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
基于YOLOv7-tiny改进的航拍小目标检测算法
被引量：
1
1
作者
吴栋
张长亮
+3 位作者
濮约刚
张明庆
张启军
姜有田
《计算机工程与设计》
北大核心
2024年第10期2978-2985,共8页
针对YOLOv7-tiny算法,提出一种改进的小目标检测算法。该算法主要包括3个设计要点:采用MobileViT block模块,提升了特征提取能力;基于EVC Block模块,优化特征融合性能;采用MPDIoU损失函数代替CIoU损失函数,应对预测框和真实目标框的长...
针对YOLOv7-tiny算法,提出一种改进的小目标检测算法。该算法主要包括3个设计要点:采用MobileViT block模块,提升了特征提取能力;基于EVC Block模块,优化特征融合性能;采用MPDIoU损失函数代替CIoU损失函数,应对预测框和真实目标框的长宽比相同而真实大小不同时的情况。实验结果表明,与YOLOv7-tiny相比,改进后的算法在VisDrone数据集上的mAP值结果为42.5%,提升了5.6%。当输入图片大小为640×640像素时,改进后的FPS值为39.5,能够满足无人机在边缘设备上的实时检测要求。
展开更多
关键词
小目标检测
移动视觉变换器
航拍数据集
注意力机制
增强值通道块
多阶段交并比
卷积
在线阅读
下载PDF
职称材料
DMU-YOLO:机载视觉的多类异常行为检测算法
被引量：
1
2
作者
韩佰轩
彭月平
+1 位作者
郝鹤翔
叶泽聪
《计算机工程与应用》
北大核心
2025年第7期128-140,共13页
针对无人机航拍图像的检测算法中存在小目标识别精度低和特征提取能力不足的问题,设计了一种改进YOLOv9的多类别异常行为检测算法。该算法在模型头部加入改进的维度感知选择性集成模块,进行了有效的通道分割和融合策略,并在主干部分添...
针对无人机航拍图像的检测算法中存在小目标识别精度低和特征提取能力不足的问题,设计了一种改进YOLOv9的多类别异常行为检测算法。该算法在模型头部加入改进的维度感知选择性集成模块,进行了有效的通道分割和融合策略,并在主干部分添加多维协同注意力机制,同时引入最大特征池化,强化了针对自建数据集的特征提取能力,而后将通用倒置残差模块与原网络的特征提取模块融合,形成了UIB-RepELAN特征提取模块,有效提升了模型检测的鲁棒性,针对难易样本不均匀分布导致的数据集长尾分布等问题,采用数据增强方法对异常类别样本进行扩充,并使用Focaler-IoU对损失函数进行重构,提高模型泛化能力。结果表明,相较于基线模型,在Vis-Drone2019数据集上的检测精度由0.046提高到0.048;针对自建数据集的检测精度由0.909提高到0.960,平均检测用时为28 ms,满足了高效率高精度的检测要求。
展开更多
关键词
YOLOv9算法
多类异常行为检测
特征提取
无人机
航拍数据集
深度学习
在线阅读
下载PDF
职称材料
题名
基于YOLOv7-tiny改进的航拍小目标检测算法
被引量：
1
1
作者
吴栋
张长亮
濮约刚
张明庆
张启军
姜有田
机构
中国航天科工集团第二研究院
中国人民解放军
出处
《计算机工程与设计》
北大核心
2024年第10期2978-2985,共8页
文摘
针对YOLOv7-tiny算法,提出一种改进的小目标检测算法。该算法主要包括3个设计要点:采用MobileViT block模块,提升了特征提取能力;基于EVC Block模块,优化特征融合性能;采用MPDIoU损失函数代替CIoU损失函数,应对预测框和真实目标框的长宽比相同而真实大小不同时的情况。实验结果表明,与YOLOv7-tiny相比,改进后的算法在VisDrone数据集上的mAP值结果为42.5%,提升了5.6%。当输入图片大小为640×640像素时,改进后的FPS值为39.5,能够满足无人机在边缘设备上的实时检测要求。
关键词
小目标检测
移动视觉变换器
航拍数据集
注意力机制
增强值通道块
多阶段交并比
卷积
Keywords
small target detection
MobileViT
aerial dataset
Transformer
EVC Block
MPDIoU
CNN
分类号
TP389.1 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
DMU-YOLO:机载视觉的多类异常行为检测算法
被引量：
1
2
作者
韩佰轩
彭月平
郝鹤翔
叶泽聪
机构
中国人民武装警察部队工程大学信息工程学院
出处
《计算机工程与应用》
北大核心
2025年第7期128-140,共13页
基金
国家部委基金
工程大学应用研究推进项目(WYY202304)
大学科研创新团队课题(KYTD202306)。
文摘
针对无人机航拍图像的检测算法中存在小目标识别精度低和特征提取能力不足的问题,设计了一种改进YOLOv9的多类别异常行为检测算法。该算法在模型头部加入改进的维度感知选择性集成模块,进行了有效的通道分割和融合策略,并在主干部分添加多维协同注意力机制,同时引入最大特征池化,强化了针对自建数据集的特征提取能力,而后将通用倒置残差模块与原网络的特征提取模块融合,形成了UIB-RepELAN特征提取模块,有效提升了模型检测的鲁棒性,针对难易样本不均匀分布导致的数据集长尾分布等问题,采用数据增强方法对异常类别样本进行扩充,并使用Focaler-IoU对损失函数进行重构,提高模型泛化能力。结果表明,相较于基线模型,在Vis-Drone2019数据集上的检测精度由0.046提高到0.048;针对自建数据集的检测精度由0.909提高到0.960,平均检测用时为28 ms,满足了高效率高精度的检测要求。
关键词
YOLOv9算法
多类异常行为检测
特征提取
无人机
航拍数据集
深度学习
Keywords
YOLOv9 algorithm
multi-class abnormal behavior detection
feature extraction
UAV aerial photography datasets
deep learning
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
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
基于YOLOv7-tiny改进的航拍小目标检测算法
吴栋
张长亮
濮约刚
张明庆
张启军
姜有田
《计算机工程与设计》
北大核心
2024
1
在线阅读
下载PDF
职称材料
2
DMU-YOLO:机载视觉的多类异常行为检测算法
韩佰轩
彭月平
郝鹤翔
叶泽聪
《计算机工程与应用》
北大核心
2025
1
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
