检索结果-南通市图书馆

基于改进YOLOv8n的煤矿带式输送异物检测研究

在线全文

学校读者我要写书评

暂无评论

矿业安全与环保 2024年第4期51卷 41-48页

作者：李宗霖王广祥张立亚李明亮河北地质大学信息工程学院河北石家庄050031 河北地质大学光电技术研究所河北石家庄050031 煤炭科学技术研究院有限公司北京100013 智能传感物联网技术河北省工程研究中心河北石家庄050031

在煤矿带式输送物料过程中,异物的出现可能会引发输送带撕裂或堵塞等安全风险。针对输送带输送物料中异物多样、人工巡检效率低、硬件限制等问题,提出一种基于改进YOLOv8n的轻量化煤矿带式输送异物检测算法:采用GhostNetV2网络对原CSPDa... 详细信息

在煤矿带式输送物料过程中,异物的出现可能会引发输送带撕裂或堵塞等安全风险。针对输送带输送物料中异物多样、人工巡检效率低、硬件限制等问题,提出一种基于改进YOLOv8n的轻量化煤矿带式输送异物检测算法:采用GhostNetV2网络对原CSPDarkNet53主干网络进行轻量化改进,以减少模型的参数和计算量;整合全局平均池化和全局最大池化思想优化SPPF模块,关注煤矿恶劣环境影响下图像的底层信息;设计了headC2f_CA模块,融入通道注意力机制,以便能够更有效地捕捉不同尺度和位置的异物特征,强化特征信息表达;引入diou损失函数,精确反映锚框与预测框之间的相似度,提升模型检测精度。实验结果表明,改进后的模型平均精度均值达88.3%,相比于基线模型YOLOv8n,提升了0.8%,参数量减少了18.51%,计算量减小了20.73%,模型大小缩减了15.87%。该模型有效缓解了边缘设备的硬件限制,同时保障了煤矿安全监测的准确性。

关键词：煤矿带式输送机输送带异物部署轻量化 GhostNetV2 SPPF优化 headC2f_CA注意力模块 diou损失函数

在线全文

学校读者我要写书评

暂无评论

基于无人机航拍的绝缘子掉串实时检测研究

上海交通大学学报 2022年第8期56卷 994-1003页

作者：李登攀任晓明颜楠楠上海电机学院电气学院上海201306 国网华东电力试验研究院有限公司上海200437 复旦大学类脑智能科学与技术研究院上海200433

由无人机代替人工进行电力绝缘子巡检具有重要意义,针对无人机的上位机算力和存储资源有限的问题,提出一种适用于绝缘子掉串故障检测的实时目标检测改进算法.以YOLOv5s检测网络为基础,将颈部结构中路径聚合网络替换为双向特征金字塔网络... 详细信息

由无人机代替人工进行电力绝缘子巡检具有重要意义,针对无人机的上位机算力和存储资源有限的问题,提出一种适用于绝缘子掉串故障检测的实时目标检测改进算法.以YOLOv5s检测网络为基础,将颈部结构中路径聚合网络替换为双向特征金字塔网络,以提升特征融合能力;使用diou优化损失函数,对模型进行γ系数的通道剪枝和微调,总体上提升检测网络的精度、速度和部署能力;在网络输出处进行图像增强以提升算法可用性.在特殊扩增的绝缘子故障数据集下测试,相较于原始的YOLOv5s算法,改进算法在精度平均值上提升了3.91%,速度提升了25.6%,模型体积下降了59.1%.

关键词：无人机绝缘子掉串双向特征金字塔网络结构 γ系数剪枝微调 diou损失函数图像增强

FPN-CenterNet安全帽佩戴检测算法

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 2022年第14期58卷 114-120页

作者：赵江河王海瑞吴蕾昆明理工大学信息工程与自动化学院昆明650504

安全帽作为施工场所工人的安全保障,佩戴与否影响着工人的生命安全。在佩戴检测方面引入深度学习可以高效地提醒工人佩戴安全帽。但由于施工图像中安全帽的图像过小,CenterNet表现得并不好。因此针对这个情况,提出了FPN-CenterNet框架;... 详细信息

安全帽作为施工场所工人的安全保障,佩戴与否影响着工人的生命安全。在佩戴检测方面引入深度学习可以高效地提醒工人佩戴安全帽。但由于施工图像中安全帽的图像过小,CenterNet表现得并不好。因此针对这个情况,提出了FPN-CenterNet框架;使用ACNet非对称卷积核来对主干网络的特征提取进行增强;使用diou损失函数来优化边框预测的准确度。最终修改的算法相较于原始的CenterNet算法mAP提升了4.99个百分点,在GTXGeForce 1050的GPU上的FPS达到25.81。实验结果表明修改之后的算法在安全帽佩戴检测上有良好的准确性和效率。

关键词：安全帽佩戴检测特征金字塔非对称卷积核 diou损失函数

带有辅助网络的YOLOv3遥感图像目标检测

在线全文

学校读者我要写书评

暂无评论

带有辅助网络的YOLOv3遥感图像目标检测

作者：曲振方黑龙江大学

学位级别：硕士

遥感图像目标检测近些年来已被广泛应用于军事民生领域,但是受限于大部分遥感目标物相对来说比较小,不具有足够的特征以供现有的深度学习网络学习,因此如何增强现有的深度学习网络的特征提取能力就显得尤为重要,本文对YOLOv3目标检测网... 详细信息

遥感图像目标检测近些年来已被广泛应用于军事民生领域,但是受限于大部分遥感目标物相对来说比较小,不具有足够的特征以供现有的深度学习网络学习,因此如何增强现有的深度学习网络的特征提取能力就显得尤为重要,本文对YOLOv3目标检测网络进行研究和改进,具体研究内容及创新工作如下:首先,提出了一种基于YOLOv3的双通道特征提取网络,其目的是能够增强YOLOv3的特征提取能力。辅助网络与YOLOv3主干网络平行连接,但是辅助网络的卷积核与主干网络有所不同,这有利于提取多样的特征增加特征输出的种类。并且为了使得辅助网络的特征更易于整合,在其尾部采用压缩-激励注意力机制(Squeeze-and-Excitation,SE),使得网络能够学习到特定目标的通道特征并且起到整合辅助网络的特征的作用。并且最后经由实验测试得本部分方法相较于原始YOLOv3的m AP提高了8.68%。其次,提出了一种改进的带有辅助网络YOLOv3网络,为了使网络学习到空间与通道特征,使用了效果更为优秀的卷积块注意力机制(Convolutional Block Attention Module,CBAM)。YOLOv3的输出是分层的,换而言之YOLOv3无法融合深层的语义信息与浅层的细节信息,这大大的降低了特征的表达能力,所以本文中采用自适应特征融合(Adaptively Spatial Feature Fusion,ASFF)的方法使得特征能够更加充分的融合。YOLOv3的损失函数收敛速度慢,训练时间较长,所以本文使用了收敛速度更快更稳定的DIo U损失函数,并且针对上述改进均做出对比试验,m AP相比原本的辅助网络提高了5.36%,检测速度也比原本的辅助网络高出3.07FPS。最后,设计并实现了一套基于PyQt5的遥感图像目标检测软件平台,使得本文方法可以更加便利而直观的被复现出来。

关键词： YOLOv3 SE注意力机制自适应特征融合 CBAM注意力机制 diou损失函数

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

基于改进YOLOv5的工业安全帽检测

现代计算机 2023年第21期29卷 1-8页

作者：刘斯逸何青长沙理工大学电气与信息工程学院长沙410114

YOLO系列算法是目前计算机视觉目标检测领域主流的算法模型,其中以YOLOv5为代表的算法往往具有更快的检测速度和更高的准确率。由于工业施工现场受到例如光照、遮挡等复杂因素的影响,现有的检测算法对于小目标的检测精度不佳,存在漏检... 详细信息

YOLO系列算法是目前计算机视觉目标检测领域主流的算法模型,其中以YOLOv5为代表的算法往往具有更快的检测速度和更高的准确率。由于工业施工现场受到例如光照、遮挡等复杂因素的影响,现有的检测算法对于小目标的检测精度不佳,存在漏检、错检等问题。鉴于此,提出一种改进的YOLOv5安全帽检测算法。算法的改进主要为两方面,一方面对YOLOv5的三个预测输出层分别加入三种不同的自注意力机制,对大、中、小三个预测输出层之前分别加入SKNet模块、CA模块、ECA模块用以增强模型对于中小目标检测的鲁棒性,加入通道和空间的特征信息使得模型在预测中小目标时专注于被检测目标,同时在每一个模块引入残差连接,提高训练速度,有效解决因为引入自注意力机制造成的梯度消失问题;另一方面改进原来预测边界框的损失函数,采用diou损失函数加快训练的速度,提高了检测精度。在开源的数据集上进行实验验证,实验结果显示改进后的YOLOv5模型对比于改进之前的mAP值提升了1.6%。

关键词： YOLOv5 SKNet模块 CA模块 ECA模块 diou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YOLOv5的目标检测算法研究

信息技术与信息化 2023年第11期 103-107页

作者：胡冠真李宏滨吴彦昕沈帅杰太原师范学院山西晋中030619

为提高道路目标检测精度,采用了基于YOLOv5网络模型的改进算法。其中,利用Mish激活函数来提高特征提取能力,引入CBAM注意力机制对特征信息进行增强,采用diou目标回归损失函数来直接最小化两个目标框的距离,从而提高收敛速度。实验结果表... 详细信息

为提高道路目标检测精度,采用了基于YOLOv5网络模型的改进算法。其中,利用Mish激活函数来提高特征提取能力,引入CBAM注意力机制对特征信息进行增强,采用diou目标回归损失函数来直接最小化两个目标框的距离,从而提高收敛速度。实验结果表明,所提出的算法在公开的自动驾驶数据集KITTI上的表现非常出色,达到了91.1%的mAP和94.9%的检测精度,相比原始算法分别提高了3.1%和3.2%。此外,所提出的算法具有较好的检测速度(69帧/s)和实时性,相比一些主流的目标检测算法,具有一定的优越性。

关键词：目标检测 YOLOv5 CBAM注意力机制 Mish激活函数 diou损失函数

基于改进YOLOv3算法的行人目标检测研究

在线全文

学校读者我要写书评

暂无评论

软件导刊 2022年第4期21卷 220-225页

作者：刘金涛山东科技大学计算机科学与工程学院山东青岛266590

针对行人目标检测任务中目标检测速度慢及小目标难以检测的问题,提出一种融合CBAM注意力机制的YOLOv3多尺度目标检测模型。该算法首先以YOLOv3为基础网络进行特征提取,然后在YOLOv3的多尺度特征融合层新增一个两倍下采样特征图,用于补... 详细信息

针对行人目标检测任务中目标检测速度慢及小目标难以检测的问题,提出一种融合CBAM注意力机制的YOLOv3多尺度目标检测模型。该算法首先以YOLOv3为基础网络进行特征提取,然后在YOLOv3的多尺度特征融合层新增一个两倍下采样特征图,用于补充小目标特征信息,最后在YOLOv3的各尺度特征图融合后加入卷积注意力模型(CBAM),以加强网络的特征表达能力。模型训练时使用diou损失函数代替较为主流的GIOU损失函数,并采用INRIA数据集进行实验。实验结果表明,改进后的YOLOv3目标检测模型精度和速度都有较大程度提升,检测精度最高提升了4.5%,检测速度提升了8帧/s,验证了该模型的可行性与有效性。

关键词：行人目标检测多尺度反馈 CBAM注意力机制 diou损失函数

维普期刊数据库博看期刊