检索结果-内蒙古大学图书馆

中国农机化学报 2021年第11期42卷 159-165页

作者：宋中山刘越郑禄帖军汪进中南民族大学计算机科学学院武汉市430074 湖北省制造企业智能管理工程技术研究中心武汉市430074

为研究自然环境下柑橘的图像识别技术,实现柑橘的早期产量预测,提出一种改进的D-yolov3算法,实现自然环境下未成熟的绿色柑橘的识别与检测。研究构建绿色柑橘图像数据集,并对采集的图像进行预处理;改进算法采用DenseNet的密集连接机制替... 详细信息

为研究自然环境下柑橘的图像识别技术,实现柑橘的早期产量预测,提出一种改进的D-yolov3算法,实现自然环境下未成熟的绿色柑橘的识别与检测。研究构建绿色柑橘图像数据集,并对采集的图像进行预处理;改进算法采用DenseNet的密集连接机制替换yolov3网络中的特征提取网络Darknet53中的后三个下采样层,加强特征的传播,实现特征的复用。通过自制的数据集对D-yolov3算法进行测试,并分别对改进前后网络的识别性能、不同预处理方法和不同数据量图像对模型的影响进行试验。试验结果表明,改进的D-yolov3算法相对于传统yolov3算法精确率提高6.57%,召回率提高2.75%,F_(1)分数提高4.41%,交并比提高6.13%,平均单张检测时间为0.28 s。通过不同果实数量图像对比试验验证了算法的可行性和准确性。研究结果表明,本文提出的D-yolov3算法对自然环境下未成熟的绿色柑橘识别具有较高的精准度,为柑橘的早期测产提供了技术支持。

关键词：目标检测 yolov3算法 DenseNet算法绿色柑橘

来源：评论

学校读者我要写书评

暂无评论

改进的yolov3的红外目标检测算法

引用

电子测量与仪器学报 2020年第8期32卷 188-194页

作者：曹红燕沈小林刘长明牛晓桐陈燕中北大学电气与控制工程院太原030051 陆军装备部驻北京地区军事代表局某军代室太原030051

复杂背景下红外多目标图像及视频的检测是目标检测的热点也是难点,为了更准确地检测出复杂背景下的红外目标,将yolov3算法进行改进,首先通过在算法的原有基础上增加特征尺度,提高对距离远且背景复杂的待测图像的识别精度,并将BN网络层... 详细信息

复杂背景下红外多目标图像及视频的检测是目标检测的热点也是难点,为了更准确地检测出复杂背景下的红外目标,将yolov3算法进行改进,首先通过在算法的原有基础上增加特征尺度,提高对距离远且背景复杂的待测图像的识别精度,并将BN网络层与卷积神经网络层融合计算得到最后的检测结果,将原来的yolov3算法与改进后的算法的结果进行分析对比可得,改进后的算法能够将平均识别精度从64%提高到88%,将mAP从51.73提高到59.28,验证了改进后的yolov3算法在红外目标检测下具有更好的性能,更明显的优势。

关键词：目标检测 yolov3算法卷积神经网络 BN网络层特征尺度

来源：评论

学校读者我要写书评

暂无评论

基于yolov3的嵌入式实时视频目标检测算法

引用

计算机工程 2020年第2期46卷 230-234页

作者：尹彦卿龚华军王新华南京航空航天大学自动化学院

深度神经网络在目标检测领域具有优异的检测性能,但其结构复杂、计算量大,难以在嵌入式设备上进行高性能的实时目标检测。针对该问题,提出一种基于yolov3的目标检测算法。采用半精度推理策略提高YOLO算法的推理速度,并通过视频运动自适... 详细信息

深度神经网络在目标检测领域具有优异的检测性能,但其结构复杂、计算量大,难以在嵌入式设备上进行高性能的实时目标检测。针对该问题,提出一种基于yolov3的目标检测算法。采用半精度推理策略提高YOLO算法的推理速度,并通过视频运动自适应推理策略充分利用前后帧视频之间目标的关联性,降低深度学习算法的运行频率,进一步提高目标检测速度。在ILSVRC数据集上的实验结果表明,该算法可以在NVIDIA TX2嵌入式平台上实现28 frame/s的视频目标检测,且检测精度与原始的yolov3算法相当。

关键词： yolov3算法深度学习目标检测 NVIDIA TX2嵌入式平台半精度粒子滤波

来源：评论

学校读者我要写书评

暂无评论

基于多尺度的yolov3目标检测算法的改进

引用

中北大学学报（自然科学版） 2022年第3期43卷 229-235,253页

作者：白佳乐樊永生中北大学大数据学院山西太原030051

在深度学习算法中,yolov3目标检测算法检测速率高,实时性强,但检测精度低.本文在yolov3算法的基础上,引入Res2Net多尺度模块,有效增加了特征层的感受野范围,增强了特征提取能力;在预测框回归时,引入CIoU交并比算法,通过在损失函数中加... 详细信息

在深度学习算法中,yolov3目标检测算法检测速率高,实时性强,但检测精度低.本文在yolov3算法的基础上,引入Res2Net多尺度模块,有效增加了特征层的感受野范围,增强了特征提取能力;在预测框回归时,引入CIoU交并比算法,通过在损失函数中加入新的惩罚因子,提高了目标框回归精度;在训练过程中引入随机擦除数据增强策略,在整个图像和每个对象边界框中选取擦除区域,之后选取随机像素值对所选区域进行覆盖,提升了模型的泛化能力.选取PASCAL VOC 2012数据集作为本文的数据集,与主流目标检测算法进行对比.实验结果表明:改进后不同种类的AP值与之前的yolov3算法相比均得到了提升,改进后算法的mAP比原算法提升了3.4%,而且消融实验进一步证明了改进部分的合理性与有效性.本文对特征网络结构与预测框回归部分的改进,有效提高了yolov3目标检测算法的检测精度.

关键词：目标检测 yolov3算法多尺度模块交并比数据增强

来源：评论

学校读者我要写书评

暂无评论

基于改进yolov3的遥感目标检测算法

引用

兵器装备工程学报 2023年第11期44卷 279-286页

作者：王兴涛单慧琳孙佳琪崔志强张培琰龙见洋南京信息工程大学电子与信息工程学院南京210044 无锡学院电子信息工程学院江苏无锡214105

针对yolov3算法在遥感图像检测中对飞机、船舰等小目标的准确度不高等问题,提出了一种用于遥感目标检测的改进yolov3算法。使用H-Swish激活函数替代MobileNetV2中Bottleneck Residual block第一层中的ReLU6激活函数,为使网络更加关注遥... 详细信息

针对yolov3算法在遥感图像检测中对飞机、船舰等小目标的准确度不高等问题,提出了一种用于遥感目标检测的改进yolov3算法。使用H-Swish激活函数替代MobileNetV2中Bottleneck Residual block第一层中的ReLU6激活函数,为使网络更加关注遥感图像的细节信息,在MobileNetV2中加入能够更多关注特征图的隐藏信息的空间通道注意力机制;利用改进后的MobileNetV2代替yolov3中原始的Darknet-53主干网络。将调整后的Focal loss损失函数代替yolov3中原来的损失函数,并在原算法的基础上减少特征尺度,使算法处理时间更短。使用K-means++聚类算法对数据集进行聚类分析,获得一组先验框。在DOTA数据集上进行了测试,实验结果表明:改进后的算法将权重模型从18.8 MB减少到了8.0 MB,将平均检测时间从36.6 ms减少到了28.42 ms,将mAP_0.5从61.7提高到了91.3,该算法较好地提高了检测速度和精度。

关键词：深度学习 yolov3算法特征尺度空间通道注意力机制轻量化网络 K-means++聚类算法

来源：评论

学校读者我要写书评

暂无评论

改进yolov3的轻量化漂浮物检测算法

引用

水利水电技术（中英文） 2023年第10期54卷 170-179页

作者：任英杰李传奇王薇葛召华山东大学土建与水利学院山东济南250061 山东省水利综合事业服务中心山东济南250013

【目的】为解决水域监控下漂浮物检测效率低、检测模型复杂度高的问题,提出一种基于改进yolov3的轻量化漂浮物检测算法。【方法】使用轻量级网络MobileNetv3代替yolov3的主干特征提取网络Darknet53以降低模型计算量和参数;构建简化版加... 详细信息

【目的】为解决水域监控下漂浮物检测效率低、检测模型复杂度高的问题,提出一种基于改进yolov3的轻量化漂浮物检测算法。【方法】使用轻量级网络MobileNetv3代替yolov3的主干特征提取网络Darknet53以降低模型计算量和参数;构建简化版加权双向特征金字塔网络(Bi-FPN-tiny)以进行多尺度特征的加权融合;利用Focal Loss优化损失函数,加强对于困难样本的学习。为验证所提算法的有效性,建立了PASCAL VOC格式的漂浮物数据集,并进行数据标注和增广。【结果】结果表明:改进后的算法平均精度均值(mAP)达到92.8%,比原算法提高了7.1%;在NVIDIA Quadro P2200显卡下检测速度达到了86 fps/s,高于yolov3算法的47 fps/s;模型体积为43.7 MB,仅为初始算法的17.7%。【结论】改进yolov3是一种性能优越且轻量化的模型,为在移动端进行实时漂浮物检测提供了新的契机。

关键词： yolov3算法漂浮物目标检测轻量化特征融合

来源：评论

学校读者我要写书评

暂无评论

密集交通场景中改进yolov3目标检测优化算法

引用

计算机工程与科学 2023年第5期45卷 878-884页

作者：霍爱清张书涵杨玉艳胥静蓉王泽文西安石油大学电子工程学院陕西西安710065

针对交通拥堵的车辆密集场景中检测目标重叠率高而导致漏检和误检的问题,提出了改进yolov3、CIoU损失函数优化以及SD-NMS优化算法(简记L-yolov3+CIoU Loss+SD-NMS)。利用深度可分离卷积、SE模块和Ghost模块改进yolov3的残差单元结构,以... 详细信息

针对交通拥堵的车辆密集场景中检测目标重叠率高而导致漏检和误检的问题,提出了改进yolov3、CIoU损失函数优化以及SD-NMS优化算法(简记L-yolov3+CIoU Loss+SD-NMS)。利用深度可分离卷积、SE模块和Ghost模块改进yolov3的残差单元结构,以提高对密集目标的特征提取能力,减少网络模型参数量;采用完整交并比CIoU损失函数加快网络模型收敛速度,同时将多目标集合预测思想与DIoU-NMS有机结合,提出了SD-NMS优化算法,以降低漏检误检率。在BDD100K数据集上进行实验,结果表明,改进的目标检测算法召回率达到91.58%,精准率达到93.04%,与yolov3算法相比,召回率和精准率分别提升了12.09%和9.52%,具有更好的检测效果。

关键词：目标检测深度学习 yolov3算法 CIoU损失非极大值抑制

来源：评论

学校读者我要写书评

暂无评论

基于yolov3的车辆行人目标检测算法改进方法研究

引用

计算机应用与软件 2022年第7期39卷 201-206,226页

作者：梁策王景中王宝成北方工业大学信息学院北京100144

针对车辆行人检测中目标尺度多、尺度小、目标遮挡严重的问题,将实时性与准确性较高的yolov3算法应用于行人车辆检测领域,并提出两点优化方法:(1)优化非大值抑制算法,高斯函数衰减的形式对预测框置信得分进行抑制,避免被遮挡目标预测框... 详细信息

针对车辆行人检测中目标尺度多、尺度小、目标遮挡严重的问题,将实时性与准确性较高的yolov3算法应用于行人车辆检测领域,并提出两点优化方法:(1)优化非大值抑制算法,高斯函数衰减的形式对预测框置信得分进行抑制,避免被遮挡目标预测框被误删,提升算法对被遮挡目标的检测能力;(2)优化yolov3的网络结构,增加更多的特征层与残差单元,获得更高分辨率、更多预测尺度的网络结构,提升对小目标及多尺度目标的识别能力。实验使用UA-DETRAC、PASCAL VOC数据集进行训练与测试,结果表明相较于传统yolov3算法,在行人、车辆目标尺度多的情况下,召回率有一定提高;在目标图像小及被遮挡的情况下,准确率有所提升。

关键词： yolov3算法人车识别多尺度预测

来源：评论

学校读者我要写书评

暂无评论

融合GIoU和Focal loss的yolov3目标检测算法

引用

计算机工程与应用 2020年第24期56卷 214-222页

作者：邹承明薛榕刚交通物联网湖北省重点实验室武汉430070 武汉理工大学计算机科学与技术学院武汉430070 鹏程实验室广东深圳518000

yolov3目标检测算法检测速度快且精度较高,但存在对小目标检测能力不足、边界框定位不准确等问题。提出了一种基于yolov3改进的目标检测算法,该算法在yolov3的基础上,对网络中的残差块增加旁路连接,进一步进行特征重用,以提取更多的特... 详细信息

yolov3目标检测算法检测速度快且精度较高,但存在对小目标检测能力不足、边界框定位不准确等问题。提出了一种基于yolov3改进的目标检测算法,该算法在yolov3的基础上,对网络中的残差块增加旁路连接,进一步进行特征重用,以提取更多的特征信息。同时,采用GIoUloss作为边界框的损失,使网络朝着预测框与真实框重叠度较高的方向去优化。在损失函数中加入Focal loss,减小正负样本不平衡带来的误差。在PASCAL VOC和COCO数据集上的实验结果表明,该算法能够在不影响yolov3算法实时性的前提下,提高目标检测的mAP。该算法在PASCAL VOC 2007测试集上达到83.7mAP(IoU=0.5),在COCO测试集上比yolov3算法提升2.27mAP(IoU[0.5,0.95])。

关键词： yolov3算法目标检测 GIou loss Focal loss

来源：评论

学校读者我要写书评

暂无评论

改进的yolov3目标检测算法

引用

中国科技论文 2021年第11期16卷 1195-1201页

作者：曹春键臧强王泽嘉屠壮南京信息工程大学自动化学院南京210044 江苏省大气环境与装备技术协同创新中心南京210044

针对yolov3目标检测算法存在网络参数量大、检测精度不够高的问题,首先,使用一种轻量化yolov3特征提取网络的方法,降低特征提取网络部分的参数量;其次,提出一种多级特征融合网络结构,提高yolov3算法特征层的检测效果;最后,采用一种软化... 详细信息

针对yolov3目标检测算法存在网络参数量大、检测精度不够高的问题,首先,使用一种轻量化yolov3特征提取网络的方法,降低特征提取网络部分的参数量;其次,提出一种多级特征融合网络结构,提高yolov3算法特征层的检测效果;最后,采用一种软化的非极大值抑制(soft non-maximun suppression,Soft-NMS)算法,在检测阶段有效避免重叠目标下的漏检。结果表明,相比于yolov3算法,改进yolov3算法的参数量降低了46%,模型大小约为原模型的50%,在PASCAL VOC 2007数据集上的平均精度均值(mean average precision,mAP)提升了3.5%。

关键词：目标检测 yolov3算法特征融合非极大值抑制平均精度均值

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：