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4篇文章
< 1 >
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YOLOv4-tiny和Hourglass的指针式仪表读数识别 被引量：3
1
作者 陶金 林文伟 +4 位作者 曾亮 张建寰 赵紫阳 徐周毅 张陈涛 《电子测量与仪器学报》 CSCD 北大核心 2023年第5期1-10,共10页
为了降低电力巡检机器人识别变电站指针式仪表的误检率,提高仪表读数识别的精度,设计了一种基于深度学习的指针式仪表检测方法。通过在YOLOv4-tiny网络结构基础上添加残差模块来提高模型的鲁棒性,并对Hourglass网络结构改进,达到精准识... 为了降低电力巡检机器人识别变电站指针式仪表的误检率,提高仪表读数识别的精度,设计了一种基于深度学习的指针式仪表检测方法。通过在YOLOv4-tiny网络结构基础上添加残差模块来提高模型的鲁棒性,并对Hourglass网络结构改进,达到精准识别指针式仪表读数的目的。为了验证所提出方法的有效性,以变电站现场仪表图像数据对方法进行测试,并将检测结果与其他方法进行对比。实验结果表明,仪表定位漏检率仅1.25%,指针定位精度在1.125%以内,整体检测时间小于0.5 s。相较于常用的Hough直线检测与ORB结合或基于U-net模型的方法,读数识别的平均误差分别降低了70.8%和58.8%,为变电站指针式仪表的读数识别提供新的思路。 展开更多
关键词 深度学习 指针式仪表检测 hourglass网络 YOLOv4-tiny
下载PDF
基于DCA-CenterNet的棉布瑕疵检测研究
2
作者 苏莲花 李波 +1 位作者 杨正达 姚为 《中南民族大学学报（自然科学版）》 CAS 2024年第5期683-691,共9页
针对棉布生产过程中常存在各类瑕疵,且瑕疵的尺度差异较大、形态各异、对比度低、部分为小目标瑕疵等特点,提出了一种基于CenterNet网络的改进目标检测模型DCA-CenterNet,并首次应用于棉布瑕疵检测.在骨干网络Hourglass的残差模块引入C... 针对棉布生产过程中常存在各类瑕疵,且瑕疵的尺度差异较大、形态各异、对比度低、部分为小目标瑕疵等特点,提出了一种基于CenterNet网络的改进目标检测模型DCA-CenterNet,并首次应用于棉布瑕疵检测.在骨干网络Hourglass的残差模块引入CA注意力机制,可以捕捉到不同位置之间的空间关系和上下文信息,提高了网络对于棉布瑕疵的特征表达能力;设计了基于定位质量的关键点筛选模块,可以有效地捕获关键位置信息,提高算法模型检测精度;采用多组改进的带有基于定位质量的关键点筛选模块的检测器,以更好地适应棉布瑕疵的种类多样性和尺度差异,有效解决棉布瑕疵极端长宽比问题.实验结果表明:提出的模型相较于改进前的模型,mAP提高了4.14%,比YOLOv5、FasterRCNN算法分别高出了4.20%和9.11%,验证了所提模型的有效性. 展开更多
关键词 DCA-CenterNet算法 棉布瑕疵 瑕疵检测 hourglass网络 小目标检测 注意力机制
下载PDF
基于热力图预测的免“锚框”人物目标检测算法
3
作者 王子豪 方成 +1 位作者 李丽萍 鹿存跃 《计算机工程》 CAS CSCD 北大核心 2024年第10期51-60,共10页
传统的目标检测算法通常预设许多候选的目标边界框(“锚框”)穷举待检测目标的潜在位置,在对边界框进行置信度计算后筛除冗余边界框确定人物位置,此类检测方法需要复杂的后处理程序,检测效率低。针对待检测的人物目标,提出基于热力图预... 传统的目标检测算法通常预设许多候选的目标边界框(“锚框”)穷举待检测目标的潜在位置,在对边界框进行置信度计算后筛除冗余边界框确定人物位置,此类检测方法需要复杂的后处理程序,检测效率低。针对待检测的人物目标,提出基于热力图预测的免“锚框”目标检测算法,将人物目标的检测转化为对人物热力图的最大值,即目标中心点的检测。通过中心点进行目标尺寸的回归,最终确定目标位置,免除对“锚框”的依赖和计算,从而有效降低计算成本,大幅提高目标检测的速度。实验结果表明:与传统基于“锚框”的检测算法Faster R-CNN和SSD相比,所提算法目标检测速度大幅提升,达到45帧/s,同时检测精度相较前两者在不同数据集上均有所改善。在现实场景测试中,即使视频中存在人物交叉遮挡情况,该算法也能实时跟踪和精准检测人物位置,达到实时检测的目的。 展开更多
关键词 目标检测 免“锚框” 热力图 中心点检测 hourglass网络
下载PDF
基于中心点的多类别车辆检测算法 被引量：2
4
作者 梁礼明 熊文 +1 位作者 彭仁杰 蓝智敏 《科学技术与工程》 北大核心 2021年第7期2767-2772,共6页
针对多类别车辆检测任务中存在计算复杂、检测精度不高的问题,提出一种基于中心点的多类别车辆检测算法。该算法首先通过Hourglass网络对各类型车辆特征进行提取,考虑到多类别车辆检测时易受车辆大小、视觉变化及非刚体形变等因素的影响... 针对多类别车辆检测任务中存在计算复杂、检测精度不高的问题,提出一种基于中心点的多类别车辆检测算法。该算法首先通过Hourglass网络对各类型车辆特征进行提取,考虑到多类别车辆检测时易受车辆大小、视觉变化及非刚体形变等因素的影响,采用可变形卷积替换传统卷积的方法对Hourglass网络重建;在网络预测模块中,结合不同的预测分支支路,采用组合损失函数度量模型拟合的程度,同时引入GIoU损失提高模型拟合效果,减少车辆检测中漏检和误检现象的发生;最后通过Sigmoid激活函数得到最终的检测结果。在公开数据库上仿真实验,测试精度和检测速度分别达到了93.42%和49 f/s,在自制数据库上仿真实验,所提算法的精确率和召回率相比CenterNet算法分别提高了2.7%和5.6%。实验结果表明,本文算法在车辆检测任务中具有明显优势。 展开更多
关键词 GIoU损失 hourglass网络 可变形卷积 锚框 中心点
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 下一页 到第 页
使用帮助 返回顶部