期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于ST-YOLOv7的无人机视角下行人及车辆识别 被引量:1
1
作者 郝博 谷继明 刘力维 《兵器装备工程学报》 CAS CSCD 北大核心 2024年第3期293-298,共6页
由于无人机视角下的背景复杂,识别的目标多为远距离小目标,因此容易导致漏检及误检问题。为了实现无人机视角下对行人及车辆高精度识别,提出了以YOLOv7网络模型为基础的ST-YOLOv7算法,主干网络中融合了Swin Transform模块,构建复杂背景... 由于无人机视角下的背景复杂,识别的目标多为远距离小目标,因此容易导致漏检及误检问题。为了实现无人机视角下对行人及车辆高精度识别,提出了以YOLOv7网络模型为基础的ST-YOLOv7算法,主干网络中融合了Swin Transform模块,构建复杂背景与小目标的全局关系,融入SENet通道注意力机制,为不同通道的特征分配不同权重,增强小目标特征的捕捉,在头部网络中,加入了YOLOv5网络中的C3模块,增加网络的深度和感受野,提高特征提取的能力,增加了1个小目标检测层,进一步提升对小目标识别的精度。实验证明:ST-YOLOv7网络模型在自制的航拍数据集中对行人的识别精度高达83.4%,对数据集中的车辆的识别精度达到了89.3%。均优于YOLOv5和YOLOv7目标检测算法,以较小的效率损失取得了较高精度。 展开更多
关键词 复杂背景 远距离小目标 YOLOv7 注意力机制 目标识别
下载PDF
基于Gan-St-YOLOv5的复杂环境下的手势识别
2
作者 郝博 尹兴超 +1 位作者 闫俊伟 张力 《东北大学学报(自然科学版)》 EI CAS CSCD 北大核心 2023年第7期953-963,共11页
在智能工业生产中的复杂环境下进行手势识别人机交互,手势特征受到局部遮挡、强光照、远距离小目标的影响,导致目标检测识别过程中识别出的手势特征减少,甚至分类错误.在复杂环境下提高手势识别精准度成为人机交互任务中亟需解决的问题... 在智能工业生产中的复杂环境下进行手势识别人机交互,手势特征受到局部遮挡、强光照、远距离小目标的影响,导致目标检测识别过程中识别出的手势特征减少,甚至分类错误.在复杂环境下提高手势识别精准度成为人机交互任务中亟需解决的问题.本文提出一种具有创新性的Gan-St-YOLOv5模型,在YOLOv5的基础上生成对抗网络(generative adversarial network,GAN)和Swin Transformer模块,融入SENet通道注意力机制,使用Confluence检测框选取算法,增强模型检测的准确度.为了验证模型的优越性,与YOLOv5模型进行对比,得出Gan-St-YOLOv5在完全可见测试集上mAP_0.5高达96.1%,在强光照测试集上mAP_0.5高达92.3%,在部分遮挡测试集上mAP_0.5高达86.6%,在远距离小目标测试集上准确度高达96.4%,均优于YOLOv5目标检测算法,以较小的效率损失取得了较高精度. 展开更多
关键词 Gan-St-YOLOv5 手势识别 局部遮挡 强光照 远距离小目标
下载PDF
基于加权感受野和跨层融合的遥感小目标检测 被引量:2
3
作者 张绍文 史卫亚 +1 位作者 张世强 王甜甜 《电子测量技术》 北大核心 2023年第18期129-138,共10页
针对遥感图像中小目标特征易丢失、易受背景噪声影响和定位难的问题,本文对YOLOX-S目标检测模型进行改进。使用二维离散余弦变换对CBAM注意力模块进行改进并加入到主干网络当中,提高网络对小目标的关注度;其次提出一种加权多重感受野空... 针对遥感图像中小目标特征易丢失、易受背景噪声影响和定位难的问题,本文对YOLOX-S目标检测模型进行改进。使用二维离散余弦变换对CBAM注意力模块进行改进并加入到主干网络当中,提高网络对小目标的关注度;其次提出一种加权多重感受野空间金字塔池化模块,提升模型对多尺度目标尤其是小尺度目标的感知能力;采用跨层特征融合的思想,提出一种跨层注意力融合模块,使深层结构中尽可能保留更多的小目标特征;最后使用EIoU损失加强对小目标的定位能力。由大量实验分析可知,在RSOD数据集上,改进模型的APs值相对于基准模型提高了5.1%,在DIOR数据集上提高了2.4%,参数量仅增加了1.01 M,检测速度达到93.6 fps,满足实时性的检测要求。此外,相对于当前最新的目标检测模型,本文改进模型也具有一定优势。 展开更多
关键词 图像处理 遥感小目标 YOLOX 跨层融合 离散余弦变换
下载PDF
仿真图像与遥感影像混合的训练方法研究 被引量:1
4
作者 曹亚明 肖奇 杨震 《计算机仿真》 北大核心 2023年第1期213-217,222,共6页
针对真实遥感数据对于神经网络模型的训练效果有限、真实样本的获取在某些条件下受限、真实遥感数据所含特征有限等问题,提出将不同数量、分辨率的仿真图像作为部分训练样本,与真实训练样本相混合、组成新的训练数据集的方法。仿真图像... 针对真实遥感数据对于神经网络模型的训练效果有限、真实样本的获取在某些条件下受限、真实遥感数据所含特征有限等问题,提出将不同数量、分辨率的仿真图像作为部分训练样本,与真实训练样本相混合、组成新的训练数据集的方法。仿真图像与真实图像都可以单独用作训练样本,将两种训练样本混合后即形成了包含仿真图像与真实遥感图像的混合数据集,使用混合数据集对网络训练,并对混合数据集的样本均衡性进行研究。实验结果表明仿真图像作为训练样本可以有效提高网络对于遥感影像小目标的检测准确率,尤其是在有云雾遮挡的情况下。从混合数据集的均衡性考虑,随着仿真图像数量的增加,模型的准确率先提高后降低,不同分辨率条件下用作混合数据集的仿真图像的最佳数量不同。 展开更多
关键词 仿真图像 训练样本 遥感小目标 神经网络
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部