基于YOLO v3算法改进的交通标志识别算法 被引量：29

1

作者 江金洪 鲍胜利 +1 位作者 史文旭 韦振坤 《计算机应用》 CSCD 北大核心 2020年第8期2472-2478,共7页

针对目前交通标志识别任务在使用深度学习算法时存在模型参数量大、实时性较差和准确率较低的问题,提出了基于YOLO v3改进的交通标志识别算法。该算法首先将深度可分离卷积引入YOLO v3算法的特征提取层,将卷积过程分解为深度卷积、逐点... 针对目前交通标志识别任务在使用深度学习算法时存在模型参数量大、实时性较差和准确率较低的问题,提出了基于YOLO v3改进的交通标志识别算法。该算法首先将深度可分离卷积引入YOLO v3算法的特征提取层,将卷积过程分解为深度卷积、逐点卷积两部分,实现通道内卷积与通道间卷积之间的分离,从而保证了在较高识别准确率的基础上极大地减少了算法模型参数数量以及计算量。其次,在损失函数设计上使用广义交并比(GIoU)损失替换均方误差(MSE)损失,将评测标准量化为损失,解决了MSE损失存在的优化不一致和尺度敏感的问题,同时将Focal损失加入到损失函数以解决正负样本严重不均衡的问题,通过降低大量简单背景类的权重使得算法更专注于检测前景类。将该算法应用于交通标志任务中的结果表明,在TT100K数据集上,该算法的平均精度均值(mAP)指标达到了89%,相较于YOLO v3算法提升了6.6个百分点,且其参数量仅为原始YOLO v3算法的1/5左右,每秒帧数(FPS)亦比YOLO v3算法提升了60%。该算法在极大地减少模型参数量和计算量的同时,提高了检测速度和检测精度。 展开更多

关键词 交通标志识别 YOLO v3算法 广义交并比 深度可分离卷积 损失函数 Focal损失

下载PDF 职称材料

改进YOLOv3的复杂施工环境下安全帽佩戴检测算法 被引量：13

2

作者 赵红成 田秀霞 +1 位作者 杨泽森 白万荣 《中国安全科学学报》 CAS CSCD 北大核心 2022年第5期194-200,共7页

为解决施工场所环境复杂导致的智能监控下安全帽佩戴检测准确率低及漏检等问题,提出一种改进YOLOv3的安全帽佩戴检测算法。采用Focal Loss专注困难正样本训练,提高模型在复杂环境下的鲁棒性;在原始网络基础上使用空间金字塔多级池化融... 为解决施工场所环境复杂导致的智能监控下安全帽佩戴检测准确率低及漏检等问题,提出一种改进YOLOv3的安全帽佩戴检测算法。采用Focal Loss专注困难正样本训练,提高模型在复杂环境下的鲁棒性;在原始网络基础上使用空间金字塔多级池化融合局部与整体特征,提高多尺度检测能力;引入注意力机制,将通道和空间注意力模块分别集成到YOLOv3的主干网络和检测层的残差结构中,使模型专注于安全帽特征学习;使用GIoU提高定位准确率,在复杂施工环境不同视觉条件下验证算法的有效性。结果表明:改进模型的平均精度达到88%,较原始模型提高13.3%,其中person及helmet的精度分别提高17.2%、9.5%,召回率分别提高15.3%、7.6%。 展开更多

关键词 YOLOv3 复杂施工环境 安全帽佩戴 检测算法 Focal Loss 空间金字塔池化(SPP) 注意力机制 并集上的广义交集(giou)

下载PDF 职称材料

基于RetinaNet改进的车辆信息检测 被引量：14

3

作者 刘革 郑叶龙 赵美蓉 《计算机应用》 CSCD 北大核心 2020年第3期854-858,共5页

移动端计算力不足和存储有限导致车辆信息检测模型精度不高、速度较慢。针对这一问题,提出一种基于RetinaNet改进的车辆信息检测算法。首先,开发新的车辆信息检测框架,将特征金字塔网络(FPN)模块的深层特征信息融合进浅层特征层,以Mobil... 移动端计算力不足和存储有限导致车辆信息检测模型精度不高、速度较慢。针对这一问题,提出一种基于RetinaNet改进的车辆信息检测算法。首先,开发新的车辆信息检测框架,将特征金字塔网络(FPN)模块的深层特征信息融合进浅层特征层,以MobileNet V3为基础特征提取网络;其次,引入目标检测任务的直接评价指标GIoU指导定位任务;最后,使用维度聚类算法找出Anchor的较好尺寸并匹配到相对应的特征层。与原始RetinaNet目标检测算法的对比实验表明,所提算法在车辆信息检测数据集上的精度有10.2个百分点的提升。以MobileNet V3为基础网络时平均准确率均值(mAP)可达97.2%且在ARM v7设备上单帧前向推断用时可达100 ms。实验结果表明,所提方法能够有效提高移动端车辆信息检测算法性能。 展开更多

关键词 卷积神经网络 目标检测 维度聚类 特征融合 giou

下载PDF 职称材料

基于改进掩膜区域卷积神经网络的输电线路绝缘子自爆检测 被引量：10

4

作者 苟军年 杜愫愫 刘力 《电工技术学报》 EI CSCD 北大核心 2023年第1期47-59,共13页

由于背景复杂、目标所占像素比例较小,掩膜区域卷积神经网络(Mask R-CNN)模型对输电线路绝缘子缺陷检测能力不足,该文提出一种改进的MaskR-CNN模型。具体地,首先,在特征提取网络中引入卷积注意力模块(CBAM),分别从通道和空间提升小目标... 由于背景复杂、目标所占像素比例较小,掩膜区域卷积神经网络(Mask R-CNN)模型对输电线路绝缘子缺陷检测能力不足,该文提出一种改进的MaskR-CNN模型。具体地,首先,在特征提取网络中引入卷积注意力模块(CBAM),分别从通道和空间提升小目标特征保持性;其次,使用全局交并比(GIoU)计算目标间的相似度,提升定位准确性;最后,使用Tversky损失计算掩膜分支的损失,以提升不平衡样本下的检测效果。使用某输电运检中心无人机巡检作业所得具有自爆缺陷的绝缘子照片作为数据集对该模型进行验证,实验结果表明,与原始Mask R-CNN模型相比,该方法的平均精确率AP50:90、AP50和AP75分别提升至0.56、0.79和0.72;与三种经典目标检测算法相比,该算法具有较高的检测精度,模型的分割性能有一定提升,且比原始模型具有更好的鲁棒性,可以满足电力巡检中准确性和快速性的要求。 展开更多

关键词 绝缘子缺陷检测 掩膜区域卷积神经网络 卷积注意力模块 特征融合 全局交并比 Tversky损失

下载PDF 职称材料

一种基于YOLOv4的改进DeepSort目标跟踪算法 被引量：13

5

作者 陈紫强 张雅琼 《桂林电子科技大学学报》 2021年第2期140-145,共6页

针对车辆检测在弱光照和有遮挡情况下出现的漏检问题,提出了一种基于YOLOv4的改进DeepSort目标跟踪算法。首先使用YOLOv4算法对输入图片进行特征提取,获得目标信息,然后采用卡尔曼滤波算法估计车辆的轨迹状态并进行状态更新,最后在级联... 针对车辆检测在弱光照和有遮挡情况下出现的漏检问题,提出了一种基于YOLOv4的改进DeepSort目标跟踪算法。首先使用YOLOv4算法对输入图片进行特征提取,获得目标信息,然后采用卡尔曼滤波算法估计车辆的轨迹状态并进行状态更新,最后在级联匹配中运用匈牙利匹配算法对检测框和预测框进行匹配。对未成功匹配的轨迹和检测结果,用广义交并比(GIOU)关联匹配代替交并比(IOU)匹配,提高DeepSort跟踪算法的匹配性能。对比单一检测算法和加入跟踪算法后的车辆检测效果,结果表明,加入跟踪算法后的车辆模型漏检现象变少,检测效果得到提高,鲁棒性增强,且MOTA提高了7.55%,证明了改进方法的有效性。 展开更多

关键词 车辆检测跟踪 YOLOv4 DeepSort 广义交并比 匈牙利算法

下载PDF 职称材料

目标检测中框回归损失函数的研究 被引量：11

6

作者 张翠文 张长伦 +1 位作者 何强 王恒友 《计算机工程与应用》 CSCD 北大核心 2021年第20期97-103,共7页

在目标检测中,框回归损失函数的设定直接影响预测框的定位准确性。预测框与目标框的交并比(IOU)被设定为优化预测框的损失函数,但是当两框无重叠面积时无法进行梯度回传。广义的交并比(GIOU)在IOU损失函数的基础上增加非重叠面积部分,... 在目标检测中,框回归损失函数的设定直接影响预测框的定位准确性。预测框与目标框的交并比(IOU)被设定为优化预测框的损失函数,但是当两框无重叠面积时无法进行梯度回传。广义的交并比(GIOU)在IOU损失函数的基础上增加非重叠面积部分,将两部分优化项作为损失函数调整预测框位置,解决了无法梯度回传的情况。但当两框是包含关系时,GIOU的第二部分优化项消失,损失函数退化为IOU。为了解决以上问题,提出了一种重新定义的广义交并比损失函数(RGIOU),将非重叠部分面积定义为两框之并减去两框之交,再除以两框形成的最小闭包面积作为第一部分,除以最小闭包面积的平方作为第二部分,利用权重阈值进行加和形成新的损失函数。避免了两框是包含关系时存在的问题,提升了目标检测算法的精度。上述算法在PASCAL VOC 2007以及MS COCO 2014数据集上加以验证。 展开更多

关键词 目标检测 框回归 交并比(IOU) 广义的交并比(giou)

下载PDF 职称材料

基于机器视觉的指针式仪表检测 被引量：9

7

作者 赵辉 姜立锋 +1 位作者 王红君 岳有军 《科学技术与工程》 北大核心 2021年第34期14665-14672,共8页

提出了一种基于机器视觉的变电站指针式仪表检测算法。该算法基于YOLO v3神经网络,引入Res2Net残差模块以及采用特征层融合的方式,采用更少的模块和网络层数获取更高的特征提取效率,通过增加空间池化金字塔(spatial pyramid pooling,SPP... 提出了一种基于机器视觉的变电站指针式仪表检测算法。该算法基于YOLO v3神经网络,引入Res2Net残差模块以及采用特征层融合的方式,采用更少的模块和网络层数获取更高的特征提取效率,通过增加空间池化金字塔(spatial pyramid pooling,SPP)模块融合多重感受野,使用GIoU(generalized intersection over union)损失函数代替原有的损失函数。此外,针对数据集的不同,采取k-means++聚类算法重新选择锚点框的尺寸。实验结果证明,在保证精度的前提下,相对于Faster R-CNN和原始的YOLO v3网络,速度分别提升了73.7%和45.8%。 展开更多

关键词 YOLO v3 Res2Net 空间池化金字塔(SPP) giou(generalized intersection over union) k-means++ 速度 检测识别

下载PDF 职称材料

基于改进faster RCNN的木材运输车辆检测 被引量：7

8

作者 徐义鎏 贺鹏 +3 位作者 任东 王慧 董婷 邵攀 《计算机应用》 CSCD 北大核心 2020年第S01期209-214,共6页

针对目前森林资源受到盗砍盗伐威胁,相关木材运输车辆行为隐蔽,进而导致无法准确地在交通视频中被识别的问题,提出了一种基于改进fater区域卷积神经网络(faster RCNN)的木材运输车辆检测方法。首先,采用faster RCNN作为基础检测框架,使... 针对目前森林资源受到盗砍盗伐威胁,相关木材运输车辆行为隐蔽,进而导致无法准确地在交通视频中被识别的问题,提出了一种基于改进fater区域卷积神经网络(faster RCNN)的木材运输车辆检测方法。首先,采用faster RCNN作为基础检测框架,使用金字塔特征网络(FPN)、多尺度训练、锚点框聚类作为基础改进措施;其次,以广义交并比(GIoU)损失函数替换原算法中的smoothL1损失函数作为边界框定位回归的损失函数;最后,计算出在多种实验条件下的模型平均精度均值(mAP),对各种算法进行了对比。实验结果表明,使用GIoU作为损失函数的faster RCNN相比原算法对木材运输车辆检测的平均精度(AP)上升了7.5%,模型平均精度均值(mAP)上升了4.3%;同时,在大型数据集PASCALVOC上,使用GIoU作为损失函数的faster RCNN的mAP达到73.4%,相比其他算法具有明显优势。 展开更多

关键词 广义交并比 目标检测 损失函数 金字塔特征网络 faster区域卷积神经网络 车型检测

下载PDF 职称材料

多尺度特征DCA融合的海上船舶检测算法研究 被引量：4

9

作者 潘慧 段先华 罗斌强 《计算机工程与应用》 CSCD 北大核心 2022年第4期177-185,共9页

为了加强海上交通的安全性,以常见的民用船和军用船为研究对象,针对原始YOLOV3算法在船舶数据集上检测精度不高、目标框出现误检和小目标漏检的问题,提出了改进的船舶检测算法MS-YOLOV3。构建船舶图像数据集Shipdataset,包括数据采集、... 为了加强海上交通的安全性,以常见的民用船和军用船为研究对象,针对原始YOLOV3算法在船舶数据集上检测精度不高、目标框出现误检和小目标漏检的问题,提出了改进的船舶检测算法MS-YOLOV3。构建船舶图像数据集Shipdataset,包括数据采集、增强和标签标注,使用维度聚类算法在该数据集中找出合适尺寸的先验框,并应用于相对应的尺度特征图。以Darknet-53的网络框架为基础特征提取网络,增加网络预测尺度,在多尺度特征融合中加入DCA融合策略,提高模型对船舶的检测能力。以MS-YOLOV3为算法框架,采用GIOU作为边框损失函数的参数,提升模型对边界框位置信息的预测准确度。结果MS-YOLOV3与YOLOV3检测算法的对比实验表明,前者在船舶数据集上的精度有7.9个百分点的提升。同时加入的GIOU边框损失,拉低了模型的平均损失,加强了模型的鲁棒性,使得目标框的定位误差大大减小。根据Pascal VOC2007数据集上的训练效果,MS-YOLOV3的平均精度相较于YOLO系列算法、SSD300和Faster-RCNN,精确度优势更加明显。提出的MS-YOLOV3检测模型使得船舶的位置信息和类别精度更加准确。 展开更多

关键词 深度学习 卷积神经网络(CNN) 船舶检测 多尺度特征 YOLOV3 判别相关分析(DCA) 广义交并比(giou)

下载PDF 职称材料

改进YOLOv3和DeepSort的多目标跟踪算法 被引量：2

10

作者 胡漫 曹继华 +1 位作者 李士心 彭芙蓉 《天津职业技术师范大学学报》 2022年第1期52-57,共6页

针对多目标跟踪在遮挡时漏检或ID切换问题,提出了一种基于改进YOLOv3和DeepSort的算法。该算法对YOLOv3用CIOU损失代替原算法中的边界框损失函数,同时用K-means++算法重新聚类选取适合的先验框。采用改进的YOLOv3对目标进行检测,利用卡... 针对多目标跟踪在遮挡时漏检或ID切换问题,提出了一种基于改进YOLOv3和DeepSort的算法。该算法对YOLOv3用CIOU损失代替原算法中的边界框损失函数,同时用K-means++算法重新聚类选取适合的先验框。采用改进的YOLOv3对目标进行检测,利用卡尔曼滤波进行预测和更新,在级联匹配中用匈牙利算法进行匹配,二次匹配时对未成功匹配及未匹配的检测结果用GIOU匹配。改进后的YOLOv3比原YOLOv3在KITTI数据集上的均值平均精度提高了2.19%,F1-score提高了1.23%,该算法能够在部分遮挡时跟踪目标并保持ID不变。 展开更多

关键词 目标检测跟踪 K-means++聚类算法 完整交并比(CIOU) 广义交并比(giou)

下载PDF 职称材料

基于DeepSORT的单假设多目标追踪方法的问题研究 被引量：4

11

作者 吴梦琪 刘军清 《信息通信》 2020年第11期40-42,共3页

随着科技时代的发展,目标跟踪已经广泛应用于我们的日常生活中,而由于遮挡或匹配混乱的现象常常会影响跟踪轨迹的准确性及完整度。为解决由于目标间遮挡而产生的轨迹匹配混乱问题,文章提出了以下解决方案。文章主要采用由卡尔曼滤波及... 随着科技时代的发展,目标跟踪已经广泛应用于我们的日常生活中,而由于遮挡或匹配混乱的现象常常会影响跟踪轨迹的准确性及完整度。为解决由于目标间遮挡而产生的轨迹匹配混乱问题,文章提出了以下解决方案。文章主要采用由卡尔曼滤波及匈牙利算法组成的DeepSORT单假设跟踪匹配框架来进行目标轨迹的预测及初步匹配。引用广义交并比的衡量尺度去匹配已经经过初步筛选的未确认目标轨迹,提高了级联匹配时目标匹配的准确度。在基础的级联匹配阶段中增加了目标遮挡的判断阶段,去对抗因遮挡产生的身份编号转换问题,有效地降低了因遮挡而产生的身份编号转换的次数,提高了跟踪的准确性。跟踪实验结果表明:通过在同一数据集的测试结果比较,身份编号转换次数得到了大幅度的减少,多目标跟踪准确度也得到了3%的提升。 展开更多

关键词 卡尔曼滤波 目标跟踪 广义交并比 级联匹配 身份标号

下载PDF 职称材料

基于改进Faster R-CNN的钢轨踏面块状伤损检测方法 被引量：3

12

作者 罗晖 贾晨 +1 位作者 芦春雨 李健 《计算机应用》 CSCD 北大核心 2021年第3期904-910,共7页

针对钢轨踏面块状伤损存在的尺度变化大、样本数据集小的问题,提出了基于改进Faster R-CNN的钢轨踏面块状伤损检测方法。首先,基于ResNet-101基础网络结构来构建多尺度特征金字塔(FPN),以实现深、浅层特征信息的融合,从而提高了小尺度... 针对钢轨踏面块状伤损存在的尺度变化大、样本数据集小的问题,提出了基于改进Faster R-CNN的钢轨踏面块状伤损检测方法。首先,基于ResNet-101基础网络结构来构建多尺度特征金字塔(FPN),以实现深、浅层特征信息的融合,从而提高了小尺度伤损的检测精度;然后,采用广义交并比(GIoU)损失解决了Faster R-CNN中回归损失SmoothL1对预测边框位置不敏感问题;最后,提出引导锚定的区域提名网络(GA-RPN)方法,从而解决了区域生成网络(RPN)生成的锚点大量冗余而导致的检测网络训练中正负样本失衡问题。训练过程中,基于翻转、裁剪、噪声扰动等图像预处理方法对RSSDs数据集进行扩充,解决了钢轨踏面块状伤损训练样本不充足问题。实验结果表明,所提改进方法对钢轨踏面块状伤损检测的平均精度均值(mAP)可达到82.466%,相较于Faster R-CNN提高了13.201个百分点,能够更加准确地检测钢轨踏面块状伤损。 展开更多

关键词 钢轨踏面 块状伤损检测 Faster区域卷积神经网络 特征金字塔 广义交并比 区域建议网络

下载PDF 职称材料