检索结果-南通市图书馆

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

改进yolact的服装图像实例分割方法

纺织高校基础科学学报 2024年第2期37卷 82-91页

作者：顾梅花董晓晓花玮崔琳西安工程大学电子信息学院陕西西安710048

针对服装图像实例分割精度与速度较低的问题,提出一种基于改进yolact的服装图像实例分割方法。以yolact为基础模型,首先在ResNet101网络中采用深度可分离卷积代替传统卷积,减少模型计算量和模型参数,加快模型速度;然后,在模板生成网络... 详细信息

针对服装图像实例分割精度与速度较低的问题,提出一种基于改进yolact的服装图像实例分割方法。以yolact为基础模型,首先在ResNet101网络中采用深度可分离卷积代替传统卷积,减少模型计算量和模型参数,加快模型速度;然后,在模板生成网络后引入高效通道注意力模块,优化输出特征,捕获服装图像的跨通道交互信息,加强对掩膜分支的特征提取能力;最后,训练过程采用LeakyReLU激活函数,避免反向传播时权值信息得不到及时更新,提升模型对服装图像负值特征信息的提取能力。结果表明:与原模型相比,所提方法能有效减少模型参数量,在提升速度的同时提高了精度,其速度提升了4.82帧/s,平均精度提升了5.4%。

关键词：服装图像实例分割 yolact 深度可分离卷积高效通道注意力激活函数

维普期刊数据库博看期刊

同方期刊数据库

FIR-yolact:Fusion of ICIoU and Res2Net for yolact on Real-Time Vehicle Instance Segmentation

在线全文

学校读者我要写书评

暂无评论

Computers, Materials & Continua 2023年第12期77卷 3551-3572页

作者： Wen Dong Ziyan Liu Mo Yang Ying Wu College of Big Data and Information Engineering Guizhou UniversityGuiyang550025China The State Key Laboratory of Public Big Data Guizhou UniversityGuiyang550025China

Autonomous driving technology has made a lot of outstanding achievements with deep learning,and the vehicle detection and classification algorithm has become one of the critical technologies of autonomous driving *** vehicle instance segmentation can perform instance-level semantic parsing of vehicle information,which is more accurate and reliable than object ***,the existing instance segmentation algorithms still have the problems of poor mask prediction accuracy and low detection ***,this paper proposes an advanced real-time instance segmentation model named FIR-yolact,which fuses the ICIoU(Improved Complete Intersection over Union)and Res2Net for the yolact ***,the ICIoU function can effectively solve the degradation problem of the original CIoU loss function,and improve the training convergence speed and detection *** Res2Net module fused with the ECA(Efficient Channel Attention)Net is added to the model’s backbone network,which improves the multi-scale detection capability and mask prediction ***,the Cluster NMS(Non-Maximum Suppression)algorithm is introduced in the model’s bounding box regression to enhance the performance of detecting similarly occluded *** experimental results demonstrate the superiority of FIR-yolact to the based methods and the effectiveness of all *** processing speed reaches 28 FPS,which meets the demands of real-time vehicle instance segmentation.

关键词： Instance segmentation real-time vehicle detection yolact Res2Net ICIoU

基于SwinT-yolact的玉米果穗实时实例分割

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

农业工程学报 2023年第14期39卷 164-172页

作者：朱德利余茂生梁明飞重庆师范大学计算机与信息科学学院重庆401331 重庆市数字农业服务工程技术研究中心重庆401331

玉米果穗的表型参数是玉米生长状态的重要表征,生长状况的好坏直接影响玉米产量和质量。为方便无人巡检机器人视觉系统高通量、自动化获取玉米表型参数,该研究基于yolact(you only look at coefficients)提出一种高精度-速度平衡的玉米... 详细信息

玉米果穗的表型参数是玉米生长状态的重要表征,生长状况的好坏直接影响玉米产量和质量。为方便无人巡检机器人视觉系统高通量、自动化获取玉米表型参数,该研究基于yolact(you only look at coefficients)提出一种高精度-速度平衡的玉米果穗分割模型SwinT-yolact。首先使用Swin-Transformer作为模型主干特征提取网络,以提高模型的特征提取能力;然后在特征金字塔网络之前引入有效通道注意力机制,剔除冗余特征信息,以加强对关键特征的融合;最后使用平滑性更好的Mish激活函数替换模型原始激活函数Relu,使模型在保持原有速度的同时进一步提升精度。基于自建玉米果穗数据集训练和测试该模型,试验结果表明,SwinT-yolact的掩膜均值平均精度为79.43%,推理速度为35.44帧/s,相较于原始yolact和其改进算法yolact++,掩膜均值平均精度分别提升了3.51和3.38个百分点;相较于yolact、yolact++和Mask R-CNN模型,推理速度分别提升了3.39、2.58和28.64帧/s。该模型对玉米果穗有较为优秀的分割效果,适于部署在无人巡检机器人视觉系统上,为玉米生长状态监测提供技术支撑。

关键词：图像分割注意力机制玉米果穗 yolact Swin-Transformer

基于改进yolact的金属滚动接触疲劳缺陷检测模型

在线全文

学校读者我要写书评

暂无评论

计算机应用 2023年第S01期43卷 235-242页

作者：杨长辉吕庆邹贵帆胡俊宇重庆理工大学机械工程学院重庆400054

滚动接触疲劳试验是获取金属材料力学性能的重要手段,针对在高速、光照变化的实验环境下,无法在线、准确地评估金属滚子试件表面失效状态的问题,提出了一种基于改进yolact的金属滚动接触疲劳缺陷检测模型。首先,针对疲劳缺陷误识别和分... 详细信息

滚动接触疲劳试验是获取金属材料力学性能的重要手段,针对在高速、光照变化的实验环境下,无法在线、准确地评估金属滚子试件表面失效状态的问题,提出了一种基于改进yolact的金属滚动接触疲劳缺陷检测模型。首先,针对疲劳缺陷误识别和分割掩码精度低的问题,引入基于自注意力机制的特征提取网络,增强疲劳缺陷特征的内部相关性和长距离学习能力;然后,设计了一种基于增强局部连接的信息传播链路AtRFP进行双向特征融合,平衡深层特征与浅层特征之间的信息差,对疲劳缺陷进行特征细化。实验结果表明,采用改进的yolact模型,试件表面疲劳缺陷的平均精度(AP)、dice系数和分割相对误差分别为74.5%、91.2%和3.98%,较原始yolact提升了6.0%、2.5%和降低了33.9%。两阶段模型Mask R-CNN的AP和dice系数为73.1%和91.5%,虽然所提模型的dice系数略有下降,但检测速度达到23.6帧/秒,比Mask R-CNN提升了247%,能够更好地满足金属滚动接触疲劳在线检测要求,为金属材料力学性能的精确获取提供技术支撑。

关键词：滚动接触疲劳 yolact 注意力机制多尺度特征融合实例分割

在线全文

学校读者我要写书评

暂无评论

复杂环境基于yolact电缆识别与定位

电子测量技术 2023年第4期46卷 114-120页

作者：李瑾范佳能刘屹然南京航空航天大学自动化学院南京211100

目前,电力公司的电缆维护都是人工完成的。人工维护不仅工作量大、效率低,而且存在很大的安全问题。随着机器视觉的快速发展和机器人技术在各行各业的广泛应用,将机器人和视觉技术应用于电缆的自动维护已成为一种必然趋势。本文提出了... 详细信息

目前,电力公司的电缆维护都是人工完成的。人工维护不仅工作量大、效率低,而且存在很大的安全问题。随着机器视觉的快速发展和机器人技术在各行各业的广泛应用,将机器人和视觉技术应用于电缆的自动维护已成为一种必然趋势。本文提出了一种基于yolact模型的双目电缆识别与定位方法,该方法首先利用改进的yolact网络对复杂环境下的密集电缆进行识别和分割,然后对电缆分割图像进行边缘优化与提取,最后利用得到的电缆边缘特征对双目图像中的相同目标进行匹配,从而实现复杂环境下对电缆的识别与定位。与传统的yolact模型相比,本文提出的电缆候选框相关度计算方法可以很好地解决识别密集电缆时出现的漏检和误检问题,提高了电缆识别的准确率。

关键词：电缆检测 yolact 非极大值抑制双目视觉

基于yolact与Transformer相结合的实例分割算法研究

在线全文

学校读者我要写书评

暂无评论

半导体光电 2023年第1期44卷 134-140页

作者：赵敬伟林珊玲梅婷林志贤郭太良福州大学物理与信息工程学院福州350116 中国福建光电信息科学与技术创新实验室福州350116 福州大学先进制造学院福建泉州362200

为提高单阶段实例分割的检测精度和改善小目标漏检、错检情况,提出一种基于yolact改进的yolactR算法。该算法首先利用CNN与Transformer相结合,设计一种新的头部预测网络,对特征进一步提取,并使用双向注意力来关联同一实例的掩码信息并... 详细信息

为提高单阶段实例分割的检测精度和改善小目标漏检、错检情况,提出一种基于yolact改进的yolactR算法。该算法首先利用CNN与Transformer相结合,设计一种新的头部预测网络,对特征进一步提取,并使用双向注意力来关联同一实例的掩码信息并区分不同实例之间的掩码特征,注重特征点周围的关联信息,使得检测框的预测更加准确;然后利用多级上采样和设计的CS注意力模块结合形成掩码分支,使其融入多种不同尺度信息,并利用CS注意力来关注不同的尺度信息。在MS COCO数据上,yolactR算法与yolact算法相比,其边框和掩码检测精度分别提升了7.4%和2.9%,在小目标检测上分别提升了18.9%和13.5%。实验表明,yolactR算法可以在多目标复杂场景下,提升检测和分割精度以及分类的准确度,改善小目标和重叠目标漏检、错检的问题。

关键词： yolact 实例分割 Transformer 注意力机制小目标检测

基于Res2Net-yolact和融合特征的室内跌倒检测算法

在线全文

学校读者我要写书评

暂无评论

计算机应用 2022年第3期42卷 757-763页

作者：张璐方春祝铭山东理工大学计算机科学与技术学院山东淄博255049

为了加强对老年人的监护、降低跌倒带来的安全风险,提出了一种新的基于Res2Net-yolact和融合特征的室内跌倒检测算法。首先,通过融入Res2Net模块的yolact网络来提取视频图像序列中的人体轮廓;然后,利用两级判断的方法做出跌倒决策,其中... 详细信息

为了加强对老年人的监护、降低跌倒带来的安全风险,提出了一种新的基于Res2Net-yolact和融合特征的室内跌倒检测算法。首先,通过融入Res2Net模块的yolact网络来提取视频图像序列中的人体轮廓;然后,利用两级判断的方法做出跌倒决策,其中一级判别通过运动速度特征粗略判断是否发生异常状态,二级通过融合人体形状特征和深度特征的模型结构对人体姿势进行判别;最后,当检测出跌倒且发生时间大于阈值时,发出跌倒报警。实验结果表明,该跌倒检测算法可以在复杂的场景下很好地提取到人体轮廓,对光照的鲁棒性较好,并且检测速度可达每秒28帧,能满足实时检测要求。此外,融入手工特征后的算法分类性能表现更优,分类准确率达98.65%,比卷积神经网络(CNN)特征算法提升了1.03个百分点。

关键词：健康监护 yolact 融合特征卷积神经网络跌倒检测

基于改进的yolact端到端大米外观品质检测

在线全文

学校读者我要写书评

暂无评论

基于改进的YOLACT端到端大米外观品质检测

作者：周金波武汉轻工大学

学位级别：硕士

水稻是世界上最重要的农作物之一,世界上超过半数的人口以稻米为主食。中国是世界上最大的稻米生产国和消费国。稻米的质量安全对于促进经济增长、提高就业和维护社会稳定具有重要作用。研究表明,大米的外观品质参数,如长宽比、垩白率... 详细信息

水稻是世界上最重要的农作物之一,世界上超过半数的人口以稻米为主食。中国是世界上最大的稻米生产国和消费国。稻米的质量安全对于促进经济增长、提高就业和维护社会稳定具有重要作用。研究表明,大米的外观品质参数,如长宽比、垩白率和碎米率等备受消费者的关注。然而,受稻谷培育、加工和存储等诸多环节的影响,市场上的大米质量参差不齐。因此,大米的外观品质检测对生产者、大米经营者和消费者具有重要意义。目前,我国大米外观品质检测仍然以繁重人工检测为主。这种高成本、主观性强、劳动密集程度大和可重复性差的检测方法严重阻碍了大米品质检测行业的工业化和智能化发展。为了替代这种传统的人工检测方法,本文展开了研究。第一部分和第二部分分析了机器视觉技术在食品行业的应用前景,阐述了无损检测中图像分割的难点,比较了基于传统图像分割和基于深度学习的图像分割算法对粘连米粒分割的适应性,确定了本文的基本研究思路。第三部分提出了基于改进的yolact端到端大米外观品质检测方法,针对图像采集、数据集制作、目标匹配、图像冗余度界定、图像分割和大米外观品质分析等一系列问题,提出了相应的解决方法。首先本文简述了数据集制作和关键帧匹配对于后续大米外观品质检测的重要性,介绍了大米图像采集装置的设计和硬件信息,详细描述了数据标注软件Labelme的使用。为了解决数据集制作困难的问题,提出了一种基于索引域的实例分割数据增强方法建立了大米图像数据集。针对图像冗余度高的问题,通过基于滑动窗口的目标区域提取方法和基于目标区域的目标匹配算法,确定了图像的待检区域,为后续的大米图像的分割和检测提供了先验条件。其次,简要介绍了yolact实例分割网络的基本算法原理,比较了不同主干网络的yolact网络模型性能,并测试了性能最优的主干网络下的yolact大米图像分割结果。针对粘连米粒图像分割掩码精度不高的问题,探究了不同输入尺寸对网络模型性能的影响,分析了相关原因并进行了相应的改进。通过改进后的yolact模型和其他算法在大米图像分割结果的比较,确定了使用的大米图像分割算法。最后,结合目标区域提取、目标匹配、改进后的yolact分割算法和后续的大米外观品质分析,实现了米粒的计数、米粒类型的分类、碎米率及垩白率的计算。实验表明,本文提出的算法对粘连大米图像的分割速度快,分割精度高,m AP高达91.18%。大米品质检测结果具有较小的误差,能够初步为实现大米质量外观检测的端到端智能化发展提供指导意义。第四部分总结了本文的研究内容和结论,阐述了本文的创新点。说明了本文存在的问题和未来的研究方向。

关键词：大米 yolact 端到端品质检测

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

基于yolact的行道树靶标点云分割方法

林业工程学报 2022年第4期7卷 144-150页

作者：李秋洁童岳凯薛玉玺徐志强李相程刘旭南京林业大学机械电子工程学院南京210037

针对复杂城区环境下行道树靶标点云检测难度较大,导致基于激光雷达(LiDAR)的果园对靶施药技术难以推广的问题,提出基于yolact的行道树靶标点云分割方法,为行道树对靶施药提供基础数据。首先,应用移动激光扫描(MLS)技术采集街道一侧的三... 详细信息

针对复杂城区环境下行道树靶标点云检测难度较大,导致基于激光雷达(LiDAR)的果园对靶施药技术难以推广的问题,提出基于yolact的行道树靶标点云分割方法,为行道树对靶施药提供基础数据。首先,应用移动激光扫描(MLS)技术采集街道一侧的三维点云数据;然后,提取深度、回波强度和回波次数信息,建立由二维LiDAR扫描线组成的三通道街道图像;最后,使用图像实例分割算法yolact建立行道树靶标分割模型,从街道图像中分割出每一棵行道树靶标。实验采集了一段300 m长街道两侧的点云数据,通过无损图像转换、切片、翻转扩充等处理得到1948张像素720×720的街道点云图像,按照6∶2∶2的比例划分出训练集、验证集和测试集,用来训练和测试行道树靶标分割模型。在386张测试图像上,令检测框与真值框的交并比阈值为0.5~0.9,以0.05为步长增加,得到的平均精确率为0.973,平均召回率为0.985,平均F1分数为0.979,平均每条LiDAR扫描线的处理时间是12.903 ms。实验结果表明,提出的方法能够快速准确分割出行道树靶标,为行道树对靶施药提供实时数据。

关键词：对靶施药行道树点云分割实例分割 yolact

维普期刊数据库博看期刊