期刊文献+
共找到367篇文章
< 1 2 19 >
每页显示 20 50 100
梯度区分与特征范数驱动的开放世界目标检测
1
作者 张英俊 闫薇薇 +2 位作者 谢斌红 张睿 陆望东 《计算机应用》 北大核心 2025年第7期2203-2210,共8页
开放世界目标检测(OWOD)将目标检测任务拓展至真实多变的环境中,要求模型能准确识别已知和未知对象,并逐步学习新知识。针对现有OWOD网络模型中未知类的召回率偏低和误识别的问题,提出一种梯度区分与特征范数驱动的开放世界目标检测(GDF... 开放世界目标检测(OWOD)将目标检测任务拓展至真实多变的环境中,要求模型能准确识别已知和未知对象,并逐步学习新知识。针对现有OWOD网络模型中未知类的召回率偏低和误识别的问题,提出一种梯度区分与特征范数驱动的开放世界目标检测(GDFN-OWOD)网络模型。针对未知类召回率偏低的问题,提出梯度区分性表征模块(GDRM),即利用反向传播的梯度差异区分未知类别和背景,以提高未知类召回率;此外,引入基于图分割的框聚类(GSBC)算法将物体边界框的确定建模为图分解问题,从而减少冗余的边界框,进而降低模型的计算量;针对未知类误识别的问题,采用基于特征范数的分类器(FN-BC)选择性能最优的卷积层识别已知和未知类别,以达到更高的识别准确率。在M-OWODB数据集上的实验结果表明,与最优对比模型相比在T1、T2、T3任务中GDFN-OWOD的未知类召回率分别提升了1.1、2.1、0.9个百分点,而绝对开集误差(A-OSE)分别降低了35.1%、28.7%和12.2%。可见,与现有的OWOD网络模型相比,所提网络模型有效缓解了未知类的召回率偏低和误识别的问题。 展开更多
关键词 开放世界目标检测 反向传播梯度 图分割算法 特征范数 卷积神经网络
在线阅读 下载PDF
基于改进YOLOv7的无人机图像小目标检测算法
2
作者 金涛 李昭蒂 《实验室研究与探索》 北大核心 2025年第7期118-124,143,共8页
针对无人机图像背景复杂、遮挡及尺度变化导致的小目标错检和漏检问题,提出基于YOLOv7算法的小目标检测改进模型。该模型通过引入坐标注意力机制(CA)优化特征提取,使用自适应激活函数(ACON)增强网络非线性表达能力;同时,采用NWD作为新... 针对无人机图像背景复杂、遮挡及尺度变化导致的小目标错检和漏检问题,提出基于YOLOv7算法的小目标检测改进模型。该模型通过引入坐标注意力机制(CA)优化特征提取,使用自适应激活函数(ACON)增强网络非线性表达能力;同时,采用NWD作为新度量改进损失函数,以更精确衡量边界框相似性。此外,使用轻量级上采样算子CARAFE扩大感受野并聚合上下文信息。在VisDrone2019和NWPU VHR-10数据集上的实验表明,改进算法与原算法相比,mAP0.5和mAP0.5∶0.95指标均有显著提升,且与其他主流算法相比,检测精度也有明显优势。该方法为复杂环境下无人机图像小目标检测的实际应用提供了技术支撑,有助于推动相关领域的技术进步。 展开更多
关键词 无人机图像 YOLOv7算法 小目标检测 注意力机制 激活函数
在线阅读 下载PDF
基于改进YOLOv8的遗留物品检测算法
3
作者 张震 葛帅兵 +2 位作者 陈可鑫 李友好 黄伟涛 《郑州大学学报(工学版)》 北大核心 2025年第4期40-46,共7页
针对传统基于背景减法的遗留物品检测算法难以应对人流拥挤、小目标、物品遮挡和光线变化等环境,以及基于深度学习方法中的模型准确率低等问题,提出了一种基于改进YOLOv8的遗留物品检测算法。首先,使用动态上采样DySample替换最近邻上采... 针对传统基于背景减法的遗留物品检测算法难以应对人流拥挤、小目标、物品遮挡和光线变化等环境,以及基于深度学习方法中的模型准确率低等问题,提出了一种基于改进YOLOv8的遗留物品检测算法。首先,使用动态上采样DySample替换最近邻上采样,优化上采样过程,增强模型的泛化能力。其次,将高效轻量的ADown下采样模块替代普通的下采样卷积,在降低整个模型参数量的同时,提升算法的检测精度。最后,引入EMA注意力机制,优化特征提取过程,增强特征提取能力,提升对小目标检测的效果。实验结果表明:改进后的模型YOLO-DAE在自建数据集上取得的准确率P、召回率R、mAP@50和mAP@50:95分别为93.4%,87.7%,91.7%和80.2%,相比于改进前的YOLOv8s模型在模型参数量和计算量减少的同时,分别提高了1.8百分点、1.6百分点、1.2百分点和2.1百分点,并且mAP@50和mAP@50:95均高于YOLOv5s r6.0、YOLOv6s v3.0、YOLOv7s AF和YOLOv9s,有效提升了遗留物品检测能力。 展开更多
关键词 遗留物品检测 YOLOv8算法 EMA注意力机制 DySample模块 ADown模块
在线阅读 下载PDF
基于改进SSD算法的地铁场景小行人目标检测
4
作者 张秀再 邱野 沈涛 《计算机研究与发展》 北大核心 2025年第2期397-407,共11页
在地铁场景中,小行人目标由于分辨率低,包含特征信息较少,现阶段目标检测器对此类目标的检测仍具有挑战性.SSD目标检测算法利用金字塔网络的多尺度检测头,能一定程度提高行人目标检测性能,但将其应用于地铁等复杂环境中实现小行人目标... 在地铁场景中,小行人目标由于分辨率低,包含特征信息较少,现阶段目标检测器对此类目标的检测仍具有挑战性.SSD目标检测算法利用金字塔网络的多尺度检测头,能一定程度提高行人目标检测性能,但将其应用于地铁等复杂环境中实现小行人目标检测仍具有一定局限性.针对上述问题,提出一种改进SSD算法以加强地铁场景中小行人目标检测效果.通过构建地铁场景行人目标数据集,标注相应标签,同时进行数据预处理操作;在特征提取网络中加入金字塔特征加强模块,将多分支残差单元、亚像素卷积和特征金字塔相结合获得图像多尺度、多感受野融合特征;利用上下文信息融合模块将图像低层特征与上下文特征相融合,生成扩展特征层用于检测小行人目标;设计一种基于Anchor-free的动态正负样本分配策略,为小行人目标生成最优正样本.实验结果表明:提出的改进SSD算法能有效提高地铁场景小行人目标检测性能,对遮挡严重的小行人目标检测,效果提升更为明显. 展开更多
关键词 小行人目标检测 SSD算法 注意力机制 亚像素卷积 多尺度特征融合
在线阅读 下载PDF
基于YOLOv8n的甘蔗杂草识别方法 被引量:1
5
作者 罗柳茗 李岩舟 +2 位作者 石美琦 黄鑫 陈汐 《中国农机化学报》 北大核心 2025年第2期237-244,共8页
杂草是影响甘蔗生长的重要因素之一,为实现对不同甘蔗杂草的识别,提出一种基于深度学习的甘蔗杂草检测方法。以广西地区常见且对甘蔗生长危害较大的杂草为对象进行图片采集,并对采集的图片进行平移、翻转、裁剪、缩小、对比度和光亮调... 杂草是影响甘蔗生长的重要因素之一,为实现对不同甘蔗杂草的识别,提出一种基于深度学习的甘蔗杂草检测方法。以广西地区常见且对甘蔗生长危害较大的杂草为对象进行图片采集,并对采集的图片进行平移、翻转、裁剪、缩小、对比度和光亮调整及去噪等操作增强数据。利用YOLOv8n检测模型对数据集进行试验,并与YOLOv3—tiny、YOLOv4—tiny、YOLOv5n和Yolov7—tiny进行对比。试验结果表明,YOLOv8n检测模型的精确率为98.3%,召回率为96.8%,mAP为98.2%。与目前主流的轻量化目标检测算法YOLOv3—tiny、YOLOv4—tiny、YOLOv5s和YOLOv7—tiny对比,精确率分别提高26.9%、12.7%、4.2%和9%;召回率分别提高25%、24.5%、6.1%和10.6%;mAP分别提高25.9%、19.4%、3.6%、7.8%。同时,在密集、遮挡、杂草交错、小目标、昏暗环境的情况下YOLOv8n检测模型对甘蔗杂草能实现高精度识别,具有较强的鲁棒性。 展开更多
关键词 甘蔗 杂草识别 YOLOv8n算法 目标检测
在线阅读 下载PDF
基于改进YOLO v5算法的混凝土结构表观损伤检测方法 被引量:1
6
作者 罗大明 谢俊科 +1 位作者 李凡 牛荻涛 《西安建筑科技大学学报(自然科学版)》 北大核心 2025年第2期159-166,218,共9页
针对混凝土结构损伤人工检测方法主观性强、效率低的问题,提出了一种基于改进YOLO v5算法的混凝土结构损伤检测方法.首先,将YOLO v5的耦合头更换为解耦头,可有效避免目标损伤信息和背景信息相互干扰的问题,提高模型的特征表达能力;其次,... 针对混凝土结构损伤人工检测方法主观性强、效率低的问题,提出了一种基于改进YOLO v5算法的混凝土结构损伤检测方法.首先,将YOLO v5的耦合头更换为解耦头,可有效避免目标损伤信息和背景信息相互干扰的问题,提高模型的特征表达能力;其次,在YOLO v5中加入了包含通道注意力模块和空间注意力模块的CA注意力机制,使模型忽略掉一些无关信息,可以更好关注到目标损伤的特征信息.通过建立的4101张包含实际工程中混凝土结构裂缝、剥落和露筋三种类型损伤的数据集对模型性能进行对比验证.试验结果表明:相较于YOLO v5模型,改进后的模型在混凝土裂缝、剥落和露筋的检测平均精度值分别提升了2.6%、1.3%和0.5%,mAP值提高了1.4%,且mAP值和FPS值均优于Faster R-CNN和YOLO v3目标检测算法,可较好满足实际工程中混凝土结构损伤检测任务的需求. 展开更多
关键词 混凝土结构 损伤检测 YOLO v5算法 注意力机制 目标检测
在线阅读 下载PDF
基于深度学习的类球状水果采摘识别算法研究进展 被引量:1
7
作者 李辉 张俊 +1 位作者 俞烁辰 李志鑫 《果树学报》 北大核心 2025年第2期412-426,共15页
中国在水果产量方面处于全球领先地位,但因人力资源减少和老龄化问题,传统的人工采摘方式已经无法满足快速高效的采摘需求,研发集成计算机视觉的自动化水果采摘设备成为解决劳动力短缺难题的关键。水果大多呈类球状,相关的识别算法研究... 中国在水果产量方面处于全球领先地位,但因人力资源减少和老龄化问题,传统的人工采摘方式已经无法满足快速高效的采摘需求,研发集成计算机视觉的自动化水果采摘设备成为解决劳动力短缺难题的关键。水果大多呈类球状,相关的识别算法研究居多,探讨了柑橘、蜜桃等类球状水果的识别算法。根据应用场景的不同,分析了传统类球状水果识别算法与基于深度学习的类球状水果识别算法在网络结构方面的差异与改进,对水果采摘识别算法进行总结并提出算法的未来发展趋势。传统算法在简单场景下表现有效,但在复杂环境中往往会受到设计特征的限制,基于深度学习的算法因其高效性和准确性更适合自动化水果采摘的需求。总结了类球状水果识别算法的研究进展,在处理复杂环境时深度学习算法具有良好的有效性和适应性,更适合部署在自动化采摘设备;也提出了未来的研究方向,即通过优化算法性能、数据集构建及扩增,以及结合多模态数据提升算法的精度和适应性。 展开更多
关键词 水果采摘 目标检测算法 深度学习 卷积神经网络 计算机视觉
在线阅读 下载PDF
MAFF-YOLO:面向造林验收的明穴目标检测模型 被引量:1
8
作者 石燕妮 王武魁 +3 位作者 吴明晶 张大兴 廉瑞峰 谷亚宇 《北京林业大学学报》 北大核心 2025年第4期142-154,共13页
【目的】为解决传统林场造林验收过程中存在的主观性强、缺乏科学性以及管理人员不足等问题,本研究提出一种基于单阶段目标检测框架的造林明穴检测模型MAFF-YOLO,旨在自动识别并统计造林明穴的数量和位置,推动造林验收的数字化转型,提... 【目的】为解决传统林场造林验收过程中存在的主观性强、缺乏科学性以及管理人员不足等问题,本研究提出一种基于单阶段目标检测框架的造林明穴检测模型MAFF-YOLO,旨在自动识别并统计造林明穴的数量和位置,推动造林验收的数字化转型,提高验收效率和科学性。【方法】基于YOLOv8模型,通过多方面改进获得了MAFF-YOLO。首先,采用MobileNetV4作为主干网络,引入更多参数和层次结构提高检测精度;其次,添加基于归一化的注意力模块(NAM),增强对明穴特征的捕捉能力,减少误检和漏检;然后,将特征融合模块替换为跨尺度特征融合模块(CCFM),在降低特征图拼接计算量的同时整合不同尺度特征,提升对小尺度明穴的检测能力;接着,将检测头替换为RFAHead,根据数据的复杂性和重要性动态调整感受野,增强网络对不同输入特征的适应性;最后,优化边界框损失函数为FocusCIoU,改善正负样本分布不平衡问题,增强对关键样本的学习能力。【结果】MAFF-YOLO在识别明穴数量和位置方面表现出较高的准确性。与基础YOLOv8模型相比,其精度提高了1个百分点,mAP50提高了0.7个百分点,F_(0.5)提高了0.6个百分点,且算法复杂度显著降低。【结论】在相同实验条件下,MAFF-YOLO相较于其他现有方法,在提升模型对造林明穴目标的检测效果方面表现出显著优势,并已成功集成至端到端的检测系统中,为造林验收的数字化提供了技术支持,进一步提升了造林验收的效率和科学性。 展开更多
关键词 小目标检测 YOLOv8 算法 数字化造林验收 无人机 MobileNetV4 NAM CCFM
在线阅读 下载PDF
多光谱目标检测算法及相关数据集综述
9
作者 张天泷 耿远超 +1 位作者 廖予祯 许党朋 《强激光与粒子束》 北大核心 2025年第5期1-18,共18页
相较于单一波段目标检测技术,多光谱目标检测技术通过捕获物体在多个不同波长的光谱波段下的反射或辐射信息,极大地提高目标检测的准确性和应对复杂环境的鲁棒性。在遥感、农业检测、环境保护、工业生产以及国防安全等领域有着广泛的应... 相较于单一波段目标检测技术,多光谱目标检测技术通过捕获物体在多个不同波长的光谱波段下的反射或辐射信息,极大地提高目标检测的准确性和应对复杂环境的鲁棒性。在遥感、农业检测、环境保护、工业生产以及国防安全等领域有着广泛的应用。然而,目前多光谱目标检测领域仍面临着严峻挑战:多样化的高质量数据集以及高效目标检测算法的缺乏,严重制约了该技术的进一步发展和应用。鉴于此,综合阐释了多光谱目标检测数据集的制作方法以及多光谱目标检测算法的重要进展。首先,系统分析了多光谱数据集的构建过程,包括数据采集,预处理和数据标注。其次,全面分析了目标检测算法发展的历史脉络,这些算法涵盖了基于传统特征提取技术的目标检测算法、深度学习方法以及其改进版本。此外,着重强调了算法开发者为提升多光谱目标检测性能在特征融合、模型架构和子网络方面所作的关键改进。最后,探讨了多光谱目标检测技术未来的发展方向,期望为研究人员指明潜在的研究热点和应用领域,促成多光谱目标检测技术在实际场景中更广泛的应用,提升其社会价值。 展开更多
关键词 多光谱成像技术 成像光谱仪 目标检测算法 多光谱目标检测算法 数据集 特征融合
在线阅读 下载PDF
基于TCM-YOLO网络的金属表面缺陷检测方法
10
作者 赵小虎 谢礼逊 +1 位作者 慕灯聪 张悦 《计算机工程》 北大核心 2025年第6期338-348,共11页
针对金属生产制造中表面缺陷检测环节存在检测准确率低、处理速度慢等问题,提出一种基于改进YOLOv8网络的金属缺陷检测方法(TCM-YOLO)。该方法改进坐标注意力机制为三通道坐标注意力机制(TCCA),并与第2版可变形卷积网络相结合改进为三... 针对金属生产制造中表面缺陷检测环节存在检测准确率低、处理速度慢等问题,提出一种基于改进YOLOv8网络的金属缺陷检测方法(TCM-YOLO)。该方法改进坐标注意力机制为三通道坐标注意力机制(TCCA),并与第2版可变形卷积网络相结合改进为三通道可变形卷积网络(TDCN),增强网络的特征提取能力。在特征融合网络中采用双向特征金字塔与动态蛇形卷积(DSC)相结合的方法,改善网络对于带钢缺陷检测的漏检率,更好地保留缺陷微小纹理和复杂结构的信息。采用最小点距离交并比(MPDIoU)损失函数替换原来的损失函数加快收敛速度和获得更准确的回归结果,最后嵌入全局注意力机制,以不断地捕获缺陷全局形态的重要信息。实验结果表明,TCM-YOLO方法在东北大学带钢缺陷数据集上的平均精度达到了81.8%,相比于原始的YOLOv8算法提高了7.4百分点,精确率达到了78.3%,相比于原模型提升了8.9百分点,算法检测速度达到61.73帧/s,在天池铝型材缺陷的数据集上平均精度相比于原始的YOLOv8算法提高了4.1百分点,精确率相比于原模型提升了8.7百分点。结果表明了TCM-YOLO算法具有检测精度高、检测速度快的特点,能更好地满足金属表面实际检测需求。 展开更多
关键词 缺陷检测 目标检测 YOLOv8算法 注意力机制 损失函数
在线阅读 下载PDF
基于改进YOLOv5的轻量级大豆田间杂草识别方法研究 被引量:1
11
作者 陈雪 谭峰 《农机使用与维修》 2025年第2期1-7,共7页
为对自然环境下大豆田间的大豆幼苗与杂草实现实时检测,提出一种基于改进YOLOv5的轻量级大豆田间杂草识别方法。该方法在YOLOv5s网络的基础上引入适用于边缘设备的轻量级卷积神经网络MobileNetV3,建立了YOLOv5s-MobileNetV3的大豆杂草... 为对自然环境下大豆田间的大豆幼苗与杂草实现实时检测,提出一种基于改进YOLOv5的轻量级大豆田间杂草识别方法。该方法在YOLOv5s网络的基础上引入适用于边缘设备的轻量级卷积神经网络MobileNetV3,建立了YOLOv5s-MobileNetV3的大豆杂草识别模型。对含有大豆幼苗和杂草的图像进行数据增强预处理,以增强模型泛化能力,利用Bneck深度卷积神经网络架构提取特征,并通过随机梯度下降法作为优化训练模型。在对比试验中,分别将YOLOv5s的主干网络替换为EfficientNetV2和ShuffleNetV2,并选取传统的SSD、Faster R-CNN、YOLOv4等标准目标检测网络作为参照,进行性能评估。试验结果表明:YOLOv5s-MobileNetV3识别模型大小为7.8 MB,在CPU上单张图像的推理时间为6.9 ms,识别精确率为0.846,查全率为0.84,均值平均精度为0.875,F1分数为0.843。模型可快速识别大豆伴生杂草,为挂载式喷药、精准农业等领域,提供农作物与杂草快速准确的检测分类方法,以满足作物生长管理、变量施肥及靶向喷药的技术需求。 展开更多
关键词 大豆 苗草识别 目标检测算法 MobileNetV3
在线阅读 下载PDF
基于机器视觉的凡纳滨对虾生物量参数估计
12
作者 朱元昆 赵爽 苗玉彬 《南方水产科学》 北大核心 2025年第4期119-127,共9页
针对凡纳滨对虾(Litopenaeus vannamei)养殖过程中,传统生物量人工监测效率低、应激损伤大等问题,研究提出了一种融合改进YOLOv8算法与最小包围盒(Oriented Bounding Box,OBB)的非接触式体长-体质量估算方法,以提升智能化投饲管理的效... 针对凡纳滨对虾(Litopenaeus vannamei)养殖过程中,传统生物量人工监测效率低、应激损伤大等问题,研究提出了一种融合改进YOLOv8算法与最小包围盒(Oriented Bounding Box,OBB)的非接触式体长-体质量估算方法,以提升智能化投饲管理的效率和准确性。该方法通过以下技术改进实现生物量参数的有效估计:首先,融合Focal-GIoU构建损失函数,增强对遮挡虾体的检测能力;其次,引入GhostNetV2轻量化网络的空间-通道解耦注意力机制,提升特征表达能力,并集成RepBlock动态可重构模块,增强多尺度形态自适应识别能力;最后,提出基于主成分分析的最小包围盒(Principal Components Analysis-Oriented Bounding Box,PCA-OBB)算法,通过协方差矩阵特征分解确定虾体主轴方向,并结合霍夫圆检测标定像素-物理尺寸转换系数,建立体长-体质量回归模型。结果表明,该方法对120日龄凡纳滨对虾体长的测量平均相对误差为1.26%,最大绝对误差为0.503 cm,体质量预测平均相对误差为5.3%,均优于传统人工测量。该方法实现了凡纳滨对虾的非接触式生物量参数实时监测和估计,为精准投喂提供了有效技术支持。 展开更多
关键词 YOLOv8算法 凡纳滨对虾 生物量估算 目标检测
在线阅读 下载PDF
交通目标YOLO检测技术的研究进展 被引量:2
13
作者 董红召 林少轩 佘翊妮 《浙江大学学报(工学版)》 北大核心 2025年第2期249-260,共12页
为了综合分析YOLO(You Only Look Once)算法在提升交通安全性和效率方面的重要作用,从“人-车-路”3个核心要素的角度,对YOLO算法在交通目标检测中的发展和研究现状进行系统性地总结.概述了YOLO算法常用的评价指标,详细阐述了这些指标... 为了综合分析YOLO(You Only Look Once)算法在提升交通安全性和效率方面的重要作用,从“人-车-路”3个核心要素的角度,对YOLO算法在交通目标检测中的发展和研究现状进行系统性地总结.概述了YOLO算法常用的评价指标,详细阐述了这些指标在交通场景中的实际意义.对YOLO算法的核心架构进行概述,追溯了该算法的发展历程,分析各个版本迭代中的优化和改进措施.从“人-车-路”3种交通目标的视角出发,梳理并论述了采用YOLO算法进行交通目标检测的研究现状及应用情况.分析目前YOLO算法在交通目标检测中存在的局限性和挑战,提出相应的改进方法,展望未来的研究重点,为道路交通的智能化发展提供了研究参考. 展开更多
关键词 YOLO算法 目标检测 计算机视觉 交通目标 交通安全
在线阅读 下载PDF
基于PLCnext平台的无人机交通监控系统设计与实现
14
作者 秦栋 任晓明 +1 位作者 叶舟 陈坚 《电子测量技术》 北大核心 2025年第9期119-128,共10页
为了提高交通监控的效率,特别是在固定式道路摄像头视角有限的情况下,提出了一种基于PLCnext平台的无人机交通监控系统。该系统结合YOLOv9深度学习方法,控制两台配备摄像头的无人机与PLCnext平台协同,提供更广泛的视野覆盖范围和灵活的... 为了提高交通监控的效率,特别是在固定式道路摄像头视角有限的情况下,提出了一种基于PLCnext平台的无人机交通监控系统。该系统结合YOLOv9深度学习方法,控制两台配备摄像头的无人机与PLCnext平台协同,提供更广泛的视野覆盖范围和灵活的监控能力,实现对交通车辆的实时监控。为提高航拍图像中低分辨率场景下的检测精度,提出了YOLOv9s-SPDADown-LSK模型。该模型通过引入SPD层,增强对图像细节特征的保留,使用ADown模块优化下采样过程,并在骨干网络中融入LSK注意力机制,以强化特征提取能力。实验结果表明,系统在图像处理的延迟约为80 ms,改进后的模型在mAP@0.5和mAP@0.5:0.95分别达到了96.3%和82.7%,检测准确率为97.2%,有效减少了误检和漏检,证明了系统的可行性和算法的有效性。 展开更多
关键词 PLCnext控制系统 无人机 交通监控 YOLOv9算法 目标检测 深度学习 注意力机制
在线阅读 下载PDF
基于S型微纳光纤的声带振动传感器及语音智能识别研究
15
作者 王智君 黄嵊釉 +5 位作者 李昆 杨杨 陈复旦 罗彬彬 吴德操 邹雪 《光子学报》 北大核心 2025年第5期21-32,共12页
使用聚二甲基硅氧烷作为传感器衬底嵌入直径为4μm,弯曲半径为1 mm的S型微纳光纤,研制了一种可穿戴的声带语音识别柔性传感器。该传感器通过人体发声时声带产生振动引起传感器的光强度变化将其转变为电信号的变化从而可以实现声带振动... 使用聚二甲基硅氧烷作为传感器衬底嵌入直径为4μm,弯曲半径为1 mm的S型微纳光纤,研制了一种可穿戴的声带语音识别柔性传感器。该传感器通过人体发声时声带产生振动引起传感器的光强度变化将其转变为电信号的变化从而可以实现声带振动信号的识别。利用目标检测算法模型对26个英文字母的识别率为96.8%,对日常词汇的识别率为97.75%,凸显了传感器在语音识别方面的普适性。该传感器具有制作简便,快速振动响应(222 ms)、可重复性且稳定性好等特点,在医疗领域和健康监测中具有潜在的应用价值。 展开更多
关键词 微纳光纤 声带振动 语音识别 目标检测算法 可穿戴传感器
在线阅读 下载PDF
轻量化的驾驶员吸烟检测模型
16
作者 陈新一 王晓强 +3 位作者 李少波 夏旭 陶乙豪 庄旭菲 《计算机工程与设计》 北大核心 2025年第2期626-632,共7页
为进一步实现在移动设备上对驾驶员吸烟的违法行为实时检测,提出一种改进的SlimYOLOv7-tiny模型。使用DSConv替换YOLOv7-tiny特征融合网络中标准3×3卷积,增加P6检测层,采用Mish激活函数,引入边框回归损失函数EIoU loss,利用Slim剪... 为进一步实现在移动设备上对驾驶员吸烟的违法行为实时检测,提出一种改进的SlimYOLOv7-tiny模型。使用DSConv替换YOLOv7-tiny特征融合网络中标准3×3卷积,增加P6检测层,采用Mish激活函数,引入边框回归损失函数EIoU loss,利用Slim剪枝算法进一步提高模型的轻量化,使用PyQt5开发图形界面程序。实验结果表明,模型在自建驾驶员吸烟数据集上与原模型相比参数量减少60.0%,计算量减小64.39%,有利于模型进一步在移动设备及嵌入式设备上的实时性检测。 展开更多
关键词 驾驶员吸烟行为 目标检测 实时 激活函数 轻量化 图形界面 剪枝算法
在线阅读 下载PDF
面向甲骨文目标检测的大规模数据集生成技术 被引量:1
17
作者 杨富勇 李华飙 孟睿伟 《西北大学学报(自然科学版)》 北大核心 2025年第1期36-49,共14页
甲骨文目标检测是甲骨文数字化研究中重要一环,主要依靠深度学习模型实现对甲骨文图像中位置信息和分类信息的识别。为了避免模型过拟合,深度学习模型的训练一般需要依赖大规模的数据集,而在甲骨文目标检测领域,目前可用于深度学习的大... 甲骨文目标检测是甲骨文数字化研究中重要一环,主要依靠深度学习模型实现对甲骨文图像中位置信息和分类信息的识别。为了避免模型过拟合,深度学习模型的训练一般需要依赖大规模的数据集,而在甲骨文目标检测领域,目前可用于深度学习的大规模数据集较少,很多研究所用的数据集均依靠专家人工标注和整理,这使得甲骨文目标检测数据集存在整理成本较高、数据量较小、数据质量不高、类别间均衡性差等问题。提出了动态两阶段Mosaic算法及甲骨文大规模数据集生成技术,解决传统Mosaic算法在处理甲骨文图像中存在的拼接图数量有限、图像的多样性和差异性不足、空白背景较大、信息缺失等问题,并设计了完整的数据集生成流程,实现了从甲骨文单字符图片到大规模数据集生成的流程化、智能化处理,从根本上解决了甲骨文目标检测领域的数据困境。通过此研究方法,生成了标注位置信息和类别信息且规模庞大的甲骨文数据集,共生成57万张甲骨文图像和57万份对应的标注文件,包含甲骨文类别416类,样本数量最少的类别包含了516个甲骨文字符,且数据集规模和各类别样本数量可动态调整以避免类别间样本不均衡。采用YOLOv8模型对生成后的大规模数据集进行训练,在经过200批次训练后,模型精度(Precision)达到96.45%,mAP50值为97.75%,mAP50-95值为96.96%,从模型训练曲线看,训练过程表现出较好的稳定性和高效性,模型训练结果表明,研究的数据集生成技术可应用于甲骨文目标检测。 展开更多
关键词 甲骨文 深度学习 目标检测 数据集 YOLOv8算法
在线阅读 下载PDF
基于声振信号和迁移学习的岩性随钻智能反演方法
18
作者 徐世毅 王胜 +3 位作者 赖昆 柏君 张拯 张洁 《科学技术与工程》 北大核心 2025年第18期7524-7537,共14页
随着智能化程度的提高,钻井行业对于实时识别随钻岩性的需求越来越迫切。基于钻孔过程中的钻进碎岩声音信号和振动信号(声振信号),提出了一种随钻岩性智能反演方法。首先,通过室内微钻实验钻进7种不同类型的岩石以获取原始信号样本,在... 随着智能化程度的提高,钻井行业对于实时识别随钻岩性的需求越来越迫切。基于钻孔过程中的钻进碎岩声音信号和振动信号(声振信号),提出了一种随钻岩性智能反演方法。首先,通过室内微钻实验钻进7种不同类型的岩石以获取原始信号样本,在采集过程中改变钻进参数(钻速、转速、钻头尺寸)并获得相应信号数据。针对采集的声振信号特征,通过短时傅里叶变换获得具有信号特征的时频图像。在此基础上,构建改进VGG16卷积神经网络模型以实现岩性智能识别,并通过超参数优选实现对模型的训练、评估和调优。之后引入迁移学习训练策略,分别以不同钻进参数作为数据标签,依据参数取值划分源域和目标域,以实现对小样本目标领域的快速识别。实验结果表明:随着钻进参数的改变,模型的迁移学习结果存在差异;基于声振信号训练得到的岩性反演模型预测精度高、泛化能力强,声音信号测试集准确率可达99%,振动信号测试集准确率可达100%;在机械钻速变化下,声振信号受到的影响最小,作为数据标签进行岩性反演时能取得更为卓越的效果,且小钻速作为目标域时岩性反演准确率最高。在岩性反演的过程中,不同的信号类型适用于不同的岩石。其中声音信号对粗黄砂岩的适用性最高、振动信号更适用于花岗岩。研究成果对于提升工作面钻进智能化程度具有一定借鉴价值。 展开更多
关键词 声振信号 迁移学习 岩性随钻智能反演 改进VGG16算法 小样本目标检测
在线阅读 下载PDF
基于深度学习加速模型的杂乱目标实时视觉检测方法 被引量:1
19
作者 余永维 陈天皓 +1 位作者 杜柳青 方荣 《农业机械学报》 北大核心 2025年第5期617-624,共8页
在农业机械自动装配产线上,其嵌入式控制平台片上资源极其有限,而基于卷积神经网络的深度学习检测系统参数量过大,难以直接移植于嵌入式平台,为此,本文提出一种基于改进ResNet18-SSD(Single shot multi-box detector)和现场可编程门阵列... 在农业机械自动装配产线上,其嵌入式控制平台片上资源极其有限,而基于卷积神经网络的深度学习检测系统参数量过大,难以直接移植于嵌入式平台,为此,本文提出一种基于改进ResNet18-SSD(Single shot multi-box detector)和现场可编程门阵列(Field programmable gate array,FPGA)加速引擎的深度学习实时检测方法。为了降低参数量的同时提高检测模型准确性,提出基于ResNet18-SSD的深度学习快速检测模型,利用优化改进后的ResNet18网络替换SSD模型的VGG16前置网络,引入多分支同构结构和非对称并行残差结构,使其能适应遮挡、光线昏暗等复杂场景;在满足检测精度需求的情况下,采用动态定点量化的方式,对模型数据量进行缩减,以提高检测模型执行效率。针对改进ResNet18-SSD模型中消耗资源严重的卷积层,提出一种基于Winograd算法的FPGA加速引擎,提高模型检测实时性,通过软硬件协同设计,从硬件加速器与软件网络轻量化两个角度进行联合优化,实现轻量化、加速性能及复杂场景下准确性三者之间的平衡。在Xilinx FPGA嵌入式平台的实验结果表明,本文方法检测准确率达到93.5%,当工作频率为100 MHz时,单幅图像检测时间为80.232 ms,满足实时性需求。 展开更多
关键词 目标检测 FPGA 动态定点量化 Winograd算法
在线阅读 下载PDF
基于改进SSD的车内宠物遗落检测方法
20
作者 潘溢洲 吴恩启 +1 位作者 段函作 寇嘉铭 《传感器与微系统》 北大核心 2025年第5期115-119,共5页
针对车内宠物遗落问题,在单发多盒探测器(SSD)算法的基础上,提出了一种改进的SSD目标检测算法实时检测车内是否存在遗落宠物,通过引入MobileNetV2算法来替代SSD的主干网络,并改进MobileNetV2的网络结构来进一步减少原有网络的参数量,融... 针对车内宠物遗落问题,在单发多盒探测器(SSD)算法的基础上,提出了一种改进的SSD目标检测算法实时检测车内是否存在遗落宠物,通过引入MobileNetV2算法来替代SSD的主干网络,并改进MobileNetV2的网络结构来进一步减少原有网络的参数量,融合卷积块注意力模块(CBAM)来提高目标定位能力,采用迁移训练策略来更好地训练网络。实验结果表明,改进后算法的模型大小相对于SSD-Mo-bileNetV2减少了65.5%,平均精度均值(mAP)提高了0.9%,帧率(FPS)也有所提升,模型大小更是减少到了原始SSD算法的5%。改进后算法实际检测的效果更好,同时更加适合嵌入移动设备来检测遗落宠物。 展开更多
关键词 目标检测 MobileNetV2网络 单发多盒探测器算法 深度学习 轻量化网络
在线阅读 下载PDF
上一页 1 2 19 下一页 到第
使用帮助 返回顶部