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 levels.Conventional methodologies struggle with the challenges posed by luminosity fluctuations,especially in settings characterized by diminished radiance,further exacerbated by the utilization of suboptimal imaging instrumentation.The envisioned approach mandates a departure from the conventional yolox model,which exhibits inadequacies in mitigating these challenges.To 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 contrast.Subsequently,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 axes.The utilization of CycleGAN serves to elevate the features of low-light imagery across an array of stylistic variances.Advanced 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 potential.Empirical validation conducted on the PASCAL VOC and MS COCO 2017 datasets substantiates pronounced advancements.The refined low-light enhancement algorithm yields a discernible 5.9%augmentation in the target detection evaluation index when compared to the original imagery.Mean Average Precision(mAP)undergoes enhancements of 9.45%and 0.052%in low-light visual renditions relative to conventional yolox outcomes.The 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 luminosity.

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

改进yolox的自动驾驶场景目标检测算法

引用

计算机工程与应用 2024年第12期60卷 225-233页

作者：陈商盈倪受东童林南京工业大学机械与动力工程学院南京211800

针对原始yolox在自动驾驶场景中易出现小目标的误检及漏检问题,提出一种改进yolox网络模型的检测方法。增加一个检测头,显著提高了小目标的检测精度。用更快的空间金字塔池化(spatial pyramid poolingfast,SPPF)替代传统的空间金字塔池... 详细信息

针对原始yolox在自动驾驶场景中易出现小目标的误检及漏检问题,提出一种改进yolox网络模型的检测方法。增加一个检测头,显著提高了小目标的检测精度。用更快的空间金字塔池化(spatial pyramid poolingfast,SPPF)替代传统的空间金字塔池化(spatial pyramid pooling,SPP)结构,并引入了高效通道注意力机制(efficient channel attention,ECA),以增强模型对复杂背景和小目标的识别能力,有效降低了小目标的漏检率。在网络的neck部分,采用深度可分离的卷积方法,进一步提高了计算效率。基于KITTI数据集,设计了一种新的数据增强技术,提高模型的训练稳定性。实验结果表明,优化后yolox算法的小目标平均精度APS和平均召回率AR分别提升了0.20和0.097,在小目标检测上取得了显著进步,并大大降低了漏检率。

关键词：自动驾驶 yolox 目标检测注意力机制

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-s的车辆检测方法研究

引用

系统仿真学报 2024年第2期36卷 487-496页

作者：张稀柳张晓玲何敏军江苏理工学院电气信息工程学院常州213001

为缓解车辆小目标漏检及误检问题,提出一种基于yolox网络的多尺度特征融合的改进车辆检测模型。设计基于深度可分离卷积的Ghost-CSP(cross stage partial),替换网络的部分跨阶段局部结构,加快检测速度;将模型的最大池化方式改进为Softp... 详细信息

为缓解车辆小目标漏检及误检问题,提出一种基于yolox网络的多尺度特征融合的改进车辆检测模型。设计基于深度可分离卷积的Ghost-CSP(cross stage partial),替换网络的部分跨阶段局部结构,加快检测速度;将模型的最大池化方式改进为Softpool方式,并引入坐标注意力机制,增强待检测目标的特征表达,优化目标漏检问题;选用Focal Loss作为模型置信度损失函数以增加分类不准确样本的权重,提高模型对小目标的预测能力。实验结果表明:改进算法平均准确率提高到74.96%,速度达到73帧/s,在满足实时性要求下可以更好地完成车辆目标检测要求。

关键词： yolox 多尺度特征融合车辆检测模型 Softpool 坐标注意力 Focal Loss

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

改进yolox在近岸船舶检测中的应用

引用

计量学报 2024年第1期45卷 30-37页

作者：张立国赵嘉士金梅曾欣沈明浩燕山大学电气工程学院河北秦皇岛066004

为了解决近岸船舶检测时目标尺度变化大,环境干扰严重等问题,提出了一种改进yolox的无锚框检测算法。首先,在主干网络中引入CoT模块,通过动态利用上下文信息来增强表达能力,降低环境干扰的影响;其次,将SimAM注意力嵌在特征金字塔和检测... 详细信息

为了解决近岸船舶检测时目标尺度变化大,环境干扰严重等问题,提出了一种改进yolox的无锚框检测算法。首先,在主干网络中引入CoT模块,通过动态利用上下文信息来增强表达能力,降低环境干扰的影响;其次,将SimAM注意力嵌在特征金字塔和检测头之间,丰富语义信息,提升小目标检测精度。再利用CIOU来取代原有损失函数,以提高收敛速度;最后,使用深度可分离卷积替换特征金字塔中普通卷积,减少参数量,提升检测速度。实验结果表明:在SeaShips数据集上,改进后模型在减少参数量的同时,精度提高了6.73%,均值平均精度(mAP)达到了96.63%,检测速度达到了48.6帧/s,能够实时、高精度地检测近岸船舶。

关键词：视觉检测船舶目标深度学习 yolox CoT模块 SimAM注意力

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的轻量化交通监控目标检测算法

引用

计算机工程与应用 2024年第7期60卷 167-174页

作者：胡伟超郭宇阳张奇陈艳艳公安部道路交通安全研究中心科研管理处北京100062 北京工业大学城市交通学院北京100124 成都市公安局交通管理局成都610017

交通目标检测技术是道路交通管理部门进行交通流量监测、安全管控等核心工作的重要技术之一。面对大量的交通监控视频数据,需要使用检测速度更快、精度更高、占用计算资源更少的交通目标检测技术。为了满足这一需求,根据yolox算法和PP-L... 详细信息

交通目标检测技术是道路交通管理部门进行交通流量监测、安全管控等核心工作的重要技术之一。面对大量的交通监控视频数据,需要使用检测速度更快、精度更高、占用计算资源更少的交通目标检测技术。为了满足这一需求,根据yolox算法和PP-LCNet网络,提出了一种面向交通监控场景的轻量型交通目标检测算法PL-YOLO。使用基于PP-LCNet改进的网络作为目标检测器的主干特征网络,使用深度可分离卷积代替yolox中的普通卷积,降低模型运算过程中的复杂度;根据交通监控场景下的车辆分布密集且尺寸小的特点,添加SimAM注意力机制模块,聚焦于更有意义的特征图像。实验结果表明,相对于yolox-s模型,改进后的PL-YOLO检测精度提升1.89个百分点,模型大小降低了54%,FPS从20.88帧/s提升到26.68帧/s。

关键词：目标检测交通监控场景检测 yolox 轻量化 PP-LCNet

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

融合FEB的yolox遥感图像目标检测算法

引用

重庆邮电大学学报（自然科学版） 2024年第2期36卷 319-327页

作者：余翔庞志濠重庆邮电大学通信与信息工程学院重庆400065

针对遥感图像的复杂背景干扰大、目标尺度变化大以及小目标检测困难等导致检测精度降低的问题,提出一种增强yolox主干网络输出特征提取能力的检测算法。通过加入连续膨胀残差卷积和注意力机制,设计一种全新的提取主干网络输出特征增强块... 详细信息

针对遥感图像的复杂背景干扰大、目标尺度变化大以及小目标检测困难等导致检测精度降低的问题,提出一种增强yolox主干网络输出特征提取能力的检测算法。通过加入连续膨胀残差卷积和注意力机制,设计一种全新的提取主干网络输出特征增强块(feature enhance block,FEB),让连续膨胀残差卷积串联4个具有不同膨胀率的膨胀残差卷积,扩大算法的感受野,丰富上下文信息,同时减轻背景对检测的影响,有效加强算法对目标尺度变化大及小目标的检测能力,使用SA注意力机制抑制背景对算法检测的干扰,提高算法的检测精度。在RSOD数据集上的实验表明,FEB相较于其他同类型模块具有更好的特征提取能力。

关键词：机器视觉遥感图像目标检测 yolox

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

MFE-yolox:无人机航拍下密集小目标检测算法

引用

重庆邮电大学学报（自然科学版） 2024年第1期36卷 128-135页

作者：马俊燕常亚楠广西大学机械工程学院南宁530004 广西大学广西制造系统与先进制造重点实验室南宁530004

针对无人机航拍时物体尺度变化大,检测目标大多较小且物体较密集的问题,提出一种混合特征增强结构(mix feature enhancement, MFE)方法。通过在超分辨率方法中加入注意力机制以增强小目标信息提取,利用一种新的特征层融合计算方法,加强... 详细信息

针对无人机航拍时物体尺度变化大,检测目标大多较小且物体较密集的问题,提出一种混合特征增强结构(mix feature enhancement, MFE)方法。通过在超分辨率方法中加入注意力机制以增强小目标信息提取,利用一种新的特征层融合计算方法,加强不同特征层间的融合效率,提高了中小型目标的检测精度;设计了尾端感受野扩大层以扩大尾端特征层感受野,使检测头可接收丰富的物体信息来定位并区分密集物体。实验在数据集VisDrone2021的测试集上进行测试,MFE-yolox网络的AP50结果为47.78%,在参数量、计算量与原网络相近的情况下精度提高了9.43个百分点。

关键词：小目标检测无人机注意力机制特征融合 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

RepViTS-yolox:水下模糊及遮挡目标检测方法

引用

计算机工程与应用 2024年第13期60卷 200-208页

作者：陶洋朱腾钟邦乾周昆周立群重庆邮电大学通信与信息工程学院重庆400065

针对水下目标检测中的目标模糊和遮挡问题,提出基于yolox改进的RepViTS-yolox水下目标检测方法。该方法采用RepViTS作为特征提取网络并通过结构重参数化,有效提升了对水下目标的特征提取能力和模型推理速度。引入空间和通道重构(spatial... 详细信息

针对水下目标检测中的目标模糊和遮挡问题,提出基于yolox改进的RepViTS-yolox水下目标检测方法。该方法采用RepViTS作为特征提取网络并通过结构重参数化,有效提升了对水下目标的特征提取能力和模型推理速度。引入空间和通道重构(spatial and channel reconstruction convolution,SCConv)模块,增强网络对模糊目标的关注。改进特征融合网络,通过跨尺度连接和多尺度融合,加强不同层次特征间的信息交流,使模型更好理解遮挡目标特征。针对定位和分类任务对特征的不同需求,引入上下文解耦头(task-specific context decoupling head,TSCODE),对遮挡目标更精准地定位和分类。实验结果证明,RepViTS-yolox方法在RUOD数据集上取得了85.7%的检测效果,较yolox提高了3.8个百分点。检测结果显示,该方法可以有效改善水下模糊和遮挡目标的检测情况,提高水下目标检测精度。

关键词： yolox 目标检测结构重参数化解耦检测头注意力机制

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的多光谱行人检测算法

引用

小型微型计算机系统 2024年第1期45卷 185-191页

作者：方康黄琴王克琪靳帅刘畅钱宇华陈路山西大学大数据科学与产业研究院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006 山西大学计算机与信息技术学院太原030006 太原卫星发射中心太原030012

现有的多光谱行人检测算法大多是基于Faster R-CNN的两阶段检测或设置了锚框机制的一阶段检测,此类模型存在推理速度慢,检测准确率低等不足.为此,本文设计出一种基于一阶段无锚框检查算法yolox的多光谱行人检测算法.该算法将多模态特征... 详细信息

现有的多光谱行人检测算法大多是基于Faster R-CNN的两阶段检测或设置了锚框机制的一阶段检测,此类模型存在推理速度慢,检测准确率低等不足.为此,本文设计出一种基于一阶段无锚框检查算法yolox的多光谱行人检测算法.该算法将多模态特征提取解耦为特性特征提取和共性特征提取两阶段.针对基准特性特征提取网络学习能力不足、提取的语义信息和纹理细节信息不够丰富的问题,本文设计出一种多尺度特征增强(Multi-scale Feature Enhancement,MFE)模块,该模块可提取出特性特征图中丰富的语义和纹理细节信息.此外,本文使用基于差异性的特征融合方法来充分捕获两种模态的差异性特征信息.为证实本文方法的有效性和可行性,本文在KAIST数据集和FLIR数据集上进行了实验验证,实验结果表明本文所提方法可显著提高多光谱行人检测的性能.

关键词：多光谱行人检测多尺度 yolox 一阶段

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的遥感目标检测算法

引用

激光与光电子学进展 2024年第12期 304-315页

作者：胡昭华李昱辉南京信息工程大学电子与信息工程学院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

遥感目标检测是环境监测、电路巡检等领域中的一个重要的环节。针对遥感图像存在的目标尺度差异大、目标模糊、背景复杂度高等难点，提出了一种基于yolox的遥感目标检测算法。首先，提出区域上下文聚合模块，利用不同扩张率的空洞卷积... 详细信息

遥感目标检测是环境监测、电路巡检等领域中的一个重要的环节。针对遥感图像存在的目标尺度差异大、目标模糊、背景复杂度高等难点，提出了一种基于yolox的遥感目标检测算法。首先，提出区域上下文聚合模块，利用不同扩张率的空洞卷积扩大感受野，获取多尺度上下文信息，从而有利于小目标的检测；其次，提出特征融合模块，采用两种不同的尺度变换模块实现对不同尺度特征的融合，从而充分融合浅层位置信息与深层语义信息，提高网络对不同尺度目标的检测性能；最后在多尺度特征融合网络部分引入特征增强模块，并将其与注意力机制CAS[CA (coordinate attention)+SimAM(simple parameter-free attention module)]结合，使网络更加关注目标信息，忽略复杂背景的干扰，同时，将浅层特征层与深层检测层进行特征融合，防止由特征信息丢失造成的预测端检测性能降低。实验结果表明：改进后的算法在DIOR和RSOD遥感数据集上分别取得了73.87%和96.22%的检测精度，与原yolox算法相比检测精度分别提高了4.08和1.34个百分点；与其他先进算法相比，改进后的算法在检测精度与检测速度上都具有一定的优越性。

关键词：目标检测 yolox 特征融合注意力机制区域上下文

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

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：