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138篇文章
< 1 2 … 7 >
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YOLOv4-Tiny算法的机械零件识别
1
作者 杨一帆 靳伍银 +1 位作者 薛文亮 王浩浩 《机械设计》 CSCD 北大核心 2024年第7期61-65,共5页
为实现机械零件的精准快速识别,文中提出了一种基于改进的YOLOv4-Tiny算法的机械零件识别方法。该方法融合了注意力机制和K-means++聚类算法,采用CSPDarknet53-Tiny网络作为主干网络,并将卷积注意力机制模块(Convolution Block Attentio... 为实现机械零件的精准快速识别,文中提出了一种基于改进的YOLOv4-Tiny算法的机械零件识别方法。该方法融合了注意力机制和K-means++聚类算法,采用CSPDarknet53-Tiny网络作为主干网络,并将卷积注意力机制模块(Convolution Block Attention Module, CBAM;Global Attention Mechanism, GAM)加在YOLOv4-Tiny主干网络与特征金字塔的连接处及其上采样处,在不影响主干网络的条件下,对每个通道的特征信息重新压缩并提取,过滤掉冗余特征信息,保留重要特征信息,并重新分配权重;再用K-means++聚类算法得到一组与机械零件图像数据集相匹配的先验框参数。试验结果表明,与传统的YOLOv4-Tiny算法相比,改进后的YOLOv4-Tiny算法在保证实时性的前提下,平均召回率和平均准确率分别达到99.43%和99.41%,可以准确检测并定位机械零件图像的位置。 展开更多
关键词 yolov4-tiny算法 机械零件识别 CBAM GAM K-means++聚类算法
在线阅读 下载PDF
基于改进YOLOv4-tiny算法的手势识别 被引量：28
2
作者 卢迪 马文强 《电子与信息学报》 EI CSCD 北大核心 2021年第11期3257-3265,共9页
随着人机交互的发展,手势识别越来越重要。同时,移动端应用发展迅速,将人机交互技术在移动端实现是一个发展趋势。该文提出一种改进YOLOv4-tiny的手势识别算法。首先,在YOLOv4-tiny网络基础上,添加空间金字塔池化(SPP)模块,融合了图像... 随着人机交互的发展,手势识别越来越重要。同时,移动端应用发展迅速,将人机交互技术在移动端实现是一个发展趋势。该文提出一种改进YOLOv4-tiny的手势识别算法。首先,在YOLOv4-tiny网络基础上,添加空间金字塔池化(SPP)模块,融合了图像的局部和全局特征,增强网络的准确定位能力。其次,在YOLOv4-tiny原网络的3个最大池化层和新增SPP模块后各添加一个1×1的卷积模块,减少了网络的参数,提高网络的预测速度。在此基础上,利用K-means++算法生成适合检测手势的先验框,加快网络检测手势。在手势数据集NUSII上,与YOLOv3-tiny算法和YOLOv4-tiny算法进行对比,改进算法平均精度均值(mAP)为100%,每秒传输帧数(fps)为377,可以快速准确地检测识别手势。将该文改进算法部署在安卓(Android)移动端,实现了移动端实时的手势检测与识别,对人机交互的发展有很大的研究意义。 展开更多
关键词 手势识别 人机交互 yolov4-tiny 安卓
在线阅读 下载PDF
改进的YOLOv4-tiny算法及其在无人机目标检测中的应用 被引量：4
3
作者 杨锐 黄山 《电光与控制》 CSCD 北大核心 2022年第12期71-77,共7页
无人机目标检测可用于反制无人机的场景,为了便于算法在嵌入式设备部署通常需要采用轻量的模型。YOLOv4目标检测算法的轻量化版本YOLOv4-tiny具有较快的检测速度,然而其网络结构较为简单,检测精度偏低。为了进一步提升模型的检测精度,... 无人机目标检测可用于反制无人机的场景,为了便于算法在嵌入式设备部署通常需要采用轻量的模型。YOLOv4目标检测算法的轻量化版本YOLOv4-tiny具有较快的检测速度,然而其网络结构较为简单,检测精度偏低。为了进一步提升模型的检测精度,提出了YOLO-L2模型。选用YOLOv4-tiny的主干网络进行特征提取,并采用基于协调注意力机制的路径聚合网络对特征进行融合,融合过程中使用一组可学习的系数进行加权;在最深的特征层嵌入一个级联残差模块ResBlock-L2用来增大感受野并融合不同感受野特征;最后提出了边框损失函数MEIoU来替换CIoU。改进后的算法检测效果更精准,相比于YOLOv4-tiny,在VOC数据集和自制的UAV-L数据集中mAP分别提高了3.19%和3.95%,并且满足实时性的要求。 展开更多
关键词 目标检测 特征融合 协调注意力 yolov4-tiny 无人机 MEIoU
在线阅读 下载PDF
YOLOv4-tiny算法的融合模块在卷烟小包外观缺失检测中的应用 被引量：10
4
作者 杨超 李佳田 +3 位作者 张泽龙 陆大进 张兴忆 杨树青 《中国烟草学报》 CAS CSCD 北大核心 2022年第2期59-64,共6页
卷烟烟包外包装图案缺失检测是卷烟生产中的重要环节,目前常用的图案缺失检测方法普遍存在漏检率高、识别精度不够和速度慢等问题。因此本文提出了一种基于YOLOv4-tiny的烟包缺陷快速检测方法。该方法主要包括:(1)使用CSPDarknet53-tin... 卷烟烟包外包装图案缺失检测是卷烟生产中的重要环节,目前常用的图案缺失检测方法普遍存在漏检率高、识别精度不够和速度慢等问题。因此本文提出了一种基于YOLOv4-tiny的烟包缺陷快速检测方法。该方法主要包括:(1)使用CSPDarknet53-tiny对图像特征进行提取。(2)通过添加多空间空洞卷积融合模块,获得丰富的上下文信息,增强感受野,从而提高模型的检测精度。(3)使用EIoU边框位置回归损失函数,提高烟盒图案识别预测框的精确率。本文方法与YOLOv4-tiny进行对比,实验结果表明,本文算法m AP值为97.35%,检测烟包外观的平均时间为17ms,能够满足卷烟小包外观检测对时间和精确率的要求。相较于YOLOv4-tiny在m AP上提升了1.34%,在AverageIoU上提升了3.68%,速度基本与YOLOv4-tiny持平,在保持快速检测的同时能够有效的提高精度。 展开更多
关键词 yolov4-tiny EIoU 图案检测 多空间空洞卷积融合模块
在线阅读 下载PDF
应用YOLOv4-tiny算法实现保护压板智能校核 被引量：8
5
作者 杨宗源 侯进 +3 位作者 周浩然 郝彦超 文志龙 李天宇 《科学技术与工程》 北大核心 2022年第2期570-576,共7页
目前继电保护压板的巡检校核仍以人工为主,为提高其工作的效率,提出了一种智能实时校核方法。该方法首先使用YOLOv4-tiny算法对压板的投退状态进行预测,然后使用腾讯开源的ncnn前向推理框架,对YOLO模型进行优化,最后将模型移植到移动端... 目前继电保护压板的巡检校核仍以人工为主,为提高其工作的效率,提出了一种智能实时校核方法。该方法首先使用YOLOv4-tiny算法对压板的投退状态进行预测,然后使用腾讯开源的ncnn前向推理框架,对YOLO模型进行优化,最后将模型移植到移动端,使用手机软件完成压板校核。经测试,模型的均值平均精度达到99.13%,平均预测速度达到每秒30张图片,并可以有效解决反光、遮挡等环境因素的影响,可以显著提升巡检工作的效率。 展开更多
关键词 保护压板 智能校核 yolov4-tiny ncnn模型 移动端
在线阅读 下载PDF
基于改进YOLOv7-tiny的车辆目标检测算法
6
作者 赵海丽 许修常 潘宇航 《兵工学报》 北大核心 2025年第4期101-111,共11页
为更好地保护人民的生命财产安全,针对目前依靠人力进行交通管理工作时统计不准确、反馈不及时等问题,提出一种适合部署在边缘终端设备上的基于YOLOv7-tiny算法改进的车辆目标检测算法。通过构造深度强力残差卷积块对主干网络的轻量级... 为更好地保护人民的生命财产安全,针对目前依靠人力进行交通管理工作时统计不准确、反馈不及时等问题,提出一种适合部署在边缘终端设备上的基于YOLOv7-tiny算法改进的车辆目标检测算法。通过构造深度强力残差卷积块对主干网络的轻量级高效层聚合网络(Efficient Layer Aggregation Network-Tiny,ELAN-T)模块进行轻量化改进;通过削减分支,对特征融合网络的ELAN-T模块进行轻量化改进,降低网络的参数量和计算量,并对特征融合网络的结构进行重新构造;引入高效通道注意力机制和EIOU边界框损失函数提升算法的精度。在预处理后的UA-DETRAC数据集上实验,改进后的算法参数量相比于原始的YOLOv7-tiny算法降低了15.1%,计算量降低了5.3%,mAP@0.5提升了5.3个百分点。实验结果表明,改进后的算法不仅实现了轻量化,而且检测精度有所提升,适合部署在边缘终端设备上,完成对道路中车辆的检测任务。 展开更多
关键词 车辆检测 yolov7-tiny算法 深度强力残差卷积块 轻量级高效层聚合网络模块
在线阅读 下载PDF
YOLOv4-Tiny的改进轻量级目标检测算法 被引量：26
7
作者 何湘杰 宋晓宁 《计算机科学与探索》 CSCD 北大核心 2024年第1期138-150,共13页
目标检测是深度学习的重要分支领域,大量的边缘设备需要轻量级的目标检测算法,但现有的轻量级的通用目标检测算法存在检测精度低、检测速度慢的问题。针对这一问题,提出了一种基于注意力机制的YOLOv4-Tiny的改进算法。调整了原有的YOLOv... 目标检测是深度学习的重要分支领域,大量的边缘设备需要轻量级的目标检测算法,但现有的轻量级的通用目标检测算法存在检测精度低、检测速度慢的问题。针对这一问题,提出了一种基于注意力机制的YOLOv4-Tiny的改进算法。调整了原有的YOLOv4-Tiny算法的主干网络的结构,引入了ECA注意力机制,使用空洞卷积改进了传统的SPP结构为DC-SPP结构,并提出了CSATT注意力机制,与特征融合网络PAN形成CSATT-PAN的颈部网络,提高了网络的特征融合能力。提出的YOLOv4-CSATT算法和原始YOLOv4-Tiny算法相比,在检测速度基本持平的情况下,对于信息的敏感程度以及分类的准确程度有了明显的提高,在VOC数据集上精度提高了12.3个百分点,在COCO数据集上高出了6.4个百分点。在VOC数据集上,相比Faster RCNN、SSD、Efficientdet-d1、YOLOv3-Tiny、YOLOv4-MobileNetv1、YOLOv4-MobileNetv2、PP-YOLO算法在精度上分别高出3.3、5.5、6.3、17.4、10.3、0.9和0.6个百分点,在召回率上分别高出2.8、7.1、4.2、18.0、12.2、2.1和4.0个百分点,FPS达到94。通过提出CSATT注意力机制提高了模型对于空间的通道信息的捕捉能力,并结合ECA注意力机制和特征融合金字塔算法,提高了模型的特征融合的能力以及目标检测精度。 展开更多
关键词 目标检测 yolov4-tiny算法 注意力机制 轻量级神经网络 特征融合
在线阅读 下载PDF
基于改进YOLOv4-tiny的安全标志检测
8
作者 赵重保 叶亭君 +4 位作者 费斐 康士明 赵雷 王瑶涵 宋泽阳 《中国安全生产科学技术》 北大核心 2025年第6期149-158,共10页
为有效实现高效安全标志检测和对不安全行为预警,基于深度学习YOLOv4-tiny模型引入ECANet注意力机制,结合Soft-NMS算法提出1种用于检测安全标志的模型。模型中数据集包含2000个安全标志,其中训练集1620张、验证集180张和测试集200张。... 为有效实现高效安全标志检测和对不安全行为预警,基于深度学习YOLOv4-tiny模型引入ECANet注意力机制,结合Soft-NMS算法提出1种用于检测安全标志的模型。模型中数据集包含2000个安全标志,其中训练集1620张、验证集180张和测试集200张。研究结果表明:该模型的检测精度达到97.76%,比YOLOv4-tiny和Faster RCNN卷积神经网络算法分别提高了7.55百分点和9.23百分点;改进的模型可避免YOLOv4-tiny和Faster RCNN卷积神经网络算法中出现的过拟合现象,泛化性能更好,在检测小目标区域和弱光条件下目标时,改进模型优势更加突出。研究结果可为施工场地安全标志的智能化监控与风险预警提供技术参考。 展开更多
关键词 安全标志检测 计算机视觉 yolov4-tiny 注意力机制 Soft-NMS算法
在线阅读 下载PDF
改进YOLOv4-tiny网络的日用商品目标检测算法 被引量：1
9
作者 王林枫 左云波 +2 位作者 徐小力 周可鑫 范博森 《计算机应用与软件》 北大核心 2024年第11期319-326,365,共9页
针对基于移动平台的商品图像检测算法存在硬件要求高、模型复杂且精度低等问题,提出一种YOLOv4-tiny改进网络,减少网络参数与模型尺寸,提高网络精度,构建更高效的网络。将原有标准卷积替换为点卷积与逐深度卷积,特征提取使用CG模块,降... 针对基于移动平台的商品图像检测算法存在硬件要求高、模型复杂且精度低等问题,提出一种YOLOv4-tiny改进网络,减少网络参数与模型尺寸,提高网络精度,构建更高效的网络。将原有标准卷积替换为点卷积与逐深度卷积,特征提取使用CG模块,降低网络模型计算损耗。特征融合时,在原有特征金字塔(Feature Pyramid Networks,FPN)基础上添加PANity模块,缩短高低间卷积层的跨度。使用CSPConcat结构对此前各层融合特征进行特征优化处理,提高各层间特征融合的能力。利用k-prototypes算法优化日用商品数据集先验框的尺寸与数目。通过在darknet深度学习框架下,对日用商品数据集进行实验,得出改进后的算法平均精度(mAP)为98%,召回率为97%,较原网络提升了2.4百分点和2百分点,网络模型计算量较原网络降低了40.4%,模型存储文件缩小了55.9%。改进后的网络模型更轻量化、准确率更高,更加适用于部署在无人结算环节的低硬件水平嵌入式设备中。 展开更多
关键词 新零售 嵌入式 目标检测 日用商品 yolov4-tiny
在线阅读 下载PDF
基于改进YOLOv4-tiny的果园复杂环境下桃果实实时识别 被引量：3
10
作者 苑迎春 张傲 +2 位作者 何振学 张若晨 雷浩 《中国农机化学报》 北大核心 2024年第8期254-261,共8页
为实现果园复杂环境下的桃果实实时识别,提出一种基于YOLOv4-tiny的桃果实实时识别方法 YOLOv4-tinyPeach。通过在主干网络中引入卷积注意力模块CBAM,优化其通道维度和空间维度的特征信息;在颈部网络中添加大尺度浅层特征层,提高对小目... 为实现果园复杂环境下的桃果实实时识别,提出一种基于YOLOv4-tiny的桃果实实时识别方法 YOLOv4-tinyPeach。通过在主干网络中引入卷积注意力模块CBAM,优化其通道维度和空间维度的特征信息;在颈部网络中添加大尺度浅层特征层,提高对小目标识别精度;采用双向特征金字塔网络BiFPN对不同尺度特征信息进行融合。通过训练和比较,YOLOv4-tiny-Peach模型在测试集下的平均精度AP为87.88%,准确率P为91.81%,召回率R为73.84%,F1值为81.85%,相比于改进前,AP提升5.46%,P提升2.29%,R提升4.09%,F1提升3.44%。为检验改进模型在果园复杂环境下的适应性,在不同数目、不同成熟期和遮挡的情况下对果实图像进行识别,并与原模型识别效果进行对比,结果表明改进模型在三种情况下的识别精度均高于原模型,尤其在大视场和未熟期场景下模型改进效果显著。YOLOv4-tiny-Peach模型占用内存为27.4 MB,识别速度为49.76 fps,适用于农业嵌入式设备。为果园复杂环境下的桃果实自动采摘提供实时精准的目标识别指导。 展开更多
关键词 桃 采摘机器人 目标识别模型 yolov4-tiny 果园 实时
在线阅读 下载PDF
基于通道剪枝的YOLOv7-tiny输电线路异物检测算法 被引量：6
11
作者 孙阳 李佳 《计算机工程与应用》 CSCD 北大核心 2024年第14期319-328,共10页
针对输电线路异物检测精度不佳且模型庞大的问题,提出了基于通道剪枝的改进YOLOv7-tiny算法用于输电线路异物检测。用ReXNet网络替代了YOLOv7-tiny的骨干网络改进原网络的特征瓶颈问题。引入了多样化分支块从而增加网络特征融合能力,通... 针对输电线路异物检测精度不佳且模型庞大的问题,提出了基于通道剪枝的改进YOLOv7-tiny算法用于输电线路异物检测。用ReXNet网络替代了YOLOv7-tiny的骨干网络改进原网络的特征瓶颈问题。引入了多样化分支块从而增加网络特征融合能力,通过基于层自适应幅度的修剪(LAMP)剪枝方案损失一定精度换取模型体积、运算量的降低,为下一步部署到嵌入式设备做好准备。实验结果表明,最终的改进模型相对于YOLOv7-tiny模型精度上提升3个百分点,FPS提升原来的119.4%,模型大小压缩到原来的14%。 展开更多
关键词 输电线路 yolov7-tiny算法 通道剪枝 异物检测
在线阅读 下载PDF
改进YOLOv4-Tiny的面向售货柜损害行为人体检测 被引量：1
12
作者 殷民 贾新春 +2 位作者 张学立 冯江涛 范晓宇 《计算机工程与应用》 CSCD 北大核心 2024年第8期234-241,共8页
无人货柜的安全检测一直是零售领域的热点话题。针对现有人工监控无法及时且有效地捕捉到部分消费者对自助售货柜及其内部商品的损坏行为这一问题,提出了一种改进YOLOv4-Tiny的面向售货柜损害行为人体检测方法。将真实场景采集到的监控... 无人货柜的安全检测一直是零售领域的热点话题。针对现有人工监控无法及时且有效地捕捉到部分消费者对自助售货柜及其内部商品的损坏行为这一问题,提出了一种改进YOLOv4-Tiny的面向售货柜损害行为人体检测方法。将真实场景采集到的监控视频进行预处理,完成对数据集DMGE-Act的制作,解决场景图像数据源不足的问题。提出了基于YOLOv4-Tiny的改进模型——YOLOv4-TinyX,通过修改神经网络的激活函数进行平滑逼近,分别在主干特征提取网络的最大特征提取层后引入CBAM,在加强特征提取网络中的上采样操作层后引入CA两种不同的注意力机制模块,并且进行了数据不平衡的修正,有效提升了算法的特征提取与检测能力。通过对比实验分析,改进后的模型参数量仅增加2×10^(4)的同时,平均精度均值mAP提升了10.29个百分点,结果表明该算法保持轻量化且对损害行为的检测精度有显著提升。 展开更多
关键词 无人值守 损害行为 yolov4-tiny 平滑逼近 注意力机制 轻量化
在线阅读 下载PDF
基于YOLOv7-Tiny算法的无人机实时跟踪野生动物方法 被引量：4
13
作者 阎婧宇 谢永华 《野生动物学报》 北大核心 2024年第2期251-261,共11页
借助无人机边缘计算技术监测野生动物的运动状态和种群发展变化已成为科研工作者广泛使用的技术手段。传统跟踪算法算力高,机载边缘设备硬件资源算力不足,在户外复杂的自然环境下难以实现实时跟踪。为解决野外环境中无人机跟踪野生动物... 借助无人机边缘计算技术监测野生动物的运动状态和种群发展变化已成为科研工作者广泛使用的技术手段。传统跟踪算法算力高,机载边缘设备硬件资源算力不足,在户外复杂的自然环境下难以实现实时跟踪。为解决野外环境中无人机跟踪野生动物时遇到树木遮挡和背景干扰导致无法准确实时跟踪的问题,选取东北地区东北虎(Panthera tigris altaica)、狍(Capreolus pygargus mantschuricus)和驯鹿(Rangifer tarandus phylarchus)为研究对象,以YOLOv7-Tiny+Bot-SORT作为检测跟踪的基础框架,提出了一种轻量化的无人机跟踪算法。首先,采用FasterNet网络减少模型冗余计算,增强特征图中目标区域关注度;其次,采用高效通道注意力机制实现局部跨通道交流,降低复杂环境对检测网络的影响,提升网络检测能力;最后,为降低计算成本,替换重识别网络,提高无人机跟踪速度。结果显示:提出的实时跟踪方法准确度(MOTA)和精确度(MOTP)分别达到79.93%和73.48%,跟踪速度从3.4帧/s提升到43.4帧/s。研究表明,提出的算法不仅在提升跟踪精度和速度方面表现出色,而且更适用于算力有限的边缘设备,为保护野生动物的多样性和群体行为研究提供了强大的技术支持。 展开更多
关键词 多目标跟踪 yolov7-tiny算法 野生动物 无人机 轻量化
在线阅读 下载PDF
基于改进YOLOv7-tiny算法的多种类不均衡样本水稻害虫检测 被引量：3
14
作者 李鑫 南新元 《山东农业科学》 北大核心 2024年第6期133-142,共10页
为实现基于机器视觉的田间水稻害虫检测,本研究结合IP102农业害虫数据集及网络资源,建立了含有26类标签的不均衡样本水稻害虫数据集;改进YOLOv7-tiny单阶段目标检测算法,以部分卷积PConv作为主要卷积核,结合极化自注意力机制(Polarized ... 为实现基于机器视觉的田间水稻害虫检测,本研究结合IP102农业害虫数据集及网络资源,建立了含有26类标签的不均衡样本水稻害虫数据集;改进YOLOv7-tiny单阶段目标检测算法,以部分卷积PConv作为主要卷积核,结合极化自注意力机制(Polarized Self-Attention),将提取到的特征进行复杂双向多尺度特征融合,建立了适合多种类不均衡样本的水稻害虫检测模型。结果表明,在加入迁移学习和多尺度训练的条件下,改进后的YOLOv7-tiny检测算法在自建水稻害虫数据集的平均检测精度达到96.4%,单张图片的检测时间为8.8 ms,模型大小为9 055 kb,可实现对田间水稻害虫的快速准确识别,为水稻害虫的智能化检测和防治提供了技术支持。 展开更多
关键词 水稻害虫检测 改进yolov7-tiny算法 部分卷积 极化自注意力机制 特征融合 迁移学习
在线阅读 下载PDF
基于YOLOv7-tiny改进的交通标志小目标实时检测算法 被引量：1
15
作者 牟家宇 南新元 《科学技术与工程》 北大核心 2024年第30期13072-13079,共8页
在自然环境下精确实时地检测交通标志小目标对自动驾驶和智慧交通有着重要意义,然而现有算法难以平衡速度与精度的问题。基于YOLOv7-tiny算法,提出了一种改进YOLOv7-tiny的交通标志小目标实时检测算法,即YOLO-T算法。采用条件参数化卷积... 在自然环境下精确实时地检测交通标志小目标对自动驾驶和智慧交通有着重要意义,然而现有算法难以平衡速度与精度的问题。基于YOLOv7-tiny算法,提出了一种改进YOLOv7-tiny的交通标志小目标实时检测算法,即YOLO-T算法。采用条件参数化卷积(CondConv)结构,提升了骨干网络的特征提取能力。为增强对小目标的定位准确度并保证检测速度,设计了TinyFPN特征融合网络结构和ELAN-P网络聚合层。为了验证YOLO-T算法的有效性,在TT100K数据集上做了消融实验和对比实验。实验结果表明,在训练样本及训练设备参数相同的情况下,YOLO-T比YOLOv7-tiny算法的均值平均精度(mAP)提升了16.8%,并且单张图片的检测时间仅10.2 ms。可见,所提的YOLO-T算法能够平衡交通标志小目标的检测速度与精度。 展开更多
关键词 交通标志检测 小目标 YOLO-T算法 yolov7-tiny算法
在线阅读 下载PDF
多特征融合的YOLOv4-tiny带钢表面缺陷检测方法研究
16
作者 李锦达 汤勃 +2 位作者 孙伟 孔建益 林中康 《计算机应用与软件》 北大核心 2024年第12期208-213,254,共7页
微小表面缺陷自动识别是带钢生产过程中的研究难点之一。为了提高带钢表面缺陷检测的准确性,提出一种多特征融合的YOLOv4-tiny深度学习方法。引入Inception结构与多尺度信息。提取原始图片的方向梯度直方图特征(HOG),并与主干网络所提... 微小表面缺陷自动识别是带钢生产过程中的研究难点之一。为了提高带钢表面缺陷检测的准确性,提出一种多特征融合的YOLOv4-tiny深度学习方法。引入Inception结构与多尺度信息。提取原始图片的方向梯度直方图特征(HOG),并与主干网络所提取的高层特征相融合,作为特征金字塔结构的输入。实验结果表明,该算法在测试集中带钢表面缺陷mAP达到93.99%,相比原网络提高了13.57百分点,网络参数量相比于原网络减少约21万,网络检测精度有较大的提升。 展开更多
关键词 带钢 表面缺陷检测 特征融合 yolov4-tiny 深度学习
在线阅读 下载PDF
基于YOLOv4-tiny改进的轻量级口罩检测算法 被引量：22
17
作者 朱杰 王建立 王斌 《液晶与显示》 CAS CSCD 北大核心 2021年第11期1525-1534,共10页
新冠疫情防控期间,为防止病毒扩散,需要在机场、车站等公共场所对人流的口罩佩戴情况实施管控。为了高效地监测人流的口罩佩戴情况,提出了一种基于YOLOv4-tiny改进的轻量级口罩检测算法。在YOLOv4-tiny的骨干网络之后引入空间金字塔池... 新冠疫情防控期间,为防止病毒扩散,需要在机场、车站等公共场所对人流的口罩佩戴情况实施管控。为了高效地监测人流的口罩佩戴情况,提出了一种基于YOLOv4-tiny改进的轻量级口罩检测算法。在YOLOv4-tiny的骨干网络之后引入空间金字塔池化结构,对输入特征层进行多尺度池化并融合,同时大幅增强网络的感受野。结合路径聚合网络,分两条路径将不同尺度的特征层相互融合、反复增强,以提升特征层对目标的表达能力。使用标签平滑策略优化了网络损失函数,以抑制网络训练过程中的过拟合问题。实验结果表明,该算法在口罩目标和人脸目标上的检测精度分别达到了94.7%和85.7%,相比于YOLOv4-tiny分别提高了4.3%和7.1%,实时检测速度达到76.8 FPS(on GeForce GTX 1050Ti),满足了多种场景下口罩检测任务的检测精度与实时性要求。 展开更多
关键词 口罩检测 yolov4-tiny 空间金字塔池化 特征融合
在线阅读 下载PDF
基于改进YOLOv4-Tiny轻量化校内行人目标检测算法 被引量：5
18
作者 孙好 董兴法 +1 位作者 王军 陈致远 《计算机工程与应用》 CSCD 北大核心 2023年第15期97-106,共10页
深度学习常用于行人检测,为了在嵌入式设备上应用复杂的传统卷积神经网络,网络的轻量化是必然趋势,但难以兼顾速度和精度。为解决这个问题,设计了一种基于改进YOLOv4-Tiny的轻量化校内行人目标检测算法。提出了一种多尺度空洞卷积模块... 深度学习常用于行人检测,为了在嵌入式设备上应用复杂的传统卷积神经网络,网络的轻量化是必然趋势,但难以兼顾速度和精度。为解决这个问题,设计了一种基于改进YOLOv4-Tiny的轻量化校内行人目标检测算法。提出了一种多尺度空洞卷积模块的改进Ghost卷积特征提取模块,同时普通卷积用深度可分离卷积代替,降低了模型复杂度,增加特征提取的多样性;构建了一种空洞深度可分离卷积的改进空间金字塔池化结构,增强上下文特征的融合,提高检测精度,减少网络参数;再引入Soft-NMS取代传统非极大值抑制,降低漏检率。实验结果表明,该算法在多个数据集和硬件平台上,其具有精度高、速度快、模型参数少和体积少等特点,可以应用于嵌入式设备。 展开更多
关键词 校内行人 深度学习 yolov4-tiny Ghost卷积 非极大值抑制
在线阅读 下载PDF
基于网络瘦身算法的YOLOv4-tiny的甘蔗茎节识别 被引量：2
19
作者 陈文 余康 +3 位作者 李岩舟 陈远玲 胡珊珊 乔曦 《中国农机化学报》 北大核心 2023年第2期172-181,共10页
为提高智能甘蔗收获的准确性,降低算法对部署的高算力要求,利用轻量级目标检测算法YOLOv4-tiny相对YOLOv4算法更简化的网络结构、更高的推理速度等优点,提出基于MobileNet和网络瘦身的两种YOLOv4-ting识别算法方案,并比较二者的精度和... 为提高智能甘蔗收获的准确性,降低算法对部署的高算力要求,利用轻量级目标检测算法YOLOv4-tiny相对YOLOv4算法更简化的网络结构、更高的推理速度等优点,提出基于MobileNet和网络瘦身的两种YOLOv4-ting识别算法方案,并比较二者的精度和模型复杂度。其中,基于网络瘦身算法的YOLOv4-tiny在精度较瘦身前(94.7%)下降0.6%的情况下,模型复杂度下降为原来的1/3,即瘦身后的FLOPs和Params分别为1.1 G和1 789 658。而以MobileNet为Backbone的YOLOv4-tiny在精度下降1.92%的情况下,它的FLOPs和Params为1.29 G、2 600 068,其在精度和模型复杂度上的表现都不如瘦身后的YOLOv4-tiny模型。结果表明:基于网络瘦身算法的YOLOv4-tiny甘蔗茎节识别模型可有效降低模型复杂度,其计算量对嵌入式设备和移动式设备友好。该研究可为智能甘蔗收割机构的开发提供技术参考。 展开更多
关键词 MobileNet 网络瘦身 yolov4-tiny 甘蔗茎节
在线阅读 下载PDF
基于改进YOLOv4-tiny的轻量化室内人员目标检测算法 被引量：8
20
作者 赵凤 李永恒 +1 位作者 李晶 刘汉强 《电子与信息学报》 EI CSCD 北大核心 2022年第11期3815-3824,共10页
深度学习在室内人员检测领域应用广泛,但是传统的卷积神经网络复杂度大且需要高算力GPU的支持,很难实现在嵌入式设备上的部署。针对上述问题,该文提出一种基于改进YOLOv4-tiny的轻量化室内人员目标检测算法。首先,设计一种改进的Ghost... 深度学习在室内人员检测领域应用广泛,但是传统的卷积神经网络复杂度大且需要高算力GPU的支持,很难实现在嵌入式设备上的部署。针对上述问题,该文提出一种基于改进YOLOv4-tiny的轻量化室内人员目标检测算法。首先,设计一种改进的Ghost卷积特征提取模块,有效减少了模型的复杂度;同时,该文通过采用带有通道混洗机制的深度可分离卷积进一步减少网络参数;其次,该文构建了一种多尺度空洞卷积模块以获得更多具有判别性的特征信息,并结合改进的空洞空间金字塔池化结构和具有位置信息的注意力机制进行有效的特征融合,在提升准确率的同时提高推理速度。在多个数据集和多种硬件平台上的实验表明,该文算法在精度、速度、模型参数和体积等方面优于原YOLOv4-tiny网络,更适合部署于资源有限的嵌入式设备。 展开更多
关键词 室内人员检测 深度学习 yolov4-tiny Ghost卷积
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 2 … 7 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