检索结果-维普期刊中文期刊服务平台

基于YOLOv7-RSobb的遥感图像定向包围框目标检测: 1; 作者梁琦杨晓文 +1 位作者巩青歌曹亚明《火力与指挥控制》北大核心 2025年第4期141-149,共9页; 针对遥感图像中水平包围框检测对于长宽比例较大的目标容易引入大量背景噪声,以及无法表现目标方向信息的问题,提出了YOLOv7-RSobb算法。在YOLOv7的基础上实现了定向包围框目标检测,解决了PoA和EoE问题,并提出了GS-ELAN模块,最后,使用Wi... 展开更多; 关键词遥感图像目标检测环形平滑标签 YOLOv7-RSobb GS-ELAN Wise-IoU; 在线阅读下载PDF 职称材料

改进YOLOv5网络在遥感图像目标检测中的应用被引量：16: 2; 作者周华平郭伟《遥感信息》 CSCD 北大核心 2022年第5期23-30,共8页; 针对遥感图像目标检测存在的尺度多样化、分布密集、小目标检测困难等问题,提出了一种改进YOLOv5网络的遥感图像目标检测的新方法Fca_YOLOv5。该方法引入了频率通道注意力网络,引导模型更加关注信息丰富的特征;将网络输入尺寸优化为1 0... 展开更多; 关键词 YOLOv5 频率通道注意力机制网络输入尺寸圆形平滑标签小目标检测; 在线阅读下载PDF 职称材料

基于YOLOv5的多分支注意力SAR图像舰船检测被引量：15: 3; 作者胡欣马丽军《电子测量与仪器学报》 CSCD 北大核心 2022年第8期141-149,共9页; 针对合成孔径雷达图像噪声大,成像特征不明显,尤其在面对海陆边界、港口码头、近岸岩礁等复杂场景,通常的检测算法对SAR图像目标特征提取困难,导致检测精度不高,出现误检漏检等问题。在YOLOv5的基础上设计了一种旋转的目标检测方法,提... 展开更多; 关键词合成孔径雷达旋转目标检测多分支注意力圆形光滑标签; 在线阅读下载PDF 职称材料

基于改进YOLOv5的遥感图像目标检测被引量：7: 4; 作者崔丽群曹华维《计算机工程》 CAS CSCD 北大核心 2024年第4期228-236,共9页; 目前目标检测技术虽然已经趋于成熟,但是对遥感图像的检测仍存在不少挑战。针对遥感图像的背景复杂、目标尺度差异大、目标方向任意等特点造成目标检测精度低下的问题,提出一种基于改进YOLOv5的遥感图像目标检测算法。首先,构建一种联... 展开更多; 关键词目标检测遥感图像特征融合感受野模块圆形平滑标签; 在线阅读下载PDF 职称材料

基于YOLOv5的角度优化抓取检测算法研究被引量：5: 5; 作者陈春朝孙东红《计算机工程与应用》 CSCD 北大核心 2024年第6期172-179,共8页; 针对目前机器人抓取检测方法抓取角度预测过于离散,抓取过程可能产生较大偏角,降低抓取检测精度,甚至导致抓取失败的问题,提出了一种基于YOLOv5神经网络模型改进的机器人实时抓取检测方法。以单阶段目标检测模型YOLOv5为基础,提取抓取... 展开更多; 关键词抓取检测 YOLOv5 环形平滑标签检测头解耦; 在线阅读下载PDF 职称材料

旋转框定位的多尺度再生物品目标检测算法被引量：16: 6; 作者董红召方浩杰张楠《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2022年第1期16-25,共10页; 针对传统目标检测算法未考虑实际分拣场景目标物形态尺度的多样性,无法获取旋转角度信息的问题,提出基于YOLOv5的改进算法MR;-YOLOv5.通过添加角度预测分支,引入环形平滑标签(CSL)角度分类方法,完成旋转角度精准检测.增加目标检测层用... 展开更多; 关键词再生物品检测 YOLOv5 旋转框检测环形平滑标签特征金字塔注意力机制; 在线阅读下载PDF 职称材料

基于YOLOv5s的轻量化遥感舰船检测算法被引量：7: 7; 作者王浩臣辛月兰 +1 位作者郭江王庆庆《中国舰船研究》 CSCD 北大核心 2024年第5期200-207,共8页; [目的]针对遥感图像舰船目标检测任务中轻量化和快速推理的需求,提出一种基于改进YOLOv5s的轻量化遥感舰船目标检测算法LR-YOLO。[方法]首先,主干网络采用ShuffleNet v2 Block堆叠方式,有效减少算法的参数量并提高计算速度;其次,设计区... 展开更多; 关键词 YOLOv5s 遥感图像舰船目标检测可变形卷积圆形平滑标签; 在线阅读下载PDF 职称材料

基于旋转目标检测的指针仪表读数识别方法被引量：4: 8; 作者张尹人邓春华《计算机工程与设计》北大核心 2023年第6期1804-1811,共8页; 为解决判断指针方向的问题,提出一个旋转目标检测网络R-YOLOv5。采用旋转矩形的形式定位指针的位置和角度方向,采用环形平滑标签的长边表示法区分矩形的方向,将角度回归预测问题转化为分类问题,设计合适的损失函数和旋转IoU计算方法,解... 展开更多; 关键词指针方向旋转目标检测网络环形平滑标签长边表示法角度周期性空间聚类刻度识别; 在线阅读下载PDF 职称材料

题名基于YOLOv7-RSobb的遥感图像定向包围框目标检测: 1; 作者梁琦杨晓文巩青歌曹亚明; 机构武警山西总队综合信息保障中心中北大学计算机科学与技术学院机器视觉与虚拟现实山西省重点实验室山西省视觉信息处理及智能机器人工程研究中心武警工程大学信息工程学院; 出处《火力与指挥控制》北大核心 2025年第4期141-149,共9页; 基金山西省自然科学基金资助项目。; 文摘针对遥感图像中水平包围框检测对于长宽比例较大的目标容易引入大量背景噪声,以及无法表现目标方向信息的问题,提出了YOLOv7-RSobb算法。在YOLOv7的基础上实现了定向包围框目标检测,解决了PoA和EoE问题,并提出了GS-ELAN模块,最后,使用Wise-IoU损失函数来提高mAP。结果表明,该算法在DOTA和DIOR数据集上的mAP达到了73.4%和70.3%,相较于其他主流算法有了明显提升。; 关键词遥感图像目标检测环形平滑标签 YOLOv7-RSobb GS-ELAN Wise-IoU; Keywords remote sensing image target detection circular smooth label YOLOv7-RSobb GS ELAN Wise-IoU; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名改进YOLOv5网络在遥感图像目标检测中的应用被引量：16: 2; 作者周华平郭伟; 机构安徽理工大学计算机科学与工程系; 出处《遥感信息》 CSCD 北大核心 2022年第5期23-30,共8页; 基金国家自然科学基金项目(61703005) 安徽省重点研究与开发计划(202004b11020029)。; 文摘针对遥感图像目标检测存在的尺度多样化、分布密集、小目标检测困难等问题,提出了一种改进YOLOv5网络的遥感图像目标检测的新方法Fca_YOLOv5。该方法引入了频率通道注意力网络,引导模型更加关注信息丰富的特征;将网络输入尺寸优化为1 024,减少了图像缩放带来的影响;采用圆形平滑标签计算角度损失,对船舰目标进行旋转目标检测,进一步提升检测效果。在DOTA遥感图像数据集上进行实验,检测精度最高达到了75.9%,船舰旋转目标检测精度达到了96.1%,并且Fca_YOLOv5s的检测精度比YOLOv5s提高了3.1%。实验结果表明,改进网络对遥感图像中的微小目标具有较好的检测效果,有效提升了遥感图像的检测精度,对实现遥感图像中的微小目标检测具有一定的参考意义。; 关键词 YOLOv5 频率通道注意力机制网络输入尺寸圆形平滑标签小目标检测; Keywords YOLOv5 FcaNet network input size circular smoothing label small object detection; 分类号 TP751 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于YOLOv5的多分支注意力SAR图像舰船检测被引量：15: 3; 作者胡欣马丽军; 机构长安大学电子控制与工程学院; 出处《电子测量与仪器学报》 CSCD 北大核心 2022年第8期141-149,共9页; 基金国家重点研发计划(2020YFB1600400) 科技部国家重点研发计划(2021YFB1600202)项目资助。; 文摘针对合成孔径雷达图像噪声大,成像特征不明显,尤其在面对海陆边界、港口码头、近岸岩礁等复杂场景,通常的检测算法对SAR图像目标特征提取困难,导致检测精度不高,出现误检漏检等问题。在YOLOv5的基础上设计了一种旋转的目标检测方法,提出了多分支注意力模块可以跨维度的信息融合,能更好地提取SAR图像目标中的位置信息和语义信息,以提高检测精度。此外,由于旋转目标检测会产生边界不连续问题影响边界框的回归,因此,利用了圆形平滑标签的方法将角度参数从回归问题转为分类问题,由此提高了精度。最后在HRSID、SSDD+数据集上进行了实验,精度分别达到84.98%和90.13%,比原始的YOLOv5算法分别提升了1.29%和2.57%,实验结果证明所提算法的有效性。; 关键词合成孔径雷达旋转目标检测多分支注意力圆形光滑标签; Keywords synthetic aperture radar rotated object detection multi-branch attention circular smooth label; 分类号 TN957.52 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名基于改进YOLOv5的遥感图像目标检测被引量：7: 4; 作者崔丽群曹华维; 机构辽宁工程技术大学软件学院; 出处《计算机工程》 CAS CSCD 北大核心 2024年第4期228-236,共9页; 基金辽宁省高等学校基本科研项目(LJKMZ20220699)。; 文摘目前目标检测技术虽然已经趋于成熟,但是对遥感图像的检测仍存在不少挑战。针对遥感图像的背景复杂、目标尺度差异大、目标方向任意等特点造成目标检测精度低下的问题,提出一种基于改进YOLOv5的遥感图像目标检测算法。首先,构建一种联合注意力的多尺度特征增强网络,充分融合高低层特征,使特征层具有语义信息的同时包含丰富的细节信息,并在融合过程中利用设计的特征聚焦模块帮助模型选择关键特征,抑制无关信息。其次,使用感受野模块(RFB)对融合后的特征图进行更新,扩大特征图的感受野,减少特征信息损失。最后,对目标增加旋转角度,并采用圆形平滑标签将回归问题转化成分类问题,提高遥感目标定位的准确性。在用于航拍图像目标检测的大规模数据集(DOTA)上的实验结果表明,与YOLOv5算法相比,所提算法的交并比(Io U)为0.5和0.5~0.95时的平均精度均值(m AP@0.5和m AP@0.5∶0.95)分别提高了7.3和3.3个百分点,能够明显提高复杂背景下遥感图像目标的检测精度,并改善对遥感目标的漏检和误检情况。; 关键词目标检测遥感图像特征融合感受野模块圆形平滑标签; Keywords target detection remote-sensing image feature fusion Receptive Field Block(RFB) circular smooth label; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于YOLOv5的角度优化抓取检测算法研究被引量：5: 5; 作者陈春朝孙东红; 机构河南理工大学机械与动力工程学院; 出处《计算机工程与应用》 CSCD 北大核心 2024年第6期172-179,共8页; 基金河南省高等学校重点科研项目(19A4600004) 河南理工大学博士基金(B2019-48)。; 文摘针对目前机器人抓取检测方法抓取角度预测过于离散,抓取过程可能产生较大偏角,降低抓取检测精度,甚至导致抓取失败的问题,提出了一种基于YOLOv5神经网络模型改进的机器人实时抓取检测方法。以单阶段目标检测模型YOLOv5为基础,提取抓取框坐标及抓取角度。对抓取角度进行更细致的划分,同时引入环形平滑标签以适应角度的周期性,建立相邻角度之间的联系,将YOLOv5检测头进行解耦,并对损失函数进行优化,提高检测精度。在Cornell数据集上进行实验验证。实验结果表明,与经典的抓取检测方法相比,所提算法能够更好地预测抓取角度,提升抓取检测精度;在Cornell数据集上,此模型达到了97.5%的准确率以及71FPS的检测速度。; 关键词抓取检测 YOLOv5 环形平滑标签检测头解耦; Keywords grasp detection YOLOv5 circular smooth label decoupled head; 分类号 TP242 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名旋转框定位的多尺度再生物品目标检测算法被引量：16: 6; 作者董红召方浩杰张楠; 机构浙江工业大学智能交通系统联合研究所; 出处《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2022年第1期16-25,共10页; 基金国家自然科学基金资助项目(61773347) 浙江公益技术研究项目(LGF19F030001)。; 文摘针对传统目标检测算法未考虑实际分拣场景目标物形态尺度的多样性,无法获取旋转角度信息的问题,提出基于YOLOv5的改进算法MR;-YOLOv5.通过添加角度预测分支,引入环形平滑标签(CSL)角度分类方法,完成旋转角度精准检测.增加目标检测层用于提升模型不同尺度检测能力,在主干网络末端利用Transformer注意力机制对各通道赋予不同的权重,强化特征提取.利用主干网络提取到的不同层次特征图输入BiFPN网络结构中,开展多尺度特征融合.实验结果表明,MR;-YOLOv5在自制数据集上的均值平均精度(mAP)为90.56%,较仅添加角度预测分支的YOLOv5s基础网络提升5.36%;对于遮挡、透明、变形等目标物,均可以识别类别和旋转角度,图像单帧检测时间为0.02~0.03 s,满足分拣场景对目标检测算法的性能需求.; 关键词再生物品检测 YOLOv5 旋转框检测环形平滑标签特征金字塔注意力机制; Keywords detection of recycled goods YOLOv5 rotating frame detection circular smooth label feature pyramid attentional mechanism; 分类号 TP391 [自动化与计算机技术—计算机应用技术] X705 [环境科学与工程—环境工程]; 在线阅读下载PDF 职称材料

题名基于YOLOv5s的轻量化遥感舰船检测算法被引量：7: 7; 作者王浩臣辛月兰郭江王庆庆; 机构青海师范大学物理与电子信息工程学院; 出处《中国舰船研究》 CSCD 北大核心 2024年第5期200-207,共8页; 基金国家自然科学基金资助项目(61662062) 青海省自然科学基金面上资助项目(2022-ZJ-929)。; 文摘 [目的]针对遥感图像舰船目标检测任务中轻量化和快速推理的需求,提出一种基于改进YOLOv5s的轻量化遥感舰船目标检测算法LR-YOLO。[方法]首先,主干网络采用ShuffleNet v2 Block堆叠方式,有效减少算法的参数量并提高计算速度;其次,设计区域选择模块Filter,选择感兴趣的区域,更充分地提取有效特征;最后,引入圆形光滑标签计算角度损失,对遥感舰船目标进行旋转检测,并采用可变形卷积,以此来适应几何形变,提升检测效果。[结果]在HRSC2016舰船数据集上的实验结果表明,该算法的检测精度达到92.90%,提高1.3%,并且算法参数量仅为基线模型的39.33%。[结论]该算法实现了轻量化和检测准确率的平衡,为轻量化遥感舰船目标检测提供了参考。; 关键词 YOLOv5s 遥感图像舰船目标检测可变形卷积圆形平滑标签; Keywords YOLOv5s remote sensing images ship target detection deformable convolution circular smooth label; 分类号 U675.79 [交通运输工程—船舶及航道工程]; 在线阅读下载PDF 职称材料

题名基于旋转目标检测的指针仪表读数识别方法被引量：4: 8; 作者张尹人邓春华; 机构武汉科技大学计算机科学与技术学院武汉科技大学大数据科学与工程研究院武汉科技大学智能信息处理与实时工业系统湖北省重点实验室; 出处《计算机工程与设计》北大核心 2023年第6期1804-1811,共8页; 基金国家自然科学基金项目(61806150) 湖北省科技厅计划基金项目(2018CFB195) +2 种基金武汉科技大学国防预研基金项目(GF201814)。; 文摘为解决判断指针方向的问题,提出一个旋转目标检测网络R-YOLOv5。采用旋转矩形的形式定位指针的位置和角度方向,采用环形平滑标签的长边表示法区分矩形的方向,将角度回归预测问题转化为分类问题,设计合适的损失函数和旋转IoU计算方法,解决角度周期性对训练的影响。针对指针仪表数字刻度识别问题,提出一种空间聚类算法,能够鲁棒地识别刻度的数字。实验结果表明,所提指针仪表读数识别方法在误差允许范围内,识别准确率达93.9%。; 关键词指针方向旋转目标检测网络环形平滑标签长边表示法角度周期性空间聚类刻度识别; Keywords pointer direction rotating target detection network circular smooth label long side representation angle periodi-city spatial clustering scale recognition; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于YOLOv7-RSobb的遥感图像定向包围框目标检测	梁琦杨晓文巩青歌曹亚明	《火力与指挥控制》北大核心	2025	0	在线阅读下载PDF 职称材料
2	改进YOLOv5网络在遥感图像目标检测中的应用	周华平郭伟	《遥感信息》 CSCD 北大核心	2022	16	在线阅读下载PDF 职称材料
3	基于YOLOv5的多分支注意力SAR图像舰船检测	胡欣马丽军	《电子测量与仪器学报》 CSCD 北大核心	2022	15	在线阅读下载PDF 职称材料
4	基于改进YOLOv5的遥感图像目标检测	崔丽群曹华维	《计算机工程》 CAS CSCD 北大核心	2024	7	在线阅读下载PDF 职称材料
5	基于YOLOv5的角度优化抓取检测算法研究	陈春朝孙东红	《计算机工程与应用》 CSCD 北大核心	2024	5	在线阅读下载PDF 职称材料
6	旋转框定位的多尺度再生物品目标检测算法	董红召方浩杰张楠	《浙江大学学报（工学版）》 EI CAS CSCD 北大核心	2022	16	在线阅读下载PDF 职称材料
7	基于YOLOv5s的轻量化遥感舰船检测算法	王浩臣辛月兰郭江王庆庆	《中国舰船研究》 CSCD 北大核心	2024	7	在线阅读下载PDF 职称材料
8	基于旋转目标检测的指针仪表读数识别方法	张尹人邓春华	《计算机工程与设计》北大核心	2023	4	在线阅读下载PDF 职称材料