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
4
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
基于关键点的复杂道路环境目标检测算法
1
作者
董涛
关潆
《辽东学院学报(自然科学版)》
CAS
2023年第1期57-64,共8页
针对复杂交通环境手工搭建神经网络人力成本高、小目标检测准确度低、使用锚框法参数多、算法实时性差等问题,提出一种基于关键点的复杂道路环境目标实时检测算法。首先,重构MBConv,改进EfficientNet主干特征提取网络,提高特征提取效率...
针对复杂交通环境手工搭建神经网络人力成本高、小目标检测准确度低、使用锚框法参数多、算法实时性差等问题,提出一种基于关键点的复杂道路环境目标实时检测算法。首先,重构MBConv,改进EfficientNet主干特征提取网络,提高特征提取效率;其次,融入小尺度特征层,优化特征融合网络,提升复杂环境下小目标检测能力;最后,运用关键点预测法,完成检测目标分类及回归。在BDD100K数据集上的测试结果表明,设计算法的目标检测实时性较强,且对复杂环境中的小目标检测准确度较高。
展开更多
关键词
特征提取
道路目标检测
特征融合
关键点预测
下载PDF
职称材料
基于改进YOLO v8-Pose的红熟期草莓识别和果柄检测
被引量:
2
2
作者
刘莫尘
褚镇源
+3 位作者
崔明诗
杨庆璐
王金星
杨化伟
《农业机械学报》
EI
CAS
CSCD
北大核心
2023年第S02期244-251,共8页
针对高架栽培模式下的大棚草莓,借鉴人体姿态检测算法,建立了改进YOLO v8-Pose模型对红熟期草莓进行识别与果柄关键点检测。通过对比YOLO v5-Pose、YOLO v7-Pose、YOLO v8-Pose模型,确定使用YOLO v8-Pose模型作为对红熟期草莓识别与关...
针对高架栽培模式下的大棚草莓,借鉴人体姿态检测算法,建立了改进YOLO v8-Pose模型对红熟期草莓进行识别与果柄关键点检测。通过对比YOLO v5-Pose、YOLO v7-Pose、YOLO v8-Pose模型,确定使用YOLO v8-Pose模型作为对红熟期草莓识别与关键点预测的模型。以YOLO v8-Pose为基础,对其网络结构添加Slim-neck模块与CBAM注意力机制模块,提高模型对小目标物体的特征提取能力,以适应草莓数据集的特点。改进YOLO v8-Pose能够有效检测红熟期草莓并准确标记出果柄关键点,P、R、mAP-kp分别为98.14%、94.54%、97.91%,比YOLO v8-Pose分别提高5.41、5.31、8.29个百分点。模型内存占用量为22 MB,比YOLO v8-Pose的占用量小6 MB。此外,针对果园非结构化的特征,探究了光线、遮挡与拍摄角度对模型预测的影响。对比改进前后的模型在复杂环境下对红熟期草莓的识别与果柄预测情况,改进YOLO v8-Pose在受遮挡、光线和角度影响情况下的mAPkp分别为94.52%、95.48%、94.63%,较YOLO v8-Pose分别提高8.9、10.75、5.17个百分点。改进YOLO v8-Pose可在保证网络模型精度的同时对遮挡、光线和拍摄角度等影响均具有较好的鲁棒性,能够实现对复杂环境下红熟期草莓识别与果柄关键点预测。
展开更多
关键词
红熟期草莓识别
关键点预测
YOLO
v8-Pose
注意力机制
下载PDF
职称材料
基于改进Mask-RCNN算法的车位检测研究
被引量:
6
3
作者
党顺峰
熊锐
+3 位作者
李继辉
陈灿奇
陈振威
吴鑫
《现代制造工程》
CSCD
北大核心
2021年第1期91-97,101,共8页
车位检测是自动泊车至关重要的环节,在复杂情况下,为同时实现自动泊车视觉系统对车位识别和车位状态分类,提出一种基于改进掩模区域卷积神经网络(Mask Region Convolutional Neural Network,Mask-RCNN)算法的C-Mask-RCNN车位检测算法。C...
车位检测是自动泊车至关重要的环节,在复杂情况下,为同时实现自动泊车视觉系统对车位识别和车位状态分类,提出一种基于改进掩模区域卷积神经网络(Mask Region Convolutional Neural Network,Mask-RCNN)算法的C-Mask-RCNN车位检测算法。C-Mask-RCNN车位检测算法通过在Mask-RCNN算法的ResNet50特征提取网络中增加卷积块注意力模块(Convolutional Block Attention Module,CBAM),使模型更加关注车位相关的语义信息。利用C-Mask-RCNN车位检测算法中的区域卷积神经网络(Regions with Convolution Neural Network,RCNN)分支网络进行车位检测,实现Keypiont分支进行车位8个关键点的预测。实验结果表明,改进后的C-Mask-RCNN车位检测算法较Mask-RCNN算法在车位类型识别平均精确率上提升7.4%,在车位状态识别平均精确率上提升11.1%,并且车位线关键点预测的平均像素误差减少15.1 px。
展开更多
关键词
车位检测
掩膜区域卷积神经网络
注意力机制
关键点预测
下载PDF
职称材料
基于改进CornerNet-Lite的林区行人检测算法
被引量:
1
4
作者
刘宇航
马健霄
+2 位作者
王羽尘
白莹佳
谢征俊
《林业工程学报》
CSCD
北大核心
2021年第4期153-158,共6页
为做好森林管护工作,减少人力和物力的消耗,利用快速发展的行人检测算法可对林区行人进行检测和甄别,但林区行人检测与传统行人检测有很多不同,如林区行人被树木遮挡、着装与背景色调相似等特征,导致漏检现象严重。为此,针对林区行人的...
为做好森林管护工作,减少人力和物力的消耗,利用快速发展的行人检测算法可对林区行人进行检测和甄别,但林区行人检测与传统行人检测有很多不同,如林区行人被树木遮挡、着装与背景色调相似等特征,导致漏检现象严重。为此,针对林区行人的特点,笔者提出了一种实时检测林区行人的算法CornerNet-P,将林区行人的位置预测简化成为2个关键点的预测。以CornerNet-Lite为基础,改进算法的损失函数,预测2组热力图来检测林区行人的角点位置,预测嵌入层损失以匹配同一行人的角点,预测偏置层损失来减少尺度变化过程中的精度损失,并获得最终的边界框;然后提取COCO2014数据集中的行人数据并随机分为训练集和测试集两部分,使用训练集分别训练该算法与YOLOv4算法中的参数,使用测试集和真实的林区行人图像对算法的检测精度和检测速度进行检验。试验结果表明,CornerNet-P算法相比YOLOv4算法平均检测精度提高了1.7%,检测速度提高了5.1%,并可以较好地检测真实林区行人图像。CornerNet-P算法可以实现林区的行人检测,具有较快的检测速度和较满意的精度。
展开更多
关键词
深度学习
CornerNet-Lite网络
森林管护
关键点预测
行人检测
下载PDF
职称材料
题名
基于关键点的复杂道路环境目标检测算法
1
作者
董涛
关潆
机构
辽东学院信息工程学院
出处
《辽东学院学报(自然科学版)》
CAS
2023年第1期57-64,共8页
基金
辽宁省自然科学基金重点科技创新基地联合开放基金项目(2022-KF-12-13)。
文摘
针对复杂交通环境手工搭建神经网络人力成本高、小目标检测准确度低、使用锚框法参数多、算法实时性差等问题,提出一种基于关键点的复杂道路环境目标实时检测算法。首先,重构MBConv,改进EfficientNet主干特征提取网络,提高特征提取效率;其次,融入小尺度特征层,优化特征融合网络,提升复杂环境下小目标检测能力;最后,运用关键点预测法,完成检测目标分类及回归。在BDD100K数据集上的测试结果表明,设计算法的目标检测实时性较强,且对复杂环境中的小目标检测准确度较高。
关键词
特征提取
道路目标检测
特征融合
关键点预测
Keywords
feature extraction
road target detection
feature fusion
key point prediction
分类号
TP391 [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YOLO v8-Pose的红熟期草莓识别和果柄检测
被引量:
2
2
作者
刘莫尘
褚镇源
崔明诗
杨庆璐
王金星
杨化伟
机构
山东农业大学机械与电子工程学院
山东省农业装备智能化工程实验室
山东省园艺机械与装备重点实验室
山东省农业机械科学研究院
出处
《农业机械学报》
EI
CAS
CSCD
北大核心
2023年第S02期244-251,共8页
基金
国家自然科学基金项目(32001419)
山东省重点研发计划(重大科技创新工程)项目(2022CXGC020701)
文摘
针对高架栽培模式下的大棚草莓,借鉴人体姿态检测算法,建立了改进YOLO v8-Pose模型对红熟期草莓进行识别与果柄关键点检测。通过对比YOLO v5-Pose、YOLO v7-Pose、YOLO v8-Pose模型,确定使用YOLO v8-Pose模型作为对红熟期草莓识别与关键点预测的模型。以YOLO v8-Pose为基础,对其网络结构添加Slim-neck模块与CBAM注意力机制模块,提高模型对小目标物体的特征提取能力,以适应草莓数据集的特点。改进YOLO v8-Pose能够有效检测红熟期草莓并准确标记出果柄关键点,P、R、mAP-kp分别为98.14%、94.54%、97.91%,比YOLO v8-Pose分别提高5.41、5.31、8.29个百分点。模型内存占用量为22 MB,比YOLO v8-Pose的占用量小6 MB。此外,针对果园非结构化的特征,探究了光线、遮挡与拍摄角度对模型预测的影响。对比改进前后的模型在复杂环境下对红熟期草莓的识别与果柄预测情况,改进YOLO v8-Pose在受遮挡、光线和角度影响情况下的mAPkp分别为94.52%、95.48%、94.63%,较YOLO v8-Pose分别提高8.9、10.75、5.17个百分点。改进YOLO v8-Pose可在保证网络模型精度的同时对遮挡、光线和拍摄角度等影响均具有较好的鲁棒性,能够实现对复杂环境下红熟期草莓识别与果柄关键点预测。
关键词
红熟期草莓识别
关键点预测
YOLO
v8-Pose
注意力机制
Keywords
red ripe strawberry recognition
key point prediction
YOLO v8-Pose
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
基于改进Mask-RCNN算法的车位检测研究
被引量:
6
3
作者
党顺峰
熊锐
李继辉
陈灿奇
陈振威
吴鑫
机构
广东工业大学机电工程学院
中国科学院长春光学精密机械与物理研究所
出处
《现代制造工程》
CSCD
北大核心
2021年第1期91-97,101,共8页
基金
国家重点研发计划项目(2017YFB0103300)
吉林省科技发展计划资助项目(20200201294JC)。
文摘
车位检测是自动泊车至关重要的环节,在复杂情况下,为同时实现自动泊车视觉系统对车位识别和车位状态分类,提出一种基于改进掩模区域卷积神经网络(Mask Region Convolutional Neural Network,Mask-RCNN)算法的C-Mask-RCNN车位检测算法。C-Mask-RCNN车位检测算法通过在Mask-RCNN算法的ResNet50特征提取网络中增加卷积块注意力模块(Convolutional Block Attention Module,CBAM),使模型更加关注车位相关的语义信息。利用C-Mask-RCNN车位检测算法中的区域卷积神经网络(Regions with Convolution Neural Network,RCNN)分支网络进行车位检测,实现Keypiont分支进行车位8个关键点的预测。实验结果表明,改进后的C-Mask-RCNN车位检测算法较Mask-RCNN算法在车位类型识别平均精确率上提升7.4%,在车位状态识别平均精确率上提升11.1%,并且车位线关键点预测的平均像素误差减少15.1 px。
关键词
车位检测
掩膜区域卷积神经网络
注意力机制
关键点预测
Keywords
parking slot detection
Mask-RCNN
attention mechanism
keypoint prediction
分类号
TP391 [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CornerNet-Lite的林区行人检测算法
被引量:
1
4
作者
刘宇航
马健霄
王羽尘
白莹佳
谢征俊
机构
南京林业大学汽车与交通工程学院
出处
《林业工程学报》
CSCD
北大核心
2021年第4期153-158,共6页
基金
江苏省研究生科研与实践创新计划项目(KYCX200886)。
文摘
为做好森林管护工作,减少人力和物力的消耗,利用快速发展的行人检测算法可对林区行人进行检测和甄别,但林区行人检测与传统行人检测有很多不同,如林区行人被树木遮挡、着装与背景色调相似等特征,导致漏检现象严重。为此,针对林区行人的特点,笔者提出了一种实时检测林区行人的算法CornerNet-P,将林区行人的位置预测简化成为2个关键点的预测。以CornerNet-Lite为基础,改进算法的损失函数,预测2组热力图来检测林区行人的角点位置,预测嵌入层损失以匹配同一行人的角点,预测偏置层损失来减少尺度变化过程中的精度损失,并获得最终的边界框;然后提取COCO2014数据集中的行人数据并随机分为训练集和测试集两部分,使用训练集分别训练该算法与YOLOv4算法中的参数,使用测试集和真实的林区行人图像对算法的检测精度和检测速度进行检验。试验结果表明,CornerNet-P算法相比YOLOv4算法平均检测精度提高了1.7%,检测速度提高了5.1%,并可以较好地检测真实林区行人图像。CornerNet-P算法可以实现林区的行人检测,具有较快的检测速度和较满意的精度。
关键词
深度学习
CornerNet-Lite网络
森林管护
关键点预测
行人检测
Keywords
deep learning
CornerNet-Lite network
forest manage and protect
keypoint prediction
pedestrian detection
分类号
S758 [农业科学—森林经理学]
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
作者
出处
发文年
被引量
操作
1
基于关键点的复杂道路环境目标检测算法
董涛
关潆
《辽东学院学报(自然科学版)》
CAS
2023
0
下载PDF
职称材料
2
基于改进YOLO v8-Pose的红熟期草莓识别和果柄检测
刘莫尘
褚镇源
崔明诗
杨庆璐
王金星
杨化伟
《农业机械学报》
EI
CAS
CSCD
北大核心
2023
2
下载PDF
职称材料
3
基于改进Mask-RCNN算法的车位检测研究
党顺峰
熊锐
李继辉
陈灿奇
陈振威
吴鑫
《现代制造工程》
CSCD
北大核心
2021
6
下载PDF
职称材料
4
基于改进CornerNet-Lite的林区行人检测算法
刘宇航
马健霄
王羽尘
白莹佳
谢征俊
《林业工程学报》
CSCD
北大核心
2021
1
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