期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进YOLOv7的海产品检测方法
1
作者
孔令砚
李占英
+1 位作者
任立秋
高宇
《应用科技》
CAS
2024年第5期14-19,共6页
针对传统的目标检测算法对水下海产品存在错检漏检的问题,采用基于YOLOv7对海产品检测方法进行改进。首先使用多尺度训练策略,使模型从不同尺寸的图像中获得特征,增强模型获取特征的能力。其次,将快速空间金字塔模块(spatial pyramid po...
针对传统的目标检测算法对水下海产品存在错检漏检的问题,采用基于YOLOv7对海产品检测方法进行改进。首先使用多尺度训练策略,使模型从不同尺寸的图像中获得特征,增强模型获取特征的能力。其次,将快速空间金字塔模块(spatial pyramid pooling–fast cross stage partial channel,SPPFCSPC)加入模型中,对原模型中的空间金字塔模块(spatial pyramid pooling cross stage partial channel,SPPCSPC)进行优化,在保持感受野和模型计算量、参数量不变的情况下,提升推理速度。最后,使用高效交并比(efficient intersection over union,EIoU)代替全面交并比(complete intersection over union,CIoU)作为定位损失函数,降低模型的错检率和漏检率。通过实验证明,对比YOLOv7,改进模型的平均精度均值(mean average precision,mAP)提升了1.4%,帧率(frames per second,FPS)提升了6.4,具有更高的检测精度和更快的检测速度。
展开更多
关键词
模式识别
计算机视觉
深度学习
海产品识别
多尺度训练
YOLOv7
高效
交并
比
快速空间金字塔模块
下载PDF
职称材料
基于改进SSD的工件定位算法
被引量：
1
2
作者
李琳
符明恒
+1 位作者
张铁
邹焱飚
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2023年第6期1260-1269,共10页
工业机器人完成工件的拾取、分拣与装配等任务,需要获得准确的位置信息。而目标检测算法的回归损失函数的设定会直接影响预测框的定位准确性。针对SSD原始回归损失函数忽略4个边界信息的相关性及与评价指标IoU变化不匹配等问题,提出了...
工业机器人完成工件的拾取、分拣与装配等任务,需要获得准确的位置信息。而目标检测算法的回归损失函数的设定会直接影响预测框的定位准确性。针对SSD原始回归损失函数忽略4个边界信息的相关性及与评价指标IoU变化不匹配等问题,提出了一种基于改进SSD的工件定位算法。所提算法以高效交并比(EIoU)为SSD的回归损失函数,将4个边界信息作为一个整体,并添加了中心点损失和边长损失2个惩罚项分别表征预测框与真实框的中心点相对距离和边长差异,解决了边框回归不准确的问题。实验结果表明:所提算法能把定位平均误差控制在0.18 mm以内,误差峰值控制在0.76 mm以内。所提算法能有效提高工件的定位精度,适用于不同类型的工件或其他类似的定位任务,具有良好的工业应用前景。
展开更多
关键词
工件
定位
损失函数
单步多框目标检测
高效
交并
比
下载PDF
职称材料
基于改进YOLOX算法的杨梅成熟度检测方法
3
作者
项新建
周焜
+2 位作者
费正顺
郑永平
姚佳娜
《中国农机化学报》
北大核心
2023年第10期201-208,共8页
为实现杨梅采摘智能化,开发杨梅成熟度检测设备,提出一种基于改进YOLOX-NANO算法的杨梅果实成熟度检测方法。通过在特征加强提取网络层中引入通道注意力模块,提高网络对通道特征的提取能力;引入焦点损失函数代替标准交叉熵损失函数,解...
为实现杨梅采摘智能化,开发杨梅成熟度检测设备,提出一种基于改进YOLOX-NANO算法的杨梅果实成熟度检测方法。通过在特征加强提取网络层中引入通道注意力模块,提高网络对通道特征的提取能力;引入焦点损失函数代替标准交叉熵损失函数,解决单阶段网络正负样本不均衡问题,避免梯度方向指向非最优解;使用高效交并比损失函数,提高网络模型对目标识别的准确率。试验结果表明,在自建数据集上与原YOLOX-NANO相比,改进YOLOX-NANO算法对于三种不同成熟度杨梅果实的识别精度均有提升,平均精度达到92.67%,而网络模型大小只增加0.059 MB,推理速度不变,在精度达到与标准结构网络相当的前提下,更易于部署到嵌入式设备中。
展开更多
关键词
杨梅
YOLOX-NANO算法
通道注意力机制
焦点损失函数
高效
交并
比
下载PDF
职称材料
题名
基于改进YOLOv7的海产品检测方法
1
作者
孔令砚
李占英
任立秋
高宇
机构
大连工业大学信息科学与工程学院
出处
《应用科技》
CAS
2024年第5期14-19,共6页
基金
辽宁省教育厅自然科学基金资助项目(JGLX2021030)。
文摘
针对传统的目标检测算法对水下海产品存在错检漏检的问题,采用基于YOLOv7对海产品检测方法进行改进。首先使用多尺度训练策略,使模型从不同尺寸的图像中获得特征,增强模型获取特征的能力。其次,将快速空间金字塔模块(spatial pyramid pooling–fast cross stage partial channel,SPPFCSPC)加入模型中,对原模型中的空间金字塔模块(spatial pyramid pooling cross stage partial channel,SPPCSPC)进行优化,在保持感受野和模型计算量、参数量不变的情况下,提升推理速度。最后,使用高效交并比(efficient intersection over union,EIoU)代替全面交并比(complete intersection over union,CIoU)作为定位损失函数,降低模型的错检率和漏检率。通过实验证明,对比YOLOv7,改进模型的平均精度均值(mean average precision,mAP)提升了1.4%,帧率(frames per second,FPS)提升了6.4,具有更高的检测精度和更快的检测速度。
关键词
模式识别
计算机视觉
深度学习
海产品识别
多尺度训练
YOLOv7
高效
交并
比
快速空间金字塔模块
Keywords
pattern recognition
computer vision
deep learning
seafood detection
multi-scale training
YOLOv7
EIoU
spatial pyramid pooling-fast cross stage partial channel
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于改进SSD的工件定位算法
被引量：
1
2
作者
李琳
符明恒
张铁
邹焱飚
机构
华南理工大学机械与汽车工程学院
出处
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2023年第6期1260-1269,共10页
基金
广东省科技计划(2020A0103010)。
文摘
工业机器人完成工件的拾取、分拣与装配等任务,需要获得准确的位置信息。而目标检测算法的回归损失函数的设定会直接影响预测框的定位准确性。针对SSD原始回归损失函数忽略4个边界信息的相关性及与评价指标IoU变化不匹配等问题,提出了一种基于改进SSD的工件定位算法。所提算法以高效交并比(EIoU)为SSD的回归损失函数,将4个边界信息作为一个整体,并添加了中心点损失和边长损失2个惩罚项分别表征预测框与真实框的中心点相对距离和边长差异,解决了边框回归不准确的问题。实验结果表明:所提算法能把定位平均误差控制在0.18 mm以内,误差峰值控制在0.76 mm以内。所提算法能有效提高工件的定位精度,适用于不同类型的工件或其他类似的定位任务,具有良好的工业应用前景。
关键词
工件
定位
损失函数
单步多框目标检测
高效
交并
比
Keywords
workpiece
location
loss function
single shot multibox detector
efficient intersection over union
分类号
TP391.7 [自动化与计算机技术—计算机应用技术]
TP249 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
基于改进YOLOX算法的杨梅成熟度检测方法
3
作者
项新建
周焜
费正顺
郑永平
姚佳娜
机构
浙江科技学院
出处
《中国农机化学报》
北大核心
2023年第10期201-208,共8页
基金
浙江省自然科学基金(LY19F030004)
浙江省重点研发计划项目(2018C01085)
浙江省自然科学基金(LQ15F030006)。
文摘
为实现杨梅采摘智能化,开发杨梅成熟度检测设备,提出一种基于改进YOLOX-NANO算法的杨梅果实成熟度检测方法。通过在特征加强提取网络层中引入通道注意力模块,提高网络对通道特征的提取能力;引入焦点损失函数代替标准交叉熵损失函数,解决单阶段网络正负样本不均衡问题,避免梯度方向指向非最优解;使用高效交并比损失函数,提高网络模型对目标识别的准确率。试验结果表明,在自建数据集上与原YOLOX-NANO相比,改进YOLOX-NANO算法对于三种不同成熟度杨梅果实的识别精度均有提升,平均精度达到92.67%,而网络模型大小只增加0.059 MB,推理速度不变,在精度达到与标准结构网络相当的前提下,更易于部署到嵌入式设备中。
关键词
杨梅
YOLOX-NANO算法
通道注意力机制
焦点损失函数
高效
交并
比
Keywords
Myrica rubra
YOLOX-NANO algorithm
ECA
Focal Loss
EIoU
分类号
S667.6 [农业科学—果树学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进YOLOv7的海产品检测方法
孔令砚
李占英
任立秋
高宇
《应用科技》
CAS
2024
0
下载PDF
职称材料
2
基于改进SSD的工件定位算法
李琳
符明恒
张铁
邹焱飚
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2023
1
下载PDF
职称材料
3
基于改进YOLOX算法的杨梅成熟度检测方法
项新建
周焜
费正顺
郑永平
姚佳娜
《中国农机化学报》
北大核心
2023
0
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
