检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

轻量化网络模型的道路目标检测算法

无线电工程 2023年第3期53卷 601-610页

作者：周晴谭功全尹宋麟赵亮四川轻化工大学自动化与信息工程学院四川宜宾644000 四川轻化工大学人工智能四川省重点实验室四川宜宾644005

根据实际需求,在道路目标检测过程中需要快速、准确地识别出目标的种类,针对YOLOv3目标检测算法在道路目标检测过程中存在速度慢、检测精确率不高的问题,提出了一种兼顾轻量化与检测精确率,并且可部署于移动端的轻量化卷积神经网络算法Y... 详细信息

根据实际需求,在道路目标检测过程中需要快速、准确地识别出目标的种类,针对YOLOv3目标检测算法在道路目标检测过程中存在速度慢、检测精确率不高的问题,提出了一种兼顾轻量化与检测精确率,并且可部署于移动端的轻量化卷积神经网络算法YOLOv3_M。使用ISODATA动态聚类算法对BDD与KITTI混合数据集聚类分析,找出更适合目标的Anchor Box;用mobilenetv3-Large网络代替原始YOLOv3网络中的特征提取网络Darknrt53,在降低主干网络复杂度的同时可以减小模型的参数;在特征融合网络部分加入CBAM注意力机制。实验结果表明,改进后的YOLOv3_M算法在混合数据集上测试的平均精度均值(mean Average Precision,mAP)提升了3.45%,推断速度比YOLOv3算法增加了17.5帧/秒,具有较好的实用性。

关键词：目标检测 mobilenetv3 轻量化模型 YOLOv3 ISODATA聚类

多感受野的轻量化YOLOv4用于检测肺结核

同方期刊数据库

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

中国医学物理学杂志 2022年第9期39卷 1119-1127页

作者：王佳浩王宝珠郭志涛王京华河北工业大学电子信息工程学院天津300401

肺结核疾病特征错综复杂,人工筛查成本较高,缺少规范的数据集。当前基于卷积神经网络的检测模型结构复杂、参数量大且检测精度有待进一步提高,为此提出一种改进的轻量化YOLOv4的肺结核检测模型。首先选取300例实际病例,制作一套规范的... 详细信息

肺结核疾病特征错综复杂,人工筛查成本较高,缺少规范的数据集。当前基于卷积神经网络的检测模型结构复杂、参数量大且检测精度有待进一步提高,为此提出一种改进的轻量化YOLOv4的肺结核检测模型。首先选取300例实际病例,制作一套规范的数据集,用于评估模型的性能;随后通过残差通道注意力模块改进mobilenetv3的结构,并作为YOLOv4的主干提取器,进一步减少参数量并融合上下文信息;然后在主干提取器的3个有效特征层后加入多感受野模块,有效增强低特征层的信息提取能力并降低对小型肺结核病灶的漏检率;最后,将以上改进的模块与YOLOv4的多尺度结构相结合,构建一种多感受野的轻量化YOLOv4的肺结核检测模型。与原始YOLOv4相比,该模型的参数量减少了约47%,平均精准度(mAP)值提升至96.60%,漏检率降低至6%,验证该模型能有效辅助影像科医师诊断肺结核。

关键词：肺结核 YOLOv4 mobilenetv3 多感受野

在线全文

学校读者我要写书评

暂无评论

基于改进YOLOv5s的交通标志识别算法

实验技术与管理 2022年第9期39卷 97-102页

作者：党宏社党晨张选德陕西科技大学电气与控制工程学院陕西西安710021

交通标志的自动识别对汽车的安全行驶具有重要意义。针对现有交通标志识别算法存在识别精度低、速度慢的问题,该文提出了一种基于改进YOLOv5s的交通标志识别算法。引入mobilenetv3主干网络,将RFB模块与ECA-Net模块相结合,在不提高网络... 详细信息

交通标志的自动识别对汽车的安全行驶具有重要意义。针对现有交通标志识别算法存在识别精度低、速度慢的问题,该文提出了一种基于改进YOLOv5s的交通标志识别算法。引入mobilenetv3主干网络,将RFB模块与ECA-Net模块相结合,在不提高网络计算量的情况下,确保更大范围内聚焦有效特征;在特征融合中采用AFF模块,将注意力从同层融合扩展到跨层区域;采用Matrix NMS筛选候选框,以提升模型检测速度。在中国交通标志数据集CCTSDB上的验证结果表明,该算法识别精度为96%,速度为48帧/s,在多种环境下对目标的识别能力得到增强,可以满足交通标志实时识别的需要。

关键词： YOLOv5s mobilenetv3 注意力机制特征融合

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

YOLOv4口罩检测算法的轻量化改进

计算机工程与应用 2021年第17期57卷 157-168页

作者：叶子勋张红英西南科技大学信息工程学院四川绵阳621010 西南科技大学特殊环境机器人技术四川省重点实验室四川绵阳621010

针对当前YOLOv4目标检测算法网络模型庞大、特征提取不充分且易受光线环境影响的缺点,提出了一种优化了特征提取网络和一般卷积块的轻量化YOLOv4-Lite网络模型。使用改进的mobilenetv3替换原有的主干特征提取网络,减小了网络模型的参数... 详细信息

针对当前YOLOv4目标检测算法网络模型庞大、特征提取不充分且易受光线环境影响的缺点,提出了一种优化了特征提取网络和一般卷积块的轻量化YOLOv4-Lite网络模型。使用改进的mobilenetv3替换原有的主干特征提取网络,减小了网络模型的参数量,提高了检测精度。提出了使用深度可分离卷积块代替原网络中的普通卷积块,使得模型的参数量进一步降低。结合了标签平滑、学习率余弦退火衰减算法,新增了SiLU激活函数代替Mobile-Netv3浅层网络的ReLU激活函数,优化了模型的收敛效果。优化了Mosaic数据增强方法,提升了模型的鲁棒性。在人脸口罩佩戴任务中与原算法相比,牺牲了1.68%的mAP,但在检测效率(FPS)上提升约180%。

关键词：口罩检测深度学习 YOLOv4 mobilenetv3 深度可分离卷积

在线全文

学校读者我要写书评

暂无评论

基于改进YOLOv4的轻量化目标检测算法

计算机应用 2022年第7期42卷 2201-2209页

作者：钟志峰夏一帆周冬平晏阳天湖北大学计算机与信息工程学院武汉430062

针对当前YOLOv4目标检测网络结构复杂、参数多、训练所需的配置高以及实时检测每秒传输帧数(FPS)低的问题,提出一种基于YOLOv4的轻量化目标检测算法ML-YOLO。首先,用mobilenetv3结构替换YOLOv4的主干特征提取网络,从而通过mobilenetv3... 详细信息

针对当前YOLOv4目标检测网络结构复杂、参数多、训练所需的配置高以及实时检测每秒传输帧数(FPS)低的问题,提出一种基于YOLOv4的轻量化目标检测算法ML-YOLO。首先,用mobilenetv3结构替换YOLOv4的主干特征提取网络,从而通过mobilenetv3中的深度可分离卷积大幅减少主干网络的参数量;然后,用简化的加权双向特征金字塔网络(Bi-FPN)结构替换YOLOv4的特征融合网络,从而用Bi-FPN中的注意力机制提高目标检测精度;最后,通过YOLOv4的解码算法来生成最终的预测框,并实现目标检测。在VOC2007数据集上的实验结果表明,ML-YOLO算法的平均准确率均值(mAP)达到80.22%,与YOLOv4算法相比降低了3.42个百分点,与YOLOv5m算法相比提升了2.82个百分点;而ML-YOLO算法的模型大小仅为44.75 MB,与YOLOv4算法相比减小了199.54 MB,与YOLOv5m算法相比,只高了2.85 MB。实验结果表明,所提的ML-YOLO模型,一方面较YOLOv4模型大幅减小了模型大小,另一方面保持了较高的检测精度,表明该算法可以满足移动端或者嵌入式设备进行目标检测的轻量化和准确性需求。

关键词：目标检测轻量化网络 YOLOv4 mobilenetv3 加权双向特征金字塔网络

在线全文

学校读者我要写书评

暂无评论

基于YOLOv5的改进舰船目标检测算法

电光与控制 2023年第12期30卷 66-72页

作者：张上陈益方王申涛王恒涛冉秀康三峡大学电气与新能源学院湖北宜昌443000 三峡大学湖北省建筑质量检测装备工程技术研究中心湖北宜昌443000 三峡大学计算机与信息学院湖北宜昌443000 南通理工学院江苏南通226000

舰船已经成为海上军事重要的监测目标,针对SAR图像舰船目标检测存在检测效果差、计算量大、泛化能力弱的问题,提出一种基于YOLOv5和mobilenetv3的轻量化舰船目标检测算法。首先,引入mobilenetv3主干网络,降低模型计算量与体积,实现模型... 详细信息

舰船已经成为海上军事重要的监测目标,针对SAR图像舰船目标检测存在检测效果差、计算量大、泛化能力弱的问题,提出一种基于YOLOv5和mobilenetv3的轻量化舰船目标检测算法。首先,引入mobilenetv3主干网络,降低模型计算量与体积,实现模型轻量化处理;然后,引入EIoU损失函数,提高预测框的回归精度和收敛速度;最后,在颈部网络中引入CBAM,在特征融合阶段进行注意力调整,提高模型检测精度与检测效果。在SSDD数据集上的实验结果显示,改进后算法模型体积压缩至原YOLOv5模型的18.32%,训练时间缩短35.22%,参数量减小至原模型的15.94%,计算量减小至原模型的10.76%,平均精度提升至98.3%。实验结果表明,改进后算法在保持高精度检测效果的情况下,大幅降低了参数量和计算量,减小了模型体积,并缩短了训练时间。

关键词：目标检测 YOLOv5 舰船 mobilenetv3 轻量化 EIoU CBAM

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

改进SSD算法在零部件检测中的应用研究

计算机工程与应用 2021年第7期57卷 257-262页

作者：沈新烽姜平周根荣南通大学电气工程学院江苏南通226019

针对生产线上运动过程中的零部件类型检测的实时性和准确度要求高,部分零件体积较小难以检测的问题,提出一种基于改进SSD(Single Shot MultiBox Detector)目标检测算法的零部件检测方法。使用轻量级网络mobilenetv3-Large替代SSD算法的... 详细信息

针对生产线上运动过程中的零部件类型检测的实时性和准确度要求高,部分零件体积较小难以检测的问题,提出一种基于改进SSD(Single Shot MultiBox Detector)目标检测算法的零部件检测方法。使用轻量级网络mobilenetv3-Large替代SSD算法的主干网络VGG-16,图像输入长宽尺寸由300×300像素改为224×224像素,利用特征金字塔网络提升对体积较小零件的检测效果。以气动马达零部件的检测为例进行仿真实验;网络训练中,利用数据增强提高模型的鲁棒性。实验结果表明,改进后的SSD算法在提高对零部件实时性检测速度的同时,保证了检测的准确率。

关键词：零部件检测 SSD目标检测算法 mobilenetv3 特征金字塔网络

改进Deeplab V3+网络在视觉SLAM三维地图构建应用

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2022年第10期43卷 2174-2178页

作者：屈航嵇启春段中兴西安建筑科技大学信息与控制工程学院西安710055

针对传统同时定位与地图构建(SLAM)算法在构建三维地图过程中缺少语义信息问题,本文在视觉SLAM算法基础上,结合基于深度学习的Deeplab V3+语义分割模型,构建包含几何信息与语义信息的三维稠密语义地图.对Deeplab V3+模型结合视觉SLAM造... 详细信息

针对传统同时定位与地图构建(SLAM)算法在构建三维地图过程中缺少语义信息问题,本文在视觉SLAM算法基础上,结合基于深度学习的Deeplab V3+语义分割模型,构建包含几何信息与语义信息的三维稠密语义地图.对Deeplab V3+模型结合视觉SLAM造成语义地图构建难以满足实时性问题,精简Deeplab V3+模型参数,主干网络选用轻量级卷积网络mobilenetv3进行特征提取,同时对空洞空间金字塔池化模块中卷积层采用非对称卷积运算.最后利用贝叶斯更新方法将对RGB图像分割后获得的语义信息增量融合进三维地图,实现在三维空间对不同物体进行语义标注,最终完成三维稠密语义地图构建.实验采用NYU v2数据集进行语义地图构建,结果表明,改进后的Deeplab V3+可以精确快速进行语义分割,应用于三维稠密语义地图构建,满足系统实时性要求.

关键词：视觉SLAM Deeplab V3+ 语义地图 mobilenetv3 贝叶斯更新

维普期刊数据库博看期刊

Lightweight fatigue driving detection method based on improved Yolov8

在线全文

学校读者我要写书评

暂无评论

Lightweight fatigue driving detection method based on improv...