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
86
篇文章
<
1
2
…
5
>
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YOLOv5s的海下垃圾检测算法
1
作者
吴观茂
王涛
《湖北理工学院学报》
2024年第1期47-51,共5页
为了提升海下垃圾检测精度,降低漏检频率,提出了一种基于改进YOLOv5s的检测算法。该算法添加了ECA模块来关注感兴趣区域,构造了四级多尺度特征融合使提取的特征图信息更加丰富,引用损失函数使得边框回归更加合适与准确。改进的YOLOv5s...
为了提升海下垃圾检测精度,降低漏检频率,提出了一种基于改进YOLOv5s的检测算法。该算法添加了ECA模块来关注感兴趣区域,构造了四级多尺度特征融合使提取的特征图信息更加丰富,引用损失函数使得边框回归更加合适与准确。改进的YOLOv5s算法在TrashCan数据集上的mAP由原来的87.3%提高到92.1%,具有较高的精度。
展开更多
关键词
海下垃圾
深度学习
小目标
多尺度融合
eiou
下载PDF
职称材料
基于改进YOLOv5的路面裂缝检测方法
2
作者
王向前
成高立
+1 位作者
胡鹏
夏晓华
《电子技术应用》
2024年第3期80-85,共6页
针对现有裂缝检测模型体积较大且检测精度不高的问题,提出一种基于轻量化网络的无人机航拍图像裂缝检测方法。首先,使用MobileNetv3网络替代YOLOv5的主干网络,降低模型大小;其次,引入C3TR和CBAM模块提高网络表征能力,将损失函数替换为E...
针对现有裂缝检测模型体积较大且检测精度不高的问题,提出一种基于轻量化网络的无人机航拍图像裂缝检测方法。首先,使用MobileNetv3网络替代YOLOv5的主干网络,降低模型大小;其次,引入C3TR和CBAM模块提高网络表征能力,将损失函数替换为EIOU以提高模型的鲁棒性。实验结果表明,该方法在自制数据集上获得98.9%的精度,相较于原始YOLOv5提高1.2%,模型大小减小51.5%,检测速度提高37%。改进后的模型在精度、大小和速度上均优于Faster-RCNN等4种常见裂缝检测模型,满足了裂缝检测的实时性、轻量化和精度需求。
展开更多
关键词
路面裂缝检测
YOLOv5
目标检测
C3TR
CBAM
eiou
下载PDF
职称材料
改进YOLOv5的遥感图像目标检测
3
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
职称材料
基于改进YOLOv7的机载红外弱小目标检测算法
4
作者
张子林
喻松林
+1 位作者
王戈
刘彤
《激光与红外》
CAS
CSCD
北大核心
2024年第1期84-91,共8页
随着现代化战争的技术升级,机载红外探测领域对更快更远更准地发现目标的需求日益强烈。为满足机载环境下对红外弱小目标高精度高帧率的检测,本文提出了一种基于YOLOv7改进的目标检测算法,以YOLOv7目标检测算法为基础,进行了修改网络结...
随着现代化战争的技术升级,机载红外探测领域对更快更远更准地发现目标的需求日益强烈。为满足机载环境下对红外弱小目标高精度高帧率的检测,本文提出了一种基于YOLOv7改进的目标检测算法,以YOLOv7目标检测算法为基础,进行了修改网络结构和加深卷积层数来使特征提取更多的小目标信息特征;并对骨干网络获取的特征层引入注意力机制来提高神经网络对小目标的感知能力以及提高小目标所在区域的权重占比;使用EIOU损失函数替换原本的CIOU损失函数,提高了收敛速度和定位精度。实验结果表明,相较于原算法YOLOv7,在极小损失帧率的情况下,改进后的算法mAP可以达到98.49%,相较原始算法提升了1.24%,有助于提升对机载红外弱小目标的检测准确率。
展开更多
关键词
机载红外探测
YOLOv7
注意力机制
eiou
损失函数
下载PDF
职称材料
基于改进YOLOv5的港口集装箱损伤检测算法
5
作者
裴晓芳
刘菁宇
+2 位作者
柏雪
周进
衡晓钰
《国外电子测量技术》
2024年第2期16-25,共10页
针对港口复杂环境背景下,不同尺度间多种类集装箱损伤目标检测精度低的问题,提出一种基于改进YOLOv5的港口集装箱损伤检测算法。通过使用一维卷积改进卷积块注意力机制(CBAM)中空间注意力模块的池化操作,后设计残差结构,并验证在不同位...
针对港口复杂环境背景下,不同尺度间多种类集装箱损伤目标检测精度低的问题,提出一种基于改进YOLOv5的港口集装箱损伤检测算法。通过使用一维卷积改进卷积块注意力机制(CBAM)中空间注意力模块的池化操作,后设计残差结构,并验证在不同位置引入改进的CBAM基本块对模型性能的影响,探索尽量减小复杂背景对检测结果影响的最佳方案及融合位置;为有效解决不同集装箱损伤图像尺度特征变换较大的问题,依据双向特征融合网络(Bi-FPN)结构思想,对颈部特征融合网络进行改进,在不过多增加计算量的情况下,更好地增强网络对多尺度目标的特征融合能力;最后将EIOU Loss替换GIOU Loss作为算法的损失函数,在降低算法边界框回归损失的同时提高算法的检测精度。实验结果表明,改进YOLOv5算法的平均检测精度达到了98.32%,较原YOLOv5目标检测算法提高了4.28%,同时保证了检测速度,验证了所提出算法的有效性,对港口企业高精度验箱的工业部署有重要意义。
展开更多
关键词
集装箱损伤
目标检测
YOLOv5
CBAM
Bi-FPN
eiou
下载PDF
职称材料
基于YOLOv5s室内目标检测轻量化改进算法研究
6
作者
牛鑫宇
毛鹏军
+1 位作者
段云涛
娄晓恒
《计算机工程与应用》
CSCD
北大核心
2024年第3期109-118,共10页
针对现有室内目标检测算法,存在结构复杂,计算量以及模型参数量过大等问题,难以部署到计算能力有限的室内机器人平台,实现高效的目标检测。为解决这一问题,提出了一种改进的YOLOV5s轻量化检测算法。该方法采用ShuffleNetv2作为主干特征...
针对现有室内目标检测算法,存在结构复杂,计算量以及模型参数量过大等问题,难以部署到计算能力有限的室内机器人平台,实现高效的目标检测。为解决这一问题,提出了一种改进的YOLOV5s轻量化检测算法。该方法采用ShuffleNetv2作为主干特征提取网络,并且在改进的主干网络基础上采用CA注意力机制,同时在颈部网络中采用GSConv和VOV-GSCSP模块。最后引入边框回归损失函数EIOU加快网络收敛。研究结果表明,改进后的目标检测算法,模型计算量减少了68.75%,模型参数量减少了62.2%,权重文件减少了59.7%,平均精确率mAP均值为0.653,改进后的目标检测模型能够在保证轻量化的同时保证检测精度。
展开更多
关键词
YOLOv5s
轻量化
ShuffleNetv2网络
CA注意力机制
GSConv模块
VOV-GSCSP模块
eiou
损失函数
下载PDF
职称材料
OMC框架下的行人多目标跟踪算法研究
7
作者
贺愉婷
车进
+1 位作者
吴金蔓
马鹏森
《计算机工程与应用》
CSCD
北大核心
2024年第5期172-182,共11页
多目标跟踪是计算机视觉领域被广泛研究的重要方向,但是在实际应用中,目标的快速移动、光照变化、遮挡等问题会导致跟踪性能变差,因此以多目标跟踪模型OMC为基础框架展开研究,以实现跟踪性能的进一步提升。针对多目标跟踪过程中存在的...
多目标跟踪是计算机视觉领域被广泛研究的重要方向,但是在实际应用中,目标的快速移动、光照变化、遮挡等问题会导致跟踪性能变差,因此以多目标跟踪模型OMC为基础框架展开研究,以实现跟踪性能的进一步提升。针对多目标跟踪过程中存在的目标特征质量层次不齐的问题,对特征提取器进行优化,在主干网络集成了GAM注意力机制并在Neck网络部分更换了上采样方式;针对现有方法中存在的检测任务和重识别任务之间的“竞争问题”,构建了递归交叉相关网络,使得模型可以学习不同任务的特性和共性。此处针对两个子任务分别进行了优化,一是设计了新的通道注意力HS-CAM优化了重识别网络;二是更换了检测部分的边界回归损失函数,采用EIoU损失函数。实验表明,在MOT16数据集上MOTA指标可达73.5%,IDF1可达70.4%,MLgt为11.7%,相比较OMC算法减少了1.5个百分点。
展开更多
关键词
计算机视觉
多目标跟踪
GAM注意力机制
转置卷积
eiou
损失函数
下载PDF
职称材料
改进YOLOv5算法对售药机中药盒检测计数
8
作者
李宏生
陈波
+1 位作者
钱俊磊
曾凯
《计算机工程与设计》
北大核心
2024年第5期1572-1579,共8页
为解决自动售药机中药盒传统机器视觉算法检测正确率低的问题,提出一种改进的YOLOv5-CBE算法。通过Imgaug数据增强方法对现有682张自动售药机拍摄的药品图片数据集进行数据增强,训练前采用Mosaic算法,对数据集裁剪、拼接,生成新的样本...
为解决自动售药机中药盒传统机器视觉算法检测正确率低的问题,提出一种改进的YOLOv5-CBE算法。通过Imgaug数据增强方法对现有682张自动售药机拍摄的药品图片数据集进行数据增强,训练前采用Mosaic算法,对数据集裁剪、拼接,生成新的样本图片。在YOLOv5的backbone中嵌入CA机制提升对药盒特征的提取能力;在head层中使用BIFPN结构,实现双向跨尺度连接和加权特征融合;采用EIOU替代CIOU提升算法的收敛速度和检测精度。经过682张数据样本150轮的测试,改进后的YOLOv5-CBE算法平均精度达到了98.7%,相比于YOLOv5s准确率提高了3.0%,召回率提高了2.6%。
展开更多
关键词
药盒
计数
目标检测
加权双向金字塔
坐标注意力机制
eiou
损失函数
马赛克增强
下载PDF
职称材料
基于改进YOLOv5的织物缺陷检测
9
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
职称材料
融合RepVGG的YOLOv5交通标志识别算法
10
作者
郭华玲
刘佳帅
+2 位作者
郑宾
殷云华
赵棣宇
《科学技术与工程》
北大核心
2024年第9期3869-3875,共7页
实现自动驾驶的安全性需要准确检测交通标志。针对传统方法在交通标志检测方面存在准确度不高的问题,提出一种融合RepVGG模块的改进YOLOv5的交通标志识别算法。首先通过将RepVGG模块替换原算法中的部分CBS模块,增强了特征提取能力。并...
实现自动驾驶的安全性需要准确检测交通标志。针对传统方法在交通标志检测方面存在准确度不高的问题,提出一种融合RepVGG模块的改进YOLOv5的交通标志识别算法。首先通过将RepVGG模块替换原算法中的部分CBS模块,增强了特征提取能力。并在特征融合模块引入通道注意力模块(channel block attention module,CBAM),强化检测模型的抗干扰能力。最后,在网络训练过程中,使用高效交并比(efficient-IoU,EIoU)损失函数实现对目标更精确的定位,提高算法的检测精度与迭代速度。实验结果表明,改进后的YOLOv5算法迭代速度更快,在CCTSDB交通标志数据集上,其相较于原YOLOv5算法的准确率、召回率和平均准确率分别提升了4.99%、3.62%、1.73%,能够更好地应用到实践当中。
展开更多
关键词
深度学习
YOLOv5
RepVGG
注意力机制
eiou
交通标志识别
下载PDF
职称材料
基于改进YOLOX的钢材表面缺陷检测研究
11
作者
刘毅
蒋三新
《现代电子技术》
北大核心
2024年第9期131-138,共8页
针对目前单阶段目标检测网络YOLOX的特征提取能力不足、特征融合不充分以及钢材表面缺陷检测精度不高等问题,提出一种改进YOLOX的钢材表面缺陷检测算法。首先,在Backbone部分引入改进的SE注意力机制,增添一条最大池化层分支,进行权重融...
针对目前单阶段目标检测网络YOLOX的特征提取能力不足、特征融合不充分以及钢材表面缺陷检测精度不高等问题,提出一种改进YOLOX的钢材表面缺陷检测算法。首先,在Backbone部分引入改进的SE注意力机制,增添一条最大池化层分支,进行权重融合,强化重要的特征通道;其次,在Neck部分引入ASFF模块,充分利用不同尺度的特征,更好地进行特征融合;最后,针对数据集所呈现的特点,将IOU损失函数替换为EIOU损失函数,改善模型定位不准确的问题,提高缺陷检测精度。实验结果表明,改进的YOLOX算法具有良好的检测效果,在NEU⁃DET数据集上的mAP达到了75.66%,相比原始YOLOX算法提高了3.74%,较YOLOv6提升了2.76%,检测精度优于其他主流算法。
展开更多
关键词
YOLOX
单阶段目标检测网络
SE注意力机制
ASFF模块
表面缺陷检测
eiou
损失函数
下载PDF
职称材料
基于YOLOv7-Tiny的车牌及放大号检测研究
12
作者
陈冠宇
尚雅层
《价值工程》
2024年第7期104-106,共3页
由于大型车辆的后车牌容易污损和遮挡,目前车牌号的识别对于这种情况有明显缺陷。提出将车牌放大号和车牌共同检测后再识别,提升车牌识别算法的适用性。本文基于YOLOv7-Tiny检测,算法先后采用更换主干网络和卷积模块实现模型轻量化,通...
由于大型车辆的后车牌容易污损和遮挡,目前车牌号的识别对于这种情况有明显缺陷。提出将车牌放大号和车牌共同检测后再识别,提升车牌识别算法的适用性。本文基于YOLOv7-Tiny检测,算法先后采用更换主干网络和卷积模块实现模型轻量化,通过改进损失函数来提升精度。实验表明,在YOLOv7-Tiny更换Mobilenetv3主干网络、GSConv卷积核和Focal-EIoU后,实现模型体积下降35%,参数量下降37%,运算量下降58%,从而实现一种轻量化的模型。
展开更多
关键词
放大号
YOLOv7-Tiny
Mobilenetv3
GSConv
Focal-
eiou
下载PDF
职称材料
改进YOLOv5-S的交通标志检测算法
13
作者
刘海斌
张友兵
+2 位作者
周奎
张宇丰
吕圣
《计算机工程与应用》
CSCD
北大核心
2024年第5期200-209,共10页
在自动驾驶领域,现有的交通标志检测方法在检测复杂背景中的标志时存在着漏检或误检的问题,降低了智能汽车的可靠性。对此,提出了一种改进YOLOv5-S的实时交通标志检测算法。在特征提取网络中融合坐标注意力机制,通过构建目标的长范围依...
在自动驾驶领域,现有的交通标志检测方法在检测复杂背景中的标志时存在着漏检或误检的问题,降低了智能汽车的可靠性。对此,提出了一种改进YOLOv5-S的实时交通标志检测算法。在特征提取网络中融合坐标注意力机制,通过构建目标的长范围依赖来捕获物体的位置感知,使得算法聚焦于重点的特征区域;引入Focal-EIoU损失函数来取代CIoU,使其更关注高质量的分类样本,提高对难分类样本的学习能力,减少漏检或者误检的问题;在网络中融合轻量级卷积技术GSConv,降低模型的计算量。增加新的小目标检测层,通过更丰富的特征信息提高小尺寸标志的检测效果。实验结果表明,改进方法的mAP@0.5和mAP@0.5:0.95分别为88.1%和68.5%,检测速度达到了83 FPS,能够满足实时可靠的检测需求。
展开更多
关键词
交通标志检测
YOLOv5
坐标注意机制
Focal-
eiou
GSConv
下载PDF
职称材料
基于YOLOv5s模型的边界框回归损失函数研究
14
作者
董恒祥
潘江如
+2 位作者
董芙楠
赵晴
郭鸿鑫
《现代电子技术》
北大核心
2024年第3期179-186,共8页
针对车辆检测中边界框回归损失函数与检测目标尺度不匹配导致的误检、漏检以及精度较低等问题,基于YOLOv5s模型对4种有代表性的边界框回归损失函数进行对比实验,并在UA-DETRA、VisDrone2019、KITTI数据集上进行验证,利用漏检率、误检率...
针对车辆检测中边界框回归损失函数与检测目标尺度不匹配导致的误检、漏检以及精度较低等问题,基于YOLOv5s模型对4种有代表性的边界框回归损失函数进行对比实验,并在UA-DETRA、VisDrone2019、KITTI数据集上进行验证,利用漏检率、误检率、准确率、召回率、mAP@0.5、迭代过程的边界框损失值以及目标检测结果对其适用场景进行分析研究。结果显示:CIoU整体性能最差;SIoU在KITTI数据集上整体性能最优,准确率最高,达到了94.5%,漏检率降到了1.2%,适用于中尺度目标检测任务;Focal-EIoU在VisDrone2019数据集中各项指标远优于其他损失函数,召回率和mAP@0.5指标相较于CIoU分别提高了1.6%和1.8%,误检率降低了6.9%,且迭代过程损失值远低于其他损失函数,适用于小尺度目标检测任务;WIoU在UA-DETRA数据集整体性能最优,漏检率、召回率以及mAP@0.5指标优于其他损失函数,适用于大尺度目标检测任务。此研究为目标检测任务的边界框回归损失函数的选择提供了重要的基础。
展开更多
关键词
车辆检测
边界框回归损失函数
目标尺度
YOLOv5s
CIoU
SIoU
Focal-
eiou
WIoU
下载PDF
职称材料
基于改进YOLOv5的手机外观缺陷检测算法
15
作者
潘金晶
曾成
+1 位作者
张晶
耿雪娜
《黑龙江科学》
2024年第8期39-43,共5页
提出一种手机外观缺陷检测的改进算法YOLOv5-CBE。该算法在YOLOv5框架的基础上,在主干网络的C3模块中加入坐标注意力(coordinate attention, CA)机制,可同时考虑通道间的关系和位置信息,使模型更准确地定位并识别到目标区域。借鉴加权...
提出一种手机外观缺陷检测的改进算法YOLOv5-CBE。该算法在YOLOv5框架的基础上,在主干网络的C3模块中加入坐标注意力(coordinate attention, CA)机制,可同时考虑通道间的关系和位置信息,使模型更准确地定位并识别到目标区域。借鉴加权双向特征金字塔网络(Bidirectional feature pyramid network, BiFPN)的思想,将Neck部分的concat模块替换为多尺度特征融合结构,使不同分辨率的特征更有效地融合。使用Focal-EIoU替代原模型中的边界框回归损失函数CIoU,使回归过程更专注于高质量的预测框,提高了定位精度。在工业相机成相的手机外观缺陷数据集上进行测试,结果表明,与YOLOv5模型相比,基于Focal-EIoU的YOLOv5模型召回率(recall)和平均精度均值(mAP50)分别提升了4.7%、1.9%;改进算法的精确率(precision)、召回率(recall)、平均精度均值(mean average precision, mAP50)均有明显提升,分别提升了1.2%、5.6%、5.3%。
展开更多
关键词
缺陷检测
坐标注意力
多尺度特征融合
Focal-
eiou
YOLOv5
下载PDF
职称材料
改进YOLOv5s的车辆目标检测研究
16
作者
李甜
林贵敏
余烨楷
《时代汽车》
2024年第1期16-18,共3页
为改善在车辆目标检测中实时性和精确度低的问题,提出一种改进的YOLOv5s算法。引入CBAM(Channel Attention Module)注意力模块,以增强网络对特征的关注度;将CIoU Loss替换为EIoU Loss提高目标边界框的回归速度和定位精度;新增一个小目...
为改善在车辆目标检测中实时性和精确度低的问题,提出一种改进的YOLOv5s算法。引入CBAM(Channel Attention Module)注意力模块,以增强网络对特征的关注度;将CIoU Loss替换为EIoU Loss提高目标边界框的回归速度和定位精度;新增一个小目标检测头,提高模型对小目标的检测能力。实验结果显示:改进后的YOLOv5s算法相较原始算法m AP0.5提高11.4%,mAP0.5:0.95提高了7.3%。在满足实时性的同时,模型检测精度大幅提升。
展开更多
关键词
YOLOv5s
目标检测
车辆检测
注意力机制
eiou
下载PDF
职称材料
基于MBE-YOLOv5的轻量化化工袋目标检测方法
17
作者
刘伟鑫
林邦演
+1 位作者
黄汉亿
李旻龙
《自动化与信息工程》
2024年第2期34-40,共7页
针对化工厂中化工袋种类繁多、遮挡干扰、放置复杂等因素,导致化工袋识别模型的定位效果较差、实时性不佳等问题,提出一种基于MBE-YOLOv5的轻量化化工袋目标检测方法。首先,用MobileNetV3网络替换YOLOv5的主干网络,降低模型的参数和运算...
针对化工厂中化工袋种类繁多、遮挡干扰、放置复杂等因素,导致化工袋识别模型的定位效果较差、实时性不佳等问题,提出一种基于MBE-YOLOv5的轻量化化工袋目标检测方法。首先,用MobileNetV3网络替换YOLOv5的主干网络,降低模型的参数和运算量,提高模型的检测速度;然后,在YOLOv5的颈部网络引入双向特征金字塔网络结构进行多尺度特征融合,提高模型的识别准确率;最后,采用EIoU函数优化损失,提高模型的定位精度。实验结果表明,MBE-YOLOv5模型相比YOLOv5模型,参数量下降了37.7%,运算量降低了58.1%,检测速度提升了9.5%,mAP@0.5提高了0.7%;在检测速度和检测精度之间取得较好的平衡,能满足化工袋在线检测识别定位的要求。
展开更多
关键词
YOLOv5模型
MobileNetV3网络
双向特征金字塔网络
eiou
函数
化工袋目标检测
下载PDF
职称材料
改进的YOLOv4头盔佩戴目标检测研究
18
作者
余晨晨
《沈阳工程学院学报(自然科学版)》
2024年第1期75-81,共7页
针对骑手在骑行时是否佩戴头盔对交通安全的影响问题,提出了一种改进的YOLOv4算法,能够更准确地识别和检测骑手是否佩戴头盔,从而为骑手提供安全保障。首先,选择轻量级网络MobileNetv1作为主干特征网络,并将YOLOv4网络中尺寸为3×3...
针对骑手在骑行时是否佩戴头盔对交通安全的影响问题,提出了一种改进的YOLOv4算法,能够更准确地识别和检测骑手是否佩戴头盔,从而为骑手提供安全保障。首先,选择轻量级网络MobileNetv1作为主干特征网络,并将YOLOv4网络中尺寸为3×3、步长为1的标准卷积层均替换为深度可分离卷积,减少模型计算量的同时提升检测速度;其次,引入ECA注意力机制,关注重点特征并抑制非必要特征,增加特征网络表现力;最后,引入改进的损失函数Focal-EIOU,改善常见的样本不均衡问题。实验结果表明:改进的YOLOv4算法生成的模型权重大小为48.43 M,是YOLOv4算法权重大小的19.3%,检测速度由33.40帧/秒提升至50.40帧/秒,mAP值为95.56%,在满足精确性的前提下更有利于轻量化部署。
展开更多
关键词
YOLOv4
目标检测
MobileNetv1
ECA注意力机制
Focal-
eiou
下载PDF
职称材料
基于多模态感知的变电站智能巡视技术
19
作者
吴碧海
王超
+1 位作者
魏嘉隆
裴星宇
《广东电力》
北大核心
2024年第3期54-63,共10页
针对目前变电设备识别和故障定性过程中的低效和人工依赖问题,提出一种改进的YOLOv5模型,可用于变电站设备的自动化识别和故障检测。首先,在主干网络引入ShuffleNet v2,降低模型的计算量和参数量,实现模型轻量化处理;然后,引入有效交并...
针对目前变电设备识别和故障定性过程中的低效和人工依赖问题,提出一种改进的YOLOv5模型,可用于变电站设备的自动化识别和故障检测。首先,在主干网络引入ShuffleNet v2,降低模型的计算量和参数量,实现模型轻量化处理;然后,引入有效交并比损失函数,提高预测框的回归精度和收敛速度;最后,在网络中嵌入卷积块注意力模块(convolutional block attention module, CBAM),提高模型检测的准确率。在自建数据集上的实验结果显示,与其他6种模型相比,改进的YOLOv5模型在参数量、计算量和平均准确率方面均有显著优势。消融实验进一步验证了ShuffleNet v2和CBAM对提升检测精度和实时性的贡献。通过这些改进,模型的参数量较原YOLOv5模型减少了5.26 Mibit,计算量减少了10.3 Gibit,平均准确率提升了4%,展现了其在变电设备智能巡视领域的应用潜力。
展开更多
关键词
变电设备
YOLOv5
ShuffleNet
卷积块注意力模块
有效交并比
下载PDF
职称材料
基于改进YOLOv7的织物疵点检测算法
被引量:
1
20
作者
毋涛
崔青
+2 位作者
殷强
邓魏永
梁芷
《纺织高校基础科学学报》
CAS
2023年第4期29-36,共8页
针对织物疵点检测方式大多为人工操作且检测耗时、背景复杂、所含疵点种类繁多等问题,提出一种改进YOLOv7算法的轻量级检测方法。首先,在主干和颈部引入FasterNet结构,在保证检测精度的同时又降低网络参数量;其次,为减少位置信息丢失,...
针对织物疵点检测方式大多为人工操作且检测耗时、背景复杂、所含疵点种类繁多等问题,提出一种改进YOLOv7算法的轻量级检测方法。首先,在主干和颈部引入FasterNet结构,在保证检测精度的同时又降低网络参数量;其次,为减少位置信息丢失,在特征提取阶段引入CA注意力模块,以提高网络的表达能力;最后,引入新的损失函数Focal-EIoU,将Focal与EIoU相结合,提高疵点的分类和定位精度。通过对构建的含有6种疵点的面料数据集进行测试可以看出,相比于原算法,所提算法计算量GFLOPS降低至38.6,参数量降低6.14×10^(6),平均精度均值提高4.6%,漏检率降低5.5%,帧率达到63.2帧/s。
展开更多
关键词
YOLOv7
织物疵点检测
FasterNet
注意力机制
Focal-
eiou
下载PDF
职称材料
题名
基于改进YOLOv5s的海下垃圾检测算法
1
作者
吴观茂
王涛
机构
安徽理工大学计算机科学与工程学院
出处
《湖北理工学院学报》
2024年第1期47-51,共5页
基金
安徽省自然科学基金面上项目(项目编号:1908085MF189)
安徽省重点研究与开发计划项目(项目编号:202004b11020029)。
文摘
为了提升海下垃圾检测精度,降低漏检频率,提出了一种基于改进YOLOv5s的检测算法。该算法添加了ECA模块来关注感兴趣区域,构造了四级多尺度特征融合使提取的特征图信息更加丰富,引用损失函数使得边框回归更加合适与准确。改进的YOLOv5s算法在TrashCan数据集上的mAP由原来的87.3%提高到92.1%,具有较高的精度。
关键词
海下垃圾
深度学习
小目标
多尺度融合
eiou
Keywords
undersea garbage
deep learning
small target
multi-scale fusion
eiou
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YOLOv5的路面裂缝检测方法
2
作者
王向前
成高立
胡鹏
夏晓华
机构
陕西高速机械化工程有限公司
长安大学公路养护装备国家工程研究中心
出处
《电子技术应用》
2024年第3期80-85,共6页
基金
陕西省交通运输厅科研项目重点项目(23-10X)。
文摘
针对现有裂缝检测模型体积较大且检测精度不高的问题,提出一种基于轻量化网络的无人机航拍图像裂缝检测方法。首先,使用MobileNetv3网络替代YOLOv5的主干网络,降低模型大小;其次,引入C3TR和CBAM模块提高网络表征能力,将损失函数替换为EIOU以提高模型的鲁棒性。实验结果表明,该方法在自制数据集上获得98.9%的精度,相较于原始YOLOv5提高1.2%,模型大小减小51.5%,检测速度提高37%。改进后的模型在精度、大小和速度上均优于Faster-RCNN等4种常见裂缝检测模型,满足了裂缝检测的实时性、轻量化和精度需求。
关键词
路面裂缝检测
YOLOv5
目标检测
C3TR
CBAM
eiou
Keywords
road surface crack detection
YOLOv5
object detection
C3TR
CBAM
eiou
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
U418.6 [交通运输工程—道路与铁道工程]
下载PDF
职称材料
题名
改进YOLOv5的遥感图像目标检测
3
作者
刘国新
朱福珍
巫红
机构
黑龙江大学电子工程学院
出处
《黑龙江大学自然科学学报》
CAS
2024年第1期109-115,共7页
基金
黑龙江省省属高校基本科研业务费项目(2023-KYYWF-1436,2022-KYYWF-1090)
国家自然科学基金资助项目(61601174,62341503)
+1 种基金
黑龙江省“双一流”学科协同创新成果孵化项目(LJGXCG2023-046)
黑龙江大学横向课题项目(2023230101001032)。
文摘
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%。
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
Keywords
target detection
YOLOv5
CBAM
BiFPN
EloU
分类号
TP317 [自动化与计算机技术—计算机软件与理论]
下载PDF
职称材料
题名
基于改进YOLOv7的机载红外弱小目标检测算法
4
作者
张子林
喻松林
王戈
刘彤
机构
华北光电技术研究所
出处
《激光与红外》
CAS
CSCD
北大核心
2024年第1期84-91,共8页
文摘
随着现代化战争的技术升级,机载红外探测领域对更快更远更准地发现目标的需求日益强烈。为满足机载环境下对红外弱小目标高精度高帧率的检测,本文提出了一种基于YOLOv7改进的目标检测算法,以YOLOv7目标检测算法为基础,进行了修改网络结构和加深卷积层数来使特征提取更多的小目标信息特征;并对骨干网络获取的特征层引入注意力机制来提高神经网络对小目标的感知能力以及提高小目标所在区域的权重占比;使用EIOU损失函数替换原本的CIOU损失函数,提高了收敛速度和定位精度。实验结果表明,相较于原算法YOLOv7,在极小损失帧率的情况下,改进后的算法mAP可以达到98.49%,相较原始算法提升了1.24%,有助于提升对机载红外弱小目标的检测准确率。
关键词
机载红外探测
YOLOv7
注意力机制
eiou
损失函数
Keywords
airborne infrared detection
YOLOv7
attention mechanism
eiou
loss function
分类号
TP391.9 [自动化与计算机技术—计算机应用技术]
TN219 [电子电信—物理电子学]
下载PDF
职称材料
题名
基于改进YOLOv5的港口集装箱损伤检测算法
5
作者
裴晓芳
刘菁宇
柏雪
周进
衡晓钰
机构
无锡学院电子信息工程学院
南京信息工程大学电子与信息工程学院
出处
《国外电子测量技术》
2024年第2期16-25,共10页
基金
国家自然科学基金委青年基金(42205078)
高校哲学社会科学研究一般项目(2022SJYB0979)
+3 种基金
苏高教会“高质量公共课教学改革研究”专项课题(2022JDKT138)
无锡学院教改课题(JGZD202107-3-11)
教育部产学合作协同育人项目(220703806203838,220702116135122)
2022江苏省大学生创新创业训练计划(202213982054Y)项目资助。
文摘
针对港口复杂环境背景下,不同尺度间多种类集装箱损伤目标检测精度低的问题,提出一种基于改进YOLOv5的港口集装箱损伤检测算法。通过使用一维卷积改进卷积块注意力机制(CBAM)中空间注意力模块的池化操作,后设计残差结构,并验证在不同位置引入改进的CBAM基本块对模型性能的影响,探索尽量减小复杂背景对检测结果影响的最佳方案及融合位置;为有效解决不同集装箱损伤图像尺度特征变换较大的问题,依据双向特征融合网络(Bi-FPN)结构思想,对颈部特征融合网络进行改进,在不过多增加计算量的情况下,更好地增强网络对多尺度目标的特征融合能力;最后将EIOU Loss替换GIOU Loss作为算法的损失函数,在降低算法边界框回归损失的同时提高算法的检测精度。实验结果表明,改进YOLOv5算法的平均检测精度达到了98.32%,较原YOLOv5目标检测算法提高了4.28%,同时保证了检测速度,验证了所提出算法的有效性,对港口企业高精度验箱的工业部署有重要意义。
关键词
集装箱损伤
目标检测
YOLOv5
CBAM
Bi-FPN
eiou
Keywords
container damage
target detection
YOLOv5
CBAM
Bi-FPN
eiou
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YOLOv5s室内目标检测轻量化改进算法研究
6
作者
牛鑫宇
毛鹏军
段云涛
娄晓恒
机构
河南科技大学机电工程学院
出处
《计算机工程与应用》
CSCD
北大核心
2024年第3期109-118,共10页
基金
洛阳市科技重大专项(2101018A)。
文摘
针对现有室内目标检测算法,存在结构复杂,计算量以及模型参数量过大等问题,难以部署到计算能力有限的室内机器人平台,实现高效的目标检测。为解决这一问题,提出了一种改进的YOLOV5s轻量化检测算法。该方法采用ShuffleNetv2作为主干特征提取网络,并且在改进的主干网络基础上采用CA注意力机制,同时在颈部网络中采用GSConv和VOV-GSCSP模块。最后引入边框回归损失函数EIOU加快网络收敛。研究结果表明,改进后的目标检测算法,模型计算量减少了68.75%,模型参数量减少了62.2%,权重文件减少了59.7%,平均精确率mAP均值为0.653,改进后的目标检测模型能够在保证轻量化的同时保证检测精度。
关键词
YOLOv5s
轻量化
ShuffleNetv2网络
CA注意力机制
GSConv模块
VOV-GSCSP模块
eiou
损失函数
Keywords
YOLOv5s
light weight
ShuffleNetv2
CA attention mechanism
GSConv module
VOV-GSCSP module
eiou
loss function
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
OMC框架下的行人多目标跟踪算法研究
7
作者
贺愉婷
车进
吴金蔓
马鹏森
机构
宁夏大学物理与电子电气工程学院
宁夏沙漠信息智能感知重点实验室
出处
《计算机工程与应用》
CSCD
北大核心
2024年第5期172-182,共11页
基金
国家自然科学基金(61861037)
宁夏大学研究生创新研究项目(CXXM202223)。
文摘
多目标跟踪是计算机视觉领域被广泛研究的重要方向,但是在实际应用中,目标的快速移动、光照变化、遮挡等问题会导致跟踪性能变差,因此以多目标跟踪模型OMC为基础框架展开研究,以实现跟踪性能的进一步提升。针对多目标跟踪过程中存在的目标特征质量层次不齐的问题,对特征提取器进行优化,在主干网络集成了GAM注意力机制并在Neck网络部分更换了上采样方式;针对现有方法中存在的检测任务和重识别任务之间的“竞争问题”,构建了递归交叉相关网络,使得模型可以学习不同任务的特性和共性。此处针对两个子任务分别进行了优化,一是设计了新的通道注意力HS-CAM优化了重识别网络;二是更换了检测部分的边界回归损失函数,采用EIoU损失函数。实验表明,在MOT16数据集上MOTA指标可达73.5%,IDF1可达70.4%,MLgt为11.7%,相比较OMC算法减少了1.5个百分点。
关键词
计算机视觉
多目标跟踪
GAM注意力机制
转置卷积
eiou
损失函数
Keywords
computer vision
multi-object tracking
GAM attention mechanism
transposed convolution
eiou
loss function
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
改进YOLOv5算法对售药机中药盒检测计数
8
作者
李宏生
陈波
钱俊磊
曾凯
机构
华北理工大学电气工程学院
出处
《计算机工程与设计》
北大核心
2024年第5期1572-1579,共8页
基金
河北省省属高等学校基本科研业务费研究基金项目(JYG2020004)
唐山市科技计划基金项目(22130204G)。
文摘
为解决自动售药机中药盒传统机器视觉算法检测正确率低的问题,提出一种改进的YOLOv5-CBE算法。通过Imgaug数据增强方法对现有682张自动售药机拍摄的药品图片数据集进行数据增强,训练前采用Mosaic算法,对数据集裁剪、拼接,生成新的样本图片。在YOLOv5的backbone中嵌入CA机制提升对药盒特征的提取能力;在head层中使用BIFPN结构,实现双向跨尺度连接和加权特征融合;采用EIOU替代CIOU提升算法的收敛速度和检测精度。经过682张数据样本150轮的测试,改进后的YOLOv5-CBE算法平均精度达到了98.7%,相比于YOLOv5s准确率提高了3.0%,召回率提高了2.6%。
关键词
药盒
计数
目标检测
加权双向金字塔
坐标注意力机制
eiou
损失函数
马赛克增强
Keywords
pill kit
detection count
object detection
BIFPN
coordinate attention mechanism
eiou
mosaic
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YOLOv5的织物缺陷检测
9
作者
陈淼
张胜利
季坚莞
机构
浙江理工大学科技与艺术学院
出处
《毛纺科技》
CAS
北大核心
2024年第1期99-106,共8页
基金
教育部产学合作协同育人项目(202102357013)
浙江理工大学科技与艺术学院劳动一流课程建设项目(Kykc2206)。
文摘
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。
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
Keywords
YOLOv5
defect detection
attention mechanism
Bi-directional Feature Pyramid Network
Focal
eiou
Loss
分类号
TS107 [轻工技术与工程—纺织工程]
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
融合RepVGG的YOLOv5交通标志识别算法
10
作者
郭华玲
刘佳帅
郑宾
殷云华
赵棣宇
机构
中北大学电气与控制工程学院
瞬态冲击技术重点实验室
出处
《科学技术与工程》
北大核心
2024年第9期3869-3875,共7页
基金
山西省基础研究计划(自由探索类)(202103021224221)。
文摘
实现自动驾驶的安全性需要准确检测交通标志。针对传统方法在交通标志检测方面存在准确度不高的问题,提出一种融合RepVGG模块的改进YOLOv5的交通标志识别算法。首先通过将RepVGG模块替换原算法中的部分CBS模块,增强了特征提取能力。并在特征融合模块引入通道注意力模块(channel block attention module,CBAM),强化检测模型的抗干扰能力。最后,在网络训练过程中,使用高效交并比(efficient-IoU,EIoU)损失函数实现对目标更精确的定位,提高算法的检测精度与迭代速度。实验结果表明,改进后的YOLOv5算法迭代速度更快,在CCTSDB交通标志数据集上,其相较于原YOLOv5算法的准确率、召回率和平均准确率分别提升了4.99%、3.62%、1.73%,能够更好地应用到实践当中。
关键词
深度学习
YOLOv5
RepVGG
注意力机制
eiou
交通标志识别
Keywords
deep learning
YOLOv5
RepVGG
attention mechanism
eiou
traffic sign recognition
分类号
U491.5 [交通运输工程—交通运输规划与管理]
TP391.41 [自动化与计算机技术—计算机应用技术]
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于改进YOLOX的钢材表面缺陷检测研究
11
作者
刘毅
蒋三新
机构
上海电力大学电子与信息工程学院
出处
《现代电子技术》
北大核心
2024年第9期131-138,共8页
文摘
针对目前单阶段目标检测网络YOLOX的特征提取能力不足、特征融合不充分以及钢材表面缺陷检测精度不高等问题,提出一种改进YOLOX的钢材表面缺陷检测算法。首先,在Backbone部分引入改进的SE注意力机制,增添一条最大池化层分支,进行权重融合,强化重要的特征通道;其次,在Neck部分引入ASFF模块,充分利用不同尺度的特征,更好地进行特征融合;最后,针对数据集所呈现的特点,将IOU损失函数替换为EIOU损失函数,改善模型定位不准确的问题,提高缺陷检测精度。实验结果表明,改进的YOLOX算法具有良好的检测效果,在NEU⁃DET数据集上的mAP达到了75.66%,相比原始YOLOX算法提高了3.74%,较YOLOv6提升了2.76%,检测精度优于其他主流算法。
关键词
YOLOX
单阶段目标检测网络
SE注意力机制
ASFF模块
表面缺陷检测
eiou
损失函数
Keywords
YOLOX
single⁃stage object detection network
SE attention mechanism
ASFF module
surface defect detection
eiou
loss function
分类号
TN911.73-34 [电子电信—通信与信息系统]
TP34 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
基于YOLOv7-Tiny的车牌及放大号检测研究
12
作者
陈冠宇
尚雅层
机构
西安工业大学机电工程学院
出处
《价值工程》
2024年第7期104-106,共3页
基金
陕西省重点研发计划项目(2020GY-160)。
文摘
由于大型车辆的后车牌容易污损和遮挡,目前车牌号的识别对于这种情况有明显缺陷。提出将车牌放大号和车牌共同检测后再识别,提升车牌识别算法的适用性。本文基于YOLOv7-Tiny检测,算法先后采用更换主干网络和卷积模块实现模型轻量化,通过改进损失函数来提升精度。实验表明,在YOLOv7-Tiny更换Mobilenetv3主干网络、GSConv卷积核和Focal-EIoU后,实现模型体积下降35%,参数量下降37%,运算量下降58%,从而实现一种轻量化的模型。
关键词
放大号
YOLOv7-Tiny
Mobilenetv3
GSConv
Focal-
eiou
Keywords
enlarged license plate number
YOLOv7-Tiny
Mobilenetv3
GSConv
Focal-
eiou
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
改进YOLOv5-S的交通标志检测算法
13
作者
刘海斌
张友兵
周奎
张宇丰
吕圣
机构
湖北汽车工业学院汽车工程师学院Sharing-X移动服务技术平台联合实验室
出处
《计算机工程与应用》
CSCD
北大核心
2024年第5期200-209,共10页
基金
湖北省科技重大专项(2020AAA001)
湖北省重点研发计划项目(2021BED004,2023BAB169)。
文摘
在自动驾驶领域,现有的交通标志检测方法在检测复杂背景中的标志时存在着漏检或误检的问题,降低了智能汽车的可靠性。对此,提出了一种改进YOLOv5-S的实时交通标志检测算法。在特征提取网络中融合坐标注意力机制,通过构建目标的长范围依赖来捕获物体的位置感知,使得算法聚焦于重点的特征区域;引入Focal-EIoU损失函数来取代CIoU,使其更关注高质量的分类样本,提高对难分类样本的学习能力,减少漏检或者误检的问题;在网络中融合轻量级卷积技术GSConv,降低模型的计算量。增加新的小目标检测层,通过更丰富的特征信息提高小尺寸标志的检测效果。实验结果表明,改进方法的mAP@0.5和mAP@0.5:0.95分别为88.1%和68.5%,检测速度达到了83 FPS,能够满足实时可靠的检测需求。
关键词
交通标志检测
YOLOv5
坐标注意机制
Focal-
eiou
GSConv
Keywords
traffic sign detection
YOLOv5
coordinate attention mechanism
Focal-
eiou
GSConv
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YOLOv5s模型的边界框回归损失函数研究
14
作者
董恒祥
潘江如
董芙楠
赵晴
郭鸿鑫
机构
新疆农业大学交通与物流工程学院
新疆工程学院控制工程学院
出处
《现代电子技术》
北大核心
2024年第3期179-186,共8页
文摘
针对车辆检测中边界框回归损失函数与检测目标尺度不匹配导致的误检、漏检以及精度较低等问题,基于YOLOv5s模型对4种有代表性的边界框回归损失函数进行对比实验,并在UA-DETRA、VisDrone2019、KITTI数据集上进行验证,利用漏检率、误检率、准确率、召回率、mAP@0.5、迭代过程的边界框损失值以及目标检测结果对其适用场景进行分析研究。结果显示:CIoU整体性能最差;SIoU在KITTI数据集上整体性能最优,准确率最高,达到了94.5%,漏检率降到了1.2%,适用于中尺度目标检测任务;Focal-EIoU在VisDrone2019数据集中各项指标远优于其他损失函数,召回率和mAP@0.5指标相较于CIoU分别提高了1.6%和1.8%,误检率降低了6.9%,且迭代过程损失值远低于其他损失函数,适用于小尺度目标检测任务;WIoU在UA-DETRA数据集整体性能最优,漏检率、召回率以及mAP@0.5指标优于其他损失函数,适用于大尺度目标检测任务。此研究为目标检测任务的边界框回归损失函数的选择提供了重要的基础。
关键词
车辆检测
边界框回归损失函数
目标尺度
YOLOv5s
CIoU
SIoU
Focal-
eiou
WIoU
Keywords
vehicle inspection
bounding box regression loss function
object scale
YOLOv5s
CIoU
SIoU
Focal⁃
eiou
WIoU
分类号
TN911.1-34 [电子电信—通信与信息系统]
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YOLOv5的手机外观缺陷检测算法
15
作者
潘金晶
曾成
张晶
耿雪娜
机构
长园视觉科技(珠海)有限公司
长春理工大学计算机科学技术学院
出处
《黑龙江科学》
2024年第8期39-43,共5页
基金
国家自然科学基金青年科学基金(批准号:62206028)。
文摘
提出一种手机外观缺陷检测的改进算法YOLOv5-CBE。该算法在YOLOv5框架的基础上,在主干网络的C3模块中加入坐标注意力(coordinate attention, CA)机制,可同时考虑通道间的关系和位置信息,使模型更准确地定位并识别到目标区域。借鉴加权双向特征金字塔网络(Bidirectional feature pyramid network, BiFPN)的思想,将Neck部分的concat模块替换为多尺度特征融合结构,使不同分辨率的特征更有效地融合。使用Focal-EIoU替代原模型中的边界框回归损失函数CIoU,使回归过程更专注于高质量的预测框,提高了定位精度。在工业相机成相的手机外观缺陷数据集上进行测试,结果表明,与YOLOv5模型相比,基于Focal-EIoU的YOLOv5模型召回率(recall)和平均精度均值(mAP50)分别提升了4.7%、1.9%;改进算法的精确率(precision)、召回率(recall)、平均精度均值(mean average precision, mAP50)均有明显提升,分别提升了1.2%、5.6%、5.3%。
关键词
缺陷检测
坐标注意力
多尺度特征融合
Focal-
eiou
YOLOv5
Keywords
Defect detection
Coordinate attention
Multi-scale feature fusion
Focal-
eiou
YOLOv5
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
改进YOLOv5s的车辆目标检测研究
16
作者
李甜
林贵敏
余烨楷
机构
闽江学院物理与电子信息工程学院
福建师范大学光电与信息工程学院
深圳万科梅沙书院
出处
《时代汽车》
2024年第1期16-18,共3页
基金
福建省自然科学基金项目(2019J01761,2023J011401)
福建省本科高校教育教学研究项目(FBJY20230095)。
文摘
为改善在车辆目标检测中实时性和精确度低的问题,提出一种改进的YOLOv5s算法。引入CBAM(Channel Attention Module)注意力模块,以增强网络对特征的关注度;将CIoU Loss替换为EIoU Loss提高目标边界框的回归速度和定位精度;新增一个小目标检测头,提高模型对小目标的检测能力。实验结果显示:改进后的YOLOv5s算法相较原始算法m AP0.5提高11.4%,mAP0.5:0.95提高了7.3%。在满足实时性的同时,模型检测精度大幅提升。
关键词
YOLOv5s
目标检测
车辆检测
注意力机制
eiou
Keywords
YOLOv5s
object detection
vehicle detection
attention mechanism
eiou
分类号
G63 [文化科学—教育学]
下载PDF
职称材料
题名
基于MBE-YOLOv5的轻量化化工袋目标检测方法
17
作者
刘伟鑫
林邦演
黄汉亿
李旻龙
机构
东莞市新一代人工智能产业技术研究院
出处
《自动化与信息工程》
2024年第2期34-40,共7页
文摘
针对化工厂中化工袋种类繁多、遮挡干扰、放置复杂等因素,导致化工袋识别模型的定位效果较差、实时性不佳等问题,提出一种基于MBE-YOLOv5的轻量化化工袋目标检测方法。首先,用MobileNetV3网络替换YOLOv5的主干网络,降低模型的参数和运算量,提高模型的检测速度;然后,在YOLOv5的颈部网络引入双向特征金字塔网络结构进行多尺度特征融合,提高模型的识别准确率;最后,采用EIoU函数优化损失,提高模型的定位精度。实验结果表明,MBE-YOLOv5模型相比YOLOv5模型,参数量下降了37.7%,运算量降低了58.1%,检测速度提升了9.5%,mAP@0.5提高了0.7%;在检测速度和检测精度之间取得较好的平衡,能满足化工袋在线检测识别定位的要求。
关键词
YOLOv5模型
MobileNetV3网络
双向特征金字塔网络
eiou
函数
化工袋目标检测
Keywords
YOLOv5 model
MobileNetV3 network
bidirectional feature pyramid network
eiou
function
chemical bag target detection
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
改进的YOLOv4头盔佩戴目标检测研究
18
作者
余晨晨
机构
安徽理工大学机械工程学院
出处
《沈阳工程学院学报(自然科学版)》
2024年第1期75-81,共7页
基金
芜湖市研究院研发专项基金资助项目(ALW2021YF10)。
文摘
针对骑手在骑行时是否佩戴头盔对交通安全的影响问题,提出了一种改进的YOLOv4算法,能够更准确地识别和检测骑手是否佩戴头盔,从而为骑手提供安全保障。首先,选择轻量级网络MobileNetv1作为主干特征网络,并将YOLOv4网络中尺寸为3×3、步长为1的标准卷积层均替换为深度可分离卷积,减少模型计算量的同时提升检测速度;其次,引入ECA注意力机制,关注重点特征并抑制非必要特征,增加特征网络表现力;最后,引入改进的损失函数Focal-EIOU,改善常见的样本不均衡问题。实验结果表明:改进的YOLOv4算法生成的模型权重大小为48.43 M,是YOLOv4算法权重大小的19.3%,检测速度由33.40帧/秒提升至50.40帧/秒,mAP值为95.56%,在满足精确性的前提下更有利于轻量化部署。
关键词
YOLOv4
目标检测
MobileNetv1
ECA注意力机制
Focal-
eiou
Keywords
YOLOv4
Object detection
MobileNetv1
ECA attention mechanism
Focal-
eiou
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
基于多模态感知的变电站智能巡视技术
19
作者
吴碧海
王超
魏嘉隆
裴星宇
机构
南方电网广东珠海供电局
出处
《广东电力》
北大核心
2024年第3期54-63,共10页
基金
中国南方电网有限责任公司科技项目(030400KK52190114(GDKJXM20198090))。
文摘
针对目前变电设备识别和故障定性过程中的低效和人工依赖问题,提出一种改进的YOLOv5模型,可用于变电站设备的自动化识别和故障检测。首先,在主干网络引入ShuffleNet v2,降低模型的计算量和参数量,实现模型轻量化处理;然后,引入有效交并比损失函数,提高预测框的回归精度和收敛速度;最后,在网络中嵌入卷积块注意力模块(convolutional block attention module, CBAM),提高模型检测的准确率。在自建数据集上的实验结果显示,与其他6种模型相比,改进的YOLOv5模型在参数量、计算量和平均准确率方面均有显著优势。消融实验进一步验证了ShuffleNet v2和CBAM对提升检测精度和实时性的贡献。通过这些改进,模型的参数量较原YOLOv5模型减少了5.26 Mibit,计算量减少了10.3 Gibit,平均准确率提升了4%,展现了其在变电设备智能巡视领域的应用潜力。
关键词
变电设备
YOLOv5
ShuffleNet
卷积块注意力模块
有效交并比
Keywords
substation equipment
YOLOv5
ShuffleNet
convolutional block attention module(CBAM)
efficient intersection over union(
eiou
)
分类号
TM63 [电气工程—电力系统及自动化]
TP277 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
基于改进YOLOv7的织物疵点检测算法
被引量:
1
20
作者
毋涛
崔青
殷强
邓魏永
梁芷
机构
西安工程大学计算机科学学院
中国纺织工业联合会
华宇铮蓥集团
出处
《纺织高校基础科学学报》
CAS
2023年第4期29-36,共8页
基金
国家自然科学基金面上项目(62176204)。
文摘
针对织物疵点检测方式大多为人工操作且检测耗时、背景复杂、所含疵点种类繁多等问题,提出一种改进YOLOv7算法的轻量级检测方法。首先,在主干和颈部引入FasterNet结构,在保证检测精度的同时又降低网络参数量;其次,为减少位置信息丢失,在特征提取阶段引入CA注意力模块,以提高网络的表达能力;最后,引入新的损失函数Focal-EIoU,将Focal与EIoU相结合,提高疵点的分类和定位精度。通过对构建的含有6种疵点的面料数据集进行测试可以看出,相比于原算法,所提算法计算量GFLOPS降低至38.6,参数量降低6.14×10^(6),平均精度均值提高4.6%,漏检率降低5.5%,帧率达到63.2帧/s。
关键词
YOLOv7
织物疵点检测
FasterNet
注意力机制
Focal-
eiou
Keywords
YOLOv7
fabric defect detection
FasterNet
attention mechanism
Focal-
eiou
分类号
TS101.9 [轻工技术与工程—纺织工程]
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YOLOv5s的海下垃圾检测算法
吴观茂
王涛
《湖北理工学院学报》
2024
0
下载PDF
职称材料
2
基于改进YOLOv5的路面裂缝检测方法
王向前
成高立
胡鹏
夏晓华
《电子技术应用》
2024
0
下载PDF
职称材料
3
改进YOLOv5的遥感图像目标检测
刘国新
朱福珍
巫红
《黑龙江大学自然科学学报》
CAS
2024
0
下载PDF
职称材料
4
基于改进YOLOv7的机载红外弱小目标检测算法
张子林
喻松林
王戈
刘彤
《激光与红外》
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
5
基于改进YOLOv5的港口集装箱损伤检测算法
裴晓芳
刘菁宇
柏雪
周进
衡晓钰
《国外电子测量技术》
2024
0
下载PDF
职称材料
6
基于YOLOv5s室内目标检测轻量化改进算法研究
牛鑫宇
毛鹏军
段云涛
娄晓恒
《计算机工程与应用》
CSCD
北大核心
2024
0
下载PDF
职称材料
7
OMC框架下的行人多目标跟踪算法研究
贺愉婷
车进
吴金蔓
马鹏森
《计算机工程与应用》
CSCD
北大核心
2024
0
下载PDF
职称材料
8
改进YOLOv5算法对售药机中药盒检测计数
李宏生
陈波
钱俊磊
曾凯
《计算机工程与设计》
北大核心
2024
0
下载PDF
职称材料
9
基于改进YOLOv5的织物缺陷检测
陈淼
张胜利
季坚莞
《毛纺科技》
CAS
北大核心
2024
0
下载PDF
职称材料
10
融合RepVGG的YOLOv5交通标志识别算法
郭华玲
刘佳帅
郑宾
殷云华
赵棣宇
《科学技术与工程》
北大核心
2024
0
下载PDF
职称材料
11
基于改进YOLOX的钢材表面缺陷检测研究
刘毅
蒋三新
《现代电子技术》
北大核心
2024
0
下载PDF
职称材料
12
基于YOLOv7-Tiny的车牌及放大号检测研究
陈冠宇
尚雅层
《价值工程》
2024
0
下载PDF
职称材料
13
改进YOLOv5-S的交通标志检测算法
刘海斌
张友兵
周奎
张宇丰
吕圣
《计算机工程与应用》
CSCD
北大核心
2024
0
下载PDF
职称材料
14
基于YOLOv5s模型的边界框回归损失函数研究
董恒祥
潘江如
董芙楠
赵晴
郭鸿鑫
《现代电子技术》
北大核心
2024
0
下载PDF
职称材料
15
基于改进YOLOv5的手机外观缺陷检测算法
潘金晶
曾成
张晶
耿雪娜
《黑龙江科学》
2024
0
下载PDF
职称材料
16
改进YOLOv5s的车辆目标检测研究
李甜
林贵敏
余烨楷
《时代汽车》
2024
0
下载PDF
职称材料
17
基于MBE-YOLOv5的轻量化化工袋目标检测方法
刘伟鑫
林邦演
黄汉亿
李旻龙
《自动化与信息工程》
2024
0
下载PDF
职称材料
18
改进的YOLOv4头盔佩戴目标检测研究
余晨晨
《沈阳工程学院学报(自然科学版)》
2024
0
下载PDF
职称材料
19
基于多模态感知的变电站智能巡视技术
吴碧海
王超
魏嘉隆
裴星宇
《广东电力》
北大核心
2024
0
下载PDF
职称材料
20
基于改进YOLOv7的织物疵点检测算法
毋涛
崔青
殷强
邓魏永
梁芷
《纺织高校基础科学学报》
CAS
2023
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
2
…
5
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