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
2
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
融合注意力机制与逆残差结构的轻量级钻机目标检测方法
被引量：
14
1
作者
张栋
姜媛媛
《电子测量与仪器学报》
CSCD
北大核心
2022年第11期201-210,共10页
为实现煤矿下定向钻进钻机钻孔深度的精准测量,提出一种融合注意力机制与逆残差结构的轻量级钻机目标检测网络(GCI-YOLOv4),通过自动、快速及准确检测记录钻机的运动轨迹,获取打入钻杆数量,计算出钻孔深度。针对煤矿下色域区分度低问题...
为实现煤矿下定向钻进钻机钻孔深度的精准测量,提出一种融合注意力机制与逆残差结构的轻量级钻机目标检测网络(GCI-YOLOv4),通过自动、快速及准确检测记录钻机的运动轨迹,获取打入钻杆数量,计算出钻孔深度。针对煤矿下色域区分度低问题,采用GhostNet作为特征提取网络去除复杂背景的冗余特征,同时轻量化模型,加快推理速度。针对煤矿井下光照不均导致钻机目标显著度低的问题,引入注意力模块增强钻机在复杂背景中的显著度。针对钻机高速运动时难以被准确检测的问题,引入逆残差结构,提取更丰富语义特征的同时保持速度与精度的均衡。为保证模型的准确性和可靠性,将提出的检测算法与5种经典目标检测算法进行对比。实验结果表明,GCI-YOLOv4可以较好的解决煤矿下背景色域区分度低、钻机高速运动以及受光照不均等问题,平均检测精度达到99.49%,检测速度达到58.10 FPS,性能优于经典目标检测算法。将GCI-YOLOv4部署在工作面现场进行测试,能够准确获取钻机的运动轨迹,通过滤波处理统计上升沿计算钻杆数量,钻杆计数精度达到99.4%,精确计算出钻孔深度,验证了该方法的可行性和实用性。
展开更多
关键词
目标检测
YOLOv4
GhostNet
注意力模块
逆残差结构
钻杆计数
在线阅读
下载PDF
职称材料
基于轻量化SSD的交通标志检测算法
被引量：
3
2
作者
张刚
王运明
彭超亮
《实验技术与管理》
CAS
北大核心
2024年第1期63-69,共7页
实时精确的交通标志检测是自动驾驶和智能交通的关键技术。针对现有智能检测算法检测复杂真实道路场景下的交通标志速度慢、无法较好地适用于嵌入式终端设备的问题,提出了一种基于轻量化SSD的交通标识检测算法。该算法采用MobileNetV3_l...
实时精确的交通标志检测是自动驾驶和智能交通的关键技术。针对现有智能检测算法检测复杂真实道路场景下的交通标志速度慢、无法较好地适用于嵌入式终端设备的问题,提出了一种基于轻量化SSD的交通标识检测算法。该算法采用MobileNetV3_large网络替代VGG16网络,可减少模型参数,提高检测实时性;利用添加SE模块的逆残差结构B-neck替换对应的标准卷积增强低层特征层的语义信息;设计改进RFB网络提升小交通标志的检测能力,重新设置预设先验框的尺寸,提升模型对特定数据集的检测能力。实验结果表明,改进SSD算法在中国交通标志检测数据集上的mAP值可达89.04%,比MobileNet-SSD算法提高了5.26%;帧率可达60 frames/s,比SSD算法提高了23 frames/s。所提算法具有较高的实时性和检测精度,对复杂交通环境具有更好的鲁棒性。
展开更多
关键词
交通标志检测
SSD
MobileNetV3_large
逆残差结构
RFB
先验框
在线阅读
下载PDF
职称材料
题名
融合注意力机制与逆残差结构的轻量级钻机目标检测方法
被引量：
14
1
作者
张栋
姜媛媛
机构
安徽理工大学电气与信息工程学院
安徽理工大学环境友好材料与职业健康研究院(芜湖)
出处
《电子测量与仪器学报》
CSCD
北大核心
2022年第11期201-210,共10页
基金
安徽省重点研究与开发计划(202104g01020012)
安徽理工大学环境友好材料与职业健康研究院研发专项基金(ALW2020YF18)项目资助。
文摘
为实现煤矿下定向钻进钻机钻孔深度的精准测量,提出一种融合注意力机制与逆残差结构的轻量级钻机目标检测网络(GCI-YOLOv4),通过自动、快速及准确检测记录钻机的运动轨迹,获取打入钻杆数量,计算出钻孔深度。针对煤矿下色域区分度低问题,采用GhostNet作为特征提取网络去除复杂背景的冗余特征,同时轻量化模型,加快推理速度。针对煤矿井下光照不均导致钻机目标显著度低的问题,引入注意力模块增强钻机在复杂背景中的显著度。针对钻机高速运动时难以被准确检测的问题,引入逆残差结构,提取更丰富语义特征的同时保持速度与精度的均衡。为保证模型的准确性和可靠性,将提出的检测算法与5种经典目标检测算法进行对比。实验结果表明,GCI-YOLOv4可以较好的解决煤矿下背景色域区分度低、钻机高速运动以及受光照不均等问题,平均检测精度达到99.49%,检测速度达到58.10 FPS,性能优于经典目标检测算法。将GCI-YOLOv4部署在工作面现场进行测试,能够准确获取钻机的运动轨迹,通过滤波处理统计上升沿计算钻杆数量,钻杆计数精度达到99.4%,精确计算出钻孔深度,验证了该方法的可行性和实用性。
关键词
目标检测
YOLOv4
GhostNet
注意力模块
逆残差结构
钻杆计数
Keywords
object detection
YOLOv4
GhostNet
attention module
inverted residuals
drill pipe count
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
P634.31 [天文地球—地质矿产勘探]
在线阅读
下载PDF
职称材料
题名
基于轻量化SSD的交通标志检测算法
被引量：
3
2
作者
张刚
王运明
彭超亮
机构
江苏建筑职业技术学院建筑智能学院
江苏建筑节能与建造技术协同创新中心
大连交通大学自动化与电气工程学院
出处
《实验技术与管理》
CAS
北大核心
2024年第1期63-69,共7页
基金
江苏省高等学校自然科学研究面上项目(21KJB510048)
江苏建筑节能与建造技术协同创新中心青年博士基金指导项目(SJXTBZ2114)
徐州市基础研究计划项目(KC22058)。
文摘
实时精确的交通标志检测是自动驾驶和智能交通的关键技术。针对现有智能检测算法检测复杂真实道路场景下的交通标志速度慢、无法较好地适用于嵌入式终端设备的问题,提出了一种基于轻量化SSD的交通标识检测算法。该算法采用MobileNetV3_large网络替代VGG16网络,可减少模型参数,提高检测实时性;利用添加SE模块的逆残差结构B-neck替换对应的标准卷积增强低层特征层的语义信息;设计改进RFB网络提升小交通标志的检测能力,重新设置预设先验框的尺寸,提升模型对特定数据集的检测能力。实验结果表明,改进SSD算法在中国交通标志检测数据集上的mAP值可达89.04%,比MobileNet-SSD算法提高了5.26%;帧率可达60 frames/s,比SSD算法提高了23 frames/s。所提算法具有较高的实时性和检测精度,对复杂交通环境具有更好的鲁棒性。
关键词
交通标志检测
SSD
MobileNetV3_large
逆残差结构
RFB
先验框
Keywords
traffic sign detection
SSD
MobileNetV3_large
inverse residual structure
RFB
priori box
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
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
融合注意力机制与逆残差结构的轻量级钻机目标检测方法
张栋
姜媛媛
《电子测量与仪器学报》
CSCD
北大核心
2022
14
在线阅读
下载PDF
职称材料
2
基于轻量化SSD的交通标志检测算法
张刚
王运明
彭超亮
《实验技术与管理》
CAS
北大核心
2024
3
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
