检索结果-维普期刊中文期刊服务平台

基于改进YOLOv8模型的井下人员入侵带式输送机危险区域智能识别被引量：1: 1; 作者毛清华苏毅楠 +3 位作者贺高峰翟姣王荣泉尚新芒《工矿自动化》北大核心 2025年第1期11-20,103,共11页; 针对煤矿带式输送机场景存在尘雾干扰严重、背景环境复杂、人员尺度多变且易遮挡等因素导致人员入侵危险区域识别准确率不高等问题,提出一种基于改进YOLOv8模型的井下人员入侵带式输送机危险区域智能识别系统。改进YOLOv8模型通过替换... 展开更多; 关键词煤矿带式输送机人员入侵危险区域 YOLOv8模型遮挡目标检测小目标检测多尺度融合 C2fER模块特征强化加权双向特征金字塔网络结构; 在线阅读下载PDF 职称材料

复杂城市交通场景下的自动驾驶语义分割方法被引量：3: 2; 作者周勇刘泓滨侯亚东《电子测量与仪器学报》 CSCD 北大核心 2024年第4期241-247,共7页; 多尺度特征金字塔可以缓解语义分割在复杂交通场景下通常存在漏分割、错误分割、边界分割不清晰等问题,但现有的多尺度特征金字塔在获取丰富的语义信息时,不得不下采样特征图,牺牲空间细节信息,而这导致了最终的分割结果仍然精度受限。... 展开更多; 关键词语义分割自动驾驶特征强化模块多尺度特征金字塔相似特征; 在线阅读下载PDF 职称材料

基于密集连接与特征增强的语义分割算法被引量：5: 3; 作者马素刚陈期梅 +2 位作者侯志强杨小宝张子贤《计算机工程》 CAS CSCD 北大核心 2023年第3期263-270,共8页; 在语义分割算法DeepLabv3+中,由于对主干网络提取的特征信息利用不充分,导致了分割边缘不连续、目标丢失以及分割错误等问题。为此,提出一种基于密集连接和特征增强的语义分割算法。采用共享空洞空间金字塔池化(S-ASPP)模块建立多个空... 展开更多; 关键词语义分割 DeepLabv3+算法空洞空间金字塔池化特征金字塔增强模块特征融合; 在线阅读下载PDF 职称材料

改进YOLOv5的沥青路面病害检测算法被引量：11: 4; 作者杨振李林 +2 位作者罗文婷倪昌双傅幼华《计算机工程与设计》北大核心 2023年第11期3360-3372,共13页; 为提升沥青路面病害自动化识别的准确率,提出一种特征网络增强算法(YOLO-EH)。该网络包含一种可以与CBAM注意力机制进行结合的新型特征增强模块(FEM)以及一种可以对FPN添加反馈链接的新型逆向二次循环特征金字塔网络(RCFPN)。实验结果表... 展开更多; 关键词深度学习沥青路面病害识别目标检测 YOLOv5 注意力机制特征增强模块逆向二次循环特征金字塔网络; 在线阅读下载PDF 职称材料

改进YOLOv4的安全帽佩戴检测方法被引量：7: 5; 作者李天宇吴浩 +2 位作者毛艳玲田洋川陈明举《计算机工程与设计》北大核心 2023年第8期2374-2381,共8页; 由于安全帽目标较小、环境复杂等因素的影响,易造成卷积神经网络的漏检与误检。为提高复杂环境中对安全帽的检测能力,提出一种基于YOLOv4的安全帽检测网络SR_YOLO。采用多尺度池化操作改进空间金字塔池化层,由分层卷积与scSE注意力模块... 展开更多; 关键词安全帽佩戴检测 YOLOv4 空间金字塔池化层特征增强模块 Res2 Net scSE注意力机制 Kmeans++; 在线阅读下载PDF 职称材料

题名基于改进YOLOv8模型的井下人员入侵带式输送机危险区域智能识别被引量：1: 1; 作者毛清华苏毅楠贺高峰翟姣王荣泉尚新芒; 机构西安科技大学机械工程学院陕西省矿山机电装备智能检测与控制重点实验室陕西小保当矿业有限公司西安重装韩城煤矿机械有限公司; 出处《工矿自动化》北大核心 2025年第1期11-20,103,共11页; 基金陕西省教育厅青年创新团队科研计划项目(23JP094) 陕西省秦创原“科学家+工程师”队伍建设项目(2023KXJ-238) 陕西省科技厅重点研发计划项目(2024CY2-GJHX-25)。; 文摘针对煤矿带式输送机场景存在尘雾干扰严重、背景环境复杂、人员尺度多变且易遮挡等因素导致人员入侵危险区域识别准确率不高等问题,提出一种基于改进YOLOv8模型的井下人员入侵带式输送机危险区域智能识别系统。改进YOLOv8模型通过替换主干网络C2f模块为C2fER模块,加强模型的细节特征提取能力,提升模型对小目标人员的识别性能;通过在颈部网络引入特征强化加权双向特征金字塔网络(FE-BiFPN)结构,提高模型的特征融合能力,从而提升模型对多尺度人员目标的识别效果;通过引入分离增强注意力模块(SEAM)增强模型在复杂背景下对局部特征的关注度,提升模型对遮挡目标人员的识别能力;通过引入WIoU损失函数增强训练效果,提升模型识别准确率。消融实验结果表明:改进YOLOv8模型的准确率较基线模型YOLOv8s提升2.3%,mAP@0.5提升3.4%,识别速度为104帧/s。人员识别实验结果表明:与YOLOv10m,YOLOv8s-CA、YOLOv8s-SPDConv和YOLO8n模型相比,改进YOLOv8模型对小目标、多尺度目标、遮挡目标的识别效果均更佳,识别准确率为90.2%,mAP@0.5为87.2%。人员入侵危险区域实验结果表明:井下人员入侵带式输送机危险区域智能识别系统判别人员入侵危险区域的平均准确率为93.25%,满足识别需求。; 关键词煤矿带式输送机人员入侵危险区域 YOLOv8模型遮挡目标检测小目标检测多尺度融合 C2fER模块特征强化加权双向特征金字塔网络结构; Keywords coal mine belt conveyor personnel intrusion into hazardous areas YOLOv8 model occluded target detection small target detection multi-scale fusion C2fER module feature enhancement Weighted Bi-Directional feature pyramid Network(FE-BiFPN); 分类号 TD528 [矿业工程—矿山机电]; 在线阅读下载PDF 职称材料

题名复杂城市交通场景下的自动驾驶语义分割方法被引量：3: 2; 作者周勇刘泓滨侯亚东; 机构昆明理工大学机电工程学院; 出处《电子测量与仪器学报》 CSCD 北大核心 2024年第4期241-247,共7页; 文摘多尺度特征金字塔可以缓解语义分割在复杂交通场景下通常存在漏分割、错误分割、边界分割不清晰等问题,但现有的多尺度特征金字塔在获取丰富的语义信息时,不得不下采样特征图,牺牲空间细节信息,而这导致了最终的分割结果仍然精度受限。针对该问题,本文提出了特征强化模块,使得有利于正确分类像素的相似特征在下采样过程之前得到基于不同矢量间余弦相似度的进一步加强,降低下采样带来的负面影响。另外,结合空洞卷积和条带卷积原理,本文对大卷积核进行了改造,并构建新的多尺度特征金字塔模块,以获取尺度不同且具备更大感受野的语义信息。该分割方法实时高效,能够满足自动驾驶语义分割要求,在VOC2012数据集上的实验表明,所提出的方法分割结果mIoU达到了74.36%,FPS达到了43,优于目前的主流语义分割方法。; 关键词语义分割自动驾驶特征强化模块多尺度特征金字塔相似特征; Keywords semantic segmentation automatic driving feature enhancement module multi-scale feature pyramid similar features; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] U121 [交通运输工程]; 在线阅读下载PDF 职称材料

题名基于密集连接与特征增强的语义分割算法被引量：5: 3; 作者马素刚陈期梅侯志强杨小宝张子贤; 机构西安邮电大学计算机学院西安邮电大学陕西省网络数据分析与智能处理重点实验室西安邮电大学西安市大数据与智能计算重点实验室; 出处《计算机工程》 CAS CSCD 北大核心 2023年第3期263-270,共8页; 基金国家自然科学基金(62072370) 陕西省重点研发计划(2018ZDCXL-GY-04-02)。; 文摘在语义分割算法DeepLabv3+中,由于对主干网络提取的特征信息利用不充分,导致了分割边缘不连续、目标丢失以及分割错误等问题。为此,提出一种基于密集连接和特征增强的语义分割算法。采用共享空洞空间金字塔池化(S-ASPP)模块建立多个空洞卷积之间的联系,增强局部信息之间的语义关联,捕获密集的采样点像素,同时提高对高层特征信息的利用。引入特征金字塔增强模块(FPEM)和特征融合模块(FFM),对主干网络输出的多层特征信息进行处理,增强特征的表达能力,并采用FFM对FPEM输出的不同尺度特征信息进行融合,提高各层特征之间的互补能力,以获得更全面的特征图信息。在此基础上,将S-ASPP和FFM的输出进行拼接和卷积操作,得到最终的分割结果。在PASCAL VOC 2012和Cityscapes数据集上的实验结果表明,该算法的平均交并比分别达到81.13%和73.39%,相较于基准算法DeepLabv3+分别提升了2.3和2.1个百分点,充分利用了骨干网络中的每层特征信息,提升了算法的分割精度,取得了较好的分割效果。; 关键词语义分割 DeepLabv3+算法空洞空间金字塔池化特征金字塔增强模块特征融合; Keywords semantic segmentation DeepLabv3+algorithm Atrous Spatial pyramid Pooling(ASPP) feature pyramid enhancement module(fpem) feature fusion; 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

题名改进YOLOv5的沥青路面病害检测算法被引量：11: 4; 作者杨振李林罗文婷倪昌双傅幼华; 机构福建农林大学交通与土木工程学院福建农林大学数字福建智能交通技术物联网实验室南京工业大学交通运输工程学院; 出处《计算机工程与设计》北大核心 2023年第11期3360-3372,共13页; 基金国家重点研发计划基金项目(2021YFB3202901) 福建省高校产学合作重大基金项目(2020H6009)。; 文摘为提升沥青路面病害自动化识别的准确率,提出一种特征网络增强算法(YOLO-EH)。该网络包含一种可以与CBAM注意力机制进行结合的新型特征增强模块(FEM)以及一种可以对FPN添加反馈链接的新型逆向二次循环特征金字塔网络(RCFPN)。实验结果表明,与原YOLOv5算法相比,YOLO-EH对于同一批路段数据在平均病害识别准确率上提高了2.6个百分点,验证了其准确性与有效性。; 关键词深度学习沥青路面病害识别目标检测 YOLOv5 注意力机制特征增强模块逆向二次循环特征金字塔网络; Keywords deep learning asphalt pavement disease recognition object detection YOLOv5 attention mechanism feature enhancement module reverse quadratic cyclic feature pyramid network; 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

题名改进YOLOv4的安全帽佩戴检测方法被引量：7: 5; 作者李天宇吴浩毛艳玲田洋川陈明举; 机构四川轻化工大学人工智能四川省重点实验室四川轻化工大学自动化与信息工程学院; 出处《计算机工程与设计》北大核心 2023年第8期2374-2381,共8页; 基金四川省科技厅基金项目(2020YFG0178、2021YFG0313) 人工智能四川省重点实验室基金项目(2019RYY01) +1 种基金大学生创新创业训练计划基金项目(cx2020160)。; 文摘由于安全帽目标较小、环境复杂等因素的影响,易造成卷积神经网络的漏检与误检。为提高复杂环境中对安全帽的检测能力,提出一种基于YOLOv4的安全帽检测网络SR_YOLO。采用多尺度池化操作改进空间金字塔池化层,由分层卷积与scSE注意力模块组成特征增强模块,改进网络结构,分别提高对网络感受野信息的获取能力和对Neck网络的特征提取能力。利用Kmeans++算法对安全帽数据进行anchor尺寸优化,提高算法的检测准确率。实验结果表明,SR_YOLO的mAP为84.05%,较YOLOv4提高1.45%,每秒检测帧率为30 fps,能够实现安全帽佩戴情况的快速准确检测。; 关键词安全帽佩戴检测 YOLOv4 空间金字塔池化层特征增强模块 Res2 Net scSE注意力机制 Kmeans++; Keywords safety helmet wearing test YOLOv4 spatial pyramid pooling layer feature enhancement module Res2 Net scSE attention mechanism Kmeans++; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] TP183 [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	基于改进YOLOv8模型的井下人员入侵带式输送机危险区域智能识别	毛清华苏毅楠贺高峰翟姣王荣泉尚新芒	《工矿自动化》北大核心	2025	1	在线阅读下载PDF 职称材料
2	复杂城市交通场景下的自动驾驶语义分割方法	周勇刘泓滨侯亚东	《电子测量与仪器学报》 CSCD 北大核心	2024	3	在线阅读下载PDF 职称材料
3	基于密集连接与特征增强的语义分割算法	马素刚陈期梅侯志强杨小宝张子贤	《计算机工程》 CAS CSCD 北大核心	2023	5	在线阅读下载PDF 职称材料
4	改进YOLOv5的沥青路面病害检测算法	杨振李林罗文婷倪昌双傅幼华	《计算机工程与设计》北大核心	2023	11	在线阅读下载PDF 职称材料
5	改进YOLOv4的安全帽佩戴检测方法	李天宇吴浩毛艳玲田洋川陈明举	《计算机工程与设计》北大核心	2023	7	在线阅读下载PDF 职称材料