改进YOLOv5的工业产品表面缺陷检测方法

1

作者 刘兆英 陈志远 +2 位作者 张婷 时亚南 陈迎春 《郑州大学学报(工学版)》 北大核心 2025年第5期18-25,共8页

针对工业场景下资源受限且表面缺陷图像对比度低的问题,提出了一种改进YOLOv5的工业产品表面缺陷检测方法。首先,在骨干网络中引入感受野增强模块,用于从不同层次的感受野提取更丰富的视觉特征;其次,在特征融合网络中添加混洗注意力模块... 针对工业场景下资源受限且表面缺陷图像对比度低的问题,提出了一种改进YOLOv5的工业产品表面缺陷检测方法。首先,在骨干网络中引入感受野增强模块,用于从不同层次的感受野提取更丰富的视觉特征;其次,在特征融合网络中添加混洗注意力模块,更有效地对不同维度的特征图进行融合;最后,采取了任务解耦检测头,使分类和回归两个任务采用相互独立的网络进行预测,降低彼此的干扰,提升检测精度。实验结果表明:该网络的参数量和计算量均低于YOLOX、YOLOv7、deformable DETR等模型,且在管道数字射线(DR)缺陷图像数据集PDD和NEU-DET数据集上,mAP@0.5分别提高2.23百分点和2.99百分点,兼顾了工业场景下对缺陷检测实时性和精确性的要求。 展开更多

关键词 表面缺陷检测 计算机视觉 多尺度特征提取 注意力机制 解耦检测头

在线阅读 下载PDF 职称材料

一种基于改进YOLOv8的带状合金功能材料缺陷检测方法

2

作者 杨威 杨俊 +1 位作者 许聪源 夏亚金 《计量学报》 北大核心 2025年第3期329-339,共11页

针对带状合金功能材料缺陷检测中存在的漏检、误检和检测速度慢等问题,提出一种基于改进YOLOv8的带状合金功能材料缺陷检测算法。为充分融合模型骨干网络提取的多尺度特征,首先,设计多尺度特征编码器(MFE)模块,并在颈部构建多尺度特征... 针对带状合金功能材料缺陷检测中存在的漏检、误检和检测速度慢等问题,提出一种基于改进YOLOv8的带状合金功能材料缺陷检测算法。为充分融合模型骨干网络提取的多尺度特征,首先,设计多尺度特征编码器(MFE)模块,并在颈部构建多尺度特征聚集扩散(MFAD)结构,利用独特的扩散机制使具有丰富上下文信息的特征扩散到各个尺度;然后,在模型头部设计一种共享参数的任务动态对齐检测头(TDADH),通过卷积参数共享与任务对齐机制,降低模型复杂度的同时提高模型的检测精度;最后,设计感知注意力空间金字塔池化(PASPP)模块,利用注意力机制的显式动态选择机制增强模型特征表达能力。实验结果表明:该方法在合金功能材料数据集上实现了90.1%的均值平均精度P_(mAP50),参数量为2.543×10^(6),检测速度为232帧/s,优于主流的深度检测算法,并在GC10-DET和PASCAL VOC2012数据集上获得最优性能,具备较好的泛化性。 展开更多

关键词 机器视觉检测 表面缺陷检测 带状合金功能材料 多尺度融合 解耦检测头 注意力机制 YOLOv8

在线阅读 下载PDF 职称材料

基于超分辨率重建的安全帽检测算法

3

作者 曹楠 童立靖 英溢卓 《计算机工程与设计》 北大核心 2025年第8期2417-2425,共9页

针对低分辨率图像细节丢失导致小目标特征提取困难,以及现有模型在安全帽目标检测中存在漏检和特征提取能力不足等问题,提出了一种基于超分辨率重建的安全帽检测算法。构建了一种基于多尺度特征和通道注意力的超分网络以重构小目标缺失... 针对低分辨率图像细节丢失导致小目标特征提取困难,以及现有模型在安全帽目标检测中存在漏检和特征提取能力不足等问题,提出了一种基于超分辨率重建的安全帽检测算法。构建了一种基于多尺度特征和通道注意力的超分网络以重构小目标缺失的细节信息;为了增强目标检测网络对图像中关键特征的提取能力和小目标的感知能力,在YOLOv5网络中增加了浅层特征图,并引入了坐标注意力机制;在检测端使用解耦检测头对定位和分类任务进行解耦,以进一步提高检测的准确率。实验结果表明,该算法对安全帽检测的平均精度均值mAP@0.5达到94.4%,相比原网络提升2.9%,验证了该算法在安全帽佩戴检测任务上的有效性。 展开更多

关键词 安全帽佩戴检测 深度学习 超分辨率重建 多尺度特征 残差网络 注意力机制 解耦检测头

在线阅读 下载PDF 职称材料

基于多路径动态卷积的YOLOv5无人机航拍目标检测模型

4

作者 宋苏 汪方正 +1 位作者 高建安 刘泓森 《现代电子技术》 北大核心 2025年第7期72-78,共7页

为了提升无人机航拍影像目标检测的准确率,并实现模型的轻量化,文中对YOLOv5目标检测模型进行了多方面的改进。首先,对YOLOv5的骨干网络进行了优化重组,采用更高效的动态卷积结构和多通道并行处理策略增强特征提取能力和检测精度,并显... 为了提升无人机航拍影像目标检测的准确率,并实现模型的轻量化,文中对YOLOv5目标检测模型进行了多方面的改进。首先,对YOLOv5的骨干网络进行了优化重组,采用更高效的动态卷积结构和多通道并行处理策略增强特征提取能力和检测精度,并显著减少模型参数量;其次,改进了损失函数,引入Focal⁃EIoU损失函数,更适合无人机航拍图像的特点,进一步提升了模型的检测精度;此外,将原本耦合的检测头进行了解耦处理,设计了轻量级解耦头,使分类、回归和置信度任务解耦处理,提高了检测精度和收敛速度,并合理控制了模型参数量。实验结果表明,改进后的DEP⁃YOLO模型在mAP@0.5指标上提升了9.6%,同时模型大小和参数量分别降低了77.93%和83.82%。综上所述,文中提出的综合改进策略显著提升了无人机航拍影像目标检测的精度,并实现了模型的轻量化,验证了其在航拍影像目标检测领域的有效性。 展开更多

关键词 目标检测 无人机航拍 YOLOv5 模型轻量化 动态卷积 解耦检测头 Focal⁃EIoU损失函数 特征提取

在线阅读 下载PDF 职称材料

RepViTS-YOLOX:水下模糊及遮挡目标检测方法 被引量：9

5

作者 陶洋 朱腾 +2 位作者 钟邦乾 周昆 周立群 《计算机工程与应用》 CSCD 北大核心 2024年第13期200-208,共9页

针对水下目标检测中的目标模糊和遮挡问题,提出基于YOLOX改进的RepViTS-YOLOX水下目标检测方法。该方法采用RepViTS作为特征提取网络并通过结构重参数化,有效提升了对水下目标的特征提取能力和模型推理速度。引入空间和通道重构(spatial... 针对水下目标检测中的目标模糊和遮挡问题,提出基于YOLOX改进的RepViTS-YOLOX水下目标检测方法。该方法采用RepViTS作为特征提取网络并通过结构重参数化,有效提升了对水下目标的特征提取能力和模型推理速度。引入空间和通道重构(spatial and channel reconstruction convolution,SCConv)模块,增强网络对模糊目标的关注。改进特征融合网络,通过跨尺度连接和多尺度融合,加强不同层次特征间的信息交流,使模型更好理解遮挡目标特征。针对定位和分类任务对特征的不同需求,引入上下文解耦头(task-specific context decoupling head,TSCODE),对遮挡目标更精准地定位和分类。实验结果证明,RepViTS-YOLOX方法在RUOD数据集上取得了85.7%的检测效果,较YOLOX提高了3.8个百分点。检测结果显示,该方法可以有效改善水下模糊和遮挡目标的检测情况,提高水下目标检测精度。 展开更多

关键词 YOLOX 目标检测 结构重参数化 解耦检测头 注意力机制

在线阅读 下载PDF 职称材料

面向民机可视导航的场面多尺度目标检测 被引量：1

6

作者 章涛 张雪瑞 +2 位作者 陈勇 钟科林 罗其俊 《上海交通大学学报》 EI CAS CSCD 北大核心 2024年第11期1816-1825,共10页

民航飞机视觉辅助驾驶系统通过机载视觉传感器获取周边威胁态势信息,为飞行员提供辅助决策等信息,但是机载视觉传感器获取的机场场面威胁目标尺度变化大,且机载平台算力有限,现有的目标检测方法难以满足视觉辅助驾驶需求.针对上述问题,... 民航飞机视觉辅助驾驶系统通过机载视觉传感器获取周边威胁态势信息,为飞行员提供辅助决策等信息,但是机载视觉传感器获取的机场场面威胁目标尺度变化大,且机载平台算力有限,现有的目标检测方法难以满足视觉辅助驾驶需求.针对上述问题,提出一种基于YOLOv5s算法的轻量化多尺度目标检测算法.首先,为增强场面小目标的特征表达,在加权双向特征金字塔网络(BIFPN)基础上,引入坐标注意力(CA)机制,设计CA-BIFPN特征融合网络,提高模型对多种尺度目标的学习能力.然后,设计GSConv解耦检测头,相互独立优化分类和回归目标,提高目标检测的精度.设计的跨级部分网络轻量化颈部模块可减少因引入解耦头增加的参数量,大幅提高整体网络的检测速度,实现场面目标实时检测.为了验证算法性能,构建机载视觉传感器滑行视角的实测数据、仿真数据组成的多尺度场面目标数据集.在该数据集上的实验结果表明,所提方法检测精度超过Faster R-CNN、SSD和YOLOv6、YOLOv7、YOLOX等经典多尺度目标检测算法,均值平均精度为71.40%,比YOLOv5s提高4.19个百分点;在机载计算仿真实验平台上,检测帧率达到71帧/s,满足实时检测要求. 展开更多

关键词 YOLOv5s算法 民机可视导航 多尺度目标检测 特征融合网络 解耦检测头

在线阅读 下载PDF 职称材料

基于改进YOLOv5s的输电线路螺栓缺销检测方法 被引量：1

7

作者 赵文清 贾梦颖 +1 位作者 翟永杰 赵振兵 《华北电力大学学报（自然科学版）》 CAS 北大核心 2024年第3期92-100,共9页

针对无人机输电线路巡检图像中螺栓缺销检测精度较低、漏检较多的问题,提出了一种基于改进YOLOv5s的输电线路螺栓缺销检测方法。在Backbone部分嵌入Coordinate Attention注意力模块;在Neck部分原有的“FPN+PAN”结构的基础上,新增一条... 针对无人机输电线路巡检图像中螺栓缺销检测精度较低、漏检较多的问题,提出了一种基于改进YOLOv5s的输电线路螺栓缺销检测方法。在Backbone部分嵌入Coordinate Attention注意力模块;在Neck部分原有的“FPN+PAN”结构的基础上,新增一条“自顶向下”的特征信息传递路径,跨越临近的同尺度特征层,与较浅层网络以加权融合的方式进行特征融合;将Head部分设置为解耦检测头,将对螺栓检测的分类任务与定位任务分开进行。改进后的YOLOv5s算法增强了对螺栓特征信息的学习能力。使用本方法在螺栓缺销数据集上实验,精确率提升了2.3%,召回率提升了3.4%,平均精度提升了3.1%,检测速度达到了41.1帧/秒,表明改进后的方法能提升输电线路螺栓缺销的检测能力,在智能巡检中具有一定的应用价值。 展开更多

关键词 巡检图像 故障检测 螺栓缺销 YOLOv5s Coordinate Attention 特征融合 解耦检测头

在线阅读 下载PDF 职称材料

基于重参数化注意力的无人机航拍目标检测方法

8

作者 彭晏飞 陈炎康 +2 位作者 赵涛 袁晓龙 陈坤 《电光与控制》 CSCD 北大核心 2024年第9期81-86,110,共7页

针对无人机航拍图像目标尺度变化大、目标与背景相互干扰所导致的误检、漏检问题,提出一种基于重参数化注意力的目标检测方法,并将其应用于无人机航拍目标检测。首先,通过提出重参数化坐标注意力模块来增强相关特征,提升网络对上下文信... 针对无人机航拍图像目标尺度变化大、目标与背景相互干扰所导致的误检、漏检问题,提出一种基于重参数化注意力的目标检测方法,并将其应用于无人机航拍目标检测。首先,通过提出重参数化坐标注意力模块来增强相关特征,提升网络对上下文信息的捕捉能力;其次,设计多尺度感受野增强模块来重构骨干网络,从而增强特征图的接受域,提升网络的特征提取能力;接着,提出四尺度特征融合检测网络,提升网络对小目标的检测能力;最后,引入解耦检测头来解决分类与回归任务之间的冲突。在VisDrone2021数据集上进行实验,所提方法的mAP0.5相比原算法提高了7.6个百分点,召回率提升了5.5个百分点,与其他方法相比也具有明显优势。实验结果证明,改进方法能够较好地解决上述误检、漏检问题,具有良好的检测效果。 展开更多

关键词 目标检测 无人机 重参数化 注意力机制 解耦检测头

在线阅读 下载PDF 职称材料

深度学习支持下的城市破损路沿石检测方法

9

作者 戴激光 李岩 《遥感信息》 CSCD 北大核心 2024年第3期15-21,共7页

针对破损路沿石在街景影像中受到目标多尺度、相似地物干扰以及遮挡等问题,提出了一种面向城市街道两侧破损路沿石检测的CDD-YOLO(convolutional swin transformer deformable decouple-YOLO,CDD-YOLO)模型。依据破损路沿石呈现形状尺... 针对破损路沿石在街景影像中受到目标多尺度、相似地物干扰以及遮挡等问题,提出了一种面向城市街道两侧破损路沿石检测的CDD-YOLO(convolutional swin transformer deformable decouple-YOLO,CDD-YOLO)模型。依据破损路沿石呈现形状尺度多样性特点,嵌入C3_STR(convolutional swin transformer,C3_STR)模块进行特征融合,增强模型对多尺度特征的感知性能;对于相似地物干扰导致的误检现象,加入可变形卷积模块,利用目标区域自适应特性,提升模型对相似地物的判别能力;为避免因遮挡引起的定位不准确问题,引入解耦检测头结构,增强模型对模糊边界特征的提取能力。在自制的街景破损路沿石数据集上进行验证,分析表明,该方法的precision、recall、F1、IoU 4项评价指标分别达到了82.45%、81.22%、81.01%和80.23%,显著优于其他主流目标检测方法,验证了该方法的有效性和可行性。 展开更多

关键词 破损路沿石检测 街景影像 目标多尺度 特征融合 解耦检测头

在线阅读 下载PDF 职称材料

改进YOLOv5n的管道DR缺陷图像检测方法 被引量：2

10

作者 时亚南 陈志远 +5 位作者 刘兆英 陈迎春 张婷 范效礼 苗锐 叶伟 《计算机工程与应用》 CSCD 北大核心 2024年第12期366-372,共7页

近年来,数字射线成像技术(digital radiography,DR)由于其独有优势已被广泛应用于工业管道无损检测。为提高管道DR缺陷图像检测精度,提出了一种改进的YOLOv5n管道DR缺陷图像检测方法。该方法有两点贡献,针对目标检测网络中分类和回归两... 近年来,数字射线成像技术(digital radiography,DR)由于其独有优势已被广泛应用于工业管道无损检测。为提高管道DR缺陷图像检测精度,提出了一种改进的YOLOv5n管道DR缺陷图像检测方法。该方法有两点贡献,针对目标检测网络中分类和回归两个任务存在冲突的问题,设计了任务独立解耦检测头,通过分别为两类任务构建独立的特征图实现解耦。为了缓解解耦检测头模块带来的参数量增加问题,引入了轻量化的深度可分离卷积替代标准卷积,在保证精度的同时,减少模型参数量。实验结果表明,在管道缺陷数据集上,该方法的mAP@0.5比YOLOv5n提高0.9个百分点。与YOLOv4、Faster-RCNN和SSD等其他几种目标检测模型的对比实验表明,该方法在mAP@0.5、参数量和计算量上都达到最优,有效提高了管道DR缺陷图像检测的性能。 展开更多

关键词 缺陷图像检测 目标检测 解耦检测头 轻量化模型

在线阅读 下载PDF 职称材料

感受野扩展与多分支聚合的目标检测方法 被引量：1

11

作者 阙越 甘梦晗 刘志伟 《计算机科学》 CSCD 北大核心 2024年第S01期447-452,共6页

目标检测旨在实现对图像中目标的精确识别和定位,是计算机视觉中一个重要的研究领域。基于深度学习的目标检测已取得长足的发展,但依然存在不足之处。大的下采样系数带来的语义信息有利于图像分类,但下采样过程中不可避免地会造成信息损... 目标检测旨在实现对图像中目标的精确识别和定位,是计算机视觉中一个重要的研究领域。基于深度学习的目标检测已取得长足的发展,但依然存在不足之处。大的下采样系数带来的语义信息有利于图像分类,但下采样过程中不可避免地会造成信息损失,导致模型特征提取不充分,从而检测准确性下降。针对上述问题,提出一种感受野增强与多分支聚合模型用于目标检测。首先,设计感受野增强模块,以扩大主干网络的感受野。该模块可以获取目标上下文线索,且不改变特征的空间分辨率,可以缓解下采样过程中目标信息丢失问题。然后,为了充分利用卷积神经网络的局部性以及自注意力机制的长距离特征依赖特性,构建感受野扩展复合主干网络,以保留局部特征以及提高模型的全局特征感知能力。最后,提出多分支聚合检测头网络,在3个预测分支之间形成信息流动,融合分支之间的特征信息,以提高模型检测能力。在MS COCO数据集上进行了验证实验,结果表明所提模型的平均精度优于多种主流目标检测模型。 展开更多

关键词 目标检测 自注意力机制 感受野扩展 特征融合 解耦检测头

在线阅读 下载PDF 职称材料

基于YOLOv5的密集行人检测算法 被引量：1

12

作者 邹军 李军 张世义 《计算机应用》 CSCD 北大核心 2024年第S2期246-250,共5页

针对当前密集行人检测算法精度低且模型复杂度高的问题,在YOLOv5算法的基础上提出一种改进的密集行人检测算法YOLOv5_CDA。首先在主干网络中设计一种C3CA模块,并在最后一层引入坐标注意力(CA)机制,提高网络对局部重要特征的捕获能力;其... 针对当前密集行人检测算法精度低且模型复杂度高的问题,在YOLOv5算法的基础上提出一种改进的密集行人检测算法YOLOv5_CDA。首先在主干网络中设计一种C3CA模块,并在最后一层引入坐标注意力(CA)机制,提高网络对局部重要特征的捕获能力;其次,引入α-IoU损失函数,提高模型对高交并比(IoU)目标的关注,提升边界框的回归精度;再次,在颈部网络中变换检测尺度,提高了算法对密集小目标的检测能力;最后,应用解耦检测头分别计算不同分支,提升检测精度。实验结果表明:YOLOv5_CDA算法在具有代表性的行人检测数据集WiderPerson上测试性能表现优秀,AP0.5和AP_(0.5:0.95)分别达到了90.3%和63.7%,相较于YOLOv5算法分别提升了1.7%和3.2%,且平均漏检率下降了20%,参数量下降了25.3%。可见,经过网络结构的整体改进,YOLOv5_CDA算法的性能得到较大提升,且不会过多消耗内存资源,可广泛应用于密集行人检测。 展开更多

关键词 YOLOv5 密集行人检测 损失函数 解耦检测头 注意力机制

在线阅读 下载PDF 职称材料

改进YOLOv5s的无人机视角下小目标检测算法 被引量：14

13

作者 刘涛 高一萌 +1 位作者 柴蕊 李政通 《计算机工程与应用》 CSCD 北大核心 2024年第1期110-121,共12页

无人机视角的小目标图像具有目标分布密集、类别不均衡以及特征不明显的特点,导致目标检测任务中出现漏检、误检的问题。针对这些问题,提出一种改进YOLOv5s小目标检测方法,以达到提高目标检测准确率与精确度的目的。重新聚类锚框,更精... 无人机视角的小目标图像具有目标分布密集、类别不均衡以及特征不明显的特点,导致目标检测任务中出现漏检、误检的问题。针对这些问题,提出一种改进YOLOv5s小目标检测方法,以达到提高目标检测准确率与精确度的目的。重新聚类锚框,更精确地锁定检测区域。更改骨干网络结构,在空间金字塔池化层增加卷积,保证充分获取检测目标特征。同时,将网络结构中的C3模块替换成融合通道注意力机制的轻量级SEC2f模块,以提升网络对于小目标检测的局部特征捕获能力。融合解耦检测头,结合自适应锚框计算,有效提取目标区域的特征。在相同参数、相同环境条件下,在DOTA数据集上和VisDrone数据集上检测精度分别提升6.1%、5.2%,表明改进方法在小目标检测任务上的有效性;在公开数据集voc2007+2012上做通用性对比实验,结果表明改进算法具有通用性。 展开更多

关键词 YOLOv5s 聚类算法 SEC2f模块 空间金字塔池化 解耦检测头

在线阅读 下载PDF 职称材料

对比特征增强的高架库小目标检测方法

14

作者 朱贺 卞长智 +3 位作者 张婧 王力 李小霞 陈禹伶 《计算机工程与应用》 CSCD 北大核心 2024年第22期347-354,共8页

针对高架库区场景下安全帽检测中目标特征信息少、分类精度低等问题,提出小目标对比特征增强网络。首先提出快速空间金字塔池化跨层融合模块,减少空间维度上的目标信息丢失。然后提出小目标对比特征增强模块,使用双路并行空洞卷积获取... 针对高架库区场景下安全帽检测中目标特征信息少、分类精度低等问题,提出小目标对比特征增强网络。首先提出快速空间金字塔池化跨层融合模块,减少空间维度上的目标信息丢失。然后提出小目标对比特征增强模块,使用双路并行空洞卷积获取不同感受野,利用通道注意力获取特征图在通道维度上更为精准的特征信息,采用浅层特征图减去深层特征图的方法削弱浅层特征图中大目标信息,以增强小目标特征信息表达。加入高效通道注意力解耦检测头,通过将检测头解耦为分类和回归分支,分别学习目标的语义信息和位置信息。实验结果表明,在TT100K数据集上,所提方法的mAP@0.5比基准网络YOLOv5提高了6.4个百分点,比YOLOv7提高了1.9个百分点。在自建高架库数据集上,所提方法的mAP@0.5相比基准网络提高了4.9个百分点,其中安全帽的mAP@0.5相比基准网络提高了6.9个百分点。 展开更多

关键词 小目标检测 高架库 跨层融合 对比特征增强 解耦检测头 YOLOv5

在线阅读 下载PDF 职称材料

基于YOLOv5的角度优化抓取检测算法研究 被引量：4

15

作者 陈春朝 孙东红 《计算机工程与应用》 CSCD 北大核心 2024年第6期172-179,共8页

针对目前机器人抓取检测方法抓取角度预测过于离散,抓取过程可能产生较大偏角,降低抓取检测精度,甚至导致抓取失败的问题,提出了一种基于YOLOv5神经网络模型改进的机器人实时抓取检测方法。以单阶段目标检测模型YOLOv5为基础,提取抓取... 针对目前机器人抓取检测方法抓取角度预测过于离散,抓取过程可能产生较大偏角,降低抓取检测精度,甚至导致抓取失败的问题,提出了一种基于YOLOv5神经网络模型改进的机器人实时抓取检测方法。以单阶段目标检测模型YOLOv5为基础,提取抓取框坐标及抓取角度。对抓取角度进行更细致的划分,同时引入环形平滑标签以适应角度的周期性,建立相邻角度之间的联系,将YOLOv5检测头进行解耦,并对损失函数进行优化,提高检测精度。在Cornell数据集上进行实验验证。实验结果表明,与经典的抓取检测方法相比,所提算法能够更好地预测抓取角度,提升抓取检测精度;在Cornell数据集上,此模型达到了97.5%的准确率以及71FPS的检测速度。 展开更多

关键词 抓取检测 YOLOv5 环形平滑标签 检测头解耦

在线阅读 下载PDF 职称材料

基于高阶空间特征聚合的车型识别算法

16

作者 杨潞霞 薛映昭 +1 位作者 张红瑞 马永杰 《电子测量技术》 北大核心 2025年第4期169-180,共12页

针对复杂交通场景下车型目标密集、遮挡而造成的车型识别精度低的问题,提出基于高阶空间特征聚合的车型识别算法。首先,在特征提取的下采样阶段,设计了HSIDM模块,实现更深层次的特征聚合,减少细小信息损失。其次,在特征融合部分设计了DM... 针对复杂交通场景下车型目标密集、遮挡而造成的车型识别精度低的问题,提出基于高阶空间特征聚合的车型识别算法。首先,在特征提取的下采样阶段,设计了HSIDM模块,实现更深层次的特征聚合,减少细小信息损失。其次,在特征融合部分设计了DMFAM模块,动态调整各尺度特征的权重,获取多尺度的上下文信息,以增强模型对多样化特征的适应能力。然后,设计解耦REL-Head检测头,将分类和回归任务拆解,避免任务混杂,增强局部特征的学习能力与抗干扰能力。最后,将本文模型部署到边缘设备进行测试。实验结果显示,本文算法在复杂度交通场景数据集BIT-Vehicle和UA-DETRAC上,mAP相较于原模型分别提升了0.7%和3.9%,并在边缘设备上可以流畅运行,具有较好的识别效果。表明所提出的方法能够有效提高车型识别的精度并应用于受限设备。 展开更多

关键词 车型识别 高阶空间交互 动态多尺度特征聚合 解耦检测头

在线阅读 下载PDF 职称材料

基于可变空间感知的目标检测算法 被引量：2

17

作者 高扬 安雯 《现代电子技术》 2023年第12期91-95,共5页

检测场景中目标数量不定且随机分布,目标之间尺寸差异大,使得检测难度增加。为此,文中利用可变形卷积对位置偏差的学习能力,构建两个能够建模局部几何特征的可变空间感知模块(Variable Spatial Perception Module, VSPM)。VSPM1用于特... 检测场景中目标数量不定且随机分布,目标之间尺寸差异大,使得检测难度增加。为此,文中利用可变形卷积对位置偏差的学习能力,构建两个能够建模局部几何特征的可变空间感知模块(Variable Spatial Perception Module, VSPM)。VSPM1用于特征下采样阶段,减少分辨率降低引起的信息损失,从而有效提升检测器的颈部特征融合能力,使输入检测头的特征包含更多有益预测的信息。VSPM2用于检测头部分,通过大核卷积获取全局信息,另外,通过解耦的检测头解决分类和回归任务之间的冲突。所提算法在PASCAL VOC数据集上检测精度达到84%,相比基准算法YOLOv4提高2%,能够有效提高检测性能。 展开更多

关键词 目标检测算法 可变空间感知模块 解耦检测头 特征融合 网络构架 消融实验 定性分析

在线阅读 下载PDF 职称材料