检索结果-维普期刊中文期刊服务平台

基于轻量级算法的水上垃圾小目标检测研究被引量：4: 1; 作者徐尽达陈慈发张上《电子测量技术》北大核心 2024年第18期145-154,共10页; 针对水上漂浮垃圾检测中微小目标物体数量占比高、检测画面易受到水面波动和岸边环境反光等多重因素的干扰、检测模型庞大的参数量和计算量对终端的部署的设备性能要求高等问题,拟提出一种轻量化、高精度、实时性的检测模型LS-YOLO。首... 展开更多; 关键词水上垃圾检测轻量化小目标损失函数通道剪枝; 在线阅读下载PDF 职称材料

基于改进YOLOv8n的道路裂缝检测算法: 2; 作者王子龙陈慈发董方敏《现代电子技术》北大核心 2025年第21期113-119,共7页; 针对现有道路裂缝检测算法精度低、参数计算量大、易漏检误检等问题,文中提出一种基于YOLOv8n改进的轻量型检测算法RD⁃YOLO。首先,在特征提取网络中融入创新设计的重参数化RI模块和BAM构建全新的RB_C2f,在大幅降低网络参数量和计算复杂... 展开更多; 关键词深度学习 YOLOv8n 道路裂缝检测轻量化注意力机制 TRANSFORMER; 在线阅读下载PDF 职称材料

UAV-YOLO:红外场景下无人机实时目标检测算法: 3; 作者刘清荣陈慈发张上《红外技术》北大核心 2025年第10期1263-1271,共9页; 针对红外场景下无人机检测精度低与计算量高的问题,提出一种改进的UAV-YOLO算法。首先,引入加权双向特征金字塔网络(Bi FPN),通过优化多尺度特征融合提升模型检测性能;其次,采用轻量级细节增强检测头(LSDECD),在降低参数量的同时增强小... 展开更多; 关键词无人机检测金字塔网络检测头卷积注意力 Wise-SIoU 检测平均精度; 在线阅读下载PDF 职称材料

基于锚框的远距离多尺度红外目标跟踪技术: 4; 作者余云霞李毅鹏陈姝敏《激光与红外》 CAS CSCD 北大核心 2024年第10期1594-1599,共6页; 在红外目标跟踪过程中,由于目标距离和视角的变化,红外目标的成像面积通常很小,使得红外图像中缺乏足够的像素信息,无法准确提取目标的特征,增加了目标跟踪的难度。因此,提出基于锚框的远距离多尺度红外目标跟踪技术。利用编码的方式对... 展开更多; 关键词红外目标远距离多尺度重叠度特征提取像素网格; 在线阅读下载PDF 职称材料

题名基于轻量级算法的水上垃圾小目标检测研究被引量：4: 1; 作者徐尽达陈慈发张上; 机构三峡大学水电工程智能视觉监测湖北省重点实验室三峡大学湖北省建筑质量检测装备工程技术研究中心三峡大学计算机与信息学院荆楚理工学院大数据研究中心; 出处《电子测量技术》北大核心 2024年第18期145-154,共10页; 基金湖北省大学生创新创业训练计划(S202311075047)项目资助。; 文摘针对水上漂浮垃圾检测中微小目标物体数量占比高、检测画面易受到水面波动和岸边环境反光等多重因素的干扰、检测模型庞大的参数量和计算量对终端的部署的设备性能要求高等问题,拟提出一种轻量化、高精度、实时性的检测模型LS-YOLO。首先,该算法利用HS-FPN金字塔网络设计构造YOLOv8的Neck网络结构,构建的网络结构牺牲小部分精度,显著降低了模型的参数数量和计算复杂度。其次,通过引入CAA上下文锚定注意机制改进HS-FPN,捕获远程上下文信息来回升检测精度。然后通过更换损失函数为具有动态聚焦机制的Wise-IoUv3,大幅提升检测效果,增加模型鲁棒性。最后,使用LAMP剪枝技术对模型进行剪枝,减小模型的参数量和计算量。实验结果表明,改进后的LS-YOLO相比基准模型mAP50提升了0.9%,回归率提升了3.2%,参数量降至基准模型的19.83%,计算量降至基线的44.44%,模型大小降至基线的22.22%。经过优化后的检测算法不仅显著提升了检测性能与特征提取的精准度,同时也便于在资源受限的硬件平台上的部署操作。; 关键词水上垃圾检测轻量化小目标损失函数通道剪枝; Keywords water garbage detection lightweight small target loss function channel pruning; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] TN40 [电子电信—微电子学与固体电子学]; 在线阅读下载PDF 职称材料

题名基于改进YOLOv8n的道路裂缝检测算法: 2; 作者王子龙陈慈发董方敏; 机构水电工程智能视觉监测湖北省重点实验室湖北省建筑质量检测装备工程技术研究中心三峡大学计算机与信息学院荆楚理工学院大数据研究中心; 出处《现代电子技术》北大核心 2025年第21期113-119,共7页; 基金国家自然科学基金新疆联合基金重点项目(U1703261)。; 文摘针对现有道路裂缝检测算法精度低、参数计算量大、易漏检误检等问题,文中提出一种基于YOLOv8n改进的轻量型检测算法RD⁃YOLO。首先,在特征提取网络中融入创新设计的重参数化RI模块和BAM构建全新的RB_C2f,在大幅降低网络参数量和计算复杂性的同时,实现对裂缝特征跨维度的交互与融合;其次,引入SEA机制,结合重参数化RI模块,提出原创SR融合模块,深度挖掘裂缝的高阶语义信息,提高模型表征能力及泛化性;最后,提出创新模块IS_C2f,采用可分离自注意力(SSA)机制结合倒残差结构进行特征映射的权重再分配,加快模型收敛的同时,再次增强检测精度,降低模型处理微小或密集裂缝时可能发生的特征损失。实验结果表明,在RDD2022数据集上,改进后的RD⁃YOLO模型相比原始YOLOv8n网络,在参数量降低1.5%、计算量降低13.2%的情况下,mAP@0.5提高至72.7%,增长幅度达到4.0%,显著加强了模型对道路裂缝的检测能力。; 关键词深度学习 YOLOv8n 道路裂缝检测轻量化注意力机制 TRANSFORMER; Keywords deep learning YOLOv8n road crack detection lightweight attention mechanism Transformer; 分类号 TN911.73-34 [电子电信—通信与信息系统] TP391.41 [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UAV-YOLO:红外场景下无人机实时目标检测算法: 3; 作者刘清荣陈慈发张上; 机构三峡大学水电工程智能视觉监测湖北省重点实验室三峡大学计算机与信息学院三峡大学湖北省建筑质量检测装备工程技术研究中心荆楚理工学院大数据研究中心; 出处《红外技术》北大核心 2025年第10期1263-1271,共9页; 基金湖北省大学生创新创业训练计划(202311075046) 国家大学生创新创业训练计划(202111075012,202011075013) 湖北省中央引导地方专项(2024BSB002)。; 文摘针对红外场景下无人机检测精度低与计算量高的问题,提出一种改进的UAV-YOLO算法。首先,引入加权双向特征金字塔网络(Bi FPN),通过优化多尺度特征融合提升模型检测性能;其次,采用轻量级细节增强检测头(LSDECD),在降低参数量的同时增强小目标检测性能;此外,构建卷积注意力融合模块(CAFM)强化特征交互提升鲁棒性;最后,使用Wise-SIo U损失函数以加速模型收敛。实验结果表明,改进模型mAP@50达到91.3%,较YOLOv11n提升1.7%。在公开红外图像弱小飞机目标检测跟踪数据集下验证表明,改进模型各项评价指标均有提升,证明其具有良好的泛化性和鲁棒性。; 关键词无人机检测金字塔网络检测头卷积注意力 Wise-SIoU 检测平均精度; Keywords UAV detection pyramid network detection head convolutional-attention wise-SioU detection average accuracy; 分类号 TP391.4 [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

题名基于锚框的远距离多尺度红外目标跟踪技术: 4; 作者余云霞李毅鹏陈姝敏; 机构荆楚理工学院大数据研究中心中南财经政法大学荆楚理工学院; 出处《激光与红外》 CAS CSCD 北大核心 2024年第10期1594-1599,共6页; 基金中央高校基本科研业务费专项资金项目(No.2722023DK039) 国家自然科学青年基金项目(No.62305141)资助。; 文摘在红外目标跟踪过程中,由于目标距离和视角的变化,红外目标的成像面积通常很小,使得红外图像中缺乏足够的像素信息,无法准确提取目标的特征,增加了目标跟踪的难度。因此,提出基于锚框的远距离多尺度红外目标跟踪技术。利用编码的方式对应追踪框图与真实框图,得到目标框中心坐标值。为保证计算的精准度,通过设定特征融合阈值判定提取信息与真实信息较高的重叠度,并按照锚框的边缘、中心以及顶点坐标对应划分像素网格,根据特征值输出分类输出向量,完成红外目标特征提取。由此采用损失函数给出锚框、目标框、实际框的类别损失以及候选框等不同类别损失函数,按照不同点在网格中的体素值,以编码形式逐一对比候选框和真实框数据,通过迭代实现远距离多尺度红外目标跟踪。实验结果表明,所提方法对远距离多尺度红外目标的识别效果较好,查全率曲线基本保持在0.9以上。说明所提方法具有良好的远距离多尺度红外目标跟踪效果。; 关键词红外目标远距离多尺度重叠度特征提取像素网格; Keywords infrared targets long distance and multi-scale overlap degree feature extraction pixel grid; 分类号 TN219 [电子电信—物理电子学] TN976 [电子电信—信号与信息处理]; 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	基于轻量级算法的水上垃圾小目标检测研究	徐尽达陈慈发张上	《电子测量技术》北大核心	2024	4	在线阅读下载PDF 职称材料
2	基于改进YOLOv8n的道路裂缝检测算法	王子龙陈慈发董方敏	《现代电子技术》北大核心	2025	0	在线阅读下载PDF 职称材料
3	UAV-YOLO:红外场景下无人机实时目标检测算法	刘清荣陈慈发张上	《红外技术》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于锚框的远距离多尺度红外目标跟踪技术	余云霞李毅鹏陈姝敏	《激光与红外》 CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料