检索结果-维普期刊中文期刊服务平台

基于改进的MobilenetV3热轧钢带表面缺陷分类被引量：1: 1; 作者熊政车文刚 +1 位作者保永莉刘晓彤《兰州大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第2期182-186,共5页; 提出一种基于轻量化神经网络MobilenetV3-large改进的热轧钢带表面缺陷分类算法,通过剪枝、大量削减卷积层数、调整通道大小和步长,以及修改对应的网络参数快速降低了参数量.为弥补修改模型带来的准确率下降的问题,将激活函数ReLU更换为... 展开更多; 关键词 mobilenetv3算法转移注意力结构性剪枝缺陷分类; 在线阅读下载PDF 职称材料

基于改进YOLOv5的轻量级大豆田间杂草识别方法研究被引量：1: 2; 作者陈雪谭峰《农机使用与维修》 2025年第2期1-7,共7页; 为对自然环境下大豆田间的大豆幼苗与杂草实现实时检测,提出一种基于改进YOLOv5的轻量级大豆田间杂草识别方法。该方法在YOLOv5s网络的基础上引入适用于边缘设备的轻量级卷积神经网络MobileNetV3,建立了YOLOv5s-MobileNetV3的大豆杂草... 展开更多; 关键词大豆苗草识别目标检测算法 mobilenetv3; 在线阅读下载PDF 职称材料

一种基于Mobilenetv3的行人检测算法研究被引量：1: 3; 作者马志钢南新元 +1 位作者高丙朋李恒《现代电子技术》 2023年第16期149-154,共6页; 针对实时的行人检测算法要求模型具有轻量型和良好的鲁棒性,文中提出一种基于Mobilenetv3的行人检测算法。该算法首先采用Mobilenetv3作为模型的主干特征提取网络;然后通过深度可分离卷积替换PANet中的普通卷积,减少网络的复杂度;最后... 展开更多; 关键词行人检测算法 mobilenetv3网络 YOLOv4算法深度可分离卷积注意力机制检测性能; 在线阅读下载PDF 职称材料

基于MDS-YOLO模型的小目标检测问题研究: 4; 作者朱恩文梁曌 +1 位作者肖进文梁小林《湖南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第12期78-86,共9页; 针对目前主流算法对小目标检测存在计算量大与准确率较低的问题,本文以轻量级网络MobileNetV3代替YOLOv4中的主干网络,并将颈部网络中的一部分普通卷积用深度可分离卷积替代,同时针对小目标检测定义一个新的损失函数IF-EIoU Loss,由此... 展开更多; 关键词小目标检测 YOLOv4算法轻量级网络mobilenetv3 IF-EIoU Loss MS COCO数据集; 在线阅读下载PDF 职称材料

基于轻量化网络对植物叶斑病的目标检测研究: 5; 作者吴晓林曹兴芹《现代电子技术》北大核心 2024年第22期146-152,共7页; 为了提高植物叶斑病的检测效率和精度,引入主流的目标检测模型YOLOv5对叶斑病进行检测。结果显示,模型在检测较小的叶斑病时精度不高,且模型权重体积较大,不利于在终端边缘设备上部署。为此,对YOLOv5模型进行改进。首先,采用经过SCSE模... 展开更多; 关键词植物叶斑病目标检测 YOLOv5网络模型 mobilenetv3 K-means++聚类算法 SCSE模块; 在线阅读下载PDF 职称材料

一种基于改进YOLOv4的舰炮弹着点水柱检测方法: 6; 作者王智石章松 +2 位作者吴鹏飞吴中红祁江鑫《海军工程大学学报》 CAS 北大核心 2022年第6期35-40,共6页; 为解决弹着点水柱目标准确且快速检测的问题,充分平衡检测精度和实时性要求,首先通过将轻量级深度卷积神经网络MobileNetv3与YOLOv4算法结合,并利用3×3的深度可分离卷积代替PANet中的普通卷积,构建了用于水柱检测的网络模型M-YOLO... 展开更多; 关键词水柱检测 YOLOv4 深度可分离卷积 mobilenetv3 K-MEANS聚类算法; 在线阅读下载PDF 职称材料

一种轻量化YOLOv4的遥感影像桥梁目标检测算法被引量：3: 7; 作者余培东王鑫 +2 位作者江刚武刘建辉徐佰祺《海洋测绘》 CSCD 北大核心 2022年第2期59-64,共6页; 深度学习技术发展迅速,在目标检测中表现出良好的适应性。针对YOLOv4算法在遥感影像桥梁目标检测任务中的检测效率较低和模型轻量化不足问题,使用轻量化的MobileNetv3骨干网络替换原始CSPDarkNet53骨干网络,将传统卷积层替换为深度超参... 展开更多; 关键词桥梁目标检测 YOLOv4算法 mobilenetv3算法深度超参数化卷积轻量化模型; 在线阅读下载PDF 职称材料

改进SSD算法在零部件检测中的应用研究被引量：12: 8; 作者沈新烽姜平周根荣《计算机工程与应用》 CSCD 北大核心 2021年第7期257-262,共6页; 针对生产线上运动过程中的零部件类型检测的实时性和准确度要求高,部分零件体积较小难以检测的问题,提出一种基于改进SSD(Single Shot MultiBox Detector)目标检测算法的零部件检测方法。使用轻量级网络MobileNetV3-Large替代SSD算法的... 展开更多; 关键词零部件检测 SSD目标检测算法 mobilenetv3 特征金字塔网络; 在线阅读下载PDF 职称材料

题名基于改进的MobilenetV3热轧钢带表面缺陷分类被引量：1: 1; 作者熊政车文刚保永莉刘晓彤; 机构昆明理工大学信息工程与自动化学院昆明理工大学生命科学与技术学院; 出处《兰州大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第2期182-186,共5页; 基金云南省大学生创新创业训练计划项目(2021106740066)。; 文摘提出一种基于轻量化神经网络MobilenetV3-large改进的热轧钢带表面缺陷分类算法,通过剪枝、大量削减卷积层数、调整通道大小和步长,以及修改对应的网络参数快速降低了参数量.为弥补修改模型带来的准确率下降的问题,将激活函数ReLU更换为Hard-Swish,引入置换注意力机制替换原模型中的通道注意力机制,在进一步降低参数量的同时提高运行效率和分类准确率.在NEU-CLS表面缺陷数据集中的试验结果表明,改进后的算法参数量为0.5 MB,相比原模型降低96.89%,训练图片的时间由19.81 ms/幅降至10.73 ms/幅,平均准确率为99.26%,比改进前提高了5.56%,表明改进后的算法可应用于实时分类.; 关键词 mobilenetv3算法转移注意力结构性剪枝缺陷分类; Keywords mobilenetv3 algorithm shuffle attention structural pruning defect classification; 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的轻量级大豆田间杂草识别方法研究被引量：1: 2; 作者陈雪谭峰; 机构黑龙江八一农垦大学; 出处《农机使用与维修》 2025年第2期1-7,共7页; 基金国家重点研发计划课题(2023YFD2301605) 黑龙江省重点研发计划指导类项目(GZ20220020) +2 种基金黑龙江八一农垦大学自然科学人才支持计划(ZRCPY202015)。; 文摘为对自然环境下大豆田间的大豆幼苗与杂草实现实时检测,提出一种基于改进YOLOv5的轻量级大豆田间杂草识别方法。该方法在YOLOv5s网络的基础上引入适用于边缘设备的轻量级卷积神经网络MobileNetV3,建立了YOLOv5s-MobileNetV3的大豆杂草识别模型。对含有大豆幼苗和杂草的图像进行数据增强预处理,以增强模型泛化能力,利用Bneck深度卷积神经网络架构提取特征,并通过随机梯度下降法作为优化训练模型。在对比试验中,分别将YOLOv5s的主干网络替换为EfficientNetV2和ShuffleNetV2,并选取传统的SSD、Faster R-CNN、YOLOv4等标准目标检测网络作为参照,进行性能评估。试验结果表明:YOLOv5s-MobileNetV3识别模型大小为7.8 MB,在CPU上单张图像的推理时间为6.9 ms,识别精确率为0.846,查全率为0.84,均值平均精度为0.875,F1分数为0.843。模型可快速识别大豆伴生杂草,为挂载式喷药、精准农业等领域,提供农作物与杂草快速准确的检测分类方法,以满足作物生长管理、变量施肥及靶向喷药的技术需求。; 关键词大豆苗草识别目标检测算法 mobilenetv3; Keywords soybean identification of seedlings and grass object detection algorithm mobilenetv3; 分类号 S126 [农业科学—农业基础科学]; 在线阅读下载PDF 职称材料

题名一种基于Mobilenetv3的行人检测算法研究被引量：1: 3; 作者马志钢南新元高丙朋李恒; 机构新疆大学电气工程学院; 出处《现代电子技术》 2023年第16期149-154,共6页; 基金国家自然科学基金项目(61863033) 国家自然科学基金项目(52065064)。; 文摘针对实时的行人检测算法要求模型具有轻量型和良好的鲁棒性,文中提出一种基于Mobilenetv3的行人检测算法。该算法首先采用Mobilenetv3作为模型的主干特征提取网络;然后通过深度可分离卷积替换PANet中的普通卷积,减少网络的复杂度;最后引入注意力机制SE和ECA关注网络中重要的通道信息,加强模型的特征融合能力。实验结果表明:与YOLOv4算法相比,基于Mobilenetv3的行人检测算法模型体积缩小78.03%,参数量也降低82.44%;且在实验数据集和INRIA数据集上,所提算法的平均精度(AP)分别提升3.98%和1.10%,检测速率分别提升8.08 f/s和7.89 f/s,检测时间也显著缩短,具有良好的检测性能。; 关键词行人检测算法 mobilenetv3网络 YOLOv4算法深度可分离卷积注意力机制检测性能; Keywords pedestrian detection algorithm mobilenetv3 network YOLOv4 algorithm depth separable convolution attention mechanism detection performance; 分类号 TN911.23-34 [电子电信—通信与信息系统] 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

题名基于MDS-YOLO模型的小目标检测问题研究: 4; 作者朱恩文梁曌肖进文梁小林; 机构长沙理工大学数学与统计学院湖南工程学院计算科学与电子学院; 出处《湖南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第12期78-86,共9页; 基金国家自然科学基金重点资助项目(51839002,52338009) 国家杰出青年科学基金资助项目(52025085) +1 种基金湖南省研究生创新性课题(CX20220952)。; 文摘针对目前主流算法对小目标检测存在计算量大与准确率较低的问题,本文以轻量级网络MobileNetV3代替YOLOv4中的主干网络,并将颈部网络中的一部分普通卷积用深度可分离卷积替代,同时针对小目标检测定义一个新的损失函数IF-EIoU Loss,由此构建了MDSYOLO目标检测模型.该模型具有较高的检测速度,且针对小目标具有较好的检测性能.为了验证模型的有效性,分别在MS COCO数据集和Visdrone2019数据集上进行了实验.与YOLOv4算法相比,在MS COCO数据集上,MDS-YOLO算法的平均检测精度提升了1.5个百分点,对于小目标的检测精度提升了3.3个百分点,检测速度也从31帧/s提升至36帧/s;在Visdrone2019数据集上,MDS-YOLO算法将平均检测精度从YOLOv4的14.9%提升至16.3%.实验结果表明,本文提出的MDS-YOLO算法能有效提升小目标检测精度.; 关键词小目标检测 YOLOv4算法轻量级网络mobilenetv3 IF-EIoU Loss MS COCO数据集; Keywords small object detection YOLOv4 algorithm lightweight network mobilenetv3 IF-EIoU Loss MS COCO dataset; 分类号 O213 [理学—概率论与数理统计] TP181 [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

题名基于轻量化网络对植物叶斑病的目标检测研究: 5; 作者吴晓林曹兴芹; 机构长江大学计算机科学学院; 出处《现代电子技术》北大核心 2024年第22期146-152,共7页; 基金国家自然科学基金面上项目(62077018)。; 文摘为了提高植物叶斑病的检测效率和精度,引入主流的目标检测模型YOLOv5对叶斑病进行检测。结果显示,模型在检测较小的叶斑病时精度不高,且模型权重体积较大,不利于在终端边缘设备上部署。为此,对YOLOv5模型进行改进。首先,采用经过SCSE模块修改的MobileNetv3轻量化网络结构替代原有的CSP-Darknet53主干网络,从而降低模型的参数量和计算复杂度;其次,使用K-means++聚类方法优化Anchors参数,使先验框更好地为目标检测模型提供信息,增强模型的性能和泛化能力,减少对标注数据的依赖;最后,在主干网络的最后一层引入ASPPF模块,提高模型在不同尺度上的检测性能。实验结果表明,与原YOLOv5s算法相比,改进方法在植物叶斑病检测任务中表现更优,精确率、召回率和mAP等指标分别提高了2%、2.7%和1.5%,模型大小降低了39.1%。通过优化YOLOv5模型,实现了对不同植物类型大小不一的叶斑病的高效检测,有效降低了模型的大小,并提高了模型的检测精度。; 关键词植物叶斑病目标检测 YOLOv5网络模型 mobilenetv3 K-means++聚类算法 SCSE模块; Keywords plant leaf spot disease object detection YOLOv5 network model mobilenetv3 K-means++clustering algorithm SCSE module; 分类号 TN911.73-34 [电子电信—通信与信息系统] S126 [农业科学—农业基础科学]; 在线阅读下载PDF 职称材料

题名一种基于改进YOLOv4的舰炮弹着点水柱检测方法: 6; 作者王智石章松吴鹏飞吴中红祁江鑫; 机构海军工程大学兵器工程学院; 出处《海军工程大学学报》 CAS 北大核心 2022年第6期35-40,共6页; 基金国家自然科学基金资助项目(61773395)。; 文摘为解决弹着点水柱目标准确且快速检测的问题,充分平衡检测精度和实时性要求,首先通过将轻量级深度卷积神经网络MobileNetv3与YOLOv4算法结合,并利用3×3的深度可分离卷积代替PANet中的普通卷积,构建了用于水柱检测的网络模型M-YOLOv4;然后,从检测精度、模型容量和运行速度等方面将M-YOLOv4与YOLOv3、YOLOv4和YOLOv4-tiny等进行比较。研究结果表明:M-YOLOv4对水柱目标具有良好的检测效果,能够达到与YOLOv4相当的检测精度,并且参数量显著减少、运行速度更快。; 关键词水柱检测 YOLOv4 深度可分离卷积 mobilenetv3 K-MEANS聚类算法; Keywords water column detection YOLOv4 deep separable convolution mobilenetv3 K-means clustering algorithm; 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

题名一种轻量化YOLOv4的遥感影像桥梁目标检测算法被引量：3: 7; 作者余培东王鑫江刚武刘建辉徐佰祺; 机构战略支援部队信息工程大学数据与目标工程学院; 出处《海洋测绘》 CSCD 北大核心 2022年第2期59-64,共6页; 文摘深度学习技术发展迅速,在目标检测中表现出良好的适应性。针对YOLOv4算法在遥感影像桥梁目标检测任务中的检测效率较低和模型轻量化不足问题,使用轻量化的MobileNetv3骨干网络替换原始CSPDarkNet53骨干网络,将传统卷积层替换为深度超参数化卷积层(DO_Conv),提出一种兼具精度和检测效率的轻量化模型。实验表明:比较原始YOLOv4算法,本文算法将模型权重降低55%,检测效率提升70%以上,证明了本文改进之处的有效性;在精度方面,本文算法在与SSD、RetinaNet、YOLOv3和CenterNet等经典目标检测算法比较中仍保持精度优势。与YOLOv4算法相比,本文算法在难度较低的检测任务中精度损失较低,但在检测难度较高的DOTA桥梁数据集中精度损失明显。; 关键词桥梁目标检测 YOLOv4算法 mobilenetv3算法深度超参数化卷积轻量化模型; Keywords bridge target detection YOLOv4 algorithm mobilenetv3 algorithm DO_Conv lightweight model; 分类号 P237.2 [天文地球—摄影测量与遥感]; 在线阅读下载PDF 职称材料

题名改进SSD算法在零部件检测中的应用研究被引量：12: 8; 作者沈新烽姜平周根荣; 机构南通大学电气工程学院; 出处《计算机工程与应用》 CSCD 北大核心 2021年第7期257-262,共6页; 基金南通市应用基础研究-工业创新项目(GY12017018)。; 文摘针对生产线上运动过程中的零部件类型检测的实时性和准确度要求高,部分零件体积较小难以检测的问题,提出一种基于改进SSD(Single Shot MultiBox Detector)目标检测算法的零部件检测方法。使用轻量级网络MobileNetV3-Large替代SSD算法的主干网络VGG-16,图像输入长宽尺寸由300×300像素改为224×224像素,利用特征金字塔网络提升对体积较小零件的检测效果。以气动马达零部件的检测为例进行仿真实验;网络训练中,利用数据增强提高模型的鲁棒性。实验结果表明,改进后的SSD算法在提高对零部件实时性检测速度的同时,保证了检测的准确率。; 关键词零部件检测 SSD目标检测算法 mobilenetv3 特征金字塔网络; Keywords parts detection SSD target detection algorithm mobilenetv3 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	作者	出处	发文年	被引量	操作
1	基于改进的MobilenetV3热轧钢带表面缺陷分类	熊政车文刚保永莉刘晓彤	《兰州大学学报（自然科学版）》 CAS CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
2	基于改进YOLOv5的轻量级大豆田间杂草识别方法研究	陈雪谭峰	《农机使用与维修》	2025	1	在线阅读下载PDF 职称材料
3	一种基于Mobilenetv3的行人检测算法研究	马志钢南新元高丙朋李恒	《现代电子技术》	2023	1	在线阅读下载PDF 职称材料
4	基于MDS-YOLO模型的小目标检测问题研究	朱恩文梁曌肖进文梁小林	《湖南大学学报（自然科学版）》 EI CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
5	基于轻量化网络对植物叶斑病的目标检测研究	吴晓林曹兴芹	《现代电子技术》北大核心	2024	0	在线阅读下载PDF 职称材料
6	一种基于改进YOLOv4的舰炮弹着点水柱检测方法	王智石章松吴鹏飞吴中红祁江鑫	《海军工程大学学报》 CAS 北大核心	2022	0	在线阅读下载PDF 职称材料
7	一种轻量化YOLOv4的遥感影像桥梁目标检测算法	余培东王鑫江刚武刘建辉徐佰祺	《海洋测绘》 CSCD 北大核心	2022	3	在线阅读下载PDF 职称材料
8	改进SSD算法在零部件检测中的应用研究	沈新烽姜平周根荣	《计算机工程与应用》 CSCD 北大核心	2021	12	在线阅读下载PDF 职称材料