检索结果-维普期刊中文期刊服务平台

改进轻量化VTG-YOLOv7-tiny的钢材表面缺陷检测被引量：9: 1; 作者梁礼明龙鹏威 +1 位作者冯耀卢宝贺《光学精密工程》 EI CAS CSCD 北大核心 2024年第8期1227-1240,共14页; 针对钢材表面缺陷形态多样、结构复杂且存在检测目标漏检现象和算法参数量过大等问题,提出一种轻量化VTG-YOLOv7-tiny的钢材缺陷检测算法。该方法一是设计VoVGA-FPN网络,以减少信息传递过程中的丢失,增强网络特征融合能力;二是构建三重... 展开更多; 关键词缺陷检测轻量化YOLOv7-tiny VoVGA-FPN网络三重坐标注意力鬼影混洗卷积; 在线阅读下载PDF 职称材料

基于特征增强与Transformer的煤矿输送带异物检测被引量：7: 2; 作者高涵赵培培 +3 位作者于正肖涛李肖利李良先《煤炭科学技术》 EI CAS CSCD 北大核心 2024年第7期199-208,共10页; 输送带是煤矿井下最重要的运输设备之一,在输送工作中会因锚杆、槽钢、大块矸石等异物混入造成输送带撕裂、落煤口阻塞等重大安全事故,严重影响运输效率,甚至威胁工人生命安全。为了解决现有输送带异物检测算法存在的对细长物体表征能... 展开更多; 关键词异物检测 YOLOv7-tiny 鬼影混洗卷积输送带深度学习; 在线阅读下载PDF 职称材料

基于改进YOLOv5的口罩佩戴检测算法被引量：6: 3; 作者张欣怡张飞 +2 位作者郝斌高鹭任晓颖《计算机工程》 CAS CSCD 北大核心 2023年第8期265-274,共10页; 在公共场合密集人群场景下,由于目标遮挡导致的信息缺失及检测目标较小、分辨率低问题,使得人脸佩戴口罩检测算法的检测效果较差。为提高模型的检测精度和速度,减少硬件占用资源,提出一种基于改进YOLOv5s的口罩佩戴检测算法。将标准卷... 展开更多; 关键词口罩佩戴检测 YOLOv5s模型鬼影混洗卷积自适应空间特征融合轻量级通用上采样算子; 在线阅读下载PDF 职称材料

基于改进YOLO v5的橙子果实识别方法被引量：9: 4; 作者刘忠意魏登峰 +3 位作者李萌周绍发鲁力董雨雪《江苏农业科学》北大核心 2023年第19期173-181,共9页; 针对自然环境下橙子检测存在枝叶遮挡、相邻果实重叠等情况而导致检测效果差的问题,提出一种改进的YOLO v5方法。首先,在主干网络部分使用RepVGG(re-param VGG)模块替换原始C3模块,加强网络对特征信息的提取能力;其次,在颈部网络使用鬼... 展开更多; 关键词 YOLO v5 橙子识别 RepVGG 损失函数 ECA注意力鬼影混洗卷积; 在线阅读下载PDF 职称材料

题名改进轻量化VTG-YOLOv7-tiny的钢材表面缺陷检测被引量：9: 1; 作者梁礼明龙鹏威冯耀卢宝贺; 机构江西理工大学电气工程与自动化学院; 出处《光学精密工程》 EI CAS CSCD 北大核心 2024年第8期1227-1240,共14页; 基金国家自然科学基金资助项目(No.51365017,No.6146301) 江西省自然科学基金资助项目(No.20192BAB205084) 江西省教育厅科学技术研究重点项目(No.GJJ170491)。; 文摘针对钢材表面缺陷形态多样、结构复杂且存在检测目标漏检现象和算法参数量过大等问题,提出一种轻量化VTG-YOLOv7-tiny的钢材缺陷检测算法。该方法一是设计VoVGA-FPN网络,以减少信息传递过程中的丢失,增强网络特征融合能力;二是构建三重坐标注意力机制,提升模型对空间和通道信息的特征提取能力;三是引入鬼影混洗卷积,在提高精度的同时降低模型参数量和计算量;四是增加大目标检测层,改善特征图中部分缺陷占比较大,导致检测精度低的问题。在NEU-DET和Severstal钢材缺陷数据集进行实验验证,改进后算法与原模型相比,mAP分别提升5.7%和8.5%;参数量和计算量分别降低0.61 M和4.2 G;精确度和召回率分别提升7.1%,1.8%和8.9%,7.0%。实验结果表明,改进后的算法更好地平衡了检测精度和轻量化,为边缘终端设备提供了参考。; 关键词缺陷检测轻量化YOLOv7-tiny VoVGA-FPN网络三重坐标注意力鬼影混洗卷积; Keywords defect detection Lightweight YOLOv7-tiny VoVGA-FPN network Triplet Coordinate Attention(TCA) Ghost Shuffle Convolution(GSConv); 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

题名基于特征增强与Transformer的煤矿输送带异物检测被引量：7: 2; 作者高涵赵培培于正肖涛李肖利李良先; 机构中国矿业大学信息与控制工程学院常州海图信息科技股份有限公司焦作煤业(集团)新乡能源有限公司赵固二矿; 出处《煤炭科学技术》 EI CAS CSCD 北大核心 2024年第7期199-208,共10页; 基金国家重点研发计划资助项目(2022YFC3004700)。; 文摘输送带是煤矿井下最重要的运输设备之一,在输送工作中会因锚杆、槽钢、大块矸石等异物混入造成输送带撕裂、落煤口阻塞等重大安全事故,严重影响运输效率,甚至威胁工人生命安全。为了解决现有输送带异物检测算法存在的对细长物体表征能力弱、弱语义特征提取能力差等问题,设计了一种基于低层级特征增强与Transformer机制的异物检测算法(Feature Enhancement and Transformer YOLO,FET–YOLO)。首先,针对现有检测网络难以提取细长物体特征的问题,引入可变形卷积以提升网络对细长异物的形状特性的适应性,并使用MobileViT模块增加图像中异物与背景的区分度,以提取出更符合细长异物的多样性特征,削弱背景噪声的干扰;其次,构建低层级特征增强模块(Low-Level Feature Enhancement Module,LFEM),提升异物弱语义特征在检测网络中的表达能力,以降低漏检、错检的概率;最后,引入鬼影混洗卷积(GSConv)减少因特征图尺寸变化造成的信息丢失,保证网络高效提取特征的同时,减少模型参数量。利用煤矿井下输送带工作视频制作训练集和验证集,并将提出的算法与现有的3种输送带检测算法对比,实验结果表明:所提出的算法可以更好的解决输送带异物目标检测中细长物体检测效果差、弱语义特征提取困难的问题,具有更高的检测精度、同时符合输送带检测场景对检测实时性的要求,对于分辨率大小为640×640的图像mAP@0.5可达0.875,mAP@0.5:0.95可达0.543,检测速度为75 fps。; 关键词异物检测 YOLOv7-tiny 鬼影混洗卷积输送带深度学习; Keywords foreign object detection YOLOv7-tiny ghost convolution conveyor belt deep learning; 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

题名基于改进YOLOv5的口罩佩戴检测算法被引量：6: 3; 作者张欣怡张飞郝斌高鹭任晓颖; 机构内蒙古科技大学信息工程学院; 出处《计算机工程》 CAS CSCD 北大核心 2023年第8期265-274,共10页; 基金内蒙古自治区科技计划项目(2021GG0046,2021GG0048)。; 文摘在公共场合密集人群场景下,由于目标遮挡导致的信息缺失及检测目标较小、分辨率低问题,使得人脸佩戴口罩检测算法的检测效果较差。为提高模型的检测精度和速度,减少硬件占用资源,提出一种基于改进YOLOv5s的口罩佩戴检测算法。将标准卷积和深度可分离卷积相结合替换传统卷积,并进行通道混洗的鬼影混洗卷积,以在保证精度的前提下提升网络速度。将最近邻法上采样替换为轻量级通用上采样算子,充分利用特征语义信息,在改进的YOLOv5s模型Neck层末端添加自适应空间特征融合,可以对不同尺度的特征进行更好的融合,提高网络检测精度,并通过自适应图片采样,缓解数据不均衡的问题,运用马赛克数据增强对小目标进行充分利用。实验结果表明,该算法在AIZOO数据集上的mAP值达到了93%,比YOLOv5原始模型提升了2个百分点,对于佩戴口罩的人脸检测精度达到了97.7%,优于同等情况下YOLO系列、SSD、RetinaFace的检测效果,同时在GPU上的运行推理速度提升了16.7个百分点,且模型权重文件的内存仅为23.5 MB,适用于实时口罩佩戴检测。; 关键词口罩佩戴检测 YOLOv5s模型鬼影混洗卷积自适应空间特征融合轻量级通用上采样算子; Keywords mask wearing detection YOLOv5s model Ghost-Shadowed wash Convolution(GSConv) Adaptive Spatial Feature Fusion(ASFF) lightweight universal upsampling operator; 分类号 TP391 [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

题名基于改进YOLO v5的橙子果实识别方法被引量：9: 4; 作者刘忠意魏登峰李萌周绍发鲁力董雨雪; 机构长江大学计算机科学学院; 出处《江苏农业科学》北大核心 2023年第19期173-181,共9页; 基金新疆维吾尔自治区创新人才建设专项自然科学计划(自然科学基金)基金项目(编号:2020D01A132)。; 文摘针对自然环境下橙子检测存在枝叶遮挡、相邻果实重叠等情况而导致检测效果差的问题,提出一种改进的YOLO v5方法。首先,在主干网络部分使用RepVGG(re-param VGG)模块替换原始C3模块,加强网络对特征信息的提取能力;其次,在颈部网络使用鬼影混洗卷积(ghost-shuffle convolution)代替原有的标准卷积,能够在保证精度的前提下,降低模型参数量;再次,在预测头前加入ECA(efficient channel attention)注意力模块,能够更加准确定位目标信息;最后,引入EIOU(efficient intersection over union)损失函数加速预测框的收敛,提高其回归精度。改进的YOLO v5网络在自然环境下的橙子检测中平均精度达到90.1%,相比于目前热门的检测网络CenterNet、YOLO v3和YOLO v4其在识别效果方面有一定的提升。可见,所提出的改进网络在橙子检测上更有优势,能为今后智能采摘机器人的研发提供理论支撑和技术参考。; 关键词 YOLO v5 橙子识别 RepVGG 损失函数 ECA注意力鬼影混洗卷积; 分类号 TP391.41 [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	作者	出处	发文年	被引量	操作
1	改进轻量化VTG-YOLOv7-tiny的钢材表面缺陷检测	梁礼明龙鹏威冯耀卢宝贺	《光学精密工程》 EI CAS CSCD 北大核心	2024	9	在线阅读下载PDF 职称材料
2	基于特征增强与Transformer的煤矿输送带异物检测	高涵赵培培于正肖涛李肖利李良先	《煤炭科学技术》 EI CAS CSCD 北大核心	2024	7	在线阅读下载PDF 职称材料
3	基于改进YOLOv5的口罩佩戴检测算法	张欣怡张飞郝斌高鹭任晓颖	《计算机工程》 CAS CSCD 北大核心	2023	6	在线阅读下载PDF 职称材料
4	基于改进YOLO v5的橙子果实识别方法	刘忠意魏登峰李萌周绍发鲁力董雨雪	《江苏农业科学》北大核心	2023	9	在线阅读下载PDF 职称材料