期刊文献+
共找到115篇文章
< 1 2 6 >
每页显示 20 50 100
基于改进YOLOv7的快速火灾检测算法分析
1
作者 孙思怡 汪威 罗子江 《电子技术(上海)》 2024年第5期50-52,共3页
阐述基于改进YOLOv7的火灾检测算法。首先通过将YOLOv7的主干网络替换为轻量级网络MobileOne,把一个k×k的卷积层等价转换为多个分支,使得网络在训练时参数更多、学习能力更强,从而在推理阶段具有更高的计算速度。接着在池化层引入S... 阐述基于改进YOLOv7的火灾检测算法。首先通过将YOLOv7的主干网络替换为轻量级网络MobileOne,把一个k×k的卷积层等价转换为多个分支,使得网络在训练时参数更多、学习能力更强,从而在推理阶段具有更高的计算速度。接着在池化层引入SPPFCSPC,在特征提取时获得不同的感受野,有效地解决目标差异较大的问题,同时该结构相比于原SPPCSPC计算量减少一半,节约计算成本。最后利用模型剪枝等压缩方法对其做轻量化处理,让模型推理速度进一步提升。 展开更多
关键词 智能算法 YOLOv7 火灾检测 参数 轻量化
原文传递
多重参数间互相制约条件的探求
2
作者 李再湘 《中学数学(江苏)》 1994年第8期20-23,共4页
关键词 参数 互相制约 参数方程 公共点 韦达定理 制约条件 判别式法 数形结合 不等式组 三角函数公式
下载PDF
两期重参数年份指数回归法与育种试验点的综合评价
3
作者 单鉴华 胡秉民 涂修亮 《浙江农业大学学报》 CSCD 1996年第2期209-212,共4页
在多年多点非平衡数据的区域试验中,用两期重参数化方法,以试验场点对年份指数进行线性回归,估算试验场点对年份的稳定性。并选用湖北省棉花区域试验部分资料,对试验场点作出综合评价。
关键词 参数 年份指数 稳定性 综合评价 作物 育种
下载PDF
改进YOLOX-S模型的施工场景目标检测 被引量:12
4
作者 胡皓 郭放 刘钊 《计算机科学与探索》 CSCD 北大核心 2023年第5期1089-1101,共13页
现有YOLOX-S模型在施工环境干扰下目标检测平均精准率(AP)偏低,不能较好满足实际应用需要。针对上述问题,从引入结构重参数化模块、引入卷积注意力模块、引入AdamW优化算法三方面对YOLOX-S模型进行改进。首先,利用RepVGGBlock解耦训练... 现有YOLOX-S模型在施工环境干扰下目标检测平均精准率(AP)偏低,不能较好满足实际应用需要。针对上述问题,从引入结构重参数化模块、引入卷积注意力模块、引入AdamW优化算法三方面对YOLOX-S模型进行改进。首先,利用RepVGGBlock解耦训练阶段与测试阶段的模型结构,在训练阶段模型的Backbone与Neck中构建更多残差结构,提高模型的特征提取能力。其次,利用LKA模块提取局部特征信息与长距离依赖关系,为后续计算目标边界框位置与大小提供更加有效的注意力指引,提升检测平均精准率。然后,使用AdamW优化算法替代Adam优化算法更新模型参数,进一步改良模型收敛结果,提升模型泛化能力。最后,在建筑工地运动目标数据集(MOCS)上进行实验,结果表明,改进YOLOX-S模型检测所有目标的平均精准率提升3.3个百分点,检测大目标、中目标、小目标的平均精准率分别提升3.2、2.3、2.2个百分点。同时,改进YOLOX-S模型计算代价未明显增加,可在实时运行的同时更好满足施工场景下对目标检测平均精准率的需要。 展开更多
关键词 目标检测 施工场景 结构参数 大核注意力 YOLOX-S
下载PDF
重参数化YOLOv8路面病害检测算法 被引量:5
5
作者 王海群 王炳楠 葛超 《计算机工程与应用》 CSCD 北大核心 2024年第5期191-199,共9页
路面病害检测是保障人民交通安全的重要方式,为了提高路面病害检测的准确率,实现及时、精准的路面病害检测,提出了一种重参数化YOLOv8路面病害检测算法。在主干网络引入CNX2f模块,提高网络对路面病害特征的提取能力,有效解决路面病害特... 路面病害检测是保障人民交通安全的重要方式,为了提高路面病害检测的准确率,实现及时、精准的路面病害检测,提出了一种重参数化YOLOv8路面病害检测算法。在主干网络引入CNX2f模块,提高网络对路面病害特征的提取能力,有效解决路面病害特征与背景环境特征易混淆问题;引入RepConv和DBB重参数化模块,增强多尺度特征融合能力,解决路面病害尺度差异较大问题;改进头部采用共享参数结构,并引入RBB重参数模块,解决头部参数冗余问题,并提高特征提取能力;引入SPPF_Avg模块,解决路面病害特征丢失问题,丰富多尺度特征表达。实验结果表明,改进后的路面病害检测网络精度为73.3%、召回率为62.3%、mAP为69.3%,较YOLOv8网络分别提高了2.6、3.0、2.8个百分点,提高了模型的检测效果。 展开更多
关键词 路面病害检测 特征提取 参数 多尺度特征 YOLOv8
下载PDF
重参数化YOLOv5s的森林火灾检测算法 被引量:5
6
作者 杨武 余华云 +2 位作者 赵昕宇 何勇 徐红牛 《无线电工程》 2024年第2期284-293,共10页
目前森林火灾多发,建立日常监测尤为重要,但是边缘智能检测设备算力和内存较低,限制了检测模型的推理和部署。针对以上问题,提出一种改进的重参数化YOLOv5s的森林火灾检测算法,结合重参数化、通道重排和深度可分离卷积(Depthwise Separa... 目前森林火灾多发,建立日常监测尤为重要,但是边缘智能检测设备算力和内存较低,限制了检测模型的推理和部署。针对以上问题,提出一种改进的重参数化YOLOv5s的森林火灾检测算法,结合重参数化、通道重排和深度可分离卷积(Depthwise Separable Convolution,DSC)等轻量化思想分别设计新的骨干和颈部网络,增强特征提取能力,提高模型检测精度,使参数量和推理权重较大幅度减少。为避免颈部网络的信息丢失,根据空洞卷积提出特征增强模块,增强多尺度特征融合能力。为进一步提高模型性能,加入轻量化的CA注意力机制,更准确定位目标。当前公开的火焰烟雾数据集存在针对性不强的问题,为了更好地提高模型的检测效率,制作了一个新的森林火灾数据集,在数据集上利用结构相似性算法剔除了相似度过高的图片,保证了模型的泛化能力。实验结果表明,改进后的重参数化YOLOv5s以原网络约76%的参数量提高了4.0%的精确度,推理权重下降至10.5 MB,更适合于设备性能差、容量小的边缘设备,提高了森林火灾巡检的效率。 展开更多
关键词 森林火灾 YOLOv5s 参数 深度可分离卷积 多尺度特征融合
下载PDF
融合重参数化和注意力机制的猪脸关键点检测方法 被引量:7
7
作者 黄志杰 徐爱俊 +3 位作者 周素茵 叶俊华 翁晓星 项云 《农业工程学报》 EI CAS CSCD 北大核心 2023年第12期141-149,共9页
面部对齐是猪脸识别中至关重要的步骤,而实现面部对齐的必要前提是对面部关键点的精准检测。生猪易动且面部姿态多变,导致猪脸关键点提取不准确,且目前没有准确快捷的猪脸关键点检测方法。针对上述问题,该研究提出了生猪面部关键点精准... 面部对齐是猪脸识别中至关重要的步骤,而实现面部对齐的必要前提是对面部关键点的精准检测。生猪易动且面部姿态多变,导致猪脸关键点提取不准确,且目前没有准确快捷的猪脸关键点检测方法。针对上述问题,该研究提出了生猪面部关键点精准检测模型YOLO-MOB-DFC,将人脸关键点检测模型YOLOv5Face进行改进并用于猪脸关键点检测。首先,使用重参数化的MobileOne作为骨干网络降低了模型参数量;然后,融合解耦全连接注意力模块捕捉远距离空间位置像素之间的依赖性,使模型能够更多地关注猪面部区域,提升模型的检测性能;最后,采用轻量级上采样算子CARAFE充分感知邻域内聚合的上下文信息,使关键点提取更加准确。结合自建的猪脸数据集进行模型测试,结果表明,YOLO-MOB-DFC的猪脸检测平均精度达到99.0%,检测速度为153帧/s,关键点的标准化平均误差为2.344%。相比RetinaFace模型,平均精度提升了5.43%,模型参数量降低了78.59%,帧率提升了91.25%,标准化平均误差降低了2.774%;相较于YOLOv5s-Face模型,平均精度提高了2.48%,模型参数量降低了18.29%,标准化平均误差降低了0.567%。该文提出的YOLO-MOB-DFC模型参数量较少,连续帧间的标准化平均误差波动更加稳定,削弱了猪脸姿态多变对关键点检测准确性的影响,同时具有较高的检测精度和检测效率,能够满足猪脸数据准确、快速采集的需求,为高质量猪脸开集识别数据集的构建以及非侵入式生猪身份智能识别奠定基础。 展开更多
关键词 深度学习 猪脸关键点检测 参数 MobileOne YOLOv5Face 注意力机制
下载PDF
基于重参数化MobileNetV2的农作物叶片病害识别模型 被引量:6
8
作者 彭玉寒 李书琴 《农业工程学报》 EI CAS CSCD 北大核心 2023年第17期132-140,共9页
针对基于卷积神经网络识别农作物叶片病害存在参数众多,计算量大且实时性差的问题,提出一种轻量级农作物叶片病害识别模型RLDNet(reparameterized leaf diseases identification network)。首先,基于MobileNetV2利用重参数化倒残差模块... 针对基于卷积神经网络识别农作物叶片病害存在参数众多,计算量大且实时性差的问题,提出一种轻量级农作物叶片病害识别模型RLDNet(reparameterized leaf diseases identification network)。首先,基于MobileNetV2利用重参数化倒残差模块提升推理速度,并设计浅而窄的网络结构增强对浅层特征的提取,降低模型参数量。其次,使用轻量级ULSAM(ultra-lightweight subspace attention module)注意力机制,结合叶片病害特征,强化模型对病害区域的关注能力。最后,利用DepthShrinker剪枝方法对模型进行剪枝进一步减小空间占用。RLDNet在PlantVillage数据集上识别准确率达99.53%,参数量为0.65 M,对单张叶片病害图像的推理时间为2.51 ms。在自建叶片病害数据集上获得了98.49%识别准确率,比MobileNetV3、ShuffleNetV2等轻量级模型识别准确率更高,更为轻量。 展开更多
关键词 农作物 模型 病害识别 复杂背景 MobileNetV2 参数 轻量化
下载PDF
基于重参数化YOLOv5的输电线路缺陷边缘智能检测方法 被引量:3
9
作者 刘闽 李喆 +2 位作者 李曜丞 刘亚东 江秀臣 《高电压技术》 EI CAS CSCD 北大核心 2024年第5期1954-1966,共13页
电力智能巡检与边缘计算相结合,对电力物联网和透明电网的建设具有重要作用。然而,边缘设备的低算力导致检测算法在边缘端推理速度慢,边缘设备的低内存也限制了目标检测模型的空间占用。针对以上问题,提出了一种基于重参数化YOLOv5的输... 电力智能巡检与边缘计算相结合,对电力物联网和透明电网的建设具有重要作用。然而,边缘设备的低算力导致检测算法在边缘端推理速度慢,边缘设备的低内存也限制了目标检测模型的空间占用。针对以上问题,提出了一种基于重参数化YOLOv5的输电线路缺陷边缘智能检测方法。首先,利用R-D模块和重参数化空间金字塔池化(spatial pyramid pooling,SPP)对YOLOv5网络进行改进,通过重参数化加快模型的推理速度,得到重参数化YOLOv5模型。其次,利用ResRep剪枝方法对模型进行通道剪枝,减小模型空间占用。最后,将模型部署至NVIDIA Jetson Xavier NX边缘平台,并利用C++语言结合TensorRT图优化对模型进行优化加速,进一步减小推理时延,减少模型占用空间。实验结果表明:相较于原版YOLOv5,该文提出的方法推理速度提升至5倍,空间占用减小至41%,同时精度提升了2.4%,显著提高了输电线路边缘智能巡检的效率。 展开更多
关键词 电力智能巡检 边缘计算 参数 YOLOv5 通道剪枝
下载PDF
基于GSNet的番茄叶面病害识别研究 被引量:7
10
作者 冀常鹏 陈浩楠 代巍 《沈阳农业大学学报》 CAS CSCD 北大核心 2021年第6期751-757,共7页
传统农作物病害识别过程中,要求生产者通过肉眼观察识别病害类型,对生产者的专业知识要求高,识别难度大。随着深度学习的发展和卷积神经网络强大的特征提取能力的不断挖掘,降低了图像识别技术上的操作难度,并取得显著效果,应用计算机视... 传统农作物病害识别过程中,要求生产者通过肉眼观察识别病害类型,对生产者的专业知识要求高,识别难度大。随着深度学习的发展和卷积神经网络强大的特征提取能力的不断挖掘,降低了图像识别技术上的操作难度,并取得显著效果,应用计算机视觉技术进行农作物叶面病害识别,正在成为农业现代化的主流方向。以番茄的叶面病害识别为例,提出了一种基于深度卷积神经网络的番茄叶面病害识别模型:重影空间金字塔模型(ghost spatial pyramid pooling net,GSNet)。为了适应农业生产需要,调整网络结构,降低网络模型复杂度,引入Ghost模块替换常规卷积层,采用空间金字塔池化提取病害多尺度信息,提高模型对于输入图像尺寸的自适应性,并针对实际需求,通过结构重参数化,分割网络训练阶段和推理阶段,在推理网络中合并卷积运算和批归一化(batch normalization,BN),提高推理效率,降低病害图像识别时间。结果表明:该卷积神经网络对番茄的叶面病害识别的准确率达到98.53%,并与VGG16、ResNet50、InceptionV3以及3种轻量化网络进行对比,获得最好的识别效果,接着通过对结构重参数化前后分类结果进行验证分析,在保证模型识别准确率的条件下,识别时间由16.28s下降为15.15s,推理效率提高6.94%,对农业智能病害识别具有重要意义。 展开更多
关键词 卷积神经网络 病害识别 GHOST 空间金字塔池化 结构参数
下载PDF
结合结构重参数化方法与空间注意力机制的图像融合模型 被引量:7
11
作者 俞利新 崔祺 +3 位作者 车军 许悦雷 张凡 李帆 《计算机应用研究》 CSCD 北大核心 2022年第5期1573-1578,1600,共7页
针对深度学习在红外与可见光图像融合时无法同时满足运算效率和融合效果的问题,提出了一种无监督端到端的红外与可见光图像融合模型。该模型的图像特征提取模块采用结构重参数化方法,有效提升了算法的运行效率;同时引入了注意力机制,减... 针对深度学习在红外与可见光图像融合时无法同时满足运算效率和融合效果的问题,提出了一种无监督端到端的红外与可见光图像融合模型。该模型的图像特征提取模块采用结构重参数化方法,有效提升了算法的运行效率;同时引入了注意力机制,减小了冗余信息对融合结果的干扰;损失函数基于结构相似度设计。对比实验结果表明,该模型保证了融合效果并提升了运行速度,相比于不使用结构重参数化的方法,运行速度提升了34%。 展开更多
关键词 结构参数 端到端 空间注意力机制 无监督学习 结构相似度
下载PDF
强夯法施工锤重参数的合理选用 被引量:4
12
作者 孙永平 膝凯 张玉环 《勘察科学技术》 1999年第2期38-40,共3页
如何选择强夯处理工程地基中的有关施工参数,直接关系到地基的加固效果。该文在对常规方法确定参数的全面分析后,通过对下落锤体对地基土体的冲力作用研究,提出了在同一单击能量(机械提升能量)情况下,采用重锤低落距处理地基工程... 如何选择强夯处理工程地基中的有关施工参数,直接关系到地基的加固效果。该文在对常规方法确定参数的全面分析后,通过对下落锤体对地基土体的冲力作用研究,提出了在同一单击能量(机械提升能量)情况下,采用重锤低落距处理地基工程优于轻锤高落距强夯方案。 展开更多
关键词 强夯法 参数 合理选用 地基处理
原文传递
衡重参数对超空泡射弹有效射程的影响 被引量:6
13
作者 古鉴霄 党建军 +2 位作者 黄闯 李代金 刘富强 《兵工学报》 EI CAS CSCD 北大核心 2022年第6期1376-1386,共11页
为研究衡重参数对超空泡射弹有效射程的影响,基于流体体积多相流模型和刚体空间运动方程组,建立超空化流场和刚体运动相耦合的仿真方法,通过与文献[23]试验结果对比验证仿真方法的合理性。通过仿真计算研究超空泡射弹的水下弹道运动特性... 为研究衡重参数对超空泡射弹有效射程的影响,基于流体体积多相流模型和刚体空间运动方程组,建立超空化流场和刚体运动相耦合的仿真方法,通过与文献[23]试验结果对比验证仿真方法的合理性。通过仿真计算研究超空泡射弹的水下弹道运动特性,获得质心位置、质量等典型衡重参数对射弹有效射程的影响规律。研究结果表明:超空泡射弹的水下弹道具有稳定尾拍现象,尾拍的波长和振幅近似恒定;后移质心可有效增加超空泡射弹的水下增程,质心位置后移9%,水下射程提高14%;增加射弹质量可显著增加水下射程,质量增大150%,水下射程提高70%。 展开更多
关键词 超空泡射弹 参数 有效射程 弹道特性
下载PDF
基于结构重参数化与多尺度深度监督的COVID-19胸部CT图像自动分割 被引量:5
14
作者 刘金平 吴娟娟 +1 位作者 张荣 徐鹏飞 《电子学报》 EI CAS CSCD 北大核心 2023年第5期1163-1171,共9页
基于深度学习模型的胸部CT(Computed Tomography)图像自动分割有助于辅助医生诊疗.但随着网络宽度与深度的加深,网络训练困难且推理减慢.为提高隐藏层的学习能力,深度监督机制被用于网络训练.但以往的深度监督方法没有考虑模型中多尺度... 基于深度学习模型的胸部CT(Computed Tomography)图像自动分割有助于辅助医生诊疗.但随着网络宽度与深度的加深,网络训练困难且推理减慢.为提高隐藏层的学习能力,深度监督机制被用于网络训练.但以往的深度监督方法没有考虑模型中多尺度特征图的分层表示以及上采样对参与损失计算的特征图质量的影响.为加强隐藏层学习过程的直接性同时加快网络推理,本文提出一种结构重参数化与多尺度深度监督分割网络(Structural Reparameterization and Multi-scale Deep Supervision Network,SR&MDS-Net),以实现COVID-19(COrona VIrus Disease 2019)胸部CT图像的高效准确分割.首先构建一种结构重参数化特征变异(Structure Reparameterized Featurev ariation,SRFV)模块将网络的训练与推理进行解耦,在提高模型表达能力的同时加快推理速度;然后,提出一种新颖的多尺度深度监督机制,以加强网络监督效果,提高网络性能.在公开的COVID-19胸部CT图像数据集上进行实验,SR&MDSNet的灵敏度、特异性、准确率、Dice分别达到了91.5%、99.5%、72.8%、80.1%,与同类其他方法比较,具有更优的性能. 展开更多
关键词 COVID-19 医学图像分割 深度学习 U-Net 结构参数 深度监督学习
下载PDF
改进SSD的可回收垃圾检测方法 被引量:6
15
作者 耿丽婷 阿里甫·库尔班 +2 位作者 米娜瓦尔·阿不拉 丁培 蒋润熙 《计算机工程与应用》 CSCD 北大核心 2022年第23期293-299,共7页
目前我国可回收垃圾的回收利用主要依靠人工分拣的方式,造成了人力资源浪费、资源利用率低等问题。为提高资源的回收利用,提出了一个基于改进single shot multibox detector(SSD)算法的可回收垃圾检测器。针对模型参数量大,难以部署应... 目前我国可回收垃圾的回收利用主要依靠人工分拣的方式,造成了人力资源浪费、资源利用率低等问题。为提高资源的回收利用,提出了一个基于改进single shot multibox detector(SSD)算法的可回收垃圾检测器。针对模型参数量大,难以部署应用的问题,选用新的主干特征提取网络,引入轻量化的网络RepVGG替换SSD中的VGG16网络,同时采用结构重参数化的方式大幅减少参数量和计算量。修改SSD的辅助卷积层结构,进一步减少参数量。针对数据集尺寸变化大的问题,引入SK模块,自适应调整感受野的尺寸,提高检测精度。实验结果表明,改进的SSD模型在可回收垃圾检测任务上具有较好的检测精度和实时性,精度为95.23%,相较于原始SSD提升了4.33个百分点,检测速度可以达到64 FPS,因此该算法可以更好地应用于工业。 展开更多
关键词 可回收垃圾检测 SSD算法 结构参数 深度学习
下载PDF
基于弱光环境的车辆识别研究 被引量:2
16
作者 张峻祎 丁冰 丁洁 《现代电子技术》 北大核心 2024年第7期17-24,共8页
由于图像在弱光环境下具有低曝光、前景背景融合、对比度低等问题,因此难以在弱光环境下有效、实时检测图像中的目标车辆。目前为了提高检测效果,通常需要设计较为复杂的神经网络结构或建立额外的对比数据集,但这不仅降低了网络速度,也... 由于图像在弱光环境下具有低曝光、前景背景融合、对比度低等问题,因此难以在弱光环境下有效、实时检测图像中的目标车辆。目前为了提高检测效果,通常需要设计较为复杂的神经网络结构或建立额外的对比数据集,但这不仅降低了网络速度,也会提升网络训练成本。为了解决这一问题,提出一种弱光环境下的车辆识别网络,在该网络中一方面设计了特征提取模块与特征融合模块以提高网络在弱光环境下的检测能力,另一方面使用模块结构重参数化的方法以提高网络的检测速度。实验表明,该网络可在保证检测速度的同时有效地识别弱光环境下的车辆。 展开更多
关键词 弱光环境 车辆检测 神经网络 特征提取 特征融合 模块结构参数
下载PDF
柴油机颗粒物热重参数优化选择及其氧化特性研究 被引量:5
17
作者 梅德清 赵翔 +2 位作者 陈鬃 袁银男 孙平 《内燃机工程》 EI CAS CSCD 北大核心 2015年第6期20-26,共7页
探究了柴油机颗粒物中可溶有机成分(soluble organic fraction,SOF)及热重参数对碳烟氧化特性的影响,并基于Coats-Redfern算法得到不同升温速率下碳烟的氧化动力学参数。研究结果表明:在碳烟缓慢氧化阶段,柴油机颗粒中SOF组分阻碍了碳... 探究了柴油机颗粒物中可溶有机成分(soluble organic fraction,SOF)及热重参数对碳烟氧化特性的影响,并基于Coats-Redfern算法得到不同升温速率下碳烟的氧化动力学参数。研究结果表明:在碳烟缓慢氧化阶段,柴油机颗粒中SOF组分阻碍了碳烟氧化反应的进行,而脱SOF后碳烟比表面积增大,更利于氧化反应的进行。与脱SOF前相比,脱SOF后相应的氧化特征温度均有所降低,因而颗粒物去除SOF后的热重试验更能反应碳烟的氧化动力学特性。通过比较试验,确定进样量、工作气流量和升温速率等热重参数的优化取值,其中升温速率对碳烟氧化燃烧反应的影响显著。随着升温速率增大,碳烟氧化反应出现滞后现象,其特征温度升高且最大失重率峰值降低,而升温速率对碳烟热解程度和氧化反应温度区间大小无明显影响。通过对比分析,低升温速率(3℃/min)条件下扩散控制可以忽略不计,氧化特征温度重复性最好。不同升温速率下碳烟燃烧反应动力学参数活化能E和指前因子A之间存在动力学补偿效应,E与A均随升温速率的降低而减小。 展开更多
关键词 内燃机 颗粒物 参数 燃烧特性 动力学参数
下载PDF
STC-YOLOv8:一种解决复杂背景下的钢材表面缺陷的检测方法 被引量:1
18
作者 黄奥国 罗小玲 潘新 《内蒙古农业大学学报(自然科学版)》 CAS 北大核心 2024年第5期67-76,共10页
由于钢材表面缺陷尺寸小且背景复杂,传统检测方法在此类场景中常出现漏检和误检问题,且检测精度低、效率慢。本文提出了一种基于YOLOv8n的改进方法,称为STC-YOLOv8,旨在在时间成本不变的情况下提高钢材表面缺陷检测的精度。首先,将主干... 由于钢材表面缺陷尺寸小且背景复杂,传统检测方法在此类场景中常出现漏检和误检问题,且检测精度低、效率慢。本文提出了一种基于YOLOv8n的改进方法,称为STC-YOLOv8,旨在在时间成本不变的情况下提高钢材表面缺陷检测的精度。首先,将主干网络的卷积层替换为SAConv,利用其全局性和大感受野特性,增强模型对小目标特征的提取能力;其次,将原模型的上采样方法替换为CARAFE,通过动态调整插值位置,提升模型对边缘特征和相似特征的提取能力。此外,在检测头中引入多分支结构的重参数模块,进一步增强模型的特征提取能力;最后,针对目标样本较小和部分目标信息难以提取的问题,本文引入了迁移学习策略,增强了模型的泛化性和稳定性。实验结果表明:改进后的STC-YOLOv8模型在数据增强后的NEU-DET数据集上的mAP@0.5达到82.4%,相比原模型YOLOv8n提高了3.8%;在GC10-DET数据集上的mAP@0.5达到66%,提高了2.9%。研究验证了本方法的有效性和稳定性,能够满足钢材表面缺陷检测的实际需求。 展开更多
关键词 缺陷检测 YOLOv8n SAConv CARAFE 参数
原文传递
基于重参数化和联合分支的城市地下管道缺陷检测 被引量:1
19
作者 周彬 蓝雯飞 +1 位作者 李波 姚为 《中南民族大学学报(自然科学版)》 CAS 2024年第5期650-659,共10页
城市地下管道是城市重要的基础设施之一,及时排查管道缺陷对城市的发展起着较为重要的作用,针对目前的管道缺陷检测模型参数量大、实时性较差等问题,提出一种改进的FCOS城市地下管道缺陷检测方法.首先,引入轻量的MobileOne网络,通过结... 城市地下管道是城市重要的基础设施之一,及时排查管道缺陷对城市的发展起着较为重要的作用,针对目前的管道缺陷检测模型参数量大、实时性较差等问题,提出一种改进的FCOS城市地下管道缺陷检测方法.首先,引入轻量的MobileOne网络,通过结构重参数化将多分支网络转换为单分支网络,减小模型规模;然后引入分类和IoU的联合分支使模型的训练和推理过程保持一致,并利用平衡因子优化QFL损失函数,提升模型分类预测效果.实验结果表明:改进后的FCOS模型相比于基线模型的平均精度提升1.83%,检测速度FPS达到48.6,模型参数量下降17.85 M,有效提升了城市地下管道缺陷检测性能,并且相比于其他优秀的目标检测算法,也具有一定的优势. 展开更多
关键词 城市地下管道 缺陷检测 FCOS算法 参数 联合分支 QFL损失函数
下载PDF
轻量级重参数化的遥感图像超分辨率重建网络设计 被引量:1
20
作者 易见兵 陈俊宽 +2 位作者 曹锋 李俊 谢唯嘉 《光学精密工程》 EI CAS CSCD 北大核心 2024年第2期268-285,共18页
针对当前基于深度学习的遥感图像超分辨率重建模型部署时对硬件要求较高,本文设计了一种轻量级基于重参数化的残差特征遥感图像超分辨率重建网络。首先,采用重参数化方法设计了一种残差局部特征模块,以有效地提取图像局部特征;同时考虑... 针对当前基于深度学习的遥感图像超分辨率重建模型部署时对硬件要求较高,本文设计了一种轻量级基于重参数化的残差特征遥感图像超分辨率重建网络。首先,采用重参数化方法设计了一种残差局部特征模块,以有效地提取图像局部特征;同时考虑到图像内部出现的相似特征,设计了一个轻量级的全局上下文模块对图像的相似特征进行关联以提升网络的特征表达能力,并通过调整该模块的通道压缩倍数来减少模型的参数量和改善模型的性能;最后,在上采样模块前使用多层特征融合模块聚合所有的深度特征,以产生更全面的特征表示。在UC Merced遥感数据集上进行测试,该算法在遥感图像3倍超分辨率下的参数量为539 K,峰值信噪比为30.01 dB,结构相似性为0.8449,模型的推理时间为0.010 s;而HSENet算法的参数量为5470 K,峰值信噪比为30.00 dB,结构相似性为0.8420,模型的推理时间为0.059 s。实验结果表明,该算法相比HSENet算法,参数量更少,运行速度较快,且峰值信噪比与结构相似性也有一定的提高。在DIV2K自然图像数据集上进行测试,该算法的峰值信噪比和结构相似性相比其他算法也有一定的优势,表明该算法的泛化能力较强。 展开更多
关键词 超分辨率 遥感图像 全局上下文 参数 残差网络
下载PDF
上一页 1 2 6 下一页 到第
使用帮助 返回顶部