基于改进YOLOv5的苹果轻量化检测算法 被引量：2

1

作者 王红君 刘紫宾 +1 位作者 赵辉 岳有军 《农机化研究》 北大核心 2025年第7期65-71,共7页

为解决苹果采摘机器人检测算法存在的网络结构复杂和参数量大的问题,提出一种基于YOLOv5的轻量化苹果检测算法。首先,将YOLOv5主干网络替换为MobileNetv3,为降低网络的计算复杂度,将深度可分离卷积引入到特征融合网络中;然后,在网络的... 为解决苹果采摘机器人检测算法存在的网络结构复杂和参数量大的问题,提出一种基于YOLOv5的轻量化苹果检测算法。首先,将YOLOv5主干网络替换为MobileNetv3,为降低网络的计算复杂度,将深度可分离卷积引入到特征融合网络中;然后,在网络的关键位置引入注意力机制,以提高算法对苹果不同特征的提取能力;最后,使用CIoU作为改进网络的损失函数,以提升模型的检测效果。试验结果表明:改进模型的检测精度为91.5%,相较于SSD、Faster R-CNN,检测精度分别提高了2.35%、3.07%,相比于YOLOv5s检测精度提高了8.20%,且模型大小约为YOLOv5s的1/3。 展开更多

关键词 苹果 检测算法 yolov5 轻量化 注意力机制

在线阅读 下载PDF 职称材料

基于轻量化改进YOLOv5s的猕猴桃花期识别方法 被引量：1

2

作者 于强 石复习 《中国农机化学报》 北大核心 2025年第5期106-114,共9页

为在有限的嵌入式设备资源下达到实时检测要求,提出一种基于改进YOLOv5s的猕猴桃花期轻量化检测模型(YOLOv5s_SGSC)。在YOLOv5s模型基础上,使用ShuffleNetv2和幻影卷积分别替换主干特征提取网络和颈网络的传统卷积,嵌入卷积注意力模块(C... 为在有限的嵌入式设备资源下达到实时检测要求,提出一种基于改进YOLOv5s的猕猴桃花期轻量化检测模型(YOLOv5s_SGSC)。在YOLOv5s模型基础上,使用ShuffleNetv2和幻影卷积分别替换主干特征提取网络和颈网络的传统卷积,嵌入卷积注意力模块(CBAM)提高网络对猕猴桃花朵的特征提取能力。结果表明,改进后模型的精确率和召回率为89.9%和89.7%;mAP值为94.5%,较改进前提高0.3%。模型体积为3.9 MB,为原YOLOv5s模型的27.7%,在嵌入式设备实时检测速度为11.8 fps,比原YOLOv5s模型快59.8%。将模型部署到嵌入式设备进行实地试验,改进后模型对距离镜头20~60 cm的猕猴桃花朵花期正确识别率达到85%以上,实时检测帧率在10 fps以上。可实现对猕猴桃花朵的花期分类,有助于推动授粉机器人的研发与应用。 展开更多

关键词 猕猴桃花朵 花期识别 嵌入式设备 yolov5s算法 轻量化

在线阅读 下载PDF 职称材料

改进Yolov5s的木材表面缺陷实时检测方法 被引量：1

3

作者 荣强 田启川 谭润 《林产工业》 北大核心 2025年第1期64-71,共8页

提出了一种改进Yolov5s的木材缺陷实时检测方法,该方法首先替换了Yolov5s网络中计算量开销占比较大的主干结构,实现了轻量化改进,提升了网络速度。其次,对网络颈部中的C3模块进行双通道注意力机制改进,有效提升了模型对缺陷部位的关注度... 提出了一种改进Yolov5s的木材缺陷实时检测方法,该方法首先替换了Yolov5s网络中计算量开销占比较大的主干结构,实现了轻量化改进,提升了网络速度。其次,对网络颈部中的C3模块进行双通道注意力机制改进,有效提升了模型对缺陷部位的关注度,减少了背景的干扰。成功构建了一种重颈部轻主干的轻量化模型LW-Yolov5。最后,通过构建损失函数,使用双重知识蒸馏策略对新模型进行训练。结果表明:新模型的计算量和参数量分别减少了52.8%和49.5%,CPU推理速度提高了31.6%,检测速度为20.4 FPS,GPU检测速度达到了137 FPS,模型体积仅为7.1 MB,更易于部署,且快速性优于当前主流的单阶段检测网络。在大规模木材缺陷数据集上的平均检测精度mAP为82.5%,检测精度较高。 展开更多

关键词 木材缺陷 缺陷检测 yolov5算法 轻量化网络 知识蒸馏

在线阅读 下载PDF 职称材料

基于改进YOLOv5s的烟火轻型检测算法 被引量：1

4

作者 赵松怀 周敏 +1 位作者 申飞 向峰 《电子测量技术》 北大核心 2024年第17期140-146,共7页

针对传统传感器对烟火检测不及时且无法给出烟火详细信息,当前主流烟火检测算法检测效率与精度不平衡等问题,提出了一种改进YOLOv5s的烟火轻型检测算法。将Backbone中第2个卷积模块替换成Stem模块,在提高模型对小目标空间信息检测性能... 针对传统传感器对烟火检测不及时且无法给出烟火详细信息,当前主流烟火检测算法检测效率与精度不平衡等问题,提出了一种改进YOLOv5s的烟火轻型检测算法。将Backbone中第2个卷积模块替换成Stem模块,在提高模型对小目标空间信息检测性能的同时有效地控制了总体的浮点运算数;在Backbone和Neck中引入C3Ghost模块和Ghost卷积模块,以达到减少网络参数数量和提高烟火检测性能的目的;为了区分特征融合过程中不同特征的重要性,提出了一种在PAN中添加可学习权重参数的结构,显著提高了对烟火检测的平均精度。实验结果表明:与原模型相比,模型的权重从14.4 M减小到10.2 M,GFLOPs从15.8减小到3.7,平均精度提升了1.1%。改进的模型在轻量化的同时提升了对烟火检测的性能。 展开更多

关键词 烟火检测 yolov5s 特征融合 轻型算法 小目标检测

在线阅读 下载PDF 职称材料

基于改进YOLOv5的轻量级黄花成熟检测方法 被引量：3

5

作者 吴利刚 吕媛媛 +3 位作者 周倩 陈乐 张梁 史建华 《中国农机化学报》 北大核心 2024年第7期235-242,268,共9页

黄花菜具有较短的采摘周期和相对严格的采摘要求,针对传统人工采摘效率低、主观性高的问题,提出一种基于深度学习的SSH-YOLOv5黄花成熟度检测算法。以YOLOv5模型为基础,结合轻量级网络ShuffleNet V2基本残差单元压缩网络模型大小,提升... 黄花菜具有较短的采摘周期和相对严格的采摘要求,针对传统人工采摘效率低、主观性高的问题,提出一种基于深度学习的SSH-YOLOv5黄花成熟度检测算法。以YOLOv5模型为基础,结合轻量级网络ShuffleNet V2基本残差单元压缩网络模型大小,提升模型目标检测速度;引入SE Net通道注意力机制模块,增强模型对有用特征信息的敏感度,提高目标检测精度;将普通卷积替换为深度可分离卷积模块,进一步减少模型计算量。试验结果表明,改进后的SSH-YOLOv5模型参数量和浮点运算量分别减少61.6%和68.3%,网络层数减少18%,同时SSH-YOLOv5的检测精度由原算法的88.8%提高到91.2%,实时检测速度达到66.4 f/s,相比原算法提高18.1%,达到实时检测要求。改进后的算法不仅实现模型的轻量化,同时也使黄花成熟度检测更加准确和快速,可以较好地满足黄花检测需求。 展开更多

关键词 黄花 深度学习 yolov5算法 轻量化 注意力机制

在线阅读 下载PDF 职称材料

面向智能变胞车的改进YOLOv5楼梯目标识别算法

6

作者 刘俊 张成 阮小栋 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2024年第7期879-886,899,共9页

针对智能变胞车在室内楼梯环境下自主攀爬过程中的楼梯识别问题,文章提出一种基于改进YOLOv5的楼梯识别算法。为满足算法模型的实时性要求,利用轻量级网络EfficientNetV2替换YOLOv5算法的主干网络;使用GSConv模块和VoV-GSCSP模块替换原... 针对智能变胞车在室内楼梯环境下自主攀爬过程中的楼梯识别问题,文章提出一种基于改进YOLOv5的楼梯识别算法。为满足算法模型的实时性要求,利用轻量级网络EfficientNetV2替换YOLOv5算法的主干网络;使用GSConv模块和VoV-GSCSP模块替换原颈部网络中的Conv模块和CSP模块,在增强目标特征响应的基础上进一步减少计算成本;为弥补算法模型简化带来的精度损失,在颈部网络上添加坐标注意力机制,通过强化目标关注以提升在复杂场景下的目标识别效果;最后将改进的算法模型应用于嵌入式平台进行实验检测。实验结果表明:改进后的算法模型平均检测精度为91.99%,模型大小仅为3.1 MB,相较于其他目标检测算法具有明显的优越性。文章所提算法能够有效地对楼梯进行实时、准确的检测识别,为后续变胞车自主越障奠定了一定的理论基础。 展开更多

关键词 智能变胞车 楼梯目标检测 yolov5算法 网络轻量化 注意力机制

在线阅读 下载PDF 职称材料

基于轻量化YOLOv5s的花椒簇检测研究 被引量：10

7

作者 李光明 弓皓斌 袁凯 《中国农机化学报》 北大核心 2023年第4期153-158,F0003,共7页

针对现有花椒簇检测算法模型参数量多、计算量大、检测速度低、很难部署到嵌入式设备的问题,提出一种基于轻量化YOLOv5s的花椒簇检测算法模型。首先将ShuffleNet v2主干网络替代原YOLOv5s中的主干网络进行重构;同时将SPPF嵌入至ShuffleN... 针对现有花椒簇检测算法模型参数量多、计算量大、检测速度低、很难部署到嵌入式设备的问题,提出一种基于轻量化YOLOv5s的花椒簇检测算法模型。首先将ShuffleNet v2主干网络替代原YOLOv5s中的主干网络进行重构;同时将SPPF嵌入至ShuffleNet v2骨干中;其次引入轻量级注意力机制CBAM;最后使用SIoU_Loss代替CIoU_Loss作为回归损失函数。试验结果表明:改进后的轻量化YOLOv5s网络参数降低85.6%,计算量降低87.7%,对花椒簇的检测精度mAP@0.5达到92.6%,较原YOLOv5s模型提高3.4%,mAP@0.5:0.95达到61.4%,检测时间为11 ms,相比原模型16 ms缩短31.3%,可以满足在现场环境下对花椒簇的检测。 展开更多

关键词 花椒簇 yolov5s算法 轻量化 网络参数 检测精度

在线阅读 下载PDF 职称材料

基于改进YOLOv5的皮革瑕疵检测算法 被引量：7

8

作者 刘俊豪 王美林 +2 位作者 谢兴 宋烨兴 许莉花 《计算机工程》 CAS CSCD 北大核心 2023年第8期240-249,共10页

皮革瑕疵检测是工业皮革生产行业中质量控制的重要环节,针对工业皮革瑕疵在线检测中存在计算复杂度高、对小目标检测效果差、数据样本少等问题,提出一种基于注意力机制的轻量化皮革瑕疵检测算法GPC-YOLOv5。使用工业相机采集瑕疵图片并... 皮革瑕疵检测是工业皮革生产行业中质量控制的重要环节,针对工业皮革瑕疵在线检测中存在计算复杂度高、对小目标检测效果差、数据样本少等问题,提出一种基于注意力机制的轻量化皮革瑕疵检测算法GPC-YOLOv5。使用工业相机采集瑕疵图片并对其进行标注,制作瑕疵数据集,利用YOLOv5s模型进行目标检测。使用ImgAug数据增强技术扩充原始数据集的数量,并在训练过程中结合Mosaic数据增强方法解决数据样本少的问题。在YOLOv5的基础上,使用轻量化的GhostNet模块替换主干网络和颈部的卷积模块,有效减少模型的参数量和计算量,通过改进激活函数减少网络复杂度并加快计算速度,以满足实时性需求。在主干网络中加入新型注意力机制Polarized Self-Attention模块,增强网络对于小目标瑕疵的特征提取能力。实验结果表明,相比YOLOv5,GPC-YOLOv5算法的参数量和计算量分别减少25.4%和28.5%,总体mAP达到89.2%,能够有效提高检测精度并加快检测速度。 展开更多

关键词 皮革瑕疵 轻量型yolov5算法 注意力机制 深度学习 目标检测

在线阅读 下载PDF 职称材料

基于YOLOv5s的轻量化行人检测算法 被引量：15

9

作者 高英 吴玉虹 《现代电子技术》 2023年第22期151-158,共8页

行人检测系统普遍安装在移动智能设备上,而这些设备对模型的轻量化要求较高,已有算法很难在精度和轻量化之间达到平衡。针对这一问题,提出一种改进的YOLOv5s轻量化行人检测模型。选用EIoU作为边界框损失函数,加速收敛并提高回归精度;结... 行人检测系统普遍安装在移动智能设备上,而这些设备对模型的轻量化要求较高,已有算法很难在精度和轻量化之间达到平衡。针对这一问题,提出一种改进的YOLOv5s轻量化行人检测模型。选用EIoU作为边界框损失函数,加速收敛并提高回归精度;结合CA(Coordinate Attention)注意力模块改进主干网络的C3模块,增强模型对行人目标的精确定位能力;引入一种新卷积层GSConv替换颈部网络的卷积层(Conv),以减轻模型的复杂度并保持准确性;引入改进的自注意力模块CoT,进一步提高网络模型的特征表达能力。使用INRIA数据集进行训练和测试,实验结果表明:改进后的模型mAP@0.5达到97%,相比于原始模型提高1.9%,mAP@0.5:0.95提高2.1%;而模型参数量降低10.5%,模型体积降低13%,计算量GFLOPS减少7%,能够在提高行人检测精度的同时使得模型更加轻量化。 展开更多

关键词 行人检测算法 yolov5s 轻量化 EIoU CA注意力机制 GSConv

在线阅读 下载PDF 职称材料

FS-YOLOv5:轻量化红外目标检测方法 被引量：26

10

作者 黄磊 杨媛 +2 位作者 杨成煜 杨威 李耀华 《计算机工程与应用》 CSCD 北大核心 2023年第9期215-224,共10页

针对传统目标识别算法复杂场景下的道路目标识别精度低、实时性差、小目标检测难度大等问题,提出了基于红外场景下FS-YOLOv5轻量化模型。采用单阶段目标检测网络YOLOv5s作为基础网络,提出了一种新的FSMobileNetV3网络代替原网络中的CSPD... 针对传统目标识别算法复杂场景下的道路目标识别精度低、实时性差、小目标检测难度大等问题,提出了基于红外场景下FS-YOLOv5轻量化模型。采用单阶段目标检测网络YOLOv5s作为基础网络,提出了一种新的FSMobileNetV3网络代替原网络中的CSPDarknet主干网络来提取特征图像;在原网络CIoU损失函数的基础上引入Power变换,替换为α-CIoU,提高网络对小目标的检测能力;将K-means++聚类算法应用在FLIR红外数据集上重新生成Anchor,最后利用DIoU-NMS替换原网络的NMS后处理方法,改善对遮挡物体的检测能力,降低了模型的漏检率。通过在FLIR红外数据集上的消融实验验证了FS-YOLOv5轻量化算法满足红外场景下的道路目标检测任务,与原网络相比,在平均精度仅降低0.37个百分点的前提下,FS-YOLOv5模型的大小减少了26%,参数量减少了29%,检测速度提升了11 FPS,满足了在不同场景下移动端部署的需求。 展开更多

关键词 轻量化 红外目标检测 损失函数 NMS算法 yolov5

在线阅读 下载PDF 职称材料

基于改进YOLOv5s的轻量化车流量检测算法 被引量：7

11

作者 王晨曦 鲍泓 梁天骄 《东北师大学报（自然科学版）》 CAS 北大核心 2023年第3期56-63,共8页

由于小型嵌入式设备计算资源有限,很多算法无法在车流量检测中运行完成.针对此问题,提出了一种改进YOLOv5s的轻量化车流量检测算法,以满足模型对硬件的计算能力需求.该算法通过使用轻量化特征提取网络ShuffleNetV2代替YOLOv5s原主干网络... 由于小型嵌入式设备计算资源有限,很多算法无法在车流量检测中运行完成.针对此问题,提出了一种改进YOLOv5s的轻量化车流量检测算法,以满足模型对硬件的计算能力需求.该算法通过使用轻量化特征提取网络ShuffleNetV2代替YOLOv5s原主干网络,减小模型的计算复杂度;融入注意力机制模块以增强网络对车流量的表示,提高其检测精度;通过使用数据增强策略,扩增训练样本,提升模型的鲁棒性.采用改进YOLOv5s算法检测视频车辆目标,结合DeepSort跟踪完成车流量检测,在UA-DETRAC车流量检测数据集上进行了实验.结果表明:所提出的轻量级车流量检测网络在Jetson TX2上的检测准确率为94.96%,检测速度达到15帧/s,实现车流量的实时检测,模型参数量少,满足嵌入式设备的限制. 展开更多

关键词 车流量检测 yolov5s算法 DeepSort 轻量化 实时性

在线阅读 下载PDF 职称材料

基于改进YOLOv5s的活塞杆表面缺陷检测 被引量：4

12

作者 薛阳 丁凯 +2 位作者 李清 杨江天 李金星 《现代制造工程》 CSCD 北大核心 2023年第11期104-112,共9页

活塞杆是工业设备上技术含量较高的关键部件,但目前为止对其表面缺陷的检测还是以人工检测为主。针对人工检测方法准确性差、效率低下的情况,提出了一种基于改进YOLOv5s的活塞杆表面缺陷检测技术。首先,在Backbone部分引入SE和CBAM双注... 活塞杆是工业设备上技术含量较高的关键部件,但目前为止对其表面缺陷的检测还是以人工检测为主。针对人工检测方法准确性差、效率低下的情况,提出了一种基于改进YOLOv5s的活塞杆表面缺陷检测技术。首先,在Backbone部分引入SE和CBAM双注意力机制,其中CBAM注意力机制与C3模块相结合形成了新CBAMC3模块,提升算法对于缺陷信息的提取能力,从而进一步提高算法精度;其次,改善激活函数为GELU函数避免梯度消失,使算法有较好表现;最后,使用GSConv卷积模块代替Neck部分中的Conv卷积模块,降低计算成本,并且引入VoV-GSCSP模块,减少算法参数量,在轻量化算法的同时保持精度。试验结果表明,改进的YOLOv5-CSGGV算法总平均精度达到了81.1%,较原YOLOv5s算法提升了6.3%,算法参数量相比YOLOv5-SC算法减少了14.7%,使检测速度和精度达到了更好平衡,满足活塞杆工业生产过程中缺陷检测的要求。 展开更多

关键词 注意力机制 缺陷检测 yolov5s 检测算法 轻量化模型

在线阅读 下载PDF 职称材料

基于机器视觉的3D打印异常诊断方法 被引量：1

13

作者 黄周林 周敏 +1 位作者 李鑫炎 申飞 《机床与液压》 北大核心 2024年第13期212-218,共7页

为解决3D打印过程中出现的诸如堵头、断丝、翘曲等异常情况导致打印失败的问题,搭建检测平台并提出一种融合Xception的改进YOLOv5算法,完成异常实时检测,达到及时处理、提高打印成功率的目的。通过对YOLO算法头部、躯干部以及瓶颈块进... 为解决3D打印过程中出现的诸如堵头、断丝、翘曲等异常情况导致打印失败的问题,搭建检测平台并提出一种融合Xception的改进YOLOv5算法,完成异常实时检测,达到及时处理、提高打印成功率的目的。通过对YOLO算法头部、躯干部以及瓶颈块进行轻量化改进,提高识别帧率并减小参量;然后对输出部分进行改进,使特征相似的异常图像被收集后输入至Xception算法中,提升异常识别分类的准确率;最后利用Qt跨平台开发框架设计打印异常诊断系统人机交互界面软件。结果表明:改进的融合算法在自建3D打印异常数据集中识别准确率为88.75%,较原YOLOv5算法提高3.22%,同时识别平均帧率为28帧/s,提高了40.0%,可以满足实际打印中对识别准确率及实时性的要求。 展开更多

关键词 3D打印异常检测 诊断 轻量化算法 yolov5算法 Xception算法

在线阅读 下载PDF 职称材料

基于改进注意力与多尺度特征的车辆识别 被引量：5

14

作者 敬辉 葛动元 姚锡凡 《计算机工程与设计》 北大核心 2024年第10期3120-3127,共8页

为提高车辆检测算法精度,提出一种基于YOLOv5框架上增添新型轻量化注意力机制(novel lightweight attention module, NLAM)和多尺度特征检测层的算法。NLAM模块将深度可分离卷积的空间注意力模块和一维卷积的通道注意力模块进行并联融合... 为提高车辆检测算法精度,提出一种基于YOLOv5框架上增添新型轻量化注意力机制(novel lightweight attention module, NLAM)和多尺度特征检测层的算法。NLAM模块将深度可分离卷积的空间注意力模块和一维卷积的通道注意力模块进行并联融合,使NLAM模块参数量仅为8;增添多尺度特征检测层,提升小目标的检测精度。该算法在KITTI数据集训练和测试,实验结果表明,改进后算法平均精度为89.9%,相较于原始算法平均精度上涨2%,检测帧率为90 frame/s。该算法对车辆检测具有更高的小目标检测精度和更好的鲁棒性。 展开更多

关键词 深度学习 目标检测 注意力模块 新型轻量化 多尺度特征 车辆检测 yolov5s算法

在线阅读 下载PDF 职称材料

高动态场景下无人机空对空目标检测 被引量：1

15

作者 王林 赵莉 王无为 《计算机工程》 CAS CSCD 北大核心 2024年第12期265-275,共11页

针对高动态场景下无人机(UVA)空对空目标检测任务中机载设备计算资源有限和UVA小目标检测困难的问题,提出一种基于轻量级注意力机制的无人机空对空目标检测算法SGC-YOLOv5。首先,设计S-Ghost模块和SD-Ghost结构构建特征提取网络SD-Ghost... 针对高动态场景下无人机(UVA)空对空目标检测任务中机载设备计算资源有限和UVA小目标检测困难的问题,提出一种基于轻量级注意力机制的无人机空对空目标检测算法SGC-YOLOv5。首先,设计S-Ghost模块和SD-Ghost结构构建特征提取网络SD-GhostNet,降低模型参数量和计算复杂度;其次,引入更高效的GSConv和VOVGSCSP结构细化特征融合网络,将SD-GhostNet和细化的特征融合网络相结合使模型达到最佳的轻量化效果;最后,在特征融合网络中加入轻量级卷积块注意力模块(CBAM)来突出图像中感兴趣的UVA特征,抑制背景冗余信息,提高检测精度。在数据集Det-Fly上的实验结果表明,SGC-YOLOv5算法的精确率为74.9%、参数量为4313695、检测速度为169.42帧/s、每秒浮点运算次数(FLOPs)为9.0×10^(9),与基准YOLOv5s算法相比,检测精确率提升2.5%、参数量减少48.5%、检测速度提升26.17帧/s、FLOPs降低57.5%,在实现模型轻量化的同时取得了较好的检测精确率。 展开更多

关键词 视觉目标检测 无人机空对空目标检测 yolov5算法 轻量化 注意力机制

在线阅读 下载PDF 职称材料

基于注意力机制的轻量级矿井钢丝绳断丝检测算法研究 被引量：1

16

作者 方旭东 于正 +2 位作者 杨发展 周攀搏 袁广振 《中国煤炭》 北大核心 2024年第8期152-164,共13页

立井提升系统作为煤矿生产中的主要运输设备,其核心构件钢丝绳常因工作负荷大、受到腐蚀、磨损等原因而产生断丝引发事故。传统的立井提升机钢丝绳检测算法存在效率低、劳动强度大、智能化程度差和准确率低等问题。基于此,提出一种改进Y... 立井提升系统作为煤矿生产中的主要运输设备,其核心构件钢丝绳常因工作负荷大、受到腐蚀、磨损等原因而产生断丝引发事故。传统的立井提升机钢丝绳检测算法存在效率低、劳动强度大、智能化程度差和准确率低等问题。基于此,提出一种改进YOLOv5s模型,并基于改进的模型进行矿井钢丝绳断丝检测。首先,设计Swiener滤波算法进行钢丝绳图像运动模糊修复,抑制噪声干扰;其次,在特征提取阶段,引入RFC3轻量化模块降低模型可训练参数,提升钢丝绳检测速度;第三,提出CBAM R注意力机制,增强模型对小断口断丝的检测能力;最后,引入Focal EIoU损失函数,提高模型对小断口断丝的检测精度并加速模型收敛。研究结果表明:所提出的基于注意力机制矿用钢丝绳断丝检测算法(CTR YOLO)可以更好地满足实际应用需求,减少了误检、漏检导致的人力成本浪费及安全事故的发生。 展开更多

关键词 钢丝绳检测 yolov5s模型 Swiener滤波算法 CBAM R注意力机制 轻量化模块

在线阅读 下载PDF 职称材料

面向道路交通场景的轻量级目标检测方法 被引量：9

17

作者 黄仝宇 胡斌杰 朱婷婷 《现代电子技术》 2022年第3期88-95,共8页

针对道路交通场景下的目标检测算法模型占用系统资源较多,对小目标、遮挡目标的检测精度较低等问题,提出一种基于改进的YOLOv5s的轻量级目标检测方法。首先,将主干网络中一些运算量较大的模块替换为Ghost模块或者深度可分离卷积模块,可... 针对道路交通场景下的目标检测算法模型占用系统资源较多,对小目标、遮挡目标的检测精度较低等问题,提出一种基于改进的YOLOv5s的轻量级目标检测方法。首先,将主干网络中一些运算量较大的模块替换为Ghost模块或者深度可分离卷积模块,可以减小网络规模、提高推理速度;其次,在主干网络添加SE模块,筛选针对通道的特征信息,提升特征表达能力;再次,使用排斥力损失函数RepulsionLoss作为bbox损失函数,使目标的预测框与匹配的目标框的距离缩小,与周围非匹配目标框的距离加大;然后,采用DIoU⁃NMS作为后处理方法,在抑制准则中不仅分析重叠区域,而且还计算两个框之间的中心点距离,可以提升遮挡情况下目标检测的精度;最后,构建道路交通场景下交通参与者的数据集,共计61200张,其中48960张作为训练集,12240张作为测试集,并在主流的GTX1080 GPU硬件平台进行验证。文中方法的mAP为85.83%,FPS为76.9 f/s,模型大小为25.6 MB,其mAP比YOLOv5s高出0.86%,FPS和模型大小均优于YOLOv4和YOLOv5系列算法。实验结果表明,文中方法在确保良好的检测精度的前提下,可以进一步简化网络的复杂程度、减少计算量,并且能够较好地解决道路交通场景下的遮挡目标和小目标检测的问题。 展开更多

关键词 深度学习 轻量级卷积神经网络 目标检测 yolov5s算法 Ghost模块 深度可分离卷积 损失函数 遮挡目标

在线阅读 下载PDF 职称材料

基于ARM平台目标检测的轻量化方法 被引量：1

18

作者 张雷 童虎庆 +1 位作者 谢锦昌 杨昆 《电子测量技术》 北大核心 2023年第12期118-124,共7页

为了解决基于深度学习的目标检测算法庞大的计算量和内存占用,导致在ARM平台的边端设备上部署难度大的问题。本文提出一种基于ARM平台目标检测的轻量化方法,首次将网络中的批标准化层缩放因子和卷积层卷积核参数同时添加约束,稀疏训练... 为了解决基于深度学习的目标检测算法庞大的计算量和内存占用,导致在ARM平台的边端设备上部署难度大的问题。本文提出一种基于ARM平台目标检测的轻量化方法,首次将网络中的批标准化层缩放因子和卷积层卷积核参数同时添加约束,稀疏训练后将其作为通道重要性判断的两个准则,将不重要的通道双准则剪枝;针对剪枝效果较差的层结合CBAM注意力设计轻量化结构替换;再对结构替换后的模型重新训练得到最终模型。在单目标检测和多目标检测场景,分别对改进的YOLOv5n和YOLOv5s实验,结果表明该方法在ARM设备上均优于常规轻量化方法。在人物检测场景中,对YOLOv5n优化后的模型大小仅有0.68 MB,在ARM设备上单核CPU部署时检测速度达到45 fps,完全满足实时性要求,大幅度降低边端设备部署难度和硬件成本。 展开更多

关键词 ARM平台 目标检测 yolov5 稀疏训练 轻量化结构 算法部署

在线阅读 下载PDF 职称材料