检索结果-南通市图书馆

基于改进yolov3-tiny的番茄苗分级检测

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2022年第1期38卷 221-229页

作者：张秀花静茂凯袁永伟尹义蕾李恺王春辉河北农业大学机电工程学院保定071000 河北省智慧农业装备技术创新中心保定071000 农业农村部规划设计研究院设施农业研究所北京100125

为了提高番茄苗分选移栽分级检测精度,该研究提出了yolov3-tiny目标检测改进模型。首先建立了番茄穴盘苗数据集,使用K-means++算法重新生成数据集锚定框,提高网络收敛速度和特征提取能力;其次为目标检测模型添加SPP空间金字塔池化,将穴... 详细信息

为了提高番茄苗分选移栽分级检测精度,该研究提出了yolov3-tiny目标检测改进模型。首先建立了番茄穴盘苗数据集,使用K-means++算法重新生成数据集锚定框,提高网络收敛速度和特征提取能力;其次为目标检测模型添加SPP空间金字塔池化,将穴孔局部和整体特征融合,提高了对弱苗的召回率;同时加入路径聚合网络(PANet),提升细粒度检测能力;引入了SAM空间注意力机制,提高对番茄苗的关注,减少背景干扰;增加了ASFF(Adaptively Spatial Feature Fusion)自适应特征融合网络,能够使目标检测模型对多个级别的特征进行空间滤波;采用CIoU损失函数策略,提高模型收敛效果。改进的yolov3-tiny目标检测模型经过数据集训练,在测试集上能够达到平均精度均值为97.64%,相比yolov3-tiny模型提高了3.47个百分点。消融试验验证了网络结构改进和训练策略是有效的,并将改进的yolov3-tiny目标检测算法与5种目标检测算法进行对比,发现改进的yolov3-tiny目标检测模型在重合度阈值为50%的条件下平均精度均值为97.64%。单张图像处理时间为5.03ms,较其他目标检测算法具有明显的优势,验证了该模型能够满足番茄苗分级检测精度要求,可以为幼苗分选检测方法提供参考。

关键词：机器视觉图像处理穴盘育苗幼苗分级目标检测 yolov3-tiny 自适应特征融合

yolov3-tiny的硬件加速设计及FPGA实现

在线全文

学校读者我要写书评

暂无评论

计算机工程与科学 2021年第12期43卷 2139-2149页

作者：陈浩敏姚森敬席禹张凡辛文成王龙海任超南方电网数字电网研究院有限公司广东广州510623 天津大学电气自动化与信息工程学院天津300072

yolov3-tiny具有优秀的目标检测能力,但模型所需的计算力依然较大,难以实现面向嵌入式领域的应用。提出一种yolov3-tiny的硬件加速方法,并在FPGA平台上实现。首先,针对网络定点化设计,以数据精度与资源消耗为设计指标,通过对模型中数据... 详细信息

yolov3-tiny具有优秀的目标检测能力,但模型所需的计算力依然较大,难以实现面向嵌入式领域的应用。提出一种yolov3-tiny的硬件加速方法,并在FPGA平台上实现。首先,针对网络定点化设计,以数据精度与资源消耗为设计指标,通过对模型中数据分布的统计以及数据类型的划分,提出了不同的定点化策略。其次,针对网络并行化设计,通过对卷积神经网络计算特性的分析,使用循环调整、循环分块、循环展开和数组分割等方法,设计了可扩展的常用硬件计算单元架构。然后,针对网络流水化设计,从层间与层内2个方面进行研究,以层间数据流方向和层内任务划分为基础,设计了一种灵活的流水化计算架构。最后,在XILINX XC7Z020CLG400-1平台上进行实验,结果表明,相较于667 MHz的单核ARM-A9处理器,加速比高达290.56。

关键词： yolov3-tiny 卷积神经网络 FPGA 硬件加速

基于检测增强型yolov3-tiny的道路场景行人检测

在线全文

学校读者我要写书评

暂无评论

江苏大学学报（自然科学版） 2024年第4期45卷 441-448页

作者：田亮金积德郑庆祥武汉理工大学现代汽车零部件技术湖北省重点实验室湖北武汉430070 武汉理工大学汽车零部件技术湖北省协同创新中心湖北武汉430070

为了给驾驶员提供实时准确的行人信息、减少交通事故的发生,提出一种检测增强型yolov3-tiny(detection of enhanced yolov3-tiny,DOEYT)行人检测算法.创建鲁棒的特征提取网络,首先使用非对称最大池化进行下采样,防止随着感受野增大行人... 详细信息

为了给驾驶员提供实时准确的行人信息、减少交通事故的发生,提出一种检测增强型yolov3-tiny(detection of enhanced yolov3-tiny,DOEYT)行人检测算法.创建鲁棒的特征提取网络,首先使用非对称最大池化进行下采样,防止随着感受野增大行人横向特征的丢失;其次使用Hardswish作为卷积层的激活函数优化网络性能;最后使用GC(globe context)自注意力机制获得全文特征信息.在分类回归网络部分,采用三尺度检测策略,提升小尺度行人目标的检测精度;使用k-means++算法重新生成数据集锚框,提高网络收敛速度.构建行人检测数据集并分为训练集和测试集,对DOEYT算法的性能进行试验验证.结果表明,非对称最大池化、Hardswish函数、GC自注意力机制分别使平均准确率AP提高14.4%、7.9%、10.8%;DOEYT算法在测试集上检测的平均准确率高达91.2%,检测速度为103帧/s,可见该算法可快速准确地检测行人,降低交通事故发生的风险.

关键词：行人检测深度学习卷积神经网络非对称最大池化激活函数自注意力机制多尺度检测 yolov3-tiny

Impolite Pedestrian Detection by Using Enhanced yolov3-tiny

在线全文

学校读者我要写书评

暂无评论

Journal on Artificial Intelligence 2020年第3期2卷 113-124页

作者： Yanming Wang Kebin Jia Pengyu Liu Faculty of Information Technology Beijing University of TechnologyBeijing100124China Beijing Laboratory of Advanced Information Networks Beijing100124China Beijing Key Laboratory of Computational Intelligence and Intelligent System Beijing100124China

In recent years,the problem of“Impolite Pedestrian”in front of the zebra crossing has aroused widespread concern from all walks of *** traffic sector’s governance measures have become more *** traditional way of governance is on-site law enforcement,which requires a lot of manpower and material resources and is low *** enhanced yolov3-tiny model is proposed for pedestrians and vehicle detection in traffic *** modifying the backbone network structure of yolov3-tiny model,introducing deep detachable convolution operation,and designing the basic residual block unit of the network,the feature extraction ability of the backbone network is *** improved model is trained on the VOC2007+VOC2012 training set,and the trained model is tested for performance on the test data *** experimental results show that:the mean Average Precision(mAP)increased from 0.672 to 0.732,increasing the measurement accuracy by 9%.The Intersection over Union(IoU)increased from 0.783 to 0.855,increasing the coverage accuracy by 7.2%.The enhanced yolov3-tiny model has higher measurement accuracy than the original *** this model to the 1080P traffic video on the NVIDIA RTX 2080,the detection speed is 150 FPS,which can fully achieve real-time *** the analysis of pedestrians and vehicle coordinates,it is judged whether or not illegal acts *** illegal vehicles,save three pictures as the basis for law enforcement,which forms an important supplement to off-site law enforcement.

关键词： Impolite pedestrian yolov3-tiny deep detachable convolution residual block off-site law enforcement

yolov3-tiny改进及其在口罩佩戴检测中的应用研究

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

YOLOv3-Tiny改进及其在口罩佩戴检测中的应用研究

作者：罗凯西安石油大学

学位级别：硕士

随着流感病毒的传播,对人类日常生活造成了一定困扰。流感病毒主要通过空气飞沫传播和接触传播,可以通过在人流密集场所进行佩戴口罩、体温测量和保持距离等方式阻断流感病毒的传播。通过佩戴口罩阻断流感病毒传播是最简单而又非常有效... 详细信息

随着流感病毒的传播,对人类日常生活造成了一定困扰。流感病毒主要通过空气飞沫传播和接触传播,可以通过在人流密集场所进行佩戴口罩、体温测量和保持距离等方式阻断流感病毒的传播。通过佩戴口罩阻断流感病毒传播是最简单而又非常有效的措施,因此在人流密集场所进行口罩佩戴的排查是非常有必要的,使用人力监测,可能会引起监测人员感染病毒,为此必须采用高效的智能检测手段进行口罩佩戴检测,使用机器进行口罩佩戴检测是非常高效的。本文提出了基于yolov3-tiny进行改进的口罩佩戴检测算法模型,论文的主要工作如下:(1)自行标注口罩数据集用于口罩检测训练、验证及测试,共计21221张图,包含各种口罩佩戴场景。类别包括正确佩戴口罩、未佩戴口罩和未正确佩戴口罩三个类别。(2)针对ReLU(Rectified Linear Unit)函数会导致模型在训练过程中部分神经元无法激活,出现梯度消失的问题,使用SMU(Smooth Maximum Unit)替换ReLU,并通过自定义参数调整最优曲线,优化ReLU函数缺陷。(3)针对IOU(Intersection over Union)损失函数在预测框和真实框之间的距离评价标准不合理问题从而导致网络模型收敛速度较慢的问题,更换损失函数为DIOU(DistanceIo U),解决IOU损失缺陷,加快模型收敛速度同时提升检测精度。(4)针对yolov3-tiny网络在小目标检测方面较弱,添加空间金字塔池化(Spatial Pyramid Pooling,SPP)网络结构增加模型的混合感受野从而提升模型对小目标的检测能力。对于小目标的聚焦能力不足导致精度差问题,加入CA(Coordinate Attention)注意力机制用来增加网络聚焦感兴趣目标的能力从而提升检出目标的检测精度。(5)考虑到多数口罩检测场景设备算力较低,在Jetson Nano上部署模型测试发现速度较慢,通过使用深度可分离卷积替换标准卷积,降低模型参数量同时提升检测速度。对改进后的yolov3-tiny模型在口罩检测上进行实验发现改进模型能够修正原模型中存在的漏检、误检等情况,m AP(Mean Average Precision)为0.8214,提高了5.28%,FPS(Frames Per Second)为173。在优化模型参数后,模型参数量减少了5561930,m AP为0.8167,相比原模型提高了4.68%,在RTX 3060上测试推理速度为334FPS,在低算力设备Jetson Nano上测试推理速度为33FPS,满足实时性口罩检测需求。

关键词： yolov3-tiny 口罩检测空间金字塔池化注意力机制深度可分离卷积

采用改进yolov3-tiny模型的轻量化莲蓬质量分级算法

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

农业工程学报 2024年

作者：张雷严昊贾永镒叶秉良马锃宏浙江理工大学机械工程学院浙江省农业智能感知与机器人全省重点实验室

精准高效的莲蓬质量分级算法是实现莲蓬采后自动化加工的重要一环。针对目前莲蓬果实的采后质量分级研究较少的问题，该研究建立了莲蓬果实质量分级原则，提出了改进yolov3-tiny(you only look once version 3-tiny)模型的莲蓬质量分级... 详细信息

精准高效的莲蓬质量分级算法是实现莲蓬采后自动化加工的重要一环。针对目前莲蓬果实的采后质量分级研究较少的问题，该研究建立了莲蓬果实质量分级原则，提出了改进yolov3-tiny(you only look once version 3-tiny)模型的莲蓬质量分级算法。首先在3种光照条件下架设摄像头垂直采集莲蓬图像并建立试验数据集，通过数据增强技术扩充数据集；接着使用K均值聚类算法重新设计先验锚框尺度，提高先验锚框的回归精度。随后以yolov3-tiny原骨干网络为基础，加入空间金字塔池化模块（spatial pyramid pooling,SPP），提升网络提取特征信息的能力；最后利用yolov3-tiny的参数进化模块为该模型进化出一套合适的超参数。试验结果表明，改进的yolov3-tiny模型对莲子识别的平均精度均值（mean average precision,mAP）和召回率（recall）分别为96.80%和94.60%；与原yolov3-tiny模型相比，mAP提高12.49个百分点，召回率提高11.59个百分点，并且每秒传输帧数达到25帧，是Faster R-CNN网络模型的1.24倍。试验数据说明所提改进算法对于莲蓬果实上的莲子具有更好的识别效果，而且满足实时检测的要求，可以为莲蓬质量分级研究提供技术参考。

关键词：深度学习分级模型 yolov3-tiny 莲蓬轻量化

基于yolov3-tiny的船舶可见光图像细粒度检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

武汉理工大学学报（交通科学与工程版） 2020年第6期44卷 1041-1045,1051页

作者：梁月翔冯辉徐海祥高性能船舶技术教育部重点实验室武汉430074 武汉理工大学交通学院武汉430063

文中针对智能船舶视觉传感器采集到的图像进行目标检测,提出基于yolov3-tiny的深度卷积神经网络图像细粒度检测方法.该方法使用实验团队建立的船舶图像数据库,对图片进行人工标注,使用k-means算法对数据集锚框进行聚类,采用数据增强策略... 详细信息

文中针对智能船舶视觉传感器采集到的图像进行目标检测,提出基于yolov3-tiny的深度卷积神经网络图像细粒度检测方法.该方法使用实验团队建立的船舶图像数据库,对图片进行人工标注,使用k-means算法对数据集锚框进行聚类,采用数据增强策略的yolov3-tiny深度卷积神经网络对船舶图像进行训练与测试.实验结果表明:本文提出的改进yolov3-tiny模型在测试集上的平均精度达到了62.85%,实时检测帧率达到了136帧/s,可以辅助船舶驾驶人员识别水面目标.

关键词：目标检测 yolov3-tiny 深度卷积神经网络智能船舶可见光图像

基于改进yolov3-tiny的端到端海参自吸捕方法研究

在线全文

学校读者我要写书评

暂无评论

中国海洋大学学报（自然科学版） 2023年第10期53卷 115-120页

作者：周丽芹郭太远姜迁里孙伟成李栋宋大雷孙洪秀中国海洋大学工程学院山东青岛266100 中国海洋大学海洋高等研究院山东青岛266100 山东国兴智能科技股份有限公司山东烟台264006

针对海参智能化采捕中目标检测任务和吸捕任务难以结合的问题,本文提出了一种基于数据驱动和以目标为中心的端到端海参机器人自主吸捕方法,该方法在yolov3-tiny的框架基础上将特征提取网络增强以进行目标检测,使用K-means方法对海参数... 详细信息

针对海参智能化采捕中目标检测任务和吸捕任务难以结合的问题,本文提出了一种基于数据驱动和以目标为中心的端到端海参机器人自主吸捕方法,该方法在yolov3-tiny的框架基础上将特征提取网络增强以进行目标检测,使用K-means方法对海参数据集边界框尺寸进行重新聚类,在保证实时检测的基础上提高了吸捕视角下海参的检测精度。该方法将摄像机采集到的图像输入至海参采捕机器人,并输出机器人的吸捕控制指令,实现了海参的自主吸捕。

关键词：端到端海参自主吸捕 yolov3-tiny K-means聚类实时检测

基于改进yolov3-tiny网络的嵌入式物流商品查验系统设计与实现

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

计算机应用与软件 2023年第9期40卷 10-18页

作者：周可鑫左云波李小群付勇谷玉海北京信息科技大学现代测控技术教育部重点实验室北京100192

针对电商店家在发货前人工验货效率低下的问题,设计一种基于改进yolov3-tiny网络图像目标检测算法的嵌入式商品查验系统,可高效完成物流商品查验工作。系统通过摄像头获得实时视频帧图片,将帧图片送入改进的yolov3-tiny网络,直接在图片... 详细信息

针对电商店家在发货前人工验货效率低下的问题,设计一种基于改进yolov3-tiny网络图像目标检测算法的嵌入式商品查验系统,可高效完成物流商品查验工作。系统通过摄像头获得实时视频帧图片,将帧图片送入改进的yolov3-tiny网络,直接在图片上识别回归分析出商品名称信息及坐标信息,与本地订单数据进行比较,判断配货是否正确。整个系统可在Linux或Windows环境下使用。系统优化了yolov3-tiny的特征融合部分、卷积层、锚框数目、锚框尺寸。实验结果表明,该系统单次商品检测分析的运行时间在355~370 ms之间,准确率为96.15%,满足商品实时查验检测的使用要求。

关键词：物流商品目标检测嵌入式 yolov3-tiny