检索结果-南通市图书馆

维普期刊数据库

同方期刊数据库

一种结合STB和FSASC的视网膜图像血管分割新方法

在线全文

学校读者我要写书评

暂无评论

光电子·激光 2024年

作者：刘辉朱正为特殊环境机器人技术四川省重点实验室西南科技大学信息工程学院

视网膜血管分割是医学图像分析中一个重要而困难的任务，常规方法难以有效检测细小密集的血管结构。为了解决这一问题，本文提出了一种结合swin transformer block（STB）与全尺度注意力跳跃连接（FSASC）机制，实现视网膜血管高精细、... 详细信息

视网膜血管分割是医学图像分析中一个重要而困难的任务，常规方法难以有效检测细小密集的血管结构。为了解决这一问题，本文提出了一种结合swin transformer block（STB）与全尺度注意力跳跃连接（FSASC）机制，实现视网膜血管高精细、高准确分割的新方法。该方法通过构建U型编码器-解码器网络，实现了从局部到全局的自注意力，使模型可以更多关注关键的血管特征；采用FSASC结构对不同特征进行融合，为模型学习图像多尺度语义与空间信息提供了一种简单而强大的机制。利用公开数据集DRIVE和STARE对本文方法进行了实验，实验结果表明，本文方法可实现对视网膜血管结构的高质量、高精准分割，与Unet等其它方法相比，本文方法在细节特征分割和分割准确率上均有更好的性能表现。

关键词：视网膜图像血管分割 swin transformer block 全尺度注意力跳跃连接

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YOLOv5的安全帽佩戴检测算法

计算机工程与应用 2023年第11期59卷 203-211页

作者：乔炎甄彤李智慧河南工业大学信息科学与工程学院郑州450001 粮食信息处理与控制重点实验室郑州450001

针对目前目标检测模型结构复杂、计算量大、检测准确率低等问题,提出在工业场景下基于改进型YOLOv5的安全帽佩戴算法。在主干网络引入轻量型网络ShuffleNetv2,保留Focus结构和ShuffleNetv2共同组成主干网络,降低网络的计算量和参数量;... 详细信息

针对目前目标检测模型结构复杂、计算量大、检测准确率低等问题,提出在工业场景下基于改进型YOLOv5的安全帽佩戴算法。在主干网络引入轻量型网络ShuffleNetv2,保留Focus结构和ShuffleNetv2共同组成主干网络,降低网络的计算量和参数量;在C3模块中引入swin transformer block,得到C3STB模块,替换Neck部分原有的C3模块;设计了CBAM_H注意力机制,并将其嵌入Neck网络中,获取全局上下文信息,提高模型检测准确率。自建数据集并进行实验,实验结果表明,改进后的YOLOv5模型的参数量由6.14×10^(6)压缩到8.9×10^(5),计算量由1.64×10^(10)压缩到6.2×10^(9),mAP由0.899上升到0.908,优于原模型性能。

关键词： YOLOv5 ShuffleNetv2 CBAM注意力机制 swin transformer block

维普期刊数据库

基于YOLOv5s-STP的复杂背景下茶叶病害检测与应用

在线全文

学校读者我要写书评

暂无评论

基于YOLOv5s-STP的复杂背景下茶叶病害检测与应用

作者：蒋钰安徽农业大学

学位级别：硕士

中国是茶叶生产和出口大国,茶叶病害的防治对茶叶的产量和质量有着重要意义。目前依靠茶农经验识别茶叶病害存在较多的误判,漏判情况。近些年来,随着深度学习的发展,目标检测技术推动着农作物病害检测的发展,但是针对茶叶病害检测,现有... 详细信息

中国是茶叶生产和出口大国,茶叶病害的防治对茶叶的产量和质量有着重要意义。目前依靠茶农经验识别茶叶病害存在较多的误判,漏判情况。近些年来,随着深度学习的发展,目标检测技术推动着农作物病害检测的发展,但是针对茶叶病害检测,现有的研究基本建立在单一背景下的单一病害检测。因此,研究一种复杂背景下多叶片茶叶病害识别算法,对茶叶病害的防治具有重要意义。为了弥补自然环境中茶叶病害检测的空缺,本文以目标检测技术为基础,使用卷积神经网络方法,针对自然环境下的复杂背景、多叶片,小目标病害等问题,本文提出了一种YOLOv5s-STP茶叶病害检测方法。具体工作内容和试验结果如下:(1)构建了茶叶病害数据集。本文采集了3种茶树的5种病害图像,共2492张,并通过位置变换、色彩抖动、Auto Contrast、Cutout、Sharpness等数据增强方式将数据集扩充到7287张。接着对数据集进行归一化处理,然后使用Lable Img图像标注软件完成图像标注工作,最后按比例随机划分数据集。(2)提出了基于YOLOv5s-STP的茶叶病害检测算法。首先使用Faster R-CNN、SSD和YOLOv5s算法分别训练自建的茶叶病害数据集,结果表明YOLOv5s在三种算法中的表现最好,该算法的m AP达到了83.2%,FPS达到了59.6f/s,模型大小仅14.3M。其次针对YOLOv5s算法对部分病害检测效果差、数据集中的复杂背景干扰检测效果等问题,提出了将swin transformer block(STB)融合到YOLOv5s网络中的C3模块以及融合带残差结构的SPA注意力机制这两种方法对YOLOv5s算法进行优化,构建了YOLOv5s-STP算法,以提升网络的特征提取能力,降低复杂背景等干扰因素的影响。优化后的算法在几乎不影响模型大小和检测速度的情况下精确率和召回率实现了同向增长,分别达到了91.2%和82.4%,比原YOLOv5s算法分别提升了6.6%和0.8%;F1的值提升了3.5%,达到了86.6%;m AP提升了3.5%,达到了86.7%;FPS达到了56.3f/s。结果证实了本文提出的YOLOv5s-STP算法在自建的茶叶病害数据集上可以较好地识别复杂背景下的多叶片茶叶病害。(3)设计并开发了一款茶叶病害检测系统。使用Flask框架对本文提出的算法进行部署,使用前后端分离的方式进行开发,实现茶叶病害检测系统的检测、历史记录管理,个人中心等功能,并对该系统进行测试,结果表明该检测平台具有可用性和实用性。

关键词：茶叶病害目标检测 YOLOv5s swin transformer block SPA attention

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

改进YOLOv5的遥感图像目标检测

四川轻化工大学学报（自然科学版） 2023年第2期36卷 57-66页

作者：周鹏成黎远松石睿范贝贝四川轻化工大学计算机科学与工程学院四川宜宾644000

针对遥感图像在目标检测任务中存在目标小、背景复杂、密集分布导致检测精度低的问题,提出了一种改进YOLOv5的遥感图像目标检测算法。首先在主干网络中引入了swin transformer block模块增强网络的特征提取能力;其次在特征融合层使用更... 详细信息

针对遥感图像在目标检测任务中存在目标小、背景复杂、密集分布导致检测精度低的问题,提出了一种改进YOLOv5的遥感图像目标检测算法。首先在主干网络中引入了swin transformer block模块增强网络的特征提取能力;其次在特征融合层使用更高效的加权双向特征金字塔;然后在特征金字塔结构中添加卷积注意力模块来增强网络对有效特征信息的提取;最后在预测层中引入EIoU损失函数进行坐标框定位,提高预测框的回归精度和收敛速度。通过在公开的NWPU VHR–10数据集上实验表明改进后的算法平均精度均值达到了94.6%,与YOLOv5相比提高了3.3%,并且与其他主流算法相比平均精度均值和FPS均有较大的优势。

关键词：目标检测遥感图像 swin transformer block 特征金字塔注意力机制

维普期刊数据库博看期刊