期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到710篇文章
< 1 2 … 36 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
轻量级YOLOV3的绝缘子缺陷检测方法 被引量：47
1
作者 吴涛 王伟斌 +3 位作者 于力 谢蓓敏 尹维崴 王洪玉 《计算机工程》 CAS CSCD 北大核心 2019年第8期275-280,共6页
绝缘子是输电线路的重要组成部分,其能否正常工作直接影响电网的稳定运行。为此,研究了智能绝缘子缺陷检测方法。通过无人机的航拍图像制作数据集,利用K-means++算法确定先验框,基于YOLOV3检测架构构建一种改进的轻量级网络。实验结果表... 绝缘子是输电线路的重要组成部分,其能否正常工作直接影响电网的稳定运行。为此,研究了智能绝缘子缺陷检测方法。通过无人机的航拍图像制作数据集,利用K-means++算法确定先验框,基于YOLOV3检测架构构建一种改进的轻量级网络。实验结果表明,该方法提升了高清绝缘子的图像检测速度,且能够完成绝缘子定位及缺陷检测。 展开更多
关键词 无人机 轻量级网络 绝缘子定位 缺陷检测 实时检测
下载PDF
基于MobileNet与YOLOv3的轻量化卷积神经网络设计 被引量：46
2
作者 邵伟平 王兴 +1 位作者 曹昭睿 白帆 《计算机应用》 CSCD 北大核心 2020年第S01期8-13,共6页
针对当前基于卷积神经网络的目标检测算法在小型图像处理计算平台中兼容性较差、计算能力低下以及网络训练过程中占用内存过大的问题,提出了一种轻量化卷积神经网络(CNN)YOLO-Slim,并利用YOLOv3验证可行性。首先,通过网络基础构架的改... 针对当前基于卷积神经网络的目标检测算法在小型图像处理计算平台中兼容性较差、计算能力低下以及网络训练过程中占用内存过大的问题,提出了一种轻量化卷积神经网络(CNN)YOLO-Slim,并利用YOLOv3验证可行性。首先,通过网络基础构架的改变以及将标准卷积替换为深度可分离卷积实现了网络参数与计算量的大幅度降低;其次,依据网络层对平均精度均值(mAP)的影响程度剪枝网络层,实现网络的层间剪枝;然后,使用中位数的通道剪枝策略实现对网络的层内剪枝,最终,完成轻量化网络的设计。实验结果表明,在VOC2007测试数据集上所设计的YOLO-Slim较原始YOLOv3在模型大小方面减小了90%;mAP为76.42%,识别速度为16 ms。能够为微型图像计算平台提供快速精确的目标识别能力。 展开更多
关键词 深度学习 卷积神经网络 MobileNet YOLOv3 轻量化网络
下载PDF
基于改进YOLO轻量化网络的目标检测方法 被引量：31
3
作者 李成跃 姚剑敏 +2 位作者 林志贤 严群 范保青 《激光与光电子学进展》 CSCD 北大核心 2020年第14期37-45,共9页
YOLOv3作为开源的目标检测网络与同时期目标检测网络相比,在速度和精度上有着明显的优势。由于YOLOv3采用了新型的全卷积网络(FCN)、特征金字塔网络(FPN)和残差网络(ResNet),因此对硬件配置要求较高,导致开发成本过高,不利于工业上的应... YOLOv3作为开源的目标检测网络与同时期目标检测网络相比,在速度和精度上有着明显的优势。由于YOLOv3采用了新型的全卷积网络(FCN)、特征金字塔网络(FPN)和残差网络(ResNet),因此对硬件配置要求较高,导致开发成本过高,不利于工业上的应用普及。在嵌入式平台上普遍使用YOLOv3tiny进行检测,虽然计算量较小,但是检测效果远不如YOLOv3。为了解决在嵌入式平台上YOLOv3检测速度低的问题,提出一种基于YOLOv3的简化版网络,与YOLOv3不同的是,在保留了对特征提取有较大帮助的FCN、FPN以及ResNet的同时,尽可能减少每层的参数量和残差层数,并尝试加入了密集连接网络空间金字塔池化。实验结果表明,该网络的参数量和检测速度大幅优于YOLOv3,且平均精度比YOLOv3tiny在PASCAL VOC2007、2012数据集上有明显的提升。 展开更多
关键词 图像处理 轻量化网络 YOLOv3 密集连接网络 空间金字塔池化 目标检测 嵌入式平台
原文传递
基于轻量级残差网络的植物叶片病害识别 被引量：30
4
作者 李书琴 陈聪 +1 位作者 朱彤 刘斌 《农业机械学报》 EI CAS CSCD 北大核心 2022年第3期243-250,共8页
针对基于卷积神经网络的植物叶片病害识别方法存在网络参数众多、计算量大且复杂的问题,结合植物叶片病害特征,提出了一种基于轻量级残差网络(Scale-Down ResNet)的植物叶片病害识别方法。网络基于Residual Network(ResNet),通过缩减网... 针对基于卷积神经网络的植物叶片病害识别方法存在网络参数众多、计算量大且复杂的问题,结合植物叶片病害特征,提出了一种基于轻量级残差网络(Scale-Down ResNet)的植物叶片病害识别方法。网络基于Residual Network(ResNet),通过缩减网络卷积核数目和轻量级残差模块(SD-BLOCK),在大幅减少网络参数、降低计算复杂度的同时保持了低识别错误率,然后加入Squeeze-and-Excitation模块进一步降低识别错误率。在PlantVillage数据集上的实验表明,在网络参数量8×10^(4),计算量MFLOPs为55的情况下,模型识别错误率为0.55%。当参数量达到2.8×10^(5),计算量MFLOPs为176时,模型识别错误率为0.32%,低于ResNet-18,并且参数量约为其1/39,计算量约为其1/10。相比MobileNet V3和ShuffleNet V2,所提网络模型更为轻量,识别错误率更低。同时网络在自建苹果叶片病害数据集上获得了1.52%的低识别错误率。 展开更多
关键词 植物叶片 病害识别 ResNet Squeeze-and-Excitation network 轻量级网络
下载PDF
多目标小尺度车辆目标检测方法 被引量：27
5
作者 柳长源 王琪 毕晓君 《控制与决策》 EI CSCD 北大核心 2021年第11期2707-2712,共6页
车辆目标检测是智能交通系统中的重要环节,针对传统车辆目标检测方法效率低、小目标检测效果不好、漏检率高等问题,提出一种基于改进的YOLOv3网络车辆目标检测算法.为了提高车辆检测的效率,利用轻量化模型MobileNet v2代替原YOLOv3中的... 车辆目标检测是智能交通系统中的重要环节,针对传统车辆目标检测方法效率低、小目标检测效果不好、漏检率高等问题,提出一种基于改进的YOLOv3网络车辆目标检测算法.为了提高车辆检测的效率,利用轻量化模型MobileNet v2代替原YOLOv3中的特征提取网络,使得网络计算量相比原算法有所降低.为了有效提高网络对小尺度车辆目标的检测能力,网络将由高到低不同尺度的特征层融合之后进行目标检测.为了得到更丰富的语义特征信息和提高网络预测能力,增加了特征增强模块.同时针对车辆目标检测的特定应用,利用K-means方法对锚框重新聚类以满足车辆目标检测的特定需求.结合以上改进获得车辆目标检测网络YOLOv3-M2,实验结果表明,与YOLOv3相比,改进方法平均检测准确率增加约9%,时间减少约一半,能够同时提高检测效率和小目标检测能力. 展开更多
关键词 智能交通 深度学习 目标检测 YOLOv3 多尺度检测 轻量化网络
原文传递
基于改进YOLOv5s的轻量化目标检测算法 被引量：26
6
作者 杨锦辉 李鸿 +2 位作者 杜芸彦 毛耀 刘琼 《电光与控制》 CSCD 北大核心 2023年第2期24-30,共7页
针对当前YOLOv5s的颈部特征提取网络PANET的特征提取不足、常规卷积Conv消耗了大量的参数量和计算量的问题,提出一种轻量化目标检测算法(RFBG-YOLO)。首先,为了提升检测器识别效果,提出多分支空洞卷积结构RFB-Bottleneck来提升PANET的... 针对当前YOLOv5s的颈部特征提取网络PANET的特征提取不足、常规卷积Conv消耗了大量的参数量和计算量的问题,提出一种轻量化目标检测算法(RFBG-YOLO)。首先,为了提升检测器识别效果,提出多分支空洞卷积结构RFB-Bottleneck来提升PANET的特征提取能力,提高模型检测精度;然后,为了使模型更加轻量化,引入GhostConv卷积减少模型参数量,提高检测速度。在PASCAL VOC数据集上的结果表明,在检测速度影响很小的情况下,RFBG-YOLO算法的mAP@0.5为80.3%,与YOLOv5s算法相比提高了2.2个百分点,mAP@0.5∶0.95为55.1%,与YOLOv5s算法相比提高了4.2个百分点,模型参数量为5.2 MiB,与YOLOv5s算法相比降低了2.0 MiB,因此提出的RFBG-YOLO算法在保证模型轻量化的同时,具有足够高的检测精度,可以满足在轻量化目标检测场景下检测准确度的要求。 展开更多
关键词 目标检测 轻量化网络 YOLOv5s RFB GhostConv
下载PDF
基于改进YOLOv3网络的遥感目标快速检测方法 被引量：24
7
作者 方青云 王兆魁 《上海航天》 CSCD 2019年第5期21-27,34,共8页
针对将来卫星在轨实时目标检测需求,且在其内存和算力都受限的条件下,提出一种改进的YOLOv3,利用轻量化网络代替YOLOv3的特征提取网络,实现遥感目标的高效检测。在目标检测精度相近的情况下,改进模型参数相比原先降低了1.5倍,计算量降低... 针对将来卫星在轨实时目标检测需求,且在其内存和算力都受限的条件下,提出一种改进的YOLOv3,利用轻量化网络代替YOLOv3的特征提取网络,实现遥感目标的高效检测。在目标检测精度相近的情况下,改进模型参数相比原先降低了1.5倍,计算量降低了3.3倍。同时提出了一种基于交并比的迭代聚类算法,分别在YOLOv3和改进YOLOv3上实现了7.0%和2.3%的平均精度均值(mAP)提升。实验表明:改进模型的检测速度最快能达到101 frame/s,当其mAP比YOLOv3高6%时,检测速度仍是YOLOv3的1.6倍。本文提出的改进YOLOv3是一种高效遥感目标检测方法,为未来星上应用打下基础。 展开更多
关键词 遥感图像 目标检测 YOLOv3 轻量化网络 模型参数 计算量
下载PDF
煤矿带式输送机异物检测 被引量：24
8
作者 杜京义 陈瑞 +1 位作者 郝乐 史志芒 《工矿自动化》 北大核心 2021年第8期77-83,共7页
针对现有基于深度学习的带式输送机异物检测方法存在检测速度慢的问题,提出了一种改进YOLOv3模型,并将其应用于煤矿带式输送机异物检测。该模型以轻量化网络DarkNet22-DS作为主干特征提取网络,DarkNet22-DS利用深度可分离卷积替换标准卷... 针对现有基于深度学习的带式输送机异物检测方法存在检测速度慢的问题,提出了一种改进YOLOv3模型,并将其应用于煤矿带式输送机异物检测。该模型以轻量化网络DarkNet22-DS作为主干特征提取网络,DarkNet22-DS利用深度可分离卷积替换标准卷积,大幅减少了网络参数,并通过复合残差块提高了特征利用效率;通过引入加权双向特征金字塔网络及双尺度输出来改进特征融合网络,提升了模型对大块异物的检测效率;采用完全交并比损失函数作为目标框回归损失函数,充分利用目标框信息间的相关性,提高了模型的收敛速度和检测精度。将改进YOLOv3模型部署在嵌入式平台Jetson Xavier NX上进行煤矿带式输送机异物检测实验,结果表明,相较于YOLOv3模型,改进YOLOv3模型权重文件大小降低了91.4%,大幅减少了模型参数,检测速度提高了16倍,达30.7帧/s,满足煤矿带式输送机异物实时检测需求。 展开更多
关键词 带式输送机 异物检测 YOLOv3 轻量化网络 深度可分离卷积 加权双向特征金字塔网络 损失函数
下载PDF
YOLOv8-VSC:一种轻量级的带钢表面缺陷检测算法 被引量：19
9
作者 王春梅 刘欢 《计算机科学与探索》 CSCD 北大核心 2024年第1期151-160,共10页
目前在带钢表面缺陷检测领域,通用的目标检测算法复杂度高、计算量庞大,而一些中小型企业负责检测的终端设备通常不具备较强的计算能力,计算资源有限,从而导致检测算法部署困难。为解决该问题,基于YOLOv8n目标检测框架,提出一种轻量级... 目前在带钢表面缺陷检测领域,通用的目标检测算法复杂度高、计算量庞大,而一些中小型企业负责检测的终端设备通常不具备较强的计算能力,计算资源有限,从而导致检测算法部署困难。为解决该问题,基于YOLOv8n目标检测框架,提出一种轻量级的带钢表面缺陷检测模型YOLOv8-VSC。该模型使用轻量级的VanillaNet网络作为骨干特征提取网络,通过减少不必要的分支结构降低模型的复杂度。同时,引入SPD模块在减少网络层数的同时加快模型的推理速度。为了进一步提升检测精度,在特征融合网络中,使用轻量级的上采样算子CARAFE,提高融合特征的质量和丰富度。最后,在NEU-DET数据集上进行大量实验,得到模型的参数量与计算量为1.96×106和6.0 GFLOPs,仅为基线的65.1%和74.1%,mAP达到80.8%,较基线提升1.8个百分点。此外,在铝材表面缺陷数据集和VOC2012数据集上的实验结果表明所提算法具有良好的鲁棒性。与先进的目标检测算法相比,所提算法在保证高检测精度的前提下需要的计算资源更少。 展开更多
关键词 缺陷检测 带钢表面缺陷 YOLOv8 轻量级网络 VanillaNet
下载PDF
基于改进YOLOv4的轻量化目标检测算法 被引量：21
10
作者 钟志峰 夏一帆 +1 位作者 周冬平 晏阳天 《计算机应用》 CSCD 北大核心 2022年第7期2201-2209,共9页
针对当前YOLOv4目标检测网络结构复杂、参数多、训练所需的配置高以及实时检测每秒传输帧数(FPS)低的问题,提出一种基于YOLOv4的轻量化目标检测算法ML-YOLO。首先,用MobileNetv3结构替换YOLOv4的主干特征提取网络,从而通过MobileNetv3... 针对当前YOLOv4目标检测网络结构复杂、参数多、训练所需的配置高以及实时检测每秒传输帧数(FPS)低的问题,提出一种基于YOLOv4的轻量化目标检测算法ML-YOLO。首先,用MobileNetv3结构替换YOLOv4的主干特征提取网络,从而通过MobileNetv3中的深度可分离卷积大幅减少主干网络的参数量;然后,用简化的加权双向特征金字塔网络(Bi-FPN)结构替换YOLOv4的特征融合网络,从而用Bi-FPN中的注意力机制提高目标检测精度;最后,通过YOLOv4的解码算法来生成最终的预测框,并实现目标检测。在VOC2007数据集上的实验结果表明,ML-YOLO算法的平均准确率均值(mAP)达到80.22%,与YOLOv4算法相比降低了3.42个百分点,与YOLOv5m算法相比提升了2.82个百分点;而ML-YOLO算法的模型大小仅为44.75 MB,与YOLOv4算法相比减小了199.54 MB,与YOLOv5m算法相比,只高了2.85 MB。实验结果表明,所提的ML-YOLO模型,一方面较YOLOv4模型大幅减小了模型大小,另一方面保持了较高的检测精度,表明该算法可以满足移动端或者嵌入式设备进行目标检测的轻量化和准确性需求。 展开更多
关键词 目标检测 轻量化网络 YOLOv4 MobileNetv3 加权双向特征金字塔网络
下载PDF
基于轻量级卷积神经网络的带钢表面缺陷识别 被引量：18
11
作者 李丹 王慢慢 +1 位作者 刘俊德 陈凤 《仪器仪表学报》 EI CAS CSCD 北大核心 2022年第3期240-248,共9页
带钢表面缺陷识别对促进带钢生产质量提升至关重要。然而传统的图像处理与识别方法存在精度不高、且容易受到光线等因素影响;而新兴的基于深度学习的算法,则存在模型参数量大且难以部署等问题,无法在实际生产中得到广泛应用。本文提出... 带钢表面缺陷识别对促进带钢生产质量提升至关重要。然而传统的图像处理与识别方法存在精度不高、且容易受到光线等因素影响;而新兴的基于深度学习的算法,则存在模型参数量大且难以部署等问题,无法在实际生产中得到广泛应用。本文提出了一种轻量级部分深度混合可分离网络(PDMSNet)用于解决以上问题,由于其模型小以及浮点型运算(FLOPs)少更易于部署在资源受限的平台。采用标准的带钢表面缺陷数据集NEU-CLS的测试结果表明,与其他缺陷分类器相比,在带钢表面缺陷检测方面,本文所提出的模型性能更加优越。识别准确率达到了99.78%,而参数量只有0.17 M以及272 M FLOPs,在单一低端的GeForce MX250图形处理单元(GPU)识别一张图片平均时间为0.47 ms,可以满足工业现场实时检测的要求。 展开更多
关键词 带钢表面缺陷分类 轻量级网络 深度混合可分离模块 部分拼接模块
下载PDF
基于轻量化网络的光学遥感图像飞机目标检测 被引量：17
12
作者 唐玮 赵保军 龙腾 《信号处理》 CSCD 北大核心 2019年第5期768-774,共7页
光学遥感图像飞机检测是遥感分析的重要研究方向。现有检测方法难以达到满意的效果,传统检测方法由于手工特征建模困难,易受背景干扰,导致其鲁棒性普遍偏低;而以复杂度提升为代价来提高检测性能的深度学习目标检测方法无法在资源受限下... 光学遥感图像飞机检测是遥感分析的重要研究方向。现有检测方法难以达到满意的效果,传统检测方法由于手工特征建模困难,易受背景干扰,导致其鲁棒性普遍偏低;而以复杂度提升为代价来提高检测性能的深度学习目标检测方法无法在资源受限下的星载平台得到广泛应用。针对上述问题,本论文提出一种具有轻量化多尺度特点的深度学习飞机目标检测方法。在多尺度目标检测框架(SSD)基础上,利用密集连接结构和双卷积通道构成具有特征重复利用、计算效率高等特点的基础骨干网络,之后连接一个由残差模块和反卷积构成的多尺度特征融合检测模块,以提高飞机小目标的检测性能。实验结果表明,在多种复杂机场场景中,本文的方法与当前经典的深度学习目标方法相比,在保持较高目标检测精度的同时,又能具有较低的计算复杂度。 展开更多
关键词 星载平台 飞机小目标检测 轻量化网络
下载PDF
轻量化的YOLOv4目标检测算法 被引量：16
13
作者 张宝朋 康谦泽 +2 位作者 李佳萌 郭俊宇 陈少华 《计算机工程》 CAS CSCD 北大核心 2022年第8期206-214,共9页
YOLOv4目标检测算法主干网络庞大且参数量和计算量过多,难以部署在算力和存储资源有限的移动端嵌入式设备上。提出一种改进的YOLOv4目标检测算法,使用轻量化的ShuffleNet V2网络作为主干特征提取网络,更换模型激活函数及扩大卷积核,同时... YOLOv4目标检测算法主干网络庞大且参数量和计算量过多,难以部署在算力和存储资源有限的移动端嵌入式设备上。提出一种改进的YOLOv4目标检测算法,使用轻量化的ShuffleNet V2网络作为主干特征提取网络,更换模型激活函数及扩大卷积核,同时将YOLOv4网络中的普通卷积替换为深度可分离卷积,降低算法参数量、计算量和模型占用空间。在ShuffleNet V2网络结构的改进过程中分析并剪裁其基本组件,利用2个3×3卷积核级联的方式增强网络感受野,并使用Mish激活函数进一步提升网络检测精度和模型推理速度。在GPU平台和VisDrone 2020数据集上的实验结果表明,与YOLOv4算法相比,改进的YOLOv4算法在牺牲1.8个百分点的检测精度情况下,提高了27%的检测速度,压缩了23.7%的模型容量,并且能够充分发挥ZYNQ平台并行高速数据处理及低功耗的优势。 展开更多
关键词 YOLOv4目标检测 ShuffleNet V2网络模型 卷积运算 轻量化网络 ZYNQ平台
下载PDF
卷积神经网络压缩中的知识蒸馏技术综述 被引量：14
14
作者 孟宪法 刘方 +1 位作者 李广 黄萌萌 《计算机科学与探索》 CSCD 北大核心 2021年第10期1812-1829,共18页
近年来,卷积神经网络(CNN)凭借强大的特征提取和表达能力,在图像分析领域的诸多应用中取得了令人瞩目的成就。但是,CNN性能的不断提升几乎完全得益于网络模型的越来越深和越来越大,在这个情况下,部署完整的CNN往往需要巨大的内存开销和... 近年来,卷积神经网络(CNN)凭借强大的特征提取和表达能力,在图像分析领域的诸多应用中取得了令人瞩目的成就。但是,CNN性能的不断提升几乎完全得益于网络模型的越来越深和越来越大,在这个情况下,部署完整的CNN往往需要巨大的内存开销和高性能的计算单元(如GPU)支撑,而在计算资源受限的嵌入式设备以及高实时要求的移动终端上,CNN的广泛应用存在局限性。因此,CNN迫切需要网络轻量化。目前解决以上难题的网络压缩和加速途径主要有知识蒸馏、网络剪枝、参数量化、低秩分解、轻量化网络设计等。首先介绍了卷积神经网络的基本结构和发展历程,简述和对比了五种典型的网络压缩基本方法;然后重点针对知识蒸馏方法进行了详细的梳理与总结,并在CIFAR数据集上对不同方法进行了实验对比;其后介绍了知识蒸馏方法目前的评价体系,给出多类型方法的对比分析和评价;最后对该技术未来的拓展研究给出了初步的思考。 展开更多
关键词 卷积神经网络(CNN) 知识蒸馏 神经网络压缩 轻量化网络
下载PDF
基于轻量化YOLOv3的遥感军事目标检测算法 被引量：15
15
作者 秦伟伟 宋泰年 +2 位作者 刘洁瑜 王洪伟 梁卓 《计算机工程与应用》 CSCD 北大核心 2021年第21期263-269,共7页
在导弹智能突防的过程中,从海量的遥感图像数据中检测敌方反导阵地具有极大的应用价值。由于弹载部署环境算力有限,设计了一种兼顾轻量化,检测精确率以及检测速度的遥感目标检测算法。制作了典型遥感军事目标数据集,通过K-means算法对... 在导弹智能突防的过程中,从海量的遥感图像数据中检测敌方反导阵地具有极大的应用价值。由于弹载部署环境算力有限,设计了一种兼顾轻量化,检测精确率以及检测速度的遥感目标检测算法。制作了典型遥感军事目标数据集,通过K-means算法对数据集聚类分析。利用MobileNetV2网络代替YOLOv3算法的主干网络,保证网络的轻量化和检测速度。提出了适用于遥感目标特性的轻量化高效通道协同注意力模块和目标旋转不变性检测模块,将其嵌入检测算法中,在网络轻量化的基础上提升检测精确率。实验结果表明,提出算法的精确率达到97.8%,提升了6.8个百分点,召回率达到95.7%,提升了3.9个百分点,平均检测精度达到95.2%,提升了4.4个百分点,检测速度达到了每秒34.19张图,而网络大小仅为17.5 MB。结果表明该算法能满足导弹智能突防的综合要求。 展开更多
关键词 目标检测 轻量化网络 YOLOv3 遥感图像 MobileNetV2
下载PDF
基于轻量化网络的变电站缺陷图片检测算法 被引量：14
16
作者 琚泽立 邢伟 +3 位作者 金鸿鹏 徐方植 蒲路 侯喆 《电网与清洁能源》 2020年第8期43-49,共7页
保证变电站运行安全和可靠,自动检测变电站设备缺陷是电网智能化的关键。提出基于轻量化网络的变电站缺陷图片检测算法。针对目前传统的深度网络深度较深,耗时较长,易发生梯度爆炸、消失的情况,以及变电站智能监控实时性要求高的问题,... 保证变电站运行安全和可靠,自动检测变电站设备缺陷是电网智能化的关键。提出基于轻量化网络的变电站缺陷图片检测算法。针对目前传统的深度网络深度较深,耗时较长,易发生梯度爆炸、消失的情况,以及变电站智能监控实时性要求高的问题,提出了一种基于轻量化网络的变电站缺陷图片检测算法。该算法通过深度网络的轻量化设计,不仅可降低计算时间复杂度和空间复杂度,并且能提升检测准确度。该算法利用轻量化的特征提取网络进行图片的多尺度特征提取,且能根据多尺度特征进行目标种类和位置的检测。以变电站现场故障图片作为实验数据,对比测试了SSD算法和所提算法在面对不同故障的检测准确率。实验结果表明,所提算法在变电站故障检测任务中比SSD算法更加准确,为变电站故障检测提供了有效的手段。 展开更多
关键词 缺陷图片检测 变电站 目标检测 轻量化网络
下载PDF
基于边端轻量级网络的电力仪表设备检测方法 被引量：14
17
作者 崔昊杨 张雨阁 +3 位作者 张驯 陈磊 江超 孙益辉 《电网技术》 EI CSCD 北大核心 2022年第3期1186-1193,共8页
电力仪表设备边端智能化检测,是构建数字化变电站的必要环节。在利用移动边端视觉设备检测电力仪表时,边端算力难以实现对复杂环境下的小尺度、高似然目标图像的快速检测,为此,提出一种基于轻量级EF-YOLOv4网络的电力仪表图像目标检测... 电力仪表设备边端智能化检测,是构建数字化变电站的必要环节。在利用移动边端视觉设备检测电力仪表时,边端算力难以实现对复杂环境下的小尺度、高似然目标图像的快速检测,为此,提出一种基于轻量级EF-YOLOv4网络的电力仪表图像目标检测方法。通过改进模型的主干特征网络,利用深度可分离卷积(depthwise separable convolutions,DSC)计算方法提取仪表多属性特征,同时降低模型计算复杂度,提高检测速度;改进特征融合结构,增加具有高分辨率以及颜色、纹理等仪表信息的浅层特征层,提升模型对小尺度仪表目标的注意力;融入最近邻快速特征匹配(fast library for approximate nearest neighbors,FLANN)方法,通过单位符号特征细粒度检测仪表目标。利用迁移学习参数共享机制调整模型权重,使模型快速适应于电力仪表小样本数据集。最后构建电力仪表图像测试集对模型进行验证。实验结果表明,相比于传统目标检测方法,所提方法对于电能表、电压表等多尺度、细粒度仪表设备图像的目标检测保持了较高的精确度与速度。可为电力仪表的可视化、信息化与智能化提供可行的技术方案及借鉴。 展开更多
关键词 电力仪表设备 目标定位与识别 轻量级网络 迁移学习
下载PDF
轻量型Yolov7-TSA网络在茶叶病害检测识别中的研究与应用 被引量：13
18
作者 李伟豪 詹炜 +5 位作者 周婉 韩涛 王佩文 刘虎 熊梦园 孙泳 《河南农业科学》 北大核心 2023年第5期162-169,共8页
针对现有茶叶病害识别方法准确率低、模型运行速度慢和缺乏检测功能等问题,提出一种新的Yolov7-TSA(Yolov7-Tiny-SiLU-Attention)轻量型网络架构对茶叶病害检测和分类。将Yolov7-T网络中的LeakReLU激活函数替换为SiLU激活函数,以提升检... 针对现有茶叶病害识别方法准确率低、模型运行速度慢和缺乏检测功能等问题,提出一种新的Yolov7-TSA(Yolov7-Tiny-SiLU-Attention)轻量型网络架构对茶叶病害检测和分类。将Yolov7-T网络中的LeakReLU激活函数替换为SiLU激活函数,以提升检测精度,并防止过拟合。同时,通过融合坐标注意力机制进一步提升对目标轮廓和空间位置的特征感知能力。在含8种茶叶病害(含健康茶叶)的数据集上试验。结果表明,Yolov7-TSA网络对茶叶病害的识别准确率达到了94.2%,与Yolov7-T、Yolov7网络相比,分别提升了3.2、1.2个百分点。另外,Yolov7-TSA网络在参数量、浮点运算数、模型大小和单张图片推理时间方面表现出了显著的效果,与Yolov7网络相比,其分别降低了83%、87%、83%和34%。该网络模型实现了对茶叶病害的检测与分类,同时平衡了识别准确率和实时性能。 展开更多
关键词 茶叶病害 病害检测 病害分类 Yolov7-TSA 坐标注意力 轻量型网络 计算机视觉 智慧农业
下载PDF
基于轻量化人工神经网络的PCB板缺陷检测 被引量：14
19
作者 王淑青 鲁濠 +2 位作者 鲁东林 刘逸凡 要若天 《仪表技术与传感器》 CSCD 北大核心 2022年第5期98-104,共7页
PCB板表面缺陷检测是其生产中重要的环节,针对当前目标检测模型在小型工业计算平台参数多,内存负荷大等问题,提出了一种轻量化YOLOv5的检测模型。首先在主干网络采用ShuffleNetV2结构取代Conv与C3结构;其次在FPN模块加入CEM和AM模块,解... PCB板表面缺陷检测是其生产中重要的环节,针对当前目标检测模型在小型工业计算平台参数多,内存负荷大等问题,提出了一种轻量化YOLOv5的检测模型。首先在主干网络采用ShuffleNetV2结构取代Conv与C3结构;其次在FPN模块加入CEM和AM模块,解决特征提取中分辨率与感受野不合的问题。最后使用PReLU激活函数代替ReLU,防止神经元崩坏。实验结果表明,改进的算法参数减少91%,每s浮点运算次数减少70%,检测精度达到95%,能够在小型计算平台完成快速精确的PCB板表面缺陷检测。 展开更多
关键词 深度学习 轻量化网络 YOLOv5 PCB板检测 目标检测
下载PDF
改进MobileViT与YOLOv4的轻量化车辆检测网络 被引量：13
20
作者 郑玉珩 黄德启 《电子测量技术》 北大核心 2023年第2期175-183,共9页
基于深度学习的目标检测算法在智能交通的应用中,对于车辆检测存在模型参数量大、计算速度慢和简单网络精准度较低的问题。本文提出了一种高效的轻量化车辆检测模型,该检测模型采用YOLOv4网络作为参考模型进行改进。首先,本文采用CSPMob... 基于深度学习的目标检测算法在智能交通的应用中,对于车辆检测存在模型参数量大、计算速度慢和简单网络精准度较低的问题。本文提出了一种高效的轻量化车辆检测模型,该检测模型采用YOLOv4网络作为参考模型进行改进。首先,本文采用CSPMobileViT网络来替换原始主干网络,然后将PANet替换成BiFPN,并且将BiFPN中的3×3标准卷积替换成深度可分离卷积,最后,在BiFPN之前和YOLO-Head之前添加ECA模块。在损失函数部分,将边框回归损失CIoU改进为Focal EIoU来解决难易样本不平衡的问题。实验结果表明改进网络的mAP值为96.77%,检测速度达到每张图片0.0234 s,模型大小只有32.76 MB,参数量为8587541,与原始算法相比mAP提升了1.54%,而模型大小和参数量仅约为原始模型1/8,并且FPS提升了7.5,改进算法具有更好检测效果。 展开更多
关键词 YOLOv4 MobileViT 车辆检测 轻量化网络
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 36 下一页 到第 页
使用帮助 返回顶部