基于改进YOLOv8的轻量化车辆检测网络 被引量：2

1

作者 陈梓延 王晓龙 +1 位作者 何迪 安国成 《计算机工程》 北大核心 2025年第5期314-325,共12页

现有的高精度车辆检测模型参数与计算量过高,无法在交通智能设备上良好运行,而轻量化的车辆检测模型精度普遍较低,不适用于实际任务。为此,提出一种改进YOLOv8的轻量化车辆检测网络,将主干网络替换为计算量和内存访问更小的FasterNet网... 现有的高精度车辆检测模型参数与计算量过高,无法在交通智能设备上良好运行,而轻量化的车辆检测模型精度普遍较低,不适用于实际任务。为此,提出一种改进YOLOv8的轻量化车辆检测网络,将主干网络替换为计算量和内存访问更小的FasterNet网络,并且将颈部的双向特征金字塔网络替换为加权双向特征金字塔网络(BiFPN),简化特征融合过程。同时,引入一种融合注意力机制的动态检测头,实现检测头和注意力的无冗余结合;此外,针对完全交并比(CIoU)在检测精度和收敛速度上的缺陷,提出一种尺度不变交并比(SIoU)结合归一化高斯Wasserstein距离(NWD)的回归损失算法。最后,为尽量减小模型对边缘设备的算力需求,进行基于幅值的层自适应稀疏化剪枝,进一步压缩模型大小。实验结果表明,提出的改进模型相较于原模型YOLOv8s,在精度上升1.5百分点的情况下,参数量降低78.9%,计算量下降67.4%,模型尺寸降低77.8%,达到了比较优秀的轻量化效果,具有很强的实用性。 展开更多

关键词 YOLOv8模型 车辆检测 轻量化 FasterNet网络 归一化高斯Wasserstein距离

在线阅读 下载PDF 职称材料

基于改进YOLOv5的半监督车辆检测算法 被引量：1

2

作者 高睿 安国成 +1 位作者 邹丹平 裴凌 《计算机工程》 北大核心 2025年第3期300-309,共10页

目前,交通场景中的车辆检测存在目标尺度差异显著以及遮挡重叠严重等问题,且对大规模数据进行完全标注需要较高的成本。针对以上情况,提出一种基于改进YOLOv5的半监督车辆检测算法。引入SimOTA样本匹配方法,优化次优匹配现象,改善目标... 目前,交通场景中的车辆检测存在目标尺度差异显著以及遮挡重叠严重等问题,且对大规模数据进行完全标注需要较高的成本。针对以上情况,提出一种基于改进YOLOv5的半监督车辆检测算法。引入SimOTA样本匹配方法,优化次优匹配现象,改善目标尺度形状变化导致的检测困难;提出一种新的空间金字塔池化网络SPPFA,通过引入LSKA,在增大感受野的同时实现空间和通道的自适应性,缓解大尺度目标和遮挡问题产生的影响;将CIoU替换为SIoU,优化回归损失函数。在此基础上,提出一种改进的半监督深度学习算法,通过优化损失函数设计,增强算法学习未标注样本中有益信息的能力,有效提高模型对车辆的检测精度。实验结果表明,改进后的算法在自制车辆数据集上mAP@0.5指标达到了58.2%,相较YOLOv5n基线模型提升了11.1百分点,且模型体积远小于主流目标检测算法,具有良好的工程应用前景。 展开更多

关键词 YOLOv5 车辆检测 样本匹配 空间金字塔池化 半监督学习

在线阅读 下载PDF 职称材料

基于迁移学习与改进YOLOv8s的输电线路故障识别方法

3

作者 黄柏澄 王晓龙 +1 位作者 安国成 张涛 《计算机科学》 北大核心 2025年第S1期369-376,共8页

目前,输电线路部分故障类别识别存在样本严重不足、无人机拍摄远距离小目标定位困难等问题,导致输电线路故障识别精度较低。为此,提出一种基于迁移学习与改进YOLOv8s的输电线路故障识别方法。首先,为改善小样本情况下的故障识别效果,该... 目前,输电线路部分故障类别识别存在样本严重不足、无人机拍摄远距离小目标定位困难等问题,导致输电线路故障识别精度较低。为此,提出一种基于迁移学习与改进YOLOv8s的输电线路故障识别方法。首先,为改善小样本情况下的故障识别效果,该算法以YOLOv8s作为基线模型,使用迁移学习方法对模型进行预训练,并提出一种基于双向相关性的迁移学习样本选择模块,筛选出与目标域具有强相关性的样本类别,避免使用迁移学习时可能产生的负迁移问题,更好地辅助故障识别任务。其次,针对小目标定位困难问题,通过设计小目标注意检测层,将80*80输出特征图与浅层特征图进行特征融合后,引入EMA多尺度注意力机制,增强小目标特征信息;在预测框回归损失中使用NWD损失替换CIoU损失,采取Wasserstein距离度量小目标预测框与真值框的相似性,解决了IoU对小目标位置偏差敏感的问题,有效提升了小目标检测精度。实验结果表明:在小样本与小目标情况下,所提方法在输电线路故障数据集中mAP为51.1%,相较于YOLOv8s基线模型提升了8.2%,有效提升了故障识别精度,为小样本与小目标输电线路故障识别提供了新的解决思路与办法。 展开更多

关键词 故障识别 YOLOv8s 迁移学习 样本选择 注意力机制 损失函数

在线阅读 下载PDF 职称材料

基于视觉-语言预训练模型的开集交通目标检测算法

4

作者 黄琦强 安国成 熊刚 《计算机工程》 北大核心 2025年第6期375-384,共10页

交通目标检测是智慧交通系统的重要组成部分,但现有的交通目标检测算法只能实现对于预设目标的检测,无法应对开集目标场景。为此,提出一种基于视觉-语言预训练(VLP)模型的开集交通目标检测算法。首先,基于Faster R-CNN修改预测网络使其... 交通目标检测是智慧交通系统的重要组成部分,但现有的交通目标检测算法只能实现对于预设目标的检测,无法应对开集目标场景。为此,提出一种基于视觉-语言预训练(VLP)模型的开集交通目标检测算法。首先,基于Faster R-CNN修改预测网络使其能够适应开集目标的定位问题,并将损失函数改进为交并比(IoU)损失,有效提升定位精度;其次,构建一种新的基于VLP的标签匹配网络(VLP-LMN),对预测框进行标签匹配,VLP模型作为一个强大的知识库,可有效匹配区域图像和标签文本,同时,VLP-LMN的提示工程和微调网络模块可以更好地发掘出VLP模型的性能,有效提高VLP模型标签匹配的准确性。实验结果表明,该算法在PASCAL VOC07+12数据集上实现了60.3%的新类目标检测平均准确率,这证明了其具有良好的开集目标检测性能;同时在交通数据集上的新类目标检测平均准确率达到了58.9%,作为零样本检测,仅比基类目标低14.5%,证明了该算法在交通目标检测上具有良好的泛化能力。 展开更多

关键词 视觉-语言预训练模型 Faster R-CNN 开集目标检测 交通目标检测

在线阅读 下载PDF 职称材料

复杂环境下高速服务区禁停检测算法

5

作者 安国成 王晓龙 +1 位作者 江波 幸健 《计算机工程》 北大核心 2025年第2期356-364,共9页

高速服务区车辆禁停检测面临场景复杂的挑战,目前基于单一车型信息的禁停检测算法受到昼夜光照变化、车辆重叠遮挡以及视角倾斜等因素的影响,无法在连续时间段内准确判断禁停区域内的车辆是否为同一辆车,存在较高的误检率和漏检率。为此... 高速服务区车辆禁停检测面临场景复杂的挑战,目前基于单一车型信息的禁停检测算法受到昼夜光照变化、车辆重叠遮挡以及视角倾斜等因素的影响,无法在连续时间段内准确判断禁停区域内的车辆是否为同一辆车,存在较高的误检率和漏检率。为此,提出一种复杂环境下高速服务区禁停检测算法,首先使用YOLOv5车辆检测算法获取车型与位置信息,并给出一种改进禁停区域匹配方法,提升复杂环境下目标和区域匹配准确率;其次对禁停区域内目标车辆使用ConvNeXt车身颜色识别算法获取颜色信息;最后设计一种分阶段控制的多维信息匹配与融合策略,有效降低因光照、遮挡、视角等变化导致的车辆身份判断不准确情况,从而降低服务区车辆禁停检测的误报率与漏检率。实验结果表明,所提方法在高速服务区禁停数据集上的禁停误检率由3.56%下降到0.77%,禁停漏检率由11.3%下降到2.48%,不仅为服务区管理禁停行为提供了车辆多属性信息和车辆违停时长信息,而且满足服务区多场景部署的性能要求,可较好地用于实际应用中。 展开更多

关键词 ConvNeXt网络 车身颜色识别 YOLOv5算法 车辆检测 禁停检测

在线阅读 下载PDF 职称材料

基于YOLOv10的无人机复杂背景下多尺度检测模型

6

作者 黄毅 周纯 +1 位作者 刘欣军 陈庆 《光通信研究》 北大核心 2025年第5期41-48,共8页

【目的】针对无人机(UAV)航拍图像中复杂背景下多尺度目标检测挑战,文章提出了一种基于YOLOv10模型改进的轻量化检测模型,以提升UAV在复杂背景下多尺度目标的检测性能。【方法】在YOLOv10模型的基础上,文章首先引入了多通道逆残差模块(M... 【目的】针对无人机(UAV)航拍图像中复杂背景下多尺度目标检测挑战,文章提出了一种基于YOLOv10模型改进的轻量化检测模型,以提升UAV在复杂背景下多尺度目标的检测性能。【方法】在YOLOv10模型的基础上,文章首先引入了多通道逆残差模块(MCIR),该模块通过利用多通道处理策略与逆残差(IR)结构,提升了模型在复杂背景中对多尺度目标的特征提取和融合能力;其次,文章在跨阶段部分(CSP)双卷积瓶颈层(C2f)基础上引入了卷积块注意力模块(CBAM)注意力机制得到C2f-CM,增强了复杂背景中对特征目标的定位能力;随后,文章基于MCIR和C2f-CM对YOLOv10模型的骨干网络(Backbone)和颈部网络(Neck)进行了轻量化处理,主要是在Backbone中减少下采样次数以保留更多的特征信息,在Neck中通过优化上采样和特征拼接操作,减少网络层数和复杂度,进一步降低计算开销;最后,文章将原损失函数优化为FocalEIOU,能够更精准地匹配预测框和真实框,并有效解决数据集中样本不平衡问题。【结果】实验结果表明,改进后的轻量化目标检测(LED)-YOLOv10模型相较于原始YOLOv10模型,在mAP50(平均精度)上提升了9.8%,达到了44.5%;参数量和模型大小分别减少了65.68%和51.60%,降至0.927 MB和2.700 MB。消融实验进一步验证了改进模块MCIR、C2f-CM和Focal-EIOU的有效性,显示其在提升检测精度的同时,显著降低了模型的复杂度。对比实验结果表明,LED-YOLOv10在复杂背景下的多尺度场景中综合表现最优,检测精度和模型大小均优于其他目标检测算法,检测速度也能够满足实时检测的需求。在嵌入式设备Jetson Nano中对该轻量级模型的综合性能评估也进一步表明,LED-YOLOv10更适合在资源受限的嵌入式平台部署使用。【结论】文章提出的LED-YOLOv10模型,显著提升了UAV航拍图像中复杂背景下多尺度目标检测的精度,并大幅度减少了模型参数量和大小。实验结果和检测效果也验证了文章所提方法在复杂背景下多尺度目标检测中的优越性,为UAV目标检测提供了一种高效、轻量的解决方案。 展开更多

关键词 无人机 目标检测 YOLOv10 轻量化 损失函数

在线阅读 下载PDF 职称材料

基于多信息融合的高速收费站拥堵检测算法

7

作者 王晓龙 江波 +1 位作者 罗润书 安国成 《计算机工程》 北大核心 2025年第5期377-386,共10页

在高速收费站拥堵检测场景中,遮挡、阴影、景深等因素严重影响检测算法的精度,基于单信息的拥堵检测算法无法准确反映收费站真实拥堵情况,对此,提出一种高速收费站多信息融合拥堵检测算法。首先采用目标检测算法检测目标区域车辆,利用... 在高速收费站拥堵检测场景中,遮挡、阴影、景深等因素严重影响检测算法的精度,基于单信息的拥堵检测算法无法准确反映收费站真实拥堵情况,对此,提出一种高速收费站多信息融合拥堵检测算法。首先采用目标检测算法检测目标区域车辆,利用图像空间特征计算车道占用率;其次利用Deep SORT目标跟踪算法与滑动平衡机制进行车流量综合估计,减少因为遮挡和阴影导致的车辆误检、漏检问题;最后利用基于光流信息熵的车速估计方法,降低因景深变化导致的拥堵状态检测误差。通过融合3种不同维度信息得到拥堵指数,拥堵指数聚类为5种拥堵类别以判断真实拥堵状态,从而实现高速收费站的拥堵检测。实验结果表明,在高速收费站拥堵数据集上,采用多信息融合的拥堵检测算法准确率达到90.4%,能够实现对收费站拥堵状态的准确检测。 展开更多

关键词 多信息融合 目标检测 目标跟踪 车速估计 拥堵检测

在线阅读 下载PDF 职称材料

基于改进YOLOv8的高速公路服务区车辆违停检测 被引量：7

8

作者 陈伟 王晓龙 +2 位作者 张晏玮 安国成 江波 《计算机工程》 CAS CSCD 北大核心 2024年第4期11-19,共9页

在高速公路服务区违停检测过程中光照、天气变化等复杂环境会使车辆检测精度急剧下降,同时摄像机拍摄角度、车体高度等因素会增加车辆违停检测的误报率和漏报率。为此,提出一种基于改进YOLOv8的高速公路服务区违停检测算法。在YOLOv8网... 在高速公路服务区违停检测过程中光照、天气变化等复杂环境会使车辆检测精度急剧下降,同时摄像机拍摄角度、车体高度等因素会增加车辆违停检测的误报率和漏报率。为此,提出一种基于改进YOLOv8的高速公路服务区违停检测算法。在YOLOv8网络模型的特征金字塔池化层中,构建膨胀空间金字塔池化(DSPP)模块和基于分支注意力机制的膨胀空间金字塔池化(DSPPA)模块,减少特征提取网络中深层语义信息的丢失,同时利用DSPPA中的分支注意力(BA)机制为不同感受野分支特征赋予不同的权重,使模型更关注与目标尺寸相适应的特征。设计基于全局匹配的停车位分配策略,有效降低了视角倾斜、车辆重叠遮挡等情况下违规占用停车位的误报率与漏报率。实验结果表明,改进算法的违停检测误报率从15%下降至8%,违停检测漏报率从7.5%下降至6.1%,具有较好的车辆违停检测效果。 展开更多

关键词 YOLOv8 车辆检测 空间金字塔池化 全局匹配 车辆违停检测

在线阅读 下载PDF 职称材料

复杂光照条件下基于光流的水运航道流速检测算法 被引量：2

9

作者 杜田田 王晓龙 何劲 《计算机工程》 CAS CSCD 北大核心 2024年第4期60-67,共8页

实时准确的河流表面流速数据是现代化水运调度和防洪的重要依据,但传统的仪器测速法大多需要人工实地参与,危险系数高且无法满足大规模系统部署的要求。相比之下,图像测速法不需要直接接触河流,可以依据摄相机获取的连续帧得到近乎实时... 实时准确的河流表面流速数据是现代化水运调度和防洪的重要依据,但传统的仪器测速法大多需要人工实地参与,危险系数高且无法满足大规模系统部署的要求。相比之下,图像测速法不需要直接接触河流,可以依据摄相机获取的连续帧得到近乎实时的速度信息。然而,光流估计作为当前主流的图像测速法,是针对刚体运动提出的,没有考虑流体本身的性质,在河流表面等相似度高的场景中泛化能力较弱。为提高基于光流估计循环全对场变换(RAFT)模型的水流流速算法估算精度,提出一种改进的光流估计测速方法。在特征提取部分增加卷积块注意力模块(CBAM),增强其对河流表面波纹和示踪粒子运动的识别能力。通过优化光流迭代更新部分的损失函数,引入能体现流体运动特征的角误差损失和旋度散度平滑损失,并且为损失函数匹配随迭代次数呈指数增长的权重因子,突出高次迭代结果对于整体结果的显著影响。为验证改进方法的有效性,使用不同场景河流数据集对其进行性能评估,结果表明,该方法在复杂光学噪声场景下的平均相对误差为11.37%,具有较好的鲁棒性,能够生成更精准的表面速度空间分布图。 展开更多

关键词 河流表面流速 光流估计 循环全对场变换 光照条件 卷积块注意力模块 复合损失函数

在线阅读 下载PDF 职称材料

基于改进PIDNet的水位线检测算法 被引量：2

10

作者 李仲 冒睿瑞 +2 位作者 王晓龙 王根一 安国成 《计算机工程》 CAS CSCD 北大核心 2024年第8期102-112,共11页

PIDNet是三分支网络构成的语义分割模型,在众多竞赛数据集中均保持优秀的分割精度。然而,积分分支中进行多次下采样和金字塔池化模块中多分支特征融合冗余的缺点限制了算法精度的提高。在水位线检测任务中,现有算法的缺点会导致局部细... PIDNet是三分支网络构成的语义分割模型,在众多竞赛数据集中均保持优秀的分割精度。然而,积分分支中进行多次下采样和金字塔池化模块中多分支特征融合冗余的缺点限制了算法精度的提高。在水位线检测任务中,现有算法的缺点会导致局部细节信息丢失,使得水体边缘精细化检测的能力有所下降。为了缓解这个问题,提出一种基于改进PIDNet的水位线检测算法。首先设计一种结合通道注意力的轻量化像素增强模块,在积分分支下采样过程中进行像素增强,减少局部信息丢失。然后对金字塔池化模块进行重构,在减小池化输出特征大小的基础上减少并行分支数,同时在特征融合时结合通道注意力进一步加强关注重要特征的能力,提高水位线边缘的分割精度。此外,融合多场景的河流数据集,避免复杂场景下检测出的水位线位置发生偏移和断线。实验结果表明,所提方法(S和M)在水位线检测任务中相对原算法(S和M)在3个性能指标上都有所提高,以M规模为例,像素正确率提高了1.47个百分点,平均交并比提高了1.04个百分点,检测延迟降低了0.9 ms。 展开更多

关键词 语义分割 水位线检测 金字塔池化模块 注意力 多场景

在线阅读 下载PDF 职称材料

基于拓展图文对比学习的多模态语义对齐

11

作者 安国成 江波 +1 位作者 王晓龙 戴军 《计算机工程》 CAS CSCD 北大核心 2024年第11期152-162,共11页

基于对比语言-图像的预训练(CLIP)方法在大规模图文数据上使双流架构下的模型能够较好地学习到统一的高级语义表征,但CLIP模式仅约束图像-文本模态间的粗粒度语义对齐,在同一模态下的语义表征仍需改进。为了使网络学习到更好的潜在统一... 基于对比语言-图像的预训练(CLIP)方法在大规模图文数据上使双流架构下的模型能够较好地学习到统一的高级语义表征,但CLIP模式仅约束图像-文本模态间的粗粒度语义对齐,在同一模态下的语义表征仍需改进。为了使网络学习到更好的潜在统一语义表征,提出一种基于拓展图文对比学习的多模态语义对齐方法。首先通过微调预训练的CLIP模型,针对指定数据集优化语义表征,设计双向匹配策略构造图文样本匹配拓扑图,然后利用拓扑图中关联度更高的图文样本将对比学习进行拓展,在图像-文本模态下进行粗粒度语义对齐,同时在相同模态中进行细粒度调整,并引入可学习参数调整各模态下的对比损失权重。通过在多个数据集下的实验结果表明,该方法在不影响多模态语义对齐的性能下能够改进相同模态下的语义表征,在分类、检索等下游任务上具有更好或相当的性能。 展开更多

关键词 多模态学习 语义表征 对比学习 图文匹配 图像分类

在线阅读 下载PDF 职称材料

方向约束下的无人机有限时间定点编队控制

12

作者 陈庆 周纯 +1 位作者 刘欣军 罗瑞君 《现代防御技术》 2025年第5期197-205,共9页

针对无人机在方向约束条件下的有限时间定点编队控制问题,提出了一种基于方向信息的无人机有限时间定点编队控制方法。该方法仅依赖于相对方向信息,旨在确保无人机在预定的有限时间内实现目标编队。相较于现有控制方法,提出的策略引入... 针对无人机在方向约束条件下的有限时间定点编队控制问题,提出了一种基于方向信息的无人机有限时间定点编队控制方法。该方法仅依赖于相对方向信息,旨在确保无人机在预定的有限时间内实现目标编队。相较于现有控制方法,提出的策略引入了随时间变化的缩放增益机制,允许用户自定义收敛时间,并确保控制输入导数的连续性。研究还给出了确保几乎全局收敛性和避免无人机碰撞的充分条件。通过引入领航者-跟随者控制结构,该方法能够实现全局收敛,并设计了梯度下降方法以确保无人机在有限时间内完成编队任务。最后,为验证控制方法的有效性,在Simulink和Gazebo平台上进行了仿真实验,实验结果证明了策略的有效性。 展开更多

关键词 无人机编队 有限时间收敛 相对方向 碰撞避免 Gazebo

在线阅读 下载PDF 职称材料

2000—2019年四川省植被恢复成效与影响因素 被引量：12

13

作者 向珈瑶 彭文甫 +2 位作者 陶帅 银盈 刘华山 《生态学报》 CAS CSCD 北大核心 2023年第4期1596-1609,共14页

国家实施天然林资源保护工程与退耕还林等生态建设工程,为构筑长江上游生态屏障、促进长江流域经济可持续发展做出了突出贡献;评估退耕还林等生态工程实施后植被恢复成效及影响因素是促进区域植被恢复优化与生态环境改善的关键一步。基... 国家实施天然林资源保护工程与退耕还林等生态建设工程,为构筑长江上游生态屏障、促进长江流域经济可持续发展做出了突出贡献;评估退耕还林等生态工程实施后植被恢复成效及影响因素是促进区域植被恢复优化与生态环境改善的关键一步。基于MODIS MOD13Q1数据,应用Theil Sen斜率与Mann-Kendall趋势检验、“基线”评价方法、时空地理加权回归模型等量化不同时间尺度的植被时空变化、恢复成效和恢复机制。结果表明(1)植被覆盖状况良好,截止2019年底,四川省91%的区域植被出现增长,四川盆地东北部、四川省南部地区以及东南部乌蒙山、川西北高原地区植被覆盖较高;成都市内以及周围市区植被覆盖率较低。(2)植被恢复成效时空差异显著,占全省面积98.68%的区域植被恢复成效明显,高值区面积占比71.47%,集中于除成都平原外的四川省绝大部分区域。(3)气候变化对植被变化的影响以不显著为主,气温、降水对四川省植被恢复影响微弱,海拔和>35°坡度面积比等地理环境因子则以弱抑制作用为主。(4)在相对平稳的气候背景下,人均财政支出、耕地面积与人均GDP所代表的社会经济因素是植被恢复成效改善的重要影响因素。研究揭示的植被恢复效果及关键气候、地理环境和社会经济因子,可为植被恢复政策的优化提供一定理论支撑。 展开更多

关键词 植被恢复成效 气候 地理环境 社会经济因素 时空地理加权回归 四川省

在线阅读 下载PDF 职称材料

基于改进YOLOX-m的安全帽佩戴检测 被引量：8

14

作者 王晓龙 江波 《计算机工程》 CAS CSCD 北大核心 2023年第12期252-261,共10页

安全帽佩戴检测是安全监控系统中的重要组成部分,其检测精度取决于目标分类、小目标检测、域迁移差异等因素。针对现有基于YOLOX-m模型的安全帽佩戴检测算法通常存在分类精度较低、检测目标不完整、轻量化模型性能下降等问题,构建一种... 安全帽佩戴检测是安全监控系统中的重要组成部分,其检测精度取决于目标分类、小目标检测、域迁移差异等因素。针对现有基于YOLOX-m模型的安全帽佩戴检测算法通常存在分类精度较低、检测目标不完整、轻量化模型性能下降等问题,构建一种基于多阶段网络训练策略的改进YOLOX-m模型。首先对YOLOX-m主干特征网络卷积块的堆叠次数进行重新设计,在减小网络规模的同时最大化模型性能,然后将残差化重参视觉几何组与快速空间金字塔池化相结合,提高检测精度和推理速度。设计一种多阶段网络训练策略,将训练集和测试集拆分成多个组,并结合推理阶段生成的伪标签进行多次网络训练,以减少域迁移差异,获得更高的检测精度。实验结果表明,与YOLOX-m模型相比,改进YOLOX-m模型的推理延迟降低了5 ms,模型大小减少了4.7 MB,检测精度提高了1.26个百分点。 展开更多

关键词 安全帽佩戴检测 深度学习 残差化重参视觉几何组 快速空间金字塔池化 多阶段网络训练策略

在线阅读 下载PDF 职称材料