检索结果-维普期刊中文期刊服务平台

基于照度图引导的低照度图像增强网络被引量：6: 1; 作者黄淑英黎为 +2 位作者杨勇万伟国赖厚增《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2024年第1期92-101,共10页; 在低照度环境下采集的图像,由于光照的不均匀性,存在能见度差、对比度低和颜色失真等问题.现有的大多数低照度图像增强方法存在过增强或欠增强的现象,影响视觉感知和后续目标检测任务.针对上述问题,提出一种基于照度图引导的低照度图像... 展开更多; 关键词低照度图像增强照度图引导直方图损失函数概率旋转增强目标检测; 在线阅读下载PDF 职称材料

基于二阶段目标增强网络的低照度复杂环境下绝缘子故障检测方法被引量：6: 2; 作者田子建吴佳奇 +3 位作者张文琪陈伟杨伟王帅《电网技术》 EI CSCD 北大核心 2024年第3期1331-1340,共10页; 从低照度户外环境中航拍采集的绝缘子影像,存在照度低、背景复杂、绝缘子故障目标小等缺陷,严重影响低照度环境下绝缘子故障检测准确性。为解决上述问题,文章提出一种基于TOE-Net的低照度复杂环境下绝缘子故障检测方法,提出TOE-Net进行... 展开更多; 关键词绝缘子故障检测低光复杂环境目标检测小目标检测二阶段目标增强网络弱监督机制零目标图像增强损失函数小目标特征增强SSD YOLOv7小目标检测算法; 在线阅读下载PDF 职称材料

基于改进YOLOv10s的海洋牧场水下海参检测方法: 3; 作者刘侦龙王骥麦仁贵《农业工程学报》北大核心 2025年第10期186-194,共9页; 针对海洋牧场水下复杂环境中海参目标小且体表与背景区分难度大,光线高度弱化,图像存在大量噪声以及海参堆叠遮挡导致检测精度低的问题,该研究提出了一种基于改进YOLOv10s模型的水下海参检测方法YOLOv10-MECAS。该方法设计了中值增强的... 展开更多; 关键词海参 YOLOv10s 水下目标检测注意力模块损失函数水下图像增强; 在线阅读下载PDF 职称材料

改进YOLOv5s的细胞培养板分类识别方法研究被引量：1: 4; 作者王坛王卫军 +1 位作者贺利乐徐征《机械设计与制造》北大核心 2023年第11期21-25,30,共6页; 针对传统生物实验室自动化程度低、效率低的问题,提出一种基于YOLOv5s的细胞培养板分类识别算法—YOLOv5s-tiny。首先通过多尺度同态滤波颜色恢复算法对输入端图像进行预处理,提高了图像的成像效果;在考虑实验场景的情况下对小目标的检... 展开更多; 关键词目标检测图像增强 YOLO 损失函数非极大值抑制注意力机制; 在线阅读下载PDF 职称材料

题名基于照度图引导的低照度图像增强网络被引量：6: 1; 作者黄淑英黎为杨勇万伟国赖厚增; 机构天津工业大学软件学院江西财经大学软件与物联网工程学院天津工业大学计算机科学与技术学院; 出处《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2024年第1期92-101,共10页; 基金国家自然科学基金(61862030,62072218) 江西省自然科学基金(20192ACB20002,20192ACBL21008)。; 文摘在低照度环境下采集的图像,由于光照的不均匀性,存在能见度差、对比度低和颜色失真等问题.现有的大多数低照度图像增强方法存在过增强或欠增强的现象,影响视觉感知和后续目标检测任务.针对上述问题,提出一种基于照度图引导的低照度图像增强网络.首先根据低照度图像的灰度分布特点构造对应的照度图,度量低照度图像不同区域块的明暗程度;然后利用照度图作为网络增强的引导图,与低照度图像一起送入图像增强网络来获得增强后的图像.为了解决训练数据不足的问题,提出一种基于内循环和概率旋转的数据增强方法来扩充训练数据样本的数量和多样性;同时,针对目前图像增强方法中普遍存在照度不均匀的问题,基于直方图匹配的思想构建一种直方图损失函数,约束并指导网络的训练.在合成数据集LOL和真实图像上的实验结果表明,所提网络在低照度图像增强方面获得了更好的主观视觉效果;与经典的RetinexNet方法相比,所提方法在PSNR和SSIM客观定量指标上分别提高了7.905 dB和0.328;该网络对后续目标检测任务的检测率可提高10.17%~17.19%.; 关键词低照度图像增强照度图引导直方图损失函数概率旋转增强目标检测; Keywords low-light image enhancement guidance of illuminance map histogram loss function probability rot-ation enhancement object detection; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于二阶段目标增强网络的低照度复杂环境下绝缘子故障检测方法被引量：6: 2; 作者田子建吴佳奇张文琪陈伟杨伟王帅; 机构中国矿业大学(北京)机电与信息工程学院中国矿业大学计算机科学与技术学院国家矿山安全监察局内蒙古局; 出处《电网技术》 EI CSCD 北大核心 2024年第3期1331-1340,共10页; 基金国家自然科学基金项目(52074305,52274160,51874300) 国家自然科学基金委员会–山西省人民政府煤基低碳联合基金(U1510115)。; 文摘从低照度户外环境中航拍采集的绝缘子影像,存在照度低、背景复杂、绝缘子故障目标小等缺陷,严重影响低照度环境下绝缘子故障检测准确性。为解决上述问题,文章提出一种基于TOE-Net的低照度复杂环境下绝缘子故障检测方法,提出TOE-Net进行图像预处理方法,再使用YOLOv7-OL作为故障检测模块检测小目标绝缘子故障。在二阶段目标增强网络(two-stage object enhancement network,TOE-Net)中,设计零目标图像增强损失函数实现预增强网络(preparation enhancement network,PreEnNet)和深度增强网络(deep enhancement network,DeepEnNet)的无监督学习;使用信道级注意力模块跳跃式通道注意力机制(skip squeeze excitation networt,Skip_SENet)和跳跃式通道注意力机制(skip convolutional block attention module,Skip_CBAM)模块改进原始小目标特征增强单次多框检测算法(small object detection enhancement single shot multiBox detector,SDE-SSD),从而提升定位网络的小目标检测能力;设计弱监督机制使预增强网络根据小目标特征增强SSD的要求来提升图像增强能力,直到小目标特征增强SSD能够从增强图像中准确定位绝缘子串位置;使用深度增强网络深度增强绝缘子串区域,提升各类故障的特征显著性。故障检测模块中,将YOLOv7目标检测算法改进为面向小目标YOLOv7,在原模型中添加结合多尺度特征自适应融合网络的小目标检测通道,并将原始损失函数的CIOU改进为BIOU,从而提高模型的小目标检测性能。在低照度环境绝缘子故障检测实验中,该算法与5种目前常用目标检测算法相比具有较大优势,并且相较于低光目标检测算法IA-YOLO、GenISP with RetinaNet,m AP提升9.77%、10.35%,检测速度提升7.23%、10.16%,证明该算法适用于低照度复杂环境下小目标绝缘子故障检测任务;在正常光照绝缘子故障检测实验中该算法仍保持出色性能,证明该算法能够实现常规光照条件下绝缘子小目标故障检测。; 关键词绝缘子故障检测低光复杂环境目标检测小目标检测二阶段目标增强网络弱监督机制零目标图像增强损失函数小目标特征增强SSD YOLOv7小目标检测算法; Keywords insulator faults detection low-light complex environment object detection small object detection two-phase object enhancement network weakly supervised mechanism non-object image enhancement loss SDE-SSD YOLOv7-OL; 分类号 TM721 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于改进YOLOv10s的海洋牧场水下海参检测方法: 3; 作者刘侦龙王骥麦仁贵; 机构广东海洋大学数学与计算机学院广东海洋大学电子与信息工程学院广东省智慧海洋传感网及其装备工程技术研究中心; 出处《农业工程学报》北大核心 2025年第10期186-194,共9页; 基金广东省普通高校重点领域新一代信息技术专项(2020ZDZX3008)。; 文摘针对海洋牧场水下复杂环境中海参目标小且体表与背景区分难度大,光线高度弱化,图像存在大量噪声以及海参堆叠遮挡导致检测精度低的问题,该研究提出了一种基于改进YOLOv10s模型的水下海参检测方法YOLOv10-MECAS。该方法设计了中值增强的通道和空间注意力模块MECAS(median-enhanced channel and spatial),保留目标特征的同时减少图像噪声并通过多尺度深度卷积提升海参图像特征捕捉能力;引入可切换空洞卷积SAConv(switchable atrous convolution)模块替换SCDown(spatial-channel decoupling downsampling)模块中的3×3普通卷积模块,在无需增大卷积核尺寸的前提下扩大了感受野,增强模型捕获遮挡目标的特征能力;采用基于暗通道先验的水下图像增强算法UDCP(underwater dark channel prior)对数据集图像进行增强,优化对比度,提高图像质量;使用MPDIoU(minimum points distance intersection over union)损失函数,减少由于样本差异性大引起的检测框失真,提高模型鲁棒性。试验利用水下真实场景下采样的海参数据集对模型的性能进行了评价。结果显示,在常规数据集上,该模型的精确率、召回率、mAP_(0)_(.)_(5)分别达到85.7%、81.5%、89.7%,相比基线模型分别提高了6.4、4.4、5.0个百分点;在增强数据集上,该模型的精确率、召回率、mAP_(0)_(.)_(5)分别达到86.4%、82.6%、90.4%,相比基线模型分别提高了3.3、2.1、4.8个百分点。研究结果表明,该研究提出的模型在复杂海洋牧场水下环境中,能有效提高小目标海参的检测精度,可为海参自动化捕捞提供理论支持。; 关键词海参 YOLOv10s 水下目标检测注意力模块损失函数水下图像增强; Keywords sea cucumber YOLOv10s underwater target detection attention module loss function underwater image enhancement; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] S97 [农业科学—捕捞与储运]; 在线阅读下载PDF 职称材料

题名改进YOLOv5s的细胞培养板分类识别方法研究被引量：1: 4; 作者王坛王卫军贺利乐徐征; 机构西安建筑科技大学机电工程学院广州中国科学院先进技术研究所; 出处《机械设计与制造》北大核心 2023年第11期21-25,30,共6页; 基金合成生物学自动化铸造平台关键技术研发(2018YFA0902900) 合成生物多尺度操作设备研发(2018YFA0902903)。; 文摘针对传统生物实验室自动化程度低、效率低的问题,提出一种基于YOLOv5s的细胞培养板分类识别算法—YOLOv5s-tiny。首先通过多尺度同态滤波颜色恢复算法对输入端图像进行预处理,提高了图像的成像效果;在考虑实验场景的情况下对小目标的检测层进行剪枝;使用深度可分离卷积代替普通卷积,减少了模型的参数量,提高了运算速度;采用距离交互比损失函数及软化非极大值抑制算法,加快了收敛速度,提高了边界框的准确率;加入卷积块注意力机制,解决了检测过程中局部遮挡和漏检问题;最后,使用YOLOv5s-tiny算法对细胞培养板进行实验。通过与原始YOLOv5s算法比较,验证该算法能快速、准确的对细胞培养板进行分类识别,准确率和召回率分别提高了4.5%和1.4%,提高了生物实验室的工作效率。; 关键词目标检测图像增强 YOLO 损失函数非极大值抑制注意力机制; Keywords Target Detection Image Enhancement YOLO Loss Function Non-Maximum Suppression Attention Mechanism; 分类号 TH16 [机械工程—机械制造及自动化] TP301.6 [自动化与计算机技术—计算机系统结构]; 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	基于照度图引导的低照度图像增强网络	黄淑英黎为杨勇万伟国赖厚增	《计算机辅助设计与图形学学报》 EI CSCD 北大核心	2024	6	在线阅读下载PDF 职称材料
2	基于二阶段目标增强网络的低照度复杂环境下绝缘子故障检测方法	田子建吴佳奇张文琪陈伟杨伟王帅	《电网技术》 EI CSCD 北大核心	2024	6	在线阅读下载PDF 职称材料
3	基于改进YOLOv10s的海洋牧场水下海参检测方法	刘侦龙王骥麦仁贵	《农业工程学报》北大核心	2025	0	在线阅读下载PDF 职称材料
4	改进YOLOv5s的细胞培养板分类识别方法研究	王坛王卫军贺利乐徐征	《机械设计与制造》北大核心	2023	1	在线阅读下载PDF 职称材料