-
题名基于集中式特征金字塔的交通标志识别
- 1
-
-
作者
李文举
刘子琼
张干
崔柳
-
机构
上海应用技术大学计算机科学与信息工程学院
-
出处
《计算机仿真》
2024年第8期118-126,共9页
-
基金
国家自然科学基金资助项目(61903256,61973307)。
-
文摘
针对目前交通标志识别技术中存在的畸变目标、小目标检测难等问题,提出一种基于集中式特征金字塔的交通标志识别算法。首先,使用集中式特征金字塔改进原始的特征融合网络,用轻量级多层感知机(MLP)来捕获全局远程依赖,通过可学习视觉中心机制(LVC)来捕获输入图像的局部角区域,提高了对畸变目标以及小目标的检测精度;其次,使用递归门控卷积提取浅层特征图的高阶空间交互信息,改善对小目标的检测效果;最后,使用SIoU回归损失函数,引入角度损失,重新定义惩罚指标,减少总损失的自由度,防止预测框在训练时四处游荡,加快收敛速度,使定位更加精确。在TT100K数据集上平均检测精度为93.4%,和传统的YOLOv5n相比精度提升了3.5个百分点,帧处理速度达到94.34fps。
-
关键词
集中式特征金字塔
递归门控卷积
交通标志识别
目标检测
-
Keywords
centralized feature pyramid
Recursive gated convolution
Traffic sign recognition
Target detection
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进YOLOv7的线束缺陷检测研究
- 2
-
-
作者
袁海兵
赵凤胜
杨奕洋
吴俊
-
机构
湖北汽车工业学院机械工程学院
-
出处
《国外电子测量技术》
2024年第2期165-173,共9页
-
基金
教育部产学合作协同育人项目(201902016046,201902118034)
湖北省科技厅企业创新发展项目(2021BAB018)
十堰市科学技术研究指导项目(16Y97)资助。
-
文摘
针对目前线束端子压接缺陷检测过程中存在检测效率低、误检率高等问题,提出一种基于改进YOLOv7的线束缺陷检测方法。为提高算法的检测精度,在YOLOv7主干网络中添加归一化注意力模块(NAM),加强对检测目标的定位和识别;在颈部构建多尺度的集中特征金字塔网络(CFP),以捕捉不同尺度下的目标信息,加深对图像深层特征的提取;使用SIoU Loss替换CIoU Loss优化训练模型,在加快模型收敛的同时提高预测框的回归精度。实验结果表明,改进后的YOLOv7网络模型准确率达95.8%,召回率达94.5%,均值平均精度达97.6%,与原模型相比分别提高了5.0%、4.8%和3.3%,模型大小90.5 MB,检测时间为48 ms,有效提高了模型的检测精度。最后,使用PyQt5开源框架设计了线束端子压接缺陷检测系统,实现了端子压接缺陷检测的自动化和可视化,提高了缺陷检测效率,可以满足生产企业的需求。
-
关键词
线束端子压接
缺陷检测
YOLOv7
注意力机制
集中特征金字塔
-
Keywords
crimping of wiring harness terminals
defect detection
YOLOv7
attention mechanisms
centralized feature pyramid(CFP)
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
