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
1
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
面向无人机航拍图像的跨尺度特征融合CSEM-YOLOv9c算法
1
作者
蒋崇君
张荣芬
+1 位作者
刘宇红
宫燕铭
《电光与控制》
北大核心
2025年第11期54-61,共8页
无人机航拍图像目标尺寸变化明显,小目标物体居多。针对现有目标检测算法在识别无人机航拍图像时中小目标检测精度低的问题,提出一种改进YOLOv9c的无人机航拍图像目标检测算法。首先,改进Neck网络的检测层,新增一个大小为160×160...
无人机航拍图像目标尺寸变化明显,小目标物体居多。针对现有目标检测算法在识别无人机航拍图像时中小目标检测精度低的问题,提出一种改进YOLOv9c的无人机航拍图像目标检测算法。首先,改进Neck网络的检测层,新增一个大小为160×160的用于检测极小目标的检测层,降低小目标的漏检率;其次,提出新的注意力机制iREMA,并设计RepNCSPELAN4iREMA模块,使模型提取到更丰富的特征信息;另外,利用轻量级跨尺度理念对Neck网络结构进行创新优化,设计出一种更高效的无人机航拍图像目标检测Neck结构,减少模型参数量;最后,引入ShapeIoU损失函数改进传统的IoU计算边界回归损失,使边界回归更准确。在VisDrone2019数据集上的实验表明:改进后的算法模型较基准模型mAP50提高6.8个百分点,达到52.5%,mAP50∶95提高4.8个百分点,达到33%,同时模型参数量下降34%,在保证轻量化的同时提升了精度。
展开更多
关键词
YOLOv9c
无人机航拍图像目标检测
iREMA注意力机制
轻量级跨尺度
ShapeIoU
在线阅读
下载PDF
职称材料
题名
面向无人机航拍图像的跨尺度特征融合CSEM-YOLOv9c算法
1
作者
蒋崇君
张荣芬
刘宇红
宫燕铭
机构
贵州大学大数据与信息工程学院
出处
《电光与控制》
北大核心
2025年第11期54-61,共8页
基金
贵州省基础研究自然科学项目(黔科合基础-ZK[2021]重点001)。
文摘
无人机航拍图像目标尺寸变化明显,小目标物体居多。针对现有目标检测算法在识别无人机航拍图像时中小目标检测精度低的问题,提出一种改进YOLOv9c的无人机航拍图像目标检测算法。首先,改进Neck网络的检测层,新增一个大小为160×160的用于检测极小目标的检测层,降低小目标的漏检率;其次,提出新的注意力机制iREMA,并设计RepNCSPELAN4iREMA模块,使模型提取到更丰富的特征信息;另外,利用轻量级跨尺度理念对Neck网络结构进行创新优化,设计出一种更高效的无人机航拍图像目标检测Neck结构,减少模型参数量;最后,引入ShapeIoU损失函数改进传统的IoU计算边界回归损失,使边界回归更准确。在VisDrone2019数据集上的实验表明:改进后的算法模型较基准模型mAP50提高6.8个百分点,达到52.5%,mAP50∶95提高4.8个百分点,达到33%,同时模型参数量下降34%,在保证轻量化的同时提升了精度。
关键词
YOLOv9c
无人机航拍图像目标检测
iREMA注意力机制
轻量级跨尺度
ShapeIoU
Keywords
YOLOv9c
UAV aerial image target detection
iREMA attention mechanism
lightweight cross-scale
ShapeIoU
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
面向无人机航拍图像的跨尺度特征融合CSEM-YOLOv9c算法
蒋崇君
张荣芬
刘宇红
宫燕铭
《电光与控制》
北大核心
2025
0
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
