检索结果-南通市图书馆

兵器装备工程学报 2024年第2期45卷 278-283页

作者：廖欢朱文球雷源毅徐轲湖南工业大学湖南株洲412000

针对遥感图像场景复杂、目标尺寸不一、且小尺寸目标过多导致的检测精度不佳和出现漏检等问题,提出了一种融合全局上下文注意力的目标检测算法。该算法提出一种全局上下文注意力机制和YOLOv5中C3结构融合的模块,以提升网络捕捉图像全局... 详细信息

针对遥感图像场景复杂、目标尺寸不一、且小尺寸目标过多导致的检测精度不佳和出现漏检等问题,提出了一种融合全局上下文注意力的目标检测算法。该算法提出一种全局上下文注意力机制和YOLOv5中C3结构融合的模块,以提升网络捕捉图像全局特征的能力;通过Varifocal Loss损失函数来提升对密集、尺寸小的目标的检测性能;采用基于归一化的注意力模块,降低图像中不太显著的特征和权重,使网络能够达到更高的检测准确率;利用动态卷积学习各个维度的信息,让训练得到的模型在降低GFLOPs情况下,同时保持检测精度提升。在NWPU VHR-10数据集上实验结果mAP为96.0%、准确率为98.2%、召回率为94.9%,较原YOLOv5模型分别提升了1.8%、4.7%和2.2%,证明了所改进YOLOv5方法的有效性。

关键词： YOLOv5 遥感图像 Varifocal Loss 全局上下文注意力机制动态卷积

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

复杂场景下的改进YOLOv7-tiny安全帽佩戴检测算法

引用

湖南工业大学学报 2024年第6期38卷 93-100页

作者：雷源毅朱文球廖欢湖南工业大学计算机学院湖南株洲412007

针对建筑工地复杂场景下安全帽图像因背景信息复杂、光照强度和拍摄角度不同等特点,导致YOLOv7-tiny安全帽检测算法识别精度低,易出现漏检以及误检等问题,提出了一种MCWE-YOLO安全帽检测算法。通过改进Mosaic方法进行数据增强,丰富数据... 详细信息

针对建筑工地复杂场景下安全帽图像因背景信息复杂、光照强度和拍摄角度不同等特点,导致YOLOv7-tiny安全帽检测算法识别精度低,易出现漏检以及误检等问题,提出了一种MCWE-YOLO安全帽检测算法。通过改进Mosaic方法进行数据增强,丰富数据多样性;将CoordAttention注意力模块嵌入YOLOv7-tiny模型中,以增强模型对小目标语义信息的提取能力和全局感知能力;提出一种新的FR-ODConv动态卷积代替Head中的静态卷积,并自适应动态调整卷积核的权值,使模型能够更好地提取不同形状和大小安全帽的关键特征;改进算法的损失函数,以聚焦于普通质量的锚框,提高模型检测整体性能;提出用Res-EDH解耦头结构替换原始的Detect结构,对分类和回归进行解耦,在提升精度的同时降低了延时。最后使用开源GDUT-HWD安全帽数据集进行训练测试,实验结果表明,MCWE-YOLO算法的mAP达到87.3%,相比原始YOLOv7-tiny算法提升了1.6%,对比其他算法的最优值提升了2.1%,能有效提高安全帽检测精度,实现建筑工地安全帽的自动化检测。

关键词： YOLOv7-tiny CoordAttention注意力机制 FR-ODConv动态卷积 Res-EDH解耦头

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

复杂场景下的改进YOLOv8n安全帽佩戴检测算法

引用

软件工程 2023年第12期26卷 46-51页

作者：雷源毅朱文球廖欢湖南工业大学计算机学院湖南株洲412007

为解决工地场景下安全帽检测因背景复杂、目标密集等导致YOLOv8n算法识别精度低、易出现漏检及误检等问题,提出一种改进YOLOv8n的RDCA-YOLO安全帽检测算法。通过改进Backbone结构提升模型特征提取能力;嵌入CBAM注意力机制,增强对小目标... 详细信息

为解决工地场景下安全帽检测因背景复杂、目标密集等导致YOLOv8n算法识别精度低、易出现漏检及误检等问题,提出一种改进YOLOv8n的RDCA-YOLO安全帽检测算法。通过改进Backbone结构提升模型特征提取能力;嵌入CBAM注意力机制,增强对小目标信息提取的能力;设计一种Coord-BiFPN结构,增强网络特征融合能力;提出一种OD-C2f结构,实现提取不同形状和大小安全帽的关键特征;设计一种FR-DyHead检测头替换原始Detect结构,提升了检测精度并降低了延时。使用GDUT-HWD数据集进行训练测试,结果表明所提算法的mAP达到85.8%,相比YOLOv8n提升了2.6%,能有效提高复杂场景下的安全帽佩戴检测精度。

关键词： YOLOv8 CBAM注意力机制 Coord-BiFPN FR-DyHead检测头

来源：

维普期刊数据库

同方期刊数据库博看期刊评论