-
题名改进YOLOX在近岸船舶检测中的应用
- 1
-
-
作者
张立国
赵嘉士
金梅
曾欣
沈明浩
-
机构
燕山大学电气工程学院
-
出处
《计量学报》
CSCD
北大核心
2024年第1期30-37,共8页
-
基金
河北省中央引导地方专项(199477141G)。
-
文摘
为了解决近岸船舶检测时目标尺度变化大,环境干扰严重等问题,提出了一种改进YOLOX的无锚框检测算法。首先,在主干网络中引入CoT模块,通过动态利用上下文信息来增强表达能力,降低环境干扰的影响;其次,将SimAM注意力嵌在特征金字塔和检测头之间,丰富语义信息,提升小目标检测精度。再利用CIOU来取代原有损失函数,以提高收敛速度;最后,使用深度可分离卷积替换特征金字塔中普通卷积,减少参数量,提升检测速度。实验结果表明:在SeaShips数据集上,改进后模型在减少参数量的同时,精度提高了6.73%,均值平均精度(mAP)达到了96.63%,检测速度达到了48.6帧/s,能够实时、高精度地检测近岸船舶。
-
关键词
视觉检测
船舶目标
深度学习
YOLOX
CoT模块
SimAM注意力
-
Keywords
visual inspection
ship target
deep learning
YOLOX
CoT module
SimAM attention
-
分类号
TB96
[机械工程—光学工程]
-
-
题名基于改进YOLOv4的灾后人员检测算法
- 2
-
-
作者
张立国
李佳庆
赵嘉士
耿星硕
章玉鹏
-
机构
燕山大学电气工程学院
河北省测试计量技术及仪器重点实验室
-
出处
《高技术通讯》
CAS
2023年第7期742-749,共8页
-
基金
工信部生产现场信息物理系统平台重点项目(CEIEC-2020-ZM02-0131)
河北省中央引导地方科技发展专项(199477141G)资助项目。
-
文摘
针对地震等灾后环境复杂、救援机器人对救援目标识别实时性和准确度要求较高的问题,提出一种基于改进YOLOv4的目标检测模型。该算法将YOLOv4网络中的主干特征提取网络替换成MobileNetv1模型以增强特征复用,同时缩减网络参数量,提高运行速度;通过K-means++算法进行锚点维度聚类以适应灾后人员检测,提升算法精度。并且针对灾后人员检测数据集缺乏问题,贡献相应的数据集。实验结果表明,改进的网络与YOLOv4相比在保证模型精度的前提下帧率提升了约92%,权重文件大小变为原来的20.73%,满足了灾后救援机器人目标检测实时性和准确性的需求,对于灾后人员检测场景有一定的借鉴意义。
-
关键词
灾后救援
目标检测
改进YOLOv4
Mobilenetv1
K-means++
-
Keywords
post-disaster relief
object detection
improved YOLOv4
MobileNetv1
K-means++
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
X4
[环境科学与工程—灾害防治]
-
