检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

改进YOLOv4的安全帽佩戴检测方法

计算机工程与设计 2023年第8期44卷 2374-2381页

作者：李天宇吴浩毛艳玲田洋川陈明举四川轻化工大学人工智能四川省重点实验室四川宜宾644000 四川轻化工大学自动化与信息工程学院四川宜宾644000

由于安全帽目标较小、环境复杂等因素的影响,易造成卷积神经网络的漏检与误检。为提高复杂环境中对安全帽的检测能力,提出一种基于YOLOv4的安全帽检测网络SR_YOLO。采用多尺度池化操作改进空间金字塔池化层,由分层卷积与scse注意力模块... 详细信息

由于安全帽目标较小、环境复杂等因素的影响,易造成卷积神经网络的漏检与误检。为提高复杂环境中对安全帽的检测能力,提出一种基于YOLOv4的安全帽检测网络SR_YOLO。采用多尺度池化操作改进空间金字塔池化层,由分层卷积与scse注意力模块组成特征增强模块,改进网络结构,分别提高对网络感受野信息的获取能力和对Neck网络的特征提取能力。利用Kmeans++算法对安全帽数据进行anchor尺寸优化,提高算法的检测准确率。实验结果表明,SR_YOLO的mAP为84.05%,较YOLOv4提高1.45%,每秒检测帧率为30 fps,能够实现安全帽佩戴情况的快速准确检测。

关键词：安全帽佩戴检测 YOLOv4 空间金字塔池化层特征增强模块 Res2 Net scse注意力机制 Kmeans++

在线全文

学校读者我要写书评

暂无评论

动态环境下的视觉惯性里程计算法研究

动态环境下的视觉惯性里程计算法研究

作者：唐韦琪辽宁科技大学

学位级别：硕士

视觉惯性里程计算法(VIO)近年来广泛应用于机器人、无人驾驶、AR等领域。然而,传统自主移动智能体中采用的VIO算法多假设场景中的物体是静态的或者低运动状态,一旦自主移动智能体处在动态环境下,VIO算法就会出现定位精度不高且定位不稳... 详细信息

视觉惯性里程计算法(VIO)近年来广泛应用于机器人、无人驾驶、AR等领域。然而,传统自主移动智能体中采用的VIO算法多假设场景中的物体是静态的或者低运动状态,一旦自主移动智能体处在动态环境下,VIO算法就会出现定位精度不高且定位不稳定的问题,从而限制了自主移动智能体在实际环境下的应用。针对这一问题,本文提出了一种在动态环境下的视觉惯性里程计算法,该算法主要由图像数据预处理部分和视觉惯性里程计算法部分组成,图像数据预处理部分所得到的静态平面特征可以为后续VIO算法提供静态平面结构信息,视觉惯性里程计算法部分在静态平面结构信息的基础上进行位姿估计。对于图像数据预处理部分,其主要工作如下:(1)本文设计了用于提取静态平面特征的sc SE-Plane Net平面分割网络。该网络的框架设计为编码器-译码器结构,其中编译器部分用于提取特征,译码器部分用于将特征图恢复至完整尺寸以及预测平面结构信息。(2)为了加强重要空间特征以及重要通道特征的表达能力,本文在编码器-译码器结构中添加了sc SE注意力机制。对于视觉惯性里程计算法部分,其主要工作如下:(1)采用金字塔光流法对相机拍摄的图像进行特征跟踪得到特征匹配对,利用特征点对应的平面信息将非平面特征匹配对剔除。(2)根据两帧在场景中最大平面上的特征匹配对来进行单应矩阵求解,由于单应矩阵包含平面参数、相对旋转和平移量,因此利用Open CV分解单应矩阵得到多组解,继而利用景深信息大于零和RANSAC算法来选择最优的平面参数以及两帧之间相对旋转和平移量的最优解,根据三角化和PNP算法估计其他帧的初步相对位姿。(3)将相机拍摄的图像和IMU测量数据松耦合以完成尺度因子、加速度计偏置、陀螺仪偏置以及重力加速度等参数的标定。实现初步的位姿估计之后,再根据3D-2D重投影残差、先验残差、IMU预积分残差和平面单应性构成的2D-2D重投影残差来构建待优化的目标函数,实现位姿的最优估计。本文提出的动态环境下的视觉惯性里程计算法将深度学习和几何信息紧密耦合,能够有效地降低动态对象对定位精度的影响。为了评价该算法的性能,本文选择ADVIO数据集、VIODE数据集和Open LORIS数据集中具有挑战性的动态序列进行实验。实验结果表明,与传统的VINS-Mono相比,本文算法的绝对位姿误差可显著降低,并能够在高动态环境下显著提高定位的鲁棒性和精度。

关键词：视觉惯性里程计平面单应性 scse注意力机制

基于改进的Faster-RCNN的生活垃圾智能检测分类

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

阜阳师范大学学报（自然科学版） 2022年第3期39卷 49-55页

作者：周华平赵留阳安徽理工大学计算机科学与工程学院安徽淮南232001

针对传统Faster-RCNN算法检测小目标物体精度较低等问题,提出了一种改进算法。该算法以Faster-RCNN算法为基础,选用RepVGG残差网络做为基础特征提取网络,以便更多保留垃圾中小目标的特征信息。在RPN网络中使用K-means++聚类算法获得更... 详细信息

针对传统Faster-RCNN算法检测小目标物体精度较低等问题,提出了一种改进算法。该算法以Faster-RCNN算法为基础,选用RepVGG残差网络做为基础特征提取网络,以便更多保留垃圾中小目标的特征信息。在RPN网络中使用K-means++聚类算法获得更加精准的基准候选框,并在RepVGG网络中嵌入scse注意力机制,提高小目标垃圾的检测精度,增强算法的鲁棒性。实验结果表明本文算法对小目标检测效果的精度有1.51%以上的提升。

关键词： Faster-RCNN RepVGG K-means++ scse注意力机制

在线全文

学校读者我要写书评

暂无评论

改进Yolov5的玉米叶部蚜虫检测方法

合肥学院学报（综合版） 2023年第2期40卷 81-89页

作者：刘奎聂博文王广军郭依萍安庆师范大学计算机与信息学院安徽安庆246000 安徽省智能感知与计算高等学校重点实验室安徽安庆246000

针对蚜虫作为小目标在田间背景下由于其体积小、图像占比低带来的特征难以提取的问题,以及提取过程中蚜虫个体尺寸差异较大的问题,提出了一种改进Yolov5网络的蚜虫检测方法。在主干网络中段不同位置嵌入两个空间-通道并行注意力模块(scS... 详细信息

针对蚜虫作为小目标在田间背景下由于其体积小、图像占比低带来的特征难以提取的问题,以及提取过程中蚜虫个体尺寸差异较大的问题,提出了一种改进Yolov5网络的蚜虫检测方法。在主干网络中段不同位置嵌入两个空间-通道并行注意力模块(scse),在空间维度和通道维度上校准特征图的权重,增强蚜虫有效特征的提取,抑制背景无关信息的干扰。另外,在主干网络后段引入空洞卷积空间金字塔池化模块(ASPP),对特征图以不同膨胀速率的空洞卷积核提取多尺度信息,并进行特征融合,以搜索不同大小的蚜虫目标。实验结果表明,改进方法比原Yolov5网络平均精确率提高了3.9%,召回率提高了2.5%,同时保证了每张图片5ms的检测速度,对比其他流行方法在精确率和速度上也有明显的优势,证明了其检测田间蚜虫的有效性。

关键词：目标检测病虫害防治 Yolov5 scse注意力机制 ASPP

基于改进YOLOv5s的绝缘子缺陷检测方法

在线全文

学校读者我要写书评

暂无评论

机电工程技术 2024年第8期53卷 197-200页

作者：王子玉陈佳星白博文徐爱婷辽宁工程技术大学电气与控制工程学院辽宁葫芦岛125105

绝缘子在高压和超高压架空输电线路中的安全运行至关重要,因此对绝缘子图像的准确识别显得尤为关键。为了提高绝缘子缺陷检测的精度,提出了一种基于改进YOLOv5s模型的绝缘子缺陷检测方法。通过引入scse注意力机制,以实现通道和空间方面... 详细信息

绝缘子在高压和超高压架空输电线路中的安全运行至关重要,因此对绝缘子图像的准确识别显得尤为关键。为了提高绝缘子缺陷检测的精度,提出了一种基于改进YOLOv5s模型的绝缘子缺陷检测方法。通过引入scse注意力机制,以实现通道和空间方面的校准,强化了该模型在对绝缘子缺陷的辨识能力,从而进一步提高对绝缘子图像识别的精度,特别是在遮挡和相似目标干扰的情况下表现更为出色;在此基础上增加了Mosaic数据增强处理,为模型的训练提供更多数据,使模型在多场景下表现优异。经实验证实,该算法准确率达到了92.8%,召回率达到97.5%,mAP达到了98.8%,其检测精度明显优于其他模型,并在复杂场景下展现了出色的鲁棒性,为绝缘子检修工作提供了新的思路。

关键词：绝缘子检测 YOLOv5s模型 scse注意力机制图像处理

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

基于改进YOLOv3的安全帽检测方法研究

电子测试 2022年第11期36卷 84-86,114页

作者：丁文龙费树珉东南大学自动化学院江苏南京210096

针对目前对工业现场安全帽佩戴检测过程中出现的检测准确率低和实时性弱问题,提出一种基于YOLOv3的改进模型。首先,采用K-Means++聚类算法,优化获取安全帽佩戴检测的先验框尺寸;在YOLOv3特征提取网络之后引入注意力模块(scse);并在网络... 详细信息

针对目前对工业现场安全帽佩戴检测过程中出现的检测准确率低和实时性弱问题,提出一种基于YOLOv3的改进模型。首先,采用K-Means++聚类算法,优化获取安全帽佩戴检测的先验框尺寸;在YOLOv3特征提取网络之后引入注意力模块(scse);并在网络预测阶段,引入残差模块。实验表明:在自制安全帽佩戴检测数据集实验中平均准确率达到88.16%。相较于原始的YOLOv3算法,改进后算法对安全帽检测平均准确度有一定程度的提高。

关键词：目标检测安全帽检测 YOLOv3 scse注意力机制残差网络