检索结果-维普期刊中文期刊服务平台

基于坐标注意力和软化非极大值抑制的密集安全帽检测: 1; 作者尹向雷苏妮 +1 位作者解永芳屈少鹏《现代电子技术》北大核心 2025年第2期153-161,共9页; 为解决现有的安全帽检测算法对密集小目标的检测精度低的问题,提出一种基于坐标注意力和软化非极大值抑制的安全帽检测算法。引入坐标注意力机制,聚焦训练安全帽相关目标特征以提高准确率。采用软化非极大值抑制算法对候选框的置信度进... 展开更多; 关键词安全帽检测坐标注意力机制软化非极大值抑制 YOLOv5s WIoU 边界框损失函数; 在线阅读下载PDF 职称材料

改进YOLOv5的无人机航拍图像密集小目标检测算法被引量：12: 2; 作者陈佳慧王晓虹《计算机工程与应用》 CSCD 北大核心 2024年第3期100-108,共9页; 无人机航拍图像中小目标实例多、尺寸变化剧烈且存在密集遮挡等问题,为解决现有目标检测算法难以检测到航拍图像中的小目标物体,提出了一种针对密集小目标的RDS-YOLOv5检测算法。在YOLOv5的三个检测层上新增一个小目标检测层,以保留更... 展开更多; 关键词小目标检测层残差结构解耦软化非极大值抑制 YOLOv5; 在线阅读下载PDF 职称材料

基于改进DenseNet的水果小目标检测被引量：15: 3; 作者徐利锋黄海帆 +1 位作者丁维龙范玉雷《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2021年第2期377-385,共9页; 针对自然环境中小目标水果的检测精度普遍较低的问题,提出基于DenseNet改进的水果目标检测框架.构建以DenseNet为核心的多尺度特征提取模块,在DenseNet不同层级的稠密块中建立特征金字塔结构,加强网络层特征复用.结合低层特征的高分辨... 展开更多; 关键词 DenseNet 深度学习水果小目标检测特征金字塔网络(FPN) 软阈值非极大值抑制(soft-nms); 在线阅读下载PDF 职称材料

基于改进R-FCN的车辆目标检测方法被引量：6: 4; 作者胡辉曾琛《计算机工程与设计》北大核心 2020年第4期1164-1168,共5页; 针对传统方法对实际环境中车辆检测精度不高的问题,提出基于深度学习中R-FCN模型进行车辆检测的方法。基于全卷积网络,结合多尺度训练使模型能够学习到不同尺寸车辆的抽象特征,在训练过程中引入可变形网络提高模型对目标变换的自适应能... 展开更多; 关键词车辆检测全卷积网络 Udacity数据集多尺度训练可变形网络软化非极大值抑制; 在线阅读下载PDF 职称材料

基于CR-RFPR101的钢板表面缺陷检测被引量：3: 5; 作者李雪露储茂祥 +1 位作者杨永辉刘光虎《合肥工业大学学报（自然科学版）》 CAS 北大核心 2023年第12期1651-1658,共8页; 针对钢板表面缺陷种类多、背景复杂、检测精度低等问题,文章首先对钢板表面缺陷数据集进行数据增强,并对原始Cascade区域卷积神经网络(region-basedconvolutional neural netwroks,R-CNN)算法进行改进,将ResNeXt-101-64×4d作为Casc... 展开更多; 关键词缺陷检测数据增强递归特征金字塔(RFP) 可切换的空洞卷积软化非极大值抑制(soft-nms); 在线阅读下载PDF 职称材料

基于DeR-FCN模型的车辆检测算法被引量：4: 6; 作者王玲李厚博 +1 位作者王鹏孙爽滋《计算机工程与设计》北大核心 2020年第10期2927-2933,共7页; 针对复杂城市环境下天气、光照、目标尺度以及车辆之间的遮挡等因素影响带来的车辆检测精度较差问题,提出一种改进区域全卷积网络的车辆检测算法(DeR-FCN)。通过特征级联的方式,跨层连接融合车辆底层细节特征和高层语义特征;使用维度分... 展开更多; 关键词深度学习车辆检测区域全卷积网络维度分解区域提议网络软化非极大值抑制; 在线阅读下载PDF 职称材料

基于改进RetinaNet-GHM算法的钢板表面缺陷检测被引量：3: 7; 作者李雪露杨永辉储茂祥《电子测量技术》北大核心 2023年第6期100-105,共6页; 针对传统钢板表面缺陷检测方法效果差、缺陷定位不准确等问题,提出一种基于改进RetinaNet-GHM的深度学习检测算法。首先,引入路径聚合特征金字塔网络融合浅层和深层语义信息,提升网络对小目标的检测效果;然后,使用GHMC和GHMR损失函数对... 展开更多; 关键词目标检测路径聚合特征金字塔网络 GHM损失函数软化非极大值抑制; 在线阅读下载PDF 职称材料

题名基于坐标注意力和软化非极大值抑制的密集安全帽检测: 1; 作者尹向雷苏妮解永芳屈少鹏; 机构陕西理工大学电气工程学院; 出处《现代电子技术》北大核心 2025年第2期153-161,共9页; 基金国家自然科学基金一般面上项目(62176146) 陕西省教育厅重点科学研究计划项目(20JS018) 陕西理工大学人才启动专项(SLGRCQD2114)。; 文摘为解决现有的安全帽检测算法对密集小目标的检测精度低的问题,提出一种基于坐标注意力和软化非极大值抑制的安全帽检测算法。引入坐标注意力机制,聚焦训练安全帽相关目标特征以提高准确率。采用软化非极大值抑制算法对候选框的置信度进行优化,提升模型对密集小目标的检测精度。通过WIoU优化边界框损失函数,使得模型聚焦于困难样例而减少简单示例对损失值的贡献,提升模型的泛化性能。实验结果表明:与基准模型YOLOv5s相比,所提算法的mAP@0.5达到88.4%,提升了3.0%;mAP@0.5:0.95达到65.6%,提升了6.8%;在召回率和准确率上分别提升了2.4%和0.5%。所提算法为密集小目标的检测提供了一定参考。; 关键词安全帽检测坐标注意力机制软化非极大值抑制 YOLOv5s WIoU 边界框损失函数; Keywords safety helmet detection coordinate attention mechanism Soft non-maximum suppression YOLOv5s WIoU bounding box loss function; 分类号 TN911.23-34 [电子电信—通信与信息系统] TP391.4 [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

题名改进YOLOv5的无人机航拍图像密集小目标检测算法被引量：12: 2; 作者陈佳慧王晓虹; 机构辽宁石油化工大学人工智能与软件学院辽宁石油化工大学信息与控制工程学院; 出处《计算机工程与应用》 CSCD 北大核心 2024年第3期100-108,共9页; 基金辽宁省教育厅面上项目(LJKZ0009)。; 文摘无人机航拍图像中小目标实例多、尺寸变化剧烈且存在密集遮挡等问题,为解决现有目标检测算法难以检测到航拍图像中的小目标物体,提出了一种针对密集小目标的RDS-YOLOv5检测算法。在YOLOv5的三个检测层上新增一个小目标检测层,以保留更丰富的特征信息,增强网络对小目标特征的提取能力,并改善误检漏检情况;为了提高网络的多尺度特征表征能力以及抑制冲突的产生,设计了具有等级制的残差结构的多尺度特征提取模块C3Res2Block;使用解耦检测头Decoupled Head避免不同任务之间的差异所带来的预测偏差,提升了模型的定位精度和检测精度;采用软化非极大值抑制Soft NMS算法对候选框的置信度进行优化,提高模型对密集小目标的检测精度。通过VisDrone数据集的实验结果表明,与基准模型YOLOv5相比,RDS-YOLOv5在mAP0.5上提升了12.9个百分点,mAP0.5:0.95上提升了10.6个百分点,与目前主流的目标检测算法相比也取得更优的检测精度,能够有效完成无人机航拍图像的密集小目标检测任务。; 关键词小目标检测层残差结构解耦软化非极大值抑制 YOLOv5; Keywords small object detection layer residual structure decoupled soft non-maximum suppression(NMS) YOLOv5; 分类号 TP391 [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

题名基于改进DenseNet的水果小目标检测被引量：15: 3; 作者徐利锋黄海帆丁维龙范玉雷; 机构浙江工业大学计算机科学与技术学院; 出处《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2021年第2期377-385,共9页; 基金国家自然科学基金资助项目(61571400,61702456) 浙江省自然科学基金资助项目(LY18C130012)。; 文摘针对自然环境中小目标水果的检测精度普遍较低的问题,提出基于DenseNet改进的水果目标检测框架.构建以DenseNet为核心的多尺度特征提取模块,在DenseNet不同层级的稠密块中建立特征金字塔结构,加强网络层特征复用.结合低层特征的高分辨率和高层特征的高语义性,实现准确定位和预测小目标水果存在的目的.引入软阈值非极大值抑制(Soft-NMS)算法,改善簇状果实结构中检测框被误剔除的情况.与常用的Faster R-CNN网络相比,所提出的框架在苹果、芒果和杏3个数据集中的平均检测速度大于40 FPS,F1值分别为0.920、0.928、0.831,实现了检测效率及精度的提升.; 关键词 DenseNet 深度学习水果小目标检测特征金字塔网络(FPN) 软阈值非极大值抑制(soft-nms); Keywords DenseNet deep learning small fruit target detection feature pyramid network(FPN) soft non-maximum suppression(soft-nms); 分类号 TP399 [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

题名基于改进R-FCN的车辆目标检测方法被引量：6: 4; 作者胡辉曾琛; 机构华东交通大学信息工程学院; 出处《计算机工程与设计》北大核心 2020年第4期1164-1168,共5页; 基金江西省自然科学基金项目(20142BAB207001)。; 文摘针对传统方法对实际环境中车辆检测精度不高的问题,提出基于深度学习中R-FCN模型进行车辆检测的方法。基于全卷积网络,结合多尺度训练使模型能够学习到不同尺寸车辆的抽象特征,在训练过程中引入可变形网络提高模型对目标变换的自适应能力,使用软化非极大值抑制的方法减少复杂环境中目标的漏检率。利用Udacity数据集进行训练和测试,实验结果表明,提出方法与R-FCN模型相比,检测的平均准确度提高了4.3%,对实际场景下的车辆有着良好的检测效果,网络具有一定的鲁棒性。; 关键词车辆检测全卷积网络 Udacity数据集多尺度训练可变形网络软化非极大值抑制; Keywords vehicle detection fully convolutional network Udacity data set multi-scale training deformable nets soft-nms; 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

题名基于CR-RFPR101的钢板表面缺陷检测被引量：3: 5; 作者李雪露储茂祥杨永辉刘光虎; 机构辽宁科技大学电子与信息工程学院; 出处《合肥工业大学学报（自然科学版）》 CAS 北大核心 2023年第12期1651-1658,共8页; 基金国家自然科学基金资助项目(21978123) 辽宁省高等学校基本科研资助项目(2020LNZD06)。; 文摘针对钢板表面缺陷种类多、背景复杂、检测精度低等问题,文章首先对钢板表面缺陷数据集进行数据增强,并对原始Cascade区域卷积神经网络(region-basedconvolutional neural netwroks,R-CNN)算法进行改进,将ResNeXt-101-64×4d作为Cascade R-CNN算法的骨干网络,优化特征提取模块,利用递归特征金字塔(recursive feature pyramid,RFP)网络以反馈连接的方式进行特征优化,提出一种CR-RFPR101(Cascade R-CNN RFP ResNeXt-101-64×4d)的检测算法,以更好地保留细节和语义信息;同时使用可切换的空洞卷积替换主干网络的卷积层,以改变感受野的方式提高检测性能;最后使用引入软化非极大值抑制算法,保留有效信息,提高识别率。经实验验证,CR-RFPR101算法的检测率为83.4%,比原Cascade R-CNN算法提高了7.3%,满足了钢板表面缺陷检测要求。; 关键词缺陷检测数据增强递归特征金字塔(RFP) 可切换的空洞卷积软化非极大值抑制(soft-nms); Keywords defect detection data enhancement recursive feature pyramid(RFP) switchable atrous convolution soft non-maximum suppression(soft-nms); 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

题名基于DeR-FCN模型的车辆检测算法被引量：4: 6; 作者王玲李厚博王鹏孙爽滋; 机构长春理工大学计算机科学技术学院; 出处《计算机工程与设计》北大核心 2020年第10期2927-2933,共7页; 基金吉林省科技发展计划技术攻关基金项目(20190302118GX)。; 文摘针对复杂城市环境下天气、光照、目标尺度以及车辆之间的遮挡等因素影响带来的车辆检测精度较差问题,提出一种改进区域全卷积网络的车辆检测算法(DeR-FCN)。通过特征级联的方式,跨层连接融合车辆底层细节特征和高层语义特征;使用维度分解区域提议网络,获得更加精准的区域候选框;在预测阶段采用软化非极大值抑制的方法,输出更加准确的检测结果。为验证算法的有效性,在KITTI和PASCAL VOC数据集,使用DeR-FCN算法和常用的车辆检测算法进行对比实验,实验结果表明,DeR-FCN算法的检测精度高于其它方法。; 关键词深度学习车辆检测区域全卷积网络维度分解区域提议网络软化非极大值抑制; Keywords deep learning vehicle detection R-FCN DeRPN soft-nms; 分类号 TP391.4 [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

题名基于改进RetinaNet-GHM算法的钢板表面缺陷检测被引量：3: 7; 作者李雪露杨永辉储茂祥; 机构辽宁科技大学电子与信息工程学院; 出处《电子测量技术》北大核心 2023年第6期100-105,共6页; 基金国家自然科学基金(21978123) 辽宁省高等学校基本科研项目(2020LNZD06)资助; 文摘针对传统钢板表面缺陷检测方法效果差、缺陷定位不准确等问题,提出一种基于改进RetinaNet-GHM的深度学习检测算法。首先,引入路径聚合特征金字塔网络融合浅层和深层语义信息,提升网络对小目标的检测效果;然后,使用GHMC和GHMR损失函数对缺陷进行分类和定位;最后,引入高斯形式的软化非极大值抑制算法,提高检测精度。实验结果表明,改进的RetinaNet-GHM算法的平均精度均值为76.7%,裂纹、夹杂、斑块、麻点、压入氧化铁皮以及划痕六类缺陷的平均精度分别为45.2%、88.2%、94.2%、86.1%、65.1%和87.4%。通过与其他经典算法相比,改进的RetinaNet-GHM算法具有较好的检测效果.; 关键词目标检测路径聚合特征金字塔网络 GHM损失函数软化非极大值抑制; Keywords object detection path aggregation feature pyramid network GHM loss function soft-non maximum suppression; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] TP751.1 [自动化与计算机技术—检测技术与自动化装置]; 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	基于坐标注意力和软化非极大值抑制的密集安全帽检测	尹向雷苏妮解永芳屈少鹏	《现代电子技术》北大核心	2025	0	在线阅读下载PDF 职称材料
2	改进YOLOv5的无人机航拍图像密集小目标检测算法	陈佳慧王晓虹	《计算机工程与应用》 CSCD 北大核心	2024	12	在线阅读下载PDF 职称材料
3	基于改进DenseNet的水果小目标检测	徐利锋黄海帆丁维龙范玉雷	《浙江大学学报（工学版）》 EI CAS CSCD 北大核心	2021	15	在线阅读下载PDF 职称材料
4	基于改进R-FCN的车辆目标检测方法	胡辉曾琛	《计算机工程与设计》北大核心	2020	6	在线阅读下载PDF 职称材料
5	基于CR-RFPR101的钢板表面缺陷检测	李雪露储茂祥杨永辉刘光虎	《合肥工业大学学报（自然科学版）》 CAS 北大核心	2023	3	在线阅读下载PDF 职称材料
6	基于DeR-FCN模型的车辆检测算法	王玲李厚博王鹏孙爽滋	《计算机工程与设计》北大核心	2020	4	在线阅读下载PDF 职称材料
7	基于改进RetinaNet-GHM算法的钢板表面缺陷检测	李雪露杨永辉储茂祥	《电子测量技术》北大核心	2023	3	在线阅读下载PDF 职称材料