检索结果-南通市图书馆

作者：郭大龙辽宁工程技术大学

学位级别：硕士

电力能源是关系到我国国民经济和民生的一项重要的基础性能源,因此,电网中各类电力设施的安全、可靠地工作是保证电网供电的关键。由于电网的覆盖面越来越广,使得电网运行的人员巡视工作越来越困难,往往要对海量的数据信息进行处理与分... 详细信息

电力能源是关系到我国国民经济和民生的一项重要的基础性能源,因此,电网中各类电力设施的安全、可靠地工作是保证电网供电的关键。由于电网的覆盖面越来越广,使得电网运行的人员巡视工作越来越困难,往往要对海量的数据信息进行处理与分析,不仅耗时,而且还存在着由于工作经验不足和工作劳累等原因造成的误差。输电线路中绝缘子、金具等电气元件长期受到风雨日晒的影响,极易损毁,这对电网的安全构成了极大的隐患,必须要对其进行有效而迅速的故障检测。本文采用yolox为基础算法对输电线路目标隐患进行识别,主要研究内容如下:(1)通过对架空输电线路中存在的潜在隐患分析,建立了一种隐患检测模型。本文在对yolox的目标检测算法进行研究的基础上,通过构建数据采集(无人机和互联网)、数据增强(Mosaic数据增强方法、Mix Up数据增强)等方法,对模型的鲁棒性和泛化性起到了提升作用。(2)从多种角度对yolox模型进行了改进,首先,考虑了yolox的位置损失函数所使用的IOU损失,提出了一种新的惩罚计算方法,该方法主要是增加对困难样本的损失处罚,从而提高了对小目标和重叠样本的检测能力;其次,将CBAM注意力机制添加在yolox的骨干网络中,以此来提升模型对小目标的感知能力,进而达到提升模型整体的检测效果和泛化能力;最后,利用多尺度特征融合方式,在Neck部分引入上采样的结构用于促进深层语义信息和浅层表征信息的融合,进而提升模型对小目标的感知能力和检测效果,通过消融实验证明了改进方式可以提升模型3.7%的识别精度,隐患检测平均精度平均值(m AP)为83.1%。(3)将改进后的yolox模式进行轻量化设计,对模型进行模型剪枝和知识蒸馏,并用比较实验证明了该方法的可靠性;其次,为了便于电力管理人员操作,本文设计了基于输电线路安全监测系统的人机交互界面;最后,通过与传统的人力隐患检测以及深度学习隐患模型检测进行对比应用,验证了检测方法的可行性、可靠性及优点,从而提高电力安全管理水平。该论文有图34幅,表12个,参考文献69篇。

关键词：电网安全 yolox 损失函数多尺度融合模型剪枝知识蒸馏

改进yolox的交通标志检测算法研究与应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

改进YOLOX的交通标志检测算法研究与应用

作者：孙占鑫南昌工程学院

学位级别：硕士

交通标志检测在自动驾驶任务中起着十分重要的作用,它属于目标检测的子方向。在实际应用中,由于自然场景下易受光线、场景、距离变化等因素影响,如果直接使用通用目标检测算法,会存在精度较低、实时性不理想的问题。为此,本文以yolox目... 详细信息

交通标志检测在自动驾驶任务中起着十分重要的作用,它属于目标检测的子方向。在实际应用中,由于自然场景下易受光线、场景、距离变化等因素影响,如果直接使用通用目标检测算法,会存在精度较低、实时性不理想的问题。为此,本文以yolox目标检测算法模型为基准,提出2种改进算法,并设计了一套交通标志检测系统,主要研究内容及结论如下:(1)提出了基于yolox-CBAM-PIM的交通标志检测算法。该算法针对交通标志小目标和背景复杂目标检测效果不佳问题,提出了CBAM-PIM模块。该模块主要改进CBAM模块的通道注意力部分,分别采用不同方向的池化层模块代替原有强制降维的自适应平均池化层模块,有效建立通道注意力模块对不同方向的特征联系,加强通道信息的表征能力,解决交通标志小目标和背景复杂导致精度不高的问题。实验结果表明,在TT100K交通标志数据集上,该改进算法相较于yolox算法,提高交通标志与背景复杂的小目标检测精度,平均精度均值mAP0.5提升了2.1%,检测速度可达75帧/秒,满足实时检测的需求。(2)提出了基于yolox-ASFF-Dconv的交通标志检测算法。该算法针对yolox-CBAM-PIM对光线不足时交通标志检测效果不佳问题,主要讨论检测精度问题,提出了ASFF-Dconv模块。该模块主要改进ASFF模块采样部分,提出深度可分离转置卷积模块代替采样部分的最近邻插值算子,采用可学习的采样结构加强网络对边缘信息的提取能力,并采用大卷积核的深度可分离结构减少转置卷积的计算复杂度,同时避免伪影效应,解决了光线变化对交通标志检测精度的影响。实验结果表明,在现实弱光环境中,该改进算法相较于yolox算法,提高了光线变化下的交通标志检测精度,有效缓解了光线变化导致交通标志漏检、误检问题,且平均精度均值mAP0.5提升了3.8%。(3)设计了一套嵌入式交通标志检测系统。建立系统的硬件框架、算法运行环境,实现了交通标志目标检测系统。在现实场景中、小目标场景中、光线昏暗场景中检测效果都表现良好且在Jetson Nano上检测速度达到了24帧/秒,满足实际的交通标志检测速度要求,证明了本系统的有效性。

关键词：交通标志 yolox 小目标检测 CBAM ASFF Jetson Nano

基于改进yolox低照度环境下智能监控系统设计与研发

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进YOLOX低照度环境下智能监控系统设计与研发

作者：蒋泽芹青岛科技大学

学位级别：硕士

安全问题一直是化工生产领域的重中之重,厂区内不仅禁火,而且对人员车辆有严格管理制度,为保护员工安全,员工须佩戴安全帽,尤其在新冠疫情大环境下,公共场所还要求佩戴口罩,这些安全管理问题主要靠人工24小时监管,效率低下,对安全生产... 详细信息

安全问题一直是化工生产领域的重中之重,厂区内不仅禁火,而且对人员车辆有严格管理制度,为保护员工安全,员工须佩戴安全帽,尤其在新冠疫情大环境下,公共场所还要求佩戴口罩,这些安全管理问题主要靠人工24小时监管,效率低下,对安全生产和疫情防控带来很大隐患,故逐渐引进智能监控系统辅助监管。目前很多智能监控系统利用红外热成像进行异常检测或者只适用于光线充足的场所,对硬件设备有一定要求,使得工厂旧监控升级花费更多投资和人力资源。利用普通监控在白天进行目标检测难度较小,但在夜间会因图像细节被隐藏导致目标检测难度倍增,因此,本文将低照度图像增强与目标检测结合,改进两种目标检测算法,将最优模型应用到监控系统中,得到了适用于低照度环境下的智能监控系统,所做的研究对于低照度环境下智能监控系统的设计研究具有一定的参考价值和工程意义。主要研究工作如下:(1)利用yolox-Darknet53网络分别与MSRCR、Auto MSRCR和MSRCP图像增强模块组合,针对模型运行速度慢的问题,利用Mobile Netv3、深度可分离卷积和Focus结构改进yolox-Darknet53,提高了检测速度和小目标检测能力。最终得到的AMYD模型大小29.8MB,在Ex Dark数据集上m AP达到77.13%。(2)利用yolox-S网络分别与MSRCR、Auto MSRCR和MSRCP低照度图像增强模块组合,针对模型检测准确率低的问题,利用RFP结构和深度可分离卷积对yolox-S网络进行改进,增强了多尺度特征融合能力,提高了检测精度。最终得到的ARYS模型大小14.0MB,在Ex Dark数据集上m AP达到75.88%。将AMYD和ARYS模型进行了横纵向实验对比,最终确定了ARYS模型作为本文低照度智能监控系统的核心检测模型。(3)通过自建数据集进一步训练ARYS模型,并结合Py Qt5和My SQL数据库开发了“Low-light智能监控系统”,能够实时检测监控区域中的火焰、车辆、人员及其安全帽和口罩的佩戴情况,并能针对异常目标进行语音预警。

关键词：智能监控低照度图像增强目标检测 yolox

基于改进DCGAN和yolox算法的磁瓦表面缺陷检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进DCGAN和YOLOX算法的磁瓦表面缺陷检测

作者：张晓晓南昌工程学院

学位级别：硕士

在工业制造方面,永磁电机被广泛应用于汽车、航天领域,磁瓦作为永磁电机的重要组成部件,其工件质量直接影响着电机的性能。然而在生产制造过程中,由于工艺水平的限制,磁瓦易出现崩缺、孔洞及裂纹等缺陷。因此,对磁瓦进行表面缺陷检测具... 详细信息

在工业制造方面,永磁电机被广泛应用于汽车、航天领域,磁瓦作为永磁电机的重要组成部件,其工件质量直接影响着电机的性能。然而在生产制造过程中,由于工艺水平的限制,磁瓦易出现崩缺、孔洞及裂纹等缺陷。因此,对磁瓦进行表面缺陷检测具有重要意义。传统的磁瓦表面缺陷检测方法难以提取复杂缺陷,无法满足企业高效生产的需求,深度学习的发展使神经网络模型能够有效提取复杂缺陷的特征信息,提高磁瓦表面缺陷的检测能力。因此,本文以磁瓦表面缺陷为研究对象,针对磁瓦表面缺陷样本少、现有缺陷检测算法精度低的问题,提出DCGAN与yolox相结合的磁瓦表面缺陷检测方法。具体内容如下:(1)针对磁瓦数据集样本少且缺陷图像类间不平衡问题,提出了改进DCGAN模型。该模型首先将sc SE注意力机制引入DCGAN,使网络更加关注重要特征,提高模型的特征提取能力;其次采用SELU激活函数使DCGAN网络更有效地学习样本数据的分布,提高了模型的稳定性;最后将损失函数替换为Wasserstein距离,有效解决了梯度消失和模式崩塌问题,使生成器更容易学习到数据的本质规律,并生成更真实的图像,扩增了磁瓦表面缺陷样本。(2)针对磁瓦表面小目标缺陷的漏检、误检问题,提出了基于改进yolox的磁瓦表面缺陷检测方法。该方法在以下三方面进行改进:首先,将注意力机制引入yolox模型三个不同尺度的特征层,增强对小目标的检测能力;其次,通过引入可变形卷积,有效提高模型的感受野大小与感知范围,增强对目标局部细节特征的识别能力;最后,优化损失函数,使用DIo U Loss替换传统的Io U Loss,有效降低误检率和漏检率,提高磁瓦表面缺陷检测精度。(3)针对工业制造中磁瓦表面缺陷检测实时性要求,本章设计了基于改进yolox算法的磁瓦表面缺陷检测系统,该系统包括:基于yolox的软硬件平台、系统总体框架、系统操作流程及系统功能界面。实验结果表明,本文采用改进DCGAN网络提高了数据集的图像质量,解决了因样本过少而引起的训练不充分问题。同时使用改进yolox算法,有效地解决了磁瓦表面小目标漏检、误检等问题。与原yolox相比,平均检测精度提升了3.29%,检测速度也提升了7FPS,具有较高的实用价值。

关键词： yolox 磁瓦表面缺陷检测数据增强 DCGAN 目标检测

基于改进yolox的桥梁裂缝识别关键技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进YOLOX的桥梁裂缝识别关键技术研究

作者：朱猛齐鲁工业大学

学位级别：硕士

裂缝是桥梁结构中常见的一种病害形态,是多种结构退化问题的早期迹象之一,及时识别和处理裂缝对于保障桥梁的整体耐久性和承载能力至关重要。深度学习作为一种快速发展的智能化算法,在交通领域得到了广泛的研究和应用,但在裂缝检测方面... 详细信息

裂缝是桥梁结构中常见的一种病害形态,是多种结构退化问题的早期迹象之一,及时识别和处理裂缝对于保障桥梁的整体耐久性和承载能力至关重要。深度学习作为一种快速发展的智能化算法,在交通领域得到了广泛的研究和应用,但在裂缝检测方面仍无法满足自动化的需求,检测精度有限,尤其是在背景复杂的情况下容易漏检或误检。针对这一问题,本文对yolox目标检测算法进行改进,并采集实际桥梁裂缝图像以丰富数据集,使检测网络可以更好地学习到多种背景下裂缝的特征,以便准确识别和定位;在裂缝检测的基础上,通过像素级别的裂缝分割算法、细化算法、多项式曲线拟合等方法对裂缝长度进行量化;最后将上述算法集成,并利用PyQT5工具开发了裂缝检测系统,实现裂缝检测的便捷化和可视化。主要研究内容如下:(1)以yolox目标检测算法为基础,在特征提取模块中引入额外的CSPLayer层,拓宽网络结构,使用深度卷积替换标准卷积降低计算消耗,引入改进的Shuffle Net V2模块,加深网络层数,最后引入ECA注意力机制,增强网络对裂缝特征的关注度。经过以上改进,使主干网络结构变得更宽更深,同时有更少的计算消耗。此外,采集包含多类别背景的实际桥梁裂缝图像并与已有的经典裂缝数据集结合,使检测网络可以学习到多种背景下裂缝的特征。最后通过实验对比和特征可视化,验证改进的有效性。(2)在裂缝检测方面,结合语义分割算法和图像处理技术实现对裂缝的像素级别特征提取。将Ghost模块、PPM和Dice Loss引入U-Net分割网络,减少网络参数、捕获特征的多尺度信息、限制模型预测的偏离程度,以达到增强模型对桥梁裂缝分割性能的目的;针对分割网络在处理高分辨率和未知背景裂缝图像时性能不佳的问题,引入基于区域生长的算法作为裂缝分割方法的补充。(3)对裂缝分割结果进行量化处理,首先采用骨架提取算法获取裂缝的细化结果;接着利用多项式曲线对裂缝骨架进行拟合,从而得到对应的函数表达式;通过对拟合函数进行积分,可以得到裂缝的像素长度;为了获取裂缝的实际物理长度信息,进行像素标定,确定单个像素对应的物理距离,最后将裂缝像素长度与像素标定结果结合,得到裂缝的实际长度。(4)为实现裂缝检测的便捷化,基于PyQT5设计裂缝检测系统,将裂缝检测算法、分割算法和量化算法集成至裂缝检测系统中,实现对图像、本地视频和实时视频的分析处理和各算法结果的可视化。

关键词：裂缝识别目标检测 yolox 语义分割

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进的yolox目标检测算法研究

基于改进的YOLOX目标检测算法研究

作者：刘锟南昌大学

学位级别：硕士

目标检测是计算机视觉领域的核心课题,旨在定位图像或视频中某类语义对象的实例。它是分类任务的延续,是语义分割、实例分割等高层视觉任务的基础,被学术界和工业界广泛研究与应用,在人脸检测、交通监控、自动驾驶、遥感检测等领域都有... 详细信息

目标检测是计算机视觉领域的核心课题,旨在定位图像或视频中某类语义对象的实例。它是分类任务的延续,是语义分割、实例分割等高层视觉任务的基础,被学术界和工业界广泛研究与应用,在人脸检测、交通监控、自动驾驶、遥感检测等领域都有出色表现。近几年来,深度神经网络的蓬勃发展带来物体检测器的性能提升,基于深度学习的目标检测算法在该领域中占据绝对优势,具有重要的现实应用场景和学术研究价值。本文针对yolox-Dark Net53目标检测算法主干网络特征提取能力不够、感受野大小受限、小目标检测性能不足,特征融合网络位置信息和语义信息交互不充分等问题进行改进,主要研究内容如下:1、提出改进的基于卷积模块增强算法。在主干网络的中添加Cross卷积,保障提取更加丰富的目标边缘特征;设计新的空洞卷积模块替代SPP结构,提升感受野的同时保留高分辨率、引入多尺度表达;使用转置卷积对深层特征自适上采样、提高分辨率,使其可与浅层特征相融合,将深层语义信息引入浅层,提高小目标检测鲁棒性;引入注意力机制自适应调整特征响应值,增强有用特征、抑制无用特征,提高检测性能。在PASCAL VOC、SSDD数据集上m AP分别提高1.4%、3.3%,验证了该算法的有效性。2、提出改进的基于特征融合算法。引入Res2Net module提升每层特征图感受野,在更细粒度层次上提高神经网络多尺度表达能力;改进目标检测任务中常见的特征融合结构FPN/PAN,充分利用主干网络丰富的位置信息和语义信息,提高小目标检测精度;引入Hr Net中融合不同层、不同尺寸、不同深度的特征的思想,充分利深层高语义特征信息和浅层细粒度特征信息,提高模型表达能力。在PASCAL VOC、SSDD数据集上m AP分别提高3.4%、6.0%,验证了该算法可以有效提升检测性能。

关键词：深度学习目标检测 yolox 特征融合

基于yolox的复杂场景密集人群安全帽佩戴检测研究

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YOLOX的复杂场景密集人群安全帽佩戴检测研究

作者：张信杰哈尔滨理工大学

学位级别：硕士

目标检测的任务是使用计算机技术将图片或视频中的目标标记出来,如今在人们的日常生活中随处可见。目标检测技术具有广泛的应用场景,在公共安全领域,警官可以快速查看案发前后监控视频里的人脸信息,实现快速破案,提高社会稳定;在门卫系... 详细信息

目标检测的任务是使用计算机技术将图片或视频中的目标标记出来,如今在人们的日常生活中随处可见。目标检测技术具有广泛的应用场景,在公共安全领域,警官可以快速查看案发前后监控视频里的人脸信息,实现快速破案,提高社会稳定;在门卫系统,可以使用自动化车牌检测,实现快速车辆进出,节省停车场所人力成本。近年来,房屋市政工程事故率处于上升趋势,保障施工人员的人身安全是重中之重。目前许多施工现场配备了的安全帽检测系统,通过配置摄像头来获取现场的监控视频,使用检测模型对视频进行分析识别,能够快速检测场景内的违规行为。从而减少施工现场的安全隐患,保障施工作业的安全进行。目前很多研究在简单检测场景下可以有效识别工人是否佩戴安全帽,但是面对密集人员或者复杂场景时存在不足。本文以yolox模型为基准模型,首先针对模型对密集目标检测不够敏感和面对复杂场景容易产生错检的问题做出一系列改进措施,其次针对参数过多导致模型难以部署在硬件性能较低的平台问题进行轻量化改进。本文主要工作如下:1.基于通道注意力机制与空间注意力机制,本文提出一种自定义的注意力模块,对密集检测目标的边缘信息进行关注,之后嵌入yolox进行特征融合。改进后的注意力模块对原始特征图和空间注意力特征图进一步融合,提高了模型感知密集目标的边缘信息能力。此外为了提高模型的检测能力,本文借鉴残差网络思想,将特征融合网络改进为Res-FPN结构,把浅层特征图的全局信息融入到深层特征图中。在SHWD安全帽数据集上对改进模型进行验证,与基准模型yolox相比,改进后的模型检测密集目标的能力更强,且有较低的错检率。最后通过消融实验验证各改进模块的效果,在对比实验中验证了模型具有较优的检测效果。2.为了减少模型的参数,本文首先对yolox主干特征提取网络进行替换,将CSPDarknet-53替换成Mobile Netv3。接着使用通道剪枝策略,将批标准化层的缩放因子作为剪枝参数,使用不同阈值裁剪冗余通道,实现降低参数量的目的。最后对剪枝后的模型使用知识蒸馏对精度进行恢复。在SHWD安全帽数据集上进行验证,与基准模型yolox相比,使用轻量化策略压缩后的模型参数量明显降低,推理速度大大提高。通过消融实验结果可知,不同剪枝阈值对模型检测精度以及参数量存在不同的影响。最后根据对比实验验证,改进后的模型适合应用于施工场地的安全帽检测任务中。

关键词：目标检测注意力安全帽检测深度学习 yolox

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进yolox算法的垃圾分类方法研究

基于改进YOLOX算法的垃圾分类方法研究

作者：李洋贵州大学

学位级别：硕士

近年来,我国对日常生活垃圾的分类处理问题越发重视,各大城市推出了相关政策。然而,现有垃圾分类算法存在网络计算量大、参数量大、难以嵌入移动端设备的缺点。因此,本文提出了基于改进yolox的轻量化方法。该方法旨在降低模型的参数量... 详细信息

近年来,我国对日常生活垃圾的分类处理问题越发重视,各大城市推出了相关政策。然而,现有垃圾分类算法存在网络计算量大、参数量大、难以嵌入移动端设备的缺点。因此,本文提出了基于改进yolox的轻量化方法。该方法旨在降低模型的参数量和计算量,以便移动端设备的嵌入。通过详细的实验对比和结果分析,证明了所提方法的有效性。主要研究内容如下:(1)提出改进的基于yolox模型的轻量化方法。首先,使用EIOU替换原来的IOU损失函数,克服正负样本不平衡的问题,提升检测精度;其次,在颈部网络引入CBAM注意力机制,对不同通道的权重重新分配,获取更多浅层的细粒度特征和深层的语义信息;最后,使用Ghost Bottleneck模块替换特征提取网络中的CSP模块,保留更多边缘VC信息,降低模型参数量。实验结果表明,参数量降低了12个百分点,精度提升了0.3个百分点。(2)提出基于深度可分离卷积的改进方法。首先,使用轻量化模块替换颈部网络的CSP结构,同时使用深度可分离卷积替换下采样时的普通卷积,降低参数量和计算量;其次,在检测头中使用解耦合,并使用深度可分离卷积替换原来的两次普通卷积;最后,在主干网络引入改进的CA注意力模块。实验结果表明,改进模型在检测精度没有下降的情况下,参数量降低了37个百分点,计算量降低了40个百分点。

关键词： yolox 注意力机制 Ghost Bottleneck 深度可分离卷积损失函数

基于改进yolox的指针式仪表检测与读数方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进YOLOX的指针式仪表检测与读数方法研究

作者：陈昊业西安电子科技大学

学位级别：硕士

工业指针式仪表由于其成本低廉、结构可靠、抗电磁干扰等特性被广泛应用于航空航天、工厂制造、大型工业平台等领域作为数据获取的重要测量工具,对保障正常的工业生产具有十分重要的意义。然而,大量指针式仪表目前仍需人工参与读数,存... 详细信息

工业指针式仪表由于其成本低廉、结构可靠、抗电磁干扰等特性被广泛应用于航空航天、工厂制造、大型工业平台等领域作为数据获取的重要测量工具,对保障正常的工业生产具有十分重要的意义。然而,大量指针式仪表目前仍需人工参与读数,存在效率低下、实时性差、误差高的问题,并且部分指针式仪表工作环境恶劣,尤其是在高温、高压、高腐蚀等环境中,难以利用人工方式采集数据,无法满足现代工业生产和发展需求。因此,迫切需要设计一种自动化、智能化的指针式仪表读数方法来进行高效且精确的数据获取。目前,主流的指针式仪表读数方法采用监控摄像头或巡检机器人等设备对指针式仪表图像进行采集,但在实际复杂工作环境中,仍存在光线昏暗、表盘倾斜、图像模糊等因素造成的读取困难问题。针对以上问题,本文结合图像处理与深度学习算法,提出了一种指针式仪表目标检测算法与刻度数字识别算法,实现了无需任何先验信息的高准确率仪表信息读取,提升了算法普适性。本文的主要研究内容如下:(1)针对仪表在实际复杂工作环境中检测定位精度低的问题,提出了一种基于yolox-Fusion的仪表目标检测算法。该算法主要完成仪表表盘、指针和刻度数字的检测定位任务。为提高小目标检测定位精度,提出基于CA注意力机制和自适应空间特征融合(Adaptively Spatial Feature Fusion,ASFF)的网络结构改进方法。实验结果表明,yolox-Fusion在仪表目标检测任务上的平均准确度较yolox-X提高了4.1%,有效地提高了实际复杂工作环境下仪表图像的检测定位效率。(2)针对仪表读数需要先验量程信息的问题,提出了一种基于LeNet-Mono的刻度数字识别算法。该算法主要完成对仪表刻度数字的识别任务,同时关联对应坐标实现仪表分度值判定。为提高仪表刻度数字识别准确度,提出基于VGG结构和全局平均池化(Global Average Pooling,GAP)的网络结构改进方法。实验结果表明,LeNet-Mono在数字识别任务上平均准确率较LeNet-5提高了6.14%,为后续仪表读数环节提供更准确的识别结果。(3)针对仪表读数计算时指针指向判定和指针转动中心判定准确度低导致读数误差大的问题,提出基于二值化像素遍历的直线拟合方法,提高指针指向判定精度;提出基于垂径遍历的转动中心拟合方法,提高指针转动中心判定精度。实验结果表明,本文所提方法在准确率上较传统方法分别提升了1.15%与2.1%,有效降低了仪表读数误差。

关键词：指针式仪表 yolox 图像校正 LeNet-5 读数识别

基于改进yolox和Deepsort行人检测与跟踪技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进YOLOX和Deepsort行人检测与跟踪技术研究

作者：高梦圆武汉纺织大学

学位级别：硕士

随着科学技术的不断发展,行人检测与跟踪技术广泛应用在智能驾驶、公共场所监控以及安全消防领域等重要领域。但是,由于道路上的人群密度大,现存算法检测效率低,并且速度慢,导致跟踪效果差。并且,绝大部分的目标检测算法需要针对不同的... 详细信息

随着科学技术的不断发展,行人检测与跟踪技术广泛应用在智能驾驶、公共场所监控以及安全消防领域等重要领域。但是,由于道路上的人群密度大,现存算法检测效率低,并且速度慢,导致跟踪效果差。并且,绝大部分的目标检测算法需要针对不同的样本数据集,获取先验框尺寸的相关超参数,以便得到检测目标的候选区域。模型训练操作复杂,且先验框的尺寸直接影响模型的检测精度,难以有合适算法获取准确的相关尺寸参数。为此,本文提出了基于无锚框的yolox与Deepsort的行人检测与跟踪的算法研究,具体进行以下方面的研究:(1)针对道路人群流动量大,检测速度慢的问题,将yolox的主干网络进行优化。首先针对CSParknet53网络存在模型模型参数量大,硬件设备要求高,将轻量化的卷积模块Ghost替换为常规的3×3卷积,并采用非对称卷积来降低运算的参数量,改进后网络参数量减少了50%,并且保持原始模型优良的网络结构,使得模型的检测速度由45帧/s提高到53帧/s。(2)针对模型的检测精度低,对行人出现漏检问题,采用将空间在注意力和通道注意力相结合的CBAM模块进行语义信息的增强。针对行人的目标检测算法通常采用的IOU损失函数难以对不重合的预测框与真实框之间进行计算,采用DIOU损失作为模型的损失函数,有效提高回归的精度,改进后的模型m AP值达到了95.34%,相对于原始模型提高了0.85%。(3)采用数据对Deepsort对行人目标进行训练。将改进后的yolox模型作为Deepsort的检测器,提高跟踪速度,并且检测速度达到48帧/s。实验结果表明本文改进的算法能有效对道路行人目标进行检测与跟踪且满足实时性要求,具有一定的实用价值。

关键词： yolox CBAM DIOU 行人检测行人跟踪 Deepsort