期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于改进PP-YOLOv2的IC引脚焊接缺陷检测算法研究 被引量:5
1
作者 李娜 王学影 +2 位作者 胡晓峰 郭斌 罗哉 《计量学报》 CSCD 北大核心 2023年第10期1574-1581,共8页
针对IC引脚焊接缺陷因目标尺寸小、引脚密集导致检测精度低等问题,提出一种基于改进PP-YOLOv2的IC引脚焊接缺陷检测算法。通过在骨干网络后引入SE注意力机制,区分特征图中不同通道的重要性,强化目标区域的关键特征,提升网络的特征提取... 针对IC引脚焊接缺陷因目标尺寸小、引脚密集导致检测精度低等问题,提出一种基于改进PP-YOLOv2的IC引脚焊接缺陷检测算法。通过在骨干网络后引入SE注意力机制,区分特征图中不同通道的重要性,强化目标区域的关键特征,提升网络的特征提取能力。使用k-means++聚类算法产生9个聚类中心,以降低因初始聚类中心随机选择不当对检测结果所造成的误差影响。实验结果表明:改进算法对IC引脚焊接短路、缺脚、翘脚、少锡缺陷检测的平均精度分别为97.9%, 96.1%, 96.7%, 95.8%;在阈值为0.5的情况下,平均精度均值达到了96.6%,与YOLOv3、PP-YOLOv2相比,分别提高了14.9%, 5.1%。改进算法对单幅图片的检测时间为0.151 s,满足IC质检的速度要求,为IC引脚焊接缺陷检测提供了参考价值。 展开更多
关键词 计量学 焊接缺陷检测 IC引脚 改进pp-yolov2算法 SE注意力机制 k-means++ 机器视觉
下载PDF
基于PP-YOLOv2的高效课堂行为检测方法
2
作者 陈憶悯 李万益 +7 位作者 郑嘉颖 翁汉锐 钱焯贤 黄靖敏 伦家琪 陈强 张谦 邬依林 《现代计算机》 2023年第20期22-28,共7页
课堂行为检测在教育领域具有重要意义,可以评估学生的参与度和专注度。然而,传统方法复杂且耗时。提出了基于PP-YOLOv2的课堂行为检测方法,利用计算机视觉和深度学习技术采集和标注学生样本数据集,并进行数据预处理。通过应用Mish激活函... 课堂行为检测在教育领域具有重要意义,可以评估学生的参与度和专注度。然而,传统方法复杂且耗时。提出了基于PP-YOLOv2的课堂行为检测方法,利用计算机视觉和深度学习技术采集和标注学生样本数据集,并进行数据预处理。通过应用Mish激活函数,提升了模型的学习能力和行为检测的准确性。该研究对于实时监测和评估学生行为,改善教学效果并促进个性化学习具有重要意义。实验结果表明,该方法在课堂环境中展现出良好性能,为教育工作者提供了高效准确的课堂行为检测工具。进一步研究可以扩展应用范围,并优化算法以提高性能。 展开更多
关键词 课堂行为检测 深度学习 pp-yolov2
下载PDF
基于PP-YOLOv2电厂场景的安全帽佩戴检测 被引量:1
3
作者 辜诚炜 谌志东 +2 位作者 罗仁强 周宏贵 郑春华 《现代信息科技》 2023年第18期114-118,共5页
在电厂作业现场因未佩戴安全帽而导致人员伤亡的事件时有发生,人工监测方式不能做到及时发现实时提醒,且容易因视觉疲劳而错过一些目标,从而造成不必要的人员伤亡。基于此,文章提出一种基于PP-YOLOv2电厂场景的安全帽佩戴检测方法。基... 在电厂作业现场因未佩戴安全帽而导致人员伤亡的事件时有发生,人工监测方式不能做到及时发现实时提醒,且容易因视觉疲劳而错过一些目标,从而造成不必要的人员伤亡。基于此,文章提出一种基于PP-YOLOv2电厂场景的安全帽佩戴检测方法。基于百度飞桨深度学习框架,使用PP-YOLOv2神经网络,向训练数据集中添加电厂数据并使其占比超过1/3,可训练安全帽识别mAP(Mean Average Precision)高达94%的神经网络模型。同时,文章举例了电厂摄像头景深较深的画面,人在摄像头画面中占比较小,而公开数据集数据的景深较浅,在训练前该团队成员对部分数据进行了重新标注,增强了模型在电厂应用的泛化能力。 展开更多
关键词 深度学习 安全帽佩戴检测 pp-yolov2网络 神经网络
下载PDF
改进PP-YOLOv2的水下侧扫声呐图像多目标识别
4
作者 王芳 李慧涛 +3 位作者 王凯 魏薇 李晶 张立立 《南开大学学报(自然科学版)》 CAS CSCD 北大核心 2024年第3期1-7,共7页
针对水下侧扫声呐图像对比度低、噪声强度大,现有深度学习方法特征提取能力不足的问题,提出基于PP-YOLOv2引入注意力机制的改进侧扫声呐多目标识别方法.首先,针对侧扫声呐图像信噪比大、不同声呐设备生成的图像大小不一等特点,设计有效... 针对水下侧扫声呐图像对比度低、噪声强度大,现有深度学习方法特征提取能力不足的问题,提出基于PP-YOLOv2引入注意力机制的改进侧扫声呐多目标识别方法.首先,针对侧扫声呐图像信噪比大、不同声呐设备生成的图像大小不一等特点,设计有效的图像预处理方法,包括噪声过滤、图像增强等;其次,基于当前目标检测性能很好的PP-YOLOv2模型设计改进,更换BotNet_dcn为模型主干网络,引入注意力机制提高网络特征提能力;最后,设计新的解耦头替换原耦合检测头,针对侧扫声呐图像的小目标进行精细化预测.结果表明:与原始PP-YOLOv2相比,所提方法在平均识别精度上提升了4.4%;与两种主流的基于卷积神经网络的方法相比,所提方法在平均识别精度上分别提升了4.66%和5.42%,同时在识别效率上分别提升32.4%和27.6%. 展开更多
关键词 水下侧扫声呐 多目标识别 pp-yolov2 图像预处理 注意力机制 解耦头
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部