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 +2 位作者 董芙楠 赵晴 郭鸿鑫 《现代电子技术》 北大核心 2024年第3期179-186,共8页

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... 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。 展开更多

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

在线阅读 下载PDF 职称材料

基于优化权重的YOLOv7密集行人检测算法 被引量：1

2

作者 曹洁 牛瑜 梁浩鹏 《液晶与显示》 北大核心 2025年第3期505-515,共11页

针对自然复杂场景中行人拥挤和相互遮挡,导致检测精度不佳的问题,提出了一种基于优化权重的YOLOv7密集行人检测算法。首先,针对遮挡行人特征提取问题,利用跨空间高效多尺度注意力机制(Efficient Multi-Scale Attention Module with Cros... 针对自然复杂场景中行人拥挤和相互遮挡,导致检测精度不佳的问题,提出了一种基于优化权重的YOLOv7密集行人检测算法。首先,针对遮挡行人特征提取问题,利用跨空间高效多尺度注意力机制(Efficient Multi-Scale Attention Module with Cross-Spatial Learning,EMA)重新分配主干网络的权重,并跨维度学习不同通道特征之间的相关性,以增强模型对行人目标可见区域的关注。其次,针对检测模型复杂性较高的问题,设计了高效轻量化连接模块(Efficient Lightweight Connection Module,ELCM),旨在提升模型表达能力的同时加快训练速度。最后,构建了聚焦边界框损失函数Focal-SIoU loss,该损失函数注重抑制低质量样本,同时添加角度损失提高模型的检测精度。实验结果表明,所提算法在行人检测数据集Wider-Person与Crowd Human数据集上的均值平均精度分别达到83.7%和82.6%,相比其他先进的算法,在密集拥挤人群检测任务中有显著检测优势。 展开更多

关键词 密集行人检测 优化权重 聚焦边界框损失函数 YOLOv7

在线阅读 下载PDF 职称材料

增强特征表示的绝缘子缺陷检测方法

3

作者 李丽芬 王明 +1 位作者 曹旺斌 梅华威 《计算机工程与设计》 北大核心 2025年第8期2373-2379,共7页

针对绝缘子缺陷目标区域较小、部分缺陷特征相似,从而导致检测精度较低的问题,提出了一种特征表示增强模型(FLDM-YOLO)。该模型基于FasterNet重构特征提取网络并且结合大核可分离注意力(LSKA)设计了SPPF-LSKA模块,增强了对目标的特征提... 针对绝缘子缺陷目标区域较小、部分缺陷特征相似,从而导致检测精度较低的问题,提出了一种特征表示增强模型(FLDM-YOLO)。该模型基于FasterNet重构特征提取网络并且结合大核可分离注意力(LSKA)设计了SPPF-LSKA模块,增强了对目标的特征提取能力;以重参数化技术为基础,提出了C2f-DBB模块,处理目标缺陷特征相似的问题;在边界框回归阶段使用MPDIoU作为损失函数,使得模型更加关注高质量锚框。实验结果表明,FLDM-YOLO模型在保证一定检测速度的前提下,mAP为91.3%,较YOLOv8模型提高了4.2%,可有效应用于实际的巡检工作。 展开更多

关键词 目标检测 绝缘子 部分卷积 主干特征提取网络 大核可分离注意力 重参数化 边界框损失函数

在线阅读 下载PDF 职称材料

基于坐标注意力和软化非极大值抑制的密集安全帽检测

4

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... 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。 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

基于YOLOv8的输电线路绝缘子表面缺陷识别算法 被引量：2

5

作者 熊伟 路鑫 +1 位作者 邱维进 王平强 《电子测量技术》 北大核心 2025年第2期178-188,共11页

针对当前绝缘子表面缺陷识别存在的图像背景复杂、缺陷小目标识别效果差的问题,提出一种基于YOLOv8的输电线路绝缘子表面缺陷识别算法。首先,在主干网络引入CAF模块,增强模型对复杂图像场景的解析,增强全局和局部特征的提取能力;其次,... 针对当前绝缘子表面缺陷识别存在的图像背景复杂、缺陷小目标识别效果差的问题,提出一种基于YOLOv8的输电线路绝缘子表面缺陷识别算法。首先,在主干网络引入CAF模块,增强模型对复杂图像场景的解析,增强全局和局部特征的提取能力;其次,在模型的颈部网络增加GD机制,减少特征融合过程中信息的丢失,提升小目标检测能力;最后,采用ATFL分类损失函数,削弱复杂背景对小目标检测的干扰,引入PIOU边界框损失函数,提高识别精度,加快模型收敛速度。实验结果表明,该算法的mAP50达到94.1%,精确率达到92.5%,召回率达到91.3%,相较于基线模型分别提高了3.1%、0.7%、3.9%,且综合性能优于最近的YOLOv9s、YOLOv10s等代表性算法。 展开更多

关键词 目标检测 绝缘子表面缺陷识别 小目标 卷积和注意力融合 边界框损失函数 分类损失函数

在线阅读 下载PDF 职称材料

基于改进YOLOv7—tiny的茶叶嫩芽识别方法

6

作者 王启航 顾寄南 +2 位作者 蒋兴宇 范天浩 潘知瑶 《中国农机化学报》 北大核心 2025年第6期150-155,共6页

为提高茶叶采摘机器人的采摘效率和采摘精度,使模型能更方便地部署在低算力的移动端设备上,提出一种基于改进YOLOv7—tiny的茶叶嫩芽识别方法。首先,用HardSwish激活函数减少量化模式下数值的精度损失,使模型精度提升;其次,利用深度可... 为提高茶叶采摘机器人的采摘效率和采摘精度,使模型能更方便地部署在低算力的移动端设备上,提出一种基于改进YOLOv7—tiny的茶叶嫩芽识别方法。首先,用HardSwish激活函数减少量化模式下数值的精度损失,使模型精度提升;其次,利用深度可分离卷积改进原网络中的ELAN模块减少该模块中的参数冗余,降低模型的参数量和计算量使模型轻量化;最后,为消除模型轻量化造成的精度损失,进一步提高模型精度,使用对小目标更敏感的EIoU边界框损失函数。试验结果显示,改进后的模型精确率、召回率与平均精度均值分别为79.6%、79.1%和81.4%,相比原始模型提升5.4%、2.3%和2.7%;并且改进后的模型参数量为4.8 M,相比原始模型降低20.0%;计算量为10.8 GFLOPs,相比原始模型降低16.9%。 展开更多

关键词 茶叶嫩芽识别 轻量化 深度可分离卷积 边界框损失函数

在线阅读 下载PDF 职称材料

基于MFDC-SSD网络的接触网定位线夹缺陷识别 被引量：2

7

作者 屈志坚 张博语 +1 位作者 杨行 李迪 《铁道学报》 EI CAS CSCD 北大核心 2024年第5期48-57,共10页

针对接触网应用环境复杂,定位线夹体积小、安装方向特殊、不易识别,传统的目标检测算法效果较差等问题,基于多尺度特征融合密集连接网络模型,提出了一种接触网定位线夹缺陷检测新方法。首先结合DenseNet与Inception模块对SSD模型的特征... 针对接触网应用环境复杂,定位线夹体积小、安装方向特殊、不易识别,传统的目标检测算法效果较差等问题,基于多尺度特征融合密集连接网络模型,提出了一种接触网定位线夹缺陷检测新方法。首先结合DenseNet与Inception模块对SSD模型的特征提取网络进行改进,在特定的特征层间共享上下文信息,提升特征提取能力。然后从网络深层到浅层,逐级采用FPN融合SSD检测的多尺度特征图,设计多特征融合的密集连接网络模型,最后将f GIoU作为边框损失函数,在训练中优化真实框和预测框的重合度。对采集的某段接触网定位线夹图像数据集进行检测识别。结果表明:该定位线夹缺陷检测方法可在复杂接触网背景下,对定位线夹脱落和松动进行检测,且在不同角度、亮度的图像中均具有较强的鲁棒性。 展开更多

关键词 接触网 缺陷识别 定位线夹 特征金字塔 边界框损失函数

在线阅读 下载PDF 职称材料

基于YOLOv5s−FSW模型的选煤厂煤矸检测研究

8

作者 燕碧娟 王凯民 +3 位作者 郭鹏程 郑馨旭 董浩 刘勇 《工矿自动化》 CSCD 北大核心 2024年第5期36-43,66,共9页

针对现有煤矸检测模型存在的特征提取不充分、参数量大、检测精度低且实时性差等问题,提出了一种基于YOLOv5s−FSW模型的选煤厂煤矸检测方法。该模型在YOLOv5s的基础上进行改进,首先将主干网络的C3模块替换为FasterNet Block结构,通过降... 针对现有煤矸检测模型存在的特征提取不充分、参数量大、检测精度低且实时性差等问题,提出了一种基于YOLOv5s−FSW模型的选煤厂煤矸检测方法。该模型在YOLOv5s的基础上进行改进,首先将主干网络的C3模块替换为FasterNet Block结构,通过降低模型的参数量和计算量提高检测速度;然后,在颈部网络引入无参型SimAM注意力机制,增强模型对复杂环境下重要目标的关注,进一步提高模型的特征提取能力;最后,在输出端用Wise−IoU替换CIoU边界框损失函数,使模型聚焦普通质量锚框,提高收敛速度和边框的检测精度。消融实验结果表明:与YOLOv5s模型相比,YOLOv5s−FSW模型的平均精度均值(mAP)提高了1.9%,模型权重减少了0.6 MiB,参数量减少了4.7%,检测速度提高了19.3%。对比实验结果表明:YOLOv5s−FSW模型的mAP达95.8%,较YOLOv5s−CBC,YOLOv5s−ASA,YOLOv5s−SDE模型分别提高了1.1%,1.5%和1.2%,较YOLOv5m,YOLOv6s模型分别提高了0.3%,0.6%;检测速度达36.4帧/s,较YOLOv5s−CBC,YOLOv5s−ASA模型分别提高了28.2%和20.5%,较YOLOv5m,YOLOv6s,YOLOv7模型分别提高了16.3%,15.2%,45.0%。热力图可视化实验结果表明:YOLOv5s−FSW模型对煤矸目标特征区域更加敏感且关注度更高。检测实验结果表明:在环境昏暗、图像模糊、目标相互遮挡的复杂场景下,YOLOv5s−FSW模型对煤矸目标检测的置信度得分高于YOLOv5s模型,且有效避免了误检和漏检现象的发生。 展开更多

关键词 煤矸检测 YOLOv5s FasterNet Block SimAM注意力机制 Wise−IoU边界框损失函数

在线阅读 下载PDF 职称材料

基于无人机航拍与改进YOLOv5s的油茶果实检测

9

作者 沈德宇 陈锋军 +2 位作者 朱学岩 张新伟 陈闯 《中国农机化学报》 北大核心 2024年第12期238-244,共7页

针对无人机航拍图像中油茶果实小且互相遮挡的问题,提出改进YOLOv5s模型。首先,使用SPD-Conv代替YOLOv5s模型中池化操作,使模型在执行下采样操作时能够保留更多细粒度信息。然后,在YOLOv5s模型的颈部网络末端引入坐标注意力机制CA,提高... 针对无人机航拍图像中油茶果实小且互相遮挡的问题,提出改进YOLOv5s模型。首先,使用SPD-Conv代替YOLOv5s模型中池化操作,使模型在执行下采样操作时能够保留更多细粒度信息。然后,在YOLOv5s模型的颈部网络末端引入坐标注意力机制CA,提高模型对遮挡目标的鲁棒性。另外,改进YOLOv5s模型使用NWD边界框损失函数替换YOLOv5s中的CIOU边界框损失函数,以提升模型对无人机航拍图像中小油茶果实的检测能力。改进YOLOv5s模型的精确率、召回率、F1分数和平均精度均值分别达到93.1%、90.5%、91.78%和91.2%,与YOLOv5s模型相比,平均精度均值提升3.6个百分点。试验表明,改进YOLOv5s对航拍图像中较小的油茶果实和遮挡果实有更强的检测能力。可为利用无人机进行油茶果实的产量估计研究提供参考。 展开更多

关键词 油茶果实 无人机航拍 YOLOv5s 坐标注意力机制 边界框损失函数

在线阅读 下载PDF 职称材料

自动驾驶场景下的多任务交通感知网络

10

作者 宋元 韦建军 葛动元 《计算机工程与设计》 北大核心 2024年第12期3648-3656,共9页

针对现阶段环境感知网络模型检测精度低、检测速度慢等问题,提出一种多任务交通感知网络,以更加有效的方式同时进行交通目标、车道线和可行驶区域这3个任务的检测。采用一个更强大、更高效的网络进行特征提取,有利于更丰富的特征信息融... 针对现阶段环境感知网络模型检测精度低、检测速度慢等问题,提出一种多任务交通感知网络,以更加有效的方式同时进行交通目标、车道线和可行驶区域这3个任务的检测。采用一个更强大、更高效的网络进行特征提取,有利于更丰富的特征信息融合,使检测头和分割头有更好的表达效果;提出一个更加有效的损失函数,在边界框损失中充分考虑真实框和预测框之间的方向匹配,提高模型的训练速度和推理准确性;在分割分支采用坐标注意力机制,通过在通道注意力中添加位置信息,增强网络对特征图浅层信息的感知能力,有助于分割头更好识别目标。模型在BDD100K数据集上进行实验,其结果表明,模型的检测精度和推理速度都达到了更佳效果。 展开更多

关键词 自动驾驶 多任务交通感知 交通目标 车道线 可行驶区域 边界框损失 坐标注意力机制

在线阅读 下载PDF 职称材料

基于多尺度线性全局注意力的运动员检测算法

11

作者 林芷薇 杨祖元 +1 位作者 王斯秋 杨超 《计算机工程》 CAS CSCD 北大核心 2024年第7期352-359,共8页

运动员在比赛过程中的快速移动且频繁遮挡,使得对视频中运动员检测容易出现漏检、多检、检测精度下降等问题。现有的主流方法对于移动和遮挡情况下的运动员检测表现不佳。当运动员受到遮挡后,检测目标框的尺度变化增大。引入cutout作为... 运动员在比赛过程中的快速移动且频繁遮挡,使得对视频中运动员检测容易出现漏检、多检、检测精度下降等问题。现有的主流方法对于移动和遮挡情况下的运动员检测表现不佳。当运动员受到遮挡后,检测目标框的尺度变化增大。引入cutout作为数据增强的方法来模拟遮挡情况,提出基于多尺度线性全局注意力Efficient ViT模块的运动员检测算法。使用线性全局注意力模块减少计算量,并辅以卷积模块来增强其局部的特征提取能力,通过轻量级小卷积聚合不同注意力头部的token获得多尺度信息,增强其全局特征提取能力。针对损失函数部分,选择EIo U作为边界框损失,加入检测框与目标框的宽高距离,使得检测框和真实目标框在尺度上更为贴近。在Sports MOT数据集中4个公开的篮球比赛视频数据集上的实验结果表明,该算法取得了98.0%准确率和98.2%的平均精度均值,相较于YOLOv5算法,其精度提升了4%,高置信度的平均精度均值提升了8.7%。 展开更多

关键词 YOLOv5算法 运动员检测 多尺度线性全局注意力 数据增强 边界框损失

在线阅读 下载PDF 职称材料

一种基于改进YOLOv8的织物缺陷检测算法

12

作者 杨祥 王圣凯 董明刚 《桂林理工大学学报》 2025年第3期416-425,共10页

为了解决织物缺陷检测中尺度变化大、面积占比小导致识别难的问题,提出一种基于改进YOLOv8的织物缺陷目标检测算法。首先引入SimAM无参注意力优化YOLOv8m的C2f模块,提升对织物缺陷的特征提取能力;再参考Rep-BiFPN结构,引入BiC模块重构... 为了解决织物缺陷检测中尺度变化大、面积占比小导致识别难的问题,提出一种基于改进YOLOv8的织物缺陷目标检测算法。首先引入SimAM无参注意力优化YOLOv8m的C2f模块,提升对织物缺陷的特征提取能力;再参考Rep-BiFPN结构,引入BiC模块重构骨干网络与颈部网络的连接(Concat)模块,同时参照Bi-FPN金字塔跨层连接的思想对原颈部网络的FPN-PAN进行改进,提升颈部网络的特征融合能力;最后使用Wise-IoUv3替换YOLOv8m的CIoU计算模型边界框损失,通过降低模型对纵横比较大缺陷的惩罚力度提高检测精度。实验结果表明,改进YOLOv8m的平均精确度的均值mAP达到了94.1%,相较于YOLOv8m提高了8.6百分点,并且对于各类织物缺陷算法的检测精度都保持在90%以上,满足工业对织物缺陷检测的实际需求。 展开更多

关键词 织物缺陷 目标检测 YOLOv8 颈部网络 边界框损失

在线阅读 下载PDF 职称材料