检索结果-南通市图书馆

Highly Differentiated Target Detection under Extremely Low-Light Conditions Based on Improved yolox Model

Computer Modeling in Engineering & Sciences 2024年第8期140卷 1507-1537页

作者： Haijian Shao Suqin Lei Chenxu Yan Xing Deng Yunsong Qi School of Computer Jiangsu University of Science and TechnologyZhenjiang212003China Department of Electrical and Computer Engineering University of NevadaLas VegasNV89154USA Zhejiang Geely Automobile Research Institute Ningbo315336China

This paper expounds upon a novel target detection methodology distinguished by its elevated discriminatory efficacy,specifically tailored for environments characterized by markedly low luminance *** methodologies struggle with the challenges posed by luminosity fluctuations,especially in settings characterized by diminished radiance,further exacerbated by the utilization of suboptimal imaging *** envisioned approach mandates a departure from the conventional yolox model,which exhibits inadequacies in mitigating these *** enhance the efficacy of this approach in low-light conditions,the dehazing algorithm undergoes refinement,effecting a discerning regulation of the transmission rate at the pixel level,reducing it to values below 0.5,thereby resulting in an augmentation of image ***,the coiflet wavelet transform is employed to discern and isolate high-discriminatory attributes by dismantling low-frequency image attributes and extracting high-frequency attributes across divergent *** utilization of CycleGAN serves to elevate the features of low-light imagery across an array of stylistic *** computational methodologies are then employed to amalgamate and conflate intricate attributes originating from images characterized by distinct stylistic orientations,thereby augmenting the model’s erudition *** validation conducted on the PASCAL VOC and MS COCO 2017 datasets substantiates pronounced *** refined low-light enhancement algorithm yields a discernible 5.9%augmentation in the target detection evaluation index when compared to the original *** Average Precision(mAP)undergoes enhancements of 9.45%and 0.052%in low-light visual renditions relative to conventional yolox *** envisaged approach presents a myriad of advantages over prevailing benchmark methodologies in the realm of target detection within environments marked by an acute scarcity of lumi

关键词： Target detection extremely low-light wavelet transformation highly differentiated features yolox

来源：

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

An Efficient yolox-Based Method for Photovoltaic Cell Defect Detection

引用

Instrumentation 2024年第2期11卷 83-94页

作者： Junjie Wang Li Bi Xunde Ma Pengxiang Sun College of Information Engineering Ningxia UniversityYinchuan 750021China Hefei Institutes of Physical Science Chinese Academy of SciencesHefei 230031China University of Science and Technology of China Hefei 230026China College of Economics and Management Taiyuan University of TechnologyTaiyuan 030024China

Defect detection technology is crucial for the efficient operation and maintenance of photovoltaic ***,the diversity of defect types,scale inconsistencies,and background interference significantly complicate the detection ***,this paper employs the yolox model as the backbone network structure and optimizes various modules to address these ***,we adopt a transfer learning strategy to accelerate model convergence and avoid insufficient accuracy due to the limited number of defect ***,we introduce the SENet module into the feature extraction process to enhance the contrast between defects and their ***,we incorporate the ASFF strategy at the end of the PAFPN network to adaptively learn and emphasize both high-and low-level semantic features of ***,model accuracy is enhanced by refining the loss functions for positioning,classification,and ***,the proposed method achieved excellent results on the Photovoltaic Electroluminescence Anomaly Detection dataset(PVEL-AD),with a mAP of 96.7%and a detection speed of ***,the detection of small target defects showed significant improvement.

关键词： photovoltaic cell defect detection deep learning yolox electroluminescence

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于改进yolox的口罩规范性佩戴检测方法

引用

科学技术创新 2025年第1期 48-51页

作者：贺晶余梓铱丁伟国西安工程大学机电工程学院西安工程大学管理学院

针对现阶段口罩佩戴的规范性检测主要依赖人工检查方式，检测效率低、速度慢、容易出现误检、漏检等问题，本文提出了改进yolox的口罩规范佩戴检测方法。通过引入注意力机制SENet与改进损失函数方式对原有yolox网络模型进行改进，利用... 详细信息

针对现阶段口罩佩戴的规范性检测主要依赖人工检查方式，检测效率低、速度慢、容易出现误检、漏检等问题，本文提出了改进yolox的口罩规范佩戴检测方法。通过引入注意力机制SENet与改进损失函数方式对原有yolox网络模型进行改进，利用网络搜集、现有数据集清洗、数据增强的方式建立了一个含有14569张图片的口罩规范佩戴数据集。实验结果表明，改进模型在昏暗环境下较原模型检测准确率提升6.1%～8.7%，在数据集上的具体检测精度mAP值为92.66%，同时满足了检测实时性的要求，验证了本文改进策略的可行性与有效性。

关键词：口罩规范性佩戴 yolox 注意力机制

来源：

同方期刊数据库评论

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yolox的复杂背景下木薯叶病害检测方法

引用

农业机械学报 2023年第3期54卷 301-307页

作者：宋玲曹勉胡小春贾沛沅陈燕陈宁江广西大学计算机与电子信息学院南宁530004 广西多媒体通信与网络技术重点实验室南宁530004 广西财经学院大数据与人工智能学院南宁530007

为解决田间环境下由于叶片间遮盖和堆叠等因素引起的木薯叶病害识别困难的问题,本文提出一种基于改进yolox网络的木薯叶病害检测(Cassava leaf disease detection, CDD)模型。首先,对复杂背景下木薯叶病害图像数据集进行数据增强,以减... 详细信息

为解决田间环境下由于叶片间遮盖和堆叠等因素引起的木薯叶病害识别困难的问题,本文提出一种基于改进yolox网络的木薯叶病害检测(Cassava leaf disease detection, CDD)模型。首先,对复杂背景下木薯叶病害图像数据集进行数据增强,以减少环境影响造成的识别困难。其次,在yolox网络的基础上,使用多尺度特征提取模块加强细粒度特征提取并降低模型计算量,同时嵌入通道注意力机制,提高网络的表征能力。最后,结合质量焦点损失函数作为分类损失函数辅助网络收敛,提高目标分类的准确性。实验结果表明,提出的CDD模型对复杂背景下木薯叶病害进行检测,网络参数量为5.04×10^(6),平均精度均值达93.53%,比基础模型高6.02个百分点,综合检测能力优于多种主流模型。因此,本文提出的CDD模型对田间木薯叶病害具有更快更准确的检测能力,为实现农作物病害检测提供了可借鉴的方法。

关键词：木薯叶病害复杂背景 yolox 目标检测多尺度特征

来源：

维普期刊数据库

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

基于梯度差自适应学习率优化的改进yolox目标检测算法

引用

航空学报 2023年第14期44卷 210-226页

作者：宋玉存葛泉波朱军龙陆振宇南京信息工程大学人工智能学院(未来技术学院) 南京210044 南京信息工程大学自动化学院南京210044 南京信息工程大学江苏省大气环境与装备技术协同创新中心南京210044 南京信息工程大学江苏省智能气象探测机器人工程研究中心南京210044 河南科技大学信息工程学院洛阳471000

目标检测一直都是计算机视觉领域最具挑战的问题之一,其广泛应用于人脸识别、自动驾驶和交通检测等任务中。为更进一步提升当前主流目标检测算法的性能表现,提出了基于yolox的目标检测改进算法,并在标准的PASCAL VOC 07+12和RSOD数据集... 详细信息

目标检测一直都是计算机视觉领域最具挑战的问题之一,其广泛应用于人脸识别、自动驾驶和交通检测等任务中。为更进一步提升当前主流目标检测算法的性能表现,提出了基于yolox的目标检测改进算法,并在标准的PASCAL VOC 07+12和RSOD数据集上进行实验验证。针对yolox目标检测算法主要通过数据增强、改进网络结构和损失函数3方面做出改进,同时提出基于梯度差的自适应学习率优化算法用于训练改进后的yolox算法,该优化算法同样适用于其他神经网络优化。在PASCAL VOC 07+12标准数据集上进行实验,与原yolox-S进行比较,改进后的yolox-S算法的AP由61.63%提升到66.35%,提升效果明显。同时在RSOD标准数据集上进行实验,并与其他主流的YOLO系列算法进行了比较,改进后的yolox-S算法在RSOD数据集的AP由69.4%提升到73.2%,提升效果显著。实验表明:针对yolox的目标检测做出改进是有效的。

关键词：目标检测 yolox 神经网络优化 PASCAL VOC RSOD

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于改进yolox的自然环境下辣椒果实检测方法

引用

农业工程学报 2024年第21期40卷 119-126页

作者：李旭刘青匡敏球潘建东刘大为向阳吴艳华谢方平湖南农业大学机电工程学院长沙410128 智能农机装备湖南省重点实验室长沙410128 浙江大学生物系统工程与食品科学学院杭州310000 长沙县多莱农业科技有限公司长沙410100

针对不同光照、枝叶遮挡和果实遮挡条件下模型适应能力差和检测精度较低的问题,该研究提出了一种基于yolox的改进辣椒果实检测模型yolox_Pepper。首先,在yolox特征融合网络中添加融合高效通道CA(coordinate attention)注意力机制,提升... 详细信息

针对不同光照、枝叶遮挡和果实遮挡条件下模型适应能力差和检测精度较低的问题,该研究提出了一种基于yolox的改进辣椒果实检测模型yolox_Pepper。首先,在yolox特征融合网络中添加融合高效通道CA(coordinate attention)注意力机制,提升不同光照条件下模型捕捉辣椒果实关键特征的能力;其次,将主干网络特征聚合模块中的卷积模块替换为可变形卷积DCNv2(deformable convnets v2),提升了模型对不同遮挡情况下辣椒多样几何特征的感知能力。试验结果表明,改进的yolox_Pepper模型平均检测精度为93.30%,与Faster R-CNN、YOLOv5、YOLOv7以及yolox相比,分别提高了3.99、1.58、3.19和2.84个百分点,F1分数为96%。改进的yolox_Pepper模型对自然环境不同光照和遮挡条件的辣椒果实均能进行准确快速的检测。该方法可为辣椒智能化生产提供技术基础。

关键词：农业机器视觉 yolox 辣椒自然环境果实检测

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于改进yolox的移动机器人目标跟随方法

引用

自动化学报 2023年第7期49卷 1558-1572页

作者：万琴李智李伊康葛柱王耀南吴迪湖南工程学院电气与信息工程学院湘潭411104 湖南大学机器人视觉感知与控制技术国家工程研究中心长沙410082 湖南大学电气与信息工程学院长沙410082

针对移动机器人在复杂场景中难以稳定跟随目标的问题,提出基于改进yolox的移动机器人目标跟随方法,主要包括目标检测、目标跟踪以及目标跟随三个部分.首先,以yolox网络为基础,在其框架下将主干网络采用轻量化网络MobileNetV2X,提高复杂... 详细信息

针对移动机器人在复杂场景中难以稳定跟随目标的问题,提出基于改进yolox的移动机器人目标跟随方法,主要包括目标检测、目标跟踪以及目标跟随三个部分.首先,以yolox网络为基础,在其框架下将主干网络采用轻量化网络MobileNetV2X,提高复杂场景中目标检测的实时性.然后,通过改进的卡尔曼滤波器获取目标跟踪状态并采用数据关联进行目标匹配,同时通过深度直方图判定目标发生遮挡后,采用深度概率信息约束及最大后验概率(Maximum a posteriori,MAP)进行匹配跟踪,确保机器人在遮挡情况下稳定跟踪目标.再采用基于视觉伺服控制的目标跟随算法,当跟踪目标丢失时,引入重识别特征主动搜寻目标实现目标跟随.最后,在公开数据集上与具有代表性的目标跟随方法进行了定性和定量实验,同时在真实场景中完成了移动机器人目标跟随实验,实验结果均验证了所提方法具有较好的鲁棒性和实时性.

关键词：移动机器人 yolox 重识别目标跟随

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

采用组合增强的yolox-ViT协同识别温室内番茄花果

引用

农业工程学报 2023年第4期39卷 124-134,F0003页

作者：吕志远张付杰魏晓明黄媛李晶晶张钟莉莉昆明理工大学现代农业工程学院昆明650500 北京市农林科学院智能装备技术研究中心北京100097 石家庄市农林科学研究院石家庄050011 农业农村部农业信息软硬件产品质量检测重点实验室北京100097

番茄花果的协同识别是温室生产管理调控的重要决策依据,针对温室番茄栽培密度大,植株遮挡、重叠等因素导致的现有识别算法精度不足问题,该研究提出一种基于级联深度学习的番茄花果协同识别方法,引入图像组合增强与前端ViT分类网络,以提... 详细信息

番茄花果的协同识别是温室生产管理调控的重要决策依据,针对温室番茄栽培密度大,植株遮挡、重叠等因素导致的现有识别算法精度不足问题,该研究提出一种基于级联深度学习的番茄花果协同识别方法,引入图像组合增强与前端ViT分类网络,以提高模型对于小目标与密集图像检测性能。同时,通过先分类识别、再进行目标检测的级联网络,解决了传统检测模型因为图像压缩而导致的小目标模糊、有效信息丢失问题。最后,引入了包括大果和串果在内的不同类型番茄品种数据集,验证了该方法的可行性与有效性。经测试,研究提出的目标检测模型的平均识别率均值(mean average precision,m AP)为92.30%,检测速度为28.46帧/s,其中对小花、成熟番茄和未成熟番茄识别平均准确率分别为87.92%、92.35%和96.62%。通过消融试验表明,与yolox、组合增强yolox相比,改进后的模型m AP提高了2.38~6.11个百分点,相比于现有YOLOV3、YOLOV4、YOLOV5主流检测模型,m AP提高了16.56~23.30个百分点。可视化结果表明,改进模型实现了对小目标的零漏检和对密集对象的无误检,从而达到了高精度的协同检测目标。研究成果为温室种植环境下的番茄生长识别提供参考。

关键词：图像识别深度学习番茄级联网络 yolox Transformer 协同检测图像增强

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

一种基于Night-yolox的低照度目标检测方法

引用

电子学报 2023年第10期51卷 2821-2830页

作者：江泽涛施道权雷晓春何玉婷李慧周永刚桂林电子科技大学广西图像图形与智能处理重点实验室广西桂林541004

由于在低照度场景下获取的图像具有亮度弱、对比度低、噪声多和细节丢失等特点,使用现有的检测模型对低照度图像进行目标检测会出现定位不准确和分类错误,从而导致最终的检测精度偏低.针对以上现象,本文提出了一种基于Night-yolox的低... 详细信息

由于在低照度场景下获取的图像具有亮度弱、对比度低、噪声多和细节丢失等特点,使用现有的检测模型对低照度图像进行目标检测会出现定位不准确和分类错误,从而导致最终的检测精度偏低.针对以上现象,本文提出了一种基于Night-yolox的低照度目标检测方法.该方法首先设计了一个低级特征聚集模块(Low-level Feature Gathering Module,LFGM)与主干网络合并.在低照度场景下捕获更多有效的低级特征有利于定位目标,该模块通过聚集浅层特征图中具有判别性的低级特征并送入高级特征图和深层卷积阶段中,以补偿在对低照度图像进行特征提取过程中边缘、轮廓和纹理等低级特征的缺失.然后,设计了一种注意力引导块(Attention Guidance Block,AGB)嵌入检测模型的颈部结构,从而减少低照度图像中噪声干扰的影响,引导检测模型推断出特征图中完整的对象区域范围并提取更多有用的对象特征信息,以提高目标分类的准确性.最后,在真实低照度图像数据集ExDark上进行实验,结果表明所提出的Night-yolox相比于其它主流的目标检测方法,在低照度场景下具有更好的检测性能.

关键词：目标检测低照度图像低级特征注意力机制 yolox

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于改进yolox的群养生猪轻量化目标检测方法

引用

农业机械学报 2023年第11期54卷 277-285页

作者：邓铭辉龚俊杰郑飘逸马闯尹艳玲东北农业大学电气与信息学院哈尔滨150030

针对目前群养生猪智能化养殖中复杂环境下猪只目标检测精度低的问题,提出了一种基于改进yolox的群养生猪轻量化目标检测模型Ghost-yolox-BiFPN。该模型采用Ghost卷积替换普通卷积,在减少主干网络参数的情况下,提高了模型的特征提取能力... 详细信息

针对目前群养生猪智能化养殖中复杂环境下猪只目标检测精度低的问题,提出了一种基于改进yolox的群养生猪轻量化目标检测模型Ghost-yolox-BiFPN。该模型采用Ghost卷积替换普通卷积,在减少主干网络参数的情况下,提高了模型的特征提取能力。使用加入CBAM注意力机制的BiFPN作为模型的Neck部分,使得模型充分融合不同体型猪只的特征图,并使用Focal Loss损失函数解决猪圈环境下猪只与背景难以区分的问题,增强模型对正样本的学习。实验结果表明,改进后模型对群养生猪检测精度为95.80%,相比于原始yolox算法,检测精度提升2.84个百分点,参数量降低63%。最后将本文轻量化模型部署到Nvidia Jetson Nano移动端开发板,通过在开发板上实际运行表明,本文所提模型实现了对不同大小、不同品种猪只的准确识别,为后续智能化生猪养殖提供支持。

关键词：猪只目标检测 yolox 图像处理移动端部署

来源：

维普期刊数据库

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

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：