检索结果-维普期刊中文期刊服务平台

YOLOv8-DEL:基于改进YOLOv8n的实时车辆检测算法研究被引量：8: 1; 作者古佳欣陈高华张春美《计算机工程与应用》北大核心 2025年第1期142-152,共11页; 车辆检测是智能交通系统和自动驾驶的重要组成部分。然而,实际交通场景中存在许多不确定因素,导致车辆检测模型的准确率低实时性差。为了解决这个问题,提出了一种快速准确的车辆检测算法——YOLOv8-DEL。使用DGCST(dynamic group convol... 展开更多; 关键词车辆检测 YOLOv8 DGCST Efficient repgfpn 轻量级检测头; 在线阅读下载PDF 职称材料

改进YOLOv8的钢材表面缺陷检测算法被引量：2: 2; 作者徐莲蓉梁少华《现代电子技术》北大核心 2025年第4期173-180,共8页; 为了更有效地识别钢材表面的细小和复杂缺陷,提出一种改进YOLOv8的钢材表面缺陷检测算法。首先,在原模型的Neck部分引入空间和通道重构卷积SCConv模块,提高模型对小尺度目标缺陷的识别能力;其次,将CA注意力机制模块融合到原始的Backbone... 展开更多; 关键词钢材表面缺陷缺陷检测 YOLOv8算法坐标注意力机制高效层聚合网络识别能力; 在线阅读下载PDF 职称材料

改进YOLOv8的金属表面缺陷检测模型被引量：4: 3; 作者龙阳肖小玲《制造技术与机床》北大核心 2024年第8期187-194,共8页; 针对工业制造中金属表面缺陷检测的检测精度低、漏检率和误检率高等问题,文章提出了一种改进YOLOv8的金属表面缺陷检测模型。首先采用CG模块替换掉Backbone的下采样卷积模块,增强模型的上下文信息理解能力;其次采用RepGFPN模块替换原始... 展开更多; 关键词金属表面缺陷检测 YOLOv8 CG repgfpn GDetect; 在线阅读下载PDF 职称材料

Dim-YOLOv5n昏暗场景目标检测算法被引量：5: 4; 作者朱晓彤张荣芬 +1 位作者刘宇红孙龙《计算机工程与应用》 CSCD 北大核心 2024年第11期173-181,共9页; 相比于正常光照场景,照明不良昏暗场景干扰因素较多,图像处理较为复杂,且现有的昏暗目标检测,存在参数量大,识别准确率低等不足。针对昏暗场景下目标检测算法中存在误检与漏检等问题,提出以YOLOv5n算法为基础进行改进的昏暗场景目标检... 展开更多; 关键词昏暗图像 YOLOv5n 全维动态卷积(ODConv) MobileNetV2 repgfpn GhostConv; 在线阅读下载PDF 职称材料

改进YOLOv5s的轻量化零件目标检测算法: 5; 作者孙家慧王赫莹郭忠峰《组合机床与自动化加工技术》北大核心 2024年第11期135-141,共7页; 针对无序密集放置的多尺度零件识别难度大等问题,提出一种基于改进YOLOv5s的轻量化零件目标检测算法。在Backbone网络C3模块添加CA注意力机制,提高目标特征提取能力;引入了damo-yolo的Efficient-RepGFPN结构代替原有的Neck层,以减轻模... 展开更多; 关键词 YOLOv5s 注意力机制 Efficient-repgfpn SimAM注意力机制轻量级卷积; 在线阅读下载PDF 职称材料

题名YOLOv8-DEL:基于改进YOLOv8n的实时车辆检测算法研究被引量：8: 1; 作者古佳欣陈高华张春美; 机构太原科技大学电子信息工程学院; 出处《计算机工程与应用》北大核心 2025年第1期142-152,共11页; 基金山西省自然科学基金(202203021211198) 太原科技大学科研启动基金(20222026)。; 文摘车辆检测是智能交通系统和自动驾驶的重要组成部分。然而,实际交通场景中存在许多不确定因素,导致车辆检测模型的准确率低实时性差。为了解决这个问题,提出了一种快速准确的车辆检测算法——YOLOv8-DEL。使用DGCST(dynamic group convolution shuffle transformer)模块代替C2f模块来重构主干网络,以增强特征提取能力并使网络更轻量;添加的P2检测层能使模型更敏锐地定位和检测小目标,同时采用Efficient RepGFPN进行多尺度特征融合,以丰富特征信息并提高模型的特征表达能力;通过结合GroupNorm和共享卷积的优点,设计了一种轻量型共享卷积检测头,在保持精度的前提下,有效减少参数量并提升检测速度。与YOLOv8相比,提出的YOLOv8-DEL在BDD100K数据集和KITTI数据集上,mAP@0.5分别提高了4.8个百分点和1.2个百分点,具有实时检测速度(208.6 FPS和216.4 FPS),在检测精度和速度方面实现了更有利的折中。; 关键词车辆检测 YOLOv8 DGCST Efficient repgfpn 轻量级检测头; Keywords vehicle detection YOLOv8 dynamic group convolution shuffle transformer(DGCST) Efficient repgfpn lightweight detection head; 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YOLOv8的钢材表面缺陷检测算法被引量：2: 2; 作者徐莲蓉梁少华; 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 2025年第4期173-180,共8页; 基金国家科技重大专项(2021DJ1006) 湖北省科技示范项目(2019ZYYD016)。; 文摘为了更有效地识别钢材表面的细小和复杂缺陷,提出一种改进YOLOv8的钢材表面缺陷检测算法。首先,在原模型的Neck部分引入空间和通道重构卷积SCConv模块,提高模型对小尺度目标缺陷的识别能力;其次,将CA注意力机制模块融合到原始的Backbone中,使模型能够更好地关注目标缺陷的特征信息;接着,采用高效层聚合网络(RepGFPN)模块作为颈部网络,充分融合不同尺度的特征,提高特征融合能力;最后,引入轻量级上采样算子CARAFE,进一步提升模型的检测效果。实验结果显示,在公开的NEU-DET数据集上,改进后模型的平均精度均值(mAP)达到了81.1%,相较于原始YOLOv8模型,mAP提高了2.7%,精确率提升了3.9%。与此同时,在GC10-DET数据集上的实验也表明改进模型具有良好的鲁棒性,证明了所提算法能够有效地完成钢材表面缺陷的检测任务。; 关键词钢材表面缺陷缺陷检测 YOLOv8算法坐标注意力机制高效层聚合网络识别能力; Keywords steel surface defect defect detection YOLOv8 algorithm coordinate attention mechanism high-efficiency layer aggregation network(repgfpn) recognition ability; 分类号 TN911.73-34 [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

题名改进YOLOv8的金属表面缺陷检测模型被引量：4: 3; 作者龙阳肖小玲; 机构长江大学计算机科学学院; 出处《制造技术与机床》北大核心 2024年第8期187-194,共8页; 基金国家自然科学基金项目(61771354)。; 文摘针对工业制造中金属表面缺陷检测的检测精度低、漏检率和误检率高等问题,文章提出了一种改进YOLOv8的金属表面缺陷检测模型。首先采用CG模块替换掉Backbone的下采样卷积模块,增强模型的上下文信息理解能力;其次采用RepGFPN模块替换原始的特征金字塔网络,提高模型的多尺度特征提取能力;最后通过对检测头重设计,提出GDetect模块,提升模型的整体性能。实验结果表明,改进后的模型在GC10-DET数据集中准确率、召回率和m AP@0.5达到了71.2%、72.4%和74.5%,分别提高了2.8%、8.1%和6.0%,参数量和计算量分别减少了6%和22%。同时在PASCAL VOC和NEU-DET数据集验证了模型在不同数据集下的鲁棒性和泛化能力,提高了对目标的检测精度。所提出的改进模型在金属缺陷检测领域取得了显著进展,提高了检测精度,解决了常见问题,并在保持轻量级的同时实现了较高的性能,为金属表面缺陷检测提供了一种高效且可行的解决方案。; 关键词金属表面缺陷检测 YOLOv8 CG repgfpn GDetect; Keywords metal surface defect detection YOLOv8 CG repgfpn GDetect; 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Dim-YOLOv5n昏暗场景目标检测算法被引量：5: 4; 作者朱晓彤张荣芬刘宇红孙龙; 机构贵州大学大数据与信息工程学院; 出处《计算机工程与应用》 CSCD 北大核心 2024年第11期173-181,共9页; 基金贵州省基础研究(自然科学)项目(黔科合基础-ZK[2021]重点001)。; 文摘相比于正常光照场景,照明不良昏暗场景干扰因素较多,图像处理较为复杂,且现有的昏暗目标检测,存在参数量大,识别准确率低等不足。针对昏暗场景下目标检测算法中存在误检与漏检等问题,提出以YOLOv5n算法为基础进行改进的昏暗场景目标检测算法Dim-YOLOv5n。利用嵌入全维动态卷积(omni-dimensional dynamic convolution,ODConv)的轻量化主干ODConv-MobileNetV2替换主干网络,在减少计算量的同时提高检测精度。基于RepGFPN(reparameterized generalized-FPN)方法设计更加轻量高效的LigGFPN(lightweight generalized-FPN)加强特征融合网络,以提高网络特征提取能力,并在此基础上,使用GhostConv(ghost convolution)替换传统卷积,以减少模型的参数量。实验结果表明,改进后算法与原算法相比,检测精度P和召回率R分别提高了5.3个百分点和5个百分点,平均精度均值mAP0.5:0.95和mAP0.5分别提升了8.2个百分点和4.6个百分点,改进的算法在保证模型较小的同时有效提高了检测准确率。; 关键词昏暗图像 YOLOv5n 全维动态卷积(ODConv) MobileNetV2 repgfpn GhostConv; Keywords dim image YOLOv5n omni-dimensional dynamic convolution(ODConv) MobileNetV2 reparameterized generalized-FPN(repgfpn) Ghost convolution(GhostConv); 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

题名改进YOLOv5s的轻量化零件目标检测算法: 5; 作者孙家慧王赫莹郭忠峰; 机构沈阳工业大学机械工程学院; 出处《组合机床与自动化加工技术》北大核心 2024年第11期135-141,共7页; 基金辽宁省教育厅2021年度科学研究经费项目(LJKZ0114)。; 文摘针对无序密集放置的多尺度零件识别难度大等问题,提出一种基于改进YOLOv5s的轻量化零件目标检测算法。在Backbone网络C3模块添加CA注意力机制,提高目标特征提取能力;引入了damo-yolo的Efficient-RepGFPN结构代替原有的Neck层,以减轻模型的复杂度;引入SimAM注意力机制,提高卷积网络的表征能力;为加快计算速度,降低运算成本,用轻量级卷积GSConv代替Neck结构中的标准卷积;采用FocalEIOU替换YOLOv5算法中的CIOU对模型识别性能进行优化。实验结果表明,在自制零件数据集上,改进算法的mAP@0.5达到99.4%,检测速度仅需5.7 ms,FPS达到175帧/s,且计算量和参数量都大幅度降低,模型大小仅有原来的32%,易于移动端部署,在零件检测精度、检测速度等方面均优于原有YOLOv5s,满足视觉引导下对零件精准识别。; 关键词 YOLOv5s 注意力机制 Efficient-repgfpn SimAM注意力机制轻量级卷积; Keywords YOLOv5s attention mechanism Efficient-repgfpn SimAM attention mechanism lightweight convolution; 分类号 TH16 [机械工程—机械制造及自动化] TG506 [金属学及工艺—金属切削加工及机床]; 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	YOLOv8-DEL:基于改进YOLOv8n的实时车辆检测算法研究	古佳欣陈高华张春美	《计算机工程与应用》北大核心	2025	8	在线阅读下载PDF 职称材料
2	改进YOLOv8的钢材表面缺陷检测算法	徐莲蓉梁少华	《现代电子技术》北大核心	2025	2	在线阅读下载PDF 职称材料
3	改进YOLOv8的金属表面缺陷检测模型	龙阳肖小玲	《制造技术与机床》北大核心	2024	4	在线阅读下载PDF 职称材料
4	Dim-YOLOv5n昏暗场景目标检测算法	朱晓彤张荣芬刘宇红孙龙	《计算机工程与应用》 CSCD 北大核心	2024	5	在线阅读下载PDF 职称材料
5	改进YOLOv5s的轻量化零件目标检测算法	孙家慧王赫莹郭忠峰	《组合机床与自动化加工技术》北大核心	2024	0	在线阅读下载PDF 职称材料