检索结果-南通市图书馆

基于改进yolox模型的芝麻蒴果检测方法研究

在线全文

学校读者我要写书评

暂无评论

河南农业科学 2022年第11期51卷 155-162页

作者：王川赵恒滨李国强张建涛高桐梅赵巧丽郑国清河南师范大学计算机与信息工程学院河南新乡453007 河南省农业科学院农业经济与信息研究所/河南省智慧农业工程技术研究中心河南郑州450002 农业农村部黄淮海智慧农业技术重点实验室河南郑州450002 河南省农业科学院芝麻研究中心河南郑州450002

为实现密集条件下芝麻蒴果的准确检测,提出基于yolox模型的芝麻蒴果检测定位方法(CE-yolox模型)。该模型以CSPDarknet-53作为主干特征提取网络,在路径聚合网络PANet中增加104×104大尺度特征层,增强对目标细粒度特征信息的获取;通过引... 详细信息

为实现密集条件下芝麻蒴果的准确检测,提出基于yolox模型的芝麻蒴果检测定位方法(CE-yolox模型)。该模型以CSPDarknet-53作为主干特征提取网络,在路径聚合网络PANet中增加104×104大尺度特征层,增强对目标细粒度特征信息的获取;通过引入注意力机制模块获取目标重要的轮廓特征和空间位置信息;将传统的NMS替换为更有利于重叠目标检测的Soft-NMS算法来降低漏检情况。结果表明,在IoU阈值为0.5时,CE-yolox模型在全部测试集上的调和均值(F_(1))、召回率、平均精度分别为0.99、98.65%、99.71%,与原模型yolox相比,该模型分别提升了0.05、6.27个百分点、3.28个百分点。通过蒴果计数试验,CE-yolox模型计数准确率为96.84%,比yolox模型提高了5.28个百分点。改进后的模型CE-yolox适用于密集条件下芝麻蒴果检测。

关键词：芝麻蒴果果实检测注意力机制目标检测算法 yolox

基于注意力机制的改进yolox行人跌倒检测方法

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

电子器件 2023年第2期46卷 404-413页

作者：周蕾钟海莲陈冠宇淮阴工学院计算机与软件工程学院江苏淮安223003 淮阴工学院化学工程学院江苏淮安223003

针对现有行人跌倒检测算法在复杂场景下存在漏检、检测精度低等问题,提出一种基于注意力机制的行人跌倒检测方法yolox-s-EsE。改进的模型在骨干网络中引入SimAM注意力模块,在Bottleneck和特征融合模块增加ECA通道注意力模块,以进一步提... 详细信息

针对现有行人跌倒检测算法在复杂场景下存在漏检、检测精度低等问题,提出一种基于注意力机制的行人跌倒检测方法yolox-s-EsE。改进的模型在骨干网络中引入SimAM注意力模块,在Bottleneck和特征融合模块增加ECA通道注意力模块,以进一步提取特征层的关键信息,损失函数采用EIo U,可以更有效地计算出预测框和真实框的差距,提升模型的精度。实验结果表明,改进后的算法在复杂环境下目标的检测效果有了明显的提升,相比原yolox-s模型,算法的mAP提高了约1.8%,达到了89.23%,精度提高了约4.6%,达到了91.79%。

关键词： yolox 注意力机制行人检测跌倒检测损失函数

基于改进yolox的轻量型垃圾分类检测方法

在线全文

学校读者我要写书评

暂无评论

广西师范大学学报（自然科学版） 2023年第3期41卷 80-90页

作者：李洋苟刚公共大数据国家重点实验室(贵州大学) 贵州贵阳550025 贵州大学计算机科学与技术学院贵州贵阳550025

生活垃圾分类是保护生态环境、促进绿色和谐发展的有效措施。针对移动端设备计算资源和内存有限,重量级模型难以嵌入等问题,本文提出一种基于改进yolox-tiny轻量型的垃圾分类检测方法。首先,使用EIoU替换原来的IoU损失函数,能加速收敛,... 详细信息

生活垃圾分类是保护生态环境、促进绿色和谐发展的有效措施。针对移动端设备计算资源和内存有限,重量级模型难以嵌入等问题,本文提出一种基于改进yolox-tiny轻量型的垃圾分类检测方法。首先,使用EIoU替换原来的IoU损失函数,能加速收敛,提升检测精度;其次,在颈部网络引入注意力机制CBAM,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GhostBottleneck模块替换特征提取网络中的CSP模块,保留更多边缘信息,同时降低参数量,使模型轻量化。在华为云垃圾数据集上的实验结果表明,改进的算法与yolox-tiny相比,参数量降低至原来的87.97%,精度提升了0.3个百分点,在TrashNet数据集上的实验效果提升了0.36个百分点,从而证明了本文算法的有效性,该算法有利于嵌入移动端设备使用,具有一定的实用价值。

关键词：垃圾分类 yolox 轻量型网络 EIoU CBAM GhostBottleneck

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于改进yolox的红外目标检测算法

电子测量技术 2022年第23期45卷 72-81页

作者：谌海云余鸿皓王海川黄忠义西南石油大学电气信息学院成都610500

针对红外目标图像分辨率低,缺少纹理细节,存在复杂背景干扰导致检测精度低的问题,提出一种基于改进yolox的红外目标检测算法。首先,设计了一种有效的空间通道混合注意力模块,将其引入在特征提取主干网络CSP-Darknet53中,以减少网络由于... 详细信息

针对红外目标图像分辨率低,缺少纹理细节,存在复杂背景干扰导致检测精度低的问题,提出一种基于改进yolox的红外目标检测算法。首先,设计了一种有效的空间通道混合注意力模块,将其引入在特征提取主干网络CSP-Darknet53中,以减少网络由于远距离传输造成的精度损失;其次,为了进一步提升红外目标的检测精度,在原本加强特征提取网络PANet的基础上提出一种改进的路径特征融合方法;最后,为了解决红外目标中小物体预测精度低的问题,在yolox输出检测头处进行反卷积操作扩大输出特征图。在FLIR红外公开数据集上进行实验,实验结果表明,所提算法识别的平均精度均值(mAP)达91.00%,相比于基准yolox网络的平均精度提升了5.04个百分点,对于提升红外目标的检测精度是有效的。

关键词：卷积神经网络红外目标检测 yolox 注意力机制特征融合

改进yolox算法的输电线路关键部件及缺陷检测

在线全文

学校读者我要写书评

暂无评论

无线电工程 2023年第1期53卷 188-198页

作者：徐文校张银胜王东平黄文礼南京信息工程大学电子与信息工程学院江苏南京210044 无锡学院电子与信息工程学院江苏无锡214105 中国人民解放军特种电子装备修造厂安徽合肥230088 安徽南瑞继远电网技术有限公司安徽合肥230088

输电线路作为电力系统的载体,对其进行定期巡检,在第一时间对潜在的安全隐患进行干预是电力系统稳定运行的关键所在。针对输电线路关键部件及缺陷,依托无人机巡检图像,提出了一种改进yolox的目标检测算法,进一步加强浅层特征与深层特征... 详细信息

输电线路作为电力系统的载体,对其进行定期巡检,在第一时间对潜在的安全隐患进行干预是电力系统稳定运行的关键所在。针对输电线路关键部件及缺陷,依托无人机巡检图像,提出了一种改进yolox的目标检测算法,进一步加强浅层特征与深层特征的融合,丰富特征图信息;添加位置注意力模块,将位置信息与通道特征进行融合,促使神经网络在更大的区域上进行注意力调节,有利于感兴趣对象的精准定位;对回归损失进行分类处理,加大难回归样本的损失占比,提高算法的检测精度。实验表明,改进后的yolox检测算法相比于原始的yolox,mAP值提高了3.64%,证明了所提算法的真实有效性。

关键词：输电线路 yolox 特征融合注意力机制损失占比

维普期刊数据库博看期刊

基于yolox-pro的盖板玻璃复杂缺陷检测方法

在线全文

学校读者我要写书评

暂无评论

组合机床与自动化加工技术 2024年第9期 91-97页

作者：陈湘尹尹玲张斐吴鹏叶正伟谷叶阳东莞理工学院机械工程学院东莞523808 湖南科技大学机械设备健康维护湖南省重点实验室湘潭411201

为解决手机盖板玻璃表面复杂缺陷检测精度低、速度慢、检测技术难以部署于应用端的问题,提出一种基于yolox-pro模型的快速检测方法。根据盖板玻璃的光学性质,设计打光方案并搭建图像采集系统,结合图像增强技术丰富缺陷样本。以yolox-tin... 详细信息

为解决手机盖板玻璃表面复杂缺陷检测精度低、速度慢、检测技术难以部署于应用端的问题,提出一种基于yolox-pro模型的快速检测方法。根据盖板玻璃的光学性质,设计打光方案并搭建图像采集系统,结合图像增强技术丰富缺陷样本。以yolox-tiny为基础轻量化模型,在主干输出部分添加CA注意力机制,加强对缺陷区域的关注。引入空间池化金字塔SPPF并将激活函数更换为ReLU,构成Sim-SPPF模块,获取更丰富的多尺度信息表达,结合特定的训练策略,进一步提高检测效率。实验结果表明,yolox-pro模型的mAP达到85.73%,FPS达到39.17 f/s,而Params仅为10.58 M,性能优于其他主流算法。将模型部署于应用端软件进行实际测试,结果显示yolox-pro具备良好的响应速度和准确率,可实现实际工况下盖板玻璃表面缺陷的高效检测。

关键词：缺陷检测 yolox 注意力机制空间金字塔池化模型部署

在线全文

学校读者我要写书评

暂无评论

改进yolox的轻量级人体跌倒检测算法

电子测量技术 2023年第10期46卷 109-116页

作者：龙艺文闵宣霖陈奕兆罗欢刘洪易军重庆科技学院智能技术与工程学院重庆401331 重庆科技学院安全工程学院重庆401331

针对边缘计算设备算力和存储空间有限的问题,提出了一种基于yolox改进的轻量级人体跌倒检测算法。首先采用GhostNet中的Ghost模块降低yolox中Neck和Prediction层的卷积参数冗余;其次,在Neck层中添加坐标注意力机制,增强关键信息提取能力... 详细信息

针对边缘计算设备算力和存储空间有限的问题,提出了一种基于yolox改进的轻量级人体跌倒检测算法。首先采用GhostNet中的Ghost模块降低yolox中Neck和Prediction层的卷积参数冗余;其次,在Neck层中添加坐标注意力机制,增强关键信息提取能力,减少背景带来的噪音影响;最后,针对轻量级模型检测头检测能力不足问题,引入辅助头模块以加强轻量检测头的学习能力。通过算法检测性能以及在边缘计算端NVIDIA Jetson Xavier NX运行实验,结果显示,所提模型的mAP@0.5达到84.9%,且模型大小为25.6 MB。相较于yolox模型,仅以牺牲少量推理速度提升了4.6%的检测精度,减少了25.4%的模型大小,另外与一些主流目标检测算法相比,也具有一定的优越性。这些结果表明所提模型能够更好地满足边缘计算设备在人体跌倒检测中对轻量化和准确性的需求。

关键词：跌倒检测边缘计算 yolox 鬼影模块坐标注意力辅助头模块

基于改进yolox的复合地板缺陷检测技术研究

在线全文

学校读者我要写书评

暂无评论

基于改进YOLOX的复合地板缺陷检测技术研究

作者：李清南昌航空大学

学位级别：硕士

复合地板以其安全耐用、绿色环保、物美价廉等特性成为了备受关注的新型地面装饰材料。国内生产复合地板的企业很多,但是大都规模较小,自动化程度不高,地板质量良莠不齐。其产品质量的检测主要依靠的还是人工检测,检测效率低下且准确性... 详细信息

复合地板以其安全耐用、绿色环保、物美价廉等特性成为了备受关注的新型地面装饰材料。国内生产复合地板的企业很多,但是大都规模较小,自动化程度不高,地板质量良莠不齐。其产品质量的检测主要依靠的还是人工检测,检测效率低下且准确性难以保证。虽然深度学习的方法在复合地板缺陷检测上取得了一定的成效,但还是存在检测精度低,速度慢或者模型太大的问题。因此,本文提出了基于改进yolox网络的复合地板缺陷检测方法,在符合工业检测精度与实时检测需求的同时,轻量化网络模型,减少参数量,让其更适合部署于移动端或嵌入式设备上实现复合地板缺陷检测,助力实现安全、经济、高效生产。本文的主要工作内容如下:(1)分析了复合地板缺陷检测的检测难度并设计了图像采集系统,制作了复合地板缺陷数据集,通过对yolox的四个版本进行实验对比,综合考虑检测精度与检测速度,选择了yolox-S作为本文检测复合地板缺陷的基准网络。(2)提出了基于改进yolox的CAS-yolox网络。针对划痕缺陷与复合地板表面纹理背景相似、气泡缺陷视觉特征不明显、缺陷尺度变化大等检测难题,引入坐标注意力机制(CA)、自适应空间特征融合(ASFF)模块改进了yolox网络的加强特征提取网络,并使用SIo U损失函数替换原Io U损失函数,改进后的网络命名为CAS-yolox。通过消融实验证明了三种改进方法都有较好的改进效果,提高了对复合地板缺陷的检测性能。与其他算法相比,CAS-yolox网络模型检测精度更高,m AP指标达到97.19%,检测速度为46 FPS。(3)提出了轻量化网络LCAS-yolox。基于深度可分离卷积的设计思想,对CAS-yolox中的Bottle Neck模块进行改进,得到了轻量化网络模型并命名为LCAS-yolox。LCAS-yolox网络能较好地平衡检测精度、检测速度、模型轻量化的关系,m AP指标为96.84%,检测速度达到53 FPS,参数量只有6.72M。(4)设计了“复合地板缺陷检测”GUI界面,展示缺陷检测结果图像以及统计缺陷的类别和位置信息。

关键词：复合地板缺陷检测 yolox 目标检测网络轻量化

基于yolox算法的烤烟烟叶散把情况检测方法研究

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YOLOX算法的烤烟烟叶散把情况检测方法研究

作者：余红霞云南师范大学

学位级别：硕士

在烟叶分选的过程中需要进行人工铺叶散把,而烟叶散把过程中由于工作人员责任心不强等因素可能导致每张烟叶散开不均匀,出现大量的叶片重叠现象。而烟叶散把程度过低,会遮掉烟叶叶片的关键信息,影响烟叶分选质量及其稳定性。针对这个问... 详细信息

在烟叶分选的过程中需要进行人工铺叶散把,而烟叶散把过程中由于工作人员责任心不强等因素可能导致每张烟叶散开不均匀,出现大量的叶片重叠现象。而烟叶散把程度过低,会遮掉烟叶叶片的关键信息,影响烟叶分选质量及其稳定性。针对这个问题,本文利用深度学习中的目标检测方法对烟叶散把情况进行了研究,具体研究内容包括以下几点:1.为了贴合烟叶散把情况检测的真实环境,获取真实生产环境下的烟叶数据,本文模拟生产线上烤烟烟叶分选的真实环境,搭建了图像采集系统对传送带上运动的烟叶进行实时拍摄。此外,本文对拍摄烟叶数据集利用Open CV图像处理技术进行图像处理,然后通过mosaic和mixup数据增强获得本文研究的数据集。2.针对人工进行数据标注工作量大、成本高这个问题,本文基于yolox目标检测算法提出了一种半自动化的数据标注方法,利用模型预测信息实现数据标注,减少了人工标注数据的工作量。3.针对当前烤烟烟叶散把情况的问题需求,对现有的深度学习目标检测算法进行深入分析,结合本文实际需求定义散把率来表示烟叶散把程度,并给出散把率的定义和计算公式,以及散把情况检测的流程。4.以yolox目标检测模型为基础,搭建了烟叶散把情况检测模型,并且对模型从预训练、融合训练、网络结构、超参数设置等多个方面进行了优化,提高了网络对烟叶散把情况的检测效果,并且通过消融实验验证了改进后模型的有效性。改进后的模型平均精确率m AP0.5为86.0%,m AP0.95为47.7%,m AP0.5和m AP0.95分别比改进前高了2.8个百分点和3.9个百分点。通过将本文算法和现有的目标检测模型检测效果进行对比,无论是在计算量还是在参数量以及平均精确率方面,本文所提算法都有一定优势。5.基于本文搭建的烟叶散把情况检测模型,结合数据采集系统搭建了一个在线烟叶散把情况检测原型系统,实现了对在线烟叶散把情况的实时检测。

关键词：烤烟烟叶烟叶分选烟叶散把目标检测 yolox