-
题名基于多路径增强特征的早期烟雾检测算法
- 1
-
-
作者
司盼召
何丽
王宏伟
冉腾
-
机构
新疆大学智能制造现代产业学院机械工程学院
-
出处
《电子测量技术》
北大核心
2025年第7期142-151,共10页
-
基金
新疆维吾尔自治区重点研发计划项目(2022B01050-2)资助。
-
文摘
早期烟雾检测是及时消除火灾隐患的有效手段,然而火灾早期的烟雾尺度小且扩散形式复杂,这使得其检测极具挑战性。针对以上问题,提出了一种基于多路径增强特征的早期烟雾检测算法MEF-YOLO。该算法采用QA-ELAN改进了骨干网络,实现了模型复杂度和精度兼顾优化;并设计了FGCA自主增强样本区域间的特征差异,以有效捕捉烟雾的空间信息;且通过MEFAN优化特征融合路径,实现了跨层次特征间的直接交互,有效缓解了细节信息损失;又引入Wise-IOU损失函数,通过权重调整机制全面考虑位置和尺度信息,进而提高其在复杂场景的鲁棒性。实验结果表明,在不同光照以及小尺度烟雾、烟雾扩散等实验场景中,本研究提出的算法对早期烟雾的检测准确率高达92.5%,并且更具轻量化优势,参数量和GFLOPs分别下降了27.5%和30.6%。
-
关键词
早期烟雾
YOLOv5
多路径增强特征聚合网络
注意力机制
-
Keywords
early smoke
YOLOv5
multi-path enhanced feature aggregation network
attention mechanism
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TN27
[电子电信—物理电子学]
-
-
题名面向遥感小目标检测的实例间特征聚合方法研究
- 2
-
-
作者
王海涛
艾晨
谭福
高硕
-
机构
中国空间技术研究院
-
出处
《宇航学报》
2025年第7期1467-1474,共8页
-
文摘
针对遥感图像小目标检测中特征缺失与定位精度低的问题,提出一种融合实例特征交互与自适应回归度量的检测框架。通过构建动态图结构的实例间特征聚合网络,利用高置信度实例引导弱目标特征增强,减少因下采样导致的漏检;同时设计分段平滑Wasserstein损失,将边界框建模为2D高斯分布,结合一阶与二阶距离度量,优化多尺度定位精度。在AI-TOD v1/v2和DOTA v2数据集上的实验结果表明,该方法在小目标检测精度、特征增强能力和回归优化效果方面均取得显著提升,同时保持了较低的计算和参数开销。该方法为高分辨率遥感场景下的微小目标检测提供了轻量化解决方案。
-
关键词
遥感小目标检测
特征聚合增强
图神经网络
Wasserstein距离
边界框回归
-
Keywords
Small object detection in remote sensing
Feature aggregation and enhancementt
Graph neural network
Wasserstein distance
Bounding box regression
-
分类号
V447.3
[航空宇航科学技术]
-
-
题名改进YOLO11的高精度课堂行为检测算法
- 3
-
-
作者
曹燚
曹倩
钱承山
袁程胜
-
机构
无锡学院物联网工程学院
-
出处
《计算机科学与探索》
2025年第8期2135-2148,共14页
-
基金
无锡市“太湖之光”科技攻关(基础研究)项目(K20241046)
国家传感网工程技术研究中心开放课题(2024YJZXKFKT02)
+2 种基金
国家自然科学基金(62102189,62122032)
江苏高校哲学社会科学研究一般项目(2023SJYB0919)
无锡学院引进人才科研启动专项经费(2022r043)。
-
文摘
针对课堂场景中学生目标小、分布密集且易被遮挡,导致检测精度低、识别效果不佳的问题,提出了一种基于YOLO11改进的课堂行为检测算法MFD-YOLO。该算法通过一系列创新设计,显著提升了课堂行为检测的精度和识别效果。设计了多维度特征流动网络(MFFN),通过结合维度感知选择性融合模块和多维特征扩散机制,增强了小目标的特征表示能力,显著提高了检测精度。在主干网络中构建了特征增强聚合模块(FEAM),通过整合不同尺度感受野的信息来优化特征提取过程,增强了网络对多尺度特征的增强与聚合能力,从而提高了对密集学生群体的检测能力。将传统检测头改进为动态检测头(DyHead),通过增强多尺度感知能力,有效提升了对被遮挡学生的识别能力,减少了误检和漏检现象。实验结果表明,与基础模型YOLO11n相比,MFD-YOLO在POCO数据集上的mAP0.50和mAP0.50:0.95分别提高了4.2和6.0个百分点,显著提升了检测精度,并有效降低了误检和漏检率;在SCB-Dataset3数据集上,mAP0.50和mAP0.50:0.95分别提高了3.4和4.4个百分点,进一步验证了改进算法的适用性和鲁棒性,证明了其在课堂行为检测中的应用潜力。
-
关键词
课堂行为检测
高精度
YOLO11
多维度特征流动网络(MFFN)
特征增强聚合模块(FEAM)
-
Keywords
classroom behavior detection
high accuracy
YOLO11
multi-dimensional feature flow network(MFFN)
feature enhancement aggregation module(FEAM)
-
分类号
TP391
[自动化与计算机技术]
-
