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
5
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
基于改进YOLOv5的轻量化车辆行人雾天检测模型
1
作者
肖顺兴
朱文忠
+2 位作者
谢康康
谢林森
何海东
《四川轻化工大学学报(自然科学版)》
CAS
2024年第3期77-86,共10页
车辆行人检测是智能交通的重要组成部分。针对现有车辆检测算法模型容量大、参数量较多、占用内存大,难以在智能交通场景中适用于算力和内存均有限的边缘设备的问题,提出了一种基于YOLOv5s算法改进的轻量级目标检测网络。首先,将YOLOv5...
车辆行人检测是智能交通的重要组成部分。针对现有车辆检测算法模型容量大、参数量较多、占用内存大,难以在智能交通场景中适用于算力和内存均有限的边缘设备的问题,提出了一种基于YOLOv5s算法改进的轻量级目标检测网络。首先,将YOLOv5s网络的卷积模块更换成Ghost卷积,以此减少计算量和参数量;其次,采用改进的加权双向特征金塔网络(BiFPN)结构和非极大值抑制(NMS)算法提高模型的精确度;最后,通过Real-world Task-Driven Testing Set(RTTS)雾天数据集对该方法进行模型训练及验证,以测试模型的有效性。实验结果表明,改进YOLOv5的轻量化雾天检测模型在分辨率为640×640的图像上平均检测精度达88.5%,模型大小约为7.5 M,浮点型计算量为8.20 GFLOPs。与原YOLOv5s网络相比,模型大小减少了46.4%,浮点型计算量压缩到原来的52%,精确度提高0.9%,回归率提高0.5%,平均精度提升1.1%。改进后的车辆检测算法在模型轻量化的同时不仅能够保证较高的检测精度,而且能够满足在算力资源有限的边缘设备进行车辆检测的需求。
展开更多
关键词
目标检测
轻量级
YOLOv5s
Ghost卷积
下载PDF
职称材料
一种改进YOLOX_S的火焰烟雾检测算法
被引量:
3
2
作者
谢康康
朱文忠
+1 位作者
肖顺兴
谢林森
《科学技术与工程》
北大核心
2024年第8期3298-3307,共10页
针对目前在火灾预警方面还存在火焰烟雾检测效果差、误报率高等问题,在YOLOX框架下提出改进YOLOX_S目标检测算法。首先在数据集建立方面,采用的数据集包括Bilkent University公开的数据集和部分自建数据集,共计9621张图片。并且通过对...
针对目前在火灾预警方面还存在火焰烟雾检测效果差、误报率高等问题,在YOLOX框架下提出改进YOLOX_S目标检测算法。首先在数据集建立方面,采用的数据集包括Bilkent University公开的数据集和部分自建数据集,共计9621张图片。并且通过对数据集采用Mosaic数据增强的方式,增加数据的多样性。其次对backbone部分采用swin-T骨干网络来代替原来的CSPDarkNet骨干网络,能够更好的捕捉不同尺度下的特征,有效地提升了目标检测的精度。然后对网络模型引入加权双向特征金字塔网络(bidirectional feature pyramid network,BiFPN)特征融合网络,提高检测的效率和网络模型的适应性,在复杂背景下同样可以保持较高的检测精度。最后引入CA注意力机制来加强此算法的特征提取能力。经过对比实验表明,改进后的YOLOX_S的火焰烟雾检测算法具有较高准确性,其mAP@0.5(预测框与真实框重合程度的阈值为0.5时的平均检测精度)达到81.5%,相比原网络提高了5.3%。改进后的YOLOX_S网络模型在火焰烟雾检测方面具有更高准确性和更低的误报率。
展开更多
关键词
YOLOX
swin
transformer
加权双向特征金字塔网络(BiFPN)
火焰烟雾检测
注意力机制
下载PDF
职称材料
基于改进YOLOv5s的光伏电池EL缺陷图像检测模型
被引量:
4
3
作者
谢林森
朱文忠
+1 位作者
谢康康
肖顺兴
《国外电子测量技术》
北大核心
2023年第6期93-102,共10页
针对光伏电池电致发光(electroluminescence,EL)缺陷图像存在复杂背景干扰、缺陷目标长宽比和尺寸变化大等问题,在YOLOv5s网络的基础上提出一种改进的YOLOv5s-GD检测模型。首先在特征提取层融合GhostNetV2模块,通过聚合本地和远程信息同...
针对光伏电池电致发光(electroluminescence,EL)缺陷图像存在复杂背景干扰、缺陷目标长宽比和尺寸变化大等问题,在YOLOv5s网络的基础上提出一种改进的YOLOv5s-GD检测模型。首先在特征提取层融合GhostNetV2模块,通过聚合本地和远程信息同步,在压缩模型参数量的同时增强模型对缺陷特征的提取能力;其次在特征融合层引入改进的DenseNet密集网络模块,通过特征重用进一步深度融合多级特征并改善信息传递,有效减少缺陷图像检测中漏检误检的情况;最后添加坐标注意力(CA)机制模块,兼顾通道和空间信息进行特征增强,提高了模型对缺陷目标区域的关注程度。与YOLOv5s原网络相比,YOLOv5s-GD检测模型在增长少量参数的情况下mAP@0.5提升了3.3%,mAP@0.5:0.95提升了2.8%。研究结果表明,提出的YOLOv5s-GD检测模型对光伏电池EL缺陷图像可以有效地定位识别,检测精度有了显著的提高,同时检测速度达到75 fps,为实际工业生产环境中光伏电池EL缺陷图像检测提供技术参考。
展开更多
关键词
光伏电池
EL缺陷
YOLOv5s
注意力机制
下载PDF
职称材料
基于改进YOLOv7的火焰烟雾检测算法
被引量:
3
4
作者
谢康康
朱文忠
+1 位作者
谢林森
肖顺兴
《国外电子测量技术》
北大核心
2023年第7期41-49,共9页
针对目前在火灾预警方面还存在火焰烟雾检测效果差、误报率高、检测速度慢等问题,在YOLOv7框架下提出改进的YOLOv7目标检测算法。首先在数据集建立方面采用的数据集包括Bilkent University公开的数据集和部分自建数据集,共计9 621张图片...
针对目前在火灾预警方面还存在火焰烟雾检测效果差、误报率高、检测速度慢等问题,在YOLOv7框架下提出改进的YOLOv7目标检测算法。首先在数据集建立方面采用的数据集包括Bilkent University公开的数据集和部分自建数据集,共计9 621张图片,并且通过对数据集采用Mosaic数据增强的方式,增加数据的多样性;其次对backbone部分,引入GhostNetV2模块,降低参数量的同时,增加模型检测的准确性,并且在neck部分,引入Slim范式,使用一次性聚合方法来设计跨级部分网络VoV-GSCSP模块。VoV-GSCSP模块降低了计算量和网络结构的复杂性,并保持了足够的精度;最后引入解耦头,增加模型的收敛速度,并且进一步提高网络模型的准确性。总体改进后的网络模型参数量降低了约3.4 MB,mAP@0.5提高了2.4%,并且检测速度也得到提升,满足火焰烟雾实时性的需求。
展开更多
关键词
YOLOv7
GhostNetV2
Slim范式
解耦头
火焰烟雾检测
注意力机制
下载PDF
职称材料
探索广电干线光缆线路维护工作的新思路
5
作者
刘立权
肖顺兴
《声屏世界》
2007年第5期68-69,共2页
江西省广播电视光缆干线网络由省网络中心至全省十一个设区市、八十七个县(市)区的有线电视前端组成,全长7570公里,共设95个机站,其中国家广电干线网络在江西境内全长800公里。自1999年省干网和国干网建成以来,江西广电网络公司...
江西省广播电视光缆干线网络由省网络中心至全省十一个设区市、八十七个县(市)区的有线电视前端组成,全长7570公里,共设95个机站,其中国家广电干线网络在江西境内全长800公里。自1999年省干网和国干网建成以来,江西广电网络公司对国干网和省干网光缆干线的运行安全极为重视,把国干网和省干网干线光缆线路的安全保障作为江西广电网络运行维护工作的重中之重。
展开更多
关键词
广电网络公司
光缆干线
维护工作
光缆线路
网络中心
江西省
广播电视
有线电视
下载PDF
职称材料
题名
基于改进YOLOv5的轻量化车辆行人雾天检测模型
1
作者
肖顺兴
朱文忠
谢康康
谢林森
何海东
机构
四川轻化工大学计算机科学与工程学院
出处
《四川轻化工大学学报(自然科学版)》
CAS
2024年第3期77-86,共10页
基金
四川省科技研发重点项目(2023YFS0371)
四川省科技创新(苗子工程)培育项目(2022049)
企业信息化与物联网测控技术四川省高校重点实验室基金项目(2022WYY03)。
文摘
车辆行人检测是智能交通的重要组成部分。针对现有车辆检测算法模型容量大、参数量较多、占用内存大,难以在智能交通场景中适用于算力和内存均有限的边缘设备的问题,提出了一种基于YOLOv5s算法改进的轻量级目标检测网络。首先,将YOLOv5s网络的卷积模块更换成Ghost卷积,以此减少计算量和参数量;其次,采用改进的加权双向特征金塔网络(BiFPN)结构和非极大值抑制(NMS)算法提高模型的精确度;最后,通过Real-world Task-Driven Testing Set(RTTS)雾天数据集对该方法进行模型训练及验证,以测试模型的有效性。实验结果表明,改进YOLOv5的轻量化雾天检测模型在分辨率为640×640的图像上平均检测精度达88.5%,模型大小约为7.5 M,浮点型计算量为8.20 GFLOPs。与原YOLOv5s网络相比,模型大小减少了46.4%,浮点型计算量压缩到原来的52%,精确度提高0.9%,回归率提高0.5%,平均精度提升1.1%。改进后的车辆检测算法在模型轻量化的同时不仅能够保证较高的检测精度,而且能够满足在算力资源有限的边缘设备进行车辆检测的需求。
关键词
目标检测
轻量级
YOLOv5s
Ghost卷积
Keywords
target detection
lightweight
YOLOv5s
Ghost convolution
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
一种改进YOLOX_S的火焰烟雾检测算法
被引量:
3
2
作者
谢康康
朱文忠
肖顺兴
谢林森
机构
四川轻化工大学计算机科学与工程学院
出处
《科学技术与工程》
北大核心
2024年第8期3298-3307,共10页
基金
四川省科技研发重点项目(2019YFG0200)
四川省科技创新(苗子工程)培育项目(2022049)
四川轻化工大学研究生创新基金(Y2022134)。
文摘
针对目前在火灾预警方面还存在火焰烟雾检测效果差、误报率高等问题,在YOLOX框架下提出改进YOLOX_S目标检测算法。首先在数据集建立方面,采用的数据集包括Bilkent University公开的数据集和部分自建数据集,共计9621张图片。并且通过对数据集采用Mosaic数据增强的方式,增加数据的多样性。其次对backbone部分采用swin-T骨干网络来代替原来的CSPDarkNet骨干网络,能够更好的捕捉不同尺度下的特征,有效地提升了目标检测的精度。然后对网络模型引入加权双向特征金字塔网络(bidirectional feature pyramid network,BiFPN)特征融合网络,提高检测的效率和网络模型的适应性,在复杂背景下同样可以保持较高的检测精度。最后引入CA注意力机制来加强此算法的特征提取能力。经过对比实验表明,改进后的YOLOX_S的火焰烟雾检测算法具有较高准确性,其mAP@0.5(预测框与真实框重合程度的阈值为0.5时的平均检测精度)达到81.5%,相比原网络提高了5.3%。改进后的YOLOX_S网络模型在火焰烟雾检测方面具有更高准确性和更低的误报率。
关键词
YOLOX
swin
transformer
加权双向特征金字塔网络(BiFPN)
火焰烟雾检测
注意力机制
Keywords
YOLOX
swin transformer
bidirectional feature pyramid network(BiFPN)
flame smoke detection
attention mechanism
分类号
TP391.41 [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
基于改进YOLOv5s的光伏电池EL缺陷图像检测模型
被引量:
4
3
作者
谢林森
朱文忠
谢康康
肖顺兴
机构
四川轻化工大学自动化与信息工程学院人工智能重点实验室
四川轻化工大学计算机科学与工程学院
出处
《国外电子测量技术》
北大核心
2023年第6期93-102,共10页
基金
四川省科技研发重点项目(2023YFS0371)
四川省科技创新(苗子工程)培育项目(2022049)
+1 种基金
企业信息化与物联网测控技术四川省高校重点实验室基金项目(2022WYY03)
四川轻化工大学研究生创新基金(Y2022153)项目资助。
文摘
针对光伏电池电致发光(electroluminescence,EL)缺陷图像存在复杂背景干扰、缺陷目标长宽比和尺寸变化大等问题,在YOLOv5s网络的基础上提出一种改进的YOLOv5s-GD检测模型。首先在特征提取层融合GhostNetV2模块,通过聚合本地和远程信息同步,在压缩模型参数量的同时增强模型对缺陷特征的提取能力;其次在特征融合层引入改进的DenseNet密集网络模块,通过特征重用进一步深度融合多级特征并改善信息传递,有效减少缺陷图像检测中漏检误检的情况;最后添加坐标注意力(CA)机制模块,兼顾通道和空间信息进行特征增强,提高了模型对缺陷目标区域的关注程度。与YOLOv5s原网络相比,YOLOv5s-GD检测模型在增长少量参数的情况下mAP@0.5提升了3.3%,mAP@0.5:0.95提升了2.8%。研究结果表明,提出的YOLOv5s-GD检测模型对光伏电池EL缺陷图像可以有效地定位识别,检测精度有了显著的提高,同时检测速度达到75 fps,为实际工业生产环境中光伏电池EL缺陷图像检测提供技术参考。
关键词
光伏电池
EL缺陷
YOLOv5s
注意力机制
Keywords
photovoltaic cells
EL defects
YOLOv5s
attention mechanism
分类号
TP391.41 [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
基于改进YOLOv7的火焰烟雾检测算法
被引量:
3
4
作者
谢康康
朱文忠
谢林森
肖顺兴
机构
四川轻化工大学计算机科学与工程学院
出处
《国外电子测量技术》
北大核心
2023年第7期41-49,共9页
基金
四川省科技研发重点项目(2019YFG0200)
四川省科技创新(苗子工程)培育项目(2022049)
四川轻化工大学研究生创新基金(Y2022134)项目资助。
文摘
针对目前在火灾预警方面还存在火焰烟雾检测效果差、误报率高、检测速度慢等问题,在YOLOv7框架下提出改进的YOLOv7目标检测算法。首先在数据集建立方面采用的数据集包括Bilkent University公开的数据集和部分自建数据集,共计9 621张图片,并且通过对数据集采用Mosaic数据增强的方式,增加数据的多样性;其次对backbone部分,引入GhostNetV2模块,降低参数量的同时,增加模型检测的准确性,并且在neck部分,引入Slim范式,使用一次性聚合方法来设计跨级部分网络VoV-GSCSP模块。VoV-GSCSP模块降低了计算量和网络结构的复杂性,并保持了足够的精度;最后引入解耦头,增加模型的收敛速度,并且进一步提高网络模型的准确性。总体改进后的网络模型参数量降低了约3.4 MB,mAP@0.5提高了2.4%,并且检测速度也得到提升,满足火焰烟雾实时性的需求。
关键词
YOLOv7
GhostNetV2
Slim范式
解耦头
火焰烟雾检测
注意力机制
Keywords
YOLOv7
Ghostnetv2
Slim neck
decoupled head
flame smoke detection
attention mechanism
分类号
TP391.41 [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
探索广电干线光缆线路维护工作的新思路
5
作者
刘立权
肖顺兴
机构
江西省广播电视网络传输有限公司
出处
《声屏世界》
2007年第5期68-69,共2页
文摘
江西省广播电视光缆干线网络由省网络中心至全省十一个设区市、八十七个县(市)区的有线电视前端组成,全长7570公里,共设95个机站,其中国家广电干线网络在江西境内全长800公里。自1999年省干网和国干网建成以来,江西广电网络公司对国干网和省干网光缆干线的运行安全极为重视,把国干网和省干网干线光缆线路的安全保障作为江西广电网络运行维护工作的重中之重。
关键词
广电网络公司
光缆干线
维护工作
光缆线路
网络中心
江西省
广播电视
有线电视
分类号
TN913.33 [电子电信—通信与信息系统]
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YOLOv5的轻量化车辆行人雾天检测模型
肖顺兴
朱文忠
谢康康
谢林森
何海东
《四川轻化工大学学报(自然科学版)》
CAS
2024
0
下载PDF
职称材料
2
一种改进YOLOX_S的火焰烟雾检测算法
谢康康
朱文忠
肖顺兴
谢林森
《科学技术与工程》
北大核心
2024
3
下载PDF
职称材料
3
基于改进YOLOv5s的光伏电池EL缺陷图像检测模型
谢林森
朱文忠
谢康康
肖顺兴
《国外电子测量技术》
北大核心
2023
4
下载PDF
职称材料
4
基于改进YOLOv7的火焰烟雾检测算法
谢康康
朱文忠
谢林森
肖顺兴
《国外电子测量技术》
北大核心
2023
3
下载PDF
职称材料
5
探索广电干线光缆线路维护工作的新思路
刘立权
肖顺兴
《声屏世界》
2007
0
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