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
共找到10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：
基于渐进特征融合及多尺度空洞注意力的遮挡鸟巢检测
1
作者 尹向雷 屈少鹏 +1 位作者 解永芳 苏妮 《浙江大学学报(工学版)》 北大核心 2025年第3期535-545,共11页
为了提高被遮挡鸟巢目标的检测性能与准确性,减少鸟类筑巢对电力系统稳定运行造成的威胁以及运维成本,提出基于改进YOLOv5的输电线路鸟巢检测方法.该方法使用渐进特征金字塔网络优化原始特征金字塔网络结构,有效避免了非相邻层次之间较... 为了提高被遮挡鸟巢目标的检测性能与准确性,减少鸟类筑巢对电力系统稳定运行造成的威胁以及运维成本,提出基于改进YOLOv5的输电线路鸟巢检测方法.该方法使用渐进特征金字塔网络优化原始特征金字塔网络结构,有效避免了非相邻层次之间较大的语意差距,增强了非相邻层次间的融合效果.使用多尺度空洞注意力机制,使模型能够有效地提取不同尺度的语义信息,提高模型对遮挡鸟巢目标的检测性能.采用轻量级Mobile-NetV3网络作为骨干网络,进一步降低模型复杂度.消融实验与定性实验结果表明,改进后算法的召回率、精确率与平均精度均值相较于原始算法分别提升了2.0个百分点、0.7个百分点与1.7个百分点,权重大小与计算量分别减少了74.7个百分点与53.5个百分点.对于遮挡鸟巢目标均表现出良好的性能,验证了改进方法的有效性. 展开更多
关键词 输电线路 遮挡目标 YOLOv5 注意力机制 渐进特征金字塔网络
在线阅读 下载PDF
基于渐进式GAN逆映射的人脸超分辨率重建 被引量：1
2
作者 孙红 赵迎志 +1 位作者 罗琦 袁巫凯 《控制工程》 CSCD 北大核心 2024年第9期1572-1580,共9页
为了缓解生成对抗网络(generative adversarial network,GAN)自身存在的训练不稳定问题,增强图像超分辨率重建的效果,提出一种基于GAN逆映射的图像超分辨率重建算法。通过渐进式网络增加模型的稳定性,通过逆映射金字塔充分学习低分辨人... 为了缓解生成对抗网络(generative adversarial network,GAN)自身存在的训练不稳定问题,增强图像超分辨率重建的效果,提出一种基于GAN逆映射的图像超分辨率重建算法。通过渐进式网络增加模型的稳定性,通过逆映射金字塔充分学习低分辨人脸图像的语义特征,实现准确的隐空间转换,通过半空间特征调制进行图像增强。对所提算法进行实验验证,该算法在Celeb A数据集上重建8倍后的图像峰值信噪比为27.18 dB,相比超分辨率生成对抗网络(super-resolution generative adversarial network,SRGAN),提高了2.44 dB,模型的收敛速度也更快。实验结果表明,通过GAN逆映射和渐进的方式进行图像超分辨率重建具有较好的效果和更高的稳定性。 展开更多
关键词 半空间特征调制 逆映射金字塔 渐进式网络 超分辨率重建 生成对抗网络
在线阅读 下载PDF
基于改进YOLOv5的密集行人检测算法 被引量：2
3
作者 胡倩 皮建勇 +2 位作者 胡伟超 黄昆 王娟敏 《计算机工程》 北大核心 2025年第3期216-228,共13页
针对现有的行人检测方法对于密集行人或小目标行人检测精度低的问题,提出一种基于YOLOv5的综合改进算法模型YOLOv5_Conv-SPD_DAFPN。首先,针对小目标或密集行人的特征信息易丢失这一问题,在骨干网络中引入Conv-SPD网络模块替代原有的跨... 针对现有的行人检测方法对于密集行人或小目标行人检测精度低的问题,提出一种基于YOLOv5的综合改进算法模型YOLOv5_Conv-SPD_DAFPN。首先,针对小目标或密集行人的特征信息易丢失这一问题,在骨干网络中引入Conv-SPD网络模块替代原有的跨步卷积,有效缓解特征信息丢失的问题;其次,针对非相邻特征图不直接融合从而引起特征融合率较低的问题,提出新的双层渐进金字塔网络(DAFPN),提高行人检测的准确性和精度;最后,基于EIoU_Loss和CIoU_Loss引入EfficiCIoU_Loss定位损失函数,以调整和提高帧回归率,促进网络模型更快收敛。模型在CrowdHuman和WiderPerson行人数据集上相比于原YOLOv5模型,mAP@0.5、mAP@0.5∶0.95分别提升了3.9、5.3百分点和2.1、2.1百分点;引入EfficiCIoU_Loss后,模型收敛速度分别提升了11%、33%。这些改进使得基于YOLOv5的密集行人检测在特征信息保留、多尺度融合和损失函数优化等方面都取得了显著进展,提高了其在实际应用中的性能和效率。 展开更多
关键词 密集行人检测 小目标行人检测 Conv-SPD网络 双层渐进特征金字塔网络 EfficiCIoU_Loss损失函数
在线阅读 下载PDF
Helmet-YOLO:一种更高精度的道路安全头盔检测算法 被引量：3
4
作者 周顺勇 彭梓洋 +3 位作者 张航领 胡琴 陆欢 张宗良 《计算机工程与应用》 北大核心 2025年第2期135-144,共10页
针对现有的道路安全头盔检测算法受背景环境影响较大,面对遮挡以及目标与环境相似等检测场景检测精度不高的问题,从特征融合和损失计算的角度,开发了一种新的Helmet-YOLO架构。利用渐进式特征金字塔网络结构降低多尺度特征融合过程中存... 针对现有的道路安全头盔检测算法受背景环境影响较大,面对遮挡以及目标与环境相似等检测场景检测精度不高的问题,从特征融合和损失计算的角度,开发了一种新的Helmet-YOLO架构。利用渐进式特征金字塔网络结构降低多尺度特征融合过程中存在的巨大语义差距,提升算法在复杂场景下的检测能力。同时,提出的PCAHead检测头和HelmetIoU边界框损失函数优化了模型理解和处理数据的能力,提高了模型损失计算的效率和精度,加速了模型的收敛。实验结果表明,Helmet-YOLOn算法和Helmet-YOLOs算法的mAP@50分别提升了3.7和2.9个百分点,优于实验中的所有同尺度模型,另外Helmet-YOLO的大尺度模型在延迟和精度上也优于多数实验模型。实验证明Helmet-YOLO算法具有更高的精度和鲁棒性,更适合复杂场景的道路安全头盔检测。 展开更多
关键词 头盔检测 Helmet-YOLO 渐进式特征金字塔网络 PCAHead检测头 HelmetIoU
在线阅读 下载PDF
基于YOLOV5s改进的复杂场景下军事目标检测算法 被引量：1
5
作者 孙钿 张意 +2 位作者 韩旭东 夏志禹 汪国平 《弹箭与制导学报》 北大核心 2025年第1期45-52,共8页
针对现有算法特征学习能力欠佳、检测精度不高、计算量大等问题,提出一种基于YOLOV5s改进的多尺度目标检测算法AEM-YOLOV5(AFPN-EMA-MPDIoU-YOLOV5)。首先,在颈部网络引入AFPN渐进特征金字塔网络,以渐进的方式融合图像底层详细信息和顶... 针对现有算法特征学习能力欠佳、检测精度不高、计算量大等问题,提出一种基于YOLOV5s改进的多尺度目标检测算法AEM-YOLOV5(AFPN-EMA-MPDIoU-YOLOV5)。首先,在颈部网络引入AFPN渐进特征金字塔网络,以渐进的方式融合图像底层详细信息和顶层高级语义特征,增强了网络特征融合效果;其次,在每个检测分支前增添EMA注意力机制模块,跨空间聚合像素级特征,提高了复杂场景下对多尺度目标的关注程度;最后,使用MPDIoU替代YOLOV5原有C_(IoU)边界框损失函数,解决了预测框宽高比相同但绝对值不同时C_(IoU)退化的问题,使回归结果更为准确。实验结果表明,改进后算法在RSOD数据集上PmAP50达到94.5%,FPS达到42 frame/s,模型大小为14.8 MB。与现有算法相比,改进后算法性能显著提升,可满足军事目标检测的实时性要求、模型轻便。 展开更多
关键词 军事目标检测 YOLOV5 渐进特征金字塔网络 多尺度目标 注意力机制
在线阅读 下载PDF
基于改进RT-DETR的路面坑槽检测模型 被引量：3
6
作者 许小伟 陈燕玲 +2 位作者 占柳 漆庆华 邓明星 《武汉科技大学学报》 CAS 北大核心 2024年第6期457-467,共11页
路面坑槽对驾驶的舒适性和安全性有很大影响。针对路面图像中坑槽尺寸小和特征信息匮乏导致检测精度低的问题,提出一种基于RT-DETR的路面坑槽检测模型Pavement Pothole-DETR(PP-DETR)。其主干网络使用SPDRSFE模块进行特征提取,可保留更... 路面坑槽对驾驶的舒适性和安全性有很大影响。针对路面图像中坑槽尺寸小和特征信息匮乏导致检测精度低的问题,提出一种基于RT-DETR的路面坑槽检测模型Pavement Pothole-DETR(PP-DETR)。其主干网络使用SPDRSFE模块进行特征提取,可保留更多特征信息,提高小目标检测精度;引入渐进特征金字塔网络实现特征融合,避免多级传输造成的信息丢失,以解决坑槽特征信息主要集中在中、底特征层的问题;使用结构重参数化模块Conv3XCC3进行特征再提取,在提高网络表达能力的同时又不增加计算量。实验结果显示,相比原RT-DETR模型,PP-DETR的精确率与召回率分别提升了2.9和5.4个百分点,mAP达到76.9%。本文提出的改进方法有效提升了网络的特征提取和特征融合能力,在路面坑槽检测任务上的表现明显优于YOLO系列模型。 展开更多
关键词 目标检测 路面坑槽 改进RT-DETR 渐进特征金字塔网络 结构重参数化
在线阅读 下载PDF
多源信息融合下冷链配送车辆碳排放动态预测方法 被引量：1
7
作者 杨霖 刘双印 +3 位作者 徐龙琴 赫敏 绳庆峰 韩佳伟 《智慧农业（中英文）》 CSCD 2024年第4期138-148,共11页
[目的/意义]冷链配送碳排放动态预测是企业碳排放精准评估及其绿色信用等级评定的重要依据。本研究面向车辆碳排放受路况信息、行驶特征、制冷参数等多因素影响,提出一种融合多源信息的冷藏车辆碳排放动态预测模型。[方法]基于道路车辆... [目的/意义]冷链配送碳排放动态预测是企业碳排放精准评估及其绿色信用等级评定的重要依据。本研究面向车辆碳排放受路况信息、行驶特征、制冷参数等多因素影响,提出一种融合多源信息的冷藏车辆碳排放动态预测模型。[方法]基于道路车辆数量与像素面积占比表征路况信息,构建基于改进YOLOv8s的路况信息识别模型,并以路况信息、行驶特征(速度、加速度)、货物重量、制冷参数(温度、功率)等为输入,构建基于改进iTransformer的冷藏车辆碳排放动态预测模型。最后与其他模型展开对比分析,分别验证路况信息识别与车辆碳排放动态预测的精度。[结果]改进的YOLOv8s路况信息识别模型在精确率、召回率和平均识别精度上分别达到98.1%、95.5%和98.4%,比YOLOv8s分别提高了1.2%、3.7%和0.2%,参数量和运算量分别减少了12.5%和31.4%,检测速度提高了5.4%。改进的iTransformer模型碳排放量预测的均方误差、平均绝对误差、均方根误差和R^(2)分别为0.026 1%VOL、0.079 1%VOL、0.161 5%VOL和0.940 0,均优于其他时序预测模型。[结论]提出的多源信息融合下冷链配送碳排放预测模型可实现对冷藏车辆碳排放量的精准预测,为有效降低冷链配送碳排放与提升配送企业绿色信用等级等提供理论参考。 展开更多
关键词 冷链配送 碳排放 路况识别 时序预测 YOLOv8s iTransformer 多源信息融合 渐进特征金字塔网络
在线阅读 下载PDF
改进YOLOv8n的道路目标检测算法 被引量：13
8
作者 高德勇 陈泰达 缪兰 《计算机工程与应用》 CSCD 北大核心 2024年第16期186-197,共12页
针对道路场景中目标尺度多变、复杂背景干扰导致检测精度低、漏检率高的问题,提出一种改进YOLOv8n的道路目标检测算法。引入多样化分支块(diverse branch block,DBB)构建C2fDBB模块,替代原算法中的C2f模块,增强网络多尺度特征提取能力... 针对道路场景中目标尺度多变、复杂背景干扰导致检测精度低、漏检率高的问题,提出一种改进YOLOv8n的道路目标检测算法。引入多样化分支块(diverse branch block,DBB)构建C2fDBB模块,替代原算法中的C2f模块,增强网络多尺度特征提取能力。在路径聚合网络(path aggregation network,PANet)的基础上结合渐进特征金字塔网络(asymptotic feature pyramid network,AFPN)思想,提出PA-AFPN(path aggregation progressive feature pyramid network)特征融合方式,提升网络对多尺度特征的融合能力。设计SPPF2_TA(SPPF with dual-branch structure incorporating triplet attention)模块,通过在SPPF(spatial pyramid pooling fast)中引入平均池化分支和三重注意力机制(triplet attention,TA),有效整合多尺度信息,降低背景干扰对检测的影响。采用MPDIoU作为新边界回归损失函数,替代原损失函数,加速算法收敛,提高目标定位精度。在公开道路目标数据集BDD100K和SODA10M上的实验结果显示,改进方法的mAP@0.5相较于基线算法分别提升了5.7个百分点和7.3个百分点,计算量降低了0.6 GFLOPs。与其他主流目标检测方法相比,改进方法在计算量、FPS和mAP@0.5等方面均展现出显著优势,更加契合道路场景下的目标检测任务需求。 展开更多
关键词 YOLOv8 结构重参数化 渐进特征金字塔网络(afpn) 道路目标 注意力机制
在线阅读 下载PDF
基于改进YOLOv8n的钢材表面缺陷检测 被引量：4
9
作者 赵洋 王军凯 +2 位作者 林志毅 周忠祥 徐森 《电子测量技术》 北大核心 2024年第13期191-198,共8页
为解决钢材表面缺陷检测中面临的缺陷类型繁多、尺寸差异显著以及现有模型复杂度高、检测精度不足等问题,本文提出了一种基于改进YOLOv8n的检测算法YOLOv8-ODAW。首先,引入全维动态卷积(ODConv)增强对多维度特征的捕捉能力,减少信息损失... 为解决钢材表面缺陷检测中面临的缺陷类型繁多、尺寸差异显著以及现有模型复杂度高、检测精度不足等问题,本文提出了一种基于改进YOLOv8n的检测算法YOLOv8-ODAW。首先,引入全维动态卷积(ODConv)增强对多维度特征的捕捉能力,减少信息损失;其次,嵌入渐进特征金字塔网络(AFPN)改善特征融合过程,实现了非相邻层级特征间的直接交互,有效缓解语义断层。最后,采用动态非单调聚焦机制的Wise-IoUv3损失函数优化边界框回归,加快网络收敛的同时提高检测精度。在NEU-DET数据集上进行多组实验,结果表明,改进后的YOLOv8-ODAW网络模型相比原网络模型mAP50%提升了7.3%、GFLOPs下降了21.95%,展现出对钢材表面缺陷更佳的定位与识别能力,且检测速度满足工业应用需求。 展开更多
关键词 钢材 缺陷检测 YOLOv8n 全维动态卷积 渐进特征金字塔网络 Wise-IoUv3
在线阅读 下载PDF
雾霾条件下结合直接传输率图的车牌检测算法
10
作者 侯杰 王园宇 《计算机工程与设计》 北大核心 2023年第7期2132-2139,共8页
为提高雾霾条件下的车牌检测精度,提出一种无锚车牌检测算法。该算法不对雾霾图像进行去雾处理,避免图像失真,将雾霾图及反映其深度信息的直接传输率图作为两个并行的特征提取源来丰富学习特征,增强网络的深度感知能力。设计基于特征金... 为提高雾霾条件下的车牌检测精度,提出一种无锚车牌检测算法。该算法不对雾霾图像进行去雾处理,避免图像失真,将雾霾图及反映其深度信息的直接传输率图作为两个并行的特征提取源来丰富学习特征,增强网络的深度感知能力。设计基于特征金字塔网络FPN(feature pyramid networks)的并行FPN结构对两个特征提取源进行特征提取,处理网络多输入以及车牌多尺度变化的问题。提出融合空洞卷积和注意力机制的渐进融合结构,促进不同来源特征的协同表示和渐进融合。加入特征增强块降低空间特征损失,加强特征表达。实验结果表明,该算法能有效提高雾霾条件下的车牌检测精度。 展开更多
关键词 雾霾条件 车牌检测 直接传输率图 深度学习 特征金字塔网络 注意力机制 特征渐进融合
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部