检索结果-南通市图书馆

改进YOLOv5模型的轮胎标记点检测算法研究

在线全文

学校读者我要写书评

暂无评论

机械工程师 2024年第5期 71-73页

作者：张贺王赫莹沈阳工业大学沈阳110870 不详

为实现在轮胎标记点快速精准识别,提出了一种基于YOLOv5改进模型的标记点识别方法。通过引入CBAM和SimAM两种注意力模块来提高网络提取特征的能力,同时考虑到轮胎标记点在图片中为小目标,利用α-iou损失函数代替Giou损失函数,即为Giou... 详细信息

为实现在轮胎标记点快速精准识别,提出了一种基于YOLOv5改进模型的标记点识别方法。通过引入CBAM和SimAM两种注意力模块来提高网络提取特征的能力,同时考虑到轮胎标记点在图片中为小目标,利用α-iou损失函数代替Giou损失函数,即为Giou函数添加α次幂后通过不断调节α的值来获取较好的识别效果。试验结果显示:文中提出的模型平均精度为91.1%,比原YOLOv5的模型平均精度88%提升了3.1%,比原有的YOLOv5模型有更高的准确度。

关键词： YOLOv5 注意力模块小目标检测 α-iou 标记点检测

基于YOLOv5改进模型的柑橘果实识别方法

在线全文

学校读者我要写书评

暂无评论

华中农业大学学报 2022年第4期41卷 170-177页

作者：黄彤镔黄河清李震吕石磊薛秀云代秋芳温威华南农业大学电子工程学院(人工智能学院) 广州510642 国家柑橘产业技术体系机械化研究室广州510642 广东省农情信息监测工程技术研究中心广州510642 人工智能与数字经济广东省实验室(广州) 广州510330 华南农业大学工程基础教学与训练中心广州510642

为实现在自然环境下对柑橘果实的识别,提出一种基于YOLOv5改进模型的柑橘识别方法。通过引入CBAM(convolutional block attention module,卷积注意力模块)注意力机制模块来提高网络的特征提取能力,改善遮挡目标与小目标的漏检问题;采用... 详细信息

为实现在自然环境下对柑橘果实的识别,提出一种基于YOLOv5改进模型的柑橘识别方法。通过引入CBAM(convolutional block attention module,卷积注意力模块)注意力机制模块来提高网络的特征提取能力,改善遮挡目标与小目标的漏检问题;采用α-iou损失函数代替Giou损失函数作为边界框回归损失函数,提高边界框定位精度。结果显示:本研究提出的模型平均精度AP值达到91.3%,在GPU上对单张柑橘果实图像的检测时间为16.7 ms,模型占用内存为14.5 Mb。结果表明,本研究基于YOLOv5的改进算法可实现在自然环境下快速准确地识别柑橘果实,满足实时目标检测的实际应用需求。

关键词： YOLOv5 柑橘识别自动采摘 CBAM 损失函数注意力机制 α-iou

基于BCE-YOLOv5的苹果叶部病害检测方法

在线全文

学校读者我要写书评

暂无评论

江苏农业科学 2023年第15期51卷 155-163页

作者：曾晏林贺壹婷蔺瑶费加杰黎强杨毅云南农业大学大数据学院云南昆明650201

针对自然环境中,人工目视解译苹果叶部病害耗时耗力、人为主观因素强的问题。本研究提出了一种融合自注意力机制和Transformer模块的目标检测算法——BCE-YOLOv5,实现对自然环境下对苹果叶片病虫害的自动识别与检测。该算法首先使用Bot... 详细信息

针对自然环境中,人工目视解译苹果叶部病害耗时耗力、人为主观因素强的问题。本研究提出了一种融合自注意力机制和Transformer模块的目标检测算法——BCE-YOLOv5,实现对自然环境下对苹果叶片病虫害的自动识别与检测。该算法首先使用BotNet、ConvNeXt模块分别替换Backbone网络和Neck网络的CSP结构,增加自注意力机制对目标的特征提取能力。通过将改进的CBAM引入YOLOv5的特征融合网络之后,使注意力机制对特征融合信息更加地关注。最后,用α-iou损失函数替换iou损失函数,使得网络在模型训练过程中收敛的更加稳定。BCE-YOLOv5算法在传统算法YOLOv5基础上平均精准率均值提升了2.9百分点,并且改进后的算法的模型大小和计算量较传统算法分别减小了0.2 M和0.9 GFLOPs。平均精度均值比YOLOv4s、YOLOv6s、YOLOx-s和YOLOv7模型分别高2.5、1.3、3.5、2.2百分点。该方法能快速准确识别苹果叶部病害,为苹果种植过程中提供智能化管理做参考。

关键词：苹果叶片病害识别注意力机制 YOLOv5 BotNet ConvNeXt CBAM α-iou

基于改进 YOLOv5 车辆与行人目标识别方法的研究

在线全文

学校读者我要写书评

暂无评论

中国测试 2023年

作者：张青春吴峥周玲刘晓洋淮阴工学院自动化学院

为改进无人驾驶技术部署困难问题，该文提出一种基于YOLOv5的目标识别算法。算法引入Ghost Bottleneck模块，CBAM模块，将网络参数压缩，减少模型整体的计算量，同时提升模型推理速度；将原始模型Ciou损失函数替换为α-iou损失函数，使... 详细信息

为改进无人驾驶技术部署困难问题，该文提出一种基于YOLOv5的目标识别算法。算法引入Ghost Bottleneck模块，CBAM模块，将网络参数压缩，减少模型整体的计算量，同时提升模型推理速度；将原始模型Ciou损失函数替换为α-iou损失函数，使得模型训练过程中更快收敛；用DWConv层替代原有网络中Neck部分的Conv层，可大大降低网络参数数量以及运算成本，同时可提取不同大小的特征信息，提升模型在物体识别方面的鲁棒性。实验证明，原始模型的参数量为7095906，权重文件为14.4MB，mAP@0.5达到86.11%，检测速度为30.30帧/s;改进后模型参数量缩减为2546136，参数量减少了64.12%，权重文件为5.8MB，权重文件大小减小了59.72%，mAP@0.5达到89.44%，检测速度提升至40.00帧/s，检测速度提升了32.01%。将改进后的模型部署至RK3399嵌入式移动端，算法识别速度较原始算法提升了约35%。

关键词：无人驾驶目标检测 yolov5 ghost bottleneck cbam α-iou

改进型CenterNet的高铁无砟轨道板表面裂缝检测算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电子测量技术 2023年第10期46卷 123-128页

作者：吴铭权罗晖李琛彪李佳敏蔡联明华东交通大学信息工程学院南昌330013

针对传统的高铁无砟轨道板表面裂缝检测方法存在检测精度低、速度慢的问题,提出一种改进型CenterNet的高铁无砟轨道板表面裂缝检测算法。该算法在编解码网络之间加入空洞空间金字塔池化模块(ASPP),以此扩大特征图的感受野,充分提取不同... 详细信息

针对传统的高铁无砟轨道板表面裂缝检测方法存在检测精度低、速度慢的问题,提出一种改进型CenterNet的高铁无砟轨道板表面裂缝检测算法。该算法在编解码网络之间加入空洞空间金字塔池化模块(ASPP),以此扩大特征图的感受野,充分提取不同尺度的上下文信息;然后在特征提取网络中加入多光谱通道注意力模块(MCA),使网络可以更好学习每个通道的权重,捕获图像丰富的输入特征信息;最后使用α-iou损失函数来提高边界框预测的准确度。实验结果表明,本算法平均检测精度(mAP)达到84.12%,相比传统算法平均检测精度提升了3.37%,对于轨道板表面裂缝具有较好的检测效果。

关键词：裂缝检测 CenterNet 空洞空间金字塔池化多光谱通道注意力 α-iou

基于改进YOLOv5的车辆与行人目标识别方法

在线全文

学校读者我要写书评

暂无评论

中国测试 2023年第7期49卷 82-88页

作者：张青春吴峥周玲刘晓洋淮阴工学院自动化学院江苏淮安223001

为改进无人驾驶技术部署困难问题,该文提出一种基于YOLOv5的目标识别算法。算法引入Ghost Bottleneck模块,CBAM模块,将网络参数压缩,减少模型整体的计算量,同时提升模型推理速度;将原始模型Ciou损失函数替换为α-iou损失函数,使得模型... 详细信息

为改进无人驾驶技术部署困难问题,该文提出一种基于YOLOv5的目标识别算法。算法引入Ghost Bottleneck模块,CBAM模块,将网络参数压缩,减少模型整体的计算量,同时提升模型推理速度;将原始模型Ciou损失函数替换为α-iou损失函数,使得模型训练过程中更快收敛;用DWConv层替代原有网络中Neck部分的Conv层,可大大降低网络参数数量以及运算成本,同时可提取不同大小的特征信息,提升模型在物体识别方面的鲁棒性。实验证明,原始模型的参数量为7095906,权重文件为14.4 MB,mAP@0.5达到86.11%,检测速度为30.30 f/s;改进后模型参数量缩减为2546136,参数量减少了64.12%,权重文件为5.8 MB,权重文件大小减小了59.72%,mAP@0.5达到89.44%,检测速度提升至40.00 f/s,检测速度提升了32.01%。将改进后的模型部署至RK3399嵌入式移动端,算法识别速度较原始算法提升了约35.04%。

关键词：无人驾驶目标检测 YOLOv5 Ghost Bottleneck CBAM α-iou

在线全文

学校读者我要写书评

暂无评论

改进后的YOLOv5用于跌倒行为检测

安庆师范大学学报（自然科学版） 2023年第1期29卷 72-78页

作者：张振亚何明艳王萍安徽建筑大学电子与信息工程学院安徽合肥230022

随着全球人口老龄化不断加剧,由于跌倒致死的比例也随之增加,及时发现跌倒行为对降低死亡风险至关重要。针对现有跌倒检测算法在实际应用场景中出现漏检、准确率低等问题,本文将改进后的YOLOv5目标检测方法用于跌倒行为检测。具体改进措... 详细信息

随着全球人口老龄化不断加剧,由于跌倒致死的比例也随之增加,及时发现跌倒行为对降低死亡风险至关重要。针对现有跌倒检测算法在实际应用场景中出现漏检、准确率低等问题,本文将改进后的YOLOv5目标检测方法用于跌倒行为检测。具体改进措施:将YOLOv5的边界框损失函数Giou更换为α-iou;引入卷积块注意力机制模块(CBAM),使网络可以更专注地学习跌倒特征;在特征融合层引入加权双向特征金字塔网络结构(BiFPN)以充分利用不同尺度的特征,从而提高检测精度。实验结果表明,改进的YOLOv5模型对跌倒行为的检测精度mAP达到了98.8%,比改进前提高了4%,满足对实际应用场景下跌倒检测的要求。

关键词：计算机视觉跌倒检测 YOLOv5 α-iou 加权双向特征金字塔卷积块注意力机制

基于YOLOv5改进模型的水稻害虫检测算法研究

在线全文

学校读者我要写书评

暂无评论

电子技术(上海) 2023年第8期52卷 34-38页

作者：杨凯航朱铮涛罗雄炜陈树雄李益威张彬广东工业大学机电工程学院广东511400 广东省农业科学院水稻研究所广东510640

阐述基于YOLOv5的改进水稻害虫目标检测算法的特点,该方法将协调注意力模块引入骨干网络,加强网络对方向和位置信息的感知度,引入特征融合因子和空间跳跃连接,采用设计的a-Ciou作为边界框回归损失函数,提高边框的回归精度。

关键词：协调注意力机制害虫检测 α-iou