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9,232篇文章
< 1 2 … 250 >
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：
自监督的两阶段广义小样本目标检测算法 被引量：1
1
作者 段立娟 张子晨 张广勇 《信号处理》 北大核心 2025年第2期370-381,共12页
深度学习技术在目标检测领域取得了巨大进展,但其优异的性能建立在大量精确标注的数据集之上。在样本稀缺的特定领域,如国防海上安全和医学等领域,获取具有标注的数据尤为困难。因此,小样本目标检测领域因其能够应对样本稀疏性所带来的... 深度学习技术在目标检测领域取得了巨大进展,但其优异的性能建立在大量精确标注的数据集之上。在样本稀缺的特定领域,如国防海上安全和医学等领域,获取具有标注的数据尤为困难。因此,小样本目标检测领域因其能够应对样本稀疏性所带来的挑战而得到学术界的广泛研究。该领域的研究目标是得到能够从极其有限的样本中提取知识并实现高效目标检测的算法框架。然而,由于新类样本的稀缺性,其与基类之间存在着显著的分布差异,导致了小样本目标检测任务的准确度受限。此外,在对模型应用新类进行微调的过程中,由于新类与基类的不重叠性,模型学习新类的特征知识的过程中会存在大量的梯度更新,导致基类的特征知识被遗忘的问题,从而降低模型的整体性能。针对新类别样本稀缺的问题,本研究采用自监督学习策略。自监督学习,无须依赖标注信息,便于构建代理任务以进行模型训练,是缓解小样本目标检测样本稀缺问题的有效方案。为了避免模型在学习新类特征知识后出现基类灾难性遗忘的问题,本文将自监督学习与两阶段的目标检测器相结合。通过在类别域应用潜在特征来表示各个类别的特征信息,通过动态更新策略在学习新类别的过程中进一步优化特征,并借助检测框域构建良好的代理任务提升回归框的精准度。本研究在PASCAL VOC数据集和MS COCO数据集上进行大量的实验验证,实验结果表明,无论是在新类性能方面还是总体性能方面,本研究所提出的方法相较于其他多个小样本目标检测模型均展现出更加优越的性能表现。 展开更多
关键词 深度学习 自监督学习 小样本目标检测 广义小样本目标检测
在线阅读 下载PDF
融合多尺度特征的航拍目标检测算法
2
作者 杨路 裴俊莹 《系统仿真学报》 北大核心 2025年第6期1486-1498,共13页
为解决无人机航拍图像中小目标样本居多,但可提取特征信息少,不利于提升航拍目标检测精度问题,提出一种基于YOLOv8s改进的航拍小目标检测算法。将可变形卷积应用于主干网络特征提取模块,自适应感受目标在不同位置和尺度上的细节信息;提... 为解决无人机航拍图像中小目标样本居多,但可提取特征信息少,不利于提升航拍目标检测精度问题,提出一种基于YOLOv8s改进的航拍小目标检测算法。将可变形卷积应用于主干网络特征提取模块,自适应感受目标在不同位置和尺度上的细节信息;提出包含特征收集模块和信息融合模块的多层次信息融合功能块,通过多层次信息融合功能块中的特征收集模块对主干网络不同尺度的特征信息进行提取和增强,获取精细的全局特征,利用信息融合模块将上下文丰富的语义信息注入到小目标检测层,实现局部信息和全局信息的融合,并将融合后的特征输入到检测网络中,得到检测结果。结果表明:所提算法的识别平均准确率和召回率相较于基线模型提升了6%和4.3%;相比于主流的检测算法,改进目标检测算法的小目标检测平均精度最高。 展开更多
关键词 航拍图像 可变形卷积 小目标检测 多尺度特征融合 目标检测层
在线阅读 下载PDF
改进的YOLOv8无人机小目标检测算法
3
作者 王燕妮 张婧菲 《探测与控制学报》 北大核心 2025年第5期44-50,共7页
针对YOLOv8算法在无人机视角下小目标性能不佳的问题,提出一种改进后的YOLOv8-NDTiny算法。改进原有的CIoU损失函数,引入NWD损失函数,提高算法对于小目标的敏感度;在保持算法原有参数量的同时,将原有C2f模块中的卷积模块替换成可变形卷... 针对YOLOv8算法在无人机视角下小目标性能不佳的问题,提出一种改进后的YOLOv8-NDTiny算法。改进原有的CIoU损失函数,引入NWD损失函数,提高算法对于小目标的敏感度;在保持算法原有参数量的同时,将原有C2f模块中的卷积模块替换成可变形卷积,使得模型能够适应复杂的场景;优化了颈部结构,将原有的检测头替换成小目标检测层,使模型更加轻量化,并提高网络对小目标的感知能力。实验数据表明,改进后的算法相比原算法在VisDrone2019数据集上mAP@0.5和mAP@0.5:0.95分别提高了2.4%和1.8%,并且参数量为原先的71%。 展开更多
关键词 小目标检测 NWD损失函数 小目标检测层 可变形卷积
在线阅读 下载PDF
改进YOLOv8的无人机航拍图像目标检测算法 被引量：6
4
作者 梁燕 何孝武 +1 位作者 邵凯 陈俊宏 《计算机工程与应用》 北大核心 2025年第1期121-130,共10页
针对无人机航拍图像存在多个小目标聚集、目标尺度变化大的问题,提出一种改进YOLOv8的目标检测算法TS-YOLO(tiny and scale-YOLO)。在主干部分去除冗余的特征提取层,设计了一种高效特征提取模块(efficient feature extraction module,EF... 针对无人机航拍图像存在多个小目标聚集、目标尺度变化大的问题,提出一种改进YOLOv8的目标检测算法TS-YOLO(tiny and scale-YOLO)。在主干部分去除冗余的特征提取层,设计了一种高效特征提取模块(efficient feature extraction module,EFEM),避免小目标特征消失在冗余信息中。在颈部设计了一种双重跨尺度加权特征融合方法(dual cross-scale weighted feature-fusion,DCWF),融合多尺度信息的同时抑制噪声干扰,提升特征表达能力。通过构建一种参数共享检测头(parameter-shared detection header,PSDH),使回归和分类任务实现参数共享,保证检测精度的同时有效降低了模型的参数量。所提模型在VisDrone-2019数据集上的精度(P)和召回率(R)分别达到54.0%、42.5%;相比于原始YOLOv8s模型,mAP50提高了5.0个百分点,达到44.5%,且参数量减少了55.8%,仅有4.94×106;在DOTAv1.0遥感数据集上,mAP50达到71.9%,仍具有较好的泛化能力。 展开更多
关键词 目标检测 无人机航拍图像 YOLOv8 小目标 特征融合
在线阅读 下载PDF
基于FPGA的MobileNetV1目标检测加速器设计 被引量：3
5
作者 严飞 郑绪文 +2 位作者 孟川 李楚 刘银萍 《现代电子技术》 北大核心 2025年第1期151-156,共6页
卷积神经网络是目标检测中的常用算法,但由于卷积神经网络参数量和计算量巨大导致检测速度慢、功耗高,且难以部署到硬件平台,故文中提出一种采用CPU与FPGA融合结构实现MobileNetV1目标检测加速的应用方法。首先,通过设置宽度超参数和分... 卷积神经网络是目标检测中的常用算法,但由于卷积神经网络参数量和计算量巨大导致检测速度慢、功耗高,且难以部署到硬件平台,故文中提出一种采用CPU与FPGA融合结构实现MobileNetV1目标检测加速的应用方法。首先,通过设置宽度超参数和分辨率超参数以及网络参数定点化来减少网络模型的参数量和计算量;其次,对卷积层和批量归一化层进行融合,减少网络复杂性,提升网络计算速度;然后,设计一种八通道核间并行卷积计算引擎,每个通道利用行缓存乘法和加法树结构实现卷积运算;最后,利用FPGA并行计算和流水线结构,通过对此八通道卷积计算引擎合理的复用完成三种不同类型的卷积计算,减少硬件资源使用量、降低功耗。实验结果表明,该设计可以对MobileNetV1目标检测进行硬件加速,帧率可达56.7 f/s,功耗仅为0.603 W。 展开更多
关键词 卷积神经网络 目标检测 FPGA MobileNetV1 并行计算 硬件加速
在线阅读 下载PDF
LMUAV-YOLOv8:低空无人机视觉目标检测轻量化网络 被引量：6
6
作者 董一兵 曾辉 侯少杰 《计算机工程与应用》 北大核心 2025年第3期94-110,共17页
针对低空无人机目标检测面临目标尺度变化大、小目标容易漏检和误检的挑战,发展了一种融合多尺度特征的目标检测轻量化网络(LMUAV-YOLOv8),通过开展消融和对比实验,验证了算法的有效性和先进性,并借助类激活图,对模型的决策过程进行了... 针对低空无人机目标检测面临目标尺度变化大、小目标容易漏检和误检的挑战,发展了一种融合多尺度特征的目标检测轻量化网络(LMUAV-YOLOv8),通过开展消融和对比实验,验证了算法的有效性和先进性,并借助类激活图,对模型的决策过程进行了解释。设计了一种轻量化的特征融合网络(UAV_RepGFPN),提出新的特征融合路径以及特征融合模块DBB_GELAN,降低参数量和计算量的同时,提高特征融合网络的性能。使用部分卷积(PConv)和三重注意力机制(Triplet Attention)构建特征提取模块(FTA_C2f),并引入ADown下采样模块,通过对输入特征图维度的重新排列和细粒度调整,以提升模型中深层网络对空间特征的捕捉能力,并进一步降低参数量和计算量。优化YOLOv9的可编程梯度信息(programmable gradient information,PGI)策略,设计基于上下文引导(Context_guided)的可逆架构,并额外生成三个辅助检测头,提出UAV_PGI可编程梯度方法,避免传统深度监督中多路径特征集成可能导致的语义信息损失。为了验证模型的有效性及泛化能力,在VisDrone 2019测试集上开展了对比实验,结果显示,与YOLOv8s相比,LMUAV-YOLOv8s的准确度、召回率、mAP@0.5和mAP@0.5:0.95等指标分别提升了4.2、3.9、5.1和3.0个百分点,同时参数量减少了63.9%,计算量仅增加0.4 GFLOPs,实现了检测性能与资源消耗的良好平衡。基于NVIDIA Jetson Xavier NX嵌入式平台的推理实验结果显示:与基线模型相比,该算法能够在满足实时检测要求的条件下,获得更高的检测精度,对于无人机实时目标检测场景具有较好的适用性。借助类激活图,对算法的决策过程进行了可视化分析,结果表明,该模型具备更优异的小尺度特征提取和高分辨率处理能力。 展开更多
关键词 小目标检测 多尺度 轻量化 YOLOv8 可编程梯度信息
在线阅读 下载PDF
基于UMS-YOLO v7的面向样本不均衡的水下生物多尺度目标检测方法 被引量：3
7
作者 张明华 黄基萍 +2 位作者 宋巍 肖启华 赵丹枫 《农业机械学报》 北大核心 2025年第1期388-396,409,共10页
针对水下目标检测面临着生物尺度变化大以及样本不均衡的问题,本文提出一种水下生物多尺度目标检测方法(Underwater multi-scale-YOLO v7,UMS-YOLO v7)。首先,设计一种由可切换空洞卷积组成的特征提取模块,该模块可在不同大小的感受野... 针对水下目标检测面临着生物尺度变化大以及样本不均衡的问题,本文提出一种水下生物多尺度目标检测方法(Underwater multi-scale-YOLO v7,UMS-YOLO v7)。首先,设计一种由可切换空洞卷积组成的特征提取模块,该模块可在不同大小的感受野上捕获多尺度目标特征,使得提取的特征信息更加全面;其次,使用轻量级的上采样算子融合上下文信息,提高模型对目标的特征学习能力;最后,通过结合Wise-IoU和归一化Wasserstein距离两种相似性度量,提高了不同尺度目标的定位精度,同时降低了多尺度样本分布不均衡对模型的影响。实验结果表明,该模型相较于当前其他模型在检测精度方面表现出明显的提升,在RUOD和DUO数据集上平均精度均值分别达到64.5%和68.9%。与YOLO v7模型相比,UMS-YOLO v7提高了多种尺度目标检测精度,在DUO数据集上,针对大、中、小3种尺度目标平均精度均值分别提升8.3、4.8、12.5个百分点,其中小目标提升效果最为显著。与现有的其他模型相比,改进的模型具有更高的检测精度,更适用于水下生物多尺度目标检测任务,并且针对不同数据分布的样本具有泛化性和鲁棒性。 展开更多
关键词 水下生物 多尺度目标检测 YOLO v7 空洞卷积 上采样算子 相似性度量
在线阅读 下载PDF
基于动态自适应通道注意力特征融合的小目标检测 被引量：2
8
作者 吴迪 赵品懿 +2 位作者 甘升隆 沈学军 万琴 《电子科技大学学报》 北大核心 2025年第2期221-232,共12页
针对小目标检测中卷积操作导致检测特征缺失和不同尺度语义隔阂的问题,提出一种基于动态自适应通道注意力特征融合的小目标检测方法。1)提出一种多尺度三角动态颈(Tri-Neck)网络结构,用于融合多尺度特征语义隔阂及弥补小目标特征缺失的... 针对小目标检测中卷积操作导致检测特征缺失和不同尺度语义隔阂的问题,提出一种基于动态自适应通道注意力特征融合的小目标检测方法。1)提出一种多尺度三角动态颈(Tri-Neck)网络结构,用于融合多尺度特征语义隔阂及弥补小目标特征缺失的问题。2)提出一种分组批量动态自适应通道注意力模块,增强弱语义小目标特征同时抑制无用信息,且在动态自适应通道注意力模块中设计新的激活函数和交并比损失函数,提升通道注意力表征能力。3)采用ResNet50作为骨干网络依次连接特征金字塔网络和Tri-Neck网络。实验结果表明,该方法在Pascal Voc 2007、Pascal Voc 2012上比YOLOv8算法mAP分别提升5.3%和6.2%,在MS COCO 2017数据集上AP和AP_S分别提升1.6%和2%,在SODA-D数据集上比YOLOv8算法AP提升0.9%。 展开更多
关键词 小目标检测 多尺度融合特征 特征金字塔 动态通道注意力 交并比损失函数
在线阅读 下载PDF
基于改进YOLOv8的无人机红外目标检测算法 被引量：2
9
作者 张瑞芳 刘占占 +1 位作者 程小辉 赵虹 《电子测量技术》 北大核心 2025年第7期46-54,共9页
针对无人机航拍红外图像中因为噪声干扰、光照波动和复杂背景带来的目标检测困难的问题,提出了一种基于YOLOv8的无人机红外目标检测算法SDE-YOLOv8。首先,引入了YOLOv10中的SCDown模块让每个尺度最大化地保留上下文的语义信息;其次,引... 针对无人机航拍红外图像中因为噪声干扰、光照波动和复杂背景带来的目标检测困难的问题,提出了一种基于YOLOv8的无人机红外目标检测算法SDE-YOLOv8。首先,引入了YOLOv10中的SCDown模块让每个尺度最大化地保留上下文的语义信息;其次,引入动态上采样器DySample来提升模型对于图像细节的敏感度;同时引入三重注意力机制改进C2f,来强化模型对空间和通道维度之间关系的理解和复杂数据的处理能力;最后,设计了轻量级解耦头Efficient_Head模块,确保了检测精度的同时大幅度减少了模型参数。实验结果表明,改进后的算法mAP50达到83.7%,较YOLOv8n提高了4.2%,精确率提升了1.2%,召回率提升了3.8%,浮点运算次数下降了2.5%,FPS达到了323.17 fps的检测速度,充分说明改进算法整体性能优于其他主流算法,能更好的完成无人机红外目标检测任务。 展开更多
关键词 红外目标检测 YOLOv8 注意力机制 语义信息 无人机
在线阅读 下载PDF
基于YOLOv8目标检测器的对抗攻击方案设计 被引量：3
10
作者 李秀滢 赵海淇 +2 位作者 陈雪松 张健毅 赵成 《信息安全研究》 北大核心 2025年第3期221-230,共10页
目前,基于人工智能目标检测技术的摄像头得到了广泛的应用.而在现实世界中,基于人工智能的目标检测模型容易受到对抗样本攻击.现有的对抗样本攻击方案都是针对早版本的目标检测模型而设计的,利用这些方案去攻击最新的YOLOv8目标检测器... 目前,基于人工智能目标检测技术的摄像头得到了广泛的应用.而在现实世界中,基于人工智能的目标检测模型容易受到对抗样本攻击.现有的对抗样本攻击方案都是针对早版本的目标检测模型而设计的,利用这些方案去攻击最新的YOLOv8目标检测器并不能取得很好的攻击效果.为解决这一问题,针对YOLOv8目标检测器设计了一个全新的对抗补丁攻击方案.该方案在最小化置信度输出的基础上,引入了EMA注意力机制强化补丁生成时的特征提取,进而增强了攻击效果.实验证明该方案具有较优异的攻击效果和迁移性,将该方案形成的对抗补丁打印在衣服上进行验证测试,同样获得较优异的攻击效果,表明该方案具有较强的实用性. 展开更多
关键词 深度学习 对抗样本 YOLOv8 目标检测 对抗补丁
在线阅读 下载PDF
DPRT-YOLO:智能网联汽车复杂驾驶环境实时目标检测器 被引量：1
11
作者 董一兵 曾辉 +2 位作者 李建科 侯少杰 石磊 《计算机工程与应用》 北大核心 2025年第14期148-162,共15页
目标检测是智能网联汽车视觉感知系统的一项基本任务,可为先进驾驶辅助系统提供基础数据和决策依据。然而,在低光照和恶劣天气等复杂环境中,车载目标检测算法面临小目标检测性能不佳、漏检率和误检率偏高的挑战。针对这一挑战,发展了一... 目标检测是智能网联汽车视觉感知系统的一项基本任务,可为先进驾驶辅助系统提供基础数据和决策依据。然而,在低光照和恶劣天气等复杂环境中,车载目标检测算法面临小目标检测性能不佳、漏检率和误检率偏高的挑战。针对这一挑战,发展了一种面向智能网联汽车的实时目标检测器(DPRT-YOLO),通过对流行的YOLOv10模型进行改造,使其更加适用于复杂驾驶环境中的目标检测任务,并通过在NVIDIA边缘计算平台上开展消融和对比实验,验证了算法的有效性。设计了增强加权多分支特征融合网络(EWMFFN),引入浅层加权融合和多分支加权融合模块,消除特征融合过程中的层间干扰,设计星形拓扑特征交互结构,提升模型对小尺度目标的检测能力,同时保持了网络结构的轻量化设计。融合卷积门控线性单元(convolutional gated linear units,CGLU)与卷积加法自注意力(convolutional additive token mixer,CATM),通过局部-全局双通路机制建立小目标尺度信息的长期上下文关系并保持模型的轻量化。为了评估模型在真实算力场景中的检测性能,将其部署在NVIDIA Jetson Xavier Nx平台上,采用NVIDIA TensorRT FP16量化加速,在BDD100K和TT100K测试集上开展推理实验,并与基准模型进行对比,结果显示:(1)检测精度方面,与YOLOv10n和YOLO11n相比,改进模型的mAP@0.5指标分别提升了6.1和7.4个百分点,mAP@0.5:0.95指标分别提升了3.6和4.2个百分点,同时,参数量分别降低了26.1%和34.9%。(2)检测速度方面,改进模型Small和Nano两种版本的推理速度分别达到了29 FPS和35 FPS。实验结果表明:与参考模型相比,改进算法在复杂驾驶环境中的表现更加优异,在检测精度与检测速度之间达到了更好的平衡,适于部署在智能网联汽车的环境感知系统中。 展开更多
关键词 实时目标检测 复杂驾驶环境 DPRT-YOLO 多尺度特征融合 TRANSFORMER
在线阅读 下载PDF
深度学习驱动下的目标检测研究进展综述 被引量：7
12
作者 山显英 张琳 李泽慧 《计算机工程与应用》 北大核心 2025年第1期24-41,共18页
近年来,深度学习在GPU高性能计算能力的加持下得到了迅速推广,并在安防、医疗、工业等领域实现了广泛应用。目标检测模型的性能也在稳步提高,从传统的目标检测方法逐渐过渡到基于卷积神经网络(CNN)深度学习的进一步应用,极大地节省了人... 近年来,深度学习在GPU高性能计算能力的加持下得到了迅速推广,并在安防、医疗、工业等领域实现了广泛应用。目标检测模型的性能也在稳步提高,从传统的目标检测方法逐渐过渡到基于卷积神经网络(CNN)深度学习的进一步应用,极大地节省了人力物力。通过参考大量文献,按照两阶段脉络梳理了目标检测的发展历程以及近年深度学习在目标检测领域内的研究进展,对比了在不同数据集上模型网络的性能,总结不同方法的优势与不足,并对领域内重要数据集作了归纳,还对目标检测算法的落地效果做了总结,特别是生活与科技中的实际应用(无人驾驶、医学图像、遥感等)。最后,还对深度学习驱动下目标检测在未来研究上的机遇和挑战作了展望。 展开更多
关键词 目标检测 卷积神经网络 单阶段 两阶段 目标检测应用
在线阅读 下载PDF
基于改进YOLOv7-tiny的无人机航拍图像小目标检测算法 被引量：2
13
作者 张光华 李聪发 +1 位作者 李钢硬 卢为党 《工程科学与技术》 北大核心 2025年第3期235-246,共12页
无人机航拍图像目标检测是无人机应用的一项重要技术,针对无人机航拍图像中目标尺度变化大、小尺寸目标分布密集、背景复杂而导致的漏检和误检问题,本文提出一种基于YOLOv7-tiny带ConvMixer检测头的无人机航拍图像小目标检测算法。首先... 无人机航拍图像目标检测是无人机应用的一项重要技术,针对无人机航拍图像中目标尺度变化大、小尺寸目标分布密集、背景复杂而导致的漏检和误检问题,本文提出一种基于YOLOv7-tiny带ConvMixer检测头的无人机航拍图像小目标检测算法。首先,将激活函数LeakyReLU替换为SiLU,弥补LeakyReLU缺少的非线性表达,提升模型训练时的收敛速度与模型泛化能力;其次,为了增强对多尺度目标的特征提取能力,额外设计了小目标检测层,并衍生出一个微小目标检测头,增大了模型感受野,更好地解决目标尺度剧烈变化带来的大尺度方差问题,提升了小目标的检测能力;此外,在预测头部分集成ConvMixer层,ConvMixer中的深度卷积和逐点卷积有助于找到传递给预测头的特征信息中的空间和通道关系,提升对微小目标的处理能力;最后,将YOLOv7-tiny的耦合检测头替换为更高效的解耦头,对定位与分类任务解耦出单独的特征通道,增强对目标的分类和定位能力。为了全面验证每个改进点的有效性,本文从两个方向设计了消融实验,并对比分析了改进算法与其他算法的检测性能。实验结果表明,本文算法在Visdrone2021数据集上平均精度均值(mAP)达到40.9%,较基线算法提升了3.7%,模型内存为28.2 MB,检测速度达到35.8帧/s,改进算法综合性能与对比的主流先进算法相比更优。通过检测效果分析可知,本文算法在无人机航拍图像检测上的误检和漏检问题得到较大改善。综上,本文算法的准确性和实时性能胜任航拍图像小目标检测任务。 展开更多
关键词 无人机航拍图像 小目标检测 SiLU ConvMixer 更高效的解耦头
在线阅读 下载PDF
融合注意力和上下文信息的遥感图像小目标检测算法 被引量：2
14
作者 刘赏 周煜炜 +2 位作者 代娆 董林芳 刘猛 《计算机应用》 北大核心 2025年第1期292-300,共9页
对多尺度的遥感图像进行小目标检测时,基于深度学习的目标检测算法容易出现误检和漏检的情况。这是因为此类算法的特征提取模块进行了多次的下采样操作;而且未能根据不同类别、不同尺度的目标关注所需的上下文信息。为了解决该问题,提... 对多尺度的遥感图像进行小目标检测时,基于深度学习的目标检测算法容易出现误检和漏检的情况。这是因为此类算法的特征提取模块进行了多次的下采样操作;而且未能根据不同类别、不同尺度的目标关注所需的上下文信息。为了解决该问题,提出一种融合注意力和上下文信息的遥感图像小目标检测算法ACM-YOLO(Attention-Context-Multiscale YOLO)。首先,应用细粒度的查询感知稀疏注意力以减少小目标特征信息的丢失,从而避免漏检;其次,设计局部上下文增强(LCE)函数以更好地关注不同类别的遥感目标所需的上下文信息,从而避免误检;最后,使用加权双向特征金字塔网络(BiFPN)强化特征融合模块对遥感图像小目标的多尺度特征融合能力,从而改善算法检测效果。在DOTA数据集和NWPU VHR-10数据集上进行对比实验和消融实验,以验证所提算法的有效性和泛化性。实验结果表明,在2个数据集上所提算法的平均精确率均值(mAP)分别达到了77.33%和96.12%,而相较于YOLOv5算法,召回率分别提升了10.00和7.50个百分点。可见,所提算法能有效提升mAP和召回率,减少误检和漏检。 展开更多
关键词 遥感图像 小目标检测 稀疏采样 局部上下文信息增强 多尺度特征融合
在线阅读 下载PDF
改进YOLOv11n的无人机小目标检测算法 被引量：7
15
作者 李彬 李生林 《计算机工程与应用》 北大核心 2025年第7期96-104,共9页
为了有效应对无人机航拍中小目标检测面临的复杂背景、目标密集、目标微小化和移动端部署等挑战,对YOLOv11n模型进行了改进。使用RFCBAMConv模块改进C3k2,增强了特征提取能力。设计了膨胀特征金字塔卷积(dilated featurepyramidconvolut... 为了有效应对无人机航拍中小目标检测面临的复杂背景、目标密集、目标微小化和移动端部署等挑战,对YOLOv11n模型进行了改进。使用RFCBAMConv模块改进C3k2,增强了特征提取能力。设计了膨胀特征金字塔卷积(dilated featurepyramidconvolution,DFPC)模块,替代了原有的SPPF层。通过多尺度膨胀卷积,加强了对无人机小目标细节特征的提取。提出了一种新的特征金字塔结构,在P2层增加160×160尺寸的特征图输出,以提取小目标特征信息。该方法替代了传统通过添加P2小目标检测头的做法。引入了CSPOK模块和ContextGuidedBlock_Down(CGBD)卷积,显著提升了全局特征的提取能力和多尺度特征的融合能力。采用动态检测头(DyHead)替代了原有的检测头,提升了模型的目标检测精度。实验结果表明,改进模型在VisDrone数据集上的mAP@0.5和mAP@0.5:0.95指标分别提高了0.071和0.049。此外,在AI-TOD和SODA-A等数据集上的泛化实验也显示,改进模型在mAP@0.5上分别获得0.055和0.048的提升,充分验证了模型的有效性和泛用性。 展开更多
关键词 小目标检测 YOLOv11 特征提取 感受野注意力
在线阅读 下载PDF
基于改进CenterNet的输电线路异物目标检测 被引量：1
16
作者 王明 宋公飞 +1 位作者 王瑞绅 张子梦 《计算机应用与软件》 北大核心 2025年第4期129-134,共6页
针对高压输电线路会存在异物影响线路正常运行,提出一种改进CenterNet的高压输电线路巡检异物的检测方法,对常见的输电线路异物小目标进行检测。该方法基于空洞卷积设计宽型残差模块,加宽残差模块的特征提取面,并且分别采用通道注意力... 针对高压输电线路会存在异物影响线路正常运行,提出一种改进CenterNet的高压输电线路巡检异物的检测方法,对常见的输电线路异物小目标进行检测。该方法基于空洞卷积设计宽型残差模块,加宽残差模块的特征提取面,并且分别采用通道注意力机制与空间注意力机制对特征信息进行二次处理,优化检测精度。实验结果显示,改进后的平均精度从88.59%提升到93.09%,整体提升了4.5百分点。 展开更多
关键词 深度学习 目标检测 CenterNet 输电线路 残差网络
在线阅读 下载PDF
基于深度学习的矿井智能目标检测技术研究综述 被引量：4
17
作者 张帆 张嘉荣 程海星 《煤炭科学技术》 北大核心 2025年第S1期284-296,共13页
随着深度学习理论的研究与发展,基于深度学习的目标检测技术在智能化矿山领域取得了显著进展,目标检测已成为人工智能技术在煤矿应用场景的典型范式和研究热点。然而深度学习目标检测对标注数据集依赖性强,存在模型可解释性差、计算复... 随着深度学习理论的研究与发展,基于深度学习的目标检测技术在智能化矿山领域取得了显著进展,目标检测已成为人工智能技术在煤矿应用场景的典型范式和研究热点。然而深度学习目标检测对标注数据集依赖性强,存在模型可解释性差、计算复杂等问题,如何提高矿井目标检测精度、模型自适应性和计算效率,是矿山人工智能领域亟待解决的研究课题。对煤矿井下智能目标检测技术及其研究进展进行综述。首先,简要概述了目标检测技术,介绍了基于深度学习的目标检测技术演进过程和算法分类,并分析比较了基于CNN和Transformer的目标检测网络。然后,重点研究了矿井智能目标检测的数据增强、超分辨率重建、特征提取等关键技术,并围绕煤矿“人-机-环”应用需求,详细阐述了基于深度学习的目标检测在井下人员安全监测、矿井设备智能检测、工况环境感知等方面的研究进展。最后,指出了煤矿应用场景下智能目标检测技术在数据集构建、模型优化、多源异构数据融合等方面仍存在挑战,讨论了煤矿智能目标检测技术的发展趋势。并提出未来应致力于将目标检测技术与小样本学习和多模态融合、模型轻量化和边缘计算、数字孪生和具身智能等新兴技术相结合,以此促进智能检测技术与煤矿安全生产的深度融合与应用,为矿井智能目标检测技术体系构建提供理论参考。 展开更多
关键词 煤矿智能化 目标检测 深度学习 数字孪生 具身智能
在线阅读 下载PDF
上下文感知多感受野融合网络的定向遥感目标检测 被引量：1
18
作者 姚婷婷 肇恒鑫 +1 位作者 冯子豪 胡青 《电子与信息学报》 北大核心 2025年第1期233-243,共11页
以广距鸟瞰视角拍摄获取的遥感图像通常具有目标种类多、尺度变化大以及背景信息丰富等特点,为目标检测任务带来巨大挑战。针对遥感图像成像特点,该文设计一种上下文感知多感受野融合网络,通过充分挖掘深度网络中遥感图像在不同尺寸特... 以广距鸟瞰视角拍摄获取的遥感图像通常具有目标种类多、尺度变化大以及背景信息丰富等特点,为目标检测任务带来巨大挑战。针对遥感图像成像特点,该文设计一种上下文感知多感受野融合网络,通过充分挖掘深度网络中遥感图像在不同尺寸特征描述下所包含的上下文关联信息,提高图像特征描述力,进而提升遥感目标检测精度。首先,在特征金字塔前4层网络中构建了感受野扩张模块,通过扩大网络在不同尺度特征图上的感受野范围,增强网络对不同尺度遥感目标的感知能力;进一步,构建了高层特征聚合模块,通过将特征金字塔网络中高层语义信息聚合到低层特征中,从而将特征图中所包含的多尺度上下文信息进行有效融合;最后,在双阶段定向目标检测框架下设计了特征细化区域建议网络。通过对一阶段提案进行精细化处理,提升提案准确性,进而提高二阶段兴趣区域对齐网络得到的不同成像方向下的遥感目标检测性能。在公测数据集DIOR-R和HRSC2016上的定性和定量的对比实验结果证明,所提方法对不同种类和尺度大小的遥感目标均能实现更加准确的检测。 展开更多
关键词 遥感图像 深度学习 目标检测 多感受野融合
在线阅读 下载PDF
改进YOLOv8的无人机航拍小目标检测算法 被引量：1
19
作者 许景科 索祥龙 周磊 《计算机工程与应用》 北大核心 2025年第11期119-131,共13页
在无人机航拍图像目标检测任务中,存在小目标多且分布密集,目标背景复杂,类别样本数量不平衡,无人机算力偏低等问题。为此提出一种改进YOLOv8的算法MFF-YOLOv8(multi-feature fusion YOLOv8)。在C2f模块的Bottleneck模块中融合可变形卷... 在无人机航拍图像目标检测任务中,存在小目标多且分布密集,目标背景复杂,类别样本数量不平衡,无人机算力偏低等问题。为此提出一种改进YOLOv8的算法MFF-YOLOv8(multi-feature fusion YOLOv8)。在C2f模块的Bottleneck模块中融合可变形卷积DCNv3(deformable convolution v3),增强模型主干部分的特征提取能力。设计了一种新的MFFPN(multi-feature fusion pyramid network)特征融合网络结构,增加更多特征融合路线,保留更多的底层特征图细节和特征,提高模型对小目标的检测能力。增加P2小目标检测层并优化原有的P5检测层,增强了对小目标的检测精度并降低参数量。最后,引入动态头Dyhead(dynamic head)进一步增强模型的检测精度,在Visdrone2019公共数据集的实验中,MFF-YOLOv8s算法的检测精度mAP50和mAP50:95相比YOLOv8s分别提高10.2个百分点和7.1个百分点,参数量降低77.04%,检测精度超越YOLOv11,满足了无人机平台对精度和轻量化的需求。 展开更多
关键词 YOLOv8 小目标检测 多尺度特征融合 轻量化
在线阅读 下载PDF
融合多尺度特征与注意力的小样本目标检测 被引量：1
20
作者 张英俊 甘望阳 +1 位作者 谢斌红 张睿 《小型微型计算机系统》 北大核心 2025年第3期689-696,共8页
针对现有小样本目标检测模型存在的尺度变化问题,支持集与查询集之间的外观变化、遮挡导致的误检与漏检问题,本文提出一种融合多尺度特征与注意力的小样本目标检测模型.首先,采用ResNet-101网络进行特征提取,同时引入ASPP(Atrous Spatia... 针对现有小样本目标检测模型存在的尺度变化问题,支持集与查询集之间的外观变化、遮挡导致的误检与漏检问题,本文提出一种融合多尺度特征与注意力的小样本目标检测模型.首先,采用ResNet-101网络进行特征提取,同时引入ASPP(Atrous Spatial Pyramid Pooling)模块获取不同的感受野,以捕获目标细节信息的多尺度特征.其次,采用Bi-FPN网络进行多尺度特征融合,获得更具代表性的查询特征与支持特征,有效缓解尺度变化问题.然后,利用提出的注意力引导特征增强模块对查询特征与支持特征进行自身关注,使得它们具有更好的判别能力,由此促进查询特征与支持特征的融合,以更好地应对外观变化和遮挡带来的挑战,从而缓解误检、漏检问题.最后,将分类头与边界框回归头进行解耦,分别对RPN网络基于细粒度查询特征产生的候选区域进行目标分类与目标定位.在PASCAL VOC与MS COCO数据集上的实验结果表明,所提模型的检测性能优于主流的小样本目标检测模型,相较于基线模型DCNet,mAP平均分别提升了3.5%与2.1%. 展开更多
关键词 小样本学习 元学习 目标检测 多尺度特征融合 注意力机制
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 2 … 250 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