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
共找到2,573篇文章
< 1 2 … 129 >
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：
基于YOLOv5网络模型的人员口罩佩戴实时检测 被引量：94
1
作者 谈世磊 别雄波 +1 位作者 卢功林 谈小虎 《激光杂志》 CAS 北大核心 2021年第2期147-150,共4页
近年来,随着硬件算力的提升和人工智能算法的创新发展,使得深度学习算法在目标检测方面有着广泛的应用。针对现有人工方式查看人员口罩佩戴情况的不足,提出了一种基于深度学习YOLOv5算法实现对口罩佩戴情况的实时检测。算法首先将数据... 近年来,随着硬件算力的提升和人工智能算法的创新发展,使得深度学习算法在目标检测方面有着广泛的应用。针对现有人工方式查看人员口罩佩戴情况的不足,提出了一种基于深度学习YOLOv5算法实现对口罩佩戴情况的实时检测。算法首先将数据集进行归一化处理,再将数据接入YOLOv5网络进行迭代训练,并将最优权重数据保存用作测试集测试,算法通过tensorboard可视化显示训练和测试结果。实验结果表明,所提算法检测的准确性高,实时性强,满足实际使用需求。 展开更多
关键词 yolov5 口罩检测 最优权重 tensorboard
下载PDF
基于改进YOLOv5的小目标检测算法 被引量：71
2
作者 郭磊 王邱龙 +1 位作者 薛伟 郭济 《电子科技大学学报》 EI CAS CSCD 北大核心 2022年第2期251-258,共8页
针对目标检测中小目标误检、漏检及特征提取能力不足等问题,提出一种基于改进YOLOv5的小目标检测算法。该算法使用Mosaic-8方法进行数据增强,通过增加一个浅层特征图、调整损失函数,来增强网络对小目标的感知能力;通过修改目标框回归公... 针对目标检测中小目标误检、漏检及特征提取能力不足等问题,提出一种基于改进YOLOv5的小目标检测算法。该算法使用Mosaic-8方法进行数据增强,通过增加一个浅层特征图、调整损失函数,来增强网络对小目标的感知能力;通过修改目标框回归公式,解决训练过程中梯度消失等问题,提升了小目标的检测精度。将改进后的算法应用在密集人群情景下的防护面具佩戴检测中,实验结果表明,相较于原始YOLOv5算法,该算法在小目标检测上具有更强的特征提取能力和更高的检测精度。 展开更多
关键词 数据增强 深度学习 小目标检测 yolov5
下载PDF
基于YOLOv5算法的交通标志识别技术研究 被引量：67
3
作者 吕禾丰 陆华才 《电子测量与仪器学报》 CSCD 北大核心 2021年第10期137-144,共8页
针对传统方式识别交通标志算法存在的检测精度较低的问题,提出了一种改进YOLOv5算法的交通标志识别方法。首先改进YOLOv5算法的损失函数,使用EIOU损失函数代替YOLOv5算法所使用的GIOU损失函数来优化训练模型,提高算法的精度,实现对目标... 针对传统方式识别交通标志算法存在的检测精度较低的问题,提出了一种改进YOLOv5算法的交通标志识别方法。首先改进YOLOv5算法的损失函数,使用EIOU损失函数代替YOLOv5算法所使用的GIOU损失函数来优化训练模型,提高算法的精度,实现对目标更快速的识别;然后使用加权Cluster非极大值抑制(NMS)改进YOLOv5本身所使用的加权NMS算法,提高生成检测框的准确率。实验结果表明,改进后的YOLOv5算法在由长沙理工大学制作的CCTSDB交通标志数据集上训练的模型的mAP值达到了84.35%,比原始的YOLOv5算法提高了6.23%。所以改进YOLOv5算法在交通标志识别中有更高的精度,能够更好的应用到实践当中。 展开更多
关键词 深度学习 yolov5 Cluster NMS EIOU 交通标志识别
下载PDF
基于改进YOLOv5s和迁移学习的苹果果实病害识别方法 被引量：48
4
作者 孙丰刚 王云露 +3 位作者 兰鹏 张旭东 陈修德 王志军 《农业工程学报》 EI CAS CSCD 北大核心 2022年第11期171-179,共9页
为实现对苹果果实病害的快速准确识别,提出了一种基于改进YOLOv5s的果实病害识别模型:GHTR2-YOLOv5s(YOLOv5s with Ghost structure and TR2 module),并通过迁移学习策略对其进行优化。在YOLOv5s基础上通过加入幻影结构和调整特征图整... 为实现对苹果果实病害的快速准确识别,提出了一种基于改进YOLOv5s的果实病害识别模型:GHTR2-YOLOv5s(YOLOv5s with Ghost structure and TR2 module),并通过迁移学习策略对其进行优化。在YOLOv5s基础上通过加入幻影结构和调整特征图整体宽度得到小型基线模型,通过卷积块注意力模块(Convolutional Block Attention Module,CBAM)和加权双向特征金字塔网络(Bidirectional Feature Pyramid Network,BIFPN)提高模型精度,使用TR2(Two Transformer)作为检测头增强模型对全局信息的获取能力。改进后模型大小和识别速度为2.06 MB和0.065 s/张,分别为YOLOv5s模型的1/6和2.5倍;IoU阈值为0.5下的平均精度均值(mAP0.5)达到0.909,能快速准确地识别苹果果实病害。研究通过在线图像增强与迁移学习相结合的方式提高模型收敛速度,进一步提高模型精度,其mAP0.5达到0.916,较原始模型提升8.5%。试验结果表明,该研究提出的基于GHTR2-YOLOv5s和迁移学习的苹果病害识别方法有效优化了模型训练过程,实现了占用较少计算资源的情况下对苹果病害进行快速准确地识别。 展开更多
关键词 病害 图像识别 yolov5s 轻量化 迁移学习
下载PDF
基于YOLOv5s目标检测算法的研究 被引量：46
5
作者 马琳琳 马建新 +1 位作者 韩佳芳 李雅迪 《电脑知识与技术》 2021年第23期100-103,共4页
近几年,环境污染依然是人们非常关注的话题,而生活垃圾的快速收集处理,能够有效地减少环境的污染。因此,智能垃圾收集机器人的研究与发展是非常必要的,它可以代替人们完成大量垃圾收集的工作。基于此,研究了一种YO⁃LOv5s目标检测算法,... 近几年,环境污染依然是人们非常关注的话题,而生活垃圾的快速收集处理,能够有效地减少环境的污染。因此,智能垃圾收集机器人的研究与发展是非常必要的,它可以代替人们完成大量垃圾收集的工作。基于此,研究了一种YO⁃LOv5s目标检测算法,先对目标进行合理的标注,接着进行有效的算法训练,然后算法测试,最后得到目标检测算法的模型,进而可以快速检测识别目标。 展开更多
关键词 yolov5s 目标检测 目标标注 算法训练 算法测试
下载PDF
基于改进YOLOv5的安全帽佩戴检测算法 被引量：44
6
作者 张锦 屈佩琪 +1 位作者 孙程 罗蒙 《计算机应用》 CSCD 北大核心 2022年第4期1292-1300,共9页
针对现有安全帽佩戴检测干扰性强、检测精度低等问题,提出一种基于改进YOLOv5的安全帽检测新算法。首先,针对安全帽尺寸不一的问题,使用K-Means++算法重新设计先验框尺寸并将其匹配到相应的特征层;其次,在特征提取网络中引入多光谱通道... 针对现有安全帽佩戴检测干扰性强、检测精度低等问题,提出一种基于改进YOLOv5的安全帽检测新算法。首先,针对安全帽尺寸不一的问题,使用K-Means++算法重新设计先验框尺寸并将其匹配到相应的特征层;其次,在特征提取网络中引入多光谱通道注意力模块,使网络能够自主学习每个通道的权重,增强特征间的信息传播,从而加强网络对前景和背景的辨别能力;最后,在训练迭代过程中随机输入不同尺寸的图像,以此增强算法的泛化能力。实验结果表明,在自制安全帽佩戴检测数据集上,所提算法的均值平均精度(mAP)达到96.0%,而对佩戴安全帽的工人的平均精度(AP)达到96.7%,对未佩戴安全帽的工人的AP达到95.2%,相较于YOLOv5算法,该算法对佩戴安全帽的平均检测准确率提升了3.4个百分点,满足施工场景下安全帽佩戴检测的准确率要求。 展开更多
关键词 安全帽佩戴检测 目标检测 深度学习 yolov5 注意力机制
下载PDF
基于YOLOv5的遥感图像舰船的检测方法 被引量：42
7
作者 张宏群 班勇苗 +2 位作者 郭玲玲 金云飞 陈檑 《电子测量技术》 北大核心 2021年第8期87-92,共6页
利用遥感图像对海面上舰船进行监控已成为目前研究的热点,为了解决传统舰船检测需人工选择特征、耗时耗力、原始YOLO算法对密集分布小目标检测精度不高的缺陷,提出了一种基于YOLOv5的遥感图像舰船检测方法,使用Kaggle平台提供的遥感数据... 利用遥感图像对海面上舰船进行监控已成为目前研究的热点,为了解决传统舰船检测需人工选择特征、耗时耗力、原始YOLO算法对密集分布小目标检测精度不高的缺陷,提出了一种基于YOLOv5的遥感图像舰船检测方法,使用Kaggle平台提供的遥感数据集,在Pytorch框架上训练,损失函数设计为CIOULOSS,目标框的选择使用DIOUNMS算法,使被遮挡、重叠的目标检测效果增强。经实验对比,此目标检测模型对被遮挡、排列密集的舰船的检测精度优于其他模型,其平均检测精度由原始的88.75%提升到91.27%。 展开更多
关键词 舰船 目标检测 深度学习 yolov5
下载PDF
改进YOLOv5s+DeepSORT的监控视频车流量统计 被引量：39
8
作者 李永上 马荣贵 张美月 《计算机工程与应用》 CSCD 北大核心 2022年第5期271-279,共9页
针对监控视频中车流量统计准确率低的问题,提出一种改进YOLOv5s检测结合Deep SORT跟踪的车流量统计方法。为了提升检测器识别效果,将注意力模块CBAM与YOLOv5s网络的Neck部分融合,提高网络的特征提取能力;将CIoU Loss代替GIoU Loss作为... 针对监控视频中车流量统计准确率低的问题,提出一种改进YOLOv5s检测结合Deep SORT跟踪的车流量统计方法。为了提升检测器识别效果,将注意力模块CBAM与YOLOv5s网络的Neck部分融合,提高网络的特征提取能力;将CIoU Loss代替GIoU Loss作为目标边界框回归损失函数,加快边界框回归速率的同时提高定位精度;使用DIoU-NMS替换NMS,改善目标拥挤时的漏检问题。调整Deep SORT外观特征提取网络的结构,并在车辆重识别数据集上重新训练,降低目标遮挡导致的身份切换。连接改进的YOLOv5s检测器和Deep SORT,在视频中设置虚拟检测线统计车流量。实验结果表明:改进的YOLOv5s相较原始算法平均准确率提高2.3个百分点,结合Deep SORT跟踪,在行车平峰、高峰、夜间三种场景的车流量统计准确率达到93.5%、91.2%、89.9%。 展开更多
关键词 yolov5s Deep SORT 注意力机制 CIoU 车流量统计
下载PDF
改进YOLOv5的SAR图像舰船目标检测 被引量：38
9
作者 谭显东 彭辉 《计算机工程与应用》 CSCD 北大核心 2022年第4期247-254,共8页
近年来针对合成孔径雷达(synthetic aperture radar,SAR)图像中缺乏颜色和纹理细节的舰船检测技术在深度学习领域中得到了广泛研究,利用深度学习技术可以有效避免传统的复杂特征设计,并且检测精度得到极大改善。针对舰船目标检测框具有... 近年来针对合成孔径雷达(synthetic aperture radar,SAR)图像中缺乏颜色和纹理细节的舰船检测技术在深度学习领域中得到了广泛研究,利用深度学习技术可以有效避免传统的复杂特征设计,并且检测精度得到极大改善。针对舰船目标检测框具有高长宽比和密集排列问题,提出一种基于改进YOLOv5的目标检测方法。该方法针对舰船目标检测框特点将检测框长宽作为参数进行综合考虑并对损失函数进行曲线优化,并结合坐标注意力机制(coordinate attention,CA),在模型轻量化的同时实现对舰船目标检测的高速与高精度并存。实验结果表明:相比原YOLOv5方法,该方法的检测精度由原来的92.3%提升到96.7%,mAP(mean average precision)指标由原来的92.5%提升到97.2%,明显优于对比方法。通过改进检测框损失函数和特征提取方式,提高对SAR图像中舰船目标的检测效果。 展开更多
关键词 合成孔径雷达(SAR) yolov5 舰船检测 坐标注意力机制
下载PDF
基于注意力机制与跨尺度特征融合的YOLOv5输电线路故障检测 被引量：34
10
作者 郝帅 杨磊 +2 位作者 马旭 马瑞泽 文虎 《中国电机工程学报》 EI CSCD 北大核心 2023年第6期2319-2330,共12页
利用无人机对高压输电线路巡检,并基于计算机视觉技术对巡检数据中的故障目标进行自动、准确检测是输电线路巡检领域中的重要研究方向,同时也是一个极具挑战性的课题。针对复杂巡检环境中待检测目标存在多尺度特性以及部分遮挡造成传统... 利用无人机对高压输电线路巡检,并基于计算机视觉技术对巡检数据中的故障目标进行自动、准确检测是输电线路巡检领域中的重要研究方向,同时也是一个极具挑战性的课题。针对复杂巡检环境中待检测目标存在多尺度特性以及部分遮挡造成传统算法难以准确检测问题,提出一种基于注意力机制与跨尺度特征融合的YOLOv5输电线路故障检测算法。首先,搭建YOLOv5检测网络,为了抑制复杂背景干扰,在其基础上引入空间与通道卷积注意力模型,以增强待检测故障目标的显著度;然后,将原始YOLOv5检测框架Neck中的FPN+PAN结构改为BiFPN结构,从而使目标多尺度特征能够有效融合;其次,为了解决待检测目标特征表达能力不足造成漏检和误检的问题,设计多尺度与同尺度特征的自适应加权融合模块,以增强检测网络对遮挡情况下故障目标的检测能力。最后,为了验证提出算法的有效性,利用某巡检部门近4年无人机巡检数据对算法进行验证。结果表明,提出的算法能够对复杂环境中输电线路上的多尺度故障目标实现精确检测,其平均检测精度可达96.8%。 展开更多
关键词 输电线路故障检测 无人机巡检 注意力机制 yolov5 多尺度特征融合
下载PDF
基于CBAM-YOLOv5的煤矿输送带异物检测 被引量：36
11
作者 郝帅 张旭 +3 位作者 马旭 孙思雅 文虎 王均利 《煤炭学报》 EI CAS CSCD 北大核心 2022年第11期4147-4156,共10页
输送带是矿井下煤炭运输的重要设备之一,运行过程中由于大块煤、矸石、锚杆、槽钢等异物混入易导致皮带撕裂故障发生,严重影响煤矿安全生产,甚至威胁矿工生命安全。为了实现煤矿井下输送带上大块异物的自动、快速以及准确检测,设计了一... 输送带是矿井下煤炭运输的重要设备之一,运行过程中由于大块煤、矸石、锚杆、槽钢等异物混入易导致皮带撕裂故障发生,严重影响煤矿安全生产,甚至威胁矿工生命安全。为了实现煤矿井下输送带上大块异物的自动、快速以及准确检测,设计了一种基于计算机视觉技术的大块异物检测方法。针对输送带中异物目标图像受煤尘干扰、输送带高速运动以及光照不均等影响造成传统图像检测算法难以准确检测问题,提出一种融合卷积块注意力模型的YOLOv5目标检测算法,记为CBAM-YOLOv5。首先,通过自适应直方图均衡化算法来增强煤矿井下输送带图像的对比度,减少煤尘干扰;然后,针对输送带高速运动易导致待检测目标图像模糊进而造成目标难以被准确检测的问题,在YOLOv5算法框架下通过引入深度可分离卷积提高网络检测速度,并通过优化检测网络的损失函数提高整个网络的检测精度;其次,针对受光照不均影响导致异物目标难以被准确检测的问题,通过在YOLOv5检测网络中引入卷积块注意力模型来提升图像中异物目标的显著度,增强异物目标在检测网络中的特征表达能力,进而提高异物目标的检测精度;最后,利用某煤矿井下输送带监控视频数据制备训练样本和测试样本,并将提出的算法与4种经典目标检测算法进行对比。实验结果表明:所提出的检测算法可以较好的解决异物目标检测时易受煤尘干扰、输送带高速运动以及光照不均对目标检测精度的影响,对于分辨率为1 280×720的图像平均检测精度可达94.7%,检测速度为31 fps。 展开更多
关键词 异物检测 yolov5 输送带 注意力机制 深度可分离卷积 深度学习
下载PDF
改进YOLOv5的苹果花生长状态检测方法 被引量：36
12
作者 杨其晟 李文宽 +2 位作者 杨晓峰 岳琳茜 李海芳 《计算机工程与应用》 CSCD 北大核心 2022年第4期237-246,共10页
针对现有目标检测算法难以在果园复杂环境下对苹果花朵生长状态进行高精度检测的问题,提出一种改进YOLOv5的苹果花朵生长状态检测方法,对花蕾、半开、全开、凋落四类苹果树开花期花朵生长状态进行检测。该方法对跨阶段局部网络模块进行... 针对现有目标检测算法难以在果园复杂环境下对苹果花朵生长状态进行高精度检测的问题,提出一种改进YOLOv5的苹果花朵生长状态检测方法,对花蕾、半开、全开、凋落四类苹果树开花期花朵生长状态进行检测。该方法对跨阶段局部网络模块进行改进,并调整模块数量,结合协同注意力模块设计主干网络,提高模型检测性能并减少参数。结合新的检测尺度与基于拆分的卷积运算设计特征融合网络,提升网络特征融合能力。选用CIoU作为边框回归的损失函数实现高精度的定位。将改进算法与原始YOLOv5算法在自建数据集上进行对比实验,结果表明,改进算法mAP达到0.922,比YOLOv5提高5.4个百分点,与其他主流算法相比检测精度有较大提升,证明了算法的有效性。 展开更多
关键词 yolov5 农业自动监测 特征融合 目标检测
下载PDF
基于改进YOLOv5m的采摘机器人苹果采摘方式实时识别 被引量：35
13
作者 闫彬 樊攀 +3 位作者 王美茸 史帅旗 雷小燕 杨福增 《农业机械学报》 EI CAS CSCD 北大核心 2022年第9期28-38,59,共12页
为准确识别果树上的不同苹果目标,并区分不同枝干遮挡情形下的果实,从而为机械手主动调整位姿以避开枝干对苹果的遮挡进行果实采摘提供视觉引导,提出了一种基于改进YOLOv5m面向采摘机器人的苹果采摘方式实时识别方法。首先,改进设计了Bo... 为准确识别果树上的不同苹果目标,并区分不同枝干遮挡情形下的果实,从而为机械手主动调整位姿以避开枝干对苹果的遮挡进行果实采摘提供视觉引导,提出了一种基于改进YOLOv5m面向采摘机器人的苹果采摘方式实时识别方法。首先,改进设计了BottleneckCSP-B特征提取模块并替换原YOLOv5m骨干网络中的BottleneckCSP模块,实现了原模块对图像深层特征提取能力的增强与骨干网络的轻量化改进;然后,将SE模块嵌入到所改进设计的骨干网络中,以更好地提取不同苹果目标的特征;进而改进了原YOLOv5m架构中输入中等尺寸目标检测层的特征图的跨接融合方式,提升了果实的识别精度;最后,改进了网络的初始锚框尺寸,避免了对图像里较远种植行苹果的识别。结果表明,所提出的改进模型可实现对图像中可直接采摘、迂回采摘(苹果上、下、左、右侧采摘)和不可采摘果实的识别,识别召回率、准确率、mAP和F1值分别为85.9%、81.0%、80.7%和83.4%。单幅图像的平均识别时间为0.025 s。对比了所提出的改进算法与原YOLOv5m、YOLOv3和EfficientDet-D0算法在测试集上对6类苹果采摘方式的识别效果,结果表明,所提出的算法比其他3种算法识别的mAP分别高出了5.4、22、20.6个百分点。改进模型的体积为原始YOLOv5m模型体积的89.59%。该方法可为机器人的采摘手主动避开枝干对果实的遮挡,以不同位姿采摘苹果提供技术支撑,可降低苹果的采摘损失。 展开更多
关键词 苹果 采摘机器人 yolov5m 采摘方式识别 视觉引导 深度学习
下载PDF
采用注意力机制与改进YOLOv5的水下珍品检测 被引量：36
14
作者 林森 刘美怡 陶志勇 《农业工程学报》 EI CAS CSCD 北大核心 2021年第18期307-314,共8页
海胆、海参、扇贝等水下珍品在渔业中具有重要意义和价值,最近,利用机器人捕捞水下珍品成为发展趋势。为了探测水下珍品的数量及分布情况,使水下机器人获得更加可靠的数据,该研究提出基于注意力机制与改进YOLOv5的水下珍品检测方法。首... 海胆、海参、扇贝等水下珍品在渔业中具有重要意义和价值,最近,利用机器人捕捞水下珍品成为发展趋势。为了探测水下珍品的数量及分布情况,使水下机器人获得更加可靠的数据,该研究提出基于注意力机制与改进YOLOv5的水下珍品检测方法。首先,使用K-means匹配新的锚点坐标,增加多个检测尺度提升检测精度;其次,将注意力机制模块融入特征提取网络Darknet-53中获得重要特征;然后,利用Ghost模块的轻量化技术优势,引入由Ghost模块构成的Ghost-BottleNeck代替YOLOv5中的BottleNeck模块,大幅度降低网络模型的参数与计算量;最后,将IOU_nms修改为DIOU_nms以优化损失函数。采用基于实际水下环境建立的数据集,样本数量为781幅图像,按照9∶1的比例随机划分训练与测试集,对改进的网络进行验证。结果表明,该研究算法可获得95.67%平均准确率,相比YOLOv5算法可提升5.49个百分点,试验效果良好,研究结果可以为水下珍品的检测捕捉提供更加准确快捷的方法。 展开更多
关键词 机器视觉 图像识别 水下珍品 轻量化 yolov5 注意力机制 多尺度
下载PDF
基于YOLOv5改进模型的柑橘果实识别方法 被引量：33
15
作者 黄彤镔 黄河清 +4 位作者 李震 吕石磊 薛秀云 代秋芳 温威 《华中农业大学学报》 CAS CSCD 北大核心 2022年第4期170-177,共8页
为实现在自然环境下对柑橘果实的识别,提出一种基于YOLOv5改进模型的柑橘识别方法。通过引入CBAM(convolutional block attention module,卷积注意力模块)注意力机制模块来提高网络的特征提取能力,改善遮挡目标与小目标的漏检问题;采用... 为实现在自然环境下对柑橘果实的识别,提出一种基于YOLOv5改进模型的柑橘识别方法。通过引入CBAM(convolutional block attention module,卷积注意力模块)注意力机制模块来提高网络的特征提取能力,改善遮挡目标与小目标的漏检问题;采用α-IoU损失函数代替GIoU损失函数作为边界框回归损失函数,提高边界框定位精度。结果显示:本研究提出的模型平均精度AP值达到91.3%,在GPU上对单张柑橘果实图像的检测时间为16.7 ms,模型占用内存为14.5 Mb。结果表明,本研究基于YOLOv5的改进算法可实现在自然环境下快速准确地识别柑橘果实,满足实时目标检测的实际应用需求。 展开更多
关键词 yolov5 柑橘识别 自动采摘 CBAM 损失函数 注意力机制 α-IoU
下载PDF
改进yolov5 的口罩和安全帽佩戴人工智能检测识别算法 被引量：33
16
作者 王沣 《建筑与预算》 2020年第11期67-69,共3页
由于疫情的影响在特定施工环境下,作业人员需同时佩戴口罩和安全帽。为了监控作业人员是否符合安全作业要求。本文将yolo目标检测算法应用于人脸口罩和安全帽佩戴检测,通过改进yolov5算法,使用实验室摄像头监控数据和爬取互联网建立了包... 由于疫情的影响在特定施工环境下,作业人员需同时佩戴口罩和安全帽。为了监控作业人员是否符合安全作业要求。本文将yolo目标检测算法应用于人脸口罩和安全帽佩戴检测,通过改进yolov5算法,使用实验室摄像头监控数据和爬取互联网建立了包含21000张图片的数据集。通过手工进行标注,然后首先采用K-means++算法进行anchor维度聚类,确定anchor参数;并将ciou和diou_nms应用于yolov5网络。经过神经网络训练后将生成的模型,部署在jet nano上。结果表明应用该改进算法模型,可以有效监控口罩和安全帽佩戴情况。 展开更多
关键词 yolov5 口罩 安全帽
下载PDF
基于YOLOv5的轻量化交通标志检测方法 被引量：30
17
作者 张上 王恒涛 冉秀康 《电子测量技术》 北大核心 2022年第8期129-135,共7页
针对目前交通标志检测算法存在网络复杂度高、计算量大、边缘端部署难度高。提出一种基于YOLOv5的轻量化交通标志目标检测算法。通过增加注意力机制,使用CBAM和CA融合的方式,强化检测模型抗干扰能力;通过FPGM剪枝,对模型进行了压缩,降... 针对目前交通标志检测算法存在网络复杂度高、计算量大、边缘端部署难度高。提出一种基于YOLOv5的轻量化交通标志目标检测算法。通过增加注意力机制,使用CBAM和CA融合的方式,强化检测模型抗干扰能力;通过FPGM剪枝,对模型进行了压缩,降低计算量、提高推理速度;通过软硬件融合设计,实现YOLOv5s模型与硬件融合,形成一整套完整的移动智能交通标志目标检测系统;结果表明,增加多种注意力机制后,模型精度提高了2.8%。在极限剪枝的情况下,模型仅有0.54 MB。在Jetson Nano(20 W)的环境下,检测速度达21帧/s,满足实时的交通标志检测。 展开更多
关键词 目标检测 注意力机制 模型剪枝 软硬件融合 yolov5 FPGM
下载PDF
基于改进YOLOv5s模型的煤矸目标检测 被引量：30
18
作者 沈科 季亮 +1 位作者 张袁浩 邹盛 《工矿自动化》 北大核心 2021年第11期107-111,118,共6页
针对现有基于深度学习的煤矸目标检测方法存在检测速度慢且检测精度较低等问题,提出了一种改进YOLOv5s模型,并将其应用于煤矸目标检测中。改进YOLOv5s模型在YOLOv5s模型Backbone区域嵌入自校正卷积(SCConv)作为特征提取网络,可更好地融... 针对现有基于深度学习的煤矸目标检测方法存在检测速度慢且检测精度较低等问题,提出了一种改进YOLOv5s模型,并将其应用于煤矸目标检测中。改进YOLOv5s模型在YOLOv5s模型Backbone区域嵌入自校正卷积(SCConv)作为特征提取网络,可更好地融合多尺度特征信息;由于煤块和矸石的尺寸相对整张图像过小,对YOLOv5s模型Neck区域进行适当精简,将适合检测较大尺寸对象的19×19特征图分支删除,从而降低模型复杂度并提高检测实时性;对通过K-means算法聚类得到的锚框进行线性缩放,提高模型检测精度。基于改进YOLOv5s模型的煤矸目标检测实验表明,相较于YOLOv5s模型,改进YOLOv5s模型能准确检测出相应的煤块和矸石,且改进YOLOv5s模型大小降低了1.57 MB,帧速率增加了2.1帧/s,平均精度均值提高了1.7%,表明改进YOLOv5s模型检测精度和检测速度均有提升。 展开更多
关键词 煤矸分选 煤矸识别 煤矸目标检测 yolov5s 自校正卷积
下载PDF
基于yolov5的交通标志识别检测 被引量：31
19
作者 杨晓玲 江伟欣 袁浩然 《信息技术与信息化》 2021年第4期28-30,共3页
采用yolov5实时目标检测算法,意在对交通标识进行识别检测,减少安全事故,辅助驾驶员驾驶。在分析yolov5算法的原理和特点的基础上,交代了利用yolov5算法实现目标检测的步骤,介绍了准备数据集部分—通过Mosaic来对数据进行增强,加强对小... 采用yolov5实时目标检测算法,意在对交通标识进行识别检测,减少安全事故,辅助驾驶员驾驶。在分析yolov5算法的原理和特点的基础上,交代了利用yolov5算法实现目标检测的步骤,介绍了准备数据集部分—通过Mosaic来对数据进行增强,加强对小对象的检测,以及使用labelimg软件对图像数据进行框选,整理获得相关的训练集和测试集。通过增强图像数据预处理以及优化相关网络参数,加速模型收敛,实现了实时检测交通标志的效果。相比于yolov4和其他传统检测而言,yolov5的检测效果要略胜一筹,结果表明了基于yolov5的交通标志检测更能满足实时性和准确性的需求。 展开更多
关键词 yolov5 目标检测 交通标志 人工智能 标注
下载PDF
改进YOLOv5的钢材表面缺陷检测算法 被引量：28
20
作者 李鑫 汪诚 +3 位作者 李彬 郭振平 李秋良 李卓越 《空军工程大学学报（自然科学版）》 CSCD 北大核心 2022年第2期26-33,共8页
针对传统钢材表面缺陷检测方法存在检测效率低、检测精度差等问题,提出一种基于改进YOLOv5的钢材表面缺陷检测算法。首先使用GhostBottleneck结构替换原YOLOv5网络中的C3模块和部分卷积结构,实现网络模型轻量化;其次在Backbone部分引入S... 针对传统钢材表面缺陷检测方法存在检测效率低、检测精度差等问题,提出一种基于改进YOLOv5的钢材表面缺陷检测算法。首先使用GhostBottleneck结构替换原YOLOv5网络中的C3模块和部分卷积结构,实现网络模型轻量化;其次在Backbone部分引入SE注意力机制,对重要的特征通道进行强化;最后针对数据集特点在网络中增加一个检测层,强化特征提取能力,并在Neck部分增加特征融合结构,使用DW卷积替换部分标准卷积以减少运算量。实验表明,改进的YOLOv5s-GSD算法,模型体积减少了10.4%,在测试集上的mAP值为76.8%,相比原YOLOv5s网络提高了3.3%,检测精度和速度也明显高于一些主流算法。相比传统的钢材表面缺陷检测方法,提出的算法能够更加准确、快速地检测出钢材表面缺陷的种类和位置,并且具有较小的模型体积,方便于在移动端的部署。 展开更多
关键词 钢材表面缺陷 yolov5 检测算法 注意力机制
下载PDF
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 2 … 129 下一页 到第 页
使用帮助 返回顶部