-
题名基于YOLOv5s模型的边界框回归损失函数研究
被引量：14
- 1
-
-
作者
董恒祥
潘江如
董芙楠
赵晴
郭鸿鑫
-
机构
新疆农业大学交通与物流工程学院
新疆工程学院控制工程学院
-
出处
《现代电子技术》
北大核心
2024年第3期179-186,共8页
-
文摘
针对车辆检测中边界框回归损失函数与检测目标尺度不匹配导致的误检、漏检以及精度较低等问题,基于YOLOv5s模型对4种有代表性的边界框回归损失函数进行对比实验,并在UA-DETRA、VisDrone2019、KITTI数据集上进行验证,利用漏检率、误检率、准确率、召回率、mAP@0.5、迭代过程的边界框损失值以及目标检测结果对其适用场景进行分析研究。结果显示:CIoU整体性能最差;SIoU在KITTI数据集上整体性能最优,准确率最高,达到了94.5%,漏检率降到了1.2%,适用于中尺度目标检测任务;Focal-EIoU在VisDrone2019数据集中各项指标远优于其他损失函数,召回率和mAP@0.5指标相较于CIoU分别提高了1.6%和1.8%,误检率降低了6.9%,且迭代过程损失值远低于其他损失函数,适用于小尺度目标检测任务;WIoU在UA-DETRA数据集整体性能最优,漏检率、召回率以及mAP@0.5指标优于其他损失函数,适用于大尺度目标检测任务。此研究为目标检测任务的边界框回归损失函数的选择提供了重要的基础。
-
关键词
车辆检测
边界框回归损失函数
目标尺度
YOLOv5s
CIoU
SIoU
Focal-EIoU
WIoU
-
Keywords
vehicle inspection
bounding box regression loss function
object scale
YOLOv5s
CIoU
SIoU
Focal⁃EIoU
WIoU
-
分类号
TN911.1-34
[电子电信—通信与信息系统]
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名改进YOLOv7的高效煤矿烟火检测算法
- 2
-
-
作者
刘春霞
张凯强
潘理虎
龚大立
谢斌红
-
机构
太原科技大学计算机科学与技术学院
精英数智科技股份有限公司软件开发部
-
出处
《计算机工程与设计》
北大核心
2025年第6期1832-1840,共9页
-
基金
山西省应用基础研究面上基金项目(202203021221145、202203021221153)
山西省研究生联合培养示范基地基金项目(2022JD11)。
-
文摘
为解决煤矿烟火检测中速度缓慢和图像背景干扰问题,提出一种基于YOLOv7改进的检测算法。通过设计SlimNeck结构重构颈部网络实现模型轻量化;采用WIoUv3减轻低质量训练集的影响;在ELAN结构融入EMA模块,减少信息转换过程中的损失;引入具备多种感知能力的动态检测头提升模型表现力。实验结果表明,改进后的模型mAP提升了3.2%,同时模型的参数量和计算量分别减少了0.59 MB和2.2 G。检测速度达到了18.1 ms,保证了高精度,满足实时监测的需求。
-
关键词
目标检测
空间语义信息转换
注意力机制
边界框回归函数
动态检测头
煤矿烟火
轻量化网络
-
Keywords
object detection
spatial semantic information transformation
attention mechanism
bounding box regression function
dynamic detection head
coal mine and fireworks
lightweight network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
