检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于改进YOLOv5的遥感图像目标检测

计算机工程 2024年第4期50卷 228-236页

作者：崔丽群曹华维辽宁工程技术大学软件学院辽宁葫芦岛125105

目前目标检测技术虽然已经趋于成熟,但是对遥感图像的检测仍存在不少挑战。针对遥感图像的背景复杂、目标尺度差异大、目标方向任意等特点造成目标检测精度低下的问题,提出一种基于改进YOLOv5的遥感图像目标检测算法。首先,构建一种联... 详细信息

目前目标检测技术虽然已经趋于成熟,但是对遥感图像的检测仍存在不少挑战。针对遥感图像的背景复杂、目标尺度差异大、目标方向任意等特点造成目标检测精度低下的问题,提出一种基于改进YOLOv5的遥感图像目标检测算法。首先,构建一种联合注意力的多尺度特征增强网络,充分融合高低层特征,使特征层具有语义信息的同时包含丰富的细节信息,并在融合过程中利用设计的特征聚焦模块帮助模型选择关键特征,抑制无关信息。其次,使用感受野模块(RFB)对融合后的特征图进行更新,扩大特征图的感受野,减少特征信息损失。最后,对目标增加旋转角度,并采用圆形平滑标签将回归问题转化成分类问题,提高遥感目标定位的准确性。在用于航拍图像目标检测的大规模数据集(DOTA)上的实验结果表明,与YOLOv5算法相比,所提算法的交并比(Io U)为0.5和0.5~0.95时的平均精度均值(m AP@0.5和m AP@0.5∶0.95)分别提高了7.3和3.3个百分点,能够明显提高复杂背景下遥感图像目标的检测精度,并改善对遥感目标的漏检和误检情况。

关键词：目标检测遥感图像特征融合感受野模块圆形平滑标签

同方期刊数据库

基于改进U^(2)-Net网络的金属涂层剥落与腐蚀图像分割方法

在线全文

学校读者我要写书评

暂无评论

应用光学 2024年第4期45卷 759-767页

作者：倪云峰齐蜻蜓朱代先秋强刘树林西安科技大学通信与信息工程学院陕西西安710054 西安科技大学电气与控制工程学院陕西西安710054

针对金属涂层缺陷图像分割中存在特征提取能力弱和分割精度低的问题,提出了一种改进的U^(2)-Net分割模型。首先,在U型残差块(RSU)中嵌入改进的增大感受野模块(receptive field block light,RFB_l),组成新的特征提取层,增强对细节特征的... 详细信息

针对金属涂层缺陷图像分割中存在特征提取能力弱和分割精度低的问题,提出了一种改进的U^(2)-Net分割模型。首先,在U型残差块(RSU)中嵌入改进的增大感受野模块(receptive field block light,RFB_l),组成新的特征提取层,增强对细节特征的学习能力,解决了网络由于感受野受限造成分割精度低的问题;其次,在U^(2)-Net分割模型的解码阶段引入有效的边缘增强注意力机制(contour enhanced attention,CEA),抑制网络中的冗余特征,获取具有详细位置信息的特征注意力图,增强了边界与背景信息的差异性,从而达到更精确的分割效果。实验结果表明,该模型在两个金属涂层剥落与腐蚀数据集上的平均交并比、准确率、查准率、召回率和F_1-measure分别达到80.36%、96.29%、87.43%、84.61%和86.00%,相比于常用的SegNet、U-Net以及U^(2)-Net分割网络的性能都有较大提升。

关键词：缺陷分割语义分割模型感受野模块注意力机制

维普期刊数据库博看期刊

基于改进YOLOv5s的面向自动驾驶场景的道路目标检测算法

在线全文

学校读者我要写书评

暂无评论

智能系统学报 2024年第3期19卷 653-660页

作者：胡丹丹张忠婷中国民航大学机器人研究所天津300300

在复杂道路场景中检测车辆、行人、自行车等目标时,存在因多尺度目标及部分遮挡易造成漏检及误检等情况,提出一种基于改进YOLOv5s的面向自动驾驶场景的道路目标检测算法。首先,利用深度可分离卷积替换部分普通卷积,减少模型的参数量以... 详细信息

在复杂道路场景中检测车辆、行人、自行车等目标时,存在因多尺度目标及部分遮挡易造成漏检及误检等情况,提出一种基于改进YOLOv5s的面向自动驾驶场景的道路目标检测算法。首先,利用深度可分离卷积替换部分普通卷积,减少模型的参数量以提升检测速度。其次,在特征融合网络中引入基于感受野模块(receptive field block,RFB)改进的RFB-s,通过模仿人类视觉感知,增强特征图的有效感受野区域,提高网络特征表达能力及对目标特征的可辨识性。最后,使用自适应空间特征融合(adaptively spatial feature fusion,ASFF)方式以提升PANet对多尺度特征融合的效果。实验结果表明,在PASCAL VOC数据集上,所提算法检测平均精度均值相较于YOLOv5s提高1.71个百分点,达到84.01%,在满足自动驾驶汽车实时性要求的前提下,在一定程度上减少目标检测时的误检及漏检情况,有效提升模型在复杂驾驶场景下的检测性能。

关键词： YOLOv5s 自动驾驶目标检测算法深度可分离卷积感受野模块自适应空间特征融合 PANet 多尺度特征融合

同方期刊数据库

基于改进SSD模型的柑橘叶片病害轻量化检测模型

在线全文

学校读者我要写书评

暂无评论

浙江农业学报 2024年第3期36卷 662-670页

作者：李大华孔舒李栋于晓天津理工大学电气工程与自动化学院天津300380 天津市新能源电力变换传输与智能控制重点实验室天津300380

针对当前目标检测算法存在模型占比大,对柑橘叶片病害检测速度较慢、精度较低等问题,提出了一种基于改进SSD(single shot multibox detector)的柑橘叶片病害轻量化检测方法。引入了轻量化卷积神经网络MobileNetV2作为SSD网络的骨架,以... 详细信息

针对当前目标检测算法存在模型占比大,对柑橘叶片病害检测速度较慢、精度较低等问题,提出了一种基于改进SSD(single shot multibox detector)的柑橘叶片病害轻量化检测方法。引入了轻量化卷积神经网络MobileNetV2作为SSD网络的骨架,以减小模型规模、提高检测速度。引入感受野模块(receptive field block,RFB)来扩大浅层特征感受野,以提高模型对小目标的检测效果。并引入CA(coordinate attention)注意力机制,以强化不同深度的特征信息,进一步提升柑橘叶片病害的识别精度。结果表明,与VGG16-SSD相比,改进模型(MR-CA-SSD)在柑橘叶片病害检测上平均精度均值(mAP)提升4.4百分点,模型占比减小52.3 MB,每秒检测帧数提升3.15。MR-CA-SSD综合性能也优于YOLOv4、CenterNet、Efficientnet-YoloV3等模型。该改进模型可实现对柑橘叶片病害的快速准确诊断,有助于对病害部位及时精准施药。

关键词：柑橘,叶片病害轻量化网络感受野模块注意力机制

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于改进YOLOv7的口罩佩戴检测算法

北京信息科技大学学报（自然科学版） 2024年第1期39卷 55-60页

作者：张文铠刘佳北京信息科技大学自动化学院北京100192

针对YOLOv7模型在口罩佩戴检测任务中特征提取能力不足、模型感受野相对较小等问题,提出一种改进YOLOv7的口罩佩戴检测算法。首先,在YOLOv7模型的主干网络引入感受野模块(receptive field block,RFB),增大模型的感受野;其次,在YOLOv7模... 详细信息

针对YOLOv7模型在口罩佩戴检测任务中特征提取能力不足、模型感受野相对较小等问题,提出一种改进YOLOv7的口罩佩戴检测算法。首先,在YOLOv7模型的主干网络引入感受野模块(receptive field block,RFB),增大模型的感受野;其次,在YOLOv7模型的头部网络引入卷积块注意力模块(convolutional block attention module,CBAM),提取关键信息,忽略无关信息,增强特征图的信息表达能力,提高模型的检测能力。实验结果表明:改进后的YOLOv7口罩佩戴检测算法精确率达到95.7%,较原YOLOv7算法提高了5.6百分点;平均精度均值达到96.6%,提高了2.6百分点。相比于目前主流的口罩佩戴检测算法,改进后的YOLOv7口罩佩戴检测算法可以更加准确地检测出口罩佩戴情况。

关键词： YOLOv7 口罩佩戴检测 CBAM注意力机制感受野模块平均精度

基于改进FairMOT的铁路周界入侵检测方法

在线全文

学校读者我要写书评

暂无评论

中国铁道科学 2023年第5期44卷 222-232页

作者：胡昊史天运杨文中国铁道科学研究院集团有限公司电子计算技术研究所北京100081 中国铁道科学研究院研究生部北京100081 中国铁道科学研究院集团有限公司北京100081

针对铁路综合监控视频中不同远近行人成像面积差异较大、自然环境变化产生干扰等因素造成的检测难题,提出一种改进FairMOT框架的周界入侵检测方法。首先,针对监控视频中不同远近的行人,通过在FairMOT框架中引入感受野模块,丰富不同成像... 详细信息

针对铁路综合监控视频中不同远近行人成像面积差异较大、自然环境变化产生干扰等因素造成的检测难题,提出一种改进FairMOT框架的周界入侵检测方法。首先,针对监控视频中不同远近的行人,通过在FairMOT框架中引入感受野模块,丰富不同成像大小行人检测所需的感受野,以更好地提取不同尺度特征信息;其次,针对夜晚时段方法检测性能较低的问题,在编码解码网络后融合空间注意力模块,强化夜间前景行人关键特征,同时优化目标跟踪和判断流程,实现稳定检测;然后,针对缺乏大量学习样本的问题,使用行人检测跟踪数据集与铁路真实数据集混合增强训练,提高方法在全天候检测中的泛化性和鲁棒性;最后,在MOT17数据集和铁路真实数据集上,对改进FairMOT检测方法与CenterTrack,Bytetrack等方法进行对比试验。结果表明:提出的改进FairMOT检测方法在白天和夜晚对不同大小目标检测中,均取得了最高的准确率和召回率调和均值,检测性能最好;方法检测速率为25.2帧·s^(-1),能够满足实时检测要求。改进的FairMOT检测方法可以更有效地应用于实际铁路周界入侵检测场景。

关键词：铁路运输周界入侵检测感受野模块空间注意力

结合HarDNet和反向注意力的息肉分割方法

在线全文

学校读者我要写书评

暂无评论

激光与光电子学进展 2023年第2期60卷 290-297页

作者：撖子奇刘巧红凌晨刘佳伟刘存珏上海理工大学医疗器械与食品学院上海200093 上海健康医学院医疗器械学院上海201318

针对结肠息肉的形状、大小、颜色和纹理多样性,息肉与背景相似及结肠镜图像的对比度低等影响分割效果的问题,提出了一种结合HarDNet和反向注意力的U型结构的结肠息肉图像分割网络。所提模型以U型的编码器解码器结构为基础架构:首先,编... 详细信息

针对结肠息肉的形状、大小、颜色和纹理多样性,息肉与背景相似及结肠镜图像的对比度低等影响分割效果的问题,提出了一种结合HarDNet和反向注意力的U型结构的结肠息肉图像分割网络。所提模型以U型的编码器解码器结构为基础架构:首先,编码器采用HarDNet68为主干网络提取特征,以提升推理速度和计算效率;其次,解码器采用3个反向注意力模块进行边界特征的融合和细化;最后,在编码器和解码器之间通过感受野模块实现多尺度信息的融合,为解码器提供更为详细的边缘信息。该模型编码器和解码器之间的迭代交互机制能够有效地校正预测结果中矛盾冲突的区域,达到提高分割精度的目的。实验结果表明,与现有的方法相比,所提方法在提高分割精度的同时,具有良好的实时性和泛化能力。研究成果可以为结肠息肉的早期筛查提供可靠的依据。

关键词：医用光学反向注意力模块感受野模块 HarDNet 图像分割结肠息肉

基于TR-YOLOv5的输电线路多类缺陷目标检测方法

在线全文

学校读者我要写书评

暂无评论

图学学报 2023年第4期44卷 667-676页

作者：郝帅赵新生马旭张旭何田侯李祥西安科技大学电气与控制工程学院陕西西安710054

针对复杂环境中输电线路多类缺陷目标的多尺度检测问题,提出一种基于Transformer和感受野模块的YOLOv5输电线路多类缺陷目标检测算法,简记为TR-YOLOv5。首先,搭建了YOLOv5网络,针对复杂背景造成缺陷目标的显著性低,进而影响检测精度的问... 详细信息

针对复杂环境中输电线路多类缺陷目标的多尺度检测问题,提出一种基于Transformer和感受野模块的YOLOv5输电线路多类缺陷目标检测算法,简记为TR-YOLOv5。首先,搭建了YOLOv5网络,针对复杂背景造成缺陷目标的显著性低,进而影响检测精度的问题,在Backbone部分引入Transformer模块,通过利用多头注意力结构获取特征图像素点间的相关性和全局信息,增强缺陷目标的特征表达能力,从而提升模型检测精度;其次,由于待检测目标受多尺度影响,在Neck部分引入感受野模块提取目标不同尺度的特征,利用空洞卷积增大感受野,为后续PANet结构保留更细致的特征,增强Neck特征融合能力,提高模型对多尺度缺陷目标的检测精度;然后,为了提升预测边框回归精度,引入CIOU函数,进一步提高算法检测精度;最后,利用某电力巡检部门近3年的数据对该算法进行验证。实验结果表明,相比于7种对比算法,本文算法具有较高检测精度的同时具有较好的实时性,其平均检测精度可达95.6%,1280×720分辨率的巡检图像检测速度为125帧/秒。

关键词： YOLOv5 输电线路缺陷检测空洞卷积 Transformer 感受野模块损失函数

在线全文

学校读者我要写书评

暂无评论

基于改进注意力机制的交通标志检测算法

计算机应用 2022年第8期42卷 2378-2385页

作者：张新宇丁胜杨治佩武汉科技大学计算机科学与技术学院武汉430065 智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学) 武汉430065

针对交通标志在某些场景中存在分辨率过低、被覆盖等环境因素影响导致在目标检测任务中出现漏检、误检的情况,提出一种基于改进注意力机制的交通标志检测算法。首先,针对交通标志因破损、光照等环境影响造成图像分辨率低从而导致网络提... 详细信息

针对交通标志在某些场景中存在分辨率过低、被覆盖等环境因素影响导致在目标检测任务中出现漏检、误检的情况,提出一种基于改进注意力机制的交通标志检测算法。首先,针对交通标志因破损、光照等环境影响造成图像分辨率低从而导致网络提取图像特征信息有限的问题,在主干网络中添加注意力模块以增强目标区域的关键特征;其次,特征图中相邻通道间的局部特征由于感受野重叠而存在一定的相关性,用大小为k的一维卷积代替通道注意力模块中的全连接层,以达到聚合不同通道信息和减少额外参数量的作用;最后,在路径聚合网络(PANet)的中、小尺度特征层引入感受野模块来增大特征图的感受野以融合目标区域的上下文信息,从而提升网络对交通标志的检测能力。在中国交通标志检测数据集(CCTSDB)上的实验结果表明,所提出的YOLOv4(YouOnlyLookOncev4)改进算法在引进极少的参数量与原算法检测速度相差不大的情况下,平均精确率均值(mAP)达96.88%,mAP提升了1.48%;而与轻量级网络YOLOv5s相比,在单张检测速度慢10 ms的情况下,所提算法mAP比YOLOv5s高3.40个百分点,检测速度达到40frame/s,说明该算法完全满足目标检测实时性的要求。

关键词：注意力机制一维卷积感受野模块特征提取网络 YOLOv4