检索结果-南通市图书馆

计算机工程与应用 2024年

作者：高德勇陈泰达缪兰兰州交通大学电子与信息工程学院甘肃省人工智能与图形图像工程研究中心

针对道路场景中目标尺度多变、复杂背景干扰导致检测精度低、漏检率高的问题，提出一种改进YOLOv8n的道路目标检测算法。首先，引入多样化分支块（Diverse Branch Block，DBB）构建C2fDBB模块，替代原算法中的C2f模块，增强网络多尺度... 详细信息

针对道路场景中目标尺度多变、复杂背景干扰导致检测精度低、漏检率高的问题，提出一种改进YOLOv8n的道路目标检测算法。首先，引入多样化分支块（Diverse Branch Block，DBB）构建C2fDBB模块，替代原算法中的C2f模块，增强网络多尺度特征提取能力。其次，在路径聚合网络PANet（Path Aggregation Network，PANet）的基础上结合渐进特征金字塔网络afpn（Asymptotic Feature Pyramid Network，afpn）思想，提出PA-afpn特征融合方式，提升网络对多尺度特征的融合能力。再者，设计SPPF2＿TA模块，通过在SPPF中引入平均池化分支和三重注意力机制TA（Triplet Attention，TA），有效整合多尺度信息，降低背景干扰对检测的影响。最后，采用MPDIoU作为新边界回归损失函数，替代原损失函数，加速算法收敛，提高目标定位精度。在公开道路目标数据集BDD100K和SODA10M上的实验结果显示，改进方法的mAP@0.5相较于基线算法分别提升5.7%和7.3%，Flops降低0.6G。与其他主流目标检测方法相比，改进方法在Flops、FPS和mAP@0.5等方面均展现出显著优势，更加契合道路场景下的目标检测任务需求。

关键词： YOLOv8 结构重参数化 afpn 道路目标注意力机制

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于改进YOLOv7算法的风力涡轮机表面缺陷检测

引用

湖北民族大学学报（自然科学版） 2024年第1期42卷 75-80页

作者：王志高林杨宇湖北民族大学智能科学与工程学院湖北恩施445000

针对风力涡轮机表面缺陷类型多、尺度差异大与特征提取困难等问题,提出了改进YOLOv7(you only look once version 7)算法用于风力涡轮机表面缺陷检测。首先,采用渐进金字塔网络(asymptotic feature pyramid network,afpn)替换YOLOv7网... 详细信息

针对风力涡轮机表面缺陷类型多、尺度差异大与特征提取困难等问题,提出了改进YOLOv7(you only look once version 7)算法用于风力涡轮机表面缺陷检测。首先,采用渐进金字塔网络(asymptotic feature pyramid network,afpn)替换YOLOv7网络中的路径聚合特征金字塔网络(path aggregation feature pyramid network,Pafpn),解决了多尺度融合过程中特征丢失和退化问题,并降低了模型复杂度;其次,采用扩充的高效聚合网络(efficient layer aggregation network-wide,ELAN-W)模块替换了afpn中的基础模块,提高了模型的特征提取能力;最后,在颈部网络输入端以卷积和空间组增强(spatial group-wise enhance,SGE)注意力机制构建了卷积注意力模块,提升了模型对检测目标的定位能力和检测性能。实验结果表明,改进YOLOv7算法对风力涡轮机表面缺陷检测的平均精度均值、检测速度分别达到了85.4%、133.0帧/s,相较于原版YOLOv7算法分别提升了1.8%、17.7%。该研究成果能够有效地提升风力涡轮机表面缺陷检测性能。

关键词：风力涡轮机 YOLOv7 afpn 扩充的高效聚合网络 SGE 巡检多尺度融合

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

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

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

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：