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
共找到9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：
基于YOLOv5s模型的边界框回归损失函数研究 被引量：16
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
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
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
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
基于改进YOLOv7—tiny的茶叶嫩芽识别方法 被引量：1
5
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
基于YOLOv8的输电线路绝缘子表面缺陷识别算法 被引量：2
6
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
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
基于YOLOv5s−FSW模型的选煤厂煤矸检测研究 被引量：1
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
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
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部