检索结果-南通市图书馆

中国给水排水 2025年第3期41卷 125-130页

作者：凌同华贝政豪张胜张亮江浩长沙理工大学土木工程学院湖南长沙410114 湖南城市学院管理学院湖南益阳413000 湖南城市学院土木工程学院湖南益阳413000

城市排水管道检测作为城市管理的重要组成部分,对保障城市安全运行具有重要意义。针对现有模型对排水管道检测存在的复杂度高、精度低等问题,采用C3_PConv结构、PIoUv2损失函数和层自适应幅度剪枝算法对YOLOv5n进行优化,构建了轻量化的Y... 详细信息

城市排水管道检测作为城市管理的重要组成部分,对保障城市安全运行具有重要意义。针对现有模型对排水管道检测存在的复杂度高、精度低等问题,采用C3_PConv结构、PIoUv2损失函数和层自适应幅度剪枝算法对YOLOv5n进行优化,构建了轻量化的YOLO-Pipe模型。并将YOLO-Pipe模型与bytetrack追踪算法进行融合,提出了一种基于排水管道检测视频的Pipe-Track缺陷追踪算法。结果表明,YOLO-Pipe模型缺陷检测的mAP@50达94.8%,推理时间为28.2 ms。与其他模型相比,YOLO-Pipe在兼顾实时检测的同时取得了更高的检测精度。融合的Pipe-Track算法实现了对视频数据集的检测,并且缺陷平均锁定率达到了92.3%,展现出了良好的缺陷检测效果。

关键词：排水管道缺陷检测 YOLO模型视频检测 bytetrack算法

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

基于无人机航拍视频车辆多目标跟踪算法研究

引用

计量学报 2024年第12期45卷 1772-1779页

作者：朱奇光商健刘博岑强陈卫东燕山大学信息科学与工程学院河北秦皇岛066004 河北省特种光纤与光纤传感重点实验室河北秦皇岛066004

为了提高无人机视觉平台下的车辆多目标跟踪精度,提出了一种改进YOLOv7网络与优化bytetrack算法相结合的无人机视觉车辆多目标跟踪算法。首先,针对小目标特征不明显的情况,增强了YOLOv7网络浅层语义信息的特征提取能力,同时采用SIoU-Los... 详细信息

为了提高无人机视觉平台下的车辆多目标跟踪精度,提出了一种改进YOLOv7网络与优化bytetrack算法相结合的无人机视觉车辆多目标跟踪算法。首先,针对小目标特征不明显的情况,增强了YOLOv7网络浅层语义信息的特征提取能力,同时采用SIoU-Loss对坐标损失函数进行优化,加快锚框收敛速度;其次,根据车辆运动特点,在bytetrack算法的基础上,将卡尔曼滤波算法的状态向量融入加速度信息;最后,在VisDrone2021数据集上验证算法的有效性。实验结果表明:改进YOLOv7网络的平均检测精度比原网络提高3.2%,跟踪算法准确度比基准算法提高1.2%,高阶跟踪精度提高2.9%。

关键词：计算机视觉图像处理多目标跟踪无人机 YOLOv7网络 bytetrack算法车辆检测

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

空地观测条件下多目标跟踪算法研究与实现

空地观测条件下多目标跟踪算法研究与实现

引用

作者：赵彦电子科技大学

学位级别：硕士

空地观测条件下多目标跟踪算法在民用和军事领域有着广泛的应用,解决多目标跟踪算法的准确性和鲁棒性有着重要意义。本论文以YOLOX目标检测算法和bytetrack目标跟踪算法为基础展开相关研究,提高多目标跟踪算法在应用中的准确性和实时性... 详细信息

空地观测条件下多目标跟踪算法在民用和军事领域有着广泛的应用,解决多目标跟踪算法的准确性和鲁棒性有着重要意义。本论文以YOLOX目标检测算法和bytetrack目标跟踪算法为基础展开相关研究,提高多目标跟踪算法在应用中的准确性和实时性,并将改进的算法部署到终端设备进行空地跟踪。论文研究工作和内容包括:(1)本文引入Swin Transform结构作为YOLOX检测器的特征提取网络来提升检测的准确性;其次在特征融合网络中加入改进后的CBAM注意力机制;最后采用CIOU和AFL损失函数作为网络训练损失函数。经过在Vis Drone2019-DET数据集上的实验结果表明,相比YOLOX模型,YOLOX-SW模型提升了约1.08%的m AP(IOU=0.50)和约1.6%的平均召回率(max Dets=100),本文提出的YOLOX-SW模型检测精度得到提升。(2)本文基于卷积核动态选择机制SKC和OSNet网络提出了SKC-OSNet网络作为bytetrack跟踪算法的目标表观特征提取模型。在Vis Drone2019-MOT测试数据集上的实验表明,采用SKC-OSNet目标表观特征提取模型的bytetrack跟踪方法相比之前的方法提升了约1.3%的MOTA,约0.9%的MOTP,约2.4%的IDF1。(3)本文提出了一种新的跟踪目标状态向量表达方式来改善跟踪过程中目标框预测不准确的问题;其次,为了减少多目标跟踪过程中相机刚性运动对目标位置和运动轨迹的影响,本文引入了相机运动补偿修正预测框的位置;最后,引入NSA卡尔曼滤波算法解决跟踪过程中不稳定噪声的影响。在Vis Drone2019-MOT测试数据集测试本文改进方法相比bytetrack算法IDS降低约596次,多目标跟踪的鲁棒性得到增强。(4)本文采用了Tensor RT对改进后的算法模型进行加速最终部署在NVIDIA Jetson AGX Xavier验证算法在实际应用中准确性。此外,本文基于Py QT5库开发了多目标跟踪可视化软件。

关键词：深度学习 YOLOX算法 bytetrack算法多目标跟踪

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

改进核滤波算法研究及其在智慧厨房中的应用

改进核滤波算法研究及其在智慧厨房中的应用

引用

作者：李文虎安徽建筑大学

学位级别：硕士

随着社会发展和科技进步,食品安全问题日益受到人们的重视,成为人们越来越关注的话题。传统的食品安全监控依赖于人工监测,准确性不高。目标识别和跟踪技术可以自动实现对目标的定位和跟踪,将其应用到厨房环境中,可实现对食品加工过程... 详细信息

随着社会发展和科技进步,食品安全问题日益受到人们的重视,成为人们越来越关注的话题。传统的食品安全监控依赖于人工监测,准确性不高。目标识别和跟踪技术可以自动实现对目标的定位和跟踪,将其应用到厨房环境中,可实现对食品加工过程中活动目标的实时监控,提高食品安全监测的效率。同时,该技术还可以对厨房内的设备和人员进行监控和管理,及时察觉异常情况并立即采取相应的措施,保障厨房的安全和卫生。KCF算法是一种基于核相关滤波的目标跟踪算法,利用训练集和测试集的样本进行核回归,以得到目标的估计位置。算法在运行速度、跟踪精度、对目标变形容忍度等方面表现优异,但在小目标跟踪和遮挡目标跟踪方面效果不尽如人意。小目标跟踪的过程中存在目标特征提取不足、采样率低的问题,导致目标无法准确识别。尺度池算法能够有效提升小目标的特征提取、尺寸变化和采样率的性能,被广泛的应用于小目标的检测中。本文提出了一种在KCF算法中融入尺度池算法的跟踪方法,加强了对小目标的特征提取和采样率,通过更新模板,增加跟踪的准确性。在厨房环境中,大量的设备对跟踪目标进行遮挡,在跟踪过程中会出现目标“消失”的现象。Byte Track算法是一种基于深度学习的目标跟踪算法,适合处理遮挡情况下的目标跟踪问题,但是该算法的准确性依赖于对目标的检测结果。本文提出了一种改进KCF算法和Byte Track算法联合跟踪的方法,利用改进KCF算法得到较好的检测结果,联合Byte Track算法进行遮挡目标的处理,充分利用目标的局部信息和全局特征,提高跟踪的准确性和鲁棒性。基于上述两种算法,本文实现了智慧厨房的智能监控系统。该系统分为硬件和软件两个部分,其中硬件部分的主控芯片为STM32,具有实时采集活动目标、厨房环境参数、水电气资源参数、信息传输、在线监测、预警、数据库存储等功能。软件部分主要通过Spring+Mybatis+spring Boot实现,搭配redis缓存机制,显示层架构设计通过Vue+Element+Echart实现,部署在NGINX上。通过实际搭建的实验环境对改进算法及系统进行测试,结果表明,本文提出的改进KCF算法、改进KCF算法和Byte Track算法联合跟踪算法对实际厨房环境中的小目标、遮挡目标具有识别率高,定位准确,跟踪速度快的优点,将其应于在智慧厨房监控系统中,具有计算量低,网络部署延迟小的特点,能够满足实际应用的需求。

关键词：小目标跟踪遮挡跟踪 KCF算法尺度池算法 bytetrack算法

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

具有双层路由注意力机制的YOLOv8血鹦鹉目标检测与追踪方法

引用

大连海洋大学学报 2024年第2期39卷 318-326页

作者：李鹏龙张胜茂沈烈樊伟顾家辉邹国华大连海洋大学航海与船舶工程学院辽宁大连116023 中国水产科学研究院东海水产研究所农业农村部渔业遥感重点试验室上海200090 上海峻鼎渔业科技有限公司上海200090

为了检测观赏鱼类的行为及其健康状况,设计了一种具有双层路由注意力机制的血鹦鹉(Vieja synspila♀×Amphilophus citrinellus♂)目标检测模型YOLOv8n-BiFormer,该方法在YOLOv8n模型基础上添加了双层路由注意力以减少计算量和内存,添... 详细信息

为了检测观赏鱼类的行为及其健康状况,设计了一种具有双层路由注意力机制的血鹦鹉(Vieja synspila♀×Amphilophus citrinellus♂)目标检测模型YOLOv8n-BiFormer,该方法在YOLOv8n模型基础上添加了双层路由注意力以减少计算量和内存,添加了新的视觉通用变换器BiFormer以提升计算效率,并采用bytetrack算法追踪血鹦鹉的运动轨迹。结果表明:使用YOLOv8n-BiFormer模型对血鹦鹉的检测准确率达到99.2%,召回率为93.7%,平均精度均值(mAP@0.5)为99.1%,相较于YOLOv8n模型分别提升了0.8%、1.4%、1.0%;使用该模型对水族箱中的慈鲷(Chindongo demasoni)进行检测追踪同样取得了较好的效果,慈鲷的检测准确率达到97.0%,召回率为93.4%,平均精度均值为96.5%,相较于YOLOv8n模型召回率和平均精度分别提升了1.8%和1.9%。研究表明,本文中设计的YOLOv8n-BiFormer模型具有通用性,在检测和追踪血鹦鹉和慈鲷目标方面均表现优异,消耗的计算资源较少,可部署在水族箱监控系统中,为观赏鱼信息记录自动化和智能化提供了可行的解决方案。

关键词：血鹦鹉慈鲷 YOLOv8模型检测追踪 bytetrack算法

来源：

维普期刊数据库博看期刊

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

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：