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

基于改进yolov4网络的绝缘子缺陷检测

传感技术学报 2023年第8期36卷 1250-1260页

作者：李运堂詹叶君王鹏峰张坤金杰李孝禄陈源冯娟中国计量大学机电工程学院浙江杭州310018 中国计量大学现代科技学院浙江金华321000

针对现有目标检测方法进行绝缘子缺陷检测速度慢、精度低等问题,改进yolov4网络提高绝缘子缺陷检测性能。对比主干特征提取网络不同输出层添加卷积注意力模块(CBAM)缺陷检测结果以确定注意力机制引入方法;采用K⁃Means聚类算法确定适合... 详细信息

针对现有目标检测方法进行绝缘子缺陷检测速度慢、精度低等问题,改进yolov4网络提高绝缘子缺陷检测性能。对比主干特征提取网络不同输出层添加卷积注意力模块(CBAM)缺陷检测结果以确定注意力机制引入方法;采用K⁃Means聚类算法确定适合绝缘子特征的锚框尺寸;加强特征提取网络采用CSPlayer并利用深度可分离卷积代替普通卷积,减少模型参数,提高检测速度;同时,加强特征提取网络中添加金字塔池化模块(SPP),融合多重感受野缺陷特征,改善检测精度;增大类别损失比重,提高分类精度;采用柔性非极大值抑制代替普通非极大值抑制,避免小目标缺陷重叠引起漏检。实验结果表明,改进yolov4网络的平均精度均值mAP和检测时间分别为92.26%和19.82 ms,满足绝缘子缺陷检测精度和速度要求。

关键词：深度学习目标检测 yolov4网络绝缘子缺陷

基于EfficientNet与yolov4网络的绝缘子故障检测

在线全文

学校读者我要写书评

暂无评论

基于EfficientNet与YOLOv4网络的绝缘子故障检测

作者：郝培旭石家庄铁道大学

学位级别：硕士

中国铁路的发展日新月异,绝缘子在铁路架空线的电能输送中扮演重要角色,成为沿线巡检的重要对象。现存的人力巡检方式效率低下,过度依赖巡检经验,这与铁路系统迫切需求智能高效的巡检方式相矛盾。与传统卷积神经网络相比,EfficientNet... 详细信息

中国铁路的发展日新月异,绝缘子在铁路架空线的电能输送中扮演重要角色,成为沿线巡检的重要对象。现存的人力巡检方式效率低下,过度依赖巡检经验,这与铁路系统迫切需求智能高效的巡检方式相矛盾。与传统卷积神经网络相比,EfficientNet网络从网络深度、宽度和图像大小三个方面进行复合模型比例缩放,可以实现检测精度和效率的平衡,更适合用于绝缘子故障特征的提取。因此,本文提出一种改进EfficientNet-YOLO网络应用于复杂背景下绝缘子的故障识别和破损定位,实现高效的智能检测。为解决传统神经网络对于复杂背景下绝缘子故障分类准确率差的问题,提出一种基于改进EfficientNet网络的绝缘子破损故障诊断模型。首先在EfficientNet网络中增加ECA通道注意力机制,用两个自适应的一维卷积替代SENet中的两个全连接层,减少参数计算量,加强特征提取的效率;其次用Label Smooth和Focal loss改进交叉熵损失函数,抑制模型训练过拟合,动态调整不同样本的分类权重,缓解样本分布不均衡的问题;最后与VGG16、Mobile Net V2、Res Net50等方法进行对比,故障分类准确率达到96.2%,较原网络提升了4.4%,且参数计算量减少了6.25%,所提出的算法可以快速、准确识别出破损绝缘子。针对传统YOLO网络模型参数多,对破损缺陷等小目标定位精度差的问题,提出一种应用于破损故障精确定位的改进yolov4模型。首先利用改进二分K-means聚类对破损绝缘子VOC数据集设计锚框;其次将改进Effcient Net-B6网络作为主干特征提取网络,通过高效网络提升网络的特征提取能力,优化模型参数量;然后在网络的Neck层添加CBAM注意力机制,加强复杂背景下破损特征的提取能力;最后应用本文算法进行绝缘子破损定位实验,与Faster R-CNN、SSD、传统绝缘子故障定位方法进行对比,故障定位精度达到94.1%,检测速度为47帧/s。本文提出的算法在复杂背景下可有效定位出绝缘子的破损部位,满足绝缘子破损定位的实时性要求。

关键词：绝缘子破损定位 EfficientNet网络 yolov4网络

基于特征增强的yolov4网络的人脸图像检测

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

基于特征增强的YOLOv4网络的人脸图像检测

作者：黄晨南昌大学

学位级别：硕士

人脸检测技术因其应用领域广泛,具有较高的使用价值,因此作为计算机视觉研究领域中的热点一直备受关注。然而在实际复杂场景的使用中,人脸检测容易受到与成像设备距离远近、成像角度、外部环境光线明暗变化以及不同程度遮挡等因素的影响... 详细信息

人脸检测技术因其应用领域广泛,具有较高的使用价值,因此作为计算机视觉研究领域中的热点一直备受关注。然而在实际复杂场景的使用中,人脸检测容易受到与成像设备距离远近、成像角度、外部环境光线明暗变化以及不同程度遮挡等因素的影响,造成检测精度无法达到标准。同时,人脸检测应用还需具备较快的检测速度才能满足实际应用需求。yolov4网络检测方法兼具较好的检测精度和较快的检测速度,是目前公认的通用目标检测算法之一,将其应用于人脸检测可以达到良好的效果,但是也存在着部分误检,小尺度人脸漏检等问题。本文提出的改进yolov4算法的人脸检测方法针对以上等问题进行相应研究,主要研究工作有如下三点:（1）提出了一种新的特征提取主干网络结构。首先,在多尺度特征融合PANet体系结构中采用特征增强模块（Feature Enhance Module,FEM）进行特征增强。该模块不仅融入了上下文中不同层级的特征信息,还分别通过一次,两次,三次的膨胀卷积子网融合获得了扩张的感受野,得到特征增强的特征图,从而使整个网络获取了更多有辨识度和鲁棒性的特征,提升了对人脸特征的提取与表达能力,进而提高了模型人脸的检测精度。除此之外,在yolov4的主干网络CSPDarknet53上进行改进,将第一个跨阶段部分（Cross Stage Partial,CSP）替换成原始的Darknet残差层。最后,将路径聚合网络（Path Aggregation Network,PANet）中的空间金字塔池化（Spatial Pyramid Pooling,SPP）进行跨阶段连接化（CSP-ized）。（2）在yolov4网络的置信度损失函数上,结合焦点损失函数（Focal Loss）提出了一种新的损失函数。焦点损失函数主要用于解决在单阶段目标检测网络中正负样本比例失衡的问题,通过参数设置可以降低大量简单人脸样本在训练中所占比重,提升对小尺度困难人脸样本训练的侧重,从而最终达到提高对小尺度困难人脸样本的检测效果的目的。（3）在以上改进基础上,进行了轻量化设计,采用深度可分离卷积替换原始网络中多尺度特征融合PANet体系中普通卷积的方式,在未损失主干特征提取网络特征提取能力的同时,一定程度上,减少了整个模型的参数量,加速了模型人脸检测推理速度。最后在WIDER FACE人脸数据库上对本文提出的方法进行了广泛的验证,实验结果表明,本文提出的改进yolov4算法的人脸检测网络不仅有效降低了人脸误检率,同时在小尺度人脸检测精度上具有较好的表现。

关键词：人脸检测 yolov4网络跨阶段连接化特征融合特征增强焦点损失深度可分离卷积

基于协调注意力机制的轻量级yolov4零件检测

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

计算机技术与发展 2024年

作者：朱文博陈龙飞余琦上海理工大学机械工程学院

针对零件自动检测任务在复杂工况下，如零件堆叠粘连、有杂物干扰等，存在实时性差，硬件资源占用大等问题，提出一种基于轻量级yolov4网络的零件检测方法。采用MobileNeXt代替CSPDarkNet53作为主干特征提取网络(backbone)，并在每个卷... 详细信息

针对零件自动检测任务在复杂工况下，如零件堆叠粘连、有杂物干扰等，存在实时性差，硬件资源占用大等问题，提出一种基于轻量级yolov4网络的零件检测方法。采用MobileNeXt代替CSPDarkNet53作为主干特征提取网络(backbone)，并在每个卷积模块中添加协调注意力机制，用于增强特征层的语义表达能力；提出一种Fused-Sandglass模块插入到浅层的backbone中，提高网络的推理速度；网络训练方面引入渐进式训练方法和focal loss损失函数，提升训练速度，并且有效缓解正负样本失衡的问题。实验结果表明，该方法在15种零件的检测任务中能够保持和yolov4网络相近的准确率，但参数量大小仅为其20%，推理速度能够达到43.7fps，能够满足实际生产的需求。

关键词：深度学习协调注意力机制零件检测 yolov4网络 MobileNeXt网络

基于PSA-YOLO网络的苹果叶片病斑检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

农业机械学报 2022年第8期53卷 329-336页

作者：晁晓菲池敬柯张继伟王孟杰陈尧刘斌西北农林科技大学信息工程学院陕西杨凌712100 西北农林科技大学水利与建筑工程学院陕西杨凌712100 西北农林科技大学机械与电子工程学院陕西杨凌712100

为提高yolov4目标检测算法对苹果叶片小型病斑的检测性能,提出了一种PSA(金字塔压缩注意力)-YOLO算法。在CSPDarknet53的基础上融合了Focus结构和PSA机制,并采用网络深度减小策略,构建了参数量小、精确度高的PSA-CSPDarknet-1轻量化主... 详细信息

为提高yolov4目标检测算法对苹果叶片小型病斑的检测性能,提出了一种PSA(金字塔压缩注意力)-YOLO算法。在CSPDarknet53的基础上融合了Focus结构和PSA机制,并采用网络深度减小策略,构建了参数量小、精确度高的PSA-CSPDarknet-1轻量化主干网络。其次在网络颈部,搭建了空间金字塔卷积池化模块,用极小的计算代价增强了对深层特征图的空间信息提取能力,并采用α-CIoU损失函数作为边界框损失函数,提高网络对高IoU阈值下目标的检测精度。根据实验结果,PSA-YOLO网络在苹果叶片病斑识别任务中的AP_(50)达到88.2%。COCO AP@[0.5∶0.05∶0.95]达到49.8%,比yolov4提升3.5个百分点。网络对于小型病斑的特征提取能力提升幅度更大,小型病斑检测AP比yolov4提升3.9个百分点。在单张NVIDIA GTX TITAN V显卡上的实时检测速度达到69帧/s,相较于yolov4网络提升13帧/s。

关键词：苹果叶片病斑目标检测 yolov4网络 PSA-YOLO网络

在线全文

学校读者我要写书评

暂无评论

引入注意力机制的轻量级小目标检测网络

光学精密工程 2022年第8期30卷 998-1010页

作者：朱威王立凯靳作宝何德峰浙江工业大学信息工程学院浙江杭州310023

为了提高在如无人机航拍图像等背景复杂情况下的小目标检测能力,本文在yolov4网络的基础上,提出了一种引入注意力机制的轻量级小目标检测网络。首先,在通道注意力机制中加入多尺度融合模块并构造多方法特征提取器,再将所设计的通道注意... 详细信息

为了提高在如无人机航拍图像等背景复杂情况下的小目标检测能力,本文在yolov4网络的基础上,提出了一种引入注意力机制的轻量级小目标检测网络。首先,在通道注意力机制中加入多尺度融合模块并构造多方法特征提取器,再将所设计的通道注意力模块嵌入到yolov4特征提取网络,增强网络对于图像感兴趣区域的关注能力;接着,改进yolov4网络结构,增加浅层特征层与深层特征信息融合机制,以获取丰富的分辨率信息;最后,采用通道剪枝和知识蒸馏策略对改进后的网络进行模型优化,在微小精度损失的前提下大幅度减少了模型参数数量。实验结果表明,在无人机航拍数据中,本文提出的轻量级小目标检测网络较原网络的模型大小减少93.6%,推理速度提高52.6%,mAP提升了2.9%;在布匹疵点数据集中,模型大小减少92.1%,推理速度提高49.5%,mAP提升了2.2%,有效改善了复杂背景下的小目标检测效果,同时实现了网络的轻量化。

关键词：目标检测 yolov4网络注意力机制特征融合网络压缩

在线全文

学校读者我要写书评

暂无评论

基于弱语义分割的轻量化交通标志检测网络

计算机工程 2022年第9期48卷 269-276,285页

作者：曾雷鸣侯进陈子锐周浩然西南交通大学计算机与人工智能学院成都611756 西南交通大学信息科学与技术学院成都611756 西南交通大学综合交通大数据应用技术国家工程实验室成都611756

针对现有网络在检测高分辨率交通标志图片时速度过慢、精确度较低等问题,提出一种轻量化交通标志检测网络。在MobileNetv3-Large基础上对yolov4网络的骨干部分进行优化,针对数据集的特点舍弃部分耗时层,更改第8层和第14层的输出通道数,... 详细信息

针对现有网络在检测高分辨率交通标志图片时速度过慢、精确度较低等问题,提出一种轻量化交通标志检测网络。在MobileNetv3-Large基础上对yolov4网络的骨干部分进行优化,针对数据集的特点舍弃部分耗时层,更改第8层和第14层的输出通道数,并改进基础模块中通道域注意力网络的注意力机制,使输出的权重数值能更准确地表征特征的重要程度。在检测头前加入基于弱语义分割的动态增强附件,利用其输出作为空间权重分布来矫正激活区域,以避免提取能力下降导致误检、漏检问题,最终构成yolov4-SLite网络。采用滑窗剪裁的方法对高分辨率图片进行训练和预测,从而减少训练时间及增加样本的多样性。在TT100K交通标志数据集上的实验结果表明,相较于yolov4基准网络,yolov4-SLite网络的mAP@0.5仅下降了0.2%,但模型大小减少了96.5%,响应速度提升了227%,精确度与速度的平衡效果达到了预期。

关键词：交通标志检测 yolov4网络轻量化网络弱语义分割注意力机制

在线全文

学校读者我要写书评

暂无评论

多尺度特征自适应融合的轻量化织物瑕疵检测

计算机工程 2022年第12期48卷 288-295页

作者：杨毅桑庆兵江南大学人工智能与计算机学院江苏无锡214122

织物瑕疵检测是纺织行业保证产品质量的重要环节,针对织物瑕疵检测中存在小目标瑕疵检测困难、不同种类瑕疵长宽比差异大、对实时性要求高等问题,提出一种新的轻量化织物瑕疵检测算法。以yolov4网络为基础,使用轻量化网络MobileNetv2为... 详细信息

织物瑕疵检测是纺织行业保证产品质量的重要环节,针对织物瑕疵检测中存在小目标瑕疵检测困难、不同种类瑕疵长宽比差异大、对实时性要求高等问题,提出一种新的轻量化织物瑕疵检测算法。以yolov4网络为基础,使用轻量化网络MobileNetv2为主干网络,有效减少模型参数总量与运算量,以满足实时性需求。在MobileNetv2的逆残差结构中加入CoordAttention注意力模块,将空间精确位置信息嵌入到通道注意力中,增强网络聚焦小目标特征的能力。使用自适应空间特征融合(ASFF)网络改进路径聚合网络(PANet),使模型通过学习获得多尺度特征图的融合权重,从而充分利用浅层特征与深层特征,提高算法对小目标瑕疵的检测精度。采用K-means++算法确定先验框尺寸,并用Focal Loss函数修改模型损失函数,降低正、负样本不平衡对检测结果的影响,解决不同种类瑕疵长宽比差异大及类别不平衡的问题。实验结果表明,相较于yolov4算法,所提算法的平均精度均值提高了2.3个百分点,检测速度提升了12 frame/s,能较好地应用于织物瑕疵检测。

关键词：织物瑕疵检测自适应空间特征融合 CoordAttention模块 yolov4网络 MobileNetv2网络

基于RDB-yolov4的煤矿井下有遮挡行人检测

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2022年第5期58卷 200-207页

作者：谢斌红袁帅龚大立太原科技大学计算机科学与技术学院太原030024 精英数智科技股份有限公司太原030000

针对煤矿井下数字化人员检测过程中行人易被大型设备遮挡而导致的误检、漏检等问题,提出了一种基于RDB-yolov4网络的煤矿井下有遮挡行人检测方法。该算法以yolov4为基础网络架构,在CSPDarknet-53特征提取网络中加入了残差密集块(residua... 详细信息

针对煤矿井下数字化人员检测过程中行人易被大型设备遮挡而导致的误检、漏检等问题,提出了一种基于RDB-yolov4网络的煤矿井下有遮挡行人检测方法。该算法以yolov4为基础网络架构,在CSPDarknet-53特征提取网络中加入了残差密集块(residual dense block,RDB),对不同层次的特征实现跨层传递和融合,连续的连接保证了低级和高级特征信息的存储和记忆,使得完整有效的局部特征能准确预测被遮挡行人的信息。对比当前主流目标检测算法和遮挡处理检测算法,该算法在PASCAL VOC 2007公开数据集和煤矿井下行人数据集下有效提升了测试的平均精度(average precision,AP),相比yolov4在两组不同数据集测试的平均精度分别提升了2.74个百分点和3.5个百分点(IoU=0.5)。

关键词：遮挡行人检测 yolov4网络残差密集块煤矿井下