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

基于yolox-s的改进研究

计算机科学与应用 2022年第8期12卷 1904-1912页

作者：谭林立邱志文豆世豪陈国瑞长江大学湖北荆州

随着深度学习的飞速发展,行为识别在计算机视觉中的应用也越来越多。作为行为识别的重要部分,目标检测算法的研究愈显突出。本文针对单阶段检测算法中效果较好的yolox-s模型,提出了基于yolox-s的注意力改进,在网络结构中,增加了sE模块和... 详细信息

随着深度学习的飞速发展,行为识别在计算机视觉中的应用也越来越多。作为行为识别的重要部分,目标检测算法的研究愈显突出。本文针对单阶段检测算法中效果较好的yolox-s模型,提出了基于yolox-s的注意力改进,在网络结构中,增加了sE模块和CBAM模块,将注意力集中在图片检测的目标区域中,使得更多的细节信息获取出来;同时选用DIoU损失函数,让聚集的目标框和检测框之间重叠部分更快地重合,提高了模型的精度。实验结果表明,所提的模型相比于yolox-s模型,在准确率、召回率以及mAP上有所提升,对满足实际需求更近一步。

关键词：深度学习目标检测 yolox-s 注意力

维普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

面向密集行人检测改进yolox-s算法

信息技术与信息化 2023年第5期 132-135页

作者：郑凯阳伍鹏长江大学电子信息学院湖北荆州434023

对于当前越来越多的行人交通事故,驾驶车辆能够准确、快速地检测到行人是避免事故发生的有效途径之一。针对目前行人检测模型对密集场所行人检测出现漏检、误检等现象,提出了一种基于yolox-s改进的行人检测模型。首先用多尺度不对称特... 详细信息

对于当前越来越多的行人交通事故,驾驶车辆能够准确、快速地检测到行人是避免事故发生的有效途径之一。针对目前行人检测模型对密集场所行人检测出现漏检、误检等现象,提出了一种基于yolox-s改进的行人检测模型。首先用多尺度不对称特征融合模块替换输出端2个普通卷积层,不仅增加模型复杂度,也可以获得不同的感受野特征。然后使用Focal loss函数替换交叉熵损失函数,可以减少易分类样本的权重,增加了难分类样本的权重,提高模型的准确。在自制行人检测数据集上实验结果表明,改进的yolox-s模型的平均精度均值达到90.9%,和yolox-s相比提高了2.1%。对检测速度影响很小的前提下,减少行人漏检情况,提高了检测精度。

关键词：行人检测多尺度不对称特征融合 yolox-s 损失函数 Focal loss

基于改进yolox-s的田间麦穗检测及计数

在线全文

学校读者我要写书评

暂无评论

江苏农业科学 2023年第12期51卷 164-171页

作者：沈志豪刘金江张建洋南阳师范学院生命科学与农业工程学院河南南阳473000 南阳师范学院计算机科学与技术学院河南南阳473000

麦穗检测与计数关乎小麦的产量预估与育种,估算小麦产量的重要指标之一就是单位面积穗数,如何准确检测单位面积穗数对于农业生产管理决策有着重要的指导作用。因此本研究提出了基于改进的yolox-s的田间麦穗检测方法对麦穗进行精准识别... 详细信息

麦穗检测与计数关乎小麦的产量预估与育种,估算小麦产量的重要指标之一就是单位面积穗数,如何准确检测单位面积穗数对于农业生产管理决策有着重要的指导作用。因此本研究提出了基于改进的yolox-s的田间麦穗检测方法对麦穗进行精准识别与计数。首先,选取多个国家的不同品种小麦图像,使用图像增强、数据清洗等方法建立全球小麦图像数据集。其次,在yolox-s的基础上根据麦穗图像的特点,重新设计了特征提取网络的深度,同时加入注意力机制,充分提取麦穗特征。将sPP模块替换为sPPF模块,在提升推理速度的同时,不降低模型性能。通过全球小麦图像数据集进行模型训练,并使用实地拍摄的麦田图像对模型进行测试。试验结果表明:通过全球小麦图像数据集的训练,改进的yolox-s网络模型的mAP达到了89.03%,精确度达到了91.21%。在实拍的麦田图像中,计数准确率达到了97.93%,平均单幅图像计数为0.194 s,单株小麦识别速度为2.8 ms,检测速度较yolox-s提升30.2%,计数速度优异,麦穗定位准确。

关键词： yolox-s 麦穗计数轻量级卷积神经网络注意力机制 soft NMs

基于IOA技术与yolox-s算法的农作物虫害监测系统研究

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

物联网技术 2023年第7期13卷 26-30页

作者：丁元昊王雯余建国王永庆靳梦欣郑州航空工业管理学院智能工程学院河南郑州450018 裕华生态环境股份有限公司河南郑州450000

虫害是造成农作物减质减产的最主要原因,引入新一代信息技术可以及时有效防治虫害。本文基于农业物联网(Internet of Agriculture,IOA)技术与yolox-s目标检测算法设计并搭建了一套农作物虫害监测系统。系统整体框架由信息感知层、信息... 详细信息

虫害是造成农作物减质减产的最主要原因,引入新一代信息技术可以及时有效防治虫害。本文基于农业物联网(Internet of Agriculture,IOA)技术与yolox-s目标检测算法设计并搭建了一套农作物虫害监测系统。系统整体框架由信息感知层、信息传输层、信息服务层和系统应用层组成,选用yolox-s目标检测算法实现虫害识别功能。实验结果表明,该算法提高了农作物虫害监测的识别准确率。本文所研究的系统有助于农作物虫害防治工作,为智能化虫害防治提供重要参考。

关键词：农业物联网农作物虫害 IOA 深度学习 yolox-s 智能化

维普期刊数据库博看期刊

基于改进yolox-s的绝缘子图像识别技术研究

在线全文

学校读者我要写书评

暂无评论

江苏理工学院学报 2023年第2期29卷 46-55页

作者：阮文睿丁力江苏理工学院机械工程学院江苏常州213001

当电力巡检使用无人机对绝缘子进行航拍作业时,受各种因素影响,航拍图片中绝缘子尺寸小、分布密集,导致无法准确识别。为实现顺光、逆光状态下较小绝缘子的准确识别,提出一种基于yolox-s的绝缘子识别方法。首先,通过多角度航拍采集不同... 详细信息

当电力巡检使用无人机对绝缘子进行航拍作业时,受各种因素影响,航拍图片中绝缘子尺寸小、分布密集,导致无法准确识别。为实现顺光、逆光状态下较小绝缘子的准确识别,提出一种基于yolox-s的绝缘子识别方法。首先,通过多角度航拍采集不同环境下的绝缘子图像进行预处理,获得训练样本;其次,用Mosaic-6进行数据增强处理,并传入网络进行训练,此方法计算Batch Normalization时一次采用6张图片的数据,mini-batch不需要很大,通过改进的yolox-s网络结构增加上采样和下采样次数进行特征融合,以提高网络对于小目标的特征提取能力;再次,将制作好的数据集输入网络训练;最后,在准确率、召回率和平均精度等方面与其他检测算法进行对比。结果表明:提出的改进算法对绝缘子识别的平均精度高达98.94%,与原yolox-s相比,提高了对较小绝缘子识别的准确率,从而有效提高了电力巡检绝缘子检测的准确率。

关键词：绝缘子识别数据增强小目标检测 yolox-s

维普期刊数据库博看期刊

基于改进yolox的自然环境下核桃识别算法研究

在线全文

学校读者我要写书评

暂无评论

河南农业科学 2024年第1期53卷 152-161页

作者：钟正扬云利军杨璇玺陈载清云南师范大学信息学院云南昆明650500 云南省教育厅计算机视觉与智能控制技术工程研究中心云南昆明650500 云南省林业调查规划院生态分院卫星林业应用中心云南昆明650500

针对现有目标检测算法对自然环境下核桃识别存在漏检、误检等问题,提出了一种基于swin Transformer多层特征融合改进的yolox-s核桃识别算法。首先,在主干特征提取网络中引入基于swin Transformer的多层特征融合模块,借助swin Transforme... 详细信息

针对现有目标检测算法对自然环境下核桃识别存在漏检、误检等问题,提出了一种基于swin Transformer多层特征融合改进的yolox-s核桃识别算法。首先,在主干特征提取网络中引入基于swin Transformer的多层特征融合模块,借助swin Transformer的多头注意力机制对小目标的特征信息进行提取并与特征图进行融合,可以有效解决因网络层数加深导致的高层特征图中小目标特征信息丢失问题;其次,为了提高算法的检测精度,引入更高效的Repblock模块对原网络中的CsP模块进行替换;最后,为了提高下采样效果,使用更为优秀的Transition Block模块作为主干特征提取网络的下采样模块。结果表明,改进后的yolox-s模型在采集的自然环境下核桃数据集上平均精度AP50达到96.72%,分别比Faster-RCNN、YOLOv5-s、yolox-s算法提高7.36、1.38、0.62百分点,检测速度达到46 f/s,模型参数大小为20.55 M。改进后的yolox-s算法具有更好的精度,改善了漏检和误检问题,对自然环境下的核桃有更好的识别效果。

关键词：核桃识别 swin Transformer 多层特征融合模块 yolox-s 深度学习

基于位置可学习视觉中心机制的零售商品检测方法

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

物联网学报 2023年第4期7卷 142-152页

作者：吕晓华魏铭辰刘立波宁夏大学信息工程学院宁夏银川750021

针对零售商品包装变形和重叠使得难以有效捕捉显著且多样化的特征信息,导致检测精度不高的问题,设计了位置可学习视觉中心(LLVC,location learnable visual center)机制,对yolox-s进行改进,取得了更高的检测精度。为有效应对商品包装变... 详细信息

针对零售商品包装变形和重叠使得难以有效捕捉显著且多样化的特征信息,导致检测精度不高的问题,设计了位置可学习视觉中心(LLVC,location learnable visual center)机制,对yolox-s进行改进,取得了更高的检测精度。为有效应对商品包装变形和重叠现象,首先,通过轻量级多层感知机融合不同特征通道上的信息,以充分捕获全局上下文信息;接着,通过设计的LLVC增强局部特征表示能力,并利用空间信息为局部特征分配可学习的权重,提高辨别性局部特征的关注程度;最后,将交并比(IoU,intersection over union)损失函数替换为中心交并比(CIoU,centered intersection over union),并在此基础上引入功率参数α,有效降低了漏检率。实验结果表明,所提方法在零售商品识别(RPC,retail product checkout)数据集上取得91.3%的准确率,相比yolox-s提高了2.2%,并优于目前主流的轻量级目标检测算法;同时每秒帧率(FPs,frame per second)为97 frame/s,模型大小为9.48 MB,能够在计算资源受限的场景下,准确且实时地进行零售商品检测。

关键词：零售商品检测 yolox-s 中心学习机制损失函数轻量级

在线全文

学校读者我要写书评

暂无评论

改进注意力机制的电梯场景下危险品检测方法

计算机应用 2023年第7期43卷 2295-2302页

作者：郭奕裕周箩鱼刘新瑜李尧长江大学电子信息学院湖北荆州434023

针对电动自行车和煤气罐搭乘电梯引起的火灾隐患,提出一种改进注意力机制的电梯场景下危险品检测方法。以yolox-s为基线模型,首先在加强特征提取网络中引入深度可分离卷积替换标准卷积,提升模型的推理速度。然后提出一种基于混合域的高... 详细信息

针对电动自行车和煤气罐搭乘电梯引起的火灾隐患,提出一种改进注意力机制的电梯场景下危险品检测方法。以yolox-s为基线模型,首先在加强特征提取网络中引入深度可分离卷积替换标准卷积,提升模型的推理速度。然后提出一种基于混合域的高效卷积块注意力模块(ECBAM)并嵌入主干特征提取网络中。在ECBAM模块的通道注意力部分,使用一维卷积替换两个全连接层,既降低了卷积块注意力模块(CBAM)的复杂度又提高了检测精度。最后提出一种多帧协同算法,通过结合多张图片的危险品检测结果以减少危险品入侵电梯的误报警。实验结果表明:改进后模型比yolox-s的平均精度均值(mAP)提升了1.05个百分点,浮点计算量降低了34.1%,模型体积减小了42.8%。可见改进后模型降低了实际应用中的误报警,且满足电梯场景下危险品检测的精度和速度要求。

关键词：危险品检测电梯 yolox-s 深度可分离卷积高效卷积块注意力模块一维卷积多帧协同算法

在线全文

学校读者我要写书评

暂无评论

黄芪饮片外观品质在线检测与分选系统开发

黄芪饮片外观品质在线检测与分选系统开发

作者：张炳正北京林业大学

学位级别：硕士

黄芪饮片是以黄芪为原材料,对其进行炮制加工后切片得到的片状药材。黄芪饮片在流入市场前,必须要进行严格的分选,保证其外观品质的优良性,传统的检测分选环节依靠人工进行,存在主观因素强、分选精度差、效率低等问题。而本文克服了传... 详细信息

黄芪饮片是以黄芪为原材料,对其进行炮制加工后切片得到的片状药材。黄芪饮片在流入市场前,必须要进行严格的分选,保证其外观品质的优良性,传统的检测分选环节依靠人工进行,存在主观因素强、分选精度差、效率低等问题。而本文克服了传统方法的不足,进行了黄芪饮片外观品质在线检测与分选系统的创新性开发,设计并搭建了黄芪饮片在线检测与分选试验样机,实现了对黄芪饮片的单粒化上料运输、实时图像采集、饮片的目标检测和剔除分选、系统软件的人机交互等功能。本文的主要工作如下:（1）结合黄芪饮片的特点,设计了黄芪饮片在线检测与分选系统的整体结构方案,按照逻辑功能,将系统整体划分为振动上料系统、图像采集系统和剔除分选系统三部分,并进行装置结构的设计、设备选型加工,完成了黄芪饮片在线检测与分选设备的搭建,并采集黄芪饮片的图像作为样本集。（2）本文针对正常、空洞、裂片、柄杆、纤维化这五类黄芪饮片,提出了基于形态学目标提取、多特征参数获取以及DT-sVM分类器的传统目标检测算法,共获取了43种特征参数对分类器进行训练和测试,算法测试状态下,检测精确率能够达到91.1%。召回率为92.8%。同时,提出了基于注意力机制模块改进的yolox-s深度学习目标检测算法,利用黄芪数据集对深度学习网络模型进行训练和测试,算法测试状态下,平均检测精度m AP达到92.93%,m AP能达到65.81%,相比改进前的yolox-s算法分别提升了2.85%和1.2%,算法平均推理时间为0.59s。（3）结合实际的生产功能需求,设计了黄芪饮片在线检测与分选系统软件,在本系统中实现了图像显示与参数设置、目标检测算法部署、多线程并发式计算以及人机交互的功能。（4）最后,对整套系统进行测试,首先进行了传动稳定性测试和剔除稳定性测试,单粒化上料率可达96.1%,剔除装置稳定性可达96.5%。在此基础上进行了系统整体性能的测试,测试结果表明,当以改进的yolox-s作为系统的检测算法时,系统的性检测分选能最佳,检测准确率达到93.61%,整体分选准确率达到84.33%,并且检测速度达到2.27片/s,远远高于人工检测分选精度与处理效率。

关键词：黄芪饮片检测分选系统目标检测算法软件开发 yolox-s