-
题名基于改进YOLOv5s的复杂道路交通目标检测算法
被引量：2
- 1
-
-
作者
汤林东
云利军
罗瑞林
卢琳
-
机构
云南师范大学信息学院
云南师范大学云南省教育厅计算机视觉与智能控制技术工程研究中心
云南省烟草烟叶公司
-
出处
《郑州大学学报（工学版）》
CAS
北大核心
2024年第3期64-71,共8页
-
基金
国家自然科学基金资助项目(62265017)。
-
文摘
针对目前自动驾驶场景下交通目标检测算法抗复杂背景干扰能力弱,导致检测性能不足的问题,提出了一种改进YOLOv5s的复杂道路交通目标检测算法。首先,在特征提取区域,采用多头自注意残差模块(MHSARM)来强化待检目标特征信息,弱化复杂背景干扰;其次,在特征融合区域,采用CoordConv代替传统Conv,使网络具备空间信息感知能力,提升网络检测精度。在开源数据集Kitti及BDD100K上的实验结果表明:改进YOLOv5s算法在复杂道路中具备更强的特征提取能力及良好的泛化能力,mAP_0.5分别达到93.3%和47.4%,与YOLOv5s相比,分别提升了0.9%和1.4%。另外,改进YOLOv5s相较于目前最新的目标检测算法YOLOv7、YOLOv8,mAP_0.5分别提高了1.3%和2.2%,与在Kitti数据集上最新的研究成果Sim-YOLOv4算法相比,mAP_0.5提高了2.2%。
-
关键词
自动驾驶
目标检测
YOLOv5s
MHSARM
CoordConv
-
Keywords
automatic driving
target detection
YOLOv5s
MHSARM
CoordConv
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于颜色分布信息的烟叶烟碱含量预测模型评估与比较
- 2
-
-
作者
谢嘉妮
云利军
尹晓东
陈载清
-
机构
云南师范大学信息学院
-
出处
《现代信息科技》
2025年第8期132-137,145,共7页
-
基金
中国烟草总公司云南省公司科技计划项目(2022530000241026)。
-
文摘
利用光学成像技术对一批已知烟碱含量的烟叶建立图像数据集,并使用神经网络模型U2-Net精准检测烟叶目标,通过提取烟叶目标的颜色分布信息,应用了4种典型的机器学习算法:随机森林(RF)、梯度提升(XGBoost)、多层感知机(MLP)和K-最近邻(KNN),分别对烟叶烟碱含量进行了回归预测。结果显示KNN模型能有效利用颜色分布信息对烟叶烟碱含量进行精准预测,其决定系数R~2值高达97.46%,均方误差(MSE)低至0.020 2,平均绝对误差(MAE)低至0.075 6,证明烟叶颜色分布信息与烟碱含量之间具有显著的相关性,提供了一种有效的烟碱无损检测方法。
-
关键词
颜色分布
烟碱预测
回归模型
K-近邻
无损检测
-
Keywords
color distribution
nicotine prediction
regression model
K-Nearest Neighbor
nondestructive testing
-
分类号
TP391.4
[自动化与计算机技术]
TP181
[自动化与计算机技术—计算机应用技术]
-
