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yolov7模型的肺结节检测

国际生物医学工程杂志 2023年第6期46卷 521-528页

作者：尹冬生杜玲艳徐小入四川轻化工大学自动化与信息工程学院自贡643000 四川轻化工大学人工智能四川省重点实验室自贡643000

目的设计一种基于改进yolov7模型的肺结节检测算法。方法首先,在PAFPN结构中,引入轻量化上采样算子CARAFE,以提高肺结节检测精度。然后添加一个增强型小尺度检测层,增强对于小目标肺结节的检测性能,同时可减少训练的参数量,并降低模型... 详细信息

目的设计一种基于改进yolov7模型的肺结节检测算法。方法首先,在PAFPN结构中,引入轻量化上采样算子CARAFE,以提高肺结节检测精度。然后添加一个增强型小尺度检测层,增强对于小目标肺结节的检测性能,同时可减少训练的参数量,并降低模型复杂程度。在保证各项参数指标不变的情况下,对yolov5原模型算法和添加增强型小尺度检测层的yolov5模型算法、yolov7原模型算法和改进后yolov7模型算法进行消融实验;对改进点训练集总损失进行比较;用yolov7原模型算法和改进后yolov7模型算法对2张测试集图片进行推理,将其与近年来其他经典的肺结节检测算法Mask R-CNN、yolov3、yolov5s和yolov7对2张测试集图片进行比较。结果添加增强型小尺度检测层的yolov5模型算法精度比yolov5原模型算法提升了1.3%,召回率提高了3.5%,平均精度(mAP)上升了3.1%,参数量减少了25.3%,网络的复杂程度也有所减少。改进后yolov7模型算法mAP提高1.8%,参数量减少28.3%,模型复杂程度下降5 G。添加增强型小尺度检测层与替换特诊融合网络为轻量化上采样算子CARAFE算法在训练过程中的总损失最小。yolov7原模型算法精度较高,但是仍然出现了漏检与假阳性的情况,与预测图片1比较,yolov7原模型出现了漏检的情况;与预测图片2比较,yolov7原模型出现了假阳性的情况。而改进后yolov7模型对漏检情况和假阳性均得到了很好的改善;与经典模型算法比较,改进后yolov7模型算法的精度、召回率和mAP最高,分别为91.7%、89.1%、93.5%。结论改进yolov7模型具有更强的特征表达能力,参数量更少,能够有效提高肺结节的检测精度。

关键词：肺结节 yolov7模型 CARAFE算子增强型小尺度检测层多头自注意力机制

在线全文

学校读者我要写书评

暂无评论

改进yolov7的小目标检测算法研究

计算机工程与应用 2024年第1期60卷 122-134页

作者：李安达吴瑞明李旭东浙江科技学院浙江省食品物流装备技术研究重点实验室杭州310023

随着深度学习在国内目标检测的不断应用,常规的大、中目标检测已经取得惊人的进步,但由于卷积网络本身的局限性,针对小目标检测依然会出现漏检、误检的问题,以数据集Visdrone2019和数据集FloW-Img为例,对yolov7模型进行研究,在网络结构... 详细信息

随着深度学习在国内目标检测的不断应用,常规的大、中目标检测已经取得惊人的进步,但由于卷积网络本身的局限性,针对小目标检测依然会出现漏检、误检的问题,以数据集Visdrone2019和数据集FloW-Img为例,对yolov7模型进行研究,在网络结构上对骨干网的ELAN模块进行改进,将Focal NeXt block加入到ELAN模块的长短梯度路径中融合来强化输出小目标的特征质量和提高输出特征包含的上下文信息含量,在头部网络引入RepLKDeXt模块,该模块不仅可以取代SPPCSPC模块来简化模型整体结构还可以利用多通道、大卷积核和Cat操作来优化ELAN-H结构,最后引入SIOU损失函数取代CIOU函数以此提高该模型的鲁棒性。结果表明改进后的yolov7模型参数量减少计算复杂性降低并在小目标密度高的Visdrone 2019数据集上的检测性能近似不变,在小目标稀疏的FloW-Img数据集上涨幅9.05个百分点,进一步简化了模型并增加了模型的适用范围。

关键词： yolov7模型小目标检测大卷积核损失函数

改进yolov7和DeepSORT的井下人员检测与跟踪算法

在线全文

学校读者我要写书评

暂无评论

煤炭科学技术 2024年

作者：范伟强王雪瑾张颖慧李晓宇内蒙古大学电子信息工程学院

煤炭行业正在经历以“安全、高效、智能、绿色”为核心的智能矿山开采理念的变革，而计算机视觉作为一种高效、智能、低成本的新兴技术，已经成为当下智能矿山建设中的重要亮点。针对井下监控视频容易受到人工光源、粉尘和喷雾等干扰因... 详细信息

煤炭行业正在经历以“安全、高效、智能、绿色”为核心的智能矿山开采理念的变革，而计算机视觉作为一种高效、智能、低成本的新兴技术，已经成为当下智能矿山建设中的重要亮点。针对井下监控视频容易受到人工光源、粉尘和喷雾等干扰因素的影响，导致现有基于计算机视觉的井下人员监测方法存在实时性差、漏检和误检率高以及跟踪精度差的问题，提出了一种改进yolov7和DeepSORT的井下人员检测与跟踪算法。首先，为了提取到更为关键的井下人员图像特征，提高模型在煤矿井下复杂场景中的适应能力，在yolov7的Neck模块中融入SimAM注意力机制，并采用改进后的yolov7模型检测井下人员目标。然后，为了在降低模型参数量和网络复杂度的同时，进一步提高人员目标的跟踪精度，在DeepSORT的特征提取网络中引入ShuffleNetV2轻量化模块，并采用改进的DeepSORT模型对井下人员目标进行编码跟踪。最后，在已构建的井下人员视频图像数据集与公开数据集上对所述算法进行实验验证，结果表明：改进yolov7模型的平均检测精度相比yolov7模型提高了3.9%；改进DeepSORT模型的人员目标跟踪准确率达到了74.9%，跟踪精确度达到了82.3%，速度达到了24FPS。相较于yolov7-DeepSORT算法，本文所述算法的网络参数量减少了36%，显著提高了井下多人员目标检测与跟踪的实时性能，可望部署于井下智能边缘计算监测平台。

关键词：井下人员监测检测与跟踪 yolov7模型 DeepSORT 轻量化

基于改进yolov7的肥城桃病虫害识别方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

山东农业科学 2024年

作者：刘鹏周鑫孙博陈维康王志军山东农业大学信息科学与工程学院山东省泰安第一中学

为解决肥城桃病虫害特征小以及不同病斑表征相似导致的难以精准识别的问题，以山东省肥城市肥城桃种植基地为样本采集点，构建包含细菌穿孔病、褐斑穿孔病、潜隐黄化病、桃小食心虫、红颈天牛、流胶病六种桃病虫害的数据集；针对样本分... 详细信息

为解决肥城桃病虫害特征小以及不同病斑表征相似导致的难以精准识别的问题，以山东省肥城市肥城桃种植基地为样本采集点，构建包含细菌穿孔病、褐斑穿孔病、潜隐黄化病、桃小食心虫、红颈天牛、流胶病六种桃病虫害的数据集；针对样本分布特点，引入Mixup、Cutout、高斯模糊等多种方法进行数据增强，以提升模型对小病斑特征的检测；以yolov7模型作为骨干网络，加入Ghost模块进行瘦身以降低模型冗余特征，构建基于CBAM注意力机制和加权双向特征金字塔网络（BiFPN）的多尺度神经网络模型，增强小病斑的多尺度融合，从而提高模型的泛化能力。经实验验证，改进后的模型对上述六种病害的识别精度均值(mAP)达到93.2％。表明改进后的模型能够实现对病虫害的有效识别，可为肥城桃病虫害的早期预警和防治提供一定的技术支撑。

关键词：肥城桃病虫害识别 yolov7模型深度学习卷积神经网络

改进yolov7和SeaFormer的桥梁裂缝识别与测量

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

铁道科学与工程学报 2024年

作者：杨国俊齐亚辉杜永峰石秀名兰州理工大学土木工程学院兰州理工大学抗震减灾研究所

为了解决以往桥梁裂缝检测模型参数量大、检测效率低、延迟高，无人机采集图像质量不佳等问题，引入图像质量评价模型和SeaFormer轻量化语义分割算法，通过改进yolov7目标检测算法，训练并建立基于改进的yolov7和SeaFormer的桥梁裂缝识... 详细信息

为了解决以往桥梁裂缝检测模型参数量大、检测效率低、延迟高，无人机采集图像质量不佳等问题，引入图像质量评价模型和SeaFormer轻量化语义分割算法，通过改进yolov7目标检测算法，训练并建立基于改进的yolov7和SeaFormer的桥梁裂缝识别与分割一体化模型，提出了基于内切圆的裂缝长度与宽度像素级计算方法。同时，采用先识别，然后将裂缝识别目标框图像作为分割模型的输入图像进行分割，再将分割图像进行处理并按照目标框位置信息映射回原图的方案，大大提高了裂缝的检测效率；利用本文质量评估模型筛选并标注公开混凝土桥梁裂缝图像，作为本文模型数据集。通过在此数据集上与主流模型进行训练测试对比，证明了本文算法在精度、轻量化等方面的优势。然后利用大疆精灵4prov2.0无人机在距离待测面3米处采集结构裂缝图像进行精度验证，裂缝宽度检测相对误差在18%以内，裂缝长度检测相对误差在10%以内。另外，在加入兰州市中山桥桥墩裂缝图像的混合测试集中，裂缝识别定位精准度达91.38%,F1分数88.94%，召回率86.62%；裂缝分割准确度为93.66%，交并比90.17%。研究结果表明：基于改进yolov7和SeaFormer的一体化桥梁裂缝检测方法在兼顾检测速度与精度的情况下，模型更小、检测效率更高，更适用于搭载在无人机等移动设备进行桥梁、高塔等结构的裂缝检测。

关键词：桥梁工程裂缝检测无人机深度学习轻型多层感知模块 yolov7模型 SeaFormer模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于yolov7的奶牛行为识别方法研究

农业与技术 2024年第11期44卷 39-43页

作者：袁宇翔罗维平武汉纺织大学机械工程与自动化学院湖北武汉430200 湖北省数字化纺织装备重点实验室湖北武汉430200

为了实现适合大规模奶牛养殖环境下的无接触、高精度奶牛行为识别和自动化管理,本研究提出一种基于yolov7网络模型的奶牛行为识别方法,将牧场本地摄像头所采集的视频分帧处理,去除冗余图像后,通过标注,Mosaic数据增强处理得到440幅标签... 详细信息

为了实现适合大规模奶牛养殖环境下的无接触、高精度奶牛行为识别和自动化管理,本研究提出一种基于yolov7网络模型的奶牛行为识别方法,将牧场本地摄像头所采集的视频分帧处理,去除冗余图像后,通过标注,Mosaic数据增强处理得到440幅标签数据,用于对yolov7模型进行训练及优化以实现奶牛行为的准确识别。实验结果表明,在训练轮次为150次时,模型对进食、躺卧和活动3类行为检测的平均精度均值达到98.7%;对进食、站立、行走和躺卧4类行为检测的平均精度均值达到89.9%;相较yolov5提高了1.5%,为实现畜禽智能化养殖提供支持。

关键词：深度学习奶牛行为识别 yolov7模型多目标识别

在线全文

学校读者我要写书评

暂无评论

面向捕捞机器人的水下目标检测方法研究

面向捕捞机器人的水下目标检测方法研究

作者：鲁超宇山东交通学院

学位级别：硕士

近年来,随着深度学习技术的发展,目标检测技术在水下捕捞机器人中的应用越来越多。在水下机器人工作过程中,由于光线的折射和散射,采集的水下图像容易出现偏绿、失真和对比度低等问题,会降低水下目标检测的准确性。其次,水下目标检测的... 详细信息

近年来,随着深度学习技术的发展,目标检测技术在水下捕捞机器人中的应用越来越多。在水下机器人工作过程中,由于光线的折射和散射,采集的水下图像容易出现偏绿、失真和对比度低等问题,会降低水下目标检测的准确性。其次,水下目标检测的目标存在体积小、数量多和易重叠的特点,导致包含的特征信息较少,进一步增大了目标检测难度。因此,本文从四个方面展开研究,提出一种适用于水下目标检测的改进算法。主要的工作内容如下:针对缺少专门应用于捕捞机器人的水下目标数据集的问题,本文选取扇贝(scallop)、海参(holothurian)、海星(starfish)和海胆(echinus)作为水下目标检测的对象,根据水下目标的养殖环境搭建水下环境模拟平台,并利用水下机器人采集图像数据。经过人工标注和调整,制作出包含四个类别总计6177张图片的数据集。针对采集的水下图像存在噪点、对比度低和色彩失真等问题,本文结合水下图像的特点,对常用的六种图像增强算法进行深入研究,经过实验和测试,在现有算法的基础上提出一种基于MDC(多域协同去噪,Multi-Domain Collaborative Denoising)的图像增强算法。针对通用目标检测算法在水下环境中检测精度较低的问题,本文深入研究了深度学习网络SSD结构、Faster RCNN结构和yolov7结构,对比分析了三个网络结构在制作的水下目标数据集的检测效果。根据实验结果,将yolov7网络结构作为后续改进的基础模型。针对水下目标检测算法在应对水下目标具有的体积小、数量多和易重叠的特点时,容易造成目标检测精度不高的问题,本文在yolov7算法的基础上,设计了一种yolov7Pro改进算法用于水下目标检测。本文研究了水下目标检测技术在捕捞机器人中的应用。通过制作水下目标数据集、提出MDC图像增强算法、优选深度学习网络结构和设计yolov7Pro算法,解决了水下图像质量差、特征提取困难等问题,提高了水下目标检测的精度。

关键词：捕捞机器人图像增强水下目标检测 yolov7模型

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yolov7的通用目标检测模型

智能计算机与应用 2023年第12期13卷 23-31页

作者：钟玲陆国芳沈阳工业大学软件学院沈阳110870

针对通用目标检测领域在自动提取特征的过程中会提取错误的目标检测区域信息,本文以yolov7模型作为基线模型进行改进,有效地提高检测精度。首先,在yolov7模型的主干网络中引入改进的注意力机制,在上采样模块中采用双三次插值,以增强浅... 详细信息

针对通用目标检测领域在自动提取特征的过程中会提取错误的目标检测区域信息,本文以yolov7模型作为基线模型进行改进,有效地提高检测精度。首先,在yolov7模型的主干网络中引入改进的注意力机制,在上采样模块中采用双三次插值,以增强浅层和深层的特征融合效果,减少区域信息丢失;其次,通过设计动态IOU阈值实现动态非极大值抑制,解决固定阈值导致检测边界框冗余的问题,提升准确性;最后,采用剪枝算法对网络模型进行轻量化处理,并使用深度可分离卷积替换原始卷积。实验结果显示,本文模型在数据集上的准确率、F1值和召回率均高于其他模型,说明本文建立的基于yolov7模型改进的通用目标检测算法的有效性。

关键词： yolov7模型通用目标检测注意力机制双三次插值剪枝算法深度可分离卷积

基于Canny-YOLO的目标检测方法改进研究

在线全文

学校读者我要写书评

暂无评论

中国科技论文 2024年第6期19卷 733-740页

作者：李军海祎飞北京信息科技大学人工智能安全创新团队北京100192 北京信息科技大学信息安全系北京100192

针对当前军工工业产品缺陷检测能力不足的问题,以生产中普遍存在的小目标缺陷检测为切入点,提出了一种基于Canny-yolov7算法的融合增强模型。该模型主要通过Canny边缘检测算法识别图像中的潜在缺陷区域并对缺陷区域特征进行增强,在此基... 详细信息

针对当前军工工业产品缺陷检测能力不足的问题,以生产中普遍存在的小目标缺陷检测为切入点,提出了一种基于Canny-yolov7算法的融合增强模型。该模型主要通过Canny边缘检测算法识别图像中的潜在缺陷区域并对缺陷区域特征进行增强,在此基础上对yolov7模型进行针对性改进以提升泛化能力。首先,为增强模型对于细微缺陷特征的提取能力,使用Swin Transformer (STR)模块替换原始主干网络中的ELAN模块。其次,采用SIOU损失函数使得改进模型能快速学习到准确的目标定位。最后,采用LeakyReLU激活函数减少函数计算开销,进一步提升模型检测速度。实验结果表明,在相同数据集下,提出的增强模型平均检测精度达到97.5%,相较于原始yolov7模型提升了4.6%,检测速度(FPS)为52.45,满足实时检测需求。

关键词：深度学习缺陷检测 yolov7模型 Canny算法 Swin Transformer