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
基于改进的Yolo v4绝缘子目标识别算法研究
被引量:
3
1
作者
许爱华
陈佳韵
+1 位作者
张明文
刘浏
《吉林大学学报(信息科学版)》
CAS
2023年第3期545-551,共7页
针对传统卷积神经网络模块体积庞大、运算量高,在体积较小、资源有限的嵌入式平台上运行效果不好,以及现有轻量化模块无法满足测量速度和测试精确度要求的问题,为此选择目前的主流目标识别算法Yolo v4进行模型轻量化,在Yolo v4模型中引...
针对传统卷积神经网络模块体积庞大、运算量高,在体积较小、资源有限的嵌入式平台上运行效果不好,以及现有轻量化模块无法满足测量速度和测试精确度要求的问题,为此选择目前的主流目标识别算法Yolo v4进行模型轻量化,在Yolo v4模型中引入Mobilenet网络和深度可分离模块进行研究。研究结果表明,改进后不同Mobilenet网络的Yolo v4模型检测一张图片的用时均比原始Yolo v4模型减少19 ms以上,准确率都高于92%。其中以Mobilenet v3为主干特征提取网络的改进Yolo v4模型的准确率为95.12%,与原始Yolo v4模型准确率相比提高2.99%,但该模型的参数量约为Yolo v4模型的1/6,模型处理一张巡检图片用时比原Yolo v4模型减少20 ms。绝缘子作为输电线路的重要组成部分,在众多图像中更快地识别出绝缘子能为之后分析输电线路的运行情况提供帮助。
展开更多
关键词
绝缘子
Yolo
v4模型
深度可分离卷积块
Mobilenet网络
下载PDF
职称材料
基于改进YOLOv3_iny的压敏电阻表面缺陷检测
被引量:
1
2
作者
唐纲浩
周骅
+1 位作者
赵麒
魏相站
《光电子.激光》
CAS
CSCD
北大核心
2021年第11期1147-1154,共8页
针对当前目标检测算法网络复杂,对平台设备要求高;而轻量化网络YOLOv3_iny对压敏电阻表面缺陷的检测精度较低,容易出现漏检错检的情况,提出了基于YOLOv3_iny的改进算法DAYOLOv3_iny。DAYOLOv3_iny构建了深度可分离卷积块替代标准卷积,...
针对当前目标检测算法网络复杂,对平台设备要求高;而轻量化网络YOLOv3_iny对压敏电阻表面缺陷的检测精度较低,容易出现漏检错检的情况,提出了基于YOLOv3_iny的改进算法DAYOLOv3_iny。DAYOLOv3_iny构建了深度可分离卷积块替代标准卷积,使用卷积操作进行下采样,使检测网络在减少网络参数量的同时增加了特征的提取;并在网络中引入了通道注意力模块和空间注意力模块,增强了检测网络对重要特征信息的学习。在自制的压敏电阻表面缺陷数据集上进行实验,结果表明,DAYOLOv3_iny的mAP值为92.23%,较改进前提升了12.25%;改进后的DAYOLOv3_iny模型大小为YOLOv3_iny的55.42%,仅18.9 MB。实验表明,DAYOLOv3_iny对压敏电阻表面缺陷的检测精度较高,能够有效改善漏检错检的情况,且网络模型较小,对硬件平台要求不高,易于在性能受限的平台部署。
展开更多
关键词
YOLOv3
iny
缺陷检测
深度可分离卷积块
注意力模
块
原文传递
题名
基于改进的Yolo v4绝缘子目标识别算法研究
被引量:
3
1
作者
许爱华
陈佳韵
张明文
刘浏
机构
东北石油大学电气信息工程学院
出处
《吉林大学学报(信息科学版)》
CAS
2023年第3期545-551,共7页
基金
国家自然科学基金资助项目(51774088)
黑龙江省自然基金资助项目(LH2019E016)。
文摘
针对传统卷积神经网络模块体积庞大、运算量高,在体积较小、资源有限的嵌入式平台上运行效果不好,以及现有轻量化模块无法满足测量速度和测试精确度要求的问题,为此选择目前的主流目标识别算法Yolo v4进行模型轻量化,在Yolo v4模型中引入Mobilenet网络和深度可分离模块进行研究。研究结果表明,改进后不同Mobilenet网络的Yolo v4模型检测一张图片的用时均比原始Yolo v4模型减少19 ms以上,准确率都高于92%。其中以Mobilenet v3为主干特征提取网络的改进Yolo v4模型的准确率为95.12%,与原始Yolo v4模型准确率相比提高2.99%,但该模型的参数量约为Yolo v4模型的1/6,模型处理一张巡检图片用时比原Yolo v4模型减少20 ms。绝缘子作为输电线路的重要组成部分,在众多图像中更快地识别出绝缘子能为之后分析输电线路的运行情况提供帮助。
关键词
绝缘子
Yolo
v4模型
深度可分离卷积块
Mobilenet网络
Keywords
insulator
Yolo v4 model
deep separable convolution block
mobilenet networks
分类号
TP391 [自动化与计算机技术—计算机应用技术]
TM216 [一般工业技术—材料科学与工程]
下载PDF
职称材料
题名
基于改进YOLOv3_iny的压敏电阻表面缺陷检测
被引量:
1
2
作者
唐纲浩
周骅
赵麒
魏相站
机构
贵州大学大数据与信息工程学院
贵州民族大学机械电子工程学院
出处
《光电子.激光》
CAS
CSCD
北大核心
2021年第11期1147-1154,共8页
基金
贵州大学培育项目(黔科合平台人[2017]5788-60)
贵州大学引进人才培育项目(贵大人基合字[2015]53号)资助项目。
文摘
针对当前目标检测算法网络复杂,对平台设备要求高;而轻量化网络YOLOv3_iny对压敏电阻表面缺陷的检测精度较低,容易出现漏检错检的情况,提出了基于YOLOv3_iny的改进算法DAYOLOv3_iny。DAYOLOv3_iny构建了深度可分离卷积块替代标准卷积,使用卷积操作进行下采样,使检测网络在减少网络参数量的同时增加了特征的提取;并在网络中引入了通道注意力模块和空间注意力模块,增强了检测网络对重要特征信息的学习。在自制的压敏电阻表面缺陷数据集上进行实验,结果表明,DAYOLOv3_iny的mAP值为92.23%,较改进前提升了12.25%;改进后的DAYOLOv3_iny模型大小为YOLOv3_iny的55.42%,仅18.9 MB。实验表明,DAYOLOv3_iny对压敏电阻表面缺陷的检测精度较高,能够有效改善漏检错检的情况,且网络模型较小,对硬件平台要求不高,易于在性能受限的平台部署。
关键词
YOLOv3
iny
缺陷检测
深度可分离卷积块
注意力模
块
Keywords
YOLOv3Tiny
defect detection
depth separabl convolution blocke
attention module
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于改进的Yolo v4绝缘子目标识别算法研究
许爱华
陈佳韵
张明文
刘浏
《吉林大学学报(信息科学版)》
CAS
2023
3
下载PDF
职称材料
2
基于改进YOLOv3_iny的压敏电阻表面缺陷检测
唐纲浩
周骅
赵麒
魏相站
《光电子.激光》
CAS
CSCD
北大核心
2021
1
原文传递
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