检索结果-内蒙古大学图书馆

北京航空航天大学学报 2023年第8期49卷 2050-2061页

作者：赵睿刘辉刘沛霖雷音李达湖南师范大学物理与电子科学学院长沙410081

针对现有安全帽检测算法难以检测小目标、密集目标等缺点,提出一种基于YOLOv5s的安全帽检测改进算法。采用denseblock模块来代替主干网络中的切片结构,提升网络的特征提取能力;在网络颈部检测层加入SE-Net通道注意力模块,引导模型更加... 详细信息

针对现有安全帽检测算法难以检测小目标、密集目标等缺点,提出一种基于YOLOv5s的安全帽检测改进算法。采用denseblock模块来代替主干网络中的切片结构,提升网络的特征提取能力;在网络颈部检测层加入SE-Net通道注意力模块,引导模型更加关注小目标信息的通道特征,以提升对小目标的检测性能;对数据增强方式进行改进,丰富小尺度样本数据集;增加一个检测层以便能更好地学习密集目标的多级特征,从而提高模型应对复杂密集场景的能力。此外,构建一个面向密集目标及远距离小目标的安全帽检测数据集。实验结果表明:所提改进算法比原始YOLOv5s算法平均精确率(mAP@0.5)提升6.57%,比最新的YOLOX-L及PP-YOLOv2算法平均精确率分别提升1.05%与1.21%,在密集场景及小目标场景下具有较强的泛化能力。

关键词：安全帽检测 YOLOv5s算法数据增强 denseblock模块 SE-Net注意力模块

来源：评论

学校读者我要写书评

暂无评论

基于轻量级残差网络的苹果叶病识别

引用

福建农业学报 2024年第1期39卷 83-92页

作者：周罕觅陈佳庚代智光牛晓丽秦龙向友珍赵龙河南科技大学农业装备工程学院河南洛阳471003 西北农林科技大学旱区农业水土工程教育部重点实验室陕西杨凌712100

【目的】解决卷积神经网络在复杂环境下识别率低、模型参数多等问题,为苹果叶病智能识别提供参考。【方法】本研究提出一种基于改进ResNet18的苹果叶病识别模型。首先,通过离线增强和在线增强两种方式解决数据不平衡和数据过拟合现象,... 详细信息

【目的】解决卷积神经网络在复杂环境下识别率低、模型参数多等问题,为苹果叶病智能识别提供参考。【方法】本研究提出一种基于改进ResNet18的苹果叶病识别模型。首先,通过离线增强和在线增强两种方式解决数据不平衡和数据过拟合现象,增强模型的泛化能力;其次,引入缩放因子调整通道参数以减少网络参数量,并在下采样残差结构的恒等映射中用最大池化层代替1×1卷积完成下采样,去除图片中的冗余特征,增大模型的感受野;将ResNet18模型的第一层7×7卷积层替换为多尺度特征提取模块,提高模型对细小病斑的提取能力;最后,在特征提取网络中插入denseblock模块,加强模型对浅层有效特征的重用。【结果】改进后的ResNet18模型准确率为97.94%,比原模型高出0.88个百分点;模型大小为3.97MB,比原模型减小90.77%。与ShuffleNetv2、MobileNetv3、EfficientNet等轻量化模型和Inceptionv2、DenseNet、ResNet等经典模型相比,该模型拥有更好的性能。【结论】改进后的模型在复杂环境下能够准确识别苹果叶病,并且具有较少的模型参数,方便移植到移动设备上,为苹果叶病的智能诊断提供参考。

关键词： ResNet18模型多尺度特征提取最大池化层 denseblock模块

来源：评论

学校读者我要写书评

暂无评论

扩展YOLOv5安全帽多级目标分类检测

引用

计算机系统应用 2023年第2期32卷 139-149页

作者：金源张长鲁北京信息科技大学计算机学院北京100101 北京信息科技大学经济管理学院北京100192

YOLO是目前计算机视觉目标检测领域比较重要的算法模型之一.基于现有YOLOv5s模型提出了一种扩展的YOLOv5多级分类目标检测算法模型.首先,对LabelImg标注工具进行功能扩展,使其满足多级分类标签文件构建;其次在YOLOv5s算法基础上修改检... 详细信息

YOLO是目前计算机视觉目标检测领域比较重要的算法模型之一.基于现有YOLOv5s模型提出了一种扩展的YOLOv5多级分类目标检测算法模型.首先,对LabelImg标注工具进行功能扩展,使其满足多级分类标签文件构建;其次在YOLOv5s算法基础上修改检测头输出格式,在骨干网络前端引入denseblock、Res2Net网络模型核心设计思想,获取丰富的多维度特征信息,增强特征信息的重用性,实现了YOLO多级分类目标检测任务.在开源安全帽数据集上同时以安全帽颜色作为二级分类进行训练验证,平均精度,精确率和召回率分别达到了95.81%、94.90%和92.54%,实验结果验证了YOLOv5多级分类目标检测任务的可行性,并为目标检测及多级分类目标检测任务提供一种新的思路和方法.

关键词：目标检测 YOLOv5 多级分类 denseblock模块损失函数深度学习

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv5s的高压环境穿戴绝缘用具检测算法

引用

重庆科技学院学报（自然科学版） 2023年第6期25卷 59-64页

作者：谢俊杨超宇安徽理工大学计算机科学与工程学院安徽淮南232001 安徽理工大学人工智能学院安徽淮南232001

针对现有高压环境穿戴绝缘用具检测算法的不足,提出了一种基于改进YOLOv5s的高压环境穿戴绝缘用具检测算法。首先,将YOLOv5s骨干网络中的Focus模块替换为denseblock模块,以提升网络特征提取能力;然后,引入Lovasz-Softmax Loss函数,将其... 详细信息

针对现有高压环境穿戴绝缘用具检测算法的不足,提出了一种基于改进YOLOv5s的高压环境穿戴绝缘用具检测算法。首先,将YOLOv5s骨干网络中的Focus模块替换为denseblock模块,以提升网络特征提取能力;然后,引入Lovasz-Softmax Loss函数,将其与Cross Entropy Loss函数相结合,使得网络在模型训练过程中更加稳定,从而提高模型的精确率。通过实验发现,相较于YOLOv5s模型,改进后模型的平均精度均值、精确率和召回率都得到了提升,更适用于高压环境穿戴绝缘用具的检测。

关键词：穿戴绝缘用具检测 YOLOv5s denseblock模块损失函数

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：