期刊文献+
共找到52篇文章
< 1 2 3 >
每页显示 20 50 100
基于多尺度特征融合的轻量级火灾检测算法
1
作者 杨国为 刘璇 +1 位作者 郜敏 许迪 《计算机工程与应用》 CSCD 北大核心 2024年第23期229-237,共9页
针对传统火灾检测算法存在的检测精度不足及速度瓶颈,特别是对于小规模初发火情与大规模迅速蔓延火灾的识别难题,研究提出一种基于多尺度特征融合的轻量级火灾检测算法,设计了EDBAN模块以替代YOLOv8中的C2f模块,提升模型的泛化能力和适... 针对传统火灾检测算法存在的检测精度不足及速度瓶颈,特别是对于小规模初发火情与大规模迅速蔓延火灾的识别难题,研究提出一种基于多尺度特征融合的轻量级火灾检测算法,设计了EDBAN模块以替代YOLOv8中的C2f模块,提升模型的泛化能力和适应性,尤其是在处理多尺度火灾场景时的精准度。改进原有的BiFPN结构适配YOLOv8模型结构,并设计Weighted Blend模块对各层特征进行加权融合,增强特征的表征能力,降低漏检风险。进一步提出LOTT检测模块,以替代传统的YOLOv8检测,通过一系列组卷积和尺度调整操作,实现了在轻量化的同时保持了检测性能的准确性和稳定性。通过在场景丰富的火灾数据集上进行实验,结果表明,改进的YOLOv8算法在基准模型的基础上参数量减少了58.3%、计算量减少了34.5%,同时mAP提升了2.6个百分点,基本满足火灾实时检测的需求。 展开更多
关键词 YOLOv8 轻量化 火灾检测 目标检测 加权双向特征金字塔(bifpn)
下载PDF
基于CBAM和BiFPN改进YoloV5的渔船目标检测 被引量:19
2
作者 张德春 李海涛 +1 位作者 李勋 张雷 《渔业现代化》 CSCD 2022年第3期71-80,共10页
在渔港高点监控渔船目标的场景下,对渔船检测经常丢失和检测错误等问题,提出了一种基于改进YoloV5的渔船目标检测模型。首先通过Kmeans++算法对锚框重新聚类,选择适合渔船数据集的锚框尺寸;然后在YoloV5的骨干网络中融入卷积注意力模块(... 在渔港高点监控渔船目标的场景下,对渔船检测经常丢失和检测错误等问题,提出了一种基于改进YoloV5的渔船目标检测模型。首先通过Kmeans++算法对锚框重新聚类,选择适合渔船数据集的锚框尺寸;然后在YoloV5的骨干网络中融入卷积注意力模块(CBAM)注意力机制获取更多细节特征;再采用加权双向特征金字塔网络(BiFPN)代替原先的特征金字塔网络(FPN)+像素聚合网络(PAN)结构,快速进行多尺度特征融合;最后在检测尺度上去掉大目标的检测尺度,增加更小目标的检测尺度,改用新的三个检测尺度,提高了模型对小目标渔船的检测精度。结果显示:对比原YoloV5算法,改进后的算法精确度、召回率和平均精度均值均有所提升,分别提升29.5%、0.5%和4.5%,每秒检测帧数达到90.6,对渔船目标检测效果有大幅度改善。研究表明,改进后的YoloV5算法满足休渔期管控期间对渔船目标检测的准确性和实时性要求。 展开更多
关键词 渔船检测 YoloV5算法 CBAM注意力机制 加权双向特征金字塔
下载PDF
基于改进Ghost-YOLOv5s-BiFPN算法检测梨树花序 被引量:11
3
作者 夏烨 雷哓晖 +5 位作者 祁雁楠 徐陶 袁全春 潘健 姜赛珂 吕晓兰 《智慧农业(中英文)》 2022年第3期108-119,共12页
疏花是梨生产中的重要农艺措施,机械化智能疏花是当今高速发展的疏花方式,花朵与花苞的分类与检测是保证疏花机器正常工作的基本要求。本研究针对目前梨园智能化生产中出现的梨树花序检测与分类问题,提出了一种基于改进YOLOv5s的水平棚... 疏花是梨生产中的重要农艺措施,机械化智能疏花是当今高速发展的疏花方式,花朵与花苞的分类与检测是保证疏花机器正常工作的基本要求。本研究针对目前梨园智能化生产中出现的梨树花序检测与分类问题,提出了一种基于改进YOLOv5s的水平棚架梨园花序识别算法Ghost-YOLOv5s-BiFPN。通过对田间采集的梨树花苞与花朵图像进行标注与数据扩充后送入算法进行训练得到检测模型。Ghost-YOLOv5s-BiFPN运用加权双向特征金字塔网络(Bi-directional Feature Pyramid Network,BiFPN)替换原始的路径聚合网络(Path Aggregation Network,PAN)结构,对网络提取的不同尺寸目标特征进行有效的融合。同时运用Ghost模块替换传统卷积,在不降低准确度的同时减少模型参数量和提升设备运行效率。田间试验结果表明,改进的Ghost-YOLOv5s-BiFPN算法对梨树花序中花苞与花朵的检测精度分别为93.2%和89.4%,两种目标平均精度为91.3%,检测单张图像时间为29 ms,模型大小为7.62 M。相比于原始YOLOv5s算法,检测精度与召回度分别提升了4.2%和2.7%,检测时间和模型参数量分别降低了9 ms和46.6%。本研究提出的算法可对梨树花苞与花朵进行精确的识别和分类,为后续梨园智能化疏花的实现提供技术支持。 展开更多
关键词 梨树花序 智能识别 YOLOv5s 加权双向特征金字塔 轻量化模型
下载PDF
基于ECA和BIFPN的低照度环境下的行人目标检测算法 被引量:2
4
作者 相敏月 涂振宇 +2 位作者 孙逸飞 方强 马飞 《智能计算机与应用》 2023年第9期189-193,共5页
针对在低照度环境下多尺度行人目标检测准确率低的问题,本文提出了一种基于改进YOLOv5s的行人目标检测模型BE-YOLOv5s。首先,在YOLOv5s的主干网络中融入ECA通道注意力机制,突出目标特征同时抑制低照度环境的干扰;其次,引入加权双向特征... 针对在低照度环境下多尺度行人目标检测准确率低的问题,本文提出了一种基于改进YOLOv5s的行人目标检测模型BE-YOLOv5s。首先,在YOLOv5s的主干网络中融入ECA通道注意力机制,突出目标特征同时抑制低照度环境的干扰;其次,引入加权双向特征金字塔BIFPN,增强特征融合,提升行人检测精度;最后,采用可见光图像和红外图像这两组数据进行对比研究。实验结果表明,改进后的BE-YOLOv5s模型在两种数据集上的平均精度均值mAP均有所提升,同时保持了原算法的高实时性。 展开更多
关键词 行人检测 注意力机制 加权双向特征金字塔 低照度环境 YOLOv5s
下载PDF
融合BiFPN与YOLO v5网络的工厂火灾检测 被引量:2
5
作者 尚明鹏 周敏 +1 位作者 陈燕军 李鑫炎 《智能计算机与应用》 2023年第10期137-141,146,共6页
针对工厂火灾检测中存在环境复杂、目标密集、火焰初期目标较小、样本像素较低以及火焰边界特征不明显等问题,提出一种基于改进YOLO v5的工厂火灾检测算法Bi-YOLO v5。该方法通过融合加权双向特征金字塔(BiFPN)来增强特征信息;通过锚框... 针对工厂火灾检测中存在环境复杂、目标密集、火焰初期目标较小、样本像素较低以及火焰边界特征不明显等问题,提出一种基于改进YOLO v5的工厂火灾检测算法Bi-YOLO v5。该方法通过融合加权双向特征金字塔(BiFPN)来增强特征信息;通过锚框参数优化增强了网络的泛化能力;通过损失函数改进提升了网络的收敛速度。实验结果表明,相比YOLO v5算法Bi-YOLO v5模型的准确率和平均精度分别提高了2.2%和1.7%,并且每帧推理时间降低到了27 ms,达到了在复杂的工厂环境下对火灾检测的要求。 展开更多
关键词 工厂火灾检测 YOLO v5算法 加权双向特征金字塔 锚框参数 损失函数
下载PDF
融合CA-BiFPN的轻量化人体姿态估计算法 被引量:1
6
作者 皮骏 牛厚兴 高志云 《图学学报》 CSCD 北大核心 2023年第5期868-878,共11页
针对现有的基于热力图的人体姿态估计网络模型复杂度高、算力需求大、不易部署至嵌入式平台和无人机移动平台等问题,提出了一种基于YOLOv5s6-Pose-ti-lite不使用热力图的轻量化人体姿态估计网络模型。通过将主干网络替换为GhostNet网络... 针对现有的基于热力图的人体姿态估计网络模型复杂度高、算力需求大、不易部署至嵌入式平台和无人机移动平台等问题,提出了一种基于YOLOv5s6-Pose-ti-lite不使用热力图的轻量化人体姿态估计网络模型。通过将主干网络替换为GhostNet网络,旨在以更少的计算资源输出更有效的特征信息,提升网络检测速度,缓解网络冗余的问题;在主干网络中结合轻量化的坐标注意力CA模块,将图片的人体关键点位置信息聚集到通道上,增强特征提取能力;引入加权双向特征金字塔网络,提升模型的特征融合能力,平衡不同尺度的特征信息;最后将CIoU损失函数替换为Wise-Io U(WIo U),进一步提升模型对人体关键点回归的性能。结果表明,在COCO2017人体关键点数据集上,优化后的网络模型参数量降低26.2%,计算量降低30.0%,平均精确度提升1.7个百分点、平均召回率提升2.7个百分点,能够满足实时性的效果,验证了所提模型的可行性和有效性。 展开更多
关键词 人体姿态估计 轻量化 坐标注意力 加权双向特征金字塔网络 损失函数
下载PDF
局部特征表征的6D位姿估计算法
7
作者 王晨露 陈立家 +5 位作者 李珅 范贤博俊 王敏 连晨轩 王赞 刘名果 《计算机应用研究》 CSCD 北大核心 2022年第12期3808-3814,共7页
为解决有纹理模型在遮挡条件下6D位姿估计精确度不高的问题,提出了一种局部特征表征的端到端6D位姿估计算法。首先为了得到准确的定位信息,提出了一个空间—坐标注意力机制(spatial and coordinate attention),通过在YOLOv5网络中加入... 为解决有纹理模型在遮挡条件下6D位姿估计精确度不高的问题,提出了一种局部特征表征的端到端6D位姿估计算法。首先为了得到准确的定位信息,提出了一个空间—坐标注意力机制(spatial and coordinate attention),通过在YOLOv5网络中加入空间—坐标注意力机制和加权双向特征金字塔网络(bidirectional feature pyramid network),YOLOv5-CBE算法的精确度(precision)、召回率(recall)、平均精度均值(mAP@0.5)分别提升了3.6%、2.8%、2.5%,局部特征中心点坐标误差最高提升了25%;然后用YOLOv5-CBE算法检测局部特征关键点,结合3D Harris关键点通过奇异值分解法(singular value decomposition)计算模型的6D位姿,最高遮挡70%的情况下仍然可以保证二维重投影精度(2D reprojection accuracy)和ADD度量精度(ADD accuracy)在95%以上,具有较强的鲁棒性。 展开更多
关键词 局部特征 6D位姿估计 YOLOv5检测网络 空间—坐标注意力机制 加权双向特征金字塔网络
下载PDF
基于注意力机制和跨尺度特征融合的摩托车头盔检测算法 被引量:1
8
作者 张鑫 周顺勇 +1 位作者 李思诚 曾雅兰 《电子测量技术》 北大核心 2023年第12期134-142,共9页
在道路交通摩托车事故中,未佩戴头盔是导致骑乘人员受到致命伤害的主要原因。针对目前头盔检测中由于黑色头发、帽子和头盔的颜色和形状相似存在误检和漏检问题,提出了一种具有三重注意力机制和双向跨尺度特征融合的摩托车头盔检测算法... 在道路交通摩托车事故中,未佩戴头盔是导致骑乘人员受到致命伤害的主要原因。针对目前头盔检测中由于黑色头发、帽子和头盔的颜色和形状相似存在误检和漏检问题,提出了一种具有三重注意力机制和双向跨尺度特征融合的摩托车头盔检测算法。首先,在YOLOV5s的主干网络中引入三重注意力机制,提取了不同维度之间的语义依赖,消除了通道和权重的间接对应关系,通过关注相似样本的差异从而提升检测精度。其次,采用EIOU边框损失函数优化对遮挡和重叠目标的检测效果。最后,在特征金字塔中采用加权双向特征金字塔网络结构,实现高效的双向跨尺度连接和加权特征融合,增强了网络特征提取能力。实验结果表明,改进算法实现了98.7%的mAP@0.5、94.0%的mAP@0.5:0.95,与原算法相比,改进算法的mAP@0.5提升了3.9%以及mAP@0.5:0.95提升了7.6%,具有更高的精度和更强的泛化能力。 展开更多
关键词 头盔检测 YOLOV5s 三重注意力机制 EIOU 加权双向特征金字塔
下载PDF
基于改进YOLOv5s的轻量级绝缘子缺失检测 被引量:3
9
作者 池小波 张伟杰 +1 位作者 贾新春 续泽晋 《测试技术学报》 2024年第1期19-26,共8页
针对现有绝缘子缺失检测模型计算复杂度高和小目标难以检测等问题,提出一种基于改进的YOLOv5s轻量级检测模型。首先,移除主干网络中的C3模块来减少模型的参数量。其次,在多尺度特征融合网络中引入卷积块注意力机制来提高复杂背景下模型... 针对现有绝缘子缺失检测模型计算复杂度高和小目标难以检测等问题,提出一种基于改进的YOLOv5s轻量级检测模型。首先,移除主干网络中的C3模块来减少模型的参数量。其次,在多尺度特征融合网络中引入卷积块注意力机制来提高复杂背景下模型的特征提取能力。同时,采用加权双向特征金字塔网络结构对特征进行双向跨尺度加权融合,提升网络在遮挡物、相似目标干扰下目标的检测性能。最后,选用SIoU损失函数提升网络的收敛速度和检测精度。实验结果表明,所提模型的平均精准率为96.8%,浮点运算数为2.8 GFLOPS,而原始YOLOv5s在保证97.4%的平均精准率下的浮点运算数为16.3 GFLOPS。相较于原始模型,所提模型对小目标、遮挡目标以及模糊等场景有着较强的鲁棒性,且在保证近似检测精度的同时极大减少了计算量。 展开更多
关键词 绝缘子检测 YOLOv5s模型 卷积块注意力机制 加权双向特征金字塔网络 轻量化网络
下载PDF
基于改进YOLOv7模型的血细胞检测分类
10
作者 刘涛 李明 马金刚 《中国医疗设备》 2024年第9期6-13,共8页
目的探讨改进YOLOv7算法在血细胞图像不同类型细胞自动检测分类中的应用,以提高血细胞识别分类的准确度。方法将滑动窗口变换器模块引入YOLOv7,同时采用加权双向特征金字塔网络结构,使网络能够获取并传递更加丰富的特征信息,使用斯库拉... 目的探讨改进YOLOv7算法在血细胞图像不同类型细胞自动检测分类中的应用,以提高血细胞识别分类的准确度。方法将滑动窗口变换器模块引入YOLOv7,同时采用加权双向特征金字塔网络结构,使网络能够获取并传递更加丰富的特征信息,使用斯库拉交并比损失代替完全交并比损失,实现更加精准的目标框定位。结果通过不同算法在BCCD血细胞数据集上展开实验可得,改进的YOLOv7模型对红细胞、白细胞和血小板的识别准确度分别达到89.3%、98.5%和91.5%,平均准确度达93.1%,相比于原YOLOv7模型提升了2.6%。通过与已发表的血细胞人工智能检测算法进行对比可知,本文算法具有更高的准确度。结论改进的YOLOv7模型可以有效应用于血细胞识别分类任务,为血细胞的检测提供重要的参考价值。 展开更多
关键词 血细胞检测 YOLOv7 神经网络 加权双向特征金字塔网络 斯库拉交并比损失函数
下载PDF
基于改进YOLOv8的道路缺陷检测
11
作者 李昊璇 苏艳琼 《测试技术学报》 2024年第5期506-512,共7页
针对道路缺陷小目标在复杂背景下检测精度低、漏检误检率高、泛化能力欠佳的问题,提出了一种改进YOLOv8的道路缺陷检测算法SGBNet。首先,Neck部分用加权双向特征金字塔网络(Bi-directional Feature Pyramid Network, BiFPN)替换PANet,... 针对道路缺陷小目标在复杂背景下检测精度低、漏检误检率高、泛化能力欠佳的问题,提出了一种改进YOLOv8的道路缺陷检测算法SGBNet。首先,Neck部分用加权双向特征金字塔网络(Bi-directional Feature Pyramid Network, BiFPN)替换PANet,提升模型的特征融合能力;其次,Neck引入全局注意力机制(Global Attention Machanism, GAM),在特征融合阶段进行注意力调整,提高检测精度;最后,添加小目标检测层,进一步增强深层语义信息与浅层语义信息的结合,提高对道路缺陷小目标的检测能力。与原始YOLOv8n算法相比,算法SGBNet的精确率、召回率和平均精度分别提升了3.3%, 2.5%和2.5%,实现了对道路缺陷更精准的检测。 展开更多
关键词 道路缺陷检测 双向特征金字塔网络(bifpn) 全局注意力机制(GAM) 小目标检测层
下载PDF
基于改进YOLOv5s的田间移动障碍物检测 被引量:1
12
作者 侯艳林 艾尔肯·亥木都拉 李贺南 《现代电子技术》 北大核心 2024年第6期171-178,共8页
为实现无人农机在行驶过程中对田间移动型障碍物的实时检测,提出一种基于YOLOv5s的目标检测模型,用于检测田间行人和其他协同作业的农机设备。该目标检测模型以YOLOv5s模型为基础框架,进行了以下三点改进:第一,为了减少模型的参数量和... 为实现无人农机在行驶过程中对田间移动型障碍物的实时检测,提出一种基于YOLOv5s的目标检测模型,用于检测田间行人和其他协同作业的农机设备。该目标检测模型以YOLOv5s模型为基础框架,进行了以下三点改进:第一,为了减少模型的参数量和计算复杂度,提高推理速度,将YOLOv5s网络模型中的卷积模块和C3模块替换为Ghost卷积和C3Ghost模块;第二,为了弥补模型参数量减少所造成的精度下降的损失,提升对目标的检测能力,在主干网络输出的特征层中引入CBAM注意力机制;第三,采用BiFPN特征金字塔结构,实现多尺度特征加权融合。实验结果表明,YOLOv5s模型的参数量为7.02×106,计算复杂度为15.8GB,平均检测精度为94%,生成权重文件大小为13.7MB,单幅图像的检测速度为71.43 f/s;改进后的模型参数量为4.04×106,下降了42.45%,计算复杂度缩减为8.5 GB,平均检测精度达到了93.2%,仅仅下降了0.8%,权重文件大小为8.1 MB,单幅图像的检测速度为77.52 f/s。以上数据证明,改进后的模型能够满足对田间移动型障碍物的实时检测,且更加易于部署到移动端设备。 展开更多
关键词 移动型障碍物 YOLOv5s 无人农机 目标检测 CBAM注意力机制 双向特征金字塔网络(bifpn)
下载PDF
一种改进YOLOX_S的火焰烟雾检测算法 被引量:3
13
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
改进YOLOv5的遥感图像目标检测
14
作者 刘国新 朱福珍 巫红 《黑龙江大学自然科学学报》 CAS 2024年第1期109-115,共7页
针对基于YOLOv5算法的小目标的检测精度低、密集目标识别效果差的问题,提出了一种改进YOLOv5目标检测框架。YOLOv5的主干网络加入卷积块注意力模块(Convolutional block attention module,CBAM)可提高特征提取能力,增强网络对图像纹理... 针对基于YOLOv5算法的小目标的检测精度低、密集目标识别效果差的问题,提出了一种改进YOLOv5目标检测框架。YOLOv5的主干网络加入卷积块注意力模块(Convolutional block attention module,CBAM)可提高特征提取能力,增强网络对图像纹理的感知能力,使小目标获取更多关注。为了解决密集目标检测的漏检问题,YOLOv5的颈部网络使用加权双向特征网络(Bidirectional feature pyramid network,BiFPN)替代原有的像素聚合网络(Path aggregation network,PAN),通过权值共享的方式实现多尺度特征融合。采用EIoU作为模型的边界框回归损失函数,提高了边界框回归性能,加快网络收敛速度。在DOTA数据集上,实验验证了YOLOv5的改进结果,此方法的mAP为80.0%,能够检测更多的目标,相较于YOLOv5,改进YOLOv5的mAP提升了5.2%。 展开更多
关键词 目标检测 YOLOv5算法 卷积块注意力模块 加权双向特征金字塔 EIoU
下载PDF
面向带钢表面小目标缺陷检测的改进YOLOv7算法 被引量:2
15
作者 樊嵘 马小陆 《合肥工业大学学报(自然科学版)》 CAS 北大核心 2024年第3期303-308,316,共7页
带钢表面小目标缺陷检测是工业质检领域的研究热点。针对热轧带钢表面缺陷检测任务中小目标缺陷易产生漏检的问题,文章提出一种改进的YOLOv7算法。在骨干网络中融入通道空间注意力模块(convolutional block attention module,CBAM)和可... 带钢表面小目标缺陷检测是工业质检领域的研究热点。针对热轧带钢表面缺陷检测任务中小目标缺陷易产生漏检的问题,文章提出一种改进的YOLOv7算法。在骨干网络中融入通道空间注意力模块(convolutional block attention module,CBAM)和可重参数化卷积模块,以提升小目标特征的提取效率;采用改进的双向特征金字塔网络(bi-directional feature pyramid network,BiFPN)颈部网络替换原有的路径聚合网络(path aggregation network,PANet)颈部网络,实现对小目标缺陷特征的高效提纯;采用解耦检测头进行检测结果输出,使网络在训练时进一步收敛至更高精度。实验结果表明,改进后的YOLOv7算法在小目标带钢缺陷检测场景下检测精度领先YOLOv7算法4.3 AP50精度,领先YOLOv6算法5.0 AP50精度,领先YOLOX算法4.8 AP50精度,说明该算法可以较好地应用于小目标带钢缺陷检测。 展开更多
关键词 机器视觉 缺陷检测 YOLOv7算法 双向特征金字塔网络(bifpn) 注意力机制
下载PDF
基于改进YOLOv5的织物缺陷检测 被引量:1
16
作者 陈淼 张胜利 季坚莞 《毛纺科技》 CAS 北大核心 2024年第1期99-106,共8页
鉴于织物表面纹理复杂导致织物缺陷检测准确率低以及小目标检测困难等问题,提出一种基于改进YOLOv5的织物缺陷检测算法。首先,在YOLOv5的骨干网络上,增加CBAM注意力机制,从而强化有用的特征信息弱化无用的特征信息;其次,将Neck层的路径... 鉴于织物表面纹理复杂导致织物缺陷检测准确率低以及小目标检测困难等问题,提出一种基于改进YOLOv5的织物缺陷检测算法。首先,在YOLOv5的骨干网络上,增加CBAM注意力机制,从而强化有用的特征信息弱化无用的特征信息;其次,将Neck层的路径聚合网络(PANet)用加权双向特征金字塔网络(Bi-FPN)替换,从而更好地平衡多尺度特征信息,提高小目标检测的特征能力。最后,通过改进损失函数,使用Focal EIOU Loss损失函数来代替CIOU Loss损失函数,不仅使得收敛速度更快,而且可以有效的解决难易样本不平衡问题。实践证明:改进后的训练模型平均精度均值mAP值为84.5%,比未改进增加了4.7%,可满足实际生产中的织物缺陷检测要求。 展开更多
关键词 YOLOv5 缺陷检测 注意力机制 加权双向特征金字塔 Focal EIOU Loss
下载PDF
改进的YOLOv8n在复杂环境下的车辆识别算法
17
作者 张张详 陈宁 《浙江科技大学学报》 CAS 2024年第5期404-416,共13页
【目的】针对城市复杂环境下的车辆难识别问题,提出了基于YOLOv8n(you only look once version 8n)的改进模型DB-YOLOv8n(deformable block YOLOv8n)。【方法】首先在颈部网络融合通道注意力机制(efficient channel attention,ECA)和改... 【目的】针对城市复杂环境下的车辆难识别问题,提出了基于YOLOv8n(you only look once version 8n)的改进模型DB-YOLOv8n(deformable block YOLOv8n)。【方法】首先在颈部网络融合通道注意力机制(efficient channel attention,ECA)和改进加权双向特征金字塔网络(bidirectional feature pyramid network,BiFPN),以增强在昏暗光线下的车辆检测性能及对多尺度图像的处理能力,特别是对远处或部分遮挡的车辆;其次在主干网络引入可变型卷积(deformable convolutional networks,DCN),以增强模型对不同尺寸车辆的适应性;最后使用精确边界框回归的高效交并比损失函数(focal and efficient intersection over union loss,Focal-EIOU loss)替换高效交并比(efficient intersection over union,EIOU),进一步提升模型的稳定性。【结果】DB-YOLOv8n在自制车辆数据集上相比YOLOv8n,平均精度、精度和召回率分别提高了3.2%、3%和2%。【结论】本研究结果能为提高车辆检测的精确度提供理论参考。 展开更多
关键词 车辆检测 ECA通道注意力 可变形卷积网络 加权双向特征金字塔 Focal-EIOU loss
下载PDF
基于多尺度融合和改进YOLOv8n的光伏缺陷检测方法
18
作者 张文强 李加树 +3 位作者 宣洋 李辰 钱杭 张啸宇 《综合智慧能源》 CAS 2024年第11期29-37,共9页
光伏发电在新型能源系统中扮演着重要的角色,其稳定运行对于保障能源供应至关重要。然而,光伏板在实际应用中面临着复杂的外部环境,如紫外线辐射、腐蚀、受潮等,可能会导致光伏板组件出现裂纹、断栅等问题,进而影响其功能。针对目前光... 光伏发电在新型能源系统中扮演着重要的角色,其稳定运行对于保障能源供应至关重要。然而,光伏板在实际应用中面临着复杂的外部环境,如紫外线辐射、腐蚀、受潮等,可能会导致光伏板组件出现裂纹、断栅等问题,进而影响其功能。针对目前光伏板缺陷检测算法存在的模型复杂度较高、小目标缺陷检测的精度不高等问题,提出了一种基于改进YOLOv8n的光伏缺陷检测算法。重新设计了一种新的主干网络,减少模型的参数量,提出C2f高效局部注意力(C2f-Efficient Local Attention,C2f-ELA)模块,提高模型对细微特征的定位能力,提出加权双向特征金字塔网络(Weight-Bidirectional Feature Pyramid Network,W-BiFPN)更换原有的网络结构并融合P2小目标检测层,有效提高了模型捕获多尺度特征的能力,同时利用浅层网络的信息来加强局部特征感知,对小目标的识别精度得到显著提升。试验结果表明:该方法相较于基础YOLOv8算法,参数量下降了16.7%,平均精度提升了3.1百分点,验证了改进算法在检测性能上的提升。 展开更多
关键词 缺陷检测 深度学习 YOLOv8n 轻量化模块 高效局部注意力 加权双向特征金字塔网络
下载PDF
基于改进YOLOv5的遥感图像检测
19
作者 王志林 于瓅 《重庆科技学院学报(自然科学版)》 CAS 2024年第2期62-67,共6页
针对现有遥感图像目标检测中背景复杂和尺度变化大等问题,基于YOLOv5模型提出了一种改进的遥感图像目标检测算法。首先,利用Mosaic数据增强方法重构数据集,以改善模型的训练效果和鲁棒性;其次,在YOLOv5s的Backbone中添加SE注意力机制,... 针对现有遥感图像目标检测中背景复杂和尺度变化大等问题,基于YOLOv5模型提出了一种改进的遥感图像目标检测算法。首先,利用Mosaic数据增强方法重构数据集,以改善模型的训练效果和鲁棒性;其次,在YOLOv5s的Backbone中添加SE注意力机制,使改进后模型能够更精准地捕捉目标特征信息;最后,采用BiFPN替代原模型中的FPN+PAN结构,使模型能够进行不同尺度的特征融合,以减少检测过程中浅层信息的丢失。实验结果表明,相较于原模型,改进后模型的平均精度均值、准确率和召回率都有所提升;相较于原模型,改进后模型具有更强的特征提取能力及更快的检测效率。 展开更多
关键词 遥感图像检测 YOLOv5算法 注意力机制 加权双向特征金字塔 目标检测
下载PDF
基于BFDS改进的YOLOv8疲劳驾驶检测算法 被引量:1
20
作者 郑凯东 舒心 《信息技术与信息化》 2024年第2期213-216,共4页
近年来随着国内私家车保有量的逐年增多,我国的交通事故的发生率也是逐年升高,其中由于司机的疲劳驾驶导致的交通事故占比最多,针对司机在开车中的驾驶安全问题,提出了一种疲劳检测算法BFDSYOLO,融合了DCNv2与BiFPN,并引入了视觉通道注... 近年来随着国内私家车保有量的逐年增多,我国的交通事故的发生率也是逐年升高,其中由于司机的疲劳驾驶导致的交通事故占比最多,针对司机在开车中的驾驶安全问题,提出了一种疲劳检测算法BFDSYOLO,融合了DCNv2与BiFPN,并引入了视觉通道注意力机制,以提高疲劳检测的效率。引入了Yolov8n-DCNv2、YOLOv8n-BF等变种模型,通过详细实验比较它们的性能。提出的BFDS-YOLO模型对主干网络和颈部网络进行了改进,将DCNv2与BiFPN结合,并引入了视觉通道注意力机制。实验结果表明,BFDS-YOLO相较于其他模型在多个性能指标上均有显著提升,提出的算法在疲劳检测任务中具有广泛的应用前景。 展开更多
关键词 深度学习 疲劳检测 可变形卷积 视觉通道注意力机制 加权双向特征金字塔网络
下载PDF
上一页 1 2 3 下一页 到第
使用帮助 返回顶部