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
共找到8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：
基于改进YOLOv8的轻量化皮革缺陷检测方法 被引量：2
1
作者 方明 张娇 +1 位作者 徐晶 王绎覃 《电子测量技术》 北大核心 2025年第1期111-118,共8页
为了解决YOLOv8参数量过大影响检测速度等问题,本文以汽车座椅皮革为样本对汽车座椅表面进行缺陷检测,提出了一种轻量化的基于YOLOv8框架的皮革缺陷检测算法。首先,将YOLOv8原本的主干网络替换成轻量化网络StarNet, StarNet通过星型运... 为了解决YOLOv8参数量过大影响检测速度等问题,本文以汽车座椅皮革为样本对汽车座椅表面进行缺陷检测,提出了一种轻量化的基于YOLOv8框架的皮革缺陷检测算法。首先,将YOLOv8原本的主干网络替换成轻量化网络StarNet, StarNet通过星型运算实现了高维和非线性特征空间的映射,从而在紧凑的网络结构和较低的能耗下展示了出色的性能和低延迟。其次,将原本的检测头替换成轻量级共享卷积检测头,通过使用共享卷积,可以大幅减少参数数量,使得模型更轻便,以便于在资源受限的设备上部署。最后,将颈部网络的C2f模块替换成C2f_Star模块,在网络更加轻量化的同时,将不同尺度的特征图进行融合,提高目标检测的准确性和鲁棒性。在自制的HSV-Leather数据集上对模型进行实验验证,结果表明,改进后的YOLOv8-Leather检测模型性能优于YOLOv8n模型。对比YOLOv8n模型,改进后的模型在参数量上降低了57%,检测速度提升了20%,模型权重降低了52%,运算量降低了53%。实验验证了改进后的模型在解决皮革表面缺陷检测问题上的可行性。 展开更多
关键词 皮革缺陷检测 YOLOv8 目标检测 轻量化 starnet
在线阅读 下载PDF
基于改进RT-DETR的饼干包装外观缺陷快速检测 被引量：2
2
作者 古莹奎 叶彪彪 +1 位作者 郭明健 连增卫 《食品与机械》 北大核心 2025年第2期234-241,共8页
[目的]针对现有食品包装缺陷实时检测模型参数量庞大和计算复杂、在终端设备上部署困难等问题,提出一种基于改进RT-DETR的轻量化模型SGHS-DETR。[方法]采用超轻量化网络StarNet作为特征提取主干以降低模型参数,引入基于梯度路径规划的... [目的]针对现有食品包装缺陷实时检测模型参数量庞大和计算复杂、在终端设备上部署困难等问题,提出一种基于改进RT-DETR的轻量化模型SGHS-DETR。[方法]采用超轻量化网络StarNet作为特征提取主干以降低模型参数,引入基于梯度路径规划的高效聚合模块GELAN进行特征融合并保留语义和细节特征;采用基于小波分解的HWD轻量级下采样模块减少特征信息损失,并替换损失函数为ShapeIoU进一步提升模型的检测精度。[结果]SGHS-DETR模型在饼干包装数据集上的平均检测精度达到92.6%,较基准模型参数量和计算复杂度分别降低了65.5%和72.1%,同时检测速度提升了74.4%。[结论]SGHS-DETR模型能够快速有效地检测出饼干包装外观缺陷。 展开更多
关键词 食品包装 缺陷检测 轻量化 RT-DETR starnet
在线阅读 下载PDF
基于YOLOv8改进算法的织物瑕疵检测方法 被引量：1
3
作者 张学林 闵悦 +1 位作者 熊金泉 丁文超 《毛纺科技》 北大核心 2025年第3期145-150,共6页
为了解决织物生产过程中,瑕疵检测存在的准确率低、检测速度慢的问题,提出一种基于YOLOv8改进算法的织物瑕疵检测方法。首先,借鉴轻量化的StarNet重新设计了主干网络结构,降低模型参数量,提升检测速度;其次,设计了一种基于Sobel算子的... 为了解决织物生产过程中,瑕疵检测存在的准确率低、检测速度慢的问题,提出一种基于YOLOv8改进算法的织物瑕疵检测方法。首先,借鉴轻量化的StarNet重新设计了主干网络结构,降低模型参数量,提升检测速度;其次,设计了一种基于Sobel算子的边缘信息增强卷积,以获取瑕疵的边缘信息,提升瑕疵特征的提取能力;最后,在回归损失函数中引入对不同尺度的物体不敏感的NWD损失函数,提高对小目标瑕疵识别的检测能力。实验结果表明:改进后的YOLOv8算法平均检测精度较原模型提升1.5%,模型计算量较原模型下降10.59%,证明了算法改进的有效性。 展开更多
关键词 YOLOv8 瑕疵检测 starnet SOBEL算子 NWD损失函数
在线阅读 下载PDF
基于Pix2PixHD和Star-CAA-YOLOv8的双端故障行波定位方法
4
作者 丁璨 蒋长桦 +1 位作者 王斐 马鹏程 《现代电子技术》 北大核心 2025年第12期157-166,共10页
针对传统故障行波法应用在输电线路中,采样设备的采样频率较低、定位精度不高的问题,提出一种结合对抗生成网络与神经网络的双端行波故障定位算法。该方法利用小波变换提取故障行波低采样率下的初始波头时域特征,以图像的形式输入Pix2Pi... 针对传统故障行波法应用在输电线路中,采样设备的采样频率较低、定位精度不高的问题,提出一种结合对抗生成网络与神经网络的双端行波故障定位算法。该方法利用小波变换提取故障行波低采样率下的初始波头时域特征,以图像的形式输入Pix2PixHD,输出得到高采样率下的初始行波时域特征,进而提升故障定位精度。最后,针对行波检测提出一种Star-CAA-YOLOv8模型,对生成图像进行质量评估,并以实例分割功能实现自动化读取行波到达时间,解决图像带来的读数不便问题。1 MHz采样率下的故障行波图像经过Pix2PixHD输出得到2 MHz采样率下的故障行波图像,故障定位的绝对误差最高缩小83.33%,相对误差最高缩小84.44%。此外,该方法还具有缩小更低误差的可能性。多次仿真对比实验表明,所提方法能够精准地获取高采样率下的故障数据,具有较好的通用性和实用性。 展开更多
关键词 双端行波 故障定位 小波变换 Pix2PixHD YOLOv8 starnet CAA 目标检测
在线阅读 下载PDF
基于Star_YOLOv8的水下珍品检测方法研究
5
作者 夏建军 高定国 许松涛 《现代电子技术》 北大核心 2025年第9期28-35,共8页
为有效实现水下图像各类珍品快速精准检测,解决水下珍品检测存在遮挡、精度不高及其推理速度慢等问题。文中提出一种基于Star_YOLOv8的水下珍品检测算法。首先,在主干网络融合C2f_StarNB模块有效地捕捉水下图像珍品特征,并实现模型的轻... 为有效实现水下图像各类珍品快速精准检测,解决水下珍品检测存在遮挡、精度不高及其推理速度慢等问题。文中提出一种基于Star_YOLOv8的水下珍品检测算法。首先,在主干网络融合C2f_StarNB模块有效地捕捉水下图像珍品特征,并实现模型的轻量化快速检测;其次,加入EMA注意力实现通道和空间特征的融合,提升水下图像不同尺度珍品特征的交叉注意力计算效率,减少噪声带来的影响,改善水下图像复杂场景及多尺度目标的显著性特征表达和检测精度;最后,引入动态聚焦Repulsion Loss损失函数,提高模型的收敛能力以及对多尺度分布遮挡珍品的整体检测效果。为验证改进方法的有效性,在水下珍品数据集上展开实验验证,以mAP@0.5指标验证融入的轻量化和注意力方面均优于其他方法,分别取得了8%和9.4%的提升。此外,相较于之前先进的水下珍品检测方法,该方法在mAP@0.5指标上达到0.863的检测性能。实验结果表明,所提方法在水下图像各类珍品的检测精度、速度等模型性能方面有一定提升。 展开更多
关键词 YOLOv8 水下珍品 目标检测 starnet 注意力机制 Repulsion Loss损失函数
在线阅读 下载PDF
基于树皮纹理的轻量化YOLOv11树种识别方法
6
作者 张政银 向玮 +4 位作者 刘子锋 王俊文 张咪 杨俊俐 黄泽园 《北京林业大学学报》 北大核心 2025年第8期134-148,共15页
【目的】为解决现有树种识别方法在多变光照条件下,因模型计算复杂度高而难以在硬件条件极端受限的移动端或边缘设备部署的问题,提出一种基于树皮纹理的轻量化树种识别方法。【方法】本研究通过改进YOLOv11构建YOLOv11-SWER模型。首先,... 【目的】为解决现有树种识别方法在多变光照条件下,因模型计算复杂度高而难以在硬件条件极端受限的移动端或边缘设备部署的问题,提出一种基于树皮纹理的轻量化树种识别方法。【方法】本研究通过改进YOLOv11构建YOLOv11-SWER模型。首先,引入轻量化特征提取网络StarNet作为主干网络,结合深度可分离卷积与通道混洗机制,显著降低网络的参数量和特征提取过程中的计算量。其次,采用多分支特征融合模块RepNCSPELAN4,结合分组卷积与参数共享策略,兼顾全局特征与局部特征,提升多尺度特征融合效率。然后,设计小波池化(WaveletPool)层,减少噪声干扰并保留高频纹理细节,增强模型对树皮纹理微小特征的捕捉能力。最后,优化检测头结构Detect_Efficient,使用双分支分组卷积结构提高计算效率。同时,基于自建的70类树种、6 681张树皮图像数据集,通过消融实验和对比实验对改进的模型性能进行充分的评估验证。【结果】该模型的检测精确率、召回率、平均精度(mAP50)、平均精度均值(mAP50-95)以及精确率和召回率的调和平均数F_(1)分数分别达到98.1%、98.4%、0.993、0.750和0.982,同时,相较于YOLOv11模型,其参数量和计算量分别降低46.92%和51.5%,大幅降低了模型的空间复杂度和计算复杂度。在不同光照场景下保持稳定的识别性能,展现出良好的光照鲁棒性。【结论】本研究提出的YOLOv11-SWER模型通过轻量化设计与多尺度特征优化,在参数量减少近半的情况下,仍能保持高检测精度,实现了高检测精度与高效率的良好平衡。此方法有望应用于智能林业检测、城市林业资源管理等场景中。 展开更多
关键词 树皮纹理识别 YOLOv11 starnet主干网络 小目标检测 轻量化
在线阅读 下载PDF
改进YOLOv8的输电线路异物检测方法 被引量：9
7
作者 易磊 黄哲玮 易雅雯 《电子测量技术》 北大核心 2024年第15期125-134,共10页
针对无人机对输电线路异物检测准确度有限,模型计算复杂度高、计算速度有限的问题,提出一种改进YOLOv8的输电线路异物检测方法SC-YOLO。该方法引入StarNet以构造C2f_Star模块实现Neck网络轻量化,有效降低模型参数量与计算量,同时通过增... 针对无人机对输电线路异物检测准确度有限,模型计算复杂度高、计算速度有限的问题,提出一种改进YOLOv8的输电线路异物检测方法SC-YOLO。该方法引入StarNet以构造C2f_Star模块实现Neck网络轻量化,有效降低模型参数量与计算量,同时通过增加特征空间维度提升Neck部分特征提取能力;在骨干网络输出特征图后添加卷积注意力融合模块,提升骨干网络对输入特征图的初步特征提取能力,增强模型整体检测效果;将原检测头替换为动态检测头,提升模型对不同输入的动态调整能力与对关键信息的关注程度;使用WIoU作为边界框损失函数,EMA-Slide Loss作为分类损失函数,提升模型泛化能力与检测性能。实验结果表明,提出的SC-YOLO计算量较原始模型下降8.02%,mAP提升1.4个百分点,达到了95.2%的检测精度,在降低模型计算复杂度的同时实现了较高的检测准确率,具有高可行性与实用性。 展开更多
关键词 输电线异物检测 YOLOv8 starnet 卷积注意力融合模块 动态检测头 WIOU损失函数 EMA-Slide Loss损失函数
在线阅读 下载PDF
基于星型网模型的安全漏洞分类 被引量：7
8
作者 李昀 李伟华 《计算机工程与应用》 CSCD 北大核心 2002年第7期42-43,56,共3页
在进行入侵检测技术的研究中,安全漏洞分类是一个重要和必需的过程。然而,现有的漏洞分类在不同程度上都存在一些弊端。为了使分类更加科学、有用,该文提出了一种基于星型网模型的安全漏洞分类。该分类利用星型网的特点,将所有漏洞构造... 在进行入侵检测技术的研究中,安全漏洞分类是一个重要和必需的过程。然而,现有的漏洞分类在不同程度上都存在一些弊端。为了使分类更加科学、有用,该文提出了一种基于星型网模型的安全漏洞分类。该分类利用星型网的特点,将所有漏洞构造成一个7维数据空间,每一维都有具体的粒度划分,可以利用多维数据模型上的数据挖掘对漏洞进行较全面的多维度的数据分析与知识发现。 展开更多
关键词 漏洞分类 星形网模型 7维数据空间 网络安全 入侵检测系统 计算机网络
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部