-
题名基于YOLOv5水下目标检测算法研究与改进
被引量：1
- 1
-
-
作者
罗飞
王润峰
-
机构
成都信息工程大学
-
出处
《通信与信息技术》
2024年第1期34-40,共7页
-
文摘
在水下目标生物的检测过程中,由于水下环境恶劣,水中光线衰弱,以及大多水下生物以小目标的形态出现等问题,使得目前的水下目标检测带来了精度损失问题,为解决相应问题,给出了一种基于YOLOv5s改进的YOLOv5s-water算法来解决。首先通过STR(Swin-Transformer)旋转窗口来对YOLOv5s的主干层(Backbone)部分进行更改,提高模型的泛化能力,进而解决水下环境恶劣以及检测目标形态变化带来的问题。使用FReLU激活函数与CBAM注意力神经机制结合成的FCM注意力机制,将其嵌入到YOLOv5s的骨干网(Neck)部分,以用来突出目标特征并抑制次要信息,从而提高算法精度,加强小目标的特征提取。小目标检测方面,在YOLOv5结构上增加小目标检测头,以提高感受野,进而提高小目标的检测精度。仿真和实验结果表明:所提方法相较于YOLOv5s检测准确率P上升1.47%,精确度mAP@0.5上升2.76%,小目标检测效果明显,证明了方法的有效性。
-
关键词
小目标
光线衰弱
frelu激活函数
CBAM注意力神经机制
Swin-Transformer
小目标检测头
-
Keywords
Small goals
The light is weak
frelu activation function
CBAM attention neural mechanism
Swin-Transformer
Small target detection head
-
分类号
TN915.63
[电子电信—通信与信息系统]
-
-
题名基于宽接收域的实时人体姿态估计网络
被引量：2
- 2
-
-
作者
苟先太
陶明江
李欣
康立烨
金炜东
-
机构
西南交通大学电气工程学院
四川大学原子与分子物理研究所
南宁学院中国-东盟综合交通国际联合实验室
-
出处
《计算机工程与设计》
北大核心
2023年第1期247-254,共8页
-
基金
广西科技基地和人才专项基金项目(桂科AD20297125)。
-
文摘
为解决人体姿态估计任务的准确率和实时性问题,提出一个卷积宽接收域、检测实时的人体姿态估计网络。构建稠密残差步进网络(dense residual steps network,DRSN),提高模型对输入图像空间信息的提取和全局特征的把握。在激活函数上,以改进的FReLU激活函数替换原始的激活函数,通过采用二维卷积的方式改变ReLU函数中的激活条件,扩大模型的接收域,关键点分类更加准确。该网络在标准MPII数据集上进行测试,在满足较高定位精度的条件下,模型在NVIDIA RTX 2080Ti GPU上的检测速度达到38 FPS,可有效解决检测实时性问题。
-
关键词
姿态估计
frelu激活函数
宽接收域
稠密残差步进网络
二维卷积激活
-
Keywords
pose estimation
frelu activation function
wide receiving domain
dense residual step network
two-dimensional convolution activation
-
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YOLOv5的番茄成熟度检测方法
- 3
-
-
作者
张德龙
刘春辉
艾和金
宫超
查文珂
-
机构
安徽科技学院机械工程学院
安徽爱瑞特新能源专用汽车股份有限公司
-
出处
《黑龙江工业学院学报（综合版）》
2024年第4期73-81,共9页
-
基金
安徽省高等学校科学研究重点项目(项目编号:2022AH051645、2023AH051858)
安徽省自然基金面上项目(项目编号:2308085ME142)。
-
文摘
番茄成熟度的检测对番茄自动化采摘具有重要的意义和价值,针对目前检测识别精度低以及漏检等问题,提出了一种基于改进YOLOv5的番茄成熟度检测方法。先在原始的YOLOv5加入SE注意力模块和BiFPN网络,使其能够同时关注通道和空间中小目标物体的特征,从而增强网络特征的融合能力。再用FReLU激活函数将原来网络结构中的激活函数替换,可以实现像素级的空间建模能力,进一步提高检测精度,增加了该模型的鲁棒性。通过试验表明,改进的YOLOv5模型的精确率、召回率和平均精度均值分别提升了4.8%、4.0%和3.0%。虽然改进后的模型参数量与计算量增加了0.2M和0.6G,但是提升了不同成熟度番茄的检测效果,可以为自动化采摘提供技术支持。
-
关键词
成熟度
目标检测
注意力机制
frelu激活函数
-
Keywords
maturity
object detection
attention mechanism
frelu activation function
-
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YOLOv5s的人脸疼痛表情识别
- 4
-
-
作者
王乾胜
刘新妹
殷俊龄
李宝玲
-
机构
中北大学信息与通信工程学院
中北大学电子测试技术国家重点实验室
-
出处
《工业控制计算机》
2024年第4期109-110,113,共3页
-
文摘
针对目前疼痛表情识别模型结构复杂、计算量大、检测速度慢、不易移植等问题,提出一种针对移动端设备的轻量化人脸疼痛表情识别算法。首先引入GhostNet网络结构中的Ghost模块卷积,压缩模型的参数量,减小计算开销;之后用改进的FReLu激活函数替换SiLu激活函数,提升识别精度与检测效率;最后引入CA注意力机制,对人脸疼痛表情特征区域增加关注度,提升算法对疼痛表情模型的识别精度。实验结果表明,改进后的模型对疼痛表情识别精度达到96.9%;每张图片检测时间为53 ms,相比YOLOv5s模型用时缩短18%;模型大小相比YOLOv5s下降41.3%。适用于移动端设备的实时疼痛表情识别。
-
关键词
疼痛表情识别
YOLOv5s
轻量化
frelu激活函数
坐标注意力机制
-
Keywords
pain expression recognition
YOLOv5s
lightweight
frelu activation function
coordinate attention mechanism
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于MEF-YOLO的轻量手势识别算法
- 5
-
-
作者
朱雪燕
王招娣
黄明茹
郭梦珏
-
机构
洛阳师范学院
-
出处
《信息技术与信息化》
2024年第5期15-18,共4页
-
基金
河南省科技厅科技攻关项目(222102210301)
国家级大学生创新创业训练计划项目(202310482024)
+2 种基金
国家级大学生创新创业训练计划项目(202310482010)
洛阳师范学院高等教育教学改革研究与实践项目(2023XJGJ025)
2023年河南省产教融合重点项目(教办高〔2024〕13号文件,项目序号30)。
-
文摘
针对非接触式的人机交互中手势识别精度低速度慢的问题,提出一种轻量化MEF-YOLO(MobileNetV3-ECA-FReLU YOLO)算法。将YOLOv5s的主干网络CSPDarknet53替换成轻量化的Mobielnetv3,在主干网络的最后一个卷积层之后融入ECA注意力机制,规避因参数减少而导致的特征信息丢失问题,同时使模型更好地融合不同通道间的信息,接着在输出层添加FReLU激活函数,增加模型的非线性,使特征的表达能力增强。在自制数据集上验证了MEF-YOLO算法的可行性,并与YOLOv5算法进行了对比。结果表明,轻量化MEF-YOLO算法的模型大小减小了78.4%,检测速度提升了61帧/s,同时平均识别精度较YOLOv5算法提升了3.6%。
-
关键词
手势识别
MobileNetV3
注意力机制
frelu激活函数
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—计算机科学与技术]
-
