检索结果-南通市图书馆

基于改进YOLOv3的符号型交通标志牌识别算法

在线全文

学校读者我要写书评

暂无评论

内蒙古科技与经济 2021年第22期 84-85,89页

作者：王保柱李佳南远松灵李玉倩河北科技大学信息科学与工程学院石家庄市京华电子实业有限公司河北石家庄050000

针对图形符号类交通标志牌,应用YOLOv3“一阶段”算法模型进行识别,并对YOLOv3算法进行了改进,将其结构复杂的Darknet-53网络替换为轻量级的mobilenetv3网络用作提取特征的功能。实验结果表明,改进后的算法模型框架简单,计算量小,识别... 详细信息

针对图形符号类交通标志牌,应用YOLOv3“一阶段”算法模型进行识别,并对YOLOv3算法进行了改进,将其结构复杂的Darknet-53网络替换为轻量级的mobilenetv3网络用作提取特征的功能。实验结果表明,改进后的算法模型框架简单,计算量小,识别速度显著加快。

关键词： YOLOv3 交通标志牌识别 mobilenetv3

基于YOLOv7-Tiny的车牌及放大号检测研究

在线全文

学校读者我要写书评

暂无评论

价值工程 2024年第7期43卷 104-106页

作者：陈冠宇尚雅层西安工业大学机电工程学院西安710021

由于大型车辆的后车牌容易污损和遮挡,目前车牌号的识别对于这种情况有明显缺陷。提出将车牌放大号和车牌共同检测后再识别,提升车牌识别算法的适用性。本文基于YOLOv7-Tiny检测,算法先后采用更换主干网络和卷积模块实现模型轻量化,通... 详细信息

由于大型车辆的后车牌容易污损和遮挡,目前车牌号的识别对于这种情况有明显缺陷。提出将车牌放大号和车牌共同检测后再识别,提升车牌识别算法的适用性。本文基于YOLOv7-Tiny检测,算法先后采用更换主干网络和卷积模块实现模型轻量化,通过改进损失函数来提升精度。实验表明,在YOLOv7-Tiny更换mobilenetv3主干网络、GSConv卷积核和Focal-EIoU后,实现模型体积下降35%,参数量下降37%,运算量下降58%,从而实现一种轻量化的模型。

关键词：放大号 YOLOv7-Tiny mobilenetv3 GSConv Focal-EioU

维普期刊数据库博看期刊

基于改进YOLOv5s的轻量级桃子检测算法

在线全文

学校读者我要写书评

暂无评论

电脑知识与技术 2023年第4期19卷 33-36页

作者：赵红梅文嘉睿江苏电子信息职业学院江苏淮安223001

我国是世界上最大的桃子生产国,然而桃子采摘仍然依靠人工采摘,而桃子目标检测技术是实现桃子自动采摘的关键,现有专门针对桃子目标检测的研究较少,且多数使用传统的图像处理与机器学习方法。该文通过深度学习技术,提出一种基于YOLOv5s... 详细信息

我国是世界上最大的桃子生产国,然而桃子采摘仍然依靠人工采摘,而桃子目标检测技术是实现桃子自动采摘的关键,现有专门针对桃子目标检测的研究较少,且多数使用传统的图像处理与机器学习方法。该文通过深度学习技术,提出一种基于YOLOv5s的桃子检测算法。首先,将轻量化的mobilenetv3网络替换YOLOv5s中的主干网络,其次,选取更高效的注意力机制ECA模块替换mobilenetv3中的注意力模块。在自建桃子数据集上训练结果显示,改进后的算法平均精度达到92.9%,模型计算量仅有原来的12%。实验表明,改进后的模型在保持高精度的同时更轻量化,能够对复杂环境下的桃子进行有效实时检测。

关键词：桃子检测 YOLOv5s mobilenetv3 注意力机制轻量化

雷达占据栅格图车辆目标的轻量化YOLOv5s方法研究

在线全文

学校读者我要写书评

暂无评论

工业控制计算机 2023年第9期36卷 1-3页

作者：牟殊雨刘文楷李洋王彦平谢光达北方工业大学信息学院北京100144

毫米波雷达传感器可穿透火障、烟瘴及高温,是特长隧道等封闭空间灾中车辆目标检测的主要信息来源。基于雷达的同时定位与构图技术(Simultaneous Localization and Mapping,SLAM)可对受灾的静止车辆及环境进行占据栅格成像,并在低成本边... 详细信息

毫米波雷达传感器可穿透火障、烟瘴及高温,是特长隧道等封闭空间灾中车辆目标检测的主要信息来源。基于雷达的同时定位与构图技术(Simultaneous Localization and Mapping,SLAM)可对受灾的静止车辆及环境进行占据栅格成像,并在低成本边缘计算平台上进行高精度实时车辆目标检测。现有YOLOv5s目标检测网络模型过于复杂,且训练模型针对光学数据,与雷达占据栅格地图(Radar Occupancy Grid Map,ROGM)中的车辆目标特征存在差异。针对上述问题提出了YOLOv5s-MDS轻量化网络模型,以雷达图像特征为约束优化网络结构,参数量相对原YOLOv5s模型降低42.3%。实验表明:该网络模型在大规模VOC光学图像预训练模型辅助下,利用雷达小样本数据微调可快速收敛。

关键词：车辆目标检测 ROGM YOLOv5s 轻量化 mobilenetv3 注意力机制

基于改进DeepLabV3+网络的滑坡识别

在线全文

学校读者我要写书评

暂无评论

测绘 2023年第5期46卷 227-231页

作者：徐一铭龚建辉李学菊成都理工大学四川成都610059 自然资源部第三航测遥感院四川成都610100

我国滑坡灾害频发,研究如何从遥感影像中快速识别滑坡对于应急救灾具有重要的意义。本文尝试将基于深度学习的DeepLabV3+语义分割模型的主干网络替换为mobilenetv3应用于滑坡提取。将改进的DeepLabV3+模型与U-Net、SegNet经典语义分割... 详细信息

我国滑坡灾害频发,研究如何从遥感影像中快速识别滑坡对于应急救灾具有重要的意义。本文尝试将基于深度学习的DeepLabV3+语义分割模型的主干网络替换为mobilenetv3应用于滑坡提取。将改进的DeepLabV3+模型与U-Net、SegNet经典语义分割网络模型分别在开放的毕节滑坡数据集上进行实验。改进后的模型在实验区域对滑坡的识别精确率可达到93.79%,准确率可以达到96.68%,精度高于对比网络,改进后的模型可以有效地识别滑坡,能够区分裸地、道路等干扰因素,得到较为准确的滑坡边界,结果表明改进后的DeepLabV3+模型用于滑坡识别是有效可行的。

关键词：滑坡识别深度学习 DeepLabV3+ mobilenetv3

基于改进YOLOX的实时马铃薯叶片病害检测方法

在线全文

学校读者我要写书评

暂无评论

江苏农业科学 2024年第20期52卷 199-208页

作者：张凯萍李国霞许昌电气职业学院信息工程系河南许昌461002 郑州大学物理学院河南郑州450001

随着深度学习在图像识别领域的广泛应用,目标检测算法已取得显著进展。然而,在农业病害检测特别是马铃薯叶病害检测方面,仍面临诸多挑战,如自然光影响和数据不平衡问题等。为此,提出一种改进YOLOX的马铃薯叶病害检测方法。首先以轻量化M... 详细信息

随着深度学习在图像识别领域的广泛应用,目标检测算法已取得显著进展。然而,在农业病害检测特别是马铃薯叶病害检测方面,仍面临诸多挑战,如自然光影响和数据不平衡问题等。为此,提出一种改进YOLOX的马铃薯叶病害检测方法。首先以轻量化MobileNet v3网络作为骨干替换原有的CSPDarkNet53网络,以提高模型在特征提取上的效率,同时减少计算量。其次引入V通道网络,增加模型对复杂光照环境的适应性,更精确地捕获纹理信息。最后设计一种自适应的交叉熵损失函数,以解决样本不平衡的问题,确保模型的鲁棒性和准确性。在公开数据集PlantVillage上进行试验验证,结果表明,改进模型平均准确率、浮点运算次数、内存和FPS分别为98.55%、14.63×109次、49.35 MB、125.92帧/s。相比原始YOLOX模型,平均准确率和单帧识别速度分别提高4.38百分点、36.65%;浮点运算次数和内存分别降低43.23%、34.33%。此外,与不同模型对比试验以及嵌入式平台上的试验结果均表明,本研究提出的改进YOLOX模型在准确率、计算效率和速度方面均具有明显的优势,为农作物叶片病害检测提供了一种有效的解决方案。

关键词：马铃薯病害检测 YOLOX mobilenetv3 V通道网络交叉熵损失

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

基于深度学习算法的车牌检测系统设计

成组技术与生产现代化 2024年第3期41卷 27-35页

作者：王东升聂建军中原工学院机电学院河南郑州450007

为实现汽车车牌的自动读取,设计了一种基于深度学习的轻量化车牌检测系统。在YOLOv8网络模型的基础上,用mobilenetv3网络更换主干网络,减少了模型的参数量,提升了车牌检测速度;引入全维度动态卷积来调整Neck模块的扩展率,提升了车牌检... 详细信息

为实现汽车车牌的自动读取,设计了一种基于深度学习的轻量化车牌检测系统。在YOLOv8网络模型的基础上,用mobilenetv3网络更换主干网络,减少了模型的参数量,提升了车牌检测速度;引入全维度动态卷积来调整Neck模块的扩展率,提升了车牌检测精度。在用目标检测网络对车牌识别后,利用PaddleOCR软件进行了字符识别。利用PyQt5软件对检测系统的操作界面进行设计,并对软件的操作过程进行了说明。在选用的中国城市停车数据集(Chinese City Parking Dataset,CCPD)上进行了实验验证。验证结果表明:改进后网络模型的运算复杂度GFLOPs为7.8,检测平均精度mAP50为89.77%,运算速度FPS为86.1帧/s。相较于现有车牌检测算法所用网络模型,改进后网络模型有效地兼顾了轻量化和检测精度要求,可以满足汽车车牌实时检测的需要。

关键词：深度学习车牌检测网络模型 YOLOv8 mobilenetv3 系统设计