期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
改进YOLOv3网络的海洋生物识别算法
被引量：
16
1
作者
刘萍
杨鸿波
宋阳
《计算机应用研究》
CSCD
北大核心
2020年第S01期394-397,共4页
受到水下光线不均匀的影响,水下图像存在颜色失真和曝光不足等问题,这严重影响了水下目标识别精度。基于GAN提出一种改进YOLOv3网络的海洋生物识别算法,该算法主要对YOLOv3网络作了以下改进:将训练好的UGAN-P的生成网络加入YOLOv3检测...
受到水下光线不均匀的影响,水下图像存在颜色失真和曝光不足等问题,这严重影响了水下目标识别精度。基于GAN提出一种改进YOLOv3网络的海洋生物识别算法,该算法主要对YOLOv3网络作了以下改进:将训练好的UGAN-P的生成网络加入YOLOv3检测网络中,作为其增强网络。该算法改变了传统水下图像增强与目标检测分开进行的现状,使网络增强部分更有利于海洋生物识别准确度的提高。检测网络部分还通过K-means聚类数据集中目标框大小来修正anchor box,使得anchor box更加符合数据集目标尺寸。同时,与Faster R-CNN算法进行了实验对比。实验结果发现,改进的YOLOv3网络相比YOLOv3网络的平均精度(m AP)提高了4.2%,召回率(recall)提高了7%;其检测速度为18 fps,是Faster R-CNN网络检测速度的九倍。
展开更多
关键词
YOLOv3-GAN
YOLOv3
UGAN-P
Faster
R-CNN
图像增强
目标识别与检测
在线阅读
下载PDF
职称材料
融合改进YOLOv5算法的图像全站仪全自动测量方法
被引量：
28
2
作者
郎松
曹选
+2 位作者
张艳微
高若谦
巩岩
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2022年第5期120-127,共8页
针对图像全站仪在无棱镜合作工作模式下无法实现目标点全自动测量的问题,提出一种融合改进YOLOv5算法的图像全站仪全自动测量方法。应用融合卷积注意力机制模块的YOLOv5算法,实现了反射片靶标的广角镜头识别与检测;应用目标自动照准算法...
针对图像全站仪在无棱镜合作工作模式下无法实现目标点全自动测量的问题,提出一种融合改进YOLOv5算法的图像全站仪全自动测量方法。应用融合卷积注意力机制模块的YOLOv5算法,实现了反射片靶标的广角镜头识别与检测;应用目标自动照准算法,实现了反射片靶标中心的长焦镜头精确照准,进而实现目标点位置坐标的全自动测量。借助自研的图像全站仪开展了反射片靶标的识别与检测实验和目标点全自动测量实验。实验结果表明,利用改进的YOLOv5算法对反射片靶标的识别与检测的准确率可达98.65%;目标点全自动测量方法具有与人工照准测量方法相当的测量精度且测量效率较后者提高了1.5倍。所提方法具有较高的测量精度和测量效率,可广泛应用于无人值守的全自动测量工作场合。
展开更多
关键词
图像全站仪
YOLOv5
目标识别与检测
自动照准
全自动测量
在线阅读
下载PDF
职称材料
题名
改进YOLOv3网络的海洋生物识别算法
被引量：
16
1
作者
刘萍
杨鸿波
宋阳
机构
北京信息科技大学自动化学院
出处
《计算机应用研究》
CSCD
北大核心
2020年第S01期394-397,共4页
基金
国家文物“互联网+中华文明”示范项目(2018203)
文摘
受到水下光线不均匀的影响,水下图像存在颜色失真和曝光不足等问题,这严重影响了水下目标识别精度。基于GAN提出一种改进YOLOv3网络的海洋生物识别算法,该算法主要对YOLOv3网络作了以下改进:将训练好的UGAN-P的生成网络加入YOLOv3检测网络中,作为其增强网络。该算法改变了传统水下图像增强与目标检测分开进行的现状,使网络增强部分更有利于海洋生物识别准确度的提高。检测网络部分还通过K-means聚类数据集中目标框大小来修正anchor box,使得anchor box更加符合数据集目标尺寸。同时,与Faster R-CNN算法进行了实验对比。实验结果发现,改进的YOLOv3网络相比YOLOv3网络的平均精度(m AP)提高了4.2%,召回率(recall)提高了7%;其检测速度为18 fps,是Faster R-CNN网络检测速度的九倍。
关键词
YOLOv3-GAN
YOLOv3
UGAN-P
Faster
R-CNN
图像增强
目标识别与检测
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
融合改进YOLOv5算法的图像全站仪全自动测量方法
被引量：
28
2
作者
郎松
曹选
张艳微
高若谦
巩岩
机构
中国科学院苏州生物医学工程技术研究所
中国科学技术大学生物医学工程学院(苏州)生命科学与医学部
苏州科技大学物理科学与技术学院
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2022年第5期120-127,共8页
基金
国家自然科学基金(61975228,62005307)项目资助。
文摘
针对图像全站仪在无棱镜合作工作模式下无法实现目标点全自动测量的问题,提出一种融合改进YOLOv5算法的图像全站仪全自动测量方法。应用融合卷积注意力机制模块的YOLOv5算法,实现了反射片靶标的广角镜头识别与检测;应用目标自动照准算法,实现了反射片靶标中心的长焦镜头精确照准,进而实现目标点位置坐标的全自动测量。借助自研的图像全站仪开展了反射片靶标的识别与检测实验和目标点全自动测量实验。实验结果表明,利用改进的YOLOv5算法对反射片靶标的识别与检测的准确率可达98.65%;目标点全自动测量方法具有与人工照准测量方法相当的测量精度且测量效率较后者提高了1.5倍。所提方法具有较高的测量精度和测量效率,可广泛应用于无人值守的全自动测量工作场合。
关键词
图像全站仪
YOLOv5
目标识别与检测
自动照准
全自动测量
Keywords
image total station
YOLOv5
target identification and detection
automatic aiming
fully automated measurement
分类号
TH721 [机械工程—精密仪器及机械]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
改进YOLOv3网络的海洋生物识别算法
刘萍
杨鸿波
宋阳
《计算机应用研究》
CSCD
北大核心
2020
16
在线阅读
下载PDF
职称材料
2
融合改进YOLOv5算法的图像全站仪全自动测量方法
郎松
曹选
张艳微
高若谦
巩岩
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2022
28
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
