检索结果-南通市图书馆

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于轻量级神经网络的车辆识别算法研究

重庆交通大学学报（自然科学版） 2024年第4期43卷 80-87页

作者：邓超马俊杰严毅王有福李艳淇武汉科技大学汽车与交通工程学院湖北武汉430065 武汉科技大学智能汽车工程研究院湖北武汉430065 四川省无人系统智能感知控制技术工程试验室四川成都610225 云基物联网高速公路建养设备智能化试验室山东济南250357

针对目前车辆识别神经网络算法网络结构复杂、参数量大、对硬件要求高的问题,提出一种基于混合注意机制的轻量级神经网络算法MobileNetV3-YOLOv5s。首先,采用MobileNetV3的bneck模块替换YOLOv5s的主干网络;其次,将其中的大卷积核替换为... 详细信息

针对目前车辆识别神经网络算法网络结构复杂、参数量大、对硬件要求高的问题,提出一种基于混合注意机制的轻量级神经网络算法MobileNetV3-YOLOv5s。首先,采用MobileNetV3的bneck模块替换YOLOv5s的主干网络;其次,将其中的大卷积核替换为小卷积核,同时用计算量更小的特征融合方法改进sppf算法;最后,在主干网络中融合了SENet和空间注意力机制,组成混合注意力模块,提高网络对重要区域的权重。试验结果表明:在UA-DETRAC数据集上,所提出算法的参数量相比于YOLOv5s减小了82.6%,仅为2.34 MB,平均识别率为98.2%,在Nvidia jetson AGX NX上检测速度达到31帧/s,速度提高10.7%,可以更好地部署在边缘设备上,满足自动驾驶的要求。

关键词：车辆工程车辆识别注意力机制 sppf MobileNetV3 YOLOv5s

基于改进YOLOv5s的架空输电线路鸟类入侵检测方法

在线全文

学校读者我要写书评

暂无评论

智慧电力 2023年第6期51卷 100-105页

作者：裴少通张善驰华北电力大学电气与电子工程学院河北保定071003

鸟类在输电线路周围活动愈加频繁,导致输电线路跳闸与停电等事故。为快速准确地检测出入侵输电线路区域中的鸟类目标,提出了一种基于改进YOLOv5s的架空输电线路鸟类入侵检测方法。首先,将特征提取网络中的普通卷积模块替换为嵌入CBAM注... 详细信息

鸟类在输电线路周围活动愈加频繁,导致输电线路跳闸与停电等事故。为快速准确地检测出入侵输电线路区域中的鸟类目标,提出了一种基于改进YOLOv5s的架空输电线路鸟类入侵检测方法。首先,将特征提取网络中的普通卷积模块替换为嵌入CBAM注意力机制的卷积模块;其次,利用sppf模块替代原有SPP模块,加强特征提取效果;最后,将Mish激活函数嵌入三次卷积(Conv×3,C3)模块中,提高模型的非线性学习能力。结合模型训练与测试结果验证了所提方法的有效性。

关键词：输电线路鸟类入侵改进YOLOv5s CBAM sppf

在线全文

学校读者我要写书评

暂无评论

基于辅助模型的改进粒子滤波算法

探测与控制学报 2010年第1期32卷 11-14页

作者：何健李亚安易锋李国辉西北工业大学航海学院陕西西安710072 西安邮电学院电信系陕西西安710061

针对非线性、非高斯系统的目标跟踪精度不太高这一问题,提出一种改进Sigma粒子滤波算法(MSP-PF)。该算法是由主模型产生第一个粒子,剩余的粒子则由辅助模型和平方根无迹卡尔曼滤波(SRUKF)来递归生成,辅助模型使粒子的观测信息得到充分... 详细信息

针对非线性、非高斯系统的目标跟踪精度不太高这一问题,提出一种改进Sigma粒子滤波算法(MSP-PF)。该算法是由主模型产生第一个粒子,剩余的粒子则由辅助模型和平方根无迹卡尔曼滤波(SRUKF)来递归生成,辅助模型使粒子的观测信息得到充分有效地利用,解决了粒子滤波算法所面临的粒子退化和匮乏问题。仿真表明,提出的改进Sigma粒子滤波算法(Msppf)的估计性能要明显优于粒子滤波(PF)、无迹粒子滤波(UPF)、Sigma粒子滤波算法(sppf)。

关键词：非线性估计粒子滤波 SRUKF sppf

基于改进RetinaNet模型的果园苹果识别与定位应用研究

在线全文

学校读者我要写书评

暂无评论

基于改进RetinaNet模型的果园苹果识别与定位应用研究

作者：石天塔里木大学

学位级别：硕士

随着信息技术在农业领域应用愈发深入,利用信息技术解决农业领域的问题成为近年来的研究热点。然而目前果园苹果果实的采摘仍然主要以人工劳动为主,而且采摘期都是在每年的10月中旬才开始。这一期间异常寒冷,劳动强度大,劳动效率低。本... 详细信息

随着信息技术在农业领域应用愈发深入,利用信息技术解决农业领域的问题成为近年来的研究热点。然而目前果园苹果果实的采摘仍然主要以人工劳动为主,而且采摘期都是在每年的10月中旬才开始。这一期间异常寒冷,劳动强度大,劳动效率低。本研究采用以深度学习为基础的计算机视觉技术,开展林间自然环境下的苹果果实识别与定位的方法研究,为林间苹果采摘机器人提供研究基础与技术支撑。主要研究内容如下:为了完成苹果果实的识别和定位应用研究的目的,本研究采用Kinect v2深度照相机可以采集到自然场景下的林间果园苹果的彩色图像数据以及深度图像数据。(1)采用亮度调整数据增强的方式扩充数据。在Retina Net目标识别算法的基础之上结合本研究的目标需求进行相应改进。(2)采用标准的轻量化Shuffle Netv2网络模型替换原模型中主干网络Res Net网络模型作为特征提取网络,实现模型的轻量化。(3)在网络模型中添加CBAM注意力机制模块。该模块分阶段注意力机制更加精细地调整了模型对特征的处理方式从而减少漏检。(4)在该网络末端添加sppf模块,能够提升模型的特征提取能力,一定程度上提升模型的鲁棒性。(5)为了再进一步实现模型轻量化,本研究将3尺度的检测头网络减少为1个尺度的检测头网络。在研究的最后阶段,将果园中的苹果识别模型与三维定位方法相结合,实现对目标的空间定位。(6)通过相机标定实验,使用张正友标定法获取了Kinectv2相机的内外参数和相关矩阵。通过对彩色图像和深度图像进行配准,得到了果实目标在相机坐标系下的三维坐标。为了验证方法的准确性,进行了三维坐标误差实验。最终的实验结果表明,改进后的果实识别模型结合Kinect v2传感器的定位相对误差在允许范围内,成功实现了对苹果果实目标的三维空间定位。这些成果为构建完整的果实识别定位系统奠定了基础。试验结果表明,相较于及准模型,改进后的Retina Net模型的综合性能明显提高。Retina Net模型的识别准确率由原先的88.5%达到了92.8%,召回率由85.1%提升至91.3%,m AP@0.5由原先的92.2%提升至96%,FPS值由25提升至56,权重文件大小由81M降到了11.1M。在保证并提高模型识别性能的基础上,实现了模型轻量化。改进后的Rtina Net模型结合Kinect v2传感器的定位相对误差在2%以内,能满足果园苹果果实的三维空间定位要求。

关键词： RetinaNet模型 ShuffleNetv2 CBAM sppf 苹果

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

基于改进的YOLOX的中药材检测算法研究

基于改进的YOLOX的中药材检测算法研究

作者：鲁鑫长江大学

学位级别：硕士

我国地大物博,所蕴含的中药材储量是十分庞大的,中药材种类繁多且彼此之间相似度大,不容辨认。现实中,中药材店铺的中药材出售以及学习中医的学生对中药材的学习都需要对中药材进行识别,因此开展中药材检测算法研究是十分必要的。为了... 详细信息

我国地大物博,所蕴含的中药材储量是十分庞大的,中药材种类繁多且彼此之间相似度大,不容辨认。现实中,中药材店铺的中药材出售以及学习中医的学生对中药材的学习都需要对中药材进行识别,因此开展中药材检测算法研究是十分必要的。为了更好地便利与中药材息息相关的人群,本文对中药材检测算法进行研究,引入YOLOX网络模型用于中药材检测算法研究,并对该模型进行改进优化以取得更好的检测效果。本文的主要工作及创新性体现在以下几个方面:(1)构建中药材数据集。本文对公开的中药材数据集进行处理,总共包含21类中药材。对21类中药材数据集利用labelimg工具对标签进行手动标注,并利用数据增强方法对中药材数据进行数据集质量的增强,对后续对中药材数据集的训练奠定基础。(2)进行目标检测算法的研究。本文对目前常见的目标检测算法进行研究,包括二阶段的R-CNN系列算法以及一阶段的SDD算法和YOLOX系列算法。针对本文的中药材数据集对这些常见的目标检测算法进行对比实验,得出YOLOX算法对本文的中药材数据集检测性能最优。(3)提出一种基于改进的YOLOX的中药材检测算法。本文提出一种基于改进的YOLOX的中药材检测算法。率先对YOLOX的各功能模块实行分析研究,接着在同等的网络训练要求下,将YOLOX网络模型与其他深度学习算法的检测效果进行对比。并将YOLOX的空间金字塔池化SPP模块改为sppf模块,并且在sppf模块上一层加入skattention注意力机制,最后在sppf模块下一层加入Bot主干架构。实验证明,在本文中的中药材数据集下YOLOX和改进之后的YOLOX的综合检测性能更佳,实时性以及准确率都能够实现。本文以F1-score、Recall以及mAP作为模型的效果评价指标。以fuling、jinyinhua、sangshen三类中药材作为初始数据集与常见的目标检测算法进行对比实验之后,得出YOLOX算法的检测性能最优。YOLOX算法的F1-score在众多算法中最高,为0.99。YOLOX算法的Recall为98.26%,YOLOX算法的m AP最高,为98.77%。之后对YOLOX进行改进,并把中药材数据集增大到21类。经过改进后的YOLOX算法的性能达到最优。F1-score为0.89,Recall为0.94,m AP为0.905,比单独进行改进的YOLOX效果都要好。

关键词：中药材检测 YOLOX sppf skattention Bot

基于改进YOLOv4网络的手机曲面玻璃缺陷检测

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

现代电子技术 2023年第23期46卷 103-108页

作者：张跃陈宁孔明郭钢祥郭斌吴晓康中国计量大学计量测试工程学院浙江杭州310018 浙江省计量科学研究院浙江杭州310018

针对手机曲面玻璃缺陷难以识别、检测效率低、识别精度低的问题,提出改进的YOLOv4网络模型。模型的主干网络由CSPDarknet53网络替换为MobileNetv3网络,该网络可以减少参量的计算,减轻设备的负担,提高算法的效率,加强对缺陷细节的识别。... 详细信息

针对手机曲面玻璃缺陷难以识别、检测效率低、识别精度低的问题,提出改进的YOLOv4网络模型。模型的主干网络由CSPDarknet53网络替换为MobileNetv3网络,该网络可以减少参量的计算,减轻设备的负担,提高算法的效率,加强对缺陷细节的识别。采用K-means++聚类自动生成锚框,提高算法的识别精度。该算法改进空间金字塔池化层,使用sppf模块,该模块既能实现SPP模块相同的功能,又提高了算法效率。损失函数使用CIoU代替IoU,丰富网络感受视野的同时增加了远距离目标间的交互,提升了对微小目标的检测精度,更好地识别手机曲面玻璃中的细微缺陷。对比实验结果表明,改进的YOLOv4检测4种缺陷的AP值均得到提升,mAP值达到了97.57%,相较于传统的YOLOv4算法精度提升了1.23%,检测时间提高了10 ms,能有效地识别手机曲面玻璃的各种缺陷。

关键词：曲面玻璃缺陷分类 YOLOv4 MobileNetv3 sppf 损失函数

维普期刊数据库博看期刊

基于改进YOLOv5s的海洋垃圾目标检测算法

在线全文

学校读者我要写书评

暂无评论

计算机时代 2023年第10期 120-125页

作者：刘将涂振宇李元汉李豪南昌工程学院信息工程学院江西南昌330099

为了减少海洋垃圾对生物和水资源造成的危害,提出一种基于改进YOLOv5s的海洋垃圾目标检测算法。针对目标检测算法中小目标漏检及特征提取能力不足等问题,在主干网络部分添加一种基于大核注意力(LKA)机制的改进模块对特征层进行关键目标... 详细信息

为了减少海洋垃圾对生物和水资源造成的危害,提出一种基于改进YOLOv5s的海洋垃圾目标检测算法。针对目标检测算法中小目标漏检及特征提取能力不足等问题,在主干网络部分添加一种基于大核注意力(LKA)机制的改进模块对特征层进行关键目标提取,并改变了空间金字塔池化(sppf)网络结构,目的是让深层特征图上的每个像素点在输入图像上映射的区域变大。实验结果表明,改进后的YOLOv5s目标检测模型的平均精度均值(mAP)提升6%。

关键词： YOLOv5s 海洋垃圾 LKA sppf

基于改进YOLOv8的前视影像的路面病害检测方法

在线全文

学校读者我要写书评

暂无评论

时空信息学报 2024年第5期31卷 605-617页

作者：赫英策李禹萱孙尚宇宋伟东辽宁工程技术大学测绘与地理科学学院阜新123000 辽宁工程技术大学地理空间信息服务协同创新研究院阜新123000

基于深度学习的图像目标检测方法具有检测精度高、检测速度快等优点,广泛应用于路面病害检测中,目前研究多关注俯视影像的路面病害检测,前视影像中复杂场景对检测精度影响的研究尚不足。本文基于YOLOv8(you only look once version 8)... 详细信息

基于深度学习的图像目标检测方法具有检测精度高、检测速度快等优点,广泛应用于路面病害检测中,目前研究多关注俯视影像的路面病害检测,前视影像中复杂场景对检测精度影响的研究尚不足。本文基于YOLOv8(you only look once version 8)提出一种路面病害检测模型YOLO-RMID(road maintenance inspection detection)。利用Mask掩模将天空与地面分隔开,屏蔽空中悬挂输电线区域;将注意力机制融入主干特征提取部分中的快速空间金字塔池化(spatial pyramid pooling fast,sppf)模块,提高裂缝所在区域权重;在特征融合部分中通过将BiFusion模块与RepBlock模块相结合,构建多尺度融合特征BFRB(BiFusion RepBlock)结构,提高模型对路面病害的感知能力;为验证方法可行性,制作路面病害数据集LNTU_RMID,结合公开数据集RDD2022,与常用的MUENet、CrackYOLO及DGE-YOLO-P模型进行对比评价。结果表明,本方法的综合性能相对最优,平均精度分别提高了约6.7%、5.4%、6.6%。

关键词：路面病害检测深度学习 sppf YOLOv8 多尺度 mAP

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

基于改进的YOLOv5的车辆检测模型研究

电脑与信息技术 2023年第6期31卷 19-22页

作者：葛雯何卓颖屈乐乐沈阳航空航天大学电子信息工程学院辽宁沈阳110136

针对YOLOv5模型在复杂交通场景下进行车辆检测存在检测速度慢、误差检测严重,小物体识别困难等问题,提出了一种模型收敛速度快、目标框准确率高的新模型YOLOv5-Ours。首先,采用了双向特征金字塔网络(BiFPN)结构,通过利用多尺度小对象细... 详细信息

针对YOLOv5模型在复杂交通场景下进行车辆检测存在检测速度慢、误差检测严重,小物体识别困难等问题,提出了一种模型收敛速度快、目标框准确率高的新模型YOLOv5-Ours。首先,采用了双向特征金字塔网络(BiFPN)结构,通过利用多尺度小对象细粒度特征来提高识别精度,以挖掘不同画面的细粒度特征;其次,利用空间金字塔池快速(sppf)结构和ELU激活函数的复合结构,实现了对目标快速且准确的检测。实验结果表明,与其他算法相比,该算法检测速度更快,精度更高,具有良好的鲁棒性。

关键词： YOLOv5算法双向特征金字塔 sppf 车辆目标检测