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
共找到1,556篇文章
< 1 2 … 78 >
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：
改进YOLOv8的无人机航拍图像目标检测算法 被引量：6
1
作者 梁燕 何孝武 +1 位作者 邵凯 陈俊宏 《计算机工程与应用》 北大核心 2025年第1期121-130,共10页
针对无人机航拍图像存在多个小目标聚集、目标尺度变化大的问题,提出一种改进YOLOv8的目标检测算法TS-YOLO(tiny and scale-YOLO)。在主干部分去除冗余的特征提取层,设计了一种高效特征提取模块(efficient feature extraction module,EF... 针对无人机航拍图像存在多个小目标聚集、目标尺度变化大的问题,提出一种改进YOLOv8的目标检测算法TS-YOLO(tiny and scale-YOLO)。在主干部分去除冗余的特征提取层,设计了一种高效特征提取模块(efficient feature extraction module,EFEM),避免小目标特征消失在冗余信息中。在颈部设计了一种双重跨尺度加权特征融合方法(dual cross-scale weighted feature-fusion,DCWF),融合多尺度信息的同时抑制噪声干扰,提升特征表达能力。通过构建一种参数共享检测头(parameter-shared detection header,PSDH),使回归和分类任务实现参数共享,保证检测精度的同时有效降低了模型的参数量。所提模型在VisDrone-2019数据集上的精度(P)和召回率(R)分别达到54.0%、42.5%;相比于原始YOLOv8s模型,mAP50提高了5.0个百分点,达到44.5%,且参数量减少了55.8%,仅有4.94×106;在DOTAv1.0遥感数据集上,mAP50达到71.9%,仍具有较好的泛化能力。 展开更多
关键词 目标检测 无人机航拍图像 YOLOv8 小目标 特征融合
在线阅读 下载PDF
基于改进YOLOv8m的小麦仓储粮虫检测方法 被引量：2
2
作者 吕宗旺 王甜甜 +1 位作者 孙福艳 祝玉华 《中国农机化学报》 北大核心 2025年第3期108-114,共7页
害虫是造成仓储小麦损失的重要因素之一,及时检测害虫并采取有效手段能够减少仓储小麦损失。传统人工检测害虫方法存在人工因素影响较大、速度慢的问题,基于深度学习的仓储粮虫检测方法虽然耗时短,但存在模型较大、速度和准确率二者难... 害虫是造成仓储小麦损失的重要因素之一,及时检测害虫并采取有效手段能够减少仓储小麦损失。传统人工检测害虫方法存在人工因素影响较大、速度慢的问题,基于深度学习的仓储粮虫检测方法虽然耗时短,但存在模型较大、速度和准确率二者难以平衡的问题。故首先选取YOLOv8m算法作为基础进行改进,接着以更轻量化的网络Shufflenetv2代替Darknet—53;其次,在主干网络末端添加Squeeze—and—Excitation Networks注意力机制获取高质量的特征图,有效提高检测精度;最后,采用WIoUv3 Loss为YOLOv8m的回归损失函数,提高检测的精度和速度。试验结果表明:所提出的改进模型平均精度均值达到95.4%,模型参数量为19.46 M,FLOPs为58.74 G。相比其他模型,精确率更高,模型参数量更低,速度更快,能够为仓储害虫检测提供有效技术支撑。 展开更多
关键词 小麦仓储粮虫 深度学习 小目标检测 注意力机制 轻量化模型
在线阅读 下载PDF
基于改进YOLOv7-tiny的无人机航拍图像小目标检测算法 被引量：3
3
作者 张光华 李聪发 +1 位作者 李钢硬 卢为党 《工程科学与技术》 北大核心 2025年第3期235-246,共12页
无人机航拍图像目标检测是无人机应用的一项重要技术,针对无人机航拍图像中目标尺度变化大、小尺寸目标分布密集、背景复杂而导致的漏检和误检问题,本文提出一种基于YOLOv7-tiny带ConvMixer检测头的无人机航拍图像小目标检测算法。首先... 无人机航拍图像目标检测是无人机应用的一项重要技术,针对无人机航拍图像中目标尺度变化大、小尺寸目标分布密集、背景复杂而导致的漏检和误检问题,本文提出一种基于YOLOv7-tiny带ConvMixer检测头的无人机航拍图像小目标检测算法。首先,将激活函数LeakyReLU替换为SiLU,弥补LeakyReLU缺少的非线性表达,提升模型训练时的收敛速度与模型泛化能力;其次,为了增强对多尺度目标的特征提取能力,额外设计了小目标检测层,并衍生出一个微小目标检测头,增大了模型感受野,更好地解决目标尺度剧烈变化带来的大尺度方差问题,提升了小目标的检测能力;此外,在预测头部分集成ConvMixer层,ConvMixer中的深度卷积和逐点卷积有助于找到传递给预测头的特征信息中的空间和通道关系,提升对微小目标的处理能力;最后,将YOLOv7-tiny的耦合检测头替换为更高效的解耦头,对定位与分类任务解耦出单独的特征通道,增强对目标的分类和定位能力。为了全面验证每个改进点的有效性,本文从两个方向设计了消融实验,并对比分析了改进算法与其他算法的检测性能。实验结果表明,本文算法在Visdrone2021数据集上平均精度均值(mAP)达到40.9%,较基线算法提升了3.7%,模型内存为28.2 MB,检测速度达到35.8帧/s,改进算法综合性能与对比的主流先进算法相比更优。通过检测效果分析可知,本文算法在无人机航拍图像检测上的误检和漏检问题得到较大改善。综上,本文算法的准确性和实时性能胜任航拍图像小目标检测任务。 展开更多
关键词 无人机航拍图像 小目标检测 SiLU ConvMixer 更高效的解耦头
在线阅读 下载PDF
基于深度学习的植物叶病斑精细化分割方法 被引量：2
4
作者 徐虹 李林峰 +3 位作者 杨昊 文武 陈敏 周航 《沈阳农业大学学报》 北大核心 2025年第1期92-107,共16页
[目的]为解决植物叶中小目标病斑和病斑边缘分割精度差的问题,实现精确的植物叶病害严重程度的评估任务,开发了一种基于深度学习的植物叶片病斑精细分割方法。[方法]以葡萄叶黑腐病、葡萄叶黑麻疹病、草莓叶斑病组成的数据集Ⅰ,苹果叶... [目的]为解决植物叶中小目标病斑和病斑边缘分割精度差的问题,实现精确的植物叶病害严重程度的评估任务,开发了一种基于深度学习的植物叶片病斑精细分割方法。[方法]以葡萄叶黑腐病、葡萄叶黑麻疹病、草莓叶斑病组成的数据集Ⅰ,苹果叶斑点落叶病、苹果叶黑星病以及苹果叶桧胶锈病组成的数据集Ⅱ为例,以Deeplabv3+为基础,提出一种名为MFA-Net的改进的深度学习网络,其使用改进的Xception网络作为主干网络。首先,在编码器部分提出多尺度特征提取模块,并用其对主干网络进行改进;该模块通过3个分支提取不同尺度的信息,再通过由坐标注意力机制和通道注意力机制组成的双分支注意力部分突出病斑特征信息。其次,在编码器部分提出双残差空洞空间金字塔池化模块,其使用2个残差分支对病斑区域信息进行弥补,并利用自注意力机制帮助模型捕捉输入图像的细节信息。最后,通过引入2个融合模块组建解码器,有助于减轻信息的丢失问题并维持特征的丰富性。[结果]在评价指标上,2个数据集的mIoU分别为92.07%和91.91%。与Unet、Unet(Resnet50)、Unet++、HRNetV2、Deeplabv3+(Resnet101)和Deeplabv3+(Xception)等模型相比,在数据集Ⅰ上,mIoU分别提高3.73%、5.44%、3.18%、2.79%、5.93%和2.65%;在数据集Ⅱ上,mIoU分别提高3.82%、5.17%、2.92%、2.38%、6.37%和2.13%。[结论]在植物叶病斑区域分割领域中,该方法的分割效果得到了较好的提升,并改善了小目标病斑和病斑边缘的分割效果。 展开更多
关键词 多尺度特征 注意力机制 残差结构 小目标病斑分割 病斑边缘分割
在线阅读 下载PDF
基于改进YOLOv5的密集行人检测算法 被引量：5
5
作者 胡倩 皮建勇 +2 位作者 胡伟超 黄昆 王娟敏 《计算机工程》 北大核心 2025年第3期216-228,共13页
针对现有的行人检测方法对于密集行人或小目标行人检测精度低的问题,提出一种基于YOLOv5的综合改进算法模型YOLOv5_Conv-SPD_DAFPN。首先,针对小目标或密集行人的特征信息易丢失这一问题,在骨干网络中引入Conv-SPD网络模块替代原有的跨... 针对现有的行人检测方法对于密集行人或小目标行人检测精度低的问题,提出一种基于YOLOv5的综合改进算法模型YOLOv5_Conv-SPD_DAFPN。首先,针对小目标或密集行人的特征信息易丢失这一问题,在骨干网络中引入Conv-SPD网络模块替代原有的跨步卷积,有效缓解特征信息丢失的问题;其次,针对非相邻特征图不直接融合从而引起特征融合率较低的问题,提出新的双层渐进金字塔网络(DAFPN),提高行人检测的准确性和精度;最后,基于EIoU_Loss和CIoU_Loss引入EfficiCIoU_Loss定位损失函数,以调整和提高帧回归率,促进网络模型更快收敛。模型在CrowdHuman和WiderPerson行人数据集上相比于原YOLOv5模型,mAP@0.5、mAP@0.5∶0.95分别提升了3.9、5.3百分点和2.1、2.1百分点;引入EfficiCIoU_Loss后,模型收敛速度分别提升了11%、33%。这些改进使得基于YOLOv5的密集行人检测在特征信息保留、多尺度融合和损失函数优化等方面都取得了显著进展,提高了其在实际应用中的性能和效率。 展开更多
关键词 密集行人检测 小目标行人检测 Conv-SPD网络 双层渐进特征金字塔网络 EfficiCIoU_Loss损失函数
在线阅读 下载PDF
改进YOLOv8的无人机航拍小目标检测算法 被引量：2
6
作者 许景科 索祥龙 周磊 《计算机工程与应用》 北大核心 2025年第11期119-131,共13页
在无人机航拍图像目标检测任务中,存在小目标多且分布密集,目标背景复杂,类别样本数量不平衡,无人机算力偏低等问题。为此提出一种改进YOLOv8的算法MFF-YOLOv8(multi-feature fusion YOLOv8)。在C2f模块的Bottleneck模块中融合可变形卷... 在无人机航拍图像目标检测任务中,存在小目标多且分布密集,目标背景复杂,类别样本数量不平衡,无人机算力偏低等问题。为此提出一种改进YOLOv8的算法MFF-YOLOv8(multi-feature fusion YOLOv8)。在C2f模块的Bottleneck模块中融合可变形卷积DCNv3(deformable convolution v3),增强模型主干部分的特征提取能力。设计了一种新的MFFPN(multi-feature fusion pyramid network)特征融合网络结构,增加更多特征融合路线,保留更多的底层特征图细节和特征,提高模型对小目标的检测能力。增加P2小目标检测层并优化原有的P5检测层,增强了对小目标的检测精度并降低参数量。最后,引入动态头Dyhead(dynamic head)进一步增强模型的检测精度,在Visdrone2019公共数据集的实验中,MFF-YOLOv8s算法的检测精度mAP50和mAP50:95相比YOLOv8s分别提高10.2个百分点和7.1个百分点,参数量降低77.04%,检测精度超越YOLOv11,满足了无人机平台对精度和轻量化的需求。 展开更多
关键词 YOLOv8 小目标检测 多尺度特征融合 轻量化
在线阅读 下载PDF
改进YOLOv8n的选通图像目标检测算法 被引量：1
7
作者 田青 王颖 +1 位作者 张正 羊强 《计算机工程与应用》 北大核心 2025年第2期124-134,共11页
激光选通成像技术在复杂环境下表现出色,但选通图像为灰度图像无法提供颜色信息,并且对比度较低,所以在进行小目标和遮挡目标检测时更加困难。为解决以上问题提出了一种改进YOLOv8n的选通图像目标检测算法。在特征提取的主干网络部分,... 激光选通成像技术在复杂环境下表现出色,但选通图像为灰度图像无法提供颜色信息,并且对比度较低,所以在进行小目标和遮挡目标检测时更加困难。为解决以上问题提出了一种改进YOLOv8n的选通图像目标检测算法。在特征提取的主干网络部分,使用大核卷积C2f-DSF更有效地捕获输入数据的全局信息。添加了多头注意力检测头Detect-SEAM模块,增强了特征提取和目标识别的能力。为了获取不同感受野的上下文信息,增强特征提取能力,使用了SPPF-M模块。采用上采样算子Dysample,减少特征信息的损失,从而提高小目标的检测精度。改进的YOLOv8n算法在选通图像数据集上mAP@0.5提高了2.4个百分点,mAP@0.5:0.95提高了1.8个百分点。为了验证改进的YOLOv8n算法的泛化性,选取KITTI数据集实验,相比于YOLOv8n算法改进YOLOv8n的mAP@0.5提高了4.3个百分点,mAP@0.5:0.95提高了3.5个百分点。 展开更多
关键词 选通图像 YOLOv8n 遮挡目标 小目标 大卷积核
在线阅读 下载PDF
融合注意力和上下文信息的遥感图像小目标检测算法 被引量：2
8
作者 刘赏 周煜炜 +2 位作者 代娆 董林芳 刘猛 《计算机应用》 北大核心 2025年第1期292-300,共9页
对多尺度的遥感图像进行小目标检测时,基于深度学习的目标检测算法容易出现误检和漏检的情况。这是因为此类算法的特征提取模块进行了多次的下采样操作;而且未能根据不同类别、不同尺度的目标关注所需的上下文信息。为了解决该问题,提... 对多尺度的遥感图像进行小目标检测时,基于深度学习的目标检测算法容易出现误检和漏检的情况。这是因为此类算法的特征提取模块进行了多次的下采样操作;而且未能根据不同类别、不同尺度的目标关注所需的上下文信息。为了解决该问题,提出一种融合注意力和上下文信息的遥感图像小目标检测算法ACM-YOLO(Attention-Context-Multiscale YOLO)。首先,应用细粒度的查询感知稀疏注意力以减少小目标特征信息的丢失,从而避免漏检;其次,设计局部上下文增强(LCE)函数以更好地关注不同类别的遥感目标所需的上下文信息,从而避免误检;最后,使用加权双向特征金字塔网络(BiFPN)强化特征融合模块对遥感图像小目标的多尺度特征融合能力,从而改善算法检测效果。在DOTA数据集和NWPU VHR-10数据集上进行对比实验和消融实验,以验证所提算法的有效性和泛化性。实验结果表明,在2个数据集上所提算法的平均精确率均值(mAP)分别达到了77.33%和96.12%,而相较于YOLOv5算法,召回率分别提升了10.00和7.50个百分点。可见,所提算法能有效提升mAP和召回率,减少误检和漏检。 展开更多
关键词 遥感图像 小目标检测 稀疏采样 局部上下文信息增强 多尺度特征融合
在线阅读 下载PDF
基于改进YOLOv8的道路交通小目标车辆检测算法 被引量：5
9
作者 火久元 苏泓瑞 +1 位作者 武泽宇 王婷娟 《计算机工程》 北大核心 2025年第1期246-257,共12页
针对交通道路中小目标车辆存在的识别困难、检测精度低以及误检和漏检等问题,提出一种基于YOLOv8算法的大内核、多尺度梯度组合的道路交通小目标车辆检测模型RGGE-YOLOv8。首先,使用RepLayer模型替换YOLOv8网络的主干部分,引入大内核深... 针对交通道路中小目标车辆存在的识别困难、检测精度低以及误检和漏检等问题,提出一种基于YOLOv8算法的大内核、多尺度梯度组合的道路交通小目标车辆检测模型RGGE-YOLOv8。首先,使用RepLayer模型替换YOLOv8网络的主干部分,引入大内核深度可分离卷积结构,拓展上下文信息,以增强模型对小目标的信息捕获能力;其次,使用GIoU代替原损失函数,解决IoU在预测框与真实框没有重叠时存在的无法优化问题;然后,引入全局注意力机制(GAM),通过减少信息丢失并增强全局交互信息来提高网络的特征表达能力;最后,引入CSPNet并重参化梯度组合特征金字塔,使得模型具有较大感受野和高形状偏差。实验结果表明,RGGE-YOLOv8在Visdrone数据集和自有数据集上mAP@0.5指标分别达到34.8%和94.7%,相较于原始YOLOv8n算法精度分别提高了2.2和5.51百分点,证明了RGGE-YOLOv8模型对道路小目标车辆检测的有效性。 展开更多
关键词 YOLOv8 小目标检测 深度学习 多尺度特征金字塔 注意力机制
在线阅读 下载PDF
基于YOLOv8-BAN模型的水下生物目标检测方法 被引量：1
10
作者 王德兴 何勇 袁红春 《江苏农业学报》 北大核心 2025年第1期101-111,共11页
水下目标检测技术对于自动化水下捕捞至关重要,可有效推动渔业的智能化发展。针对水下图像质量较差和小目标水下生物聚集导致漏检、误检等问题,本研究提出了一种基于改进YOLOv8m模型的水下生物目标检测模型——YOLOv8-BAN。该模型首先... 水下目标检测技术对于自动化水下捕捞至关重要,可有效推动渔业的智能化发展。针对水下图像质量较差和小目标水下生物聚集导致漏检、误检等问题,本研究提出了一种基于改进YOLOv8m模型的水下生物目标检测模型——YOLOv8-BAN。该模型首先在骨干网络中嵌入双向路由自注意力机制,以增强网络的特征提取能力;其次在颈部结合自适应特征融合模块,优化特征融合效果,增强了模型对多尺度目标的检测能力;最后设计了一种小目标损失函数,通过精确标签分配进一步提升了水下生物小目标的检测精度。在URPC2018和Brackish数据集上的测试结果显示,YOLOv8-BAN模型的平均检测精度分别达到86.9%和98.6%,较YOLOv8m分别提高了3.5个百分点和3.3个百分点;与其他6种模型相比,YOLOv8-BAN模型具有更高的检测精度和较快的检测速度。本研究结果可为水下机器人进行水产捕捞作业提供了技术支持。 展开更多
关键词 水下生物 YOLOv8m 深度学习 小目标检测
在线阅读 下载PDF
基于改进SSD的无人机航拍小目标检测 被引量：4
11
作者 刘卿卿 吴南 +2 位作者 刘明江 武恒飞 盛玉欣 《电光与控制》 北大核心 2025年第5期86-90,96,共6页
针对无人机航拍视角下目标尺寸小且密集、检测场景复杂、目标被遮挡导致检测精度不高的问题,提出了一种基于改进SSD的小目标检测算法。首先,用SE-ResNet50代替VGG16作为主干网络,通过学习自适应的通道权重,使模型更加关注有用的通道信息... 针对无人机航拍视角下目标尺寸小且密集、检测场景复杂、目标被遮挡导致检测精度不高的问题,提出了一种基于改进SSD的小目标检测算法。首先,用SE-ResNet50代替VGG16作为主干网络,通过学习自适应的通道权重,使模型更加关注有用的通道信息;而后,修改了浅层网络的锚框参数,提高小目标的检测性能;在浅层网络中使用SE+SAM和CBAM两种组合,从通道和空间两个维度对图像进行关注;最后,使用EIoU代替传统IoU来计算交并比,选择FocalL1损失函数,整合EIoU和FocalL1损失函数,得到最终的Focal-EIoU。实验采用VisDrone2019数据集进行验证,相较于传统SSD算法,精确率、召回率和mAP分别提升了11.7、11.2和9.8个百分点,FPS提升5帧/s,验证了该算法对小目标检测的有效性。 展开更多
关键词 无人机 航拍图像 小目标检测 注意力机制 损失函数
在线阅读 下载PDF
基于改进YOLOv8的矿卡司机疲劳驾驶检测 被引量：1
12
作者 顾清华 殷书檀 +2 位作者 王丹 李学现 尹慧民 《中国安全科学学报》 北大核心 2025年第1期60-66,共7页
为解决露天矿区卡车司机疲劳驾驶检测漏检率和误检率高、鲁棒性较差的问题,构建基于改进YOLOv8的露天矿卡车司机疲劳驾驶检测模型(EBS-YOLO),提高疲劳检测的整体性能。首先,以YOLOv8为疲劳检测基础模型,通过添加小目标检测层,增强模型... 为解决露天矿区卡车司机疲劳驾驶检测漏检率和误检率高、鲁棒性较差的问题,构建基于改进YOLOv8的露天矿卡车司机疲劳驾驶检测模型(EBS-YOLO),提高疲劳检测的整体性能。首先,以YOLOv8为疲劳检测基础模型,通过添加小目标检测层,增强模型对小目标关注;其次,引入瓶颈注意力(BAM)模块,强化模型对小目标特征提取能力,尤其是对眼部特征提取能力;最后,将主干网络中跨阶段聚合模块(C2f)全部替换为高效多尺度注意力(EMA)模块,进而有效降低模型参数量和计算开销,以满足模型轻量化需求。结果表明:改进后的YOLOv8模型检测效果较好,准确率、召回率、平均检测精度分别达到了93.6%、93.9%、96.5%,且模型内存大小仅有4.9 MB。相比于YOLOv8模型,改进后的模型能够快速准确识别出矿卡司机疲劳状态,满足实时性要求,从而有效预防疲劳驾驶事故发生。 展开更多
关键词 露天矿 疲劳驾驶检测 卡车司机 小目标检测 YOLOv8
在线阅读 下载PDF
改进YOLOv8s的轻量级无人机航拍小目标检测算法 被引量：1
13
作者 翟亚红 陈雅玲 +1 位作者 徐龙艳 龚玉 《浙江大学学报(工学版)》 北大核心 2025年第8期1708-1717,共10页
针对无人机航拍图像背景复杂、目标尺寸小及设备资源有限等问题,提出轻量化小目标检测算法RTAYOLOv8s.在主干网络引入RepVGG模块,增强特征提取能力.应用三分支注意力机制,降低小目标的误检率和漏检率.增加小目标专用检测头,提高对小目... 针对无人机航拍图像背景复杂、目标尺寸小及设备资源有限等问题,提出轻量化小目标检测算法RTAYOLOv8s.在主干网络引入RepVGG模块,增强特征提取能力.应用三分支注意力机制,降低小目标的误检率和漏检率.增加小目标专用检测头,提高对小目标的检测能力.采用WIoUv3作为损失函数,提升模型的定位性能和鲁棒性.实验结果表明,RTA-YOLOv8s算法在VisDrone数据集中的mAP50达到44.9%,检测速度达到88.5帧/s.与基线算法YOLOv8s相比,m AP50提升了6.1%,检测准确率提高了4.7%,参数量减少了13.9%.利用改进的算法,有效解决了复杂场景下检测效果不佳的问题,在精度和速度之间取得了很好的平衡.设计人机界面,实现结果可视化,使检测任务更加直观且易操作,适合无人机航拍的目标检测. 展开更多
关键词 无人机(UAV) 小目标检测 YOLOv8s 轻量化方法 注意力机制
在线阅读 下载PDF
基于双关键点的拥挤行人检测方法 被引量：1
14
作者 沈继锋 盛常宝 +1 位作者 陈逸飞 左欣 《江苏大学学报(自然科学版)》 北大核心 2025年第2期140-148,共9页
针对行人检测中远距离目标像素稀少和遮挡产生人体模式信息缺失导致的严重漏检问题,提出一种基于双关键点组合的行人检测方法.该方法利用人体头部与中心区域的关键点,有效提取和融合行人的判别语义特征,从而显著降低行人的漏检率.首先,... 针对行人检测中远距离目标像素稀少和遮挡产生人体模式信息缺失导致的严重漏检问题,提出一种基于双关键点组合的行人检测方法.该方法利用人体头部与中心区域的关键点,有效提取和融合行人的判别语义特征,从而显著降低行人的漏检率.首先,在深层聚合主干特征网络上引入可变形卷积来扩大感受野,增强人体模式的语义信息;其次,设计了一种基于关键点组合的双分支联合检测模块,通过重新定义不同分支的正样本,强化小尺度与遮挡目标的语义信息;最后,借助非极大值抑制算法融合双分支检测结果.结果表明:在CityPerson验证数据集的普通、小尺度与严重遮挡子集上,文中方法的平均漏检率分别达到8.24%、11.81%和30.59%,特别是对于严重遮挡子集,漏检率相比传统方法ACSP降低15.71%;文中方法检测速度也达到16帧/s;在CrowdHuman上文中方法的平均精度和平均漏检率分别达到86.30%和45.52%.与其他先进方法相比,文中方法在平均精度、漏检率和检测速度方面都呈现出更优异的性能,在密集行人的复杂场景中具有较好的应用价值. 展开更多
关键词 行人检测 拥挤场景 遮挡目标 小尺度目标 双关键点 可变形卷积 双分支融合 非极大值抑制
在线阅读 下载PDF
基于EE-YOLOv8s的多场景火灾迹象检测算法 被引量：2
15
作者 崔克彬 耿佳昌 《图学学报》 北大核心 2025年第1期13-27,共15页
针对目前烟火场景检测中,光照变化、烟火动态性、复杂背景、目标过小等干扰因素导致的火灾迹象目标误检和漏检的问题,提出一种YOLOv8s改进模型EE-YOLOv8s。设计MBConv-Block卷积模块融入YOLOv8的Backbone部分,实现EfficientNetEasy特征... 针对目前烟火场景检测中,光照变化、烟火动态性、复杂背景、目标过小等干扰因素导致的火灾迹象目标误检和漏检的问题,提出一种YOLOv8s改进模型EE-YOLOv8s。设计MBConv-Block卷积模块融入YOLOv8的Backbone部分,实现EfficientNetEasy特征提取网络,保证模型轻量化的同时,优化图像特征提取;引入大型可分离核注意力机制LSKA改进SPPELAN模块,将空间金字塔部分改进为SPP_LSKA_ELAN,充分捕获大范围内的空间细节信息,在复杂多变的火灾场景中提取更全面的特征,从而区分目标与相似物体的差异;Neck部分引入可变形卷积DCN和跨空间高效多尺度注意力EMA,实现C2f_DCN_EMA可变形卷积校准模块,增强对烟火目标边缘轮廓变化的适应能力,促进特征的融合与校准,突出目标特征;在Head部分增设携带有轻量级、无参注意力机制SimAM的小目标检测头,并重新规划检测头通道数,加强多尺寸目标表征能力的同时,降低冗余以提高参数有效利用率。实验结果表明,改进后的EE-YOLOv8s网络模型相较于原模型,其参数量减少了13.6%,准确率提升了6.8%,召回率提升了7.3%,mAP提升了5.4%,保证检测速度的同时,提升了火灾迹象目标的检测性能。 展开更多
关键词 烟火目标检测 EfficientNetEasy主干网络 大型可分离核注意力机制 可变形卷积校准模块 小目标检测
在线阅读 下载PDF
多源场景下粘虫板小目标害虫轻量化检测识别模型 被引量：1
16
作者 杨信廷 胡焕 +3 位作者 陈晓 李汶政 周子洁 李文勇 《智慧农业(中英文)》 2025年第1期111-123,共13页
[目的/意义]为了解决多源场景下粘虫板图像中粉虱和蓟马两种害虫由于个体小难以精确检测以及设备计算资源受限的问题,本研究基于YOLOv5s提出了一种名为MobileNetV4+VN-YOLOv5s的小目标图像轻量化检测识别模型。[方法]模型框架结合Mobile... [目的/意义]为了解决多源场景下粘虫板图像中粉虱和蓟马两种害虫由于个体小难以精确检测以及设备计算资源受限的问题,本研究基于YOLOv5s提出了一种名为MobileNetV4+VN-YOLOv5s的小目标图像轻量化检测识别模型。[方法]模型框架结合MobileNetV4主干网络构建EM模块,实现特征提取网络结构的优化和精度的提升;在模型颈部引入轻量化模块GSConv和VoV-GSCSP,替代普通卷积,降低模型复杂度;最后添加NWD (Normalized Wasserstein Distance)损失函数,用于增强小目标的判别敏感度与定位能力。[结果和讨论]所提出模型在室内场景下对小目标害虫的检测性能最佳,平均检测精度为82.5%,较原始模型YOLOv5s提升了8.4%;模型参数量降低了3.0 M,帧率提升了6.0帧/s;在室外场景下,所提出模型的平均精度为70.8%,较YOLOv5s提升了7.3个百分点,参数量降低了3.0 M,帧率提升了5.5帧/s;在混合场景下,模型的平均精度为74.7%,较YOLOv5s提升了8.0个百分点,参数量降低了3.0 M,帧率提升了4.3帧/s。同时研究发现,对原始图像进行裁剪分割能够影响模型性能,在采用5×5的比率对原图进行分割下模型的检测识别性能最佳;利用室内场景数据训练的模型能够在所有场景下都获得最佳的检测性能。[结论]本研究提出的MobileNetV4+VN-YOLOv5s模型兼顾轻量化和精度,模型可部署到嵌入式设备,便于落地应用,可为各种多源场景下粘虫板图像中小目标害虫检测提供参考。 展开更多
关键词 小目标 害虫检测 轻量化 粘虫板 多源场景 MobileNetV4 YOLOv5s
在线阅读 下载PDF
鸟类活跃度量化建模与预测方法研究 被引量：1
17
作者 刘佳 陈唯实 +1 位作者 陈小龙 赵志坚 《信号处理》 北大核心 2025年第5期840-852,共13页
低空空域内的非合作目标监视能力是保障低空经济发展的前提条件。飞鸟是低空空域内典型的“低慢小”非合作目标,对于低空空域的安全运营存在一定的影响。航空鸟击已经成为威胁航空安全的主要因素,需要基于鸟情监视数据进行活动规律挖掘... 低空空域内的非合作目标监视能力是保障低空经济发展的前提条件。飞鸟是低空空域内典型的“低慢小”非合作目标,对于低空空域的安全运营存在一定的影响。航空鸟击已经成为威胁航空安全的主要因素,需要基于鸟情监视数据进行活动规律挖掘进一步提升鸟情认知能力。专业探鸟雷达系统可提供丰富的鸟类目标探测信息,为鸟情活动节律的挖掘以及野生动物管理提供了充足的样本支撑。鸟类活动节律与气象因素存在密切关联,基于气象预报信息的鸟类活动量化描述及预测具有极高的研究和应用价值,可为机场野生动物治理提供有价值的参考信息。本文提出一种基于专业探鸟雷达观测数据的鸟情活动量化以及基于气象参数的鸟情活动预报模型。构建了鸟类活跃度等级计算模型,进一步根据鸟类活跃度等级建立其与气象参数之间的关联机制。采用随机森林构建了基于多元气象参数的鸟情活动预报模型,并分别用本地留鸟与迁徙鸟数据集对其性能进行了分析。实验结果表明基于多元气象参数对鸟类活跃度等级进行预测具备较高的可行性,通过提升气象参数精度以及数据集时间分辨尺度可进一步提升鸟类活跃度等级的预测精度。 展开更多
关键词 低慢小目标 雷达探测 雷达数据挖掘 鸟击防范
在线阅读 下载PDF
天基空间小目标复杂场景数字成像仿真
18
作者 李鹏飞 徐伟 +2 位作者 朴永杰 方应红 石敦攀 《系统仿真学报》 北大核心 2025年第9期2315-2334,共20页
针对天基空间目标检测技术研究对空间图像数据源的普遍需求,重点面向智能算法训练数据不足以及传统算法使用数据单一等问题,以生成空间小目标复杂场景下动态数字序列图像为目的,设计了一种基于天基观测平台的可见光数字成像仿真系统。... 针对天基空间目标检测技术研究对空间图像数据源的普遍需求,重点面向智能算法训练数据不足以及传统算法使用数据单一等问题,以生成空间小目标复杂场景下动态数字序列图像为目的,设计了一种基于天基观测平台的可见光数字成像仿真系统。提出了一种小目标成像模型,基于二维形状特征点描述法及成像解析模型,对空间目标进行数字建模及成像模拟;设计了一种背景恒星成像方法,经过视场恒星选取、成像坐标转换和亚像素级位置建模,可实现精度达±0.005像素的星点目标位置成像建模;设计了空间环境下多种光照背景的动态模型,并进行了成像噪声分析及建模,拓扑了空间目标检测图像的场景种类及鲁棒性检测的试验条件。在运动仿真算法设计中加入了目标灰度动态变化、目标曲线运动、运动拖尾以及平台抖动等成像仿真功能。仿真结果表明:该仿真系统可生成定制化的动态数字图像序列。经必要性与充分性验证评估,本数字仿真系统满足空间目标检测算法开发对多元图像数据的需求,对空间目标检测算法研究有一定使用价值。 展开更多
关键词 空间小目标 复杂场景 成像模型 图像处理 动态仿真
在线阅读 下载PDF
基于改进YOLOv8模型的井下人员入侵带式输送机危险区域智能识别 被引量：1
19
作者 毛清华 苏毅楠 +3 位作者 贺高峰 翟姣 王荣泉 尚新芒 《工矿自动化》 北大核心 2025年第1期11-20,103,共11页
针对煤矿带式输送机场景存在尘雾干扰严重、背景环境复杂、人员尺度多变且易遮挡等因素导致人员入侵危险区域识别准确率不高等问题,提出一种基于改进YOLOv8模型的井下人员入侵带式输送机危险区域智能识别系统。改进YOLOv8模型通过替换... 针对煤矿带式输送机场景存在尘雾干扰严重、背景环境复杂、人员尺度多变且易遮挡等因素导致人员入侵危险区域识别准确率不高等问题,提出一种基于改进YOLOv8模型的井下人员入侵带式输送机危险区域智能识别系统。改进YOLOv8模型通过替换主干网络C2f模块为C2fER模块,加强模型的细节特征提取能力,提升模型对小目标人员的识别性能;通过在颈部网络引入特征强化加权双向特征金字塔网络(FE-BiFPN)结构,提高模型的特征融合能力,从而提升模型对多尺度人员目标的识别效果;通过引入分离增强注意力模块(SEAM)增强模型在复杂背景下对局部特征的关注度,提升模型对遮挡目标人员的识别能力;通过引入WIoU损失函数增强训练效果,提升模型识别准确率。消融实验结果表明:改进YOLOv8模型的准确率较基线模型YOLOv8s提升2.3%,mAP@0.5提升3.4%,识别速度为104帧/s。人员识别实验结果表明:与YOLOv10m,YOLOv8s-CA、YOLOv8s-SPDConv和YOLO8n模型相比,改进YOLOv8模型对小目标、多尺度目标、遮挡目标的识别效果均更佳,识别准确率为90.2%,mAP@0.5为87.2%。人员入侵危险区域实验结果表明:井下人员入侵带式输送机危险区域智能识别系统判别人员入侵危险区域的平均准确率为93.25%,满足识别需求。 展开更多
关键词 煤矿带式输送机 人员入侵危险区域 YOLOv8模型 遮挡目标检测 小目标检测 多尺度融合 C2fER模块 特征强化加权双向特征金字塔网络结构
在线阅读 下载PDF
基于U型多尺度Transformer网络的红外小目标检测算法
20
作者 段沛沛 张严 +1 位作者 雒明世 闫效莺 《西北工业大学学报》 北大核心 2025年第1期154-162,共9页
针对红外小目标特征难以提取、易被噪声干扰及复杂背景淹没等问题,提出了一种基于U型多尺度Transformer网络的检测算法。该算法在U型多尺度网络架构下,借助卷积操作提取、强化小目标局部显著性特征,同时又基于Transformer机制对图像全... 针对红外小目标特征难以提取、易被噪声干扰及复杂背景淹没等问题,提出了一种基于U型多尺度Transformer网络的检测算法。该算法在U型多尺度网络架构下,借助卷积操作提取、强化小目标局部显著性特征,同时又基于Transformer机制对图像全局特征进行建模,以获取红外图像背景信息;通过对所生成目标置信图与特征图的自注意力运算,完成了对图像浅层和深层特征的融合,实现了对像素级红外小目标的分割及检测。实验证明,在红外序列图像弱小飞机目标检测跟踪数据集中,即使针对背景复杂且含噪的图像进行检测,所提算法性能仍然优于对比算法,呈现了良好的鲁棒性及稳定、准确的检测效果。在算法阈值选用使FM平均值最大的情况下,其检测率为0.9972,虚警率为2.82×10^(-7),精确率为0.9127,而召回率则为0.921。 展开更多
关键词 红外小目标检测 图像分割 深度学习 自注意力机制
在线阅读 下载PDF
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 2 … 78 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部