改进YOLOv5s算法的地铁场景行人目标检测

地铁场景行人目标存在大小不一、不同程度遮挡以及环境过暗导致目标模糊等问题,很大程度影响了行人目标检测的准确性.针对上述问题,本研究提出了一种改进YOLOv5s目标检测算法以增强地铁场景行人目标检测的效果.构建地铁场景行人数据集,标注对应标签,进行数据预处理操作.本研究在特征提取模块中加入深度残差收缩网络,将残差网络、注意力机制和软阈值化函数相结合以增强有用特征信道,削弱冗余特征信道;利用改进空洞空间金字塔池化模块,在不丢失图像信息的前提下获得多尺度、多感受野的融合特征,有效捕获图像全局上下文信息;设计了一种改进非极大值抑制算法,对目标预测框进行后处理,保留检测目标最优预测框.实验结果表明:提出的改进YOLOv5s算法能有效提高地铁场景行人目标检测的精度,尤其对小行人目标和密集行人目标的检测,效果提升更为显著.

融合膨胀卷积与ECA的钢材缺陷检测算法

针对带钢材料表面缺陷检测中感受野受限导致目标漏检率高的问题,基于YoloX-s模型提出一种膨胀卷积与注意力机制融合的目标检测算法。在Backbone部分采用SPPF结构替换SPP结构,在Neck部分引入混合膨胀卷积模块用以增大检测的感受野,嵌入注意力机制ECA-net模块,保留特征图更多的通道信息,减少漏检率。后处理阶段采用CIoU损失函数,提高模型召回率。实验结果表明,改进算法在NEU-DET数据集上的mAP达到80.8%,较原模型提高4.6%,检测速度达到160 f/s,在带钢材料表面缺陷检测中具有一定的使用价值。

基于RDA-Net模型的遥感影像云与云阴影检测方法

针对目前大多数云与云阴影检测方法容易产生误检、边缘细节丢失严重以及检测不够精确的问题,提出一种基于双注意力卷积神经网络模型(RDA-Net)的遥感影像云与云阴影检测方法。模型中引入双注意力模块可以有效捕获全局特征的依赖关系,使用递归残差模块可以避免深层网络出现退化,改进空洞空间金字塔池化模块在不改变特征图尺寸的前提下可以提取图像的多尺度特征。首先对遥感影像数据集进行预处理并制作对应的标签,然后利用高分一号WFV遥感影像数据集进行训练和测试。实验结果表明,所提方法有效提高云与云阴影的检测精度,在复杂条件下仍能获得较好的云与云阴影的边缘细节。