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
基于改进YOLOv8n的施工场景下防护装备佩戴检测算法
被引量：
1
1
作者
李军
周科宇
+1 位作者
邹军
曾文炳
《郑州大学学报(工学版)》
北大核心
2025年第3期19-25,104,共8页
针对在施工场景中现有的防护装备检测算法存在受干扰信息影响、光照不均匀以及被作业设备遮挡等问题,提出了一种改进YOLOv8n的轻量化算法YOLO-LA。首先,将加权双向特征金字塔网络BiFPN引入颈部,通过多路径交互融合,提高底层细节和高级...
针对在施工场景中现有的防护装备检测算法存在受干扰信息影响、光照不均匀以及被作业设备遮挡等问题,提出了一种改进YOLOv8n的轻量化算法YOLO-LA。首先,将加权双向特征金字塔网络BiFPN引入颈部,通过多路径交互融合,提高底层细节和高级语义信息,增强多尺度特征融合性能,提升模型对复杂场景小目标的检测精度;其次,在基线模型中使用C2f-ContextGuided模块对骨干网络进行改造,ContextGuided模块使用全局上下文信息计算权重向量,并使用其细化局部特征和周围上下文特征的联合特征,从而提高模型的特征提取能力,并降低模型复杂度;再次,提出了一种全新的LSCD轻量化检测头,其使用共享卷积,减少模型的参数量和计算量;最后,用EIoU代替了原来的CIoU,优化边框回归,提高了算法收敛速度和回归精度。实验结果表明:YOLO-LA算法在防护装备佩戴检测中表现优异,相比基线模型YOLOv8n,参数量、计算量和模型内存分别降低了61.5%,43.2%和58.7%,同时mAP@0.5提升了1.4百分点,且FPS值为253帧/s,满足防护装备佩戴检测的实时性、准确性和轻量化要求。
展开更多
关键词
防护装备检测
BiFPN
lscd
EIoU损失
C2f-ContextGuided模块
模型轻量化
在线阅读
下载PDF
职称材料
基于改进YOLOv10n的电动车头盔佩戴检测算法
被引量：
5
2
作者
周翔
王可庆
+1 位作者
周新翔
韩基泰
《电子测量技术》
北大核心
2025年第5期40-49,共10页
针对电动车头盔佩戴检测方法存在着复杂路况下头盔小目标检测精度较低、目标相互遮挡漏检率较高、检测模型大运算复杂等问题。本研究提出一种基于改进YOLOv10n的目标检测算法,以解决在实际应用中的这些问题。首先,在MAFPN的基础上融合了...
针对电动车头盔佩戴检测方法存在着复杂路况下头盔小目标检测精度较低、目标相互遮挡漏检率较高、检测模型大运算复杂等问题。本研究提出一种基于改进YOLOv10n的目标检测算法,以解决在实际应用中的这些问题。首先,在MAFPN的基础上融合了BiFPN的优点,创新性地提出了BIMAFPN结构,提高了模型在复杂路况场景下的检测性能。其次,构建Inner-Wise-MPDIoU损失函数以替代传统的CIoU损失函数,在提高网络的检测精度的同时,还加速了模型的收敛过程。最后,引入LSCD检测头进一步减少模型参数量并提升检测性能。实验结果表明,改进模型相比于原模型在mAP@0.5精度上提升了2.7%,同时参数量降低了25%,模型大小减少了35%。本研究使用的检测方法不仅显著提高了复杂路况下的头盔检测精度,同时在兼顾轻量化的基础上保持了良好的实时性,便于将模型部署于小型嵌入式交通设备中。
展开更多
关键词
YOLOv10n
头盔佩戴检测
BIMAFPN
损失函数
lscd
模型轻量化
在线阅读
下载PDF
职称材料
题名
基于改进YOLOv8n的施工场景下防护装备佩戴检测算法
被引量：
1
1
作者
李军
周科宇
邹军
曾文炳
机构
重庆交通大学机电与车辆工程学院
出处
《郑州大学学报(工学版)》
北大核心
2025年第3期19-25,104,共8页
基金
国家自然科学基金资助项目(51305472)
重庆市研究生培养项目(JDLHPYJD2018003)。
文摘
针对在施工场景中现有的防护装备检测算法存在受干扰信息影响、光照不均匀以及被作业设备遮挡等问题,提出了一种改进YOLOv8n的轻量化算法YOLO-LA。首先,将加权双向特征金字塔网络BiFPN引入颈部,通过多路径交互融合,提高底层细节和高级语义信息,增强多尺度特征融合性能,提升模型对复杂场景小目标的检测精度;其次,在基线模型中使用C2f-ContextGuided模块对骨干网络进行改造,ContextGuided模块使用全局上下文信息计算权重向量,并使用其细化局部特征和周围上下文特征的联合特征,从而提高模型的特征提取能力,并降低模型复杂度;再次,提出了一种全新的LSCD轻量化检测头,其使用共享卷积,减少模型的参数量和计算量;最后,用EIoU代替了原来的CIoU,优化边框回归,提高了算法收敛速度和回归精度。实验结果表明:YOLO-LA算法在防护装备佩戴检测中表现优异,相比基线模型YOLOv8n,参数量、计算量和模型内存分别降低了61.5%,43.2%和58.7%,同时mAP@0.5提升了1.4百分点,且FPS值为253帧/s,满足防护装备佩戴检测的实时性、准确性和轻量化要求。
关键词
防护装备检测
BiFPN
lscd
EIoU损失
C2f-ContextGuided模块
模型轻量化
Keywords
protective equipment detection
BiFPN
lscd
EIoU loss
C2f-ContextGuided module
model lightweighting
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YOLOv10n的电动车头盔佩戴检测算法
被引量：
5
2
作者
周翔
王可庆
周新翔
韩基泰
机构
南京信息工程大学自动化学院
无锡学院自动化学院
出处
《电子测量技术》
北大核心
2025年第5期40-49,共10页
基金
“太湖之光”科技攻关(基础研究)(K20221051)项目资助。
文摘
针对电动车头盔佩戴检测方法存在着复杂路况下头盔小目标检测精度较低、目标相互遮挡漏检率较高、检测模型大运算复杂等问题。本研究提出一种基于改进YOLOv10n的目标检测算法,以解决在实际应用中的这些问题。首先,在MAFPN的基础上融合了BiFPN的优点,创新性地提出了BIMAFPN结构,提高了模型在复杂路况场景下的检测性能。其次,构建Inner-Wise-MPDIoU损失函数以替代传统的CIoU损失函数,在提高网络的检测精度的同时,还加速了模型的收敛过程。最后,引入LSCD检测头进一步减少模型参数量并提升检测性能。实验结果表明,改进模型相比于原模型在mAP@0.5精度上提升了2.7%,同时参数量降低了25%,模型大小减少了35%。本研究使用的检测方法不仅显著提高了复杂路况下的头盔检测精度,同时在兼顾轻量化的基础上保持了良好的实时性,便于将模型部署于小型嵌入式交通设备中。
关键词
YOLOv10n
头盔佩戴检测
BIMAFPN
损失函数
lscd
模型轻量化
Keywords
YOLOv10n
helmet wearing detection
BIMAFPN
loss function
lscd
model lightweighting
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
TN06 [电子电信—物理电子学]
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YOLOv8n的施工场景下防护装备佩戴检测算法
李军
周科宇
邹军
曾文炳
《郑州大学学报(工学版)》
北大核心
2025
1
在线阅读
下载PDF
职称材料
2
基于改进YOLOv10n的电动车头盔佩戴检测算法
周翔
王可庆
周新翔
韩基泰
《电子测量技术》
北大核心
2025
5
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
