期刊导航
期刊开放获取
河南省图书馆
退出
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
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
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
融合YOLOv5s与Swin Transformer的森林火灾检测
被引量:
1
1
作者
杨锋勇
王赫
+1 位作者
杨庆江
李芊诺
《高师理科学刊》
2023年第6期37-41,73,共6页
针对传统的森林火灾检测方法检测精度不佳、可靠性低等不足,提出一种基于YOLOv5s融合Swin Transformer的火灾检测方法.为实现森林火灾的实时性检测,提出了YOLOv5s-SwinT的改进识别方法.基于Transformer模型的应用,解决了卷积神经网络的...
针对传统的森林火灾检测方法检测精度不佳、可靠性低等不足,提出一种基于YOLOv5s融合Swin Transformer的火灾检测方法.为实现森林火灾的实时性检测,提出了YOLOv5s-SwinT的改进识别方法.基于Transformer模型的应用,解决了卷积神经网络的运算局部性以及全局特征提取等不足.融合Swin Transformer与YOLOv5s卷积神经网络模型,并将其应用于森林火灾检测的机器视觉任务中.引入α-IoU损失函数替换GIOU损失函数,并在骨干网络中融入CA注意力机制轻量模块,提升了整体网络的特征提取能力以及获取高质量和高精准度的定位图像区域,进行边界框生成及预测,改善小目标检测漏检及检测精度差等问题.实验结果表明,融合YOLOv5s-Swin T的改进识别方法在森林火灾检测任务中,可实现mAP值达到74.2%,相比YOLOv5s提高了4.5%,并设计了GUI界面直接部署到PC端实现实时火灾检测需求,为森林火灾检测视觉任务提供了一种有效的检测方法.
展开更多
关键词
YOLOv5s
森林火灾
Swin
Transformer
注意力机制
下载PDF
职称材料
基于YOLOv5改进模型的口罩识别方法
被引量:
2
2
作者
王赫
王刚
+1 位作者
李芊诺
祝首安
《黑龙江科学》
2022年第24期58-61,共4页
为实现对人脸口罩佩戴的自动实时识别,提出了基于YOLOv5改进模型的口罩识别算法,通过加入CA注意力机制轻量模块,增强整体网络的特征提取能力,改善漏检及遮挡等问题。引入α-EIoU损失函数替换GIOU损失函数,能够更快速精准地获取高质量的...
为实现对人脸口罩佩戴的自动实时识别,提出了基于YOLOv5改进模型的口罩识别算法,通过加入CA注意力机制轻量模块,增强整体网络的特征提取能力,改善漏检及遮挡等问题。引入α-EIoU损失函数替换GIOU损失函数,能够更快速精准地获取高质量的定位图像区域,生成边界框并进行预测类别。通过更改主干网络CSPBlock模块,提高了模型的检测速度。实验结果表明,基于改进的YOLOv5目标检测算法,提升了口罩识别的准确率,设计的GUI界面直接部署到PC端,满足了实时口罩的识别需求。
展开更多
关键词
YOLOv5
口罩识别
注意力机制
下载PDF
职称材料
题名
融合YOLOv5s与Swin Transformer的森林火灾检测
被引量:
1
1
作者
杨锋勇
王赫
杨庆江
李芊诺
机构
黑龙江科技大学电子与信息工程学院
出处
《高师理科学刊》
2023年第6期37-41,73,共6页
文摘
针对传统的森林火灾检测方法检测精度不佳、可靠性低等不足,提出一种基于YOLOv5s融合Swin Transformer的火灾检测方法.为实现森林火灾的实时性检测,提出了YOLOv5s-SwinT的改进识别方法.基于Transformer模型的应用,解决了卷积神经网络的运算局部性以及全局特征提取等不足.融合Swin Transformer与YOLOv5s卷积神经网络模型,并将其应用于森林火灾检测的机器视觉任务中.引入α-IoU损失函数替换GIOU损失函数,并在骨干网络中融入CA注意力机制轻量模块,提升了整体网络的特征提取能力以及获取高质量和高精准度的定位图像区域,进行边界框生成及预测,改善小目标检测漏检及检测精度差等问题.实验结果表明,融合YOLOv5s-Swin T的改进识别方法在森林火灾检测任务中,可实现mAP值达到74.2%,相比YOLOv5s提高了4.5%,并设计了GUI界面直接部署到PC端实现实时火灾检测需求,为森林火灾检测视觉任务提供了一种有效的检测方法.
关键词
YOLOv5s
森林火灾
Swin
Transformer
注意力机制
Keywords
YOLOv5
forest fire
Swin Transformer
attention mechanism
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于YOLOv5改进模型的口罩识别方法
被引量:
2
2
作者
王赫
王刚
李芊诺
祝首安
机构
黑龙江科技大学电子与信息工程学院
黑龙江省科学院智能制造研究所
出处
《黑龙江科学》
2022年第24期58-61,共4页
文摘
为实现对人脸口罩佩戴的自动实时识别,提出了基于YOLOv5改进模型的口罩识别算法,通过加入CA注意力机制轻量模块,增强整体网络的特征提取能力,改善漏检及遮挡等问题。引入α-EIoU损失函数替换GIOU损失函数,能够更快速精准地获取高质量的定位图像区域,生成边界框并进行预测类别。通过更改主干网络CSPBlock模块,提高了模型的检测速度。实验结果表明,基于改进的YOLOv5目标检测算法,提升了口罩识别的准确率,设计的GUI界面直接部署到PC端,满足了实时口罩的识别需求。
关键词
YOLOv5
口罩识别
注意力机制
Keywords
YOLOv5
Mask recognition
Attention mechanism
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
融合YOLOv5s与Swin Transformer的森林火灾检测
杨锋勇
王赫
杨庆江
李芊诺
《高师理科学刊》
2023
1
下载PDF
职称材料
2
基于YOLOv5改进模型的口罩识别方法
王赫
王刚
李芊诺
祝首安
《黑龙江科学》
2022
2
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部