检索结果-南通市图书馆

北京航空航天大学学报 2024年第2期50卷 499-507页

作者：陈宇梁董绍江孙世政闫凯波重庆交通大学机电与车辆工程学院重庆400074

针对水下光学图像目标检测过程中由于水中光线衰弱严重、图像环境复杂和拍摄设备移动等造成的生物识别精度低的问题,提出了基于改进YOLOv5s的弱光水下生物目标实时检测算法YOLOv5s-underwater。针对弱光水下光线衰弱的问题,引入了限制... 详细信息

针对水下光学图像目标检测过程中由于水中光线衰弱严重、图像环境复杂和拍摄设备移动等造成的生物识别精度低的问题,提出了基于改进YOLOv5s的弱光水下生物目标实时检测算法YOLOv5s-underwater。针对弱光水下光线衰弱的问题,引入了限制对比度自适应直方图均衡(CLAHE)算法对输入图像进行预处理,解决了颜色失真和图像毛糙的问题。针对复杂的弱光水下图像环境,提出了快速空间金字塔池化(SPPF)模块,解决了水下物体区分度低和特征损失严重的问题。针对拍摄设备移动带来的场景和形态变化问题,提出了一种基于旋转窗口的Swin-Transformer模块,提高了模型的泛化能力。针对水下小目标,修改了网络模型结构,提高了小目标的检测能力。仿真和实验结果表明:所提算法相较于YOLOv5s检测精度提高30.7%,证明了算法的有效性。

关键词：弱光水下生物目标 YOLOv5s 限制对比度自适应直方图均衡快速空间金字塔池化旋转窗口

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

基于改进YOLOv4-Tiny的缝纫线迹质量检测方法

引用

纺织学报 2023年第8期44卷 181-188页

作者：马创佳齐立哲高晓飞王子恒孙云权复旦大学工程与应用技术研究院上海200433

针对人工检测缝纫线迹质量效率低下、当前算法在缝纫线迹质量检测应用上难以检测与面料颜色相近的线迹以及易受面料褶皱、光照变化等因素干扰的问题,提出一种改进的YOLOv4-Tiny目标检测模型,实现缝纫线迹针脚点的识别和定位,进而实现质... 详细信息

针对人工检测缝纫线迹质量效率低下、当前算法在缝纫线迹质量检测应用上难以检测与面料颜色相近的线迹以及易受面料褶皱、光照变化等因素干扰的问题,提出一种改进的YOLOv4-Tiny目标检测模型,实现缝纫线迹针脚点的识别和定位,进而实现质量检测。首先在YOLOv4-Tiny中引入用SoftPool改进的卷积注意力机制,加强网络对线迹特征的注意;然后在YOLO检测头前引入由SoftPool组成的Soft-SPPF模块,实现模型在检测中对多尺度特征的利用;最后,利用改进后的算法输出针脚点的数量和坐标信息,计算线迹针脚点的密度和均匀度。实验结果表明:在自建数据集上,所提算法的平均精度达到85.50%,检测时间为15.9 ms,相比原算法和常用的目标检测模型更适用于缝纫线迹检测,且该方法计算所得的线迹密度结果与人工检测的差值在0.6针/(10 cm)内,均匀度计算结果相近,满足实际检测精度要求。

关键词：缝纫线迹质量检测 YOLOv4-Tiny 卷积注意力机制快速空间金字塔池化服装质量

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

基于改进YOLOX-m的安全帽佩戴检测

引用

计算机工程 2023年第12期49卷 252-261页

作者：王晓龙江波上海华讯网络系统有限公司行业数智事业部上海200127 中国电子科技集团公司第三十二研究所上海201808

安全帽佩戴检测是安全监控系统中的重要组成部分,其检测精度取决于目标分类、小目标检测、域迁移差异等因素。针对现有基于YOLOX-m模型的安全帽佩戴检测算法通常存在分类精度较低、检测目标不完整、轻量化模型性能下降等问题,构建一种... 详细信息

安全帽佩戴检测是安全监控系统中的重要组成部分,其检测精度取决于目标分类、小目标检测、域迁移差异等因素。针对现有基于YOLOX-m模型的安全帽佩戴检测算法通常存在分类精度较低、检测目标不完整、轻量化模型性能下降等问题,构建一种基于多阶段网络训练策略的改进YOLOX-m模型。首先对YOLOX-m主干特征网络卷积块的堆叠次数进行重新设计,在减小网络规模的同时最大化模型性能,然后将残差化重参视觉几何组与快速空间金字塔池化相结合,提高检测精度和推理速度。设计一种多阶段网络训练策略,将训练集和测试集拆分成多个组,并结合推理阶段生成的伪标签进行多次网络训练,以减少域迁移差异,获得更高的检测精度。实验结果表明,与YOLOX-m模型相比,改进YOLOX-m模型的推理延迟降低了5 ms,模型大小减少了4.7 MB,检测精度提高了1.26个百分点。

关键词：安全帽佩戴检测深度学习残差化重参视觉几何组快速空间金字塔池化多阶段网络训练策略

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

基于深度学习的图像目标检测和分割方法研究

基于深度学习的图像目标检测和分割方法研究

引用

作者：高营天津理工大学

学位级别：硕士

目标检测和实例分割是人工智能领域中非常重要的研究内容,它们在工业界中具有非常重要的应用价值。目标检测和实例分割通常是有联系的,两者相辅相成。目标检测的精度提升会帮助模型定位更加准确的分割区域,分割的结果又可以帮助模型微... 详细信息

目标检测和实例分割是人工智能领域中非常重要的研究内容,它们在工业界中具有非常重要的应用价值。目标检测和实例分割通常是有联系的,两者相辅相成。目标检测的精度提升会帮助模型定位更加准确的分割区域,分割的结果又可以帮助模型微调检测框。本文对现阶段中目标检测和实例分割中存在的问题进行研究,并完成了如下工作:为了解决目标检测中颈部结构复杂度和精度难以达到均衡的问题,本文提出一个高效且解耦性强的颈部结构Shared-FPN。颈部结构对进行多尺度信息融合具有非常大的帮助。早期的颈部结构由于结构单一,难以为模型提升明显的检测效果。近几年的颈部结构加入了神经网络架构搜索的技术,导致模型复杂度非常高。Shared-FPN不会提升模型过多参数量和浮点计算量,并且可以很方便的移植到任意一个检测模型中。它以PAFPN为基础进行改进,设计基于转置卷积的卷积模块、共享卷积和快速空间金字塔池化下采样模块。在VOC 2012和COCO2017数据集中,Shared-FPN均能够在小、中和大目标取得最优的结果。在大物体居多的VOC 2012数据集中,Shared-FPN的m AP相比FPN提升11.2%。在小物体居多的COCO数据集中,Shared-FPN的m AP相比FPN提升7.8%,相比PAFPN提升7.1%。在工业界需要使用目标检测的任务中,Shared-FPN均可以帮助模型提升性能,例如无人驾驶,医疗检测等。为了进一步提升现有分割模型的鲁棒性和边缘的分割效果,本文提出一个新的实例分割模型EEMask(Edge Enhanced Mask)。单阶段的实例分割模型速度快,但精度难以超越双阶段模型;双阶段模型精度高,但推理时间难以加速。两类模型在实例边缘的分割效果都表现不佳。EEMask巧妙的处理高层特征和低层特征,集成不同尺度的优势,根据距离和特征值计算高层特征间的相关性,针对低层特征设计边缘增强层,增强模型对实例边缘的感知能力。本文在COCO 2017数据集上评估了EEMask模型。它的推理速度比Blend Mask快11%,m AP相比Blend Mask提升3.6%,相比Mask RCNN提升7.3%。EEMask在实例边缘分割表现优异。在工业界对实例边缘要求较高的任务中,EEMask可以帮助更好的完成任务,例如机械臂抓取,自动避障等。

关键词：深度学习目标检测实例分割快速空间金字塔池化边缘增强

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的细粒度图像分类算法研究

基于深度学习的细粒度图像分类算法研究

引用

作者：麻宇轩北京印刷学院

学位级别：硕士

近年来随着人工智能领域的迅速发展,在计算机视觉和自然语言处理等领域都带来了巨大的变革和进步。图像分类作为计算机视觉领域研究的热点,在学术界和工业界都取得了突破性的研究成果。细粒度图像分类是在图像分类的基础上,进一步识别... 详细信息

近年来随着人工智能领域的迅速发展,在计算机视觉和自然语言处理等领域都带来了巨大的变革和进步。图像分类作为计算机视觉领域研究的热点,在学术界和工业界都取得了突破性的研究成果。细粒度图像分类是在图像分类的基础上,进一步识别同一类别内不同子类别之间的微小差异。随着人工智能的发展,同一基本类别下子类别精细划分的需求日益增多,如智能零售系统、生态系统保护、气候变化评估、智慧交通系统等。然而,由于细粒度图像类别间差异小且类别内差异较大原因,细粒度图像分类是一项非常具有挑战性的任务。论文在深度学习的框架下,提出了一种改进的弱监督数据增强的细粒度图像分类网络模型。主要研究内容如下所述:(1)调研和分析了细粒度图像分类算法的国内外研究,分析了各种范式的基本原理和发展历程。文章提出了改进的基于弱监督数据增强的(Weakly Supervised Data Augmentation Network,WS-DAN)的细粒度图像分类网络模型,并对其优化算法、激活函数进行改进。(2)针对原本的骨干网络依靠下采样获得注意力图训练代价过高的问题,提出了使用CBAM注意力模块加强注意力图的提取,更好的对重要特征进行学习,抑制不重要特征信息。这样使得本文的网络模型专注于图像特定的区域信息,从而更高效的完成图像的分类。(3)针对网络模型对于输入图片的大小和感受野较为有限的问题,提出了引入快速空间金字塔池化(Spatial Pyramid Pooling Fast,SPPF)模块。有效避免了由于图像裁剪、缩放操作导致的图像物体裁剪不全以及形状扭曲等问题,增加感受野。该结构获取了多尺度目标信息,提取更多的空间信息和上下文信息,增强模型的鲁棒性和性能。(4)针对网络模型难以捕捉图像中物体之间的细微细节和关系的问题,提出了在骨干网络中插入全局上下文模块(Global Context Block,GC Block)解决。为了帮助网络模型更好的定位物体部位,帮助细粒度图像的分类捕捉细节和物体之间的关系,模型插入非局部模块(Non-local block)。同时为了解决计算复杂度较高的问题,引入GC Block。在不增加过多计算复杂度的情况下保持非局部模块具有长距离依赖性建模能力的同时,能够更好地利用前面所有层的信息,提高模型的表达能力。综上所述,本文的方法以弱监督数据增强细粒度图像分类网络为基础,添加CBAM注意力模块加强对网络模型对注意力图的提取,然后添加SPPF模块用以获取了多尺度目标信息,增加感受野。在骨干网络上插入GC Block,帮助细粒度的图像分类捕捉细粒度的细节和物体之间的关系,减少运算量的同时增加全局上下文建模能力从而更高效的完成图像的分类。在两个公开数据集CUB-200-2011数据集和FGVC-Aircraft数据集上的实验分别达到了89.81%和93.97%的精确率,证明了方法的有效性。

关键词：细粒度图像分类数据增强注意力机制全局上下文模块快速空间金字塔池化

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：