检索结果-维普期刊中文期刊服务平台

基于改进YOLOX的自然环境下核桃识别算法研究被引量：1: 1; 作者钟正扬云利军 +1 位作者杨璇玺陈载清《河南农业科学》北大核心 2024年第1期152-161,共10页; 针对现有目标检测算法对自然环境下核桃识别存在漏检、误检等问题,提出了一种基于Swin Transformer多层特征融合改进的YOLOX-S核桃识别算法。首先,在主干特征提取网络中引入基于Swin Transformer的多层特征融合模块,借助Swin Transforme... 展开更多; 关键词核桃识别 Swin Transformer 多层特征融合模块 YOLOX-S 深度学习; 在线阅读下载PDF 职称材料

基于改进YOLOv8的无人机视角下青皮核桃目标检测: 2; 作者钟天泽云利军 +2 位作者杨璇玺陈载清吴明杰《郑州大学学报(理学版)》北大核心 2025年第5期24-30,共7页; 目前针对核桃测产的方法大多停留在利用传统的统计学模型上,其准确率几乎无法保证。因此,以青皮核桃为例,建立无人机航拍视角下的核桃图像数据集,首次将coordinate attention(CA)机制嵌入YOLOv8模型中,利用改进后的YOLOv8-CA模型算法对... 展开更多; 关键词目标识别无人机视角机器视觉果实测产核桃检测; 在线阅读下载PDF 职称材料

面向lncRNA亚细胞定位预测的注意力BiLSTM与原型网络: 3; 作者孙荣能刘琳亢元召《计算机工程》北大核心 2025年第8期168-180,共13页; 长链非编码RNA(lncRNA)在细胞的许多生命过程中发挥着重要作用,而lncRNA亚细胞定位可为其功能识别带来关键信息。通过传统生物生化实验方法鉴定lncRNA亚细胞定位时存在程序复杂、难以复制、成本高等缺点,为此,提出一种面向lncRNA亚细胞... 展开更多; 关键词 lncRNA亚细胞定位不平衡学习双向长短时记忆网络原型网络可解释; 在线阅读下载PDF 职称材料

改进YOLOv5s的无人机视角下小目标检测算法被引量：23: 4; 作者吴明杰云利军 +1 位作者陈载清钟天泽《计算机工程与应用》 CSCD 北大核心 2024年第2期191-199,共9页; 针对无人机飞行时与目标距离较远,被拍摄的目标大小有明显的差异且存在被物体遮挡等问题,提出一种基于YOLOv5s的无人机视角下小目标检测改进算法BD-YOLO。在特征融合网络中采用双层路由注意力(bi-level routing attention,BRA),其以动... 展开更多; 关键词无人机视角 YOLOv5s 小目标注意力机制损失函数; 在线阅读下载PDF 职称材料

基于改进YOLOv5s的复杂道路交通目标检测算法被引量：2: 5; 作者汤林东云利军 +1 位作者罗瑞林卢琳《郑州大学学报（工学版）》 CAS 北大核心 2024年第3期64-71,共8页; 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... 展开更多; 关键词自动驾驶目标检测 YOLOv5s MHSARM CoordConv; 在线阅读下载PDF 职称材料

题名基于改进YOLOX的自然环境下核桃识别算法研究被引量：1: 1; 作者钟正扬云利军杨璇玺陈载清; 机构云南师范大学信息学院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林业调查规划院生态分院卫星林业应用中心; 出处《河南农业科学》北大核心 2024年第1期152-161,共10页; 基金云南省教育厅科学研究基金项目(2023Y0533)。; 文摘针对现有目标检测算法对自然环境下核桃识别存在漏检、误检等问题,提出了一种基于Swin Transformer多层特征融合改进的YOLOX-S核桃识别算法。首先,在主干特征提取网络中引入基于Swin Transformer的多层特征融合模块,借助Swin Transformer的多头注意力机制对小目标的特征信息进行提取并与特征图进行融合,可以有效解决因网络层数加深导致的高层特征图中小目标特征信息丢失问题;其次,为了提高算法的检测精度,引入更高效的Repblock模块对原网络中的CSP模块进行替换;最后,为了提高下采样效果,使用更为优秀的Transition Block模块作为主干特征提取网络的下采样模块。结果表明,改进后的YOLOX-S模型在采集的自然环境下核桃数据集上平均精度AP50达到96.72%,分别比Faster-RCNN、YOLOv5-S、YOLOX-S算法提高7.36、1.38、0.62百分点,检测速度达到46 f/s,模型参数大小为20.55 M。改进后的YOLOX-S算法具有更好的精度,改善了漏检和误检问题,对自然环境下的核桃有更好的识别效果。; 关键词核桃识别 Swin Transformer 多层特征融合模块 YOLOX-S 深度学习; Keywords Walnut detection Swin Transformer Multi-layer feature fusion module YOLOX-S Deep learning; 分类号 S664.1 [农业科学—果树学] S126 [农业科学—农业基础科学]; 在线阅读下载PDF 职称材料

题名基于改进YOLOv8的无人机视角下青皮核桃目标检测: 2; 作者钟天泽云利军杨璇玺陈载清吴明杰; 机构云南师范大学信息学院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林业调查规划院生态分院卫星林业应用中心; 出处《郑州大学学报(理学版)》北大核心 2025年第5期24-30,共7页; 基金云南省教育厅科学研究基金项目(2023Y0533) 云南省基础研究计划重点项目(202401AS070034)。; 文摘目前针对核桃测产的方法大多停留在利用传统的统计学模型上,其准确率几乎无法保证。因此,以青皮核桃为例,建立无人机航拍视角下的核桃图像数据集,首次将coordinate attention(CA)机制嵌入YOLOv8模型中,利用改进后的YOLOv8-CA模型算法对青皮核桃进行目标检测。实验结果表明,改进后的新模型YOLOv8-CA与原始YOLOv8和YOLOv5相比,在mAP值上分别提高了0.004和0.051,在Recall值上分别提高了0.019和0.089。; 关键词目标识别无人机视角机器视觉果实测产核桃检测; Keywords objection detection drone perspective computer vision fruit yield measurement walnut detection; 分类号 TP39 [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

题名面向lncRNA亚细胞定位预测的注意力BiLSTM与原型网络: 3; 作者孙荣能刘琳亢元召; 机构云南师范大学信息学院云南省教育厅计算机视觉与智能控制技术工程研究中心; 出处《计算机工程》北大核心 2025年第8期168-180,共13页; 基金云南省基础研究面上项目(202201AT070042) 国家自然科学基金(61862067,U1902201) +2 种基金云南师范大学研究生科研创新基金项目(YJ SJ23-B173)。; 文摘长链非编码RNA(lncRNA)在细胞的许多生命过程中发挥着重要作用,而lncRNA亚细胞定位可为其功能识别带来关键信息。通过传统生物生化实验方法鉴定lncRNA亚细胞定位时存在程序复杂、难以复制、成本高等缺点,为此,提出一种面向lncRNA亚细胞定位预测的注意力双向长短时记忆(BiLSTM)与原型网络方法BP-lncLoc。首先,基于原始序列数据获取K-mer初始特征,并对其进行平衡处理;其次,结合注意力BiLSTM有效提取lncRNA序列的深层隐含特征,并优化神经网络在处理高维数据时可能出现的梯度消失问题;随后,针对lncRNA亚细胞定位数据的小样本特性,构建不依赖大规模训练样本的原型网络预测框架;最后,从量化输入特征对输出决策重要性的角度出发,实现预测模型的可解释性。实验结果表明,该方法在公开数据集上的准确率达到了98.89%,优于对比方法,为lncRNA亚细胞定位预测的应用提供了一种新思路。; 关键词 lncRNA亚细胞定位不平衡学习双向长短时记忆网络原型网络可解释; Keywords lncRNA subcellular localization unbalanced learning Bidirectional Long and Short-Term Memory(BiLSTM)networks prototype networks interpretable; 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

题名改进YOLOv5s的无人机视角下小目标检测算法被引量：23: 4; 作者吴明杰云利军陈载清钟天泽; 机构云南师范大学信息学院云南省教育厅计算机视觉与智能控制技术工程研究中心; 出处《计算机工程与应用》 CSCD 北大核心 2024年第2期191-199,共9页; 基金云南省教育厅科学研究基金(2023Y0533)。; 文摘针对无人机飞行时与目标距离较远,被拍摄的目标大小有明显的差异且存在被物体遮挡等问题,提出一种基于YOLOv5s的无人机视角下小目标检测改进算法BD-YOLO。在特征融合网络中采用双层路由注意力(bi-level routing attention,BRA),其以动态稀疏的方式过滤特征图中最不相关的特征,保留部分重要区域特征,从而提高模型特征提取的能力;由于特征图经过多次下采样后会丢失大量位置信息和特征信息,因此采用一种结合注意力机制的动态目标检测头DyHead(dynamic head),该检测头通过尺度感知、空间感知和任务感知的三者统一,以实现更强的特征表达能力;使用Focal-EIoU损失函数,来解决YOLOv5s中CIoU Loss计算回归结果不准确的问题,从而提高模型对小型目标的检测精度。实验结果表明,在VisDrone2019-DET数据集上,BD-YOLO模型较YOLOv5s模型在平均精度(mAP@0.5)指标上提高了0.062,对比其他主流模型对于小目标的检测都有更好的效果。; 关键词无人机视角 YOLOv5s 小目标注意力机制损失函数; Keywords unmanned aerial vehicle perspective YOLOv5s small object attention mechanism loss function; 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

题名基于改进YOLOv5s的复杂道路交通目标检测算法被引量：2: 5; 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]; 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YOLOX的自然环境下核桃识别算法研究	钟正扬云利军杨璇玺陈载清	《河南农业科学》北大核心	2024	1	在线阅读下载PDF 职称材料
2	基于改进YOLOv8的无人机视角下青皮核桃目标检测	钟天泽云利军杨璇玺陈载清吴明杰	《郑州大学学报(理学版)》北大核心	2025	0	在线阅读下载PDF 职称材料
3	面向lncRNA亚细胞定位预测的注意力BiLSTM与原型网络	孙荣能刘琳亢元召	《计算机工程》北大核心	2025	0	在线阅读下载PDF 职称材料
4	改进YOLOv5s的无人机视角下小目标检测算法	吴明杰云利军陈载清钟天泽	《计算机工程与应用》 CSCD 北大核心	2024	23	在线阅读下载PDF 职称材料
5	基于改进YOLOv5s的复杂道路交通目标检测算法	汤林东云利军罗瑞林卢琳	《郑州大学学报（工学版）》 CAS 北大核心	2024	2	在线阅读下载PDF 职称材料