检索结果-南通市图书馆

融合Lite-HRNet的Yolo v5双模态自动驾驶小目标检测方法

在线全文

学校读者我要写书评

暂无评论

汽车工程 2022年第10期44卷 1511-1520,1536页

作者：刘子龙沈祥飞上海理工大学光电信息与计算机工程学院上海200093

针对目前自动驾驶领域的目标检测算法在对道路小目标和密集目标进行检测的时候出现漏检的问题,提出一种融合Lite-HRNet的Yolo v5网络。首先为了获得高分辨率的特征检测图将Lite-HRNet作为Yolo v5的主干网络,以增强对小目标及密集目标的... 详细信息

针对目前自动驾驶领域的目标检测算法在对道路小目标和密集目标进行检测的时候出现漏检的问题,提出一种融合Lite-HRNet的Yolo v5网络。首先为了获得高分辨率的特征检测图将Lite-HRNet作为Yolo v5的主干网络,以增强对小目标及密集目标的检测。为提升暗光场景下的检测性能,将红外图像与可见光图像进行动态权值融合,充分发挥可见光图像与红外图像的互补优势。由于主干网络进行了充分的特征融合,为加快检测速度取消在检测层中的特征融合结构。其次为了加快收敛速度和提高回归精度采用α-EIoU作为边界框损失函数,同时为选取针对数据集更合适的先验框,使用二分K-means算法进行聚类,并且使用小目标数据增强算法对数据集进行样本扩充。最后在flir数据集上进行对比测试,根据实验结果,提出的算法比Yolo v5在平均精度上提高了7.64%,小目标和密集目标的漏检率明显减少。

关键词：自动驾驶目标检测红外图像 Yolo v5 小目标 Lite-HRNet

改进YOLOv5的小目标交通标志实时检测算法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2023年第2期59卷 185-193页

作者：胡均平王鸿树戴小标高小林中南大学机电工程学院长沙410083 邵阳学院机械与能源工程学院湖南邵阳422000 江西科技学院协同创新中心南昌330098

在真实场景下准确实时检测小目标交通标志对自动驾驶有重要意义,针对YOLOv5算法检测小目标交通标志精度低的问题,提出一种基于改进YOLOv5的小目标交通标志实时检测算法。借鉴跨阶段局部网络思想,在YOLOv5的空间金字塔池化上设置新的梯... 详细信息

在真实场景下准确实时检测小目标交通标志对自动驾驶有重要意义,针对YOLOv5算法检测小目标交通标志精度低的问题,提出一种基于改进YOLOv5的小目标交通标志实时检测算法。借鉴跨阶段局部网络思想,在YOLOv5的空间金字塔池化上设置新的梯度路径,强化特征提取能力;在颈部特征融合中增设深、浅卷积特征的可学习自适应权重,更好地融合深层语义和浅层细节特征,提高小目标交通标志的检测精度。为验证所提算法的优越性,在TT100K交通标志数据集上进行了实验验证。实验结果表明所提算法在小目标交通标志上的平均精度均值(mean average precision,mAP)为77.3%,比原始YOLOv5提升了5.4个百分点,同时也优于SSD、RetinaNet、YOLOX、SwinTransformer等算法的检测结果。所提算法的运行速度为46.2 frame/s,满足检测实时性的要求。

关键词：交通标志检测自适应特征融合小目标特征提取 YOLOv5

在线全文

学校读者我要写书评

暂无评论

深度学习小目标检测算法综述

计算机工程与应用 2023年第11期59卷 16-27页

作者：董刚谢维成黄小龙乔逸天毛骞西华大学电气与电子信息学院成都610039

现有的目标检测算法,对大目标以及中目标的检测已具有较高的准确率,然而由于小目标在图像中的像素以及可利用的特征较少等原因,导致小目标的检测精度相较于大目标而言过低。通过融合特征层,小目标的检测已取得了不错的效果,但仍存在对... 详细信息

现有的目标检测算法,对大目标以及中目标的检测已具有较高的准确率,然而由于小目标在图像中的像素以及可利用的特征较少等原因,导致小目标的检测精度相较于大目标而言过低。通过融合特征层,小目标的检测已取得了不错的效果,但仍存在对于微小目标的定位等问题。基于此,解释了小目标的定义,指出了导致小目标检测精度低的五点原因。将近几年最新进展以及过往经典的小目标检测优化方法按照大致原理从多尺度特征、评估指标、超分辨率等方面进行叙述。归纳了针对特定场景下的小目标检测:航空遥感图像以及人脸行人的检测方法。总结并提出了未来小目标检测可能的研究方向。

关键词：小目标目标检测计算机视觉深度学习

在线全文

学校读者我要写书评

暂无评论

小目标图像局部极值收敛提取算法

红外与激光工程 2014年第4期43卷 1352-1358页

作者：王恩国高印寒苏成志刘妍妍吉林大学仪器科学与电气工程学院吉林长春130061 长春理工大学机械电子工程学院吉林长春130022

复杂背景下小目标自动提取技术尚不够完善,针对小目标自动提取问题,提出一种通过汇聚于同一极值点的所有路径来描述小目标区域的目标提取算法。该算法根据图像梯度特性筛选出路径的起始点位置;从起始点位置出发,沿着梯度最速下降方向,... 详细信息

复杂背景下小目标自动提取技术尚不够完善,针对小目标自动提取问题,提出一种通过汇聚于同一极值点的所有路径来描述小目标区域的目标提取算法。该算法根据图像梯度特性筛选出路径的起始点位置;从起始点位置出发,沿着梯度最速下降方向,使路径收敛于图像的局部极小值点,收敛于同一极值点的所有路径构成独立核心区域;分析了焦点独立核心区域和噪声独立核心区域特征间的差异,以该特征中的内外均值比特征,对独立核心区域进行了滤波,分离出焦点核心区域;对独立核心区域聚合,得到目标核心区域。通过实验证明:该算法能够自动检测出焦点目标,和现有算法相比,提高了小目标提取的自动化程度。

关键词：小目标图像极值点收敛路径独立核心区域

在线全文

学校读者我要写书评

暂无评论

改进YOLOv3的道路小目标检测方法

小型微型计算机系统 2022年第3期43卷 449-455页

作者：罗建华黄俊白鑫宇重庆邮电大学通信与信息工程学院重庆400065

为了研究传统目标检测算法在进行道路小目标检测时效果不佳及漏检率较高等问题,本文提出了一种基于改进YOLOv3的小目标检测方法.首先通过设计新的特征融合结构降低小目标漏检率,并且使用DIOU损失提高定位精确度.同时对YOLOv3算法中的聚... 详细信息

为了研究传统目标检测算法在进行道路小目标检测时效果不佳及漏检率较高等问题,本文提出了一种基于改进YOLOv3的小目标检测方法.首先通过设计新的特征融合结构降低小目标漏检率,并且使用DIOU损失提高定位精确度.同时对YOLOv3算法中的聚类算法进行改进,采用K-means++算法改进聚类先验框中心点的提取,选取更为合适的Anchor Box,用于提高检测的平均精度和速度.在自制混合数据集上对行人及车辆进行对比检测,在不影响检测速度的情况下,改进的YOLOv3算法能够有效降低小目标物体漏检率,并且提高了检测精度.根据实验结果,本文所提出的改进YOLOv3模型在混合数据集上的平均精度达到92.82%,与未改进的YOLOv3算法相比提高了2.77%.

关键词：目标检测小目标 YOLOv3 DIOU K-means++

在线全文

学校读者我要写书评

暂无评论

基于注意力机制的多尺度小目标交通标志检测

小型微型计算机系统 2022年第2期43卷 381-386页

作者：李烨顾晨峰上海理工大学光电信息与计算机工程学院上海200093

在交通标志检测中,小而稠密的交通标志易受遮挡、恶劣天气等复杂自然环境的影响,导致检测性能较差.针对此问题,提出一种基于注意力机制的多尺度小目标交通标志检测方法.以CSPDarknet53为基础设计了一种新型的特征提取网络,使得输出特征... 详细信息

在交通标志检测中,小而稠密的交通标志易受遮挡、恶劣天气等复杂自然环境的影响,导致检测性能较差.针对此问题,提出一种基于注意力机制的多尺度小目标交通标志检测方法.以CSPDarknet53为基础设计了一种新型的特征提取网络,使得输出特征图的分辨率得以增大、目标更易于检测,同时通过反卷积自适应级联结构融合浅层细节信息与深层语义特征.此外,构造了一种基于空间注意力机制的倒金字塔结构,以高分辨特征图生成的注意力系数图增强低分辨率特征图的显著区域检测性能.实验结果表明该方法在满足实时性的情况下,不仅提高了小尺度交通标志的检测性能,而且对复杂自然环境下的交通标志检测更具鲁棒性,显著优于典型的目标检测算法.在自制数据集上,检测精度达到95.26%,在0.8的IoU阈值下,相比YOLOv3高19.1%.

关键词：交通标志检测小目标多尺度 CSPDarknet53 倒金字塔结构反卷积级联特征融合注意力机制

在线全文

学校读者我要写书评

暂无评论

深度学习小目标检测算法研究综述

计算机工程与应用 2022年第15期58卷 1-17页

作者：张艳张明路吕晓玲郭策蒋志宏河北工业大学机械工程学院天津300401 北京理工大学机电工程学院北京100081

目标检测的主要目的是在图像中快速精准地识别定位出预定义类别的目标。而随着深度学习技术的不断发展,检测算法在相应行业大、中目标已达到了不错的成效。鉴于小目标在图像中尺寸较小、特征不全、与图像中背景差异大等特点,基于深度学... 详细信息

目标检测的主要目的是在图像中快速精准地识别定位出预定义类别的目标。而随着深度学习技术的不断发展,检测算法在相应行业大、中目标已达到了不错的成效。鉴于小目标在图像中尺寸较小、特征不全、与图像中背景差异大等特点,基于深度学习的小目标检测算法性能仍需要进一步提升和优化;小目标检测在无人驾驶、医疗诊断、无人机导航等多个领域都有着广泛的需求,因此研究有着很高的应用价值。在文献调研的基础上,先给出小目标检测定义,找到当前小目标检测的重难点;根据这些重难点从六个研究方向分析当前研究现状,并总结各算法优缺点;结合文献及发展现状对该领域未来的研究方向做出合理预测与展望,为后续研究提供一定基础参考。

关键词：目标检测小目标深度学习

在线全文

学校读者我要写书评

暂无评论

基于特征空间与坐标卷积的小目标检测算法

计算机工程与应用 2023年

作者：程梦洋葛海波何文昊马赛安玉西安邮电大学电子工程学院

为解决无人机高空拍摄面临的小目标聚集不易识别、可提取特征少的问题，提出一种特征空间与坐标卷积结合的小目标检测算法。在YOLOv5网络架构中加入特征空间模块(Feature Spatial Model，FSM)，利用卷积为不同特征的感受野分配自适应权... 详细信息

为解决无人机高空拍摄面临的小目标聚集不易识别、可提取特征少的问题，提出一种特征空间与坐标卷积结合的小目标检测算法。在YOLOv5网络架构中加入特征空间模块(Feature Spatial Model，FSM)，利用卷积为不同特征的感受野分配自适应权重，增强主干网络特征提取能力；将坐标卷积模块(Coordinate Convolution Model，CCM)嵌入模型颈部，精准定位目标所在位置，提高密集场景下小目标检测精度；删减原始层并添加小目标检测层，减少语义损失，充分提取浅层特征图中信息，强化高空图像中微小目标检测性能。实验结果表明，在VisDrone2019数据集上，改进后模型的精确率较YOLOv5提高4.1%， mAP@0.5和mAP @0.5:0.95分别提高4.6%和3.2%，从而验证了提出模型在无人机检测小目标场景中具备有效性。

关键词：目标检测 YOLOv5 小目标特征增强坐标卷积

基于YOLOv4的小目标检测方法研究及应用

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程与设计 2023年第1期44卷 277-283页

作者：伊力哈木·亚尔买买提白鹏飞新疆大学电气工程学院新疆乌鲁木齐830047

为解决复杂施工场景下的小目标检测效果不佳和漏检问题,提出一种基于YOLOv4的改进算法。在检测网络中设计多尺度CAU和SAU上下文特征融合机制,利用全新的特征融合方式增强网络多尺度空间和通道信息表征,在此基础上改善网络特征融合性能... 详细信息

为解决复杂施工场景下的小目标检测效果不佳和漏检问题,提出一种基于YOLOv4的改进算法。在检测网络中设计多尺度CAU和SAU上下文特征融合机制,利用全新的特征融合方式增强网络多尺度空间和通道信息表征,在此基础上改善网络特征融合性能。设计CSP_F跨阶段特征融合模块代替原有普通卷积块(CBL*5),防止检测网络梯度消失和网络参数计算量过大。改进模型类别损失函数并进行实验验证,其结果表明,改进算法能满足不同场景检测要求,对小目标有较好检测效果。

关键词：小目标 YOLOv4 特征融合机制 CSP_F 梯度消失参数计算量损失函数