针对钢轨打磨车作业产生的块状磨屑的处理方式效率低、智能化程度低、安全隐患大等问题,提出一种基于改进YOLOv5算法的块状磨屑智能识别方法。在原有YOLOv5算法基础上,增加更大尺度的检测层,提升小尺寸块状磨屑的检测效果;在骨干网络嵌...针对钢轨打磨车作业产生的块状磨屑的处理方式效率低、智能化程度低、安全隐患大等问题,提出一种基于改进YOLOv5算法的块状磨屑智能识别方法。在原有YOLOv5算法基础上,增加更大尺度的检测层,提升小尺寸块状磨屑的检测效果;在骨干网络嵌入卷积注意力模块(Convolutional Block Attention Module,CBAM),增强块状磨屑的特征表达;选择EIoU(Efficient Intersection over Union)替代CIoU(Complete Intersection over Union)作为目标框回归的损失函数,加快模型的收敛速度,提高块状磨屑预测框的精度。利用某轨道巡检小车采集的数据进行测试试验,结果表明:改进后的YOLOv5算法对于块状磨屑的检测能力有所提高,召回率提升了4.55%,均值平均精度提升了8.6%,对小尺寸块状磨屑有更好的检测效果。展开更多
针对白细胞数据样本少、类间差别小及目标尺寸小导致的检测精度低、效果不佳等问题,提出一种基于改进YOLOv5的白细胞检测算法YOLOv5-CHE。在主干特征提取网络的卷积层中添加坐标注意力机制,以提升算法的特征提取能力;使用四尺度特征检测...针对白细胞数据样本少、类间差别小及目标尺寸小导致的检测精度低、效果不佳等问题,提出一种基于改进YOLOv5的白细胞检测算法YOLOv5-CHE。在主干特征提取网络的卷积层中添加坐标注意力机制,以提升算法的特征提取能力;使用四尺度特征检测,重新获取锚点框,增加浅层检测尺度,来提高小目标的识别精度;改变边框回归损失函数,以提升检验框检测的准确率。实验结果表明,对比标准的YOLOv5算法,YOLOv5-CHE算法的平均精度均值(mean average precision,mAP)、精准率和召回率分别提升了3.8个百分点、1.8个百分点和1.5个百分点,验证了该算法对白细胞检测具有很好的效果。展开更多
文摘针对钢轨打磨车作业产生的块状磨屑的处理方式效率低、智能化程度低、安全隐患大等问题,提出一种基于改进YOLOv5算法的块状磨屑智能识别方法。在原有YOLOv5算法基础上,增加更大尺度的检测层,提升小尺寸块状磨屑的检测效果;在骨干网络嵌入卷积注意力模块(Convolutional Block Attention Module,CBAM),增强块状磨屑的特征表达;选择EIoU(Efficient Intersection over Union)替代CIoU(Complete Intersection over Union)作为目标框回归的损失函数,加快模型的收敛速度,提高块状磨屑预测框的精度。利用某轨道巡检小车采集的数据进行测试试验,结果表明:改进后的YOLOv5算法对于块状磨屑的检测能力有所提高,召回率提升了4.55%,均值平均精度提升了8.6%,对小尺寸块状磨屑有更好的检测效果。
文摘针对白细胞数据样本少、类间差别小及目标尺寸小导致的检测精度低、效果不佳等问题,提出一种基于改进YOLOv5的白细胞检测算法YOLOv5-CHE。在主干特征提取网络的卷积层中添加坐标注意力机制,以提升算法的特征提取能力;使用四尺度特征检测,重新获取锚点框,增加浅层检测尺度,来提高小目标的识别精度;改变边框回归损失函数,以提升检验框检测的准确率。实验结果表明,对比标准的YOLOv5算法,YOLOv5-CHE算法的平均精度均值(mean average precision,mAP)、精准率和召回率分别提升了3.8个百分点、1.8个百分点和1.5个百分点,验证了该算法对白细胞检测具有很好的效果。
