-
题名基于YOLO-ST的安全帽佩戴精确检测算法
被引量：4
- 1
-
-
作者
杜晓刚
王玉琪
晏润冰
古东鑫
张学军
雷涛
-
机构
陕西科技大学陕西省人工智能联合实验室电子信息与人工智能学院
陕西科技大学机电工程学院
兰州交通大学电子与信息工程学院
-
出处
《陕西科技大学学报》
北大核心
2022年第6期177-183,191,共8页
-
基金
国家自然科学基金项目(61861024,61871259,62271296)
甘肃省自然科学基金项目(20JR5RA404,21JR7RA282)
+3 种基金
陕西省杰出青年科学基金项目(2021JC-47)
陕西省重点研发计划项目(2021ZDLGY08-07,2022GY-436)
陕西省创新能力支撑计划项目(2020SS-03)
陕西省自然科学基础研究计划项目(2022JQ-018,2022JQ-175)。
-
文摘
在建筑业、工地等场景下,由于受到天气、人数、光照强度、拍摄角度和距离等因素的影响,导致在安全帽智能检测时容易出现准确度低、漏检率大、错检率高的问题.为了解决该问题,提出了一种基于YOLO-ST的安全帽佩戴检测算法.该算法具有两个优势:首先,使用更容易捕获图像全局信息的Swin Transformer作为网络的特征提取器,增强网络对安全帽特征的提取能力;其次,设计密集的空间金字塔池化模块并引入到YOLO-ST中,以获取目标中更加丰富的细节信息.实验结果表明,在公开的SHWD数据集上,YOLO-ST的平均识别精度达到了91.3%.与其它方法相比,YOLO-ST取得了更精确的检测结果.
-
关键词
YOLOv5
目标检测
Swin
Transformer
密集的空间金字塔池化(DSPP)
-
Keywords
YOLOv5
object detection
Swin Transformer
DSPP
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进TResNet的下水道缺陷识别算法
- 2
-
-
作者
晏润冰
李明辉
李煜博
张梦圆
李金彪
张奇
-
机构
陕西科技大学机电工程学院
-
出处
《西安理工大学学报》
北大核心
2023年第4期567-575,共9页
-
基金
陕西省科技厅重点研发计划资助项目(2023-YBGY-0697)
陕西省咸阳市重点研发计划资助项目(L2022ZDYF-GY-008)。
-
文摘
同一张下水道图像可能同时反映多种类型的下水道缺陷,所以应对下水道图像进行多标签缺陷预测。为了进一步解决城市下水道复杂场景中缺陷的多标签自动分类问题,本文提出了一种两阶段的下水道缺陷类型识别方法。第一阶段,使用二分类卷积神经网络(CNN)模型检测下水道图像是否存在缺陷;第二阶段,使用改进TResNet模型对下水道图像具体缺陷类型进行多标签分类,该模型在TResNet基础上引入了捕获空间相关类别信息的特定类别残差注意力(CSRA)模块,从而提升了网络的多标签识别能力。考虑到不同类型缺陷造成的经济影响程度不同,使用加权缺陷类别经济影响指数的F 2-CIW指标以及标准F 1分数指标来评价模型的性能。实验结果表明,在下水道数据集Sewer-ML Dataset上,本文方法的F 1-Normal和F 2-CIW指标取得了90.41%和53.57%的测试得分,相比其它方法具有更好的缺陷识别性能。
-
关键词
下水道缺陷识别
多标签分类
TResNet
特定类别的残差注意力模块
-
Keywords
sewer defect identification
multi-label classification
TResNet
CSRA
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于非局部和先验约束的多尺度图像去雾网络研究
被引量：2
- 3
-
-
作者
李婉
毕竞舸
张选德
晏润冰
-
机构
陕西科技大学电子信息与人工智能学院
陕西科技大学机电工程学院
-
出处
《陕西科技大学学报》
北大核心
2022年第3期172-178,184,共8页
-
基金
国家自然科学基金项目(61871260,62101312)
陕西省教育厅专项科研计划项目(20JK0536)
陕西科技大学自然科学预研基金项目(2019BJ-11)。
-
文摘
基于深度学习的图像去雾方法获得了比传统方法更优的结果,得到了广泛的应用.本文将图像先验信息融入到卷积神经网络中,提出了基于非局部和先验约束的多尺度图像去雾网络.该网络通过设计非局部、多尺度的重构模块捕获图像自相似性及不同尺度下的重构信息,并且提出暗通道先验、均方差、内容差异相融合的损失函数.同时,提出了分阶段的优化方式,有效地提高了训练效率.与其他去雾方法对比,本文提出的方法能取得更好的去雾效果.
-
关键词
图像去雾
非局部
卷积神经网络
多尺度
-
Keywords
image dehazing
non-local
convolutional neural network
multi-scale
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
