检索结果-南通市图书馆

耦合轻量级网络ghostnet的无人机树冠检测研究

在线全文

学校读者我要写书评

暂无评论

江西科学 2024年第2期42卷 372-377页

作者：周俞东华理工大学测绘与空间信息工程学院南昌330013

在高分辨率遥感影像树冠检测研究中,基于深度学习方法虽取得较大进展,但基于无人机航拍影像检测效果欠佳,并且检测速度较慢,实时性较差。针对此类问题,旨在无人机获取树冠影像,从3个方面对YOLOv4网络模型进行改进,提高检测速度及精度。... 详细信息

在高分辨率遥感影像树冠检测研究中,基于深度学习方法虽取得较大进展,但基于无人机航拍影像检测效果欠佳,并且检测速度较慢,实时性较差。针对此类问题,旨在无人机获取树冠影像,从3个方面对YOLOv4网络模型进行改进,提高检测速度及精度。首先,使用多种数据增强方法,扩增实验样本,提高模型鲁棒性;其次,对YOLOv4网络模型进行改进,使用轻量级网络ghostnet作为改进算法的主干特征提取网络,减少模型参数,使得模型轻量化;最后,使用深度可分离卷积替代部分普通卷积,在保证提取特征同等情况下,缩短提取时间。实验结果表明,基于改进的YOLOv4模型检测精度高达98%,单张检测速度达到0.166 ms,能够有效节约时间成本和人工成本。

关键词： YOLOv4 ghostnet 无人机影像树冠检测

基于改进ghostnet的作物害虫识别网络

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

长江信息通信 2024年第3期37卷 30-34页

作者：彭鑫吉林化工学院信息与控制工程学院吉林132000

虫害是影响农作物产量的重要因素之一,及时准确地识别害虫是有效防治的重要前提,对提高作物产量具有重大意义,针对准确度不高、模型较复杂、识别效益低下问题。文章提出一种改进ghostnet的作物害虫识别模型,将胶囊网络模型替换ghostnet... 详细信息

虫害是影响农作物产量的重要因素之一,及时准确地识别害虫是有效防治的重要前提,对提高作物产量具有重大意义,针对准确度不高、模型较复杂、识别效益低下问题。文章提出一种改进ghostnet的作物害虫识别模型,将胶囊网络模型替换ghostnet平均池化层,保留模型更多空间信息特征提取;在ghostnet的Ghost瓶颈结构中,将ReLU激活函数替代为Hardswish激活函数,提高模型的泛化能力,减少了网络模型参数量。实验结果表明:在对14类作物下的害虫进行识别时,改进ghostnet模型最高准确率达到97.60%,优于ResNet等经典卷积神经网络模型,为实际作物害虫识别的应用场景下提供了一定的保障。

关键词：害虫识别 ghostnet 胶囊网络卷积神经网络

安全帽与反光衣的轻量化检测:改进YOLOv5s的算法

同方期刊数据库博看期刊评论

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 2024年第1期60卷 104-109页

作者：张学立贾新春王美刚智瀚宇山西大学自动化与软件学院太原030013

安全帽与反光衣检测对生产与交通环境的安全管理具有重要意义。针对目前安全帽和反光衣检测算法参数量大、计算量大和模型体积较大等问题,提出了一种基于YOLOv5s轻量化改进的检测算法。引入ghostnet网络结构中的Ghost模块代替原有的部... 详细信息

安全帽与反光衣检测对生产与交通环境的安全管理具有重要意义。针对目前安全帽和反光衣检测算法参数量大、计算量大和模型体积较大等问题,提出了一种基于YOLOv5s轻量化改进的检测算法。引入ghostnet网络结构中的Ghost模块代替原有的部分卷积与C3模块,大大降低了模型的复杂度。在主干网中增加CA注意力机制,抑制无效信息,增强对特征丰富区域的提取。用C3CBAM代替neck层的C3模块,既减少参数量,又提高了检测精度。实验结果表明,改进模型的mAP(平均精度)为93.6%,参数量为4.28×10^(6),计算量为9.2 GFLOPs,模型大小为8.58 MB。与YOLOv5模型相比较参数量减少了39%,计算量减少了41.7%,模型大小降低37.3%。该检测算法既保证了检测的识别准确率,又实现了检测算法的轻量化。

关键词：目标检测 YOLOv5s ghostnet 注意力机制轻量化

在线全文

学校读者我要写书评

暂无评论

基于目标检测的药品外观识别

中国现代应用药学 2024年第7期41卷 983-989页

作者：张小禹邓健志罗俊徐嘉庆桂林理工大学物理与电子信息工程学院桂林541004 广西医科大学第一附属医院药学部南宁530021

目的在药品调剂过程中,利用计算机视觉技术识别药品容易受到光照、角度以及包装等因素的影响,会产生较大的识别误差。因此,本文提出了一种用于药品外观识别的目标检测算法(YOLOv4-ghostnet-CMB)。方法首先,该算法使用ghostnet结构重新设... 详细信息

目的在药品调剂过程中,利用计算机视觉技术识别药品容易受到光照、角度以及包装等因素的影响,会产生较大的识别误差。因此,本文提出了一种用于药品外观识别的目标检测算法(YOLOv4-ghostnet-CMB)。方法首先,该算法使用ghostnet结构重新设计YOLOv4的骨干特征提取网络;其次,在Ghost模块中融合CA注意力机制,沿着水平和垂直方向聚合特征,增强模型对药品的精确定位能力;最后,通过引入Bi-FPN特征金字塔结构与新主干相连,并新增了一个特征图输出,加强特征的提取,增强药品的识别率。结果YOLOv4-ghostnet-CMB算法平均准确率可达到92.31%,与YOLOv4算法相比提升了4.49%。结论本方法能够有效识别药品,且模型大小仅有150 M。

关键词：目标检测 YOLOv4 药品外观识别 ghostnet 注意力机制双向特征金字塔网络

基于改进YOLOv7的肝囊型包虫病超声图像小病灶检测

在线全文

学校读者我要写书评

暂无评论

中国医学物理学杂志 2024年第3期41卷 299-308页

作者：米吾尔依提·海拉提热娜古丽·艾合麦提尼亚孜卡迪力亚·库尔班严传波新疆医科大学公共卫生学院新疆乌鲁木齐830011 新疆医科大学医学工程技术学院新疆乌鲁木齐830011

目的:提出一种基于YOLOv7用于检测肝囊型包虫病超声图像小病灶的方法。方法:首先用轻量级特征提取主干网络ghostnet替换原特征提取主干,降低模型总参数量;其次为改善YOLOv7网络的评价指标CIoU在作为损失函数时,检测精度较低的问题,用更... 详细信息

目的:提出一种基于YOLOv7用于检测肝囊型包虫病超声图像小病灶的方法。方法:首先用轻量级特征提取主干网络ghostnet替换原特征提取主干,降低模型总参数量;其次为改善YOLOv7网络的评价指标CIoU在作为损失函数时,检测精度较低的问题,用更优的ECIoU替换CIoU,进一步提高模型检测精度。结果:在自建的肝囊型包虫病超声图像小病灶数据集上进行训练,结果显示改进后的模型大小为59.4 G,mAP@0.5检测精度为88.1%,相比原始的模型性能得到提升,并超过其余主流检测方法。结论:本文模型能更高效地检测并分类肝囊型包虫病超声图像中的病灶位置和类别。

关键词：囊型包虫病深度学习目标检测 YOLOv7 ECIoU ghostnet

维普期刊数据库博看期刊

基于改进YOLOv5模型的SAR图像舰船目标检测算法

在线全文

学校读者我要写书评

暂无评论

电光与控制 2024年

作者：孙培双温显斌天津理工大学计算机科学与工程学院

针对现有的合成孔径雷达（SAR）舰船目标检测方法存在检测精度较差、计算量较大的问题，提出了一种基于YOLOv5和ghostnet的轻量化舰船目标检测方法。引入轻量化网络ghostnet的GhostConv和GhostC3模块用于改进YOLOv5的主干网络，实现大... 详细信息

针对现有的合成孔径雷达（SAR）舰船目标检测方法存在检测精度较差、计算量较大的问题，提出了一种基于YOLOv5和ghostnet的轻量化舰船目标检测方法。引入轻量化网络ghostnet的GhostConv和GhostC3模块用于改进YOLOv5的主干网络，实现大幅度减轻模型计算量的目的。在颈部网络引入CBAMC3模块，在特征融合阶段进行注意力调整，实现目标的精确检测。此外，该方法引入EIOU损失函数，提高预测框的回归精度和收敛速度。公开数据集上的测试结果表明该改进算法在保持较高精度的情况下，大幅度降低了参数量和模型体积，是SAR图像理想的轻量化舰船检测模型。

关键词： SAR图像目标检测 YOLOv5 ghostnet 轻量化 CBAM

G-YOLO v7：面向无人机航拍图像的目标检测算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

光电子·激光 2024年

作者：陈卫彪贾小军朱响斌冉二飞魏远旺浙江师范大学计算机科学与技术学院嘉兴大学信息科学与工程学院浙江理工大学计算机科学与技术学院(人工智能学院)

针对传统无人机目标检测算法存在漏检率高、检测成功率低、模型体积大等问题，提出一种新的基于ghostnet和注意力机制的大检测头网络结构的目标检测方法G-YOLO v7（ghostnet yolo v7）。该技术在YOLO v7-tiny的基础上增加一个大尺寸160x... 详细信息

针对传统无人机目标检测算法存在漏检率高、检测成功率低、模型体积大等问题，提出一种新的基于ghostnet和注意力机制的大检测头网络结构的目标检测方法G-YOLO v7（ghostnet yolo v7）。该技术在YOLO v7-tiny的基础上增加一个大尺寸160x160目标检测头以提升小目标检测能力，同时对网络进行轻量化处理。删除原有20x20的小检测头及其卷积结构，新增ghostnet卷积模块，以减少网络的参数量，降低模型体积，同时修改损失函数为WIoU(wise intersection over union)，增加PCBAM(parallel convolutional block attention module)注意力模块以提升检测精度。实验结果表明，基于G-YOLO v7网络结构的目标检测的mAP@0.5为42.3%，较YOLO v7-tiny提升5.2%，较YOLO v8n提升7.4%。G-YOLO v7的参数量和模型体积仅为YOLO v7-tiny的33.9%和37.9%，YOLO v8n的64%和75.6%，能够有效地应用于无人机航拍图像目标检测。

关键词： G-YOLO v7 目标检测 ghostnet YOLO v7 无人机图像

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YOLOv7的轻量级鱼类目标检测算法

现代电子技术 2024年第11期47卷 78-83页

作者：曹静雯孟娟朱珈缘马媛媛大连海洋大学信息工程学院辽宁大连116023

针对传统鱼群检测方法耗时长且检测结果易受检测人员技术经验影响等问题,结合养殖鱼群图像特征,基于YOLOv7模型,提出一种轻量级实时检测鱼群的方法。该方法将ghostnet引入YOLOv7模型中作为主干特征提取网络,以减少网络的参数量,同时将... 详细信息

针对传统鱼群检测方法耗时长且检测结果易受检测人员技术经验影响等问题,结合养殖鱼群图像特征,基于YOLOv7模型,提出一种轻量级实时检测鱼群的方法。该方法将ghostnet引入YOLOv7模型中作为主干特征提取网络,以减少网络的参数量,同时将特征融合网络的ELAN-H模块中CBS卷积层替换为PConv,进一步降低模型的计算复杂度,并在特征融合网络中加入CBAM注意力模块和轻量级上采样算子CARAFE,以提高网络的特征表达能力。在采集的鱼群数据集上进行实验表明,提出模型的平均精度均值为95.54%,参数量为24.13×10^(6),浮点运算次数(GFLOPs)为38.45×10^(9),相较于YOLOv7模型,改进后的模型平均精度均值提高了1.86%,参数量和计算量分别降低了13.14%、70%。相较于YOLOv4和YOLOv5s等模型,文中模型的平均精度均值也均有提高,能够为鱼群检测提供一种轻量化的实时高效检测方法,大大降低了检测人员的工作量。

关键词： YOLOv7 ghostnet 轻量化 PConv 注意力机制 CARAFE

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

面向嵌入式端的轻量级交通信号灯检测算法

计算机工程与应用 2024年第13期60卷 361-368页

作者：杨永波李栋房建东董祥李毅伟内蒙古工业大学信息工程学院内蒙古自治区感知技术与智能系统重点实验室呼和浩特010051

针对现有交通信号灯检测算法计算量和模型大,嵌入式端部署难,且对远距离交通信号灯的检测难度大,漏检率高等问题,设计了一种面向嵌入式端的轻量级交通信号灯检测算法,针对轻量化和实时性要求,采用ghostnet网络Ghost模块和Ghost瓶颈层结... 详细信息

针对现有交通信号灯检测算法计算量和模型大,嵌入式端部署难,且对远距离交通信号灯的检测难度大,漏检率高等问题,设计了一种面向嵌入式端的轻量级交通信号灯检测算法,针对轻量化和实时性要求,采用ghostnet网络Ghost模块和Ghost瓶颈层结构,减少了模型参数量,提升了检测速度;针对特征相似问题,采用加权双向特征金字塔网络结构,使得算法对目标更敏感;使用密集空洞空间金字塔池化,优化全局上下文信息的提取;针对小目标识别问题,通过多尺度检测的改进,增强对小目标的信息提取;通过知识蒸馏,提升模型学习能力,进而提高检测性能。实验结果表明,该检测算法对交通信号灯的识别精度达到了97.0%,召回率达到了99%,较YOLOv5s算法分别提高了2.7和3个百分点,模型大小减小到8.06 MB,是YOLOv5s的58%,识别速率从51帧每秒提升到56帧每秒,通过在嵌入式端的测试,改进后算法对远距离下的交通信号灯能够实时准确地识别。

关键词：目标检测轻量级 ghostnet 知识蒸馏密集空洞空间金字塔池化