风电功率序列的长期时序依赖关系。为了解决低风速下待风状态神经网络难以精确拟合的问题,模型通过预测风速并结合当前时段的风电功率对低风速段的预测功率进行修正。针对参数训练的稳定性问题,模型通过改进预测策略和共享权重,引入一种多元非线性的损失函数来提取序列间的关联性。结果表明,所提模型在多项误差指标中均优于对比模型,能够有效提升超短期风电功率的预测效果。 展开更多

关键词 超短期风电功率预测 功率修正 损失函数改进 神经网络模型

在线阅读 下载PDF 职称材料

基于改进YOLOv5的复杂场景电动车头盔检测方法 被引量：1

3

作者 韩东辰 张方晖 +3 位作者 王诗洋 段克盼 李宁星 王凯 《现代电子技术》 北大核心 2025年第1期123-129,共7页

佩戴电动车头盔是安全骑行的重要保障,对电动车驾乘人员佩戴头盔进行有效检测在保障驾乘人员安全方面具有重要意义。电动车头盔检测中存在目标之间相互遮挡、复杂背景干扰、头盔目标小等问题,现有方法尚不能满足复杂场景下电动车头盔检... 佩戴电动车头盔是安全骑行的重要保障,对电动车驾乘人员佩戴头盔进行有效检测在保障驾乘人员安全方面具有重要意义。电动车头盔检测中存在目标之间相互遮挡、复杂背景干扰、头盔目标小等问题,现有方法尚不能满足复杂场景下电动车头盔检测的要求,因此,提出一种改进YOLOv5的复杂场景电动车头盔识别方法。首先,提出一种新的主干网络结构ML-CSPDarknet53,增强网络的特征提取能力,引入轻量级上采样算子CARAFE,利用特征图语义信息扩大感受野;其次,搭建坐标卷积CoordConv模块,增强网络对空间信息的感知能力,并将WIoU v3作为边界框损失函数,降低低质量样本对模型性能的不利影响;最后,构建了内容丰富的头盔检测数据集对改进算法进行验证。实验结果表明,改进后算法相较于原算法在精确度、召回率、mAP@0.5、mAP@0.5:0.95上分别提升了2.9%、3.0%、3.4%和2.2%,并且性能优于其他主流检测算法,满足复杂道路交通场景下电动车驾乘人员头盔检测的任务要求。 展开更多

关键词 头盔检测 改进YOLOv5 复杂场景 目标遮挡 特征提取 上采样 坐标卷积 损失函数

在线阅读 下载PDF 职称材料

改进YOLOv8的城市行车道路障碍物检测算法研究 被引量：2

4

作者 向雷 蒋文波 《电子测量技术》 北大核心 2025年第1期29-38,共10页

针对目前城市道路复杂环境下障碍物检测精度不足、检测速度慢、模型参数量大和小目标障碍物检测效果不佳的问题,提出一种改进的YOLOv8n轻量级城市行车道路障碍物检测算法。首先,制作MRObstacle城市道路障碍物目标检测数据集,扩展了障碍... 针对目前城市道路复杂环境下障碍物检测精度不足、检测速度慢、模型参数量大和小目标障碍物检测效果不佳的问题,提出一种改进的YOLOv8n轻量级城市行车道路障碍物检测算法。首先,制作MRObstacle城市道路障碍物目标检测数据集,扩展了障碍物检测种类与数量;其次,设计全新的SPS_C2f改进主干网络,降低网络参数量与提升检测速度,添加M_ECA注意力模块至网络的Neck部分,提升网络检测速度与特征表达能力;再次,融合BiFPN特征金字塔和添加小目标检测头,更好地捕捉小尺寸障碍物的特征;最后,使用可优化边界框宽度与高度值的损失函数MPDIoU,提升网络边界框回归性能。相比于原YOLOv8n算法,该算法的mAP0.5指标提升2.04%,达到97.12%;FPS值提升12.08 fps,达到107.45 fps;网络参数量减少10%,降低至2.73 MB。该算法在减少参数量的同时提高了检测精度和速度,可更好应用于城市行车道路障碍物检测任务。 展开更多

关键词 障碍物检测 YOLOv8 改进C2f模块 改进注意力机制 损失函数

在线阅读 下载PDF 职称材料

基于改进YOLOv7的航空发动机叶片表面缺陷检测

5

作者 武仁康 程志江 +2 位作者 吴动波 王辉 梁嘉伟 《现代电子技术》 北大核心 2025年第15期135-143,共9页

对于航空发动机叶片在生产加工过程中产生的各种缺陷,通常以人工目检的方式来进行检测。为避免因人为经验导致检测结果缺乏一致性,以及检测效率低的问题。文中提出一种基于改进YOLOv7的叶片检测方法,旨在精准高效地检测叶片表面的缺陷... 对于航空发动机叶片在生产加工过程中产生的各种缺陷,通常以人工目检的方式来进行检测。为避免因人为经验导致检测结果缺乏一致性,以及检测效率低的问题。文中提出一种基于改进YOLOv7的叶片检测方法,旨在精准高效地检测叶片表面的缺陷。针对生产加工过程中四类常见的典型缺陷,构建了航空发动机叶片表面缺陷数据集。在YOLOv7特征融合网络的ELAN-W中加入SKNet,使模型获得自适应感受野以增强网络特征提取的能力;在头部网络引入Dyhead提升模型的类别识别能力和检测性能;采用MPDIoU损失函数替代原始的CIoU损失函数以实现更加精确的边界框回归。所提方法在保证召回率的基础上提升了模型的检测性能,其中精度、召回率和mAP@0.5分别提升了5.3%、2.2%和3.7%,检测单张叶片的时间为4.93 s。为叶片的自动化检测提供了一种新方法。 展开更多

关键词 计算机视觉 缺陷检测 航空发动机叶片 改进YOLOv7 深度学习 MPDIoU损失函数

在线阅读 下载PDF 职称材料

基于改进YOLOv5s的水面漂浮小目标检测算法

6

作者 岳旭生 李军 +3 位作者 王耀弘 朱鹏浩 王哲兴 许炫皓 《中国舰船研究》 北大核心 2025年第3期318-326,共9页

[目的]针对无人船视角下的水面漂浮瓶识别易出现错检、漏检等问题,基于YOLOv5s算法,提出一种改进的YOLOv5s水面漂浮小目标检测算法。[方法]对原始数据集Flow-Img进行数据增强和扩充,从而避免模型出现过拟合的现象;为了提高深度学习模型... [目的]针对无人船视角下的水面漂浮瓶识别易出现错检、漏检等问题,基于YOLOv5s算法,提出一种改进的YOLOv5s水面漂浮小目标检测算法。[方法]对原始数据集Flow-Img进行数据增强和扩充,从而避免模型出现过拟合的现象;为了提高深度学习模型对极小目标的检测精度,在YOLOv5s的3个检测层的基础上,增加1个极小目标检测层,同时去掉用于大目标的检测头,避免数据不均衡带来的先验框分配问题;接着,在骨干网络中增加CBAM注意力模块,以解决模型在水面漂浮瓶检测任务中目标特征信息捕捉能力不足的问题;最后引入归一化Wasserstein距离(NWD)的回归损失函数,将IoU损失函数和NWD损失函数进行加权组合,形成一个综合的回归损失函数,从而进一步提高对水面漂浮瓶识别的准确率和精度。[结果]实验结果表明,所提算法在水面漂浮瓶检测时mAP@0.5值达到95.7%,比原始YOLOv5s算法的mAP@0.5提升了2.6%,mAP@0.95提升了4.5%,同时,模型参数量下降了61.9%。[结论]在实现轻量化的同时使得水面漂浮瓶检测结果更加准确,为水面小型漂浮物的检测提供了重要的技术参考。 展开更多

关键词 水面漂浮小目标 计算机视觉 目标检测 图像处理 改进YOLOv5s CBAM NWD损失函数

在线阅读 下载PDF 职称材料

基于改进Faster-RCNN的起重机钢丝绳表面缺陷识别方法

7

作者 苏立鹏 娄益凡 +3 位作者 杨吴奔 高建貌 王雪迎 易灿灿 《机电工程》 北大核心 2025年第7期1341-1349,共9页

针对现有的起重机钢丝绳表面缺陷检测中存在的检测效率低、准确度差、鲁棒性有限等问题,提出了一种基于改进快速区域卷积神经网络(Faster-RCNN)的起重机钢丝绳表面缺陷识别检测方法,该方法结合多个关键技术,显著提升了钢丝绳表面缺陷识... 针对现有的起重机钢丝绳表面缺陷检测中存在的检测效率低、准确度差、鲁棒性有限等问题,提出了一种基于改进快速区域卷积神经网络(Faster-RCNN)的起重机钢丝绳表面缺陷识别检测方法,该方法结合多个关键技术,显著提升了钢丝绳表面缺陷识别的性能。首先,采用了多尺度策略提高输入图像的分辨率,从而更好地检测不同大小的缺陷;其次,在网络中引入了可变形卷积,以增强其捕捉传统卷积技术难以检测的钢丝绳缺陷复杂形状特征的能力;采用了路径增强技术融合低维和高维特征,有效解决了在下采样和特征融合过程中信息丢失的问题,极大提升了模型在各层之间保持关键信息的能力;最后,采用了广义交并比(GIOU)损失函数替代传统的交并比(IOU)损失函数,显著提高了边界框预测的准确性,验证了改进后的Faster-RCNN算法在起重机钢丝绳损伤检测的性能提升方面较为显著。研究结果表明:改进版Faster-RCNN模型相比原算法在精度上有了显著提高,准确率从81.8%提升至90.2%,召回率从83.8%提高至94.2%,最终平均精度达到0.934,提升了9.6%。与传统检测算法如SSD和原版YOLOv5相比,该方法的准确率分别提高了17.6%和11.0%,证明了其在钢丝绳损伤图像识别中的有效性。 展开更多

关键词 起重机械 损伤检测 改进的快速区域卷积神经网络 多尺度和自定义锚框策略 广义交并比损失函数 可变形卷积 路径增强特征金字塔 区域提议网络 消融实验

在线阅读 下载PDF 职称材料

基于改进YOLOv5算法的票据检测 被引量：1

8

作者 扈静 贺竞娇 +1 位作者 龚宇 汪俊峰 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2024年第11期1459-1464,共6页

在票据全流程识别过程中,针对不同类型票据的目标检测是关键步骤,为实现日常报销过程中不同种类票据快速检测其类型和位置,文章提出一种基于改进YOLOv5算法的票据检测方法。对于原始数据集进行预处理,模拟票据检测中可能出现的干扰信息... 在票据全流程识别过程中,针对不同类型票据的目标检测是关键步骤,为实现日常报销过程中不同种类票据快速检测其类型和位置,文章提出一种基于改进YOLOv5算法的票据检测方法。对于原始数据集进行预处理,模拟票据检测中可能出现的干扰信息,提高训练模型的性能;利用CSPDarkNet53网络进行特征提取,采用基于重合面积、中心点距离、长宽比和角度4个几何参数的SIoU目标位置损失函数,对原损失函数进行改进,提升YOLOv5票据检测的精度,构建票据检测方法。最后通过自建实际拍摄的票据数据集来验证基于改进YOLOv5算法的票据检测的有效性。结果表明,该方法拥有较高的平均精度均值(99.20%)和检测速度(51帧/s),可以满足实际应用场景的要求。 展开更多

关键词 票据 目标检测 识别 改进YOLOv5 损失函数

在线阅读 下载PDF 职称材料

在一类加权损失函数类下某些离散分布均值参数的同时估计

9

作者 刘金泉 《吉林大学自然科学学报》 CAS CSCD 1991年第3期31-36,共6页

本文考虑了在一类加权损失函数下,某些离散分布族(包括Poisson分布、负二项分布,多元负二项分布等)均值参数的同时估计问题,并给出了关于损失函数和样本分布族稳健的优于通常估计量的改进估计量。

关键词 加权损失函数类 稳健性 改进估计量

在线阅读 下载PDF 职称材料

基于改进残差网络的运动目标模糊图像复原方法 被引量：1

10

作者 孙灵 《现代电子技术》 北大核心 2024年第15期86-90,共5页

传统的残差网络在复原运动目标模糊图像时,在模糊程度较严重的情况下,存在特征提取不充分、噪声干扰等问题,导致恢复出的图像无法完全达到原始图像的清晰度和细节。对此,提出基于改进残差网络的运动目标模糊图像复原方法。对采集到的运... 传统的残差网络在复原运动目标模糊图像时,在模糊程度较严重的情况下,存在特征提取不充分、噪声干扰等问题,导致恢复出的图像无法完全达到原始图像的清晰度和细节。对此,提出基于改进残差网络的运动目标模糊图像复原方法。对采集到的运动目标模糊图像,采用多损失函数融合方法改进传统残差块结构,构建编码器-解码器网络训练结构,训练损失函数,提升网络的特征学习能力。通过完成训练的网络,输出运动目标模糊图像复原结果。实验结果表明,该方法复原运动目标模糊图像的峰值信噪比高于30 dB,结构相似性高于0.9。 展开更多

关键词 改进残差网络 运动目标 多损失函数融合 模糊图像 编辑器-解码器网络 复原方法

在线阅读 下载PDF 职称材料

基于改进ATSS模型的水稻叶片病害检测 被引量：1

11

作者 丁士宁 姜明富 +1 位作者 刘丽娟 张莉 《山东农业大学学报（自然科学版）》 北大核心 2024年第1期93-99,共7页

针对传统水稻病害诊断方法依赖人工、容易误判等缺点,提出一种基于ATSS的水稻叶片病害检测模型。首先收集白叶枯病、胡麻斑病、叶瘟病这三种病害图像,构建水稻叶片病害图像数据集。然后在原ATSS模型的基础上,网络Neck部分采用FPN-CARAF... 针对传统水稻病害诊断方法依赖人工、容易误判等缺点,提出一种基于ATSS的水稻叶片病害检测模型。首先收集白叶枯病、胡麻斑病、叶瘟病这三种病害图像,构建水稻叶片病害图像数据集。然后在原ATSS模型的基础上,网络Neck部分采用FPN-CARAFE模块代替特征金字塔网络FPN,以减少上采样过程中的信息损失。同时,为提升模型的检测效果,回归分支的损失函数采用CIoU损失函数代替GIoU。改进ATSS模型的平均精度均值可达74.0%,相比于原ATSS模型提升了3.5%。与模型Retinanet、Faster R-CNN、Cascade R-CNN、FCOS、TOOD相比,改进ATSS模型取得了最高的检测精度,且在检测精度和速度上取得了最高的权衡。实验结果表明,改进后的模型能对水稻叶片病害有效检测。 展开更多

关键词 改进ATSS模型 FPN-CARAFE CIoU损失函数 水稻叶片病害

在线阅读 下载PDF 职称材料

基于改进旋转目标检测模型的指针表读数全自动识别 被引量：1

12

作者 黄酋淦 徐望明 吴高鑫 《仪表技术与传感器》 CSCD 北大核心 2024年第11期28-33,72,共7页

针对指针表图像中刻度线与指针精确定位困难及在复杂环境下易出现误检和漏检的问题,提出一种基于改进旋转目标检测模型的指针表读数全自动识别方法。首先以YOLOv5s网络为基础,设计了高效的通道与空间注意力融合模块,以提升表盘示数特征... 针对指针表图像中刻度线与指针精确定位困难及在复杂环境下易出现误检和漏检的问题,提出一种基于改进旋转目标检测模型的指针表读数全自动识别方法。首先以YOLOv5s网络为基础,设计了高效的通道与空间注意力融合模块,以提升表盘示数特征提取能力;其次设计了E-CIoU Loss以优化损失函数,增强指针边界框回归能力;同时,引入环形平滑标签以适应旋转目标检测任务;然后,利用改进的概率霍夫变换实现指针精确重定位;最后,利用极坐标平面上指针和刻度线的相对位置关系计算读数识别结果。实验结果表明:与基准模型相比,该方法有效提升了表盘示数特征检测精度,mAP值达到了96.8%,且最终读数识别平均相对误差达到了0.52%,可满足实际应用需求。 展开更多

关键词 旋转目标检测 注意力机制 优化损失函数 改进概率霍夫变换

在线阅读 下载PDF 职称材料

基于改进YOLO v5-StrongSORT的屠宰场猪只精准计数方法 被引量：4

13

作者 张站奇 孙显彬 +3 位作者 孙贺 闵海波 孔莉娅 张洪亮 《农业机械学报》 CSCD 北大核心 2024年第12期354-364,共11页

猪只计数是屠宰场生产管理、资产估计的重要环节。针对当前屠宰场猪只数量统计过程中人工计数耗时长、错误率高的问题,提出了一种基于改进YOLO v5-StrongSORT的屠宰场猪只精准计数方法。首先,在改进YOLO v5模型中引入真实宽高损失与纵... 猪只计数是屠宰场生产管理、资产估计的重要环节。针对当前屠宰场猪只数量统计过程中人工计数耗时长、错误率高的问题,提出了一种基于改进YOLO v5-StrongSORT的屠宰场猪只精准计数方法。首先,在改进YOLO v5模型中引入真实宽高损失与纵横比以提升损失函数性能,并在Neck层引入高效通道注意力机制(Efficient channel attention,ECA),提升模型在复杂环境下的识别能力。然后,基于StrongSORT构建检测机制实现对猪只的重识别。最后,基于StrongSORT提出了一种区域ID信息检测的猪只计数方法。试验结果表明,改进YOLO v5模型对猪只识别精确率为93.78%,召回率为91.98%,平均精度均值为96.29%,识别速度为500 f/s,较YOLO v5s模型召回率提高1.14个百分点,平均精度均值提高0.89个百分点,识别速度提高85.0%。将改进YOLO v5与StrongSORT区域计数方法结合进行猪只计数的准确率为98.46%,计数速率为73 f/s,较人工计数准确率提高1.54个百分点,较原始模型计数准确率提高9.23个百分点,计数速率提高21.87%。本研究猪只计数方法具有较高的计数精度,适用于屠宰场猪只数量统计。 展开更多

关键词 猪只识别 区域计数 改进YOLO v5 损失函数 注意力机制 StrongSORT

在线阅读 下载PDF 职称材料

不平衡数据下基于改进门控卷积网络的轴承故障诊断

14

作者 郗昌盛 梁小夏 +3 位作者 田少宁 杨杰 冯国金 甄冬 《噪声与振动控制》 CSCD 北大核心 2024年第4期153-160,共8页

深度学习在滚动轴承故障诊断中具有广泛的应用,然而,现实中的监测数据往往具有不平衡性,这就会对模型的诊断性能产生很大影响。因此,提出一种基于改进门控卷积神经网络(Improved Gated Convolutional Neural Network,IGCNN)的故障诊断方... 深度学习在滚动轴承故障诊断中具有广泛的应用,然而,现实中的监测数据往往具有不平衡性,这就会对模型的诊断性能产生很大影响。因此,提出一种基于改进门控卷积神经网络(Improved Gated Convolutional Neural Network,IGCNN)的故障诊断方法,用于数据不平衡条件下的故障诊断。首先,提出改进门控卷积层以增强特征提取能力,通过批量归一化技术提高模型的泛化能力。然后,使用标签分布感知边界(Label-distribution-aware Margin,LDAM)损失函数提高模型对少数类的敏感度,减小数据不平衡对模型的影响。将所提算法应用在两组故障轴承数据上,在数据不平衡率为20:1的情况下,所提算法仍然可达到92.71%和94.47%的故障识别率,而对比的其他主流深度学习模型在该情况下只有60%~72%的准确率,表明所提方法在数据集严重不平衡情况下具有很强的诊断能力和鲁棒性。 展开更多

关键词 故障诊断 数据不平衡 改进门控卷积神经网络 标签分布感知边界损失函数 滚动轴承

在线阅读 下载PDF 职称材料

基于改进YOLOv5算法的纸袋缺陷检测

15

作者 杨萌 张爱军 潘文松 《组合机床与自动化加工技术》 北大核心 2024年第3期105-108,113,共5页

为了提高纸袋生产企业在制造过程中对纸袋手把或底部缺陷的检测精度,提出了一种基于改进YOLOv5算法的纸袋缺陷检测方法。改进算法为了提高网络定位能力,增强网络的特征学习表达能力,引入了坐标注意力机制,接着引入EIoU损失函数对原始损... 为了提高纸袋生产企业在制造过程中对纸袋手把或底部缺陷的检测精度,提出了一种基于改进YOLOv5算法的纸袋缺陷检测方法。改进算法为了提高网络定位能力,增强网络的特征学习表达能力,引入了坐标注意力机制,接着引入EIoU损失函数对原始损失函数进行改进,以此来改善原始网络损失函数纵横比的合理性,提升回归精度,最后引入一种具有类似跨阶段局部结构的简化空间金字塔池化结构,减少冗余信息处理,提升网络检测性能。实验结果表明,改进算法的平均精度平均值mAP@.5为87.3%,mAP@.5∶.95为56.8%,与YOLOv5算法相比mAP@.5提升了1.6%,mAP@.5∶.95提升了0.9%,在纸袋缺陷检测上有更优越的表现。 展开更多

关键词 纸袋缺陷 注意力 损失函数 空间金字塔池化 改进算法

在线阅读 下载PDF 职称材料

基于改进YOLO v8模型的烟草食叶性害虫识别

16

作者 张伟伟 陈赛越扬 +5 位作者 崔英 沈广才 苏展 张卫正 李永亮 李萌 《江苏农业科学》 北大核心 2024年第17期209-217,共9页

烟青虫、斜纹夜蛾、斑须蝽和甜菜夜蛾是烟草上重要的食叶性害虫,它们的准确识别是虫情预报和防治的基础。提出了基于改进的YOLO v8模型的烟青虫、斜纹夜蛾、斑须蝽和甜菜夜蛾的识别方法,首先在YOLO v8的C2f模块中加入了EMA注意力机制,... 烟青虫、斜纹夜蛾、斑须蝽和甜菜夜蛾是烟草上重要的食叶性害虫,它们的准确识别是虫情预报和防治的基础。提出了基于改进的YOLO v8模型的烟青虫、斜纹夜蛾、斑须蝽和甜菜夜蛾的识别方法,首先在YOLO v8的C2f模块中加入了EMA注意力机制,提高了YOLO v8模型对于烟草害虫的关注度;其次使用SIoU Loss改进YOLO v8的边界框损失函数,提高模型定位的准确性并加速模型收敛;最后利用AFPN渐近特征金字塔网络改进了YOLO v8对非相邻特征的融合效果,提高了模型对烟草害虫特征提取的效率和准确率。与Faster R-CNN、SSD、Retinanet、YOLO v3-tiny、YOLO v4-tiny、YOLO v5s和YOLO v8等目标检测模型在本研究所构建的4种常见烟草害虫的数据集上进行对比,试验结果表明,本研究所提出的方法在精确率、召回率和平均精度均值(mAP)上比原有的YOLO v8模型及上述其他目标检测模型平均提高了6.24、6.53、7.22百分点,为烟草害虫的精准识别提供了技术支持。 展开更多

关键词 烟草 害虫 识别技术 YOLO v8改进模型 损失函数 目标识别

在线阅读 下载PDF 职称材料

基于改进FCOS的水稻叶片病害检测模型

17

作者 丁士宁 姜明富 《江苏农业科学》 北大核心 2024年第12期232-238,共7页

针对传统水稻病害识别方法主要依赖人工,效率低下且存在人工主观误差的问题,提出一种基于改进FCOS模型的水稻叶片病害检测模型。首先收集950张3种不同病害的水稻叶片图像,构建Pascal Voc格式的水稻叶片病害数据集。为增强模型的泛化能力... 针对传统水稻病害识别方法主要依赖人工,效率低下且存在人工主观误差的问题,提出一种基于改进FCOS模型的水稻叶片病害检测模型。首先收集950张3种不同病害的水稻叶片图像,构建Pascal Voc格式的水稻叶片病害数据集。为增强模型的泛化能力,对划分为训练集的图像进行数据增强,训练集图像由760张扩增到6080张。然后构建检测模型,改进FCOS模型在原模型的基础上,在特征融合网络引入CBAM注意力模块;损失函数中,回归损失函数采用CIoU损失函数,分类损失函数和中心度损失函数与原FCOS模型保持一致。改进的FCOS模型在水稻叶片病害数据上的平均精度均值达77.7%,相比原FCOS模型提升了2.3百分点,改进的模型在不明显提升检测时间的情况下,提升了模型的精度。通过试验与模型YOLOF、Faster R-CNN、VarifocalNet、NAS-FCOS、TOOD进行对比,结果表明本研究模型取得了最高的检测精度,且在检测精度和检测速度上取得了最高的权衡。结果表明,本研究提出的模型能够比较精准地识别水稻白叶枯病、胡麻叶斑病和叶瘟病,可以为水稻叶片病害的检测提供参考。 展开更多

关键词 改进FCOS模型 水稻叶片病害图像 Pascal Voc格式 CBAM注意力模块 CIOU损失函数

在线阅读 下载PDF 职称材料

电网N-1下融合CNN与Transformer的综合能源系统静态安全校核

18

作者 陈厚合 丁唯一 +2 位作者 刘光明 李雪 张儒峰 《电力自动化设备》 北大核心 2025年第5期1-9,18,共10页

风光等新能源高比例渗透衍生出大量的源-荷场景,电-气综合能源系统(IEGS)的N-1安全校核面临计算挑战。深度学习技术在处理大量数据时具备显著优势,为解决该问题提供了新的思路。将评价电力系统安全性的Hyper-box和Hyper-ellipse判据推... 风光等新能源高比例渗透衍生出大量的源-荷场景,电-气综合能源系统(IEGS)的N-1安全校核面临计算挑战。深度学习技术在处理大量数据时具备显著优势,为解决该问题提供了新的思路。将评价电力系统安全性的Hyper-box和Hyper-ellipse判据推广到天然气系统,并形成IEGS综合安全指标以划分子系统的运行状态;构建卷积神经网络(CNN)-Transformer神经网络以适应量测数据与校核目标的非线性关系,实现快速校核;考虑到系统数据的量纲和数值差异大以及系统状态离散化的特点,分别对数据进行Z-score标准化和独热编码数值化以提升校核精度,并设计改进焦点损失函数以进一步提取不同的场景下天然气系统运行状态的变化规律。以含高比例新能源的综合能源系统(E5G5、E39G20系统)为算例,验证所提方法的高效性和准确性。 展开更多

关键词 电-气综合能源系统 N-1安全校核 深度学习 卷积神经网络 Transformer神经网络 改进焦点损失函数

在线阅读 下载PDF 职称材料

基于YOLOv8的林区行人目标检测研究 被引量：2

19

作者 李琳琳 孙海龙 《森林工程》 北大核心 2025年第1期138-150,共13页

为解决目标检测算法在林区行人检测中容易出现漏检及检测精度不足的问题,提出一种基于改进YOLOv8的林区行人目标检测算法。采用C2f_DWRSeg模块替换C2f模块,扩展初始卷积通道数,使网络能更高效地进行多尺度特征提取;提出一种重构的检测头... 为解决目标检测算法在林区行人检测中容易出现漏检及检测精度不足的问题,提出一种基于改进YOLOv8的林区行人目标检测算法。采用C2f_DWRSeg模块替换C2f模块,扩展初始卷积通道数,使网络能更高效地进行多尺度特征提取;提出一种重构的检测头,训练时增加卷积层的复杂性,推理时使用单分支结构,从而丰富网络的特征表示能力,并保持高效的推理速度;在特征融合前增加了卷积注意力机制模块CGA,减少计算量;使用Focaler-ShapeIoU损失函数代替CIoU损失函数,弥补边界框回归方法的不足,进一步提高检测能力。试验结果表明,与基准模型相比,改进后的算法mAP50提高了2%,mAP50-95提高了2.4%,模型的处理速度(FPS)提高了4.33%,证明改进后的算法能够更好地应用在林区行人检测的任务中。 展开更多

关键词 林区管理 行人检测 YOLOv8 注意力机制 损失函数 改进算法 深度学习 识别

在线阅读 下载PDF 职称材料

基于改进卷积神经网络的交通场景小目标检测 被引量：22

20

作者 郑秋梅 王璐璐 王风华 《计算机工程》 CAS CSCD 北大核心 2020年第6期26-33,共8页

针对复杂交通场景中的小尺度车辆检测问题,提出改进的YOLOv3目标检测方法(S-YOLOv3)。使用ResNet网络优化YOLOv3的Darknet-53特征提取结构,采用特征金字塔网络获取目标的4个尺度特征以融合浅层特征和深层特征信息,并根据检测目标的大小... 针对复杂交通场景中的小尺度车辆检测问题,提出改进的YOLOv3目标检测方法(S-YOLOv3)。使用ResNet网络优化YOLOv3的Darknet-53特征提取结构,采用特征金字塔网络获取目标的4个尺度特征以融合浅层特征和深层特征信息,并根据检测目标的大小调整损失函数的影响权重,从而增强小目标及相互遮挡物体的检测效果。在KITTI数据集上的实验结果表明,S-YOLOv3方法的检测速度和平均精度均值分别为52.45 frame/s和93.30%,相比YOLOv3方法在保证小目标检测实时性的同时具有更高的检测精度。 展开更多

关键词 改进的YOLOv3方法 特征提取 多尺度融合 损失函数 小目标检测

在线阅读 下载PDF 职称材料