基于RetinaNet深度学习的煤矿带式运输机异物识别方法

1

作者 钟美华 钟国坚 曾志宏 《中国矿业》 北大核心 2025年第9期203-208,共6页

煤矿带式运输机工作环境复杂,针对环境图像难以有效区分异物与背景噪声,且依赖于固定特征的提取规则不适用于多样化形态的异物,进一步增加了异物识别的难度。因此,以提高煤矿带式运输机的工作效率和稳定性为目的,本文提出了一种基于Reti... 煤矿带式运输机工作环境复杂,针对环境图像难以有效区分异物与背景噪声,且依赖于固定特征的提取规则不适用于多样化形态的异物,进一步增加了异物识别的难度。因此,以提高煤矿带式运输机的工作效率和稳定性为目的,本文提出了一种基于RetinaNet深度学习的运输机异物识别方法。首先,分析RetinaNet深度学习模型的结构,结合交叉熵损失函数建立运输机样本候选区,采用RetinaNet深度学习算法对样本进行分类。通过多层次的卷积结构,RetinaNet能够捕捉到异物的细节特征,自动从复杂背景中提取异物的多层次特征。基于此,首先,通过引入权重系数的方式,区分难分样本和易分样本;然后,通过卷积和平均池化操作输出样本高频特征和低频特征;之后,建立运输机异物识别框,将样本特征输入其中,计算识别目标置信度、推导偏差函数,给出异物目标的高度、宽度及体积特征的损失函数;最后,采用加权方式融合偏置和所有特征损失函数,将异物特征作为对比值,输出异物识别结果。实验数据表明:该方法的损失函数最低仅为0.16,且未随训练样本数量的增加而出现明显波动;该方法能够精准识别出煤矿带式运输机上的异物,不存在漏识和误识的情况,且识别速度最高不超过0.8s。上述结果表明该方法能够精准、高效、稳定地识别异物。 展开更多

关键词 煤矿带式运输机 异物识别 retinanet深度学习 交叉熵损失函数 加权融合

在线阅读 下载PDF 职称材料

基于改进RetinaNet模型速冻水饺表面缺陷检测 被引量：1

2

作者 费致根 郭兴 +2 位作者 宋晓晓 鲁豪 赵鑫昌 《食品工业科技》 北大核心 2025年第6期9-19,共11页

目的:提升速冻水饺表面缺陷检测的精度。方法:制作了包含五种冻饺形态(正常、露馅、半饺、破肚、粘连)的数据集,提出了用于速冻水饺表面缺陷检测与定位的网络模型GX-RetinaNet。该模型基于RetinaNet网络改进,主干特征提取网络采用ResNeX... 目的:提升速冻水饺表面缺陷检测的精度。方法:制作了包含五种冻饺形态(正常、露馅、半饺、破肚、粘连)的数据集,提出了用于速冻水饺表面缺陷检测与定位的网络模型GX-RetinaNet。该模型基于RetinaNet网络改进,主干特征提取网络采用ResNeXt-50模型,增强网络特征提取能力,引入卷积块注意力模块(Convolutional Block Attention Module,CBAM)与Swish激活函数有效抑制背景噪声,通过在特征金字塔模块(Feature Pyramid Networks,FPN)后增加PAN结构(Path Aggregation Network)组成双向特征融合模块,可以提升对目标多尺度特征信息的融合能力。结果:GX-RetinaNet网络对工业现场条件下速冻水饺表面缺陷的在线检测精度优于主流的几种目标检测网络,其平均精度均值(mAP)为94.8%,召回率(Recall)为77.0%,F1分数(F1-score)为84.9%。与RetinaNet网络相比,mAP、Recall和F1-score分别提高了2.6%、2.6%、2.4%。结论:GX-RetinaNet网络模型可以满足冻饺表面缺陷检测精度的要求,本研究为深度学习理论在速冻水饺表面缺陷检测方面的应用提供了一种可行的方法。 展开更多

关键词 速冻水饺表面缺陷检测 retinanet ResNeXt-50 卷积块注意力模块 双向特征融合模块

在线阅读 下载PDF 职称材料

基于优化RetinaNet的自适应特征融合的轻量化目标检测方法 被引量：1

3

作者 张立国 季鑫烨 +2 位作者 章玉鹏 耿星硕 张升 《计量学报》 CSCD 北大核心 2024年第11期1665-1670,共6页

针对目标检测算法中计算量大、模型复杂等问题,造成在嵌入式平台计算资源有限的应用场景下难以部署的现象,提出一种基于优化RetinaNet的自适应特征融合的轻量化目标检测方法。提出的算法参考了GhostNet中的Ghost Module模块以减少模型... 针对目标检测算法中计算量大、模型复杂等问题,造成在嵌入式平台计算资源有限的应用场景下难以部署的现象,提出一种基于优化RetinaNet的自适应特征融合的轻量化目标检测方法。提出的算法参考了GhostNet中的Ghost Module模块以减少模型参数量。通过一种空间特征融合机制,提高特征的尺度不变性。融合了结构重参化的思想,增加训练深度,实现多分支训练,单分支推理,更好地提升模型的推理性能。提出的方法在PASCAL VOC2007和COCO两种常用的目标检测数据集上进行评估,平均精度为54.1%,优于RetinaNet的平均精度,实验结果表明,提出的方法推理时所占的内存为170.71MByte,是RetinaNet所占内存的44.27%,表明提出的算法在保证精度的前提下极大提高网络的推理速度。 展开更多

关键词 机器视觉 目标检测 优化retinanet 特征融合 轻量化 结构重参化

在线阅读 下载PDF 职称材料

基于改进的RetinaNet大豆外观品质无损检测 被引量：2

4

作者 周春欣 霍怡之 +4 位作者 杜有海 蒋敏兰 曾令国 张长江 石小威 《中国粮油学报》 CAS CSCD 北大核心 2024年第9期172-180,共9页

快速、准确、有效地区分大豆外观品质是大豆食品质量检验和食品安全与包装中的一项重要而艰巨的任务。本研究提出了基于改进的卷积神经网络Retina Net的大豆外观品质检测模型。将原始主干网络ResNet50替换为ResNet34,在保证准确度的同... 快速、准确、有效地区分大豆外观品质是大豆食品质量检验和食品安全与包装中的一项重要而艰巨的任务。本研究提出了基于改进的卷积神经网络Retina Net的大豆外观品质检测模型。将原始主干网络ResNet50替换为ResNet34,在保证准确度的同时降低了模型参数量,提高了运算速度,降低了运算时间。在主干网络和特征金字塔(FPN)的输出端分别嵌入ECA模块,进一步提取有利特征,减轻了冗余特征对网络的影响,提高了网络性能。同时,为保证不失原有特征的丰富性,将FPN后嵌入的ECA模块的输出与主干网络的输出结果相叠加,所得特征作为输入,传入分类器中进行识别检测。结果表明,本研究提出的改进的RetinaNet大豆品质检测模型的精确率达97.39%,mAP值达98.64%。 展开更多

关键词 卷积神经网络 大豆外观品质检测 retinanet FPN ECA模块

在线阅读 下载PDF 职称材料

基于改进RetinaNet网络的水下机器人目标检测与实验 被引量：8

5

作者 黄珍伟 陈伟 +1 位作者 王文杰 路锦通 《计算机工程与科学》 CSCD 北大核心 2024年第2期264-271,共8页

针对目前水下机器人目标检测算法存在图像退化严重和目标识别率低的问题,提出了一种融合改进RetinaNet和注意力机制的水下目标检测算法。首先,把RetinaNet骨干网络替换成DenseNet网络,保留了更多目标特征并减少了参数量。其次,替换初始... 针对目前水下机器人目标检测算法存在图像退化严重和目标识别率低的问题,提出了一种融合改进RetinaNet和注意力机制的水下目标检测算法。首先,把RetinaNet骨干网络替换成DenseNet网络,保留了更多目标特征并减少了参数量。其次,替换初始卷积为深度分离可变形卷积,从而大大减少了模型的参数量,提高了模型的运算速度。最后,引入CBAM注意力模块,利用CBAM模块在空间和通道2个维度加强特征,减少了水下复杂环境对目标检测的干扰。水下机器人抓取实验结果表明,与初始的RetinaNet算法相比,改进后的算法mAP值可达81.9%,参数量为56.8 MB,检测速度为16.8 f/s,在水下目标检测方面性能优异。 展开更多

关键词 水下目标检测 retinanet 轻量化网络 注意力机制

在线阅读 下载PDF 职称材料

改进RetinaNet的舌面齿痕和裂纹检测模型 被引量：2

6

作者 曹溪源 张德龙 +2 位作者 朱枭龙 张志东 薛晨阳 《电子测量与仪器学报》 CSCD 北大核心 2024年第12期72-80,共9页

中医舌诊通过观察舌特征能够进行脏腑虚实和功能盛衰的判断,具有无创便捷等优势。伴随着计算机视觉技术的飞速发展与广泛应用,开发一种能够进行自动检测、提取和识别舌象特征的模型至关重要。面向中医临床及健康监测对舌诊数字化的需求... 中医舌诊通过观察舌特征能够进行脏腑虚实和功能盛衰的判断,具有无创便捷等优势。伴随着计算机视觉技术的飞速发展与广泛应用,开发一种能够进行自动检测、提取和识别舌象特征的模型至关重要。面向中医临床及健康监测对舌诊数字化的需求,提出了一种基于改进RetinaNet的舌面齿痕和裂纹特征自动检测模型。该模型首先在RetinaNet基准模型的骨干网络中引入Sim PSA-ResNet模块和Sim SPPF模块,用以增强网络的特征提取能力和模型的鲁棒性;同时,改进多级特征金字塔网络结构,提高模型的特征融合能力,进一步聚焦舌面特征的关键信息;最后,去除冗余输出特征层,并结合ASFF结构,保留重要的特征信息,提高信息利用率。将改进后的RetinaNet模型在自制的舌象数据集中进行训练和预测,得到的平均检测精度(mAP)为94.37%,相较原算法提升了2.77%。实验结果表明改进RetinaNet模型能够有效提高舌面齿痕和裂纹特征的检测精度,有助于用户的日常自检、健康管理以及辅助医生进行诊断。 展开更多

关键词 retinanet 深度学习 目标检测 异常舌 舌诊

在线阅读 下载PDF 职称材料

面向遥感影像目标检测的ACFEM-RetinaNet算法 被引量：2

7

作者 林文龙 阿里甫·库尔班 +1 位作者 陈一潇 袁旭 《计算机工程与应用》 CSCD 北大核心 2024年第1期245-253,共9页

针对RetinaNet在遥感目标检测任务中多尺度、密集小目标问题,提出了ACFEM-RetinaNet遥感目标检测算法。针对原主干特征提取不充分的问题,采用Swin Transformer作为主干网络,以提升算法的特征提取能力,提高检测精度。针对遥感图像多尺度... 针对RetinaNet在遥感目标检测任务中多尺度、密集小目标问题,提出了ACFEM-RetinaNet遥感目标检测算法。针对原主干特征提取不充分的问题,采用Swin Transformer作为主干网络,以提升算法的特征提取能力,提高检测精度。针对遥感图像多尺度问题,提出自适应上下文特征提取模块,使用SK注意力引导不同空洞率的可变形卷积自适应调整感受野、提取上下文特征,改善多尺度目标检测效果。针对遥感图像中密集小目标问题,引入FreeAnchor模块,从极大释然估计的角度设计优化锚框匹配策略,提高检测精度。实验结果表明,在公共遥感图像目标检测数据集RSOD上,ACFEM-RetinaNet算法取得了91.1%的检测精度,相较于原算法提高了4.6个百分点,能更好地应用于遥感图像目标检测。 展开更多

关键词 深度学习 retinanet 遥感目标检测 Swin Transformer

在线阅读 下载PDF 职称材料

基于改进RetinaNet的轻量化航拍目标检测方法 被引量：2

8

作者 刘砚菊 王雪梅 +2 位作者 宋建辉 刘晓阳 蒲家鹏 《火力与指挥控制》 CSCD 北大核心 2024年第9期76-82,89,共8页

针对无人机航拍图像中存在目标较小、尺度不一以及目标检测算法模型参数量较大等问题,提出基于RetinaNet的轻量化目标检测算法模型:RetinaNet-S。采用GhostNetV2作为轻量化骨干,增强目标的特征信息;在颈部采用轻量化模块GSConv和VoV-GSC... 针对无人机航拍图像中存在目标较小、尺度不一以及目标检测算法模型参数量较大等问题,提出基于RetinaNet的轻量化目标检测算法模型:RetinaNet-S。采用GhostNetV2作为轻量化骨干,增强目标的特征信息;在颈部采用轻量化模块GSConv和VoV-GSCSP,在尽量保证检测精度的同时减少模型的参数量;最后,改进损失函数为Focal SIoU Loss,进一步提升模型的精准度。在VisDrone2019数据集上的实验表明,RetinaNet-S的参数量仅有5.52 M,检测速度提升了9.55 FPS。 展开更多

关键词 航拍图像 目标检测 retinanet 轻量化

在线阅读 下载PDF 职称材料

基于RetinaNet深度网络的煤矿带式输送机异物智能识别方法 被引量：2

9

作者 丁文博 云龙 《中国煤炭》 北大核心 2024年第S01期75-81,共7页

为解决煤矿带式输送机异物识别的尺度变化问题,提高煤矿生产安全性和效率,提出基于RetinaNet深度网络的煤矿带式输送机异物智能识别方法。通过局部伽马变换和单参数同态滤波对摄像机采集的煤矿带式输送机图像进行增强处理,为后续异物识... 为解决煤矿带式输送机异物识别的尺度变化问题,提高煤矿生产安全性和效率,提出基于RetinaNet深度网络的煤矿带式输送机异物智能识别方法。通过局部伽马变换和单参数同态滤波对摄像机采集的煤矿带式输送机图像进行增强处理,为后续异物识别提供良好基础。将增强后的图像输入到RetinaNet深度网络中,通过其内部特征金字塔网络提取煤矿带式输送机运输图像深度特征,输入到各子网中实现边框回归和分类,同时定义损失函数对网络进行调整。通过大量包含煤矿带式输送机异物的图像来训练RetinaNet深度网络,最终通过训练好的网络实现煤矿带式输送机异物智能识别。通过实验验证,该方法能够迅速且准确地识别出异物,并通过醒目红色标识框对异物进行精确标注,提升带式输送机运输的连续性和稳定性,有效提高煤矿的生产效率和经济效益。 展开更多

关键词 retinanet深度网络 煤矿带式输送机运输 异物智能识别 局部伽马变换 单参数同态滤波 特征金字塔网络

在线阅读 下载PDF 职称材料

基于改进RetinaNet的果园复杂环境下苹果检测 被引量：19

10

作者 孙俊 钱磊 +3 位作者 朱伟栋 周鑫 戴春霞 武小红 《农业工程学报》 EI CAS CSCD 北大核心 2022年第15期314-322,共9页

为了快速准确地检测重叠、遮挡等果园复杂环境下的苹果果实目标,该研究提出一种基于改进RetinaNet的苹果检测网络。首先,该网络在传统RetinaNet的骨干网络ResNet50中嵌入Res2Net模块,提高网络对苹果基础特征的提取能力;其次,采用加权双... 为了快速准确地检测重叠、遮挡等果园复杂环境下的苹果果实目标,该研究提出一种基于改进RetinaNet的苹果检测网络。首先,该网络在传统RetinaNet的骨干网络ResNet50中嵌入Res2Net模块,提高网络对苹果基础特征的提取能力;其次,采用加权双向特征金字塔网络(Bi-directional Feature Pyramid Network,BiFPN)对不同尺度的特征进行加权融合,提升对小目标和遮挡目标的召回率;最后,采用基于焦损失(Focal Loss)和高效交并比损失(Efficient Intersection over Union Loss,EIoU Loss)的联合损失函数对网络进行优化,提高网络的检测准确率。试验结果表明,改进的网络在测试集上对叶片遮挡、枝干/电线遮挡、果实遮挡和无遮挡的苹果检测精度分别为94.02%、86.74%、89.42%和94.84%,平均精度均值(meanAveragePrecision,mAP)达到91.26%,较传统RetinaNet提升了5.02个百分点,检测一张苹果图像耗时42.72 ms。与Faster-RCNN和YOLOv4等主流目标检测网络相比,改进网络具有优异的检测精度,同时可以满足实时性的要求,为采摘机器人的采摘策略提供了参考。 展开更多

关键词 图像识别 采摘机器人 苹果检测 retinanet BiFPN EIoU 遮挡

在线阅读 下载PDF 职称材料

基于改进RetinaNet的电力设备红外目标精细化检测模型 被引量：18

11

作者 苏海锋 赵岩 +2 位作者 武泽君 程博 吕林飞 《红外技术》 CSCD 北大核心 2021年第11期1104-1111,共8页

电力设备在运行过程中会产生大量红外图像,当红外图像中的电力设备存在排列密集、具有倾斜角度、大长宽比的情况时,基于水平矩形框的目标检测网络只能给出目标概略位置,易发生目标检测区域重叠,引入冗余背景信息,使得检测结果不够精细... 电力设备在运行过程中会产生大量红外图像,当红外图像中的电力设备存在排列密集、具有倾斜角度、大长宽比的情况时,基于水平矩形框的目标检测网络只能给出目标概略位置,易发生目标检测区域重叠,引入冗余背景信息,使得检测结果不够精细。针对此问题,提出在RetinaNet目标检测网络中引入旋转矩形框机制,并在网络输入端引入Mosaic数据增强技术;将原特征提取网络中ReLU函数替换为梯度流更平滑的Mish激活函数;在原模型FPN模块后追加PAN模块进一步融合图像特征。最后利用现场采集的电力设备红外图像制作数据集,将改进后的模型与Faster R-CNN、YOLOv3、原RetinaNet三种基于水平矩形框定位的目标检测网络进行对比评估,实验表明改进后的模型可以更为精细地检测出密集场景下带有倾角的电力设备红外目标,在多类别电力设备检测准确率对比上高于以上3种模型。 展开更多

关键词 红外图像 retinanet 电力设备 卷积神经网络 目标检测

在线阅读 下载PDF 职称材料

改进RetinaNet的水稻冠层害虫为害状自动检测模型 被引量：27

12

作者 姚青 谷嘉乐 +4 位作者 吕军 郭龙军 唐健 杨保军 许渭根 《农业工程学报》 EI CAS CSCD 北大核心 2020年第15期182-188,共7页

中国现行的水稻冠层害虫为害状田间调查方法需要测报人员下田目测为害状发生情况,此种人工调查方法存在客观性差、效率低与劳动强度大等问题。近几年,诸多学者开始利用深度学习方法来识别植物病虫为害状,但大多针对单株或单个叶片上病... 中国现行的水稻冠层害虫为害状田间调查方法需要测报人员下田目测为害状发生情况,此种人工调查方法存在客观性差、效率低与劳动强度大等问题。近几年,诸多学者开始利用深度学习方法来识别植物病虫为害状,但大多针对单株或单个叶片上病虫害种类进行识别研究。该研究采集了水稻冠层多丛植株上稻纵卷叶螟和二化螟为害状图像,提出一种改进RetinaNet的水稻冠层害虫为害状自动检测模型。模型中采用ResNeXt101作为特征提取网络,组归一化(Group Normalization,GN)作为归一化方法,改进了特征金字塔网络(Feature Pyramid Network,FPN)结构。改进后的RetinaNet模型对2种害虫为害状区域检测的平均精度均值达到93.76%,为实现水稻害虫为害状智能监测提供了理论依据和技术支持。 展开更多

关键词 图像处理 算法 自动检测 水稻冠层 为害状图像 稻纵卷叶螟 二化螟 retinanet模型

在线阅读 下载PDF 职称材料

采用改进RetinaNet的笼养肉鸽繁育期个体检测模型 被引量：6

13

作者 刘双印 范文婷 +8 位作者 邓皓 何国煌 陈耀聪 周冰 李锦慧 冯大春 吴惠粦 李景彬 尹航 《农业工程学报》 EI CAS CSCD 北大核心 2022年第13期184-193,共10页

实现繁育期精准个体检测是提高集约养殖环境下肉鸽繁育效率和精准管控效果的有效手段,其中小目标鸽蛋及粘连乳鸽的精准检测是关键。该研究提出了一种基于改进RetinaNet的目标检测模型,以RetinaNet网络为基础框架,将ResNet50特征提取网... 实现繁育期精准个体检测是提高集约养殖环境下肉鸽繁育效率和精准管控效果的有效手段,其中小目标鸽蛋及粘连乳鸽的精准检测是关键。该研究提出了一种基于改进RetinaNet的目标检测模型,以RetinaNet网络为基础框架,将ResNet50特征提取网络与特征金字塔网络(FeaturePyramidNetworks,FPN)结合,增加特征金字塔网络中特征检测尺度,提升对图像中遮挡鸽蛋与粘连乳鸽的检测精度;在分类和回归子网络前引入卷积注意力模块(ConvolutionalBlock Attention Module,CBAM),提升对小目标检测的精度。试验结果表明,该研究提出的模型对于笼养肉鸽个体检测的平均精度均值(mean Average Precision,m AP)达到80.89%,相对SSD等传统模型有明显提升;对成鸽、乳鸽与鸽蛋检测的平均精度(Average Precision,AP)分别为95.88%,79.51%和67.29%,相对原始RetinaNet模型提高了2.16、21.74和22.48个百分点,在保证成鸽精准检测的基础上,提升了对复杂环境下存在局部遮挡的小目标鸽蛋以及粘连乳鸽的检测精度,为实现集约化养殖环境下肉鸽繁育周期个体检测和精准管控提供有效支持。 展开更多

关键词 图像识别 养殖 小目标检测 鸽蛋 粘连乳鸽 retinanet模型 特征金字塔网络 卷积注意力模块

在线阅读 下载PDF 职称材料

改进的用于军用车辆目标检测的RetinaNet 被引量：8

14

作者 李昂 王晟全 +2 位作者 郑宝玉 陈济颖 纪佳馨 《电光与控制》 CSCD 北大核心 2020年第10期78-82,98,共6页

目标检测作为信息技术学界的热门话题,无论是科研院校,还是大型的技术型企业,都在追寻着最优秀的目标检测算法,RetinaNet技术的提出者FacebookAI团队参考了大量目标检测的案例,使其在目标检测领域成为炙手可热的方法,它比YOLOv3更加优秀... 目标检测作为信息技术学界的热门话题,无论是科研院校,还是大型的技术型企业,都在追寻着最优秀的目标检测算法,RetinaNet技术的提出者FacebookAI团队参考了大量目标检测的案例,使其在目标检测领域成为炙手可热的方法,它比YOLOv3更加优秀,也没有Fastest R-CNN复杂,十分适用于对指定特征目标的识别。就RetinaNet在军用车辆目标检测方面展开了研究,并提出了一点改进意见。 展开更多

关键词 retinanet 目标检测 AI 图像智能库

在线阅读 下载PDF 职称材料

基于改进RetinaNet的自然环境中蝴蝶种类识别 被引量：12

15

作者 谢娟英 鲁银圆 +1 位作者 孔维轩 许升全 《计算机研究与发展》 EI CSCD 北大核心 2021年第8期1686-1704,共19页

蝴蝶是一种对栖息地敏感的昆虫,自然环境中的蝴蝶种类分布反映了区域生态系统平衡和生物多样性.专家鉴别蝴蝶种类耗时耗力,计算机视觉技术为野外环境中蝴蝶种类自动识别提供了可能.针对野外环境下的蝴蝶图像特征,提出2种新的硬注意力机... 蝴蝶是一种对栖息地敏感的昆虫,自然环境中的蝴蝶种类分布反映了区域生态系统平衡和生物多样性.专家鉴别蝴蝶种类耗时耗力,计算机视觉技术为野外环境中蝴蝶种类自动识别提供了可能.针对野外环境下的蝴蝶图像特征,提出2种新的硬注意力机制,DSEA(direct squeeze-and-excitation with global average pooling)和DSEM(direct squeeze-and-excitation with global max pooling),改进经典目标检测算法RetinaNet,并引入可变形卷积增强RetinaNet对蝴蝶形变的建模能力,实现野外环境下蝴蝶种类自动识别.以mAP(mean average precision)目标检测指标评价模型性能,通过实验结果可视化,分析影响模型性能的关键因素.实验结果显示,提出的改进RetinaNet对自然环境下的蝴蝶识别任务具有很不错的效果,特别是基于DSEM的RetinaNet;分布平衡的训练集可以提升提出模型的泛化性能;样本的结构相异性是影响模型性能的关键因素. 展开更多

关键词 蝴蝶检测 蝴蝶识别 注意力机制 可变形卷积 retinanet

在线阅读 下载PDF 职称材料

注意力机制优化RetinaNet的密集工件检测方法研究 被引量：11

16

作者 徐健 陆珍 +2 位作者 刘秀平 张立昌 闫焕营 《电子测量与仪器学报》 CSCD 北大核心 2022年第1期227-235,共9页

针对密集工件存在相似度高、排列无序的特性导致检测难度大的问题,提出了一种注意力机制优化RetinaNet的密集工件检测方法。首先将注意力机制引入到RetinaNet主干特征提取网络以减少干扰物对检测效果的影响,提高神经网络的特征提取能力... 针对密集工件存在相似度高、排列无序的特性导致检测难度大的问题,提出了一种注意力机制优化RetinaNet的密集工件检测方法。首先将注意力机制引入到RetinaNet主干特征提取网络以减少干扰物对检测效果的影响,提高神经网络的特征提取能力;然后利用Soft-NMS构建新的预测框提高重叠定位精度;最后通过迁移学习的方法训练数据集,提高模型训练效率。在密集工件数据集上验证该方法的有效性,实验结果表明,改进后的方法检测精度达到了98.11%,相较于改进前提高了2.59%,单张图片检测速度达到了0.026 s,该方法能够满足实际工业生产过程中精准检测工件的目的,在保证速度的同时降低了漏检率和误检率。 展开更多

关键词 目标检测 密集工件 注意力机制 retinanet

在线阅读 下载PDF 职称材料

面向小目标检测的改进RetinaNet模型及其应用 被引量：10

17

作者 罗月童 江佩峰 +1 位作者 段昶 周波 《计算机科学》 CSCD 北大核心 2021年第10期233-238,共6页

基于深度学习的目标检测算法广泛应用于工业检测,RetinaNet算法因兼具速度与精度两方面的优势而备受关注,但对于小于32×32像素的小目标,该算法的检测精度不能满足工业检测的要求。为此,文中以增强小目标的训练为基本思路,针对Retin... 基于深度学习的目标检测算法广泛应用于工业检测,RetinaNet算法因兼具速度与精度两方面的优势而备受关注,但对于小于32×32像素的小目标,该算法的检测精度不能满足工业检测的要求。为此,文中以增强小目标的训练为基本思路,针对RetinaNet算法进行了如下改进:在采样阶段,将低层特征图P2添加到FPN中,以确保小目标能被充分采样,同时引入自适应训练样本选择策略,以保证增加特征层之后仍能保持足够快的检测速度;在训练后期采用了损失权重调整策略,用于提高小目标中困难样本的拟合度。针对公共数据集MS COCO 2017及实际应用中的LED点胶工业数据集,改进后的方法使小于32×32目标的检测精度分别提高了4.1%和10.7%,这表明改进后的方法能显著提升小目标检测的水平。 展开更多

关键词 深度学习 小目标检测 retinanet 自适应采样

在线阅读 下载PDF 职称材料

改进RetinaNet的刺梨果实图像识别 被引量：5

18

作者 闫建伟 张乐伟 +1 位作者 赵源 张富贵 《中国农机化学报》 北大核心 2021年第3期78-83,共6页

为实现加工车间刺梨果实的快速识别,提出一种基于改进的RetinaNet刺梨果实图像的识别方法。基于RetinaNet的模型,对RetinaNet框架中Focal loss的bias进行改进,使其能根据不同的情况控制bias的取值,再运用维度聚类算法找出Anchor的较好... 为实现加工车间刺梨果实的快速识别,提出一种基于改进的RetinaNet刺梨果实图像的识别方法。基于RetinaNet的模型,对RetinaNet框架中Focal loss的bias进行改进,使其能根据不同的情况控制bias的取值,再运用维度聚类算法找出Anchor的较好尺寸并匹配到相对应的特征层,对卷积神经网络结构进行优化。通过改进RetinaNet目标检测算法对7426幅刺梨果实图像进行检测识别,并与原始RetinaNet目标检测算法对比。试验结果表明:改进的RetinaNet网络模型识别方法对6类刺梨果实的识别率分别为99.47%、91.42%、96.92%、90.92%、96.89%和93.53%,平均识别率为94.86%;相对于原始RetinaNet目标检测算法,改进算法的识别准确率提高4.21%,单个刺梨果实检测时间由60.99 ms缩减到57.91 ms,检测时间缩短5.05%。本文改进算法对加工车间刺梨果实的识别具有较高的正确率和实用性。 展开更多

关键词 卷积神经网络 刺梨果实 retinanet 目标检测 图像识别

在线阅读 下载PDF 职称材料

RetinaNet图像识别技术在煤矿目标监测领域的应用研究 被引量：6

19

作者 谭章禄 陈孝慈 《矿业安全与环保》 北大核心 2020年第5期65-70,76,共7页

为了解决当前煤矿监控中存在的人工干预多、监测效率低等问题,建立基于RetinaNet的单阶段煤矿目标检测器,通过实验确定检测关键参数并验证检测效果。实验结果表明:RetinaNet目标检测器能够自动检测及提取人员等关键对象,整体性能可以满... 为了解决当前煤矿监控中存在的人工干预多、监测效率低等问题,建立基于RetinaNet的单阶段煤矿目标检测器,通过实验确定检测关键参数并验证检测效果。实验结果表明:RetinaNet目标检测器能够自动检测及提取人员等关键对象,整体性能可以满足煤矿监控的需求;RetinaNet目标检测器能够在较差的环境条件下实现对目标对象的准确检测,对于人员的辨识已经达到较为理想的水平;基于现有数据构建的图像识别模型,尚不能较好地识别各类煤矿机械设备。RetinaNet目标检测器相关功能的实现,有赖于建立专业图像数据集,并准确地训练模型进而发掘数据的深度价值。 展开更多

关键词 矿井监控 retinanet 目标检测器 对象检测 识别模型 专业数据集

在线阅读 下载PDF 职称材料

改进RetinaNet的遮挡目标检测算法研究 被引量：11

20

作者 阳珊 王建 +2 位作者 胡莉 刘波 赵皓 《计算机工程与应用》 CSCD 北大核心 2022年第11期209-214,共6页

针对目标检测任务中目标实例密集、重叠等因素导致的检测精度不高的问题,提出一种改进回归损失函数与动态非极大值抑制的目标检测框架。采用结合排斥因子Rep的GIoU-Loss进行目标位置回归,在增加回归参数间相关性的同时降低候选边框向邻... 针对目标检测任务中目标实例密集、重叠等因素导致的检测精度不高的问题,提出一种改进回归损失函数与动态非极大值抑制的目标检测框架。采用结合排斥因子Rep的GIoU-Loss进行目标位置回归,在增加回归参数间相关性的同时降低候选边框向邻近真值偏移概率。Rep-GIoU-Loss不仅有效提升目标位置回归精度,对目标遮挡情形也具有较好的鲁棒性。此外,增加稠密度预测分支预测目标被遮挡程度,并将遮挡程度预测值作为NMS方法的动态阈值,以减少漏检、虚检目标实例。实验结果表明,改进方法检测精度在PASCALVOC2007测试数据集上提高了1.3个百分点,自制数据集可提高2.8个百分点,验证了该方法的有效性。 展开更多

关键词 目标检测 遮挡 GIoU retinanet 非极大值抑制

在线阅读 下载PDF 职称材料