检索结果-南通市图书馆

作者：刘婷西安电子科技大学

学位级别：硕士

随着国民经济水平的不断提升,人们的出行方式逐渐演变为以汽车为主。但由于道路规划不合理以及人为主动性地交通违规等原因,道路交通安全问题越来越严重,比如违规停车、违规驾驶等交通违规现象日益增加,轻则造成交通拥堵,重则导致交通... 详细信息

随着国民经济水平的不断提升,人们的出行方式逐渐演变为以汽车为主。但由于道路规划不合理以及人为主动性地交通违规等原因,道路交通安全问题越来越严重,比如违规停车、违规驾驶等交通违规现象日益增加,轻则造成交通拥堵,重则导致交通瘫痪甚至发生大型交通事故危及群众生命安全。车牌号作为车辆的“身份证”,能唯一地标识车辆,车牌在交通违规中标识车辆具有重要作用,因而准确而快速地识别车牌号码在当今的交通场景下的应用非常重要。近年来,我国针对交通违规现象的处理方式主要是让交通执法人员使用执法记录仪记录违规现场的一些信息,比如拍摄车辆牌照,录制现场视频等,而执法仪场景拍摄的照片背景复杂,倾斜角度很大,传统的车牌识别方法在执法仪场景下识别准确率低,不能满足要求,导致其执法效率较低。因此针对执法仪场景下车辆牌照识别的问题,本文研究了通过使用深度学习模型并进行场景性的算法优化来解决车牌识别问题,进而提高执法效率。本文的主要工作包括如下四个方面:首先,本文提出一种新的车牌识别流程,主要包括车牌区域检测、车牌关键点检测及车牌矫正、端到端的车牌字符识别三个部分。以往的车牌识别流程基本为车辆检测、车牌检测、车牌字符检测、字符分割和字符识别,其流程具有连锁效应,每部分流程的效果对其后继流程都会造成直接影响。因此考虑简化整个流程,进而提高整体的车牌识别准确率,本文提出了一种新的车牌识别流程。其次,本文制作了高质量的数据集,在车牌识别模块,为了使各省份车牌数目均衡,本文使用Open CV图像处理库制作了仿真车牌,为每个省份制造了单层黄牌、双层黄牌、单层蓝牌、警用车牌、新能源车牌以及港澳车牌共计11550张,车牌有明暗变化和任意的倾斜角度,车牌种类丰富且数据量比较大,并通过车牌识别实验证明了自制数据集的有效性。此外,本文优化了一种创新目标检测算法,并应用于执法仪车牌识别场景。在实验中,本文以yolov4-tiny为基础网络,在此基础上对网络结构进行改进。实验结果表明,相较于基础网络,使用改进后的网络训练得到的模型在车牌区域检测和字符识别中的表现更好,准确率均有提升,并且模型大小和单张图检测时间没有出现大幅度变化。最后,本文采用了代码简洁且易于扩展的Flask框架,结合MVC模式开发了车牌识别系统。将单张或一批图片传入系统中,系统将展示识别结果,并将识别过程中产生的相关有用信息存储到数据库中,以供执法人员调用。另外也可利用这些数据分析系统的不足,为之后的优化做准备。本文针对执法仪场景下的车牌识别现状,提出的车牌识别流程和优化后的目标检测算法,能够解决执法仪场景下的倾斜车牌的识别问题,并通过实验验证了上述流程以及网络结构的可行性和有效性,符合提升交警通过执法仪执法效率的需求,达到了预定的研究目标。

关键词：车牌矫正车牌识别深度学习 yolov4-tiny OpenCV Flask

基于深度学习的草地贪夜蛾不同龄期幼虫的识别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的草地贪夜蛾不同龄期幼虫的识别

作者：蔡伟峰广东海洋大学

学位级别：硕士

草地贪夜蛾作为一种具有极大破坏性的洲际害虫,其主要进食阶段为幼虫时期,所以在这一阶段对于其幼虫的识别与防控具有重大意义,早发现就可以早治理。随着计算机视觉技术的迅猛发展,其在害虫防治领域也展现出了相对于人工识别害虫的巨大... 详细信息

草地贪夜蛾作为一种具有极大破坏性的洲际害虫,其主要进食阶段为幼虫时期,所以在这一阶段对于其幼虫的识别与防控具有重大意义,早发现就可以早治理。随着计算机视觉技术的迅猛发展,其在害虫防治领域也展现出了相对于人工识别害虫的巨大优势。经调查研究,目前鲜有人使用目标检测算法对草地贪夜蛾进行检测与识别。于是,本文在深度学习目标检测技术的基础上对不同龄期草地贪夜蛾幼虫的检测与识别进行研究,提出一种基于yolov4-tiny算法改进的目标检测算法yolov4-tiny X,本算法综合了注意力机制与特征融合网络的优点,相较于原版本yolov4-tiny模型在各个模型性能评价指标都取得了提升,准确率达到98.55%;召回率达到90.87%;mAP达到97.65%。本文主要研究内容及创新性工作如下:(1)建立了一个包含1509张图像以及详细标注的草地贪夜蛾六个龄期幼虫数据集,用于草地贪夜蛾幼虫龄期的模型训练以及测试。该数据集结合害虫检测任务的相关要求进行了详细标注。(2)引入注意力机制(Attention Mechanism),注意力机制可以让模型训练过程中合理的分配计算资源,找到最有用的信息并忽略掉无关信息,引入注意力机制之后,模型可以同时获取图像的通道信息与位置信息,从而提升特征提取的效率。从实验得到的数据可以看出,多路注意力机制要比单路注意力机制效果好,CA(Coordinate Attention,坐标注意力机制)效果最佳。(3)引入SPP空间金字塔池化网络,该网络结构的加入可以将输入特征层进行多尺度池化并融合,提高特征层的信息量,以此来增强特征层对于草地贪夜蛾幼虫的表达能力。(4)利用PANet代替了yolov4-tiny算法中的FPN功能的特征层增强模型,在引入该功能后能够使输入网络的不同尺寸大小的特征层分成二个传输路径,一条为FPN所具有的自上而下的路径,另一条则为PANet增加的自下而上的路径,两条路径对输入特征层进行融合与增强,使得网络提取到的细节信息得到了更加充分地利用。

关键词： yolov4-tiny 目标识别草地贪夜蛾注意力机制特征融合

基于PYNQ的yolov4＿tiny神经网络加速系统设计

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PYNQ的YOLOv4＿tiny神经网络加速系统设计

作者：曹宪法西安电子科技大学

学位级别：硕士

随着卷积神经网络(Convolutional Neural Network,CNN)在计算机视觉邻域内的广泛应用,CNN在多种场景下已经逐步替代传统的算法,以实现更加智能和准确的目标识别。然而,由于CNN巨大的参数规模对终端平台的功耗和计算能力提出了较高的要求... 详细信息

随着卷积神经网络(Convolutional Neural Network,CNN)在计算机视觉邻域内的广泛应用,CNN在多种场景下已经逐步替代传统的算法,以实现更加智能和准确的目标识别。然而,由于CNN巨大的参数规模对终端平台的功耗和计算能力提出了较高的要求,因此,更加低功耗、高性能的硬件加速器成为了研究的热点。FPGA作为一种内置丰富资源的可编程逻辑器件,凭借其灵活且可配置的优势被广泛应用在各种硬件加速的场景下。本文使用一种ARM+FPGA的异构计算平台,在充分发挥FPGA并行计算优势的前提下,集成了高级的应用框架PYNQ,实现对网络的调整、参数的调度、指令的下发等功能,以降低加速器驱动程序开发的难度。首先,本文重点分析了卷积神经网络的计算特性,确定了以卷积层为核心,池化层、协助运算层为辅助的加速器架构。本文在卷积层的设计中,重点进行权重和特征值的内存排布、通道并行、卷积核复用的研究。选择利于内存数据突发读写的存储格式,并结合两级DMA进行读写状态控制,使得数据读写的复杂度降低。除此之外,还对卷积切片方式对内存访问频次的影响进行分析,提出了输入高度方向切片和输出通道方向切片的联合切片模式,并在卷积切片前,通过软件端对内存访问频次进行计算,来确定整体的调度方案。其次,根据切片方案设计了具有高带宽读写特性的片上存储区,使用与片外内存相似的排列方式,方便乘加阵列从片上存储区中搬移数据。基于矩阵运算的乘加阵列可以支持双通道并行的计算模式,同时使用了可配置流水线的方式优化电路时序;对卷积结果进行处理的协运算通路中,将BN层、单数据运算层转化成通道的乘加计算,并使用了可旁路操作进行计算模式的选择,通过系数查找表缓存切比雪夫多项式拟合系数来实现硬件的激活函数设计。然后将上采样层融合到写数据模块内进行横纵方向的扩充,完成数据的上采样并写回;池化运算通路中,采用横向池化和纵向池化相结合的方式,使得池化运算更加匹配硬件设计的思路。最后,设计了支持AXI4协议转化的内存接口,实现了对内部各模块数据包和命令包的解析,以完成片外内存的高效读写,并基于VCS对整个系统进行了功能仿真,通过软硬件对比测试,验证了整个系统的功能。通过ZCU102板卡对加速器进行了性能测试,测试选取了yolov4-tiny网络作为加速对象,该网络在速度和准确率上均能达到较好的平衡。实验结果表明,本设计一次推理所需要的时间仅为53.944 ms,计算性能达到了146.224 GOPS的平均算力。本设计在功耗的表现上比较良好,整个加速器一次推理的功耗仅为5.038 W,能效比达到了29.02 GOPS/W,相比于其他FPGA平台,本设计有明显的优势。

关键词：卷积神经网络异构计算内存排布通道并行 yolov4-tiny

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于轻量级CNN的实时目标检测研究

基于轻量级CNN的实时目标检测研究

作者：李秉涛贵州大学

学位级别：硕士

随着深度学习在图像处理领域的广泛应用,基于卷积神经网络的目标检测算法逐渐取代传统算法。但目标检测网络存在参数量大、计算复杂度高、检测速度慢等问题,通常需要部署在计算能力较高的设备上,在计算资源受限的小型设备中难以满足实... 详细信息

随着深度学习在图像处理领域的广泛应用,基于卷积神经网络的目标检测算法逐渐取代传统算法。但目标检测网络存在参数量大、计算复杂度高、检测速度慢等问题,通常需要部署在计算能力较高的设备上,在计算资源受限的小型设备中难以满足实时性的需求,这无疑增加了设备成本。针对这一问题,本文基于yolov4-tiny算法,提出一种改进的轻量级目标检测网络,对其检测精度和速度作进一步提升。yolov4-tiny对比yolov4参数量更少,但检测精度较低,对部署设备算力需求仍然较高。针对yolov4-tiny的主特征提取网络结构简单,难以有效提取特征信息的问题,本文提出使用Bneck＿E结构替换主特征提取网络中的CSP结构,在增加网络深度的同时有效降低了主特征提取网络的参数量。针对小目标检测精度较低,复杂场景下漏检率较高的问题,在分类回归网络中,增加轻量级注意力机制ECA,在引入较少参数量的同时提高模型精度。采用双向特征融合,用深度可分离卷积对浅层特征下采样,提高小目标检测精度的同时降低了参数量。在PASCAL VOC数据集上实验表明,改进后的算法m AP提高了4.4%,FPS提升了15.7%,参数量仅为yolov4-tiny的36%。为进一步提高模型在小型嵌入式设备上的检测速度,本文采用基于BN层的γ因子对冗余通道进行裁剪的方法,对部分网络层进行通道剪枝,在25%的剪枝率下模型m AP仅降低了0.59%,参数量降低了19%,FPS提升了8.8%,进一步提升了模型检测速度。本文嵌入式设备选择树莓派4B,在部署时选择NCNN前向推理框架,并对模型作Int8量化处理。实验结果表明,本文提出的轻量级目标检测网络,在树莓派4B上检测单张图片仅需173ms,检测时间减少了43%,具有较好的实时性,同时漏检率低于yolov4-tiny,证明本文模型轻量化的有效性和可行性。

关键词：目标检测 yolov4-tiny 轻量化嵌入式设备

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

仿生鹰眼视觉探测技术研究

仿生鹰眼视觉探测技术研究

作者：周鹏南京理工大学

学位级别：硕士

本文以单兵巡飞弹为应用平台,为解决在探测过程中目标成像尺寸小以及复杂环境干扰等问题,基于鹰眼视觉开展了仿生鹰眼光学系统的研究,基于yolov4-tiny目标检测算法提出了改进方法,同时,由于常规弹药弹载空间有限,本文基于Jetson Xavier... 详细信息

本文以单兵巡飞弹为应用平台,为解决在探测过程中目标成像尺寸小以及复杂环境干扰等问题,基于鹰眼视觉开展了仿生鹰眼光学系统的研究,基于yolov4-tiny目标检测算法提出了改进方法,同时,由于常规弹药弹载空间有限,本文基于Jetson Xavier NX嵌入式平台搭建了硬件系统并进行了实验测试。首先,对鹰眼的视觉原理、生理结构以及视觉信息处理通道等进行了介绍与分析,基于鹰眼视觉原理的研究,以巡飞弹为应用平台,对仿生鹰眼系统的功能结构进行了设计,并给出了系统的设计流程,为后续工作的开展奠定了基础。其次,为了模拟鹰眼的正中央凹和侧中央凹结构,设计了一套仿生鹰眼视觉的双光路光学系统,并进行了像差的校正,同时对正中央凹光学系统和侧中央凹光学系统的结构进行了设计与建模,基于巡飞弹平台设计了仿生鹰眼系统的整体外观结构。接着,以yolov4-tiny网络模型作为仿生鹰眼目标检测的主体算法,进行了网络结构的改进和视觉注意力机制的引入,利用装甲车模型制作了本文数据集并进行了数据增强,利用K-means++算法对锚框进行了聚类优化,提高对复杂环境下小目标检测的准确度,然后在小型服务器上对改进后的网络模型进行训练得到最终的训练权重,随机从验证集中选择两张图片对改进后的算法进行测试,改进后的算法比yolov4-tiny算法准确度提高了1.5%左右,召回率提高了21%左右。最后,搭建了基于Jetson Xavier NX嵌入式平台的硬件系统,基于Gstreamer特点,利用系统硬件进行视频编解码,释放CPU资源,基于Tensor RT特点,对改进后的网络模型进行优化加速,然后将改进后的网络模型移植到硬件系统,分别进行了复杂背景环境和简单背景环境的不同光亮程度下的目标检测静态实验,之后对不同背景环境下的目标进行动态检测实验验证,检测速度约45FPS,验证了系统的稳定性,能够用于对目标的实时检测。综上所述,本文对仿生鹰眼的光学系统的光路和结构进行了设计与仿真,对仿生鹰眼目标检测算法的准确度进行了优化,减少了复杂环境下小目标检测的漏检现象,提高了目标检测准确度,最终在Jetson Xavier NX嵌入式平台上实现了对目标的实时检测。

关键词：鹰眼视觉仿生鹰眼光学系统目标检测 yolov4-tiny Jetson Xavier NX嵌入式平台

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于目标检测的要地安防系统研究与设计

基于目标检测的要地安防系统研究与设计

作者：查祖福水河北工程大学

学位级别：硕士

随着计算机视觉相关理论迅猛发展,智能安防系统正在逐步替代传统的安防系统。在要地安防中,突然入侵的无人机以及行人的异常行为,会对要地产生安全威胁。传统的安防系统需要相关的安保人员进行监控观察,安保人员在长时间的工作后,会因... 详细信息

随着计算机视觉相关理论迅猛发展,智能安防系统正在逐步替代传统的安防系统。在要地安防中,突然入侵的无人机以及行人的异常行为,会对要地产生安全威胁。传统的安防系统需要相关的安保人员进行监控观察,安保人员在长时间的工作后,会因注意力不集中导致异常事件未被及时发现,使得对异常事件的检测不具有及时性。智慧安防系统不仅能够缓解对人力的消耗,同时还能够对异常事件进行及时的检测。本文主要围绕要地安防中行人异常行为检测以及无人机入侵检测展开深入的研究,主要研究内容如下:(1)在基于行人检测的异常行为检测中,为了进一步提高行人检测的精度,提出了融合自适应选择卷积核以及柔性非极大值抑制的yolov4-tiny行人检测算法SK-SN-yolov4-tiny。首先,在骨干网络与特征融合层(FPN)之间加入自适应卷积注意力机制(SKNet),提升网络在多尺度情况下的检测精度。其次,使用改进的柔性非极大值抑制(DIOU-Soft-NMS),提升行人在密集场景下的检测精度。最后,对行人进行检测,根据行人在图像中的位置以及行人的运动轨迹,来检测行人是否有翻墙、区域入侵以及徘徊等异常行为。(2)针对小目标无人机检测精度低的问题,本文提出了一种CS-MF-CA-YOLOX无人机检测算法。首先,在金字塔池化模块(SPP)中融入跨阶段特征融合的结构,尽可能保留小目标无人机的细节以及语义信息。其次,在骨干网络中加入小尺寸的卷积操作,充分提取小目标无人机的语义信息。最后,在骨干网络残差块中加入坐标注意力机制,提高网络抗背景干扰能力,进一步提升无人机的检测精度。(3)本文研究并设计了一个基于目标检测的要地系统。结合要地安防的业务需求,对系统的架构、功能模块进行分析和设计,将基于行人检测的异常行为检测,以及低空无人机入侵检测算法运用到系统中。很好地满足了要地安防的业务需求。

关键词：行人检测异常行为检测无人机检测 yolov4-tiny YOLOX 要地安防系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

复杂战场环境下军事目标检测方法研究

复杂战场环境下军事目标检测方法研究

作者：郭琪美华北理工大学

学位级别：硕士

高效精准的军事目标检测对目标精确定位、掌握敌军兵力部署情况以及目标追踪等是至关重要的。然而,由于战场环境的复杂多变性、军事目标所处位置的多样性等情况的存在,增加了军事目标的检测难度。此外,由于战场局势的瞬息万变,军事目标... 详细信息

高效精准的军事目标检测对目标精确定位、掌握敌军兵力部署情况以及目标追踪等是至关重要的。然而,由于战场环境的复杂多变性、军事目标所处位置的多样性等情况的存在,增加了军事目标的检测难度。此外,由于战场局势的瞬息万变,军事目标信息的及时获取对战争走势影响极大。由此可见,复杂战场环境下准确高效的军事目标检测是一项充满挑战性的任务。为了有效解决上述问题,提出了两种基于yolov4-tiny的军事目标检测模型。主要的研究工作如下:首先,针对目前尚未有公开的复杂战场环境下军事目标数据集这一问题,构建复杂战场环境下的军事目标数据集。该数据集中的图像来源于战争题材的电影和阿亚战争、俄乌冲突等真实战场视频。然后,将视频进行格式转换、数据清洗、数据标注。最后,进行数据增强操作,平衡数据集中每类军事目标的数量并提升检测模型的泛化能力。其次,为了更好地兼顾军事目标的检测精度和检测速度,提出了一种基于特征增强的yolov4-tiny军事目标检测模型。该模型不仅设计了一种基于卷积注意力模块的特征金字塔网络来增强军事目标特征,还将迁移学习方法引入军事目标检测任务中加速网络收敛,提升检测效果。仿真结果表明,与其他模型例如SSD、yolov4等模型相比,该模型能更好地兼顾检测精度和速度。其检测精度和检测速度分别达到了93.61%和115.41帧/秒。最后,针对军事目标检测过程中存在较大规模的漏检问题,提出了一种融合多尺度特征提取和样本均衡的yolov4-tiny军事目标检测模型。该模型结合改进的空洞空间金字塔池化模块设计了一种多尺度主干特征提取网络,利用多个比例捕捉图像上下文,减少目标信息损失。其次,还结合了Focal loss函数来实现样本均衡化。实验结果表明,相较于yolov4-tiny,该模型的平均漏检率降低了4.16%,在一众对比模型中,其平均漏检率达到最低,有良好的检测性能。图28幅;表9个;参55篇。

关键词：军事目标检测复杂战场环境 yolov4-tiny

基于YOLO轻型网络和树干跟踪的苹果检测与计数方法研究

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YOLO轻型网络和树干跟踪的苹果检测与计数方法研究

作者：高芳芳西北农林科技大学

学位级别：硕士

准确的水果数量对于生产者在生产管理中做出适当的决策很重要。但是,当前商业果园的苹果果实数量主要依靠人工抽样计数估测,耗时费力。虽然已经开发了一些基于机器视觉的果实计数算法,但这些算法都是通过直接跟踪果实来实现的。由于果... 详细信息

准确的水果数量对于生产者在生产管理中做出适当的决策很重要。但是,当前商业果园的苹果果实数量主要依靠人工抽样计数估测,耗时费力。虽然已经开发了一些基于机器视觉的果实计数算法,但这些算法都是通过直接跟踪果实来实现的。由于果实目标较小且个体外观的高度相似性使得算法在跟踪过程中经常会出现跟踪失误甚至目标丢失的情况。且树干体积普遍大于果实,并且可以在视频中清晰地出现,因此本研究提出一种基于树干单目标跟踪的自动化视频处理方法,以达到比当前基于果实多目标跟踪的果实计数方法更高的精度和更快的跟踪速度。主要研究内容与结论如下:(1)基于Real Sense相机的数据集采集与构建。针对现代化种植模式和苹果生长的特点,确定了果园图像和视频拍摄方式和数据采集时间。分析苹果农艺生产特性,确定基于Realsen D435相机的图像获取设备和由Real Sense D435相机、笔记本电脑和遥控小车组成的图像采集装备。解析果实检测和树干跟踪的目标物类别,确定数据集的标记对象为“苹果”和“树干”,并研究了基于Label Img的对象物标注方法与注意事项;根据研究对于检测、跟踪和计数的需求,按比例随机划分视频数据集。根据目标检测需求,按比例随机划分图像数据集,讨论并确定了检测数据集的数据扩增方法以提高模型鲁棒性。最后根据YOLO网络要求转换标记文件格式,制作数据集,以训练深度学习网络。(2)基于YOLO轻型网络的目标检测方法研究。为选择出适用于田间自然环境下苹果与树干的检测模型,对比分析yolov3-tiny、yolov4-tiny和yolov5s网络结构,基于相同的数据集训练模型,并在相同的测试集上进行测试,最后,随机选取10个果园视频对选取的网络模型进行效果验证。结果表明,yolov4-tiny模型的m AP为96.4%,检测一幅图像用时16 ms,优于其他两个网络。该网络在苹果检测上AP值达到94.2%,比yolov3-tiny高7.8%,仅比yolov5s网络低1.2%,且不存在yolov5s网络中严重的果实漏检情况。该网络在树干检测上AP值达到98.6%,比yolov5s高3.9%,仅比yolov3-tiny低0.2%。该模型在视频中的召回率平均达到94.95%,可以较好的检测出视频中的目标。(3)基于树干单目标跟踪的果实跟踪方法研究。针对果园树行视频目标运动特点,提出基于树干跟踪的果实跟踪思路。对比基于目标跟踪网络对树干跟踪的结果,提出基于欧式距离匹配的树干跟踪方法,计算视频运动位移。基于视频运动位移提出基于欧式距离的双向匹配策略,解决由于果实重叠或距离较近导致的果实ID变换问题。提出对匹配正确的关系进行异常判断的策略,减小果实匹配错误概率。提出针对匹配失败的果实进行二次匹配的方案,更新视频运动位移,基于Io U匹配原则对匹配失败的果实进行再次匹配,增加果实间对应关系。最后,使用开发的果实跟踪方法在视频中进行试验,并最终获得3.7%的IDSR值、90.9%和94.4%的MOTA及MOTP值。(4)基于检测模型与跟踪算法的果实计数方法研究。研究目标检测与果实跟踪融合方法,设计出果实计数管道。根据树行视频运动特点研究提高算法处理速度方法。针对yolov4-tiny网络检测果实时造成部分非计数目标果实也被识别的问题,讨论该部分误检果实误识别的原因,探索面向检测后处理的果实去除方法以尽可能的避免该部分果实被计数。为提高计数精度,划分跟踪后视频帧果实类别,确定果实分类判断标准,针对各类别下果实制定相应计数策略,并面向不同视频帧制定合适的果实计数方法。融合目标检测算法以及果实跟踪算法开发出视频果实计数算法,并使用该算法对10段果园视频进行计数试验,算法计数与人工计数拟合相关系数达到0.9463,并最终获得94.6%的高计数精度。综上所述,本文针对树行果实计数研究提出了可行的方案,即基于YOLO轻型网络和树干单目标跟踪的苹果计数方法。其中,基于yolov4-tiny的目标检测模型平均检测精度高、速度快、模型小,可以实现对不同环境下的视频中果实和树干的的高精度检测。基于欧氏距离匹配的树干跟踪方法,为果实的匹配计数提供可靠的视频运动位移信息。先后经过基于欧氏距离的双向匹配、去除异常匹配以及基于交并比的二次匹配较大程度的建立果实之间的联系。融合目标检测以及果实跟踪开发出的视频果实计数算法,基于检测后处理与果实分类处理方法高精度实现果实的计数,为果园中果实的产量测量提供新思路,探索新途径,从而为果园的智慧化管理提供数据支撑,进一步推进苹果产业化、智能化以及自动化。

关键词：苹果计数 yolov4-tiny 树干跟踪双向匹配检测后处理果实分类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习在印品缺陷检测分类的应用研究

基于深度学习在印品缺陷检测分类的应用研究

作者：严凡坤天津科技大学

学位级别：硕士

缺陷检测是工业上非常重要的一个应用,尤其是在印刷领域,由于缺陷多种多样,传统的图像处理方法和传统的机器视觉算法很难做到对缺陷特征完整的建模和迁移,复用性不大,要求区分工况,这会浪费大量的人力成本。深度学习在特征提取和定位上... 详细信息

缺陷检测是工业上非常重要的一个应用,尤其是在印刷领域,由于缺陷多种多样,传统的图像处理方法和传统的机器视觉算法很难做到对缺陷特征完整的建模和迁移,复用性不大,要求区分工况,这会浪费大量的人力成本。深度学习在特征提取和定位上取得了非常好的效果,越来越多的学者和工程人员开始将深度学习算法引入到缺陷检测领域中。本论文将基于卷积神经网络的单阶段目标检测算法yolov4-tiny引入到印刷电路板的表面缺陷检测中并进行改进,虽然有些不足,但整体上取得了非常优良的效果。在数据集制作方面,所有印刷电路板缺陷图像都是由一个线性扫描CCD获得的,将其预处理为大小640×640的图像。本论文配置的实验环境如下:操作系统为Ubuntu18.04。CPU为Intel Xeon E5-2678v3,主频为2.5GHZ。GPU是NVIDIAGe Force GTX1080Ti。为了充分利用GPU加速网络训练,系统中安装了CUDA10.1及其配套的CUDNN。深度学习框架是Darknet。主要创新点有:(1)针对印刷电路板表面的印刷缺陷非常细小的特点,在yolov4-tiny的主干网络结构中增加空间注意力模块spp,得到yolov4-tiny-spp算法模型,以提高对微小目标缺陷特征的提取能力,改进后精度提高了0.8%,视频检测的FPS(目标网络每秒可以检测多少张图片)为125;(2)为了提高yolov4-tiny的检测准确率,在上述yolov4-tiny-spp算法模型基础上使用了基于三检测器的改进算法得到模型yolov4-tiny-spp-3l,减少对小目标的漏检,从而提高了对小目标的检测能力,但改进后的检测精度和检测速度都有所下降,这可能是特征信息的丢失导致的;(3)为了最大程度丰富特征图的特征信息,我们设计了辅助残差网络块,通过使用3x3感受野和跳层连接操作来提取全局特征。最后,将我们设计的辅助网络合并到骨干网络中以构建新的骨干网络yolov4-tiny-spp-3l-cbl。这样就实现了深层网络和浅层网络的融合。使得改进后的骨干网络能够提取检测对象的全局和局部特征,检测精度提高了2.1%。通过基于深度学习的印刷电路板表面缺陷检测的方法,能够智能化的对电路板表面缺陷检测分类,不仅在速度上能够满足实时检测的需求,提高了工作效率,而且能够节省人力资源,节约企业成本。

关键词：印刷缺陷 yolov4-tiny 注意力机制小目标检测辅助残差网络

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yolov4的目标检测算法研究

基于YOLOv4的目标检测算法研究

作者：谭晓霏燕山大学

学位级别：硕士

计算机视觉是当今人工智能领域中的研究热点,它研究的是使用计算机系统代替人工识别、分析、处理图像信息。目标检测作为计算机视觉的的重要分支,它主要用于判断图像中物体的位置、类别和数量等信息。目标检测为计算机视觉领域中目标分... 详细信息

计算机视觉是当今人工智能领域中的研究热点,它研究的是使用计算机系统代替人工识别、分析、处理图像信息。目标检测作为计算机视觉的的重要分支,它主要用于判断图像中物体的位置、类别和数量等信息。目标检测为计算机视觉领域中目标分类和目标跟踪等技术提供了基础信息,具有不可或缺的作用。近年来深度学习算法发展迅猛,基于深度学习的目标检测算法取得了丰硕的成果。基于深度学习的目标检测算法与传统目标检测算法相比,具有检测精度高、检测速度快的优点,目前已成为目标检测算法的主流研究方向。而yolov4算法作为深度学习在目标检测领域应用的典型算法,同时兼顾了检测精度和检测速度两个需求。本文基于yolov4算法开展了一系列研究,改进得到的新网络变得更准更快。首先研究了目标检测算法的研究背景和发展现状,然后论述了目标检测常用的PASCAL VOC 2007和PASCAL VOC 2012数据集以及目标检测算法的评价指标,另外对卷积神经网络的基本结构和各层网络作用也做了基本论述。本文基于这些理论基础完成了后面的改进工作。基于yolov4-tiny网络改进得到了Hyolov4-tiny。首先通过引入注意力机制提高了模型对骨干网络提取特征图的信息处理能力;引入PANet对模型的特征增强网络进行改进,使得模型可以检测到图像中的小物体,减少了目标遗漏;最后更换了原网络的损失函数,提升了网络检测精度和速度。通过实验证明,本文改进算法Hyolov4-tiny提高了模型检测精度。针对yolov4目标检测算法进行了轻量级改进。首先用Ghostnet代替了yolov4的主干特征提取网络,然后使用深度可分离卷积模块取代yolov4中的普通卷积层,简化了模型运算。最后使用Mish函数代替原模块中的ReLU激活函数,增强了模型中神经元参数的更新效率。实验证明,本文在保证模型检测精度的同时减少了模型计算量。

关键词：深度学习目标检测 yolov4-tiny yolov4 轻量级