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9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：
一种基于YOLOv5的农业害虫检测方法 被引量：1
1
作者 李宗柱 宋绍剑 李修华 《植物保护》 北大核心 2025年第1期111-122,共12页
虫害是影响农作物产量的重要因素之一,害虫种类的精确识别已成为农业领域目标检测的重要研究课题。但由于害虫样本存在类间相似,标注的害虫样本尺度多样、背景复杂和类别分布不均匀等问题,使害虫的精准识别面临严峻挑战。为此,本文提出... 虫害是影响农作物产量的重要因素之一,害虫种类的精确识别已成为农业领域目标检测的重要研究课题。但由于害虫样本存在类间相似,标注的害虫样本尺度多样、背景复杂和类别分布不均匀等问题,使害虫的精准识别面临严峻挑战。为此,本文提出一种基于YOLOv5改进模型的农业害虫检测新方法。首先,引入了一种新型特征金字塔(feature pyramid attention,FPA)模块,用于替换基准YOLOv5主干网络的空间金字塔池化(spatial pyramid pooling,SPP)模块。该模块能够进行不同尺度的特征提取,并将提取的特征拼接作为注意力机制指导网络进行细粒度特征提取。然后,在YOLOv5主干网络输出层的特征提取过程中插入全局注意力上采样(global attention upsampling,GAU)模块,用高级特征的全局信息来指导模型从复杂背景中提取特征,使得模型能够从低级特征中更精准地提取类别定位细节特征,进而提高模型的识别精度。本文在IP102害虫数据集上进行算法验证,结果表明,与现有的多尺度注意学习网络(multiscale attention learning network,MS-ALN)相比准确率提升了3.21百分点。 展开更多
关键词 害虫识别 yolov5 数据增强 注意力机制 多尺度特征提取
在线阅读 下载PDF
基于YOLOv5的雾霾天气下交通标志识别模型 被引量：33
2
作者 尹靖涵 瞿绍军 +3 位作者 姚泽楷 胡玄烨 秦晓雨 华璞靖 《计算机应用》 CSCD 北大核心 2022年第9期2876-2884,共9页
针对雾霾、雨雪等恶劣天气下小型交通标志识别精度低、漏检严重的问题,提出一种基于YOLOv5的雾霾天气下交通标志识别模型。首先,对YOLOv5的结构进行优化,采用逆向思维,通过削减特征金字塔深度、限制最高下采样倍数来解决小目标难以识别... 针对雾霾、雨雪等恶劣天气下小型交通标志识别精度低、漏检严重的问题,提出一种基于YOLOv5的雾霾天气下交通标志识别模型。首先,对YOLOv5的结构进行优化,采用逆向思维,通过削减特征金字塔深度、限制最高下采样倍数来解决小目标难以识别的问题,并通过调整残差模块的特征传递深度来抑制背景特征的重复叠加;其次,引入数据增强、K-means先验框、全局非极大值抑制(GNMS)等机制到模型;最后,在中国交通标志数据集TT100K上验证改进YOLOv5模型在面对恶劣天气时的检测能力,并对精度下降最显著的雾霾天气下的交通标志识别展开了重点研究。实验结果表明,改进YOLOv5模型的F1-score达0.92150,平均精度均值@0.5(mAP@0.5)达95.3%,平均精度均值@0.5:0.95(mAP@0.5:0.95)达75.2%,且所提模型在恶劣天气下仍能进行交通标志的高精度识别,每秒检测帧数(FPS)达到50,满足实时检测的需求。 展开更多
关键词 深度学习 目标检测 yolov5 特征金字塔 雾霾天气 交通标志识别
在线阅读 下载PDF
改进YOLOv5的小目标检测算法 被引量：12
3
作者 俞军 贾银山 《计算机工程与应用》 CSCD 北大核心 2023年第12期201-207,共7页
虽然现在的深度学习技术在大中目标检测领域取得了惊人的进步,但是由于小目标的尺寸有限以及卷积网络的局限性,导致小目标检测仍然是一个具有挑战性的问题。通过改进YOLOv5算法,提出了一种针对小目标的YOLO-S模型。在原来三层输出层的... 虽然现在的深度学习技术在大中目标检测领域取得了惊人的进步,但是由于小目标的尺寸有限以及卷积网络的局限性,导致小目标检测仍然是一个具有挑战性的问题。通过改进YOLOv5算法,提出了一种针对小目标的YOLO-S模型。在原来三层输出层的基础上,利用级联网络,添加一个专门针对于小目标检测的输出层。为了补充上下文信息以及抑制多尺度特征融合冲突,设计了一种新的上下文信息提取模块CFM(Context Feature Module)以及基于通道和空间特征细化的模块FSM(feature specify module)。上采样方式由原来的最邻近插值替换为新设计的Transpose模块,可以将信息最大化恢复。数据集采用专门针对于小目标的VisDrone2019来验证算法的有效性。实验结果表明,YOLO-S比YOLOv5的mAP@0.5提高了6.9个百分点。 展开更多
关键词 yolov5 小目标检测 级联网络 上下文信息 特征细化
在线阅读 下载PDF
基于改进YOLOv5的安全帽佩戴检测算法 被引量：61
4
作者 张锦 屈佩琪 +1 位作者 孙程 罗蒙 《计算机应用》 CSCD 北大核心 2022年第4期1292-1300,共9页
针对现有安全帽佩戴检测干扰性强、检测精度低等问题,提出一种基于改进YOLOv5的安全帽检测新算法。首先,针对安全帽尺寸不一的问题,使用K-Means++算法重新设计先验框尺寸并将其匹配到相应的特征层;其次,在特征提取网络中引入多光谱通道... 针对现有安全帽佩戴检测干扰性强、检测精度低等问题,提出一种基于改进YOLOv5的安全帽检测新算法。首先,针对安全帽尺寸不一的问题,使用K-Means++算法重新设计先验框尺寸并将其匹配到相应的特征层;其次,在特征提取网络中引入多光谱通道注意力模块,使网络能够自主学习每个通道的权重,增强特征间的信息传播,从而加强网络对前景和背景的辨别能力;最后,在训练迭代过程中随机输入不同尺寸的图像,以此增强算法的泛化能力。实验结果表明,在自制安全帽佩戴检测数据集上,所提算法的均值平均精度(mAP)达到96.0%,而对佩戴安全帽的工人的平均精度(AP)达到96.7%,对未佩戴安全帽的工人的AP达到95.2%,相较于YOLOv5算法,该算法对佩戴安全帽的平均检测准确率提升了3.4个百分点,满足施工场景下安全帽佩戴检测的准确率要求。 展开更多
关键词 安全帽佩戴检测 目标检测 深度学习 yolov5 注意力机制
在线阅读 下载PDF
面向小目标的YOLOv5安全帽检测算法 被引量：22
5
作者 吕宗喆 徐慧 +2 位作者 杨骁 王勇 王唯鉴 《计算机应用》 CSCD 北大核心 2023年第6期1943-1949,共7页
安全帽的佩戴是工人人身安全的有力保障。针对采集的安全帽佩戴图像目标密集、像素点小、检测难度大的特点,提出一种面向安全帽的YOLOv5小目标检测算法。首先,基于YOLOv5算法优化边界框回归损失函数和置信度预测损失函数的计算方式,以... 安全帽的佩戴是工人人身安全的有力保障。针对采集的安全帽佩戴图像目标密集、像素点小、检测难度大的特点,提出一种面向安全帽的YOLOv5小目标检测算法。首先,基于YOLOv5算法优化边界框回归损失函数和置信度预测损失函数的计算方式,以提高算法在训练中对密集小目标特征的学习效果;然后,引入切片辅助微调和切片辅助推理(SAHI)对输入网络的图像进行切片处理,使得小目标对象产生更大的像素区域,进而改善网络推理与微调的效果。实验采用了工业场景中包含密集安全帽小目标的数据集进行训练。实验结果表明,改进后的算法相较于原始YOLOv5算法能将精确率提升0.26个百分点,召回率提升0.38个百分点;并且所提算法的平均精确率均值(mAP)达到了95.77%,相较于原始YOLOv5算法等几种算法提升了0.46~13.27个百分点。结果验证了切片辅助微调和SAHI的引入可以提升密集场景下小目标检测识别的精确率和置信度,减少误检漏检的情况,有效满足安全帽佩戴检测的需求。 展开更多
关键词 安全帽佩戴检测 yolov5算法 损失函数 切片辅助微调 切片辅助推理 小目标检测
在线阅读 下载PDF
改进YOLOv5的小型旋翼无人机目标检测算法 被引量：12
6
作者 路琪 于元强 +1 位作者 许道明 张琦 《计算机科学》 CSCD 北大核心 2023年第S02期200-207,共8页
低空慢速小型目标检测一直是预警探测领域关注的重点和难点。目前,基于神经网络的主流目标检测算法在设计时主要考虑应用于VOC数据集或COCO数据集,在特定场景下检测精度不够理想。针对复杂背景下小型旋翼无人机目标检测的特定检测场景,... 低空慢速小型目标检测一直是预警探测领域关注的重点和难点。目前,基于神经网络的主流目标检测算法在设计时主要考虑应用于VOC数据集或COCO数据集,在特定场景下检测精度不够理想。针对复杂背景下小型旋翼无人机目标检测的特定检测场景,提出一种基于改进YOLOv5的小型旋翼无人机目标检测算法。首先,增加小目标检测层以获得大尺寸的浅层特征图,从而提升算法对小目标的检测能力;其次,针对小型旋翼无人机尺寸不一的问题,利用K-Means++聚类算法对先验框的尺寸进行优化并将其与各特征层进行匹配;最后,使用Mosaic-SOD方法进行数据增强以及改进损失函数,增强算法对小目标的感知能力以及提高网络训练效率。将改进后的算法应用在复杂背景下的小型旋翼无人机目标检测中,实验结果表明,相较于原始YOLOv5算法,该算法在小型旋翼无人机目标检测上具有更高的检测精度和特征提取能力,虽然检测速度有一定下降,但通过对可见光视频流进行检测可知其仍能够满足实时性的要求。 展开更多
关键词 低慢小目标 反无人机系统 深度学习 小目标检测 旋翼无人机检测 数据增强 特征融合 yolov5
在线阅读 下载PDF
基于改进YYOOLLOOvv 5的轻量级船舶目标检测算法 被引量：19
7
作者 李佳东 张丹普 +1 位作者 范亚琼 杨剑锋 《计算机应用》 CSCD 北大核心 2023年第3期923-929,共7页
针对海上船舶目标检测准确率不高的问题,提出一种基于改进YOLOv5的轻量级船舶目标检测算法YOLOShip。首先将空洞卷积与通道注意力(CA)引入空间金字塔快速池化(SPPF)模块,以融合不同尺度的空间特征细节信息,强化语义信息,提升区分前景与... 针对海上船舶目标检测准确率不高的问题,提出一种基于改进YOLOv5的轻量级船舶目标检测算法YOLOShip。首先将空洞卷积与通道注意力(CA)引入空间金字塔快速池化(SPPF)模块,以融合不同尺度的空间特征细节信息,强化语义信息,提升区分前景与背景的能力;其次将协同注意力与轻量化的混合深度卷积引入特征金字塔网络(FPN)和路径聚合网络(PAN)结构中,以强化网络中的重要特征,获取含有更多细节信息的特征,并提升模型检测能力及定位精度;然后考虑到数据集中目标分布不均匀及尺度变化相对较小的特点,在修改锚框,减少检测头数量以精简模型的同时进一步提升模型性能;最后,引入更加灵活的多项式损失(PolyLoss)以优化二元交叉熵损失(BCE Loss),提升模型收敛速度及模型精度。在SeaShips数据集上的实验结果表明,相较于YOLOv5s,YOLOShip的精确率、召回率、mAP@0.5与mAP@0.5:0.95分别提升4.2、5.7、4.6和8.5个百分点,能在满足检测速度要求的同时得到更优的检测精度,有效地实现了高速、高精度的船舶检测。 展开更多
关键词 船舶检测 yolov5 注意力机制 空洞卷积 混合深度卷积
在线阅读 下载PDF
基于动态特征点滤除与关键帧选择优化的ORB-SLAM2算法
8
作者 阚绪康 史格非 杨雪榕 《计算机应用》 CSCD 北大核心 2024年第10期3185-3190,共6页
同时定位与建图(SLAM)算法在有运动目标的情况下存在定位精度下降的问题,而引入实例分割等算法虽然可以应对动态场景,但难以保证SLAM算法的实时性,且在运动时相机抖动会导致关键帧选择不准确和跟踪易丢失的问题。针对上述问题,提出一种... 同时定位与建图(SLAM)算法在有运动目标的情况下存在定位精度下降的问题,而引入实例分割等算法虽然可以应对动态场景,但难以保证SLAM算法的实时性,且在运动时相机抖动会导致关键帧选择不准确和跟踪易丢失的问题。针对上述问题,提出一种基于动态特征点滤除与关键帧选择优化的ORB-SLAM2算法,以保证SLAM算法的实时性,并有效减少动态特征点对SLAM算法定位精度的影响,同时应对由相机抖动造成的关键帧选择不准确的问题。所提算法通过在ORB-SLAM2算法的基础上引入YOLOv5算法识别运动目标,在跟踪线程滤除动态目标特征点,从而兼顾算法的实时性与定位精度。同时,在选择关键帧上提出一种基于帧间相对运动量的判别准则,从而提高关键帧选择的准确性。在freiburg3_walking_xyz数据集的上实验结果表明,与ORB-SLAM2算法相比,所提算法的平均耗时减少了38.54%,绝对轨迹误差中的均方根误差(RMSE)精度提高了95.2%。可见,所提算法能有效解决上述问题,提升SLAM算法的定位精度和准确性,进而提升地图的可用性。 展开更多
关键词 视觉同时定位与建图 动态场景 ORB-SLAM2 关键帧选择 yolov5
在线阅读 下载PDF
基于坐标注意力的轻量级交通标志识别模型 被引量：12
9
作者 李文举 张干 +1 位作者 崔柳 储王慧 《计算机应用》 CSCD 北大核心 2023年第2期608-614,共7页
针对交通标志识别模型检测速度与识别精度不均衡,以及受遮挡目标和小目标难以检测的问题,对YOLOv5模型进行改进,提出一种基于坐标注意力(CA)的轻量级交通标志识别模型。首先,通过在主干网络中融入CA机制,有效地捕获位置信息和通道之间... 针对交通标志识别模型检测速度与识别精度不均衡,以及受遮挡目标和小目标难以检测的问题,对YOLOv5模型进行改进,提出一种基于坐标注意力(CA)的轻量级交通标志识别模型。首先,通过在主干网络中融入CA机制,有效地捕获位置信息和通道之间的关系,从而更准确地获取感兴趣区域,避免过多的计算开销;然后,通过在特征融合网络中加入跨层连接,在不增加成本的情况下融合更多的特征信息,提高网络的特征提取能力,并改善对遮挡目标的检测效果;最后,引入改进的CIoU函数计算定位损失,以缓解检测过程中样本尺寸分布不均衡的现象,并进一步提高对小目标的识别精度。在TT100K数据集上应用所提模型时,识别精度达到了91.5%,召回率达到了86.64%,与传统的YOLOv5n模型相比分别提高了20.96%和11.62%,且帧处理速率达到了140.84 FPS。实验结果比较充分地验证了所提模型在真实场景中对交通标志检测与识别的准确性与实时性。 展开更多
关键词 yolov5 交通标志识别 坐标注意力 特征融合 损失函数
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