基于多尺度特征融合的轻量级火灾检测算法 被引量：4

1

作者 杨国为 刘璇 +1 位作者 郜敏 许迪 《计算机工程与应用》 CSCD 北大核心 2024年第23期229-237,共9页

针对传统火灾检测算法存在的检测精度不足及速度瓶颈,特别是对于小规模初发火情与大规模迅速蔓延火灾的识别难题,研究提出一种基于多尺度特征融合的轻量级火灾检测算法,设计了EDBAN模块以替代YOLOv8中的C2f模块,提升模型的泛化能力和适... 针对传统火灾检测算法存在的检测精度不足及速度瓶颈,特别是对于小规模初发火情与大规模迅速蔓延火灾的识别难题,研究提出一种基于多尺度特征融合的轻量级火灾检测算法,设计了EDBAN模块以替代YOLOv8中的C2f模块,提升模型的泛化能力和适应性,尤其是在处理多尺度火灾场景时的精准度。改进原有的BiFPN结构适配YOLOv8模型结构,并设计Weighted Blend模块对各层特征进行加权融合,增强特征的表征能力,降低漏检风险。进一步提出LOTT检测模块,以替代传统的YOLOv8检测,通过一系列组卷积和尺度调整操作,实现了在轻量化的同时保持了检测性能的准确性和稳定性。通过在场景丰富的火灾数据集上进行实验,结果表明,改进的YOLOv8算法在基准模型的基础上参数量减少了58.3%、计算量减少了34.5%,同时mAP提升了2.6个百分点,基本满足火灾实时检测的需求。 展开更多

关键词 YOLOv8 轻量化 火灾检测 目标检测 加权双向特征金字塔(BiFPN)

在线阅读 下载PDF 职称材料

基于改进YOLOv7-tiny的绝缘子缺陷检测网络

2

作者 韩兴宇 陈为真 《现代电子技术》 北大核心 2025年第16期105-112,共8页

现有的检测方法在复杂背景的输电线路图像中识别绝缘子微小缺陷时,得到的图像存在背景环境复杂、缺陷尺寸小等问题。为保证输电线路的安全运行,提出一种基于YOLOv7-tiny的绝缘子缺陷检测网络(IDD-Net)。首先,引入基于注意力的尺度内特... 现有的检测方法在复杂背景的输电线路图像中识别绝缘子微小缺陷时,得到的图像存在背景环境复杂、缺陷尺寸小等问题。为保证输电线路的安全运行,提出一种基于YOLOv7-tiny的绝缘子缺陷检测网络(IDD-Net)。首先,引入基于注意力的尺度内特征交互(AIFI)来处理高维特征,从而降低计算量;其次,使用双向加权路径特征金字塔网络(BiFPN)进行特征融合,并对下采样模块进行改进,增强网络的感知能力;最后,使用Focal-DIoU损失函数提高锚框质量。结果表明,与基线模型相比,IDD-Net的平均精度均值提高4.1%,精确率和召回率分别提高2.4%和6.5%,参数量和浮点运算量分别减少5.8%和2.3%,对于闪络缺陷的平均精度提高11.2%。由此说明所提方法参数量较小,性能更优异,鲁棒性更强。 展开更多

关键词 YOLOv7-tiny 绝缘子缺陷检测 基于注意力的尺度内特征交互 双向加权路径特征金字塔网络 MC下采样模块 轻量级网络

在线阅读 下载PDF 职称材料

局部特征表征的6D位姿估计算法 被引量：1

3

作者 王晨露 陈立家 +5 位作者 李珅 范贤博俊 王敏 连晨轩 王赞 刘名果 《计算机应用研究》 CSCD 北大核心 2022年第12期3808-3814,共7页

为解决有纹理模型在遮挡条件下6D位姿估计精确度不高的问题,提出了一种局部特征表征的端到端6D位姿估计算法。首先为了得到准确的定位信息,提出了一个空间—坐标注意力机制(spatial and coordinate attention),通过在YOLOv5网络中加入... 为解决有纹理模型在遮挡条件下6D位姿估计精确度不高的问题,提出了一种局部特征表征的端到端6D位姿估计算法。首先为了得到准确的定位信息,提出了一个空间—坐标注意力机制(spatial and coordinate attention),通过在YOLOv5网络中加入空间—坐标注意力机制和加权双向特征金字塔网络(bidirectional feature pyramid network),YOLOv5-CBE算法的精确度(precision)、召回率(recall)、平均精度均值(mAP@0.5)分别提升了3.6%、2.8%、2.5%,局部特征中心点坐标误差最高提升了25%;然后用YOLOv5-CBE算法检测局部特征关键点,结合3D Harris关键点通过奇异值分解法(singular value decomposition)计算模型的6D位姿,最高遮挡70%的情况下仍然可以保证二维重投影精度(2D reprojection accuracy)和ADD度量精度(ADD accuracy)在95%以上,具有较强的鲁棒性。 展开更多

关键词 局部特征 6D位姿估计 YOLOv5检测网络 空间—坐标注意力机制 加权双向特征金字塔网络

在线阅读 下载PDF 职称材料

基于改进YOLOv8模型的井下人员入侵带式输送机危险区域智能识别 被引量：1

4

作者 毛清华 苏毅楠 +3 位作者 贺高峰 翟姣 王荣泉 尚新芒 《工矿自动化》 北大核心 2025年第1期11-20,103,共11页

针对煤矿带式输送机场景存在尘雾干扰严重、背景环境复杂、人员尺度多变且易遮挡等因素导致人员入侵危险区域识别准确率不高等问题,提出一种基于改进YOLOv8模型的井下人员入侵带式输送机危险区域智能识别系统。改进YOLOv8模型通过替换... 针对煤矿带式输送机场景存在尘雾干扰严重、背景环境复杂、人员尺度多变且易遮挡等因素导致人员入侵危险区域识别准确率不高等问题,提出一种基于改进YOLOv8模型的井下人员入侵带式输送机危险区域智能识别系统。改进YOLOv8模型通过替换主干网络C2f模块为C2fER模块,加强模型的细节特征提取能力,提升模型对小目标人员的识别性能;通过在颈部网络引入特征强化加权双向特征金字塔网络(FE-BiFPN)结构,提高模型的特征融合能力,从而提升模型对多尺度人员目标的识别效果;通过引入分离增强注意力模块(SEAM)增强模型在复杂背景下对局部特征的关注度,提升模型对遮挡目标人员的识别能力;通过引入WIoU损失函数增强训练效果,提升模型识别准确率。消融实验结果表明:改进YOLOv8模型的准确率较基线模型YOLOv8s提升2.3%,mAP@0.5提升3.4%,识别速度为104帧/s。人员识别实验结果表明:与YOLOv10m,YOLOv8s-CA、YOLOv8s-SPDConv和YOLO8n模型相比,改进YOLOv8模型对小目标、多尺度目标、遮挡目标的识别效果均更佳,识别准确率为90.2%,mAP@0.5为87.2%。人员入侵危险区域实验结果表明:井下人员入侵带式输送机危险区域智能识别系统判别人员入侵危险区域的平均准确率为93.25%,满足识别需求。 展开更多

关键词 煤矿带式输送机 人员入侵危险区域 YOLOv8模型 遮挡目标检测 小目标检测 多尺度融合 C2fER模块 特征强化加权双向特征金字塔网络结构

在线阅读 下载PDF 职称材料

基于注意力机制和跨尺度特征融合的摩托车头盔检测算法 被引量：3

5

作者 张鑫 周顺勇 +1 位作者 李思诚 曾雅兰 《电子测量技术》 北大核心 2023年第12期134-142,共9页

在道路交通摩托车事故中,未佩戴头盔是导致骑乘人员受到致命伤害的主要原因。针对目前头盔检测中由于黑色头发、帽子和头盔的颜色和形状相似存在误检和漏检问题,提出了一种具有三重注意力机制和双向跨尺度特征融合的摩托车头盔检测算法... 在道路交通摩托车事故中,未佩戴头盔是导致骑乘人员受到致命伤害的主要原因。针对目前头盔检测中由于黑色头发、帽子和头盔的颜色和形状相似存在误检和漏检问题,提出了一种具有三重注意力机制和双向跨尺度特征融合的摩托车头盔检测算法。首先,在YOLOV5s的主干网络中引入三重注意力机制,提取了不同维度之间的语义依赖,消除了通道和权重的间接对应关系,通过关注相似样本的差异从而提升检测精度。其次,采用EIOU边框损失函数优化对遮挡和重叠目标的检测效果。最后,在特征金字塔中采用加权双向特征金字塔网络结构,实现高效的双向跨尺度连接和加权特征融合,增强了网络特征提取能力。实验结果表明,改进算法实现了98.7%的mAP@0.5、94.0%的mAP@0.5:0.95,与原算法相比,改进算法的mAP@0.5提升了3.9%以及mAP@0.5:0.95提升了7.6%,具有更高的精度和更强的泛化能力。 展开更多

关键词 头盔检测 YOLOV5s 三重注意力机制 EIOU 加权双向特征金字塔

在线阅读 下载PDF 职称材料

基于改进YOLOX的隧道火灾检测算法

6

作者 马庆禄 邱高建 白锋 《中国安全科学学报》 北大核心 2025年第4期28-34,共7页

针对隧道初期火灾检测中存在的复杂环境干扰和低识别率问题,提出一种基于改进YOLOX算法的检测方法YOLOX-T。该方法在YOLOX中引入归一化注意力模块(NAM)机制来抑制环境噪声和干扰,提高系统的鲁棒性及识别的精确性;引入加权双向特征金字... 针对隧道初期火灾检测中存在的复杂环境干扰和低识别率问题,提出一种基于改进YOLOX算法的检测方法YOLOX-T。该方法在YOLOX中引入归一化注意力模块(NAM)机制来抑制环境噪声和干扰,提高系统的鲁棒性及识别的精确性;引入加权双向特征金字塔网络(BiFPN)增强特征提取和融合能力,优化α-交并比(IoU)损失函数,以提高对轮廓特征不明显的隧道初期烟雾火焰的检测精度;在现有公开数据集不足的情况下,通过网络采集、模拟试验和扩充现有数据集,构建隧道火灾数据集,在包含真实场景和模拟场景的自建隧道火灾数据集上进行验证。结果表明:相比于原始YOLOX模型,改进后的算法均值平均精度(mAP@0.5)提高1.89%,mAP@0.5~0.95提高0.88%,精确率提高4.57%,召回率提高5.45%,改进后的算法能够实现更优的检测性能。 展开更多

关键词 隧道火灾 YOLOX 火灾检测 归一化注意力模块(NAM) 加权双向特征金字塔网络(BiFPN)

在线阅读 下载PDF 职称材料

加权双向金字塔融合的肝脏肿瘤检测方法

7

作者 马金林 贺康康 +1 位作者 马自萍 欧阳轲 《北京航空航天大学学报》 2025年第11期3745-3758,共14页

针对肝脏肿瘤检测中多尺度特征表达能力不足的问题,提出一种融合重参数化卷积、加权双向特征金字塔和注意力机制的肝脏肿瘤CT图像检测方法。使用数据增强改善样本量较少的问题,提高模型的泛化能力;使用加权双向特征金字塔网络融合图像... 针对肝脏肿瘤检测中多尺度特征表达能力不足的问题,提出一种融合重参数化卷积、加权双向特征金字塔和注意力机制的肝脏肿瘤CT图像检测方法。使用数据增强改善样本量较少的问题,提高模型的泛化能力;使用加权双向特征金字塔网络融合图像的浅层与深层特征,提高多尺度特征的提取能力;在特征融合中引入无参数平均注意力模块,关注肝脏肿瘤的关键特征;使用重参数化卷积和边界框(SIoU)损失函数提高肿瘤的检测和定位能力。实验结果表明:所提方法在LT3DM和LiTS2017数据集上的平均精度均值(m AP)分别达到了92.9%和92.2%,比YOLOv5模型提高了2.3%和1.8%,相较于主流检测模型,所提方法具有更好的肝脏肿瘤检测能力。 展开更多

关键词 YOLOv5 加权双向特征金字塔 多尺度 无参数平均注意力模块 重参数化卷积 SIoU

在线阅读 下载PDF 职称材料

露天矿山下无人矿卡的轻量级障碍检测算法 被引量：1

8

作者 程铄棋 伊力哈木·亚尔买买提 +2 位作者 谢丽蓉 李熙玉 马颖 《煤炭科学技术》 北大核心 2025年第7期262-274,共13页

随着人工智能技术不断发展和智慧矿山理念的逐步推进,传统露天矿山的运营模式正在被自动化方式取代。无人矿卡作为智慧矿山的重要组成部分,其推广应用有效解决了因矿区地形不规则、路面坑洼或恶劣天气等因素导致的矿卡翻车、侧滑等问题... 随着人工智能技术不断发展和智慧矿山理念的逐步推进,传统露天矿山的运营模式正在被自动化方式取代。无人矿卡作为智慧矿山的重要组成部分,其推广应用有效解决了因矿区地形不规则、路面坑洼或恶劣天气等因素导致的矿卡翻车、侧滑等问题,从而显著降低了由此引发的伤亡事故。准确的检测目标类别是做避障决策的前提,而模型轻量化可以在资源有限的条件下很好地部署。因此,针对露天矿山场景下,无人矿卡目标检测算法存在参数量多、模型较大及小目标和遮挡目标检测准确率低的问题,提出轻量级无人矿卡检测算法LWHP(Lightweight High-Precision),设计思路有以下4点:其一,提出高效加权双向的特征金字塔网络R-BiFPN,利用这一结构重构颈部网络,通过跨层连接及双向传播,减少冗余计算路径,并通过加权特征融合方式增强多尺度特征融合能力,提升小目标检测能力的同时大幅度降低参数量;其二,设计带有多头注意力机制的检测解耦头,改善卷积层冗余导致网络复杂的问题,并处理空间维度以集中捕捉目标特征,减弱无关背景干扰,提升遮挡目标识别准确率;其三,利用双重卷积构建轻量级神经网络CDC,增强通道间信息流动,提高模型特征表达能力并降低模型复杂度;其四,引入EIOU损失函数,分别计算目标边界框的宽高差异,并加入Focal Loss解决难易样本不平衡问题,获得更快的收敛速度和更优秀的定位能力。试验表明:改进后算法相较于原始算法参数量降低50.2%,计算量减少46.3%,模型大小压缩47.6%,仅有3.3 MB,且FPS达到92.9,满足实时性需求。精度提升1.6%,召回率提升3.1%,平均精度达到79.6%,相比原模型提升2%,保证轻量级部署的同时提升了检测准确率。 展开更多

关键词 无人矿卡 目标检测 LWHP 轻量化 加权双向特征金字塔网络 多头注意力机制

在线阅读 下载PDF 职称材料

改进YOLOv8s-Pose多人姿态估计轻量化模型研究 被引量：3

9

作者 傅裕 高树辉 《计算机科学与探索》 北大核心 2025年第3期682-692,共11页

针对现有人体姿态估计模型计算量大、检测速度慢等问题,提出了一种基于YOLOv8s-Pose模型的轻量化改进算法。在backbone中引入轻量化模块C2f-GhostNetBottleNeckV2替换原先C2f,减少参数量,提高模型速度。引入Non_Local注意力机制捕捉并... 针对现有人体姿态估计模型计算量大、检测速度慢等问题,提出了一种基于YOLOv8s-Pose模型的轻量化改进算法。在backbone中引入轻量化模块C2f-GhostNetBottleNeckV2替换原先C2f,减少参数量,提高模型速度。引入Non_Local注意力机制捕捉并传递人体关键点位置,直接融合全面的信息,为后续的层级提供更为丰富和深入的语义信息,提升整体的信息处理深度和广度,强化特征提取的效能,减少模型轻量化后精度降低问题,再将neck层引入加权双向特征金字塔网络,通过双向融合的理念,对自顶向下和自底向上的信息流动路径进行了重新规划,确保在处理不同尺度的特征信息时达到良好的平衡,给网络增加一个小目标检测头,减少对小目标的漏检情况,将CIOU损失函数更换为Focal-EIOU损失函数,以增强对复杂场景和多目标场景下的鲁棒性。实验结果表明,改进后的实验模型参数量降低了9.3%,在COCO2017人体关键点数据集上,与原模型相比mAP@0.50提升了0.4个百分点,mAP@0.50:0.95提升了0.6个百分点。可见,所提出的轻量化改进算法在减少模型参数量的同时,提升了人体姿态估计的算法精度,尤其对小目标检测有显著改善,为实现实时准确的姿态估计提供了有效手段。 展开更多

关键词 姿态估计 YOLOv8s-Pose GhostNetV2网络 加权双向特征金字塔网络 损失函数

在线阅读 下载PDF 职称材料

YOLO-BFEPS:一种高效注意力增强的跨尺度YOLOv10火灾检测模型 被引量：1

10

作者 高均益 张伟 李泽麟 《计算机科学》 北大核心 2025年第S1期412-420,共9页

为解决传统火灾检测模型在处理复杂场景时,特征提取不充分和模型复杂度过高导致预警延迟及识别精度下降的问题,提出一种可部署到终端设备上的基于改进YOLOv10的新型火灾检测模型YOLO-BFEPS(YOLO Bi-directional Fusion with Enhanced Pa... 为解决传统火灾检测模型在处理复杂场景时,特征提取不充分和模型复杂度过高导致预警延迟及识别精度下降的问题,提出一种可部署到终端设备上的基于改进YOLOv10的新型火灾检测模型YOLO-BFEPS(YOLO Bi-directional Fusion with Enhanced Partial Self-Attention),实现了同时对烟雾与火灾的快速准确检测。首先,改进PSA模块,加强空间语义特征提取,解决通道降维建模跨通道关系时带来的信息丢失与计算复杂度增加的问题,提高检测精度,并将改进后的模块记为E-PSA(Enhanced Partial Self-Attention);其次,基于BiFPN提出特征层双向跨连接的思想进行尺度融合,重新设计了YOLOv10的颈部结构,并创新性地增加来自低特征层信息的融合,在保持准确度的同时大大减少了模型参数以及计算复杂度;引入Faster Block结构替换C2f模块的Bottleneck结构,实现模型的轻量化设计,并将其称为C2f-Faster。最后,通过在多个数据集上进行实验验证了所提模型的有效性,其在参数量减少35.5%、计算复杂度降低17.6%的基础上,将检测精度(Precision)和mAP@0.5分别提升了5.9%和1.4%。 展开更多

关键词 高效注意力 多尺度特征 加权双向特征金字塔 火灾检测 YOLOv10 轻量化 计算机视觉 深度学习

在线阅读 下载PDF 职称材料

基于RT-DETR改进的织物疵点检测算法

11

作者 朱胜利 李明 何志奇 《毛纺科技》 北大核心 2025年第8期118-127,共10页

为了解决织物疵点检测中疵点类型多、大小不平衡和小目标疵点难以检测的问题,基于RT-DETR(Real-Time DEtection TRansformer)提出了一种改进的织物疵点检测算法FD-DETR(Fabric Defect-DETR)。将可变形注意力机制模块DA(Deformable Atten... 为了解决织物疵点检测中疵点类型多、大小不平衡和小目标疵点难以检测的问题,基于RT-DETR(Real-Time DEtection TRansformer)提出了一种改进的织物疵点检测算法FD-DETR(Fabric Defect-DETR)。将可变形注意力机制模块DA(Deformable Attention)引入特征交互模块AIFI(Attention-based Intrascale Feature Interaction)来增强算法对疵点感受野的适应性,以更好地实现对不同类型和不同大小疵点的检测;在Neck层将Slim-Neck与加权双向特征金字塔Bi-FPN相结合形成GVBi-FPN模块以替换CCFM模块,降低模型复杂度的同时提高对小疵点的检测能力;在分类损失部分将RT-DETR的原分类损失函数Varifocal Loss与Slide Loss结合为Slide Varifocal Loss,提高困难样本的训练权重,使算法注重更难检测的目标以提高困难样本的检测精度。结果表明:在检测20类疵点时,相较RT-DETR,FD-DETR算法的参数量有所降低,并且在mAP@0.5方面提高了3.3%,mAP@0.5∶0.95方面提高了1.7%,实现了45.3帧/s的检测速度,能够快速准确的对不同大小疵点进行检测,有效提升算法性能。 展开更多

关键词 织物疵点检测 RT-DETR 加权双向特征金字塔 可变形注意力 损失函数

在线阅读 下载PDF 职称材料

基于改进YOLOv5的玉米植株检测与识别研究

12

作者 崔岩 庄卫东 +1 位作者 秦韬 王楠 《中国农机化学报》 北大核心 2025年第6期136-141,共6页

为解决机械除草伤苗的问题,提出一种改进YOLOv5的玉米植株检测方法。建立复杂田间环境下的玉米植株数据集,在原有模型的基础上在Backbone和Head层增加坐标注意力(CA)机制,通过动态加权的方式提升对于玉米植株位置信息的关注度,强化位置... 为解决机械除草伤苗的问题,提出一种改进YOLOv5的玉米植株检测方法。建立复杂田间环境下的玉米植株数据集,在原有模型的基础上在Backbone和Head层增加坐标注意力(CA)机制,通过动态加权的方式提升对于玉米植株位置信息的关注度,强化位置信息,提升检测准确度,在Neck层采用加权双向特征金字塔网络(BiFPN),加强特征融合,提高检测速度和检测精确度。试验结果表明,与原始模型相比,所改进方法的平均精度均值mAP@0.5、mAP@0.5:0.95分别提升4.31、3.66个百分点,检测速度和模型大小分别为46.77帧/s和15.56 M,与SSD、YOLOv5、Fast R—CNN和YOLOv7相比也有一定的优势。改进模型能有效实现玉米植株的检测,实时性好,内存占用量小,可为智能除草机器人的护苗工作提供借鉴。 展开更多

关键词 玉米植株检测 YOLOv5模型 加权双向特征金字塔 坐标注意力机制

在线阅读 下载PDF 职称材料

基于改进YOLOv5s的苹果表面缺陷检测

13

作者 吕利俊 伊力哈木·亚尔买买提 《山东农业科学》 北大核心 2025年第6期149-157,共9页

针对苹果表面缺陷检测中存在因苹果重叠或被遮挡造成的检测精度低以及误检漏检等问题,本研究提出一种改进YOLOv5s算法的苹果表面缺陷检测方法。首先,在YOLOv5s模型的Backbone部分加入卷积注意力模块(CBAM),增强检测模型对图像重要区域... 针对苹果表面缺陷检测中存在因苹果重叠或被遮挡造成的检测精度低以及误检漏检等问题,本研究提出一种改进YOLOv5s算法的苹果表面缺陷检测方法。首先,在YOLOv5s模型的Backbone部分加入卷积注意力模块(CBAM),增强检测模型对图像重要区域信息的关注程度,从而提升模型对苹果表面缺陷的检测能力;其次,引入加权双向特征金字塔网络(BiFPN),充分融合不同尺度的苹果表面缺陷特征,以达到减少漏检和误检的目的;最后,使用Soft-NMS算法替代原始网络中的NMS算法,优化冗余边界框筛选条件,进一步降低模型的漏检率。实验结果显示,本研究所提算法的平均精度均值(mAP)达到95.5%,相较于原始算法提升了3.3个百分点,且召回率提升了4.6个百分点,能更好地检测苹果表面缺陷。 展开更多

关键词 苹果表面缺陷检测 YOLOv5s 卷积注意力机制 加权双向特征金字塔网络

在线阅读 下载PDF 职称材料

基于YOLOv5改进算法的屏蔽门夹人检测系统

14

作者 陈修忻 《城市轨道交通研究》 北大核心 2025年第S1期128-132,共5页

[目的]旨在通过目标检测方法,识别并减少车门夹人事件对城市轨道交通运营的影响,以提升车站的运营效率与安全性。基于YOLOv5改进算法设计屏蔽门夹人检测系统。[方法]基于现场收集含人不同姿态、角度图片共计5384张,将其按8∶2分为训练... [目的]旨在通过目标检测方法,识别并减少车门夹人事件对城市轨道交通运营的影响,以提升车站的运营效率与安全性。基于YOLOv5改进算法设计屏蔽门夹人检测系统。[方法]基于现场收集含人不同姿态、角度图片共计5384张,将其按8∶2分为训练集和测试集;对比YOLOv5n、YOLOv5s、YOLOv5m、YOLOv5l模型训练效果,选取YOLOv5m为基准模型并进行改进;在YOLOv5m模型的基础上引入自注意力机制CoTNet网络,并将Neck网络中的FPN(特征金字塔网络)+PAN(路径聚合网络)结构优化为BiFPN(加权双向特征金字塔网络)结构。[结果及结论]改进后的YOLOv5m算法比原算法在测试精度、召回率、平均精度上都有所提高。同时该系统可以实现对单张图片、单个视频、摄像头、视频流以及整个文件夹图片进行目标检测,并在识别到目标物后自动启动报警机制。 展开更多

关键词 城市轨道交通 屏蔽门 夹人检测 YOLOv5算法 CoTNet网络 加权双向特征金字塔

在线阅读 下载PDF 职称材料

基于轻量级卷积神经网络的手势识别检测 被引量：11

15

作者 牛雅睿 武一 +2 位作者 孙昆 卢昊 赵普 《电子测量技术》 北大核心 2022年第4期91-98,共8页

针对基于深度学习的手势识别模型参数量大、训练速度缓慢且对设备要求高,增加了成本的问题,提出了一种基于轻量级卷积神经网络的手势识别检测算法。首先利用Ghost模块设计轻量级主干特征提取网络,减少网络的参数量和计算量;通过引入加... 针对基于深度学习的手势识别模型参数量大、训练速度缓慢且对设备要求高,增加了成本的问题,提出了一种基于轻量级卷积神经网络的手势识别检测算法。首先利用Ghost模块设计轻量级主干特征提取网络,减少网络的参数量和计算量;通过引入加权双向特征金字塔网络改进特征融合网络,提升网络检测精度;最后使用CIoU损失函数作为边界框回归损失函数并加入Mosaic数据增强技术,加快模型收敛速度提升网络的鲁棒性。实验结果表明,改进后的模型大小仅为17.9MB,较原YOLOv3模型大小减小了92.4%,平均精确度提高了0.6%。因此新的检测方法在减少模型参数量的同时,还可保证模型的检测精度和效率,为手势识别检测提供理论参考。 展开更多

关键词 手势识别 轻量级网络 YOLOv3 Ghost模块 加权双向特征金字塔 CIoU损失函数

在线阅读 下载PDF 职称材料

基于改进Faster R-CNN的零食包装盒表面缺陷检测 被引量：3

16

作者 巩雪 孙雪刚 +2 位作者 褚洋洋 崔功卓 李欣妍 《包装工程》 CAS 北大核心 2024年第23期232-240,共9页

目的针对现有食品包装盒表面缺陷检测方法存在的复杂背景下小目标缺陷检测难、漏检率高、检测精度低等问题,选择生活中常见的绿豆糕零食包装盒作为检测对象,提出一种基于改进Faster R-CNN的绿豆糕包装盒表面缺陷检测方法。方法以Faster ... 目的针对现有食品包装盒表面缺陷检测方法存在的复杂背景下小目标缺陷检测难、漏检率高、检测精度低等问题,选择生活中常见的绿豆糕零食包装盒作为检测对象,提出一种基于改进Faster R-CNN的绿豆糕包装盒表面缺陷检测方法。方法以Faster R-CNN算法架构为基础,以Swin Transformer V2-T为特征提取主干,初步提高算法对包装盒缺陷特征的提取能力;结合加权双向特征金字塔网络(Bidirectional Feature Pyramid Network,BiFPN)自适应调节每个尺度特征图的权重并对不同尺寸的特征进行多尺度融合,以提高识别的准确率;通过ROIAlign结合ECA注意力机制替换ROIPooling,去除2次量化误差并进一步优化算法对包装盒缺陷的检测能力。结果本检测方法可准确提取目标缺陷,绿豆糕包装盒表面的4种缺陷的检测平均精确率(Average Precision,AP)较改进前分别提高19.66、12.96、14.56、18.86百分点,同时平均精确率均值(mean Average Precision,mAP)在IoU为0.5上较改进前提高了15.76百分点。结论改进后的模型为Faster R-CNN在食品包装盒智能化生产上的应用了提供有益的参考和经验。 展开更多

关键词 零食包装盒 缺陷检测 Faster R-CNN 加权双向特征金字塔网络(BiFPN) Swin TransformerV2

在线阅读 下载PDF 职称材料

煤矿井下残缺信息的多目标检测方法研究 被引量：2

17

作者 孙林 陈圣 +3 位作者 姚旭龙 张艳博 陶志刚 梁鹏 《煤炭科学技术》 CSCD 北大核心 2024年第S2期211-220,共10页

煤矿井下目标检测技术是建设智慧矿山不可或缺的内容,可以提供实时监测和识别能力,但井下光照不均匀、遮挡严重等因素造成了井下部分目标的信息缺失,极大降低了目标检测的准确率。基于此,提出一种改进YOLOv5s的井下残缺信息的多目标检... 煤矿井下目标检测技术是建设智慧矿山不可或缺的内容,可以提供实时监测和识别能力,但井下光照不均匀、遮挡严重等因素造成了井下部分目标的信息缺失,极大降低了目标检测的准确率。基于此,提出一种改进YOLOv5s的井下残缺信息的多目标检测算法。考虑到残缺目标易与井下背景相混淆,该算法通过在YOLOv5s的Backbone部分融入CBAM注意力模块,增强特征图中与残缺目标相关的通道和空间信息,从而增强抑制背景干扰能力。同时,为了有效地提取和强化小目标和被遮挡目标的细节特征,使用加权双向特征金字塔网络BiFPN代替原网络的PANet结构。其次,为了更好地适应井下残缺目标形状的变化,采用引入了额外边界框坐标信息的EIoU函数来优化原有损失函数。最后通过自建井下数据集对改进算法进行验证,实验结果表明:所提出的目标检测算法可以更好地解决井下监控环境中目标尺寸较小、部分区域被遮挡、纹理和形状变化对目标检测精度的影响,改进后模型的平均准确率达到了91.3%,相较于原模型提高了2.7%左右,F1-Score达到了90.0%,相较于原模型提高了1.9%左右。 展开更多

关键词 残缺目标检测 YOLOv5 注意力机制 加权双向特征金字塔网络 EIoU函数

在线阅读 下载PDF 职称材料

一种改进YOLOX_S的火焰烟雾检测算法 被引量：7

18

作者 谢康康 朱文忠 +1 位作者 肖顺兴 谢林森 《科学技术与工程》 北大核心 2024年第8期3298-3307,共10页

针对目前在火灾预警方面还存在火焰烟雾检测效果差、误报率高等问题,在YOLOX框架下提出改进YOLOX_S目标检测算法。首先在数据集建立方面,采用的数据集包括Bilkent University公开的数据集和部分自建数据集,共计9621张图片。并且通过对... 针对目前在火灾预警方面还存在火焰烟雾检测效果差、误报率高等问题,在YOLOX框架下提出改进YOLOX_S目标检测算法。首先在数据集建立方面,采用的数据集包括Bilkent University公开的数据集和部分自建数据集,共计9621张图片。并且通过对数据集采用Mosaic数据增强的方式,增加数据的多样性。其次对backbone部分采用swin-T骨干网络来代替原来的CSPDarkNet骨干网络,能够更好的捕捉不同尺度下的特征,有效地提升了目标检测的精度。然后对网络模型引入加权双向特征金字塔网络(bidirectional feature pyramid network,BiFPN)特征融合网络,提高检测的效率和网络模型的适应性,在复杂背景下同样可以保持较高的检测精度。最后引入CA注意力机制来加强此算法的特征提取能力。经过对比实验表明,改进后的YOLOX_S的火焰烟雾检测算法具有较高准确性,其mAP@0.5(预测框与真实框重合程度的阈值为0.5时的平均检测精度)达到81.5%,相比原网络提高了5.3%。改进后的YOLOX_S网络模型在火焰烟雾检测方面具有更高准确性和更低的误报率。 展开更多

关键词 YOLOX swin transformer 加权双向特征金字塔网络(BiFPN) 火焰烟雾检测 注意力机制

在线阅读 下载PDF 职称材料

基于改进YOLOv5的织物缺陷检测 被引量：2

19

作者 陈淼 张胜利 季坚莞 《毛纺科技》 CAS 北大核心 2024年第1期99-106,共8页

鉴于织物表面纹理复杂导致织物缺陷检测准确率低以及小目标检测困难等问题,提出一种基于改进YOLOv5的织物缺陷检测算法。首先,在YOLOv5的骨干网络上,增加CBAM注意力机制,从而强化有用的特征信息弱化无用的特征信息;其次,将Neck层的路径... 鉴于织物表面纹理复杂导致织物缺陷检测准确率低以及小目标检测困难等问题,提出一种基于改进YOLOv5的织物缺陷检测算法。首先,在YOLOv5的骨干网络上,增加CBAM注意力机制,从而强化有用的特征信息弱化无用的特征信息;其次,将Neck层的路径聚合网络(PANet)用加权双向特征金字塔网络(Bi-FPN)替换,从而更好地平衡多尺度特征信息,提高小目标检测的特征能力。最后,通过改进损失函数,使用Focal EIOU Loss损失函数来代替CIOU Loss损失函数,不仅使得收敛速度更快,而且可以有效的解决难易样本不平衡问题。实践证明:改进后的训练模型平均精度均值mAP值为84.5%,比未改进增加了4.7%,可满足实际生产中的织物缺陷检测要求。 展开更多

关键词 YOLOv5 缺陷检测 注意力机制 加权双向特征金字塔 Focal EIOU Loss

在线阅读 下载PDF 职称材料

基于改进YOLOv5s算法的钢轨扣件状态检测方法 被引量：2

20

作者 陈修忻 《城市轨道交通研究》 北大核心 2024年第S01期147-151,共5页

[目的]为提高轨道巡检效率以及优化巡检策略,有效避免漏巡、漏检等问题的发生,提出了一种基于改进YOLOv5s算法的钢轨扣件状态检测方法。[方法]介绍了YOLOv5算法的网络结构。在YOLOv5s算法的骨干网络中融入C3-CBAM(卷积注意力)模块以获... [目的]为提高轨道巡检效率以及优化巡检策略,有效避免漏巡、漏检等问题的发生,提出了一种基于改进YOLOv5s算法的钢轨扣件状态检测方法。[方法]介绍了YOLOv5算法的网络结构。在YOLOv5s算法的骨干网络中融入C3-CBAM(卷积注意力)模块以获取更多细节特征,然后采用BiFPN(加权双向特征金字塔)网络进行多尺度特征融合,形成改进YOLOv5算法。针对弹条断裂、弹条缺失、弹条移位和螺栓缺失4种状态进行了试验验证。[结果及结论]采用改进后的YOLOv5s算法比原YOLOv5s算法在测试精度、召回率、平均精度上都有所提高,表明该方法对钢轨故障扣件分类检测具有很好的工程应用价值。 展开更多

关键词 城市轨道交通 轨道 钢轨扣件 分类检测 YOLOv5s算法 注意力机制 加权双向特征金字塔

在线阅读 下载PDF 职称材料