检索结果-南通市图书馆

改进YOLOv4-tiny的SAR图像目标快速检测方法

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 2023年第14期59卷 209-216页

作者：张廓陈章进张岩上海大学微电子研究与开发中心上海200444

如今面向合成孔径雷达(synthetic aperture radar,SAR)图像的目标检测技术已得到广泛的研究与应用,并通过深度学习的方法可有效应用于复杂背景特征下的舰船检测,检测精度和速度也具有一定的效果。为提高在SAR舰船目标场景中的检测速度... 详细信息

如今面向合成孔径雷达(synthetic aperture radar,SAR)图像的目标检测技术已得到广泛的研究与应用,并通过深度学习的方法可有效应用于复杂背景特征下的舰船检测,检测精度和速度也具有一定的效果。为提高在SAR舰船目标场景中的检测速度和精度,提出了一种可用于SAR舰船图像的单类目标快速检测方法,主要通过应用深度可分离卷积修改YOLOv4-tiny网络,并在此基础上添加经改进的通道和空间注意力机制来提升精度。以输入图像尺寸为608×608为基准,相比于YOLOv4-tiny模型,实验结果表明,该方法的检测精度可达93.91%,检测速度可达42.8 frame/s,提高了11.7 frame/s,模型权重仅有2.17 MB大小,约为YOLOv4-tiny的1/10。模型利于硬件上板部署,满足SAR图像舰船目标的快速检测场景需求。

关键词：合成孔径雷达 YOLOv4-tiny 舰船检测深度可分离卷积注意力机制

基于改进YOLOv4-tiny的缝纫线迹质量检测方法

在线全文

学校读者我要写书评

暂无评论

纺织学报 2023年第8期44卷 181-188页

作者：马创佳齐立哲高晓飞王子恒孙云权复旦大学工程与应用技术研究院上海200433

针对人工检测缝纫线迹质量效率低下、当前算法在缝纫线迹质量检测应用上难以检测与面料颜色相近的线迹以及易受面料褶皱、光照变化等因素干扰的问题,提出一种改进的YOLOv4-tiny目标检测模型,实现缝纫线迹针脚点的识别和定位,进而实现质... 详细信息

针对人工检测缝纫线迹质量效率低下、当前算法在缝纫线迹质量检测应用上难以检测与面料颜色相近的线迹以及易受面料褶皱、光照变化等因素干扰的问题,提出一种改进的YOLOv4-tiny目标检测模型,实现缝纫线迹针脚点的识别和定位,进而实现质量检测。首先在YOLOv4-tiny中引入用SoftPool改进的卷积注意力机制,加强网络对线迹特征的注意;然后在YOLO检测头前引入由SoftPool组成的Soft-SPPF模块,实现模型在检测中对多尺度特征的利用;最后,利用改进后的算法输出针脚点的数量和坐标信息,计算线迹针脚点的密度和均匀度。实验结果表明:在自建数据集上,所提算法的平均精度达到85.50%,检测时间为15.9 ms,相比原算法和常用的目标检测模型更适用于缝纫线迹检测,且该方法计算所得的线迹密度结果与人工检测的差值在0.6针/(10 cm)内,均匀度计算结果相近,满足实际检测精度要求。

关键词：缝纫线迹质量检测 YOLOv4-tiny 卷积注意力机制快速空间金字塔池化服装质量

基于改进YOLOv4-tiny轻量化校内行人目标检测算法

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 2023年第15期59卷 97-106页

作者：孙好董兴法王军陈致远苏州科技大学电子与信息工程学院江苏苏州215009 中国科学院长春光学精密机械与物理研究所长春130033 中国白城兵器试验中心吉林白城137001

深度学习常用于行人检测,为了在嵌入式设备上应用复杂的传统卷积神经网络,网络的轻量化是必然趋势,但难以兼顾速度和精度。为解决这个问题,设计了一种基于改进YOLOv4-tiny的轻量化校内行人目标检测算法。提出了一种多尺度空洞卷积模块... 详细信息

深度学习常用于行人检测,为了在嵌入式设备上应用复杂的传统卷积神经网络,网络的轻量化是必然趋势,但难以兼顾速度和精度。为解决这个问题,设计了一种基于改进YOLOv4-tiny的轻量化校内行人目标检测算法。提出了一种多尺度空洞卷积模块的改进Ghost卷积特征提取模块,同时普通卷积用深度可分离卷积代替,降低了模型复杂度,增加特征提取的多样性;构建了一种空洞深度可分离卷积的改进空间金字塔池化结构,增强上下文特征的融合,提高检测精度,减少网络参数;再引入Soft-NMS取代传统非极大值抑制,降低漏检率。实验结果表明,该算法在多个数据集和硬件平台上,其具有精度高、速度快、模型参数少和体积少等特点,可以应用于嵌入式设备。

关键词：校内行人深度学习 YOLOv4-tiny Ghost卷积非极大值抑制

改进YOLOv4-tiny的疫情协同口罩佩戴检测方法

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 2023年第20期59卷 208-218页

作者：程浩然王薪陶李俊燃郭子怡刘维吉林大学通信工程学院长春130012

口罩的佩戴对于疫情防控起着极其重要的作用,针对大规模人群下口罩佩戴检测实时性欠佳、难以部署的问题,提出了一种改进YOLOv4-tiny的疫情协同口罩佩戴检测方法。该算法以YOLOv4-tiny为基础,用两个Resblock-D模块替代CSP模块,降低特征... 详细信息

口罩的佩戴对于疫情防控起着极其重要的作用,针对大规模人群下口罩佩戴检测实时性欠佳、难以部署的问题,提出了一种改进YOLOv4-tiny的疫情协同口罩佩戴检测方法。该算法以YOLOv4-tiny为基础,用两个Resblock-D模块替代CSP模块,降低特征提取网络复杂度,提升检测速度;引入SPP,增加了网络的感受野,使网络满足任意尺寸的影像输入,并增强算法的鲁棒性;引入两层CA注意力机制,提高算法的利用率以保证检测精确度。通过实验检测结果表明,相较于原始YOLOv4-tiny,所提网络mAP提升了0.5个百分点,达到94.0%,检测速度提升了3.96 FPS。在保证检测速度有少量提升的基础上有效提高了检测速度,综合性能得到提升。

关键词：目标检测 YOLOv4-tiny 口罩检测注意力机制(CA) 空间金字塔池化 Resblock-D

改进型YOLOv4-tiny的轻量级目标检测算法

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 2023年第23期59卷 145-153页

作者：郭明镇汪威申红婷候红涛刘宽罗子江贵州财经大学信息学院贵阳550025

为解决部署在嵌入式设备上的目标检测中特征提取速度较慢、检测实时性不足和算法移植性较差的问题,以YOLOv4-tiny为基准网络,提出一种基于CSPRDWConv(cross stage partial residual depthwise convolution)模块的轻量级网络YOLOv4-tiny-... 详细信息

为解决部署在嵌入式设备上的目标检测中特征提取速度较慢、检测实时性不足和算法移植性较差的问题,以YOLOv4-tiny为基准网络,提出一种基于CSPRDWConv(cross stage partial residual depthwise convolution)模块的轻量级网络YOLOv4-tiny-CSPRDWConv,并使用改进的Mosaic数据增强来提升检测模型精度。CSPRDWConv模块中适当缩减算力规模,使得整个模块在保持精度的同时大幅提升推理速度;改进的Mosaic数据增强方法,节省数据增强进程的时间,充分利用每个图像块,并且过滤掉物体过小的目标,使得模型更易于训练。在此基础之上,主干网络的卷积层全部选用小卷积核,只在最后一次压缩特征图时使用5×5的深度可分离卷积,以确保模型低延迟和高准确度的特性;在Neck中引入弱SPP模块,利用局部特征和全局特征来提高目标检测的精度;通过NEON指令对训练后的检测模型进行优化,将卷积层与BN层融合,加快模型的推理进程。改进的YOLOv4-tiny算法在1080Ti的硬件上达到1 308 FPS的实时检测速度,在RK3288开发板上的推理速度约为8 FPS,检测速度约为YOLOv4-tiny基准网络的4倍;mAP达到22.31%,相比于基准网络提升0.61个百分点。实验结果表明,改进的YOLOv4-tiny算法在嵌入式设备上的检测效果更为流畅和高效。

关键词：目标检测 YOLOv4-tiny 嵌入式系统 CSPRDWConv模块 Mosaic数据增强

基于改进YOLOv4-tiny的茶叶嫩芽检测模型

在线全文

学校读者我要写书评

暂无评论

茶叶科学 2022年第4期42卷 549-560页

作者：方梦瑞吕军阮建云边磊武传宇姚青浙江理工大学信息学院浙江杭州310018 中国农业科学院茶叶研究所浙江杭州310008 浙江理工大学机械与自动控制学院浙江杭州310018

精准检测茶叶嫩芽是茶叶机械智能采摘的重要前提。针对茶叶大小不一、遮挡造成的小尺度嫩芽特征显著性弱、漏检率高等问题,提出一种基于改进YOLOv4-tiny的茶叶嫩芽检测模型。该模型在颈部网络添加52×52的浅层特征层以提高YOLOv4-tiny... 详细信息

精准检测茶叶嫩芽是茶叶机械智能采摘的重要前提。针对茶叶大小不一、遮挡造成的小尺度嫩芽特征显著性弱、漏检率高等问题,提出一种基于改进YOLOv4-tiny的茶叶嫩芽检测模型。该模型在颈部网络添加52×52的浅层特征层以提高YOLOv4-tiny网络对小目标嫩芽的关注度,通过引入卷积块注意力机制(Convolutional blockattentionmodule, CBAM)以抑制背景噪声,提高嫩芽特征的显著性,采用双向特征金字塔网络(Bidirectional feature pyramid network,BiFPN)以融合不同尺度的特征信息,从而提出一个高性能轻量化的茶叶嫩芽检测模型YOLOv4-tiny-Tea。对同一训练集与测试集进行模型训练与性能测试,结果表明YOLOv4-tiny-Tea模型检测精确率和召回率分别为97.77%和95.23%,相比改进之前分别提高了5.58个百分点和23.14个百分点。消融试验验证了网络结构改进对不同尺度嫩芽检测的有效性,并将改进后的YOLOv4-tiny-Tea模型与3种YOLO系列算法进行对比,发现改进后的YOLOv4-tiny-Tea模型F1值比yolov3、yolov4、yolov5l模型分别提高了12.11、11.66和6.76个百分点,参数量仅为3种网络模型的13.57%、13.06%和35.05%。试验结果表明,YOLOv4-tiny-Tea模型能有效提高不同尺度下嫩芽检测的精确率,大幅度减少小尺寸或遮挡嫩芽的漏检情况,在保持轻量化计算成本的基础上获得较为明显的检测精度,能够满足农业机器人的实时检测和嵌入式开发的需求,可以为茶叶嫩芽智能采摘方法提供参考。

关键词：茶叶嫩芽检测 YOLOv4-tiny 注意力机制双向特征金字塔

改进YOLOv4-tiny的SAR图像舰船小目标检测

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2023年第12期44卷 2791-2796页

作者：徐继尚柳翠寅刘明昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学计算中心昆明650500

针对主流目标检测算法在检测SAR图像舰船小目标时精度低、实时性能差等问题,本文提出了一种基于改进YOLOv4-tiny的目标检测算法.根据SAR图像分辨率低,特征简单且含有大量小目标的特点,首先,增加8倍下采样特征图来增强对小目标特征的提... 详细信息

针对主流目标检测算法在检测SAR图像舰船小目标时精度低、实时性能差等问题,本文提出了一种基于改进YOLOv4-tiny的目标检测算法.根据SAR图像分辨率低,特征简单且含有大量小目标的特点,首先,增加8倍下采样特征图来增强对小目标特征的提取能力;其次,借鉴Inception和SPP网络设计出新的特征提取模块Module来获取更高级的语义信息且提高浅层网络的感受野,进一步提升检测小目标的精度,耗时仅增加1ms.引入SE通道注意力机制来增强重要特征,提高网络的鲁棒性,并通过对比实验选出SE通道注意力机制最合适的参数.实验结果表明,改进后YOLOv4-tiny的AP值达到97.17%,单张图像检测耗时0.022s,参数量为9.22M,AP值相对原始模型提高2.93%,检测耗时增加8ms,参数量增加3.35M,满足实时性检测需求.

关键词：合成孔径雷达目标检测 YOLOv4-tiny 通道注意力机制

一种改进YOLOv4-tiny的带钢表面缺陷实时检测方法

在线全文

学校读者我要写书评

暂无评论

机械科学与技术 2023年第6期42卷 883-889页

作者：邹旺吉畅六盘水师范学院工程实训中心贵州六盘水553004 六盘水师范学院物理与电气工程学院贵州六盘水553004

带钢表面缺陷检测是生产过程智能检测的重要任务。针对目前带钢表面缺陷检测算法效率低、实时性差的问题,本文提出了基于卷积神经网络的轻量级目标检测器。该方法以YOLOv4-tiny模型为框架,针对带钢表面缺陷检测任务的特殊性,结合了多尺... 详细信息

带钢表面缺陷检测是生产过程智能检测的重要任务。针对目前带钢表面缺陷检测算法效率低、实时性差的问题,本文提出了基于卷积神经网络的轻量级目标检测器。该方法以YOLOv4-tiny模型为框架,针对带钢表面缺陷检测任务的特殊性,结合了多尺度检测与空间注意力机制的优化策略,在保证检测效率的同时提高了轻量级目标检测器的精度。实验证明,所提出的改进的YOLOv4-tiny模型能够精确地检测带钢表面缺陷,平均均值精度mAP(mean Average precision)为73.29%,并且每秒帧数FPS(Frames per second)达到163,满足实际工业落地的实时性要求。

关键词：带钢表面缺陷卷积神经网络 YOLOv4-tiny 多尺度检测空间注意力机制

基于改进YOLOv4-tiny算法的手势识别

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2021年第11期43卷 3257-3265页

作者：卢迪马文强哈尔滨理工大学哈尔滨150080

随着人机交互的发展,手势识别越来越重要。同时,移动端应用发展迅速,将人机交互技术在移动端实现是一个发展趋势。该文提出一种改进YOLOv4-tiny的手势识别算法。首先,在YOLOv4-tiny网络基础上,添加空间金字塔池化(SPP)模块,融合了图像... 详细信息

随着人机交互的发展,手势识别越来越重要。同时,移动端应用发展迅速,将人机交互技术在移动端实现是一个发展趋势。该文提出一种改进YOLOv4-tiny的手势识别算法。首先,在YOLOv4-tiny网络基础上,添加空间金字塔池化(SPP)模块,融合了图像的局部和全局特征,增强网络的准确定位能力。其次,在YOLOv4-tiny原网络的3个最大池化层和新增SPP模块后各添加一个1×1的卷积模块,减少了网络的参数,提高网络的预测速度。在此基础上,利用K-means++算法生成适合检测手势的先验框,加快网络检测手势。在手势数据集NUSII上,与yolov3-tiny算法和YOLOv4-tiny算法进行对比,改进算法平均精度均值(mAP)为100%,每秒传输帧数(fps)为377,可以快速准确地检测识别手势。将该文改进算法部署在安卓(Android)移动端,实现了移动端实时的手势检测与识别,对人机交互的发展有很大的研究意义。

关键词：手势识别人机交互 YOLOv4-tiny 安卓