期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
3
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进YOLOv7-tiny的车辆目标检测算法
被引量：
1
1
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
职称材料
DCD-YOLOv8n:一种高效的钢材表面缺陷检测算法
被引量：
1
2
作者
梁礼明
陈康泉
+2 位作者
钟奕
龙鹏威
冯耀
《计算机工程与应用》
北大核心
2025年第7期117-127,共11页
针对现有钢材表面缺陷检测算法资源消耗较大、检测精度和效率较低等问题,提出一种基于YOLOv8n的高效钢材缺陷检测算法(DCD-YOLOv8n)。该方法一是设计轻量化的多分支特征聚合网络,有效精简模型体积并提升检测速度;二是利用跨维度聚合模块...
针对现有钢材表面缺陷检测算法资源消耗较大、检测精度和效率较低等问题,提出一种基于YOLOv8n的高效钢材缺陷检测算法(DCD-YOLOv8n)。该方法一是设计轻量化的多分支特征聚合网络,有效精简模型体积并提升检测速度;二是利用跨维度聚合模块,通过自适应机制建模多维度特征,以提升检测精度;三是采用可变形多头注意力机制,动态调整注意力的形状和范围,有效应对形态多样和结构复杂的缺陷特征,从而提升检测性能。在Severstal和NEU-DET钢材缺陷数据集上进行实验验证,相较于YOLOv8n算法,DCD-YOLOv8n算法的mAP分别提高2.4个百分点和1.9个百分点;参数量和复杂度分别降低0.5×10^(6)和1.9×10^(9);FPS分别提升22帧和7帧。实验结果表明,该算法在平衡计算开销、检测精度和效率方面表现优异,具有一定的实际部署应用价值。
展开更多
关键词
缺陷检测
YOLOv8n
多分支特征聚合网络
跨维度聚合模块
可变形多头注意力机制
在线阅读
下载PDF
职称材料
基于全维动态卷积的交通标志识别
被引量：
2
3
作者
李文举
于杰
+2 位作者
沙利业
崔柳
杨红喆
《计算机工程与应用》
CSCD
北大核心
2024年第18期316-323,共8页
针对现有交通标志识别算法对于小目标和遮挡目标的识别精度不高,且识别速度较慢的问题,通过改进YOLOv5网络,设计一种基于全维动态卷积(ODConv)的交通标志识别算法。将主干网络中的部分卷积替换为全维动态卷积,以便在特征提取过程中获取...
针对现有交通标志识别算法对于小目标和遮挡目标的识别精度不高,且识别速度较慢的问题,通过改进YOLOv5网络,设计一种基于全维动态卷积(ODConv)的交通标志识别算法。将主干网络中的部分卷积替换为全维动态卷积,以便在特征提取过程中获取更丰富的信息,提高网络对小目标的敏感度;为了减少上采样过程中信息的丢失,在特征融合网络中使用亚像素卷积模块替换原有的最近邻插值上采样模块,并使用高效层聚合模块替换原有的跨阶段层次模块,提高特征融合效率,延长梯度最短路径,改善小目标检测效果;使用SIoU函数计算回归损失,解决真实框与预测框之间方向不匹配的问题,进一步提高对道路交通标志的检测精度。在TT100K数据集上测试本模型,平均精度(mAP@0.5)达到了93.85%,召回率(Recall)达到了90.73%,与基准网络YOLOv5n相比分别提高了3.90%和5.69%,帧处理速度达到89.29。
展开更多
关键词
交通标志识别
YOLOv5
全维动态卷积
亚像素卷积模块
高效层聚合模块
在线阅读
下载PDF
职称材料
题名
基于改进YOLOv7-tiny的车辆目标检测算法
被引量：
1
1
作者
赵海丽
许修常
潘宇航
机构
长春理工大学电子信息工程学院
出处
《兵工学报》
北大核心
2025年第4期101-111,共11页
基金
吉林省科技厅科技攻关项目(20210201092GX)。
文摘
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。
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
Keywords
vehicle detection
YOLOv7-tiny algorithm
deep powerful residual convolutional block
efficient layer aggregation network-tiny module
分类号
TP391.4 [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
DCD-YOLOv8n:一种高效的钢材表面缺陷检测算法
被引量：
1
2
作者
梁礼明
陈康泉
钟奕
龙鹏威
冯耀
机构
江西理工大学电气工程与自动化学院
出处
《计算机工程与应用》
北大核心
2025年第7期117-127,共11页
基金
国家自然科学基金(51365017,61463018)
江西省自然科学基金(20192BAB205084)
江西省教育厅科学技术研究青年项目(GJJ2200848)。
文摘
针对现有钢材表面缺陷检测算法资源消耗较大、检测精度和效率较低等问题,提出一种基于YOLOv8n的高效钢材缺陷检测算法(DCD-YOLOv8n)。该方法一是设计轻量化的多分支特征聚合网络,有效精简模型体积并提升检测速度;二是利用跨维度聚合模块,通过自适应机制建模多维度特征,以提升检测精度;三是采用可变形多头注意力机制,动态调整注意力的形状和范围,有效应对形态多样和结构复杂的缺陷特征,从而提升检测性能。在Severstal和NEU-DET钢材缺陷数据集上进行实验验证,相较于YOLOv8n算法,DCD-YOLOv8n算法的mAP分别提高2.4个百分点和1.9个百分点;参数量和复杂度分别降低0.5×10^(6)和1.9×10^(9);FPS分别提升22帧和7帧。实验结果表明,该算法在平衡计算开销、检测精度和效率方面表现优异,具有一定的实际部署应用价值。
关键词
缺陷检测
YOLOv8n
多分支特征聚合网络
跨维度聚合模块
可变形多头注意力机制
Keywords
defect detection
YOLOv8n
diverse branch block
efficient
layer
aggregation
network
cross-dimensional integration
module
deformable multi-head attention mechanism
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
基于全维动态卷积的交通标志识别
被引量：
2
3
作者
李文举
于杰
沙利业
崔柳
杨红喆
机构
上海应用技术大学计算机科学与信息工程学院
上海普利森配料系统有限公司
出处
《计算机工程与应用》
CSCD
北大核心
2024年第18期316-323,共8页
基金
国家自然科学基金(61903256,61973307)
上海市科委“科技行动创新计划”(22S31903900)。
文摘
针对现有交通标志识别算法对于小目标和遮挡目标的识别精度不高,且识别速度较慢的问题,通过改进YOLOv5网络,设计一种基于全维动态卷积(ODConv)的交通标志识别算法。将主干网络中的部分卷积替换为全维动态卷积,以便在特征提取过程中获取更丰富的信息,提高网络对小目标的敏感度;为了减少上采样过程中信息的丢失,在特征融合网络中使用亚像素卷积模块替换原有的最近邻插值上采样模块,并使用高效层聚合模块替换原有的跨阶段层次模块,提高特征融合效率,延长梯度最短路径,改善小目标检测效果;使用SIoU函数计算回归损失,解决真实框与预测框之间方向不匹配的问题,进一步提高对道路交通标志的检测精度。在TT100K数据集上测试本模型,平均精度(mAP@0.5)达到了93.85%,召回率(Recall)达到了90.73%,与基准网络YOLOv5n相比分别提高了3.90%和5.69%,帧处理速度达到89.29。
关键词
交通标志识别
YOLOv5
全维动态卷积
亚像素卷积模块
高效层聚合模块
Keywords
traffic sign recognition
YOLOv5
omni-dimensional dynamic convolution
sub-pixel convolution
module
efficient
layer
aggregation
module
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
基于改进YOLOv7-tiny的车辆目标检测算法
赵海丽
许修常
潘宇航
《兵工学报》
北大核心
2025
1
在线阅读
下载PDF
职称材料
2
DCD-YOLOv8n:一种高效的钢材表面缺陷检测算法
梁礼明
陈康泉
钟奕
龙鹏威
冯耀
《计算机工程与应用》
北大核心
2025
1
在线阅读
下载PDF
职称材料
3
基于全维动态卷积的交通标志识别
李文举
于杰
沙利业
崔柳
杨红喆
《计算机工程与应用》
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
