基于YOLOv5的舰船目标及关键部位检测算法 被引量：22

1

作者 钱坤 李晨瑄 +1 位作者 陈美杉 王瑶 《系统工程与电子技术》 EI CSCD 北大核心 2022年第6期1823-1832,共10页

为进一步提升对可见光图像中水面舰船目标的检测识别成功率,提出一种基于YOLOv5的舰船目标识别算法。使用基于随机池化方法的空间金字塔池化网络,运用双向特征金字塔网络进行多尺度特征融合,采用指数线性单元函数作为激活函数加快网络... 为进一步提升对可见光图像中水面舰船目标的检测识别成功率,提出一种基于YOLOv5的舰船目标识别算法。使用基于随机池化方法的空间金字塔池化网络,运用双向特征金字塔网络进行多尺度特征融合,采用指数线性单元函数作为激活函数加快网络训练收敛速度,提升算法鲁棒性,从而实现了对水面舰船目标和舰船关键部位的快速准确识别。通过在舰船目标及其关键部位数据集上实验验证,对比多个经典目标检测方法,在识别准确率上均有不同程度提升,对比原YOLOv5s模型,平均精度均值提升3.03%,速度提升2 FPS,模型保持了YOLOv5轻量化的特点,在应用部署上有良好前景。 展开更多

关键词 YOLOv5 随机池化 双向特征金字塔网络 指数线性单元函数

下载PDF 职称材料

基于CBA-YOLO模型的煤矸石检测 被引量：12

2

作者 桂方俊 李尧 《工矿自动化》 北大核心 2022年第6期128-133,共6页

煤矸石检测中存在样本间特征差异小、目标密集等问题,导致现有煤矸石检测方法精度不高且实时性较差。针对该问题,提出了一种基于CBA-YOLO模型的煤矸石检测方法。CBA-YOLO模型以速度较快、精度较高的YOLOv5m为基础模型,在YOLOv5m的Backb... 煤矸石检测中存在样本间特征差异小、目标密集等问题,导致现有煤矸石检测方法精度不高且实时性较差。针对该问题,提出了一种基于CBA-YOLO模型的煤矸石检测方法。CBA-YOLO模型以速度较快、精度较高的YOLOv5m为基础模型,在YOLOv5m的Backbone中加入卷积块注意力模块(CBAM),通过串联空间注意力模块和通道注意力模块,在聚焦特征差异的同时降低数据维度,提高煤矸石检测性能;在Neck部分采用双向特征金字塔网络(BiFPN)结构,通过融合不同尺度的特征提高模型计算效率,从而提升煤矸石检测速度;在Prediction部分采用Alpha-IoU函数作为损失函数,通过设置权重系数加速对高置信度目标的学习,进一步提高煤矸石检测精度。实验结果表明:CBA-YOLO模型对煤矸石的平均检测精度达98.2%,比YOLOv5模型提高了3.4%,检测速度提升了10%;CBA-YOLO模型的鲁棒性更强,可有效避免漏检、误检和重叠现象。 展开更多

关键词 煤矸石检测 YOLOv5 CBA-YOLO 深度学习 注意力机制 双向特征金字塔网络 损失函数

下载PDF 职称材料

结合主动光源和改进YOLOv5s模型的夜间柑橘检测方法 被引量：1

3

作者 熊俊涛 霍钊威 +4 位作者 黄启寅 陈浩然 杨振刚 黄煜华 苏颖苗 《华南农业大学学报》 CAS CSCD 北大核心 2024年第1期97-107,共11页

【目的】解决夜间环境下遮挡和较小柑橘难以准确识别的问题,实现采摘机器人全天候智能化作业。【方法】提出一种结合主动光源的夜间柑橘识别方法。首先,通过分析主动光源下颜色特征不同的夜间柑橘图像,选择最佳的光源色并进行图像采集... 【目的】解决夜间环境下遮挡和较小柑橘难以准确识别的问题,实现采摘机器人全天候智能化作业。【方法】提出一种结合主动光源的夜间柑橘识别方法。首先,通过分析主动光源下颜色特征不同的夜间柑橘图像,选择最佳的光源色并进行图像采集。然后,提出一种夜间柑橘检测模型BI-YOLOv5s,该模型采用双向特征金字塔网络(Bi-FPN)进行多尺度交叉连接和加权特征融合,提高对遮挡和较小果实的识别能力;引入Coordinate attention(CA)注意力机制模块,进一步加强对目标位置信息的提取;采用融入Transformer结构的C3TR模块,在减少计算量的同时更好地提取全局信息。【结果】本文提出的BI-YOLOv5s模型在测试集上的精准率、召回率、平均准确率分别为93.4%、92.2%和97.1%,相比YOLOv5s模型分别提升了3.2、1.5和2.3个百分点。在所采用的光源色环境下,模型对夜间柑橘识别的正确率为95.3%,相比白光环境下提高了10.4个百分点。【结论】本文提出的方法对夜间环境下遮挡和小目标柑橘的识别具有较高的准确性,可为夜间果蔬智能化采摘的视觉精准识别提供技术支持。 展开更多

关键词 柑橘 夜间检测 主动光源 双向特征金字塔网络 YOLOv5s HSV颜色空间

下载PDF 职称材料

基于改进YOLOv5的织物缺陷检测

4

作者 陈淼 张胜利 季坚莞 《毛纺科技》 CAS 北大核心 2024年第1期99-106,共8页

鉴于织物表面纹理复杂导致织物缺陷检测准确率低以及小目标检测困难等问题,提出一种基于改进YOLOv5的织物缺陷检测算法。首先,在YOLOv5的骨干网络上,增加CBAM注意力机制,从而强化有用的特征信息弱化无用的特征信息;其次,将Neck层的路径... 鉴于织物表面纹理复杂导致织物缺陷检测准确率低以及小目标检测困难等问题,提出一种基于改进YOLOv5的织物缺陷检测算法。首先,在YOLOv5的骨干网络上,增加CBAM注意力机制,从而强化有用的特征信息弱化无用的特征信息;其次,将Neck层的路径聚合网络(PANet)用加权双向特征金字塔网络(Bi-FPN)替换,从而更好地平衡多尺度特征信息,提高小目标检测的特征能力。最后,通过改进损失函数,使用Focal EIOU Loss损失函数来代替CIOU Loss损失函数,不仅使得收敛速度更快,而且可以有效的解决难易样本不平衡问题。实践证明:改进后的训练模型平均精度均值mAP值为84.5%,比未改进增加了4.7%,可满足实际生产中的织物缺陷检测要求。 展开更多

关键词 YOLOv5 缺陷检测 注意力机制 加权双向特征金字塔 Focal EIOU Loss

下载PDF 职称材料

基于目标检测的药品外观识别

5

作者 张小禹 邓健志 +1 位作者 罗俊 徐嘉庆 《中国现代应用药学》 CAS CSCD 北大核心 2024年第7期983-989,共7页

目的在药品调剂过程中,利用计算机视觉技术识别药品容易受到光照、角度以及包装等因素的影响,会产生较大的识别误差。因此,本文提出了一种用于药品外观识别的目标检测算法(YOLOv4-GhostNet-CMB)。方法首先,该算法使用GhostNet结构重新设... 目的在药品调剂过程中,利用计算机视觉技术识别药品容易受到光照、角度以及包装等因素的影响,会产生较大的识别误差。因此,本文提出了一种用于药品外观识别的目标检测算法(YOLOv4-GhostNet-CMB)。方法首先,该算法使用GhostNet结构重新设计YOLOv4的骨干特征提取网络;其次,在Ghost模块中融合CA注意力机制,沿着水平和垂直方向聚合特征,增强模型对药品的精确定位能力;最后,通过引入Bi-FPN特征金字塔结构与新主干相连,并新增了一个特征图输出,加强特征的提取,增强药品的识别率。结果YOLOv4-GhostNet-CMB算法平均准确率可达到92.31%,与YOLOv4算法相比提升了4.49%。结论本方法能够有效识别药品,且模型大小仅有150 M。 展开更多

关键词 目标检测 YOLOv4 药品外观识别 GhostNet 注意力机制 双向特征金字塔网络

原文传递

基于改进全卷积一阶检测器的桥梁裂缝定位算法 被引量：3

6

作者 贾林 李琦 梁栋 《信息与控制》 CSCD 北大核心 2022年第3期369-376,共8页

为解决桥梁裂缝检测时定位速度慢的问题,提出一种基于全卷积一阶(FCOS)检测器的裂缝定位改进算法。本算法采用FCOS网络模型,利用轻量级骨干网络Efficientnet提取裂缝图像特征,作为改进措施,引入加权双向特征金字塔网络(BiFPN)融合裂缝... 为解决桥梁裂缝检测时定位速度慢的问题,提出一种基于全卷积一阶(FCOS)检测器的裂缝定位改进算法。本算法采用FCOS网络模型,利用轻量级骨干网络Efficientnet提取裂缝图像特征,作为改进措施,引入加权双向特征金字塔网络(BiFPN)融合裂缝图像不同尺度的特征,从而进一步增强骨干网络的视觉特征提取效果。在自制数据集上进行实验,结果表明:本算法可以快速定位桥梁裂缝,与FCOS相比,在确保平均精度的同时,检测速度提升了10.4帧/s;相较于Faster-RCNN、Yolo4、Efficientdet等方法,检测速度和平均精度都具有明显的优势。 展开更多

关键词 裂缝定位 目标检测 全卷积一阶检测器 双向特征金字塔网络

原文传递

基于全卷积网络的X光图像违禁物品检测方法

7

作者 李舒婷 姜永峰 张良 《计算机工程与设计》 北大核心 2021年第11期3188-3195,共8页

针对安检通道中人工检测违禁物品导致效率低的问题,提出一种基于全卷积网络改进的X光图像违禁物品检测方法。采用单阶段检测算法提高计算速度和简化模型,实现无锚框情况下的逐像素检测;构建双向特征金字塔进行多尺度融合,一定程度上解... 针对安检通道中人工检测违禁物品导致效率低的问题,提出一种基于全卷积网络改进的X光图像违禁物品检测方法。采用单阶段检测算法提高计算速度和简化模型,实现无锚框情况下的逐像素检测;构建双向特征金字塔进行多尺度融合,一定程度上解决物品重叠的问题并降低漏检率;改进损失函数实现高效的模型训练,减少内存占用和低质量的计算。实验结果表明,所提算法能够在民航安检应用中实现准确、高效的智能X光图像中违禁物品的检测。 展开更多

关键词 安检判图 全卷积网络 X光图像 违禁物品检测 双向特征金字塔

下载PDF 职称材料

基于改进YOLOv4的轻量化目标检测算法 被引量：20

8

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 职称材料

一种基于YOLOv4⁃TIA的林业害虫实时检测方法 被引量：18

9

作者 候瑞环 杨喜旺 +1 位作者 王智超 高佳鑫 《计算机工程》 CAS CSCD 北大核心 2022年第4期255-261,共7页

针对现有基于深度学习的林业昆虫图像检测方法存在检测精度低和检测速度慢的问题,提出一种结合改进PANet结构与三分支注意力机制的目标检测方法YOLOv4-TIA。通过对样本数量较少的昆虫类别进行数据增强,实现样本均衡分布。利用三分支注... 针对现有基于深度学习的林业昆虫图像检测方法存在检测精度低和检测速度慢的问题,提出一种结合改进PANet结构与三分支注意力机制的目标检测方法YOLOv4-TIA。通过对样本数量较少的昆虫类别进行数据增强,实现样本均衡分布。利用三分支注意力机制改进YOLOv4中的CSPDarkNet53骨干网络,同时通过旋转操作和残差变换建立维度间的依存关系,以提高有效的特征通道权重,在PANet结构上增加将跳跃连接与跨尺度连接相结合的特征融合方式,从而获取更丰富的语义信息和位置信息。在此基础上,采用Focal loss函数优化分类损失,解决正负样本不均衡的问题。实验结果表明,该方法的精确率和召回率分别达到85.9%和91.2%,相比SSD、Faster R-CNN、YOLOv4方法,其在保证检测速度的同时,能够有效提高检测精度,且实现对林业害虫的实时精确监测。 展开更多

关键词 林业害虫检测 YOLOv4模型 深度学习 三分支注意力 Focal loss函数 加权双向特征金字塔网络

下载PDF 职称材料

基于多尺度特征融合的红外单目测距算法 被引量：8

10

作者 刘斌 李港庆 +2 位作者 安澄全 王水根 王建生 《计算机应用》 CSCD 北大核心 2022年第3期804-809,共6页

由于MonoDepth2的提出,无监督单目测距在可见光领域取得了重大发展;然而在某些场景例如夜间以及一些低能见度的环境,可见光并不适用,而红外热成像可以在夜间和低能见度条件下获得清晰的目标图像,因此对于红外图像的深度估计显得尤为必... 由于MonoDepth2的提出,无监督单目测距在可见光领域取得了重大发展;然而在某些场景例如夜间以及一些低能见度的环境,可见光并不适用,而红外热成像可以在夜间和低能见度条件下获得清晰的目标图像,因此对于红外图像的深度估计显得尤为必要。由于可见光和红外图像的特性不同,直接将现有可见光单目深度估计算法迁移到红外图像是不合理的。针对该问题,对MonoDepth2算法进行改进,提出了基于多尺度特征融合的红外单目测距算法。针对红外图像低纹理的特性设计了一项新的损失函数边缘损失函数,旨在降低图像重投影时的像素误匹配。不同于以往的无监督单目测距单纯地将四个尺度的深度图统一上采样到原图像分辨率计算投影误差而忽略了尺度之间的关联性以及不同尺度之间的贡献差异,将加权的双向特征金字塔网络(BiFPN)应用于多尺度深度图的特征融合,解决了深度图边缘模糊问题。另外用跨阶段部分网络(CSPNet)替换残差网络(ResNet)结构,以降低网络复杂度并提高运算速度。实验结果表明,边缘损失更适合红外图像测距,使得深度图质量更高;在加入BiFPN结构之后,深度图像的边缘更加清晰;将ResNet替换为CSPNet之后,推理速度提高了大约20个百分点。该算法能够准确估计出红外图像的深度,解决夜间低光照场景以及一些低能见度场景下的深度估计难题;该算法的应用也可以在一定程度上降低汽车辅助驾驶的成本。 展开更多

关键词 无监督 单目测距 红外图像 双向特征金字塔网络 跨阶段部分网络

下载PDF 职称材料

基于改进YOLOv5的火龙果成熟度识别方法 被引量：5

11

作者 马瑞峻 何浣冬 +3 位作者 陈瑜 赖宇豪 焦锐 唐昊 《沈阳农业大学学报》 CAS CSCD 北大核心 2023年第2期196-206,共11页

为实现自然环境下不同成熟度火龙果在不同光照、不同遮挡场景下的精确快速识别,提出了一种基于对YOLOv5的网络模型改进的一种检测模型(PITAYA-YOLOv5)。首先,使用k-means++算法重新生成火龙果数据集的锚框,提高了网络的特征提取能力;其... 为实现自然环境下不同成熟度火龙果在不同光照、不同遮挡场景下的精确快速识别,提出了一种基于对YOLOv5的网络模型改进的一种检测模型(PITAYA-YOLOv5)。首先,使用k-means++算法重新生成火龙果数据集的锚框,提高了网络的特征提取能力;其次,将CSPDarkNet替换成PPLCNet作为骨干网络,并加入SE注意力模块(Squeeze-and-Excitation block),在降低网络参数量的同时保持检测精度;同时加入加权双向特征金字塔网络(Bi-FPN)替换YOLOv5的特征融合网络,提高网络对不同尺度特征图的融合效率;引入αDIoU损失函数,提高了模型的收敛效果。试验结果表明:PITAYA-YOLOv5目标检测模型的平均精度均值为94.90%,较原模型提高1.33个百分点,F1值为91.37%,较原模型提高1.12个百分点,平均检测速度达到20.2 ms,占用内存仅有8.1 M。针对枝条遮挡和果间遮挡下的火龙果检测能力明显增强。对比Faster R-CNN、CenterNet、YOLOv3、YOLOv5以及轻量化骨干网络ShuffleNetv2,该模型具有良好的检测精度和实时性。该模型能够有效地在自然环境下识别并检测火龙果的成熟度,为果园智能管理与早期产量预估等提供了参考。 展开更多

关键词 火龙果 成熟度 深度学习 YOLOv5 轻量化网络 注意力机制 加权双向特征金字塔网络

下载PDF 职称材料

YOLOv5算法的人脸识别检测方法研究 被引量：4

12

作者 宋传旗 《计算机时代》 2023年第7期15-19,共5页

以YOLOv5算法为核心,针对小尺度人脸的识别精准度不高问题进行研究。分析YOLOv5系统结构,研究加权双向特征金字塔网络(BiFPN)的特征融合思想,提出了权重的BiFPN,充分利用深层、浅层以及原始的特征信息,加强了特征融合,减少了卷积过程中... 以YOLOv5算法为核心,针对小尺度人脸的识别精准度不高问题进行研究。分析YOLOv5系统结构,研究加权双向特征金字塔网络(BiFPN)的特征融合思想,提出了权重的BiFPN,充分利用深层、浅层以及原始的特征信息,加强了特征融合,减少了卷积过程中特征信息的丢失,提高了检测精度。采用WiderFace人脸数据集进行改进前后对比训练,得出通过改进YOLOv5结构中的Neck部分,使得算法在少量增加计算量和参数量的情况下,人脸识别精准度(Precision)达到91.2%,召回率(Recall)达到83.4%,检测速度也有所加快。具有较好的检测度与实时性。 展开更多

关键词 人脸识别 双向特征金字塔网络biFPN YOLOv5 检测精度

下载PDF 职称材料

面向拥挤行人检测的改进YOLOv7算法 被引量：1

13

作者 徐芳芯 樊嵘 马小陆 《计算机工程》 CAS CSCD 北大核心 2024年第3期250-258,共9页

针对拥挤行人检测场景下检测算法容易产生漏检与误检的问题,提出一种改进的YOLOv7拥挤行人检测算法。在骨干网络中引入BiFormer视觉变换器和改进的高效层聚合网络(RC-ELAN)模块,通过自注意力机制与注意力模块使骨干网络更多聚焦于被遮... 针对拥挤行人检测场景下检测算法容易产生漏检与误检的问题,提出一种改进的YOLOv7拥挤行人检测算法。在骨干网络中引入BiFormer视觉变换器和改进的高效层聚合网络(RC-ELAN)模块,通过自注意力机制与注意力模块使骨干网络更多聚焦于被遮挡行人的重要特征,有效缓解了目标特征缺失对检测造成的负面影响。采用基于双向特征金字塔网络思想的改进颈部网络,通过转置卷积和改进的Rep-ELAN-W模块使模型可以高效利用中低维特征图中的小目标特征信息,有效提升了模型的小目标行人检测性能。引入高效的完全交并比损失函数,使模型可以进一步收敛至更高精度。在含有大量小目标遮挡行人的WiderPerson数据集上的实验结果表明,与YOLOv7、YOLOv5、YOLOX算法相比,改进的YOLOv7算法的交并比阈值分别取0.5和0.5~0.95时的平均精准度提升了2.5和2.8、9.9和7.1、12.3和10.7个百分点,可较好地应用于拥挤行人检测场景。 展开更多

关键词 机器视觉 拥挤行人检测 注意力机制 YOLO系列算法 双向特征金字塔网络

下载PDF 职称材料

面向带钢表面小目标缺陷检测的改进YOLOv7算法 被引量：1

14

作者 樊嵘 马小陆 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2024年第3期303-308,316,共7页

带钢表面小目标缺陷检测是工业质检领域的研究热点。针对热轧带钢表面缺陷检测任务中小目标缺陷易产生漏检的问题,文章提出一种改进的YOLOv7算法。在骨干网络中融入通道空间注意力模块(convolutional block attention module,CBAM)和可... 带钢表面小目标缺陷检测是工业质检领域的研究热点。针对热轧带钢表面缺陷检测任务中小目标缺陷易产生漏检的问题,文章提出一种改进的YOLOv7算法。在骨干网络中融入通道空间注意力模块(convolutional block attention module,CBAM)和可重参数化卷积模块,以提升小目标特征的提取效率;采用改进的双向特征金字塔网络(bi-directional feature pyramid network,BiFPN)颈部网络替换原有的路径聚合网络(path aggregation network,PANet)颈部网络,实现对小目标缺陷特征的高效提纯;采用解耦检测头进行检测结果输出,使网络在训练时进一步收敛至更高精度。实验结果表明,改进后的YOLOv7算法在小目标带钢缺陷检测场景下检测精度领先YOLOv7算法4.3 AP50精度,领先YOLOv6算法5.0 AP50精度,领先YOLOX算法4.8 AP50精度,说明该算法可以较好地应用于小目标带钢缺陷检测。 展开更多

关键词 机器视觉 缺陷检测 YOLOv7算法 双向特征金字塔网络(biFPN) 注意力机制

下载PDF 职称材料

基于改进YOLOv5的小目标检测 被引量：5

15

作者 黎学飞 童晶 +2 位作者 陈正鸣 包勇 倪佳佳 《计算机系统应用》 2022年第12期242-250,共9页

本文针对图像中小目标难以检测的问题,提出了一种基于YOLOv5的改进模型.在主干网络中,加入CBAM注意力模块增强网络特征提取能力;在颈部网络部分,使用BiFPN结构替换PANet结构,强化底层特征利用;在检测头部分,增加高分辨率检测头,改善对... 本文针对图像中小目标难以检测的问题,提出了一种基于YOLOv5的改进模型.在主干网络中,加入CBAM注意力模块增强网络特征提取能力;在颈部网络部分,使用BiFPN结构替换PANet结构,强化底层特征利用;在检测头部分,增加高分辨率检测头,改善对于微小目标的检测能力.本文算法在人脸瑕疵数据集和无人机数据集VisDrone2019两份数据集上均进行了多次对比实验,结果表明本文算法可以有效地检测小目标. 展开更多

关键词 小目标检测 注意力机制 特征融合 YOLOv5 biFPN

下载PDF 职称材料

基于改进YOLOv8的道路缺陷检测

16

作者 李昊璇 苏艳琼 《测试技术学报》 2024年第5期506-512,共7页

针对道路缺陷小目标在复杂背景下检测精度低、漏检误检率高、泛化能力欠佳的问题,提出了一种改进YOLOv8的道路缺陷检测算法SGBNet。首先,Neck部分用加权双向特征金字塔网络(Bi-directional Feature Pyramid Network, BiFPN)替换PANet,... 针对道路缺陷小目标在复杂背景下检测精度低、漏检误检率高、泛化能力欠佳的问题,提出了一种改进YOLOv8的道路缺陷检测算法SGBNet。首先,Neck部分用加权双向特征金字塔网络(Bi-directional Feature Pyramid Network, BiFPN)替换PANet,提升模型的特征融合能力;其次,Neck引入全局注意力机制(Global Attention Machanism, GAM),在特征融合阶段进行注意力调整,提高检测精度;最后,添加小目标检测层,进一步增强深层语义信息与浅层语义信息的结合,提高对道路缺陷小目标的检测能力。与原始YOLOv8n算法相比,算法SGBNet的精确率、召回率和平均精度分别提升了3.3%, 2.5%和2.5%,实现了对道路缺陷更精准的检测。 展开更多

关键词 道路缺陷检测 双向特征金字塔网络(biFPN) 全局注意力机制(GAM) 小目标检测层

下载PDF 职称材料

基于改进YOLOv7模型的血细胞检测分类

17

作者 刘涛 李明 马金刚 《中国医疗设备》 2024年第9期6-13,共8页

目的探讨改进YOLOv7算法在血细胞图像不同类型细胞自动检测分类中的应用,以提高血细胞识别分类的准确度。方法将滑动窗口变换器模块引入YOLOv7,同时采用加权双向特征金字塔网络结构,使网络能够获取并传递更加丰富的特征信息,使用斯库拉... 目的探讨改进YOLOv7算法在血细胞图像不同类型细胞自动检测分类中的应用,以提高血细胞识别分类的准确度。方法将滑动窗口变换器模块引入YOLOv7,同时采用加权双向特征金字塔网络结构,使网络能够获取并传递更加丰富的特征信息,使用斯库拉交并比损失代替完全交并比损失,实现更加精准的目标框定位。结果通过不同算法在BCCD血细胞数据集上展开实验可得,改进的YOLOv7模型对红细胞、白细胞和血小板的识别准确度分别达到89.3%、98.5%和91.5%,平均准确度达93.1%,相比于原YOLOv7模型提升了2.6%。通过与已发表的血细胞人工智能检测算法进行对比可知,本文算法具有更高的准确度。结论改进的YOLOv7模型可以有效应用于血细胞识别分类任务,为血细胞的检测提供重要的参考价值。 展开更多

关键词 血细胞检测 YOLOv7 神经网络 加权双向特征金字塔网络 斯库拉交并比损失函数

下载PDF 职称材料

基于改进YOLOv5的船舶多尺度SAR图像检测算法

18

作者 李生辉 李晓飞 +1 位作者 宋璋晗 王必祥 《数据采集与处理》 CSCD 北大核心 2024年第1期120-131,共12页

针对复杂场景下合成孔径雷达(Synthetic aperture radar, SAR)图像船舶目标像素尺度差异大和船舶密集排列造成目标漏检的问题,提出一种基于改进YOLOv5的船舶多尺度SAR图像检测算法。对于YOLOv5的颈部网络,采用双向特征金字塔结构(Bi-dir... 针对复杂场景下合成孔径雷达(Synthetic aperture radar, SAR)图像船舶目标像素尺度差异大和船舶密集排列造成目标漏检的问题,提出一种基于改进YOLOv5的船舶多尺度SAR图像检测算法。对于YOLOv5的颈部网络,采用双向特征金字塔结构(Bi-directional feature pyramid network, BiFPN)提升网络多尺度特征融合能力,并在其自下而上的特征融合支路中,基于深度可分离卷积(Depthwise separable convolution, DSC)和通道MLP构建EC-MLP(Enhanced channel-MLP)模块,从而丰富语义信息,提供更充分的船舶目标上下文特征;引入全局注意力机制(Global attention mechanism, GAM),使网络对输入特征进行针对性提取并运算,减少网络的信息丢失;此外,使用SIoU损失函数进一步提高网络的训练收敛速度和检测精度。在SSDD和HRSID数据集上与其他8种方法(Faster R-CNN、Libra R-CNN、FCOS、YOLOv5s、PP-YOLOv2、YOLOX-s、PP-YOLOE-s和YOLOv7-tiny)进行对比实验。实验结果表明:改进后算法在SSDD数据集上的AP50达到了96.7%,在HRSID数据集上AP50达到了95.6%,优于对比方法。 展开更多

关键词 合成孔径雷达 船舶目标检测 双向特征金字塔网络 深度可分离卷积 全局注意力机制

下载PDF 职称材料

基于无人机航拍的绝缘子掉串实时检测研究 被引量：4

19

作者 李登攀 任晓明 颜楠楠 《上海交通大学学报》 EI CAS CSCD 北大核心 2022年第8期994-1003,共10页

由无人机代替人工进行电力绝缘子巡检具有重要意义,针对无人机的上位机算力和存储资源有限的问题,提出一种适用于绝缘子掉串故障检测的实时目标检测改进算法.以YOLOv5s检测网络为基础,将颈部结构中路径聚合网络替换为双向特征金字塔网络... 由无人机代替人工进行电力绝缘子巡检具有重要意义,针对无人机的上位机算力和存储资源有限的问题,提出一种适用于绝缘子掉串故障检测的实时目标检测改进算法.以YOLOv5s检测网络为基础,将颈部结构中路径聚合网络替换为双向特征金字塔网络,以提升特征融合能力;使用DIoU优化损失函数,对模型进行γ系数的通道剪枝和微调,总体上提升检测网络的精度、速度和部署能力;在网络输出处进行图像增强以提升算法可用性.在特殊扩增的绝缘子故障数据集下测试,相较于原始的YOLOv5s算法,改进算法在精度平均值上提升了3.91%,速度提升了25.6%,模型体积下降了59.1%. 展开更多

关键词 无人机 绝缘子掉串 双向特征金字塔网络结构 γ系数剪枝微调 DIoU损失函数 图像增强

下载PDF 职称材料

基于改进YOLOX-s的轻量级型钢表面缺陷检测算法 被引量：1

20

作者 黄啸 吴龙 +1 位作者 黎尧 吕宏泽 《计算机应用》 CSCD 北大核心 2023年第S02期201-208,共8页

单阶段目标检测网络特征融合性能不足,且型钢生产现场计算资源受限,导致型钢表面缺陷检测精度较低。针对上述问题,提出一种改进YOLOX-s的轻量级型钢表面缺陷检测算法。首先,提出一种轻量级双路并行注意力模块并将该模块引入YOLOX-s,以... 单阶段目标检测网络特征融合性能不足,且型钢生产现场计算资源受限,导致型钢表面缺陷检测精度较低。针对上述问题,提出一种改进YOLOX-s的轻量级型钢表面缺陷检测算法。首先,提出一种轻量级双路并行注意力模块并将该模块引入YOLOX-s,以提高网络对缺陷特征的敏感度和提升有效特征的提取效率;其次,在Neck中构建双向特征金字塔网络(BiFPN)加权特征融合路径,促进浅层细节特征与深层语义特征的交互融合,强化网络特征融合能力,并在网络中引入深度可分离卷积(DSC)对模型进行轻量化处理;最后,将模型的边界框回归损失函数替换为完全交并比(CIoU)损失,加快模型收敛,提升预测框的定位精度。在NEU-DET数据集上的实验结果表明,所提算法的平均精度均值(mAP)达到了74.6%,比原始YOLOX-s提升了4.8个百分点,推理帧率达到75.2 frame/s,能够满足实时性检测的需求;生产现场采集的型钢数据集进一步验证了所提算法的可行性。 展开更多

关键词 YOLOX-s 双向特征金字塔网络 并行注意力 完全交并比 损失 深度可分离卷积 型钢表面缺陷检测

下载PDF 职称材料