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yolox的作物种子自动计数方法

农业工程 2023年第1期13卷 29-35页

作者：逄正钧董峦温钊发张世豪秦立浩新疆农业大学计算机与信息工程学院新疆乌鲁木齐830052

种子计数是获取作物种子千粒质量指标时关键而又烦琐的步骤。目前种子计数一般通过人工和千粒质量测量仪器实现,然而人工计数效率低,千粒质量测量仪器成本高、不易携带。以手机拍摄的6种常见作物种子图像构建数据集,在yolox模型的基础... 详细信息

种子计数是获取作物种子千粒质量指标时关键而又烦琐的步骤。目前种子计数一般通过人工和千粒质量测量仪器实现,然而人工计数效率低,千粒质量测量仪器成本高、不易携带。以手机拍摄的6种常见作物种子图像构建数据集,在yolox模型的基础上引入注意力机制改进损失函数提出yolox-P模型,实现种子自动计数。结果表明,yolox-P相比yolox模型参数量仅增加0.09 M,m AP改进0.74个百分点,达到99.38%;模型在显存6 GB的NVIDIA GeForce RTX2060显卡上的推理时间为18.68 ms,适宜部署在移动端。提出的模型显著改善千粒质量测定工作的效率和效果。

关键词：千粒质量种子计数深度学习目标检测 yolox

基于Cache-DCN yolox算法的交通标志检测方法研究

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

计算机测量与控制 2024年第2期32卷 71-77,84页

作者：高尉峰王如刚王媛媛周锋郭乃宏盐城工学院信息工程学院江苏盐城224051 盐城雄鹰精密机械有限公司江苏盐城224006

针对传统方式识别交通标志算法存在的检测精度较低的问题,提出了一种基于Cache-DCN yolox算法的交通标志识别方法;在该方法中,使用DCN可变形卷积替换backbone中的普通卷积,有效地增大了模型的感受野,提高了特征提取能力;使用EIoU损失函... 详细信息

针对传统方式识别交通标志算法存在的检测精度较低的问题,提出了一种基于Cache-DCN yolox算法的交通标志识别方法;在该方法中,使用DCN可变形卷积替换backbone中的普通卷积,有效地增大了模型的感受野,提高了特征提取能力;使用EIoU损失函数代替yolox中的GIoU损失函数,优化了训练模型,提高了收敛的速度;优化设计了yolox算法中的强弱两阶段的训练过程,增强了模型的泛化性能,同时加入cache方案,进一步提高了检测精度;在交通标志数据集TT100K上进行了实验,提出方法的检测精度为67.2%,比原yolox算法的检测精度提升了6.4%,同时,在被遮挡的小目标等多种受干扰的环境下,提出的方法能够精确地检测出交通标志,并有着较好的置信度,满足实际需求。

关键词：深度学习 yolox 交通标志识别可变形卷积小目标检测

基于yolox残差块融合CoA模块的改进检测网络

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

计算机系统应用 2022年第8期31卷 245-251页

作者：安鹤男杨佳洲邓武才管聪马超深圳大学微纳光电子学研究院深圳518054 深圳大学电子与信息工程学院深圳518060

yolox-Darknet53是以YOLOv3为基准增加各种技巧(trick)升级改进的检测网络,但其仍然是以Darknet53为特征提取骨干网络(backbone),因此网络的特征提取能力仍有欠缺.本文依据CoTNet中的注意力机制改进得到CoA(contextual attention)模块,... 详细信息

yolox-Darknet53是以YOLOv3为基准增加各种技巧(trick)升级改进的检测网络,但其仍然是以Darknet53为特征提取骨干网络(backbone),因此网络的特征提取能力仍有欠缺.本文依据CoTNet中的注意力机制改进得到CoA(contextual attention)模块,并将其替代yolox骨干网络残差块里的3×3卷积,得到融合注意力后的新残差块,加强了骨干网络的特征提取能力,并在Pascal VOC2007数据集上进行对比实验,融合CoA模块的网络比原网络的平均精度均值AP@[.5:.95]高1.4,AP@0.5高1.4;在改进骨干网络后的yolox检测头前加入无参3D注意力模块,得到最终改进的检测网络,进行上述对比实验,结果表明比原网络的AP@[.5:.95]高1.6,AP@0.5高1.5.因此,改进后的网络比原网络检测更加精准,在工业应用中能达到更好的检测效果.

关键词： yolox 骨干网络残差块 CoA模块 3D注意力深度学习目标检测

在线全文

学校读者我要写书评

暂无评论

基于改进yolox算法的交通标志检测研究

五邑大学学报（自然科学版） 2023年第3期37卷 73-78页

作者：王惠吾洪智勇王宪伟余文华李泽亮五邑大学智能制造学部广东江门529000

为进一步提升交通标志图像视觉检测算法的性能,本文提出了一种改进的yolox_M算法.首先为yolox_M构建了新的特征融合网络Multi-branch FPN,该网络通过多分支结构提取模型底层的特征信息,并通过FPN进行特征融合,可进一步提高模型利用特征... 详细信息

为进一步提升交通标志图像视觉检测算法的性能,本文提出了一种改进的yolox_M算法.首先为yolox_M构建了新的特征融合网络Multi-branch FPN,该网络通过多分支结构提取模型底层的特征信息,并通过FPN进行特征融合,可进一步提高模型利用特征的能力.其次,在yolox_M检测头引入的Alpha-GIoU损失函数,可以更好地应用于带噪声的边界框,提高边界框的回归精度.实验表明,改进后的yolox_M模型在数据集TT100K上的mAP提高了1.8%,具备较好的检测性能.本文研究结果对交通标志检测具有一定的参考价值.

关键词：交通标志检测特征融合 yolox Multi-branch FPN Alpha-GIoU

基于改进轻量化yolox的无人机航拍目标检测算法

在线全文

学校读者我要写书评

暂无评论

计算机测量与控制 2024年第1期32卷 57-63页

作者：胡潇潘申富中国电子科技集团公司第54研究所石家庄050081

针对小型无人机在巡逻航拍中的应用,提出了一种改进的轻量化目标检测算法,有效解决巡逻过程中空地无线传输信道和机载端计算能力双重受限的难题;该算法在yolox算法的基础上,首先利用Mobilenetv2代替CSPDarknet骨干网络作为特征提取网络... 详细信息

针对小型无人机在巡逻航拍中的应用,提出了一种改进的轻量化目标检测算法,有效解决巡逻过程中空地无线传输信道和机载端计算能力双重受限的难题;该算法在yolox算法的基础上,首先利用Mobilenetv2代替CSPDarknet骨干网络作为特征提取网络,降低了模型参数量和计算量,提高目标检测实时性;其次为了弥补轻量化带来的检测精度下降,考虑检测目标框的长宽比引入CIOU定位损失函数,提升目标定位的精度;同时为了平衡训练过程中的正负难易样本,引入Focal Loss置信度损失函数提升模型的检测性能;基于VisDrone2019-DET数据集实验表明,改进后算法模型参数量降低了56.2%,计算量降低了52.5%,在检测精度没有明显下降情况下单张图片推理时间减少了41.4%;最后,将改进后的算法部署到Nvidia Jetson Xavier NX机载端,测得模型检测帧率可达22 FPS,改进后算法满足巡逻任务的应用需求。

关键词：无人机目标检测轻量化 yolox Focal Loss CIOU

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于改进yolox的交通标志检测方法

电子设计工程 2023年第23期31卷 189-195页

作者：高谭芮刘忆宁成都理工大学计算机与网络安全学院四川成都610051 桂林电子科技大学计算机与信息安全学院广西桂林541004

针对交通标志在实际场景中具有目标小的特点以及在现阶段检测算法中容易造成漏检的问题,提出了一种改进yolox的交通标志检测方法。在主干网络中将坐标注意力机制模块与瓶颈结构相结合来提高网络对目标位置的感知能力。为了改善小目标漏... 详细信息

针对交通标志在实际场景中具有目标小的特点以及在现阶段检测算法中容易造成漏检的问题,提出了一种改进yolox的交通标志检测方法。在主干网络中将坐标注意力机制模块与瓶颈结构相结合来提高网络对目标位置的感知能力。为了改善小目标漏检的情况,在多尺度特征融合网络中增加了一个尺度为160×160的特征图进行特征融合并输出对应尺度的检测头。使用CIoU作为定位损失函数来加快网络训练的收敛速度和提高检测精度。在交通标志数据集TT100K上的实验结果表明改进方法的平均检测精度相比原算法提升了5.04%,有效改善了漏检的情况,可以满足实时检测的需求。

关键词：交通标志检测小目标检测 yolox 注意力机制

改进的yolox输电线路环境及部件异常分级检测

在线全文

学校读者我要写书评

暂无评论

电力信息与通信技术 2022年第11期20卷 27-36页

作者：郭敬东国网福建省电力有限公司福建福州350003

输电线路巡检目标及缺陷检测任务种类多,目标尺度形态各异。文章提出一种输电线路环境及部件异常的分级检测方法。以yolox模型为基础,引入了自适应特征融合模块,改善了多尺度的特征融合,使其适应输电线路复杂场景下的目标检测任务,提升... 详细信息

输电线路巡检目标及缺陷检测任务种类多,目标尺度形态各异。文章提出一种输电线路环境及部件异常的分级检测方法。以yolox模型为基础,引入了自适应特征融合模块,改善了多尺度的特征融合,使其适应输电线路复杂场景下的目标检测任务,提升网络精度;设计了分级检测网络,根据检测目标尺度的不同以及螺栓与部件的位置关系,先定位关键金具再检测金具上的螺栓目标,大幅提升了小目标螺栓检测精度。在输电线路巡检数据集上对异常环境状态和部件异常的平均检测精度为85.4%,比改进前的模型提升了1.3%。提出的输电线路环境及部件异常的分级检测方法使得准确率显著提高,具有更好的应用和推广价值。

关键词：深度学习目标检测输电线路 yolox 自适应特征融合分级检测网络

基于yolox结合DeepSort的船载车辆行人检测算法

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

计算机与现代化 2023年第8期 60-67,111页

作者：刘昱杉刘卫康刘庆华者甜甜王家晨江苏科技大学计算机学院江苏镇江212100

针对目前国内轮渡车辆行人管控中缺乏对登船车辆行人进行实时捕捉与检测跟踪的问题,提出一种基于yolox改进的船载车辆及行人检测方法。首先,将高效通道注意力机制模块(ECA)加入原模型的加强特征提取网络的3个输出头处,提高网络对于车辆... 详细信息

针对目前国内轮渡车辆行人管控中缺乏对登船车辆行人进行实时捕捉与检测跟踪的问题,提出一种基于yolox改进的船载车辆及行人检测方法。首先,将高效通道注意力机制模块(ECA)加入原模型的加强特征提取网络的3个输出头处,提高网络对于车辆行人的特征提取能力;其次使用改进的ASPP模块替代原SPP模块,其中改进后的ASPP模块对原模块进行剪枝,并利用不同空洞卷积率的空洞卷积层相加解决原本ASPP模块的局部信息丢失问题;模型训练完成使用验证集进行验证后,与DeepSort结合进行跟踪检测并对登船车辆进行计数,从而判断轮渡是否超载。最后,本文所改进算法平均精准度指标(mAP)相比于原yolox算法提升了3.3%,精确率提升了4.4%,在GPU上测试运行速度达到55 FPS。实验结果表明,本文所改进算法适用于轮渡入口环境下对车辆、行人目标的实时性检测。

关键词：轮渡目标检测 yolox 深度可分离卷积 ASPP

在线全文

学校读者我要写书评

暂无评论

基于yolox的移动应用显示异常检测研究

软件工程与应用 2023年第6期12卷 965-974页

作者：李美静李瑛孔婧刘益玮北华航天工业学院计算机学院河北廊坊

针对现有移动应用中显示异常检测算法检测精度不高、检测性能低下的问题,提出一种基于yolox的目标检测模型实现对四类常见显示异常的检测工作。针对小异常目标缺检、漏检问题,扩展特征融合网络的特征层输入尺度并进行特征融合,同时添加... 详细信息

针对现有移动应用中显示异常检测算法检测精度不高、检测性能低下的问题,提出一种基于yolox的目标检测模型实现对四类常见显示异常的检测工作。针对小异常目标缺检、漏检问题,扩展特征融合网络的特征层输入尺度并进行特征融合,同时添加一个针对小目标的检测头,提升对小异常目标检测能力。通过引入坐标注意力机制,将位置信息和通道信息结合来增强网络对显示异常的识别。最后通过GIoU定位损失,实现高精度检测定位。实验结果表明,改进的yolox算法最终mAP达到81.10%,相比较yolox-s模型提高了2.25%,同时改进后检测模型与其他主流模型相比拥有良好的检测精度与模型泛化能力。该模型为移动应用显示异常智能化检测奠定了基础。

关键词：目标检测异常检测 yolox 移动测试