-
题名基于改进YOLOv5s算法的路况危险检测算法
- 1
-
-
作者
胡文奕
庄新鱼
黄亚楠
罗锦昊
彭宇暄
-
机构
东北大学秦皇岛分校
-
出处
《信息技术与信息化》
2025年第2期168-173,共6页
-
基金
2023年校级大学生创新创业计划项目(CX24601)。
-
文摘
为提高道路安全意识,减少事故风险,文章提出了一种基于改进YOLOv5s算法的路况危险检测算法。改进的YOLOv5s模型即ROD-YOLOv5s。在原来的YOLOv5s模型基础上,首先引入更深的网络结构和压缩和激励网络模块(SE模块)增强特征的提取能力;其次,模型使用金字塔注意力网络(PAN)来进一步强化特征的多尺度表达;最后通过使用完整的交并比损失函数(CIoU损失函数)代替传统的IoU损失函数提高了模型的定位精度和泛化能力。所提模型在PASCAL VOC数据集上进行了验证实验,发现ROD-YOLOv5s模型准确率为94%,召回率为91.5%,平均精度均值为94.8%,ROD-YOLOv5s模型与其他算法模型相比在各项指标上均有很大优势,具有很强的鲁棒性。
-
关键词
路况检测
改进YOLOv5s
SE模块
金字塔注意力网络
CIoU损失函数
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TP391.41
[自动化与计算机技术—计算机应用技术]
U492.8
[交通运输工程—交通运输规划与管理]
-
-
题名基于SuNet的公共交通安检违禁品的检测
- 2
-
-
作者
张缓缓
刘鹏程
姜萌
王雨欣
-
机构
西安工程大学电子信息学院
-
出处
《西安工程大学学报》
2025年第2期47-56,共10页
-
基金
国家自然科学基金青年项目(61902302)
陕西省科技厅重点研发计划项目(2024GX-YBXM-231)
浙江省博士后科研项目择优资助(ZJ2022154)。
-
文摘
在公共交通安检场景中,违禁品与非违禁品相互重叠,导致现有模型难以有效地识别被遮挡违禁品类别问题。针对这一问题,文中提出基于SuNet的违禁品检测模型。首先,设计了强化注意力定位特征金字塔网络(augmented attention localization feature pyramid network,AALFPN),以强化违禁品的语义信息,并将违禁品定位信息和语义信息融合,引导模型准确定位被遮挡的违禁品位置,增强违禁品的特征轮廓。其次,引入了密集注意力机制(dense attention mechanism,DAM),以有效地识别和提取被遮挡违禁品。最后,引入了SmoothL1 Loss损失函数解决在回归过程中违禁品类别信息丢失的问题。该实验在PIDray数据集上对SuNet能够有效识别被遮挡违禁品类别进行验证,在CLCXray数据集上对SuNet在其他违禁品数据集上具有泛化性进行验证。结果表明:在PIDray数据集上,相较于RoIAttn模型,SuNet在AP@0.5∶0.95、AP@0.5和AP@0.75指标上分别提升了2.9%、4.4%和3.3%;在CLCXray数据集上,相较于RoIAttn模型,SuNet在AP@0.5∶0.95、AP@0.5和AP@0.75指标上分别提升了1.4%、1.4%和0.4%。说明SuNet不仅能有效识别被遮挡违禁品类别,还在其他违禁品数据集上具有良好的泛化性能,可为公共交通安检场景提供一种有效的违禁品检测解决方案。
-
关键词
违禁品检测
SuNet
强化注意力定位特征金字塔网络
密集注意力机制
SmoothL1
Loss
-
Keywords
prohibited item detection
SuNet
augmented attention localization feature pyramid network(AALFPN)
dense attention mechanism(DAM)
SmoothL1 Loss
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
