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6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：
基于改进YOLO v7轻量化模型的自然果园环境下苹果识别方法
1
作者 张震 周俊 +1 位作者 江自真 韩宏琪 《农业机械学报》 EI CAS CSCD 北大核心 2024年第3期231-242,262,共13页
针对自然果园环境下苹果果实识别中,传统的目标检测算法往往很难在检测模型的检测精度、速度和轻量化方面实现平衡,提出了一种基于改进YOLO v7的轻量化苹果检测模型。首先,引入部分卷积(Partial convolution, PConv)替换多分支堆叠模块... 针对自然果园环境下苹果果实识别中,传统的目标检测算法往往很难在检测模型的检测精度、速度和轻量化方面实现平衡,提出了一种基于改进YOLO v7的轻量化苹果检测模型。首先,引入部分卷积(Partial convolution, PConv)替换多分支堆叠模块中的部分常规卷积进行轻量化改进,以降低模型的参数量和计算量;其次,添加轻量化的高效通道注意力(Efficient channel attention, ECA)模块以提高网络的特征提取能力,改善复杂环境下遮挡目标的错检漏检问题;在模型训练过程中采用基于麻雀搜索算法(Sparrow search algorithm, SSA)的学习率优化策略来进一步提高模型的检测精度。试验结果显示:相比于YOLO v7原始模型,改进后模型的精确率、召回率和平均精度分别提高4.15、0.38、1.39个百分点,其参数量和计算量分别降低22.93%和27.41%,在GPU和CPU上检测单幅图像的平均用时分别减少0.003 s和0.014 s。结果表明,改进后的模型可以实时准确地识别复杂果园环境中的苹果,模型参数量和计算量较小,适合部署于苹果采摘机器人的嵌入式设备上,为实现苹果的无人化智能采摘奠定了基础。 展开更多
关键词 苹果识别 自然果园环境 YOLO v7 pconv 高效通道注意力机制 麻雀搜索算法
下载PDF
轻量化YOLOv7-tiny的水下压印字符识别
2
作者 李卓润 李波 +1 位作者 邱鹏程 刘洪 《国外电子测量技术》 2024年第4期162-169,共8页
自动化水下字符识别技术能通过编号更高效地定位追踪水下设备,是管理和维护水下设备的关键。针对该任务目标区别较小和水下场景中干扰等问题,并考虑其检测速度需求,基于YOLOv7-tiny模型,提出一种轻量化的改进模型。首先采用MobileNetV3... 自动化水下字符识别技术能通过编号更高效地定位追踪水下设备,是管理和维护水下设备的关键。针对该任务目标区别较小和水下场景中干扰等问题,并考虑其检测速度需求,基于YOLOv7-tiny模型,提出一种轻量化的改进模型。首先采用MobileNetV3作为新的特征提取网络对整体框架进行轻量化处理;然后引入PConv至ELAN模块中,减少Neck层的计算量;最后将置换注意力机制应用至Head层,提升了模型对字符定位的表达能力。实验结果表明,改进后的模型相较于原模型的平均精度均值(mAP)提高了2.4%,参数量和计算量分别减少30.0%和38.5%,检测速度提升30.8%。改进后的模型在水下字符识别任务中具有更高的效率和精度,为推进并实现水下自动化识别编号设备的部署提供了可行性。 展开更多
关键词 水下字符识别 YOLOv7-tiny 轻量化 pconv 置换注意力
原文传递
列车司机手势识别方法研究
3
作者 李小平 代旭鹏 +1 位作者 孙守庆 朱高伟 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第2期533-544,共12页
按照司乘标准执行规定的手势是列车司机驾驶操作的重要环节,通过对司机手势进行检测,能够有效评估列车司机的驾驶状态和操作质量,保证列车行车安全。传统人工检查方式效率低,难以满足实际需求,现有的手势识别算法存在模型参数量大、检... 按照司乘标准执行规定的手势是列车司机驾驶操作的重要环节,通过对司机手势进行检测,能够有效评估列车司机的驾驶状态和操作质量,保证列车行车安全。传统人工检查方式效率低,难以满足实际需求,现有的手势识别算法存在模型参数量大、检测精度较低、检测速度慢等问题。随着智能铁路的发展,利用深度学习方法构建轻量化、高效、高精度的列车司机手势识别模型逐渐成为行业发展需求。针对上述需求,提出一种基于改进YOLOv5的列车司机手势识别模型。首先,引入轻量化卷积PConv改进YOLOv5中的C3模块,降低检测网络的参数量和计算量,提升模型检测效率,并在其后添加CBAM模块,加强重要特征信息,抑制无关信息的干扰,强化检测网络特征提取能力;其次,在颈部层引入BiFPN网络结构替换PANet网络结构,增强不同尺度特征的融合能力,同时通过新增小目标检测层,提高模型对小目标的检测能力;最后,选择Focal-EIoU作为边界框损失优化模型损失函数,加快模型的收敛速度,提高手势定位精度。实验结果表明,改进模型在测试集下mAP@0.5可达97.7%,平均检测时间为23.2 ms,相较于YOLOv5计算量降低了23.1%,mAP@0.5和平均检测时间分别提升了0.6个百分点和7.1 ms。所提模型可在降低参数量和计算量的同时有效提高检测精度和检测效率,可为列车司机手势识别提供新思路。 展开更多
关键词 列车司机 手势识别 YOLOv5 pconv CBAM模块
下载PDF
室内环境下的改进YOLOv8n障碍物识别算法
4
作者 刘锦旺 《计算机应用文摘》 2024年第9期117-119,共3页
针对室内环境下障碍物尺寸不一和场景变化多样导致的YOLOv8n目标检测算法精度低和检测速度慢的问题,文章提出了1种改进Tiny-YOLO算法(以下简称“Tiny-YOLO算法”)。该算法使用部分卷积(PConv)方法设计了轻量化模块C2f_PConv以替换主干... 针对室内环境下障碍物尺寸不一和场景变化多样导致的YOLOv8n目标检测算法精度低和检测速度慢的问题,文章提出了1种改进Tiny-YOLO算法(以下简称“Tiny-YOLO算法”)。该算法使用部分卷积(PConv)方法设计了轻量化模块C2f_PConv以替换主干网络中的C2f模块,有效降低了网络参数;引入EMA增强了网络的特征融合能力,同时提高了检测精度。经COCO2017Indoors障碍物数据集验证,Tiny-YOLO算法拥有比YOLOv8n更高的性能,对于室内障碍物识别具有一定的有效性。 展开更多
关键词 障碍物检测 目标检测 YOLOv8n pconv 注意力机制
下载PDF
基于改进YOLOv8模型的轻量化板栗果实识别方法
5
作者 李茂 肖洋轶 +1 位作者 宗望远 宋宝 《农业工程学报》 EI CAS CSCD 北大核心 2024年第1期201-209,共9页
为实现自然环境下的板栗果实目标快速识别,该研究以湖北省种植板栗为研究对象,提出了一种基于改进YOLOv8模型的栗果识别方法 YOLOv8-PBi。首先,将部分卷积(partial convolution,PConv)引入C2f模块中,缩减卷积过程中的浮点数和计算量;其... 为实现自然环境下的板栗果实目标快速识别,该研究以湖北省种植板栗为研究对象,提出了一种基于改进YOLOv8模型的栗果识别方法 YOLOv8-PBi。首先,将部分卷积(partial convolution,PConv)引入C2f模块中,缩减卷积过程中的浮点数和计算量;其次,引入加权双向特征金字塔网络(bidirectional feature pyramid network,BiFPN),增强多尺度特征融合性能,最后,更改边界框损失函数为动态非单调聚焦机制WIoU(wise intersection over union,WIoU),提高模型收敛速度,进一步提升模型检测性能。试验结果表明,改进YOLOv8-PBi模型准确率、召回率和平均精度分别为89.4%、74.9%、84.2%;相比原始基础网络YOLOv8s,模型权重减小46.22%,准确率、召回率和平均精度分别提升1.3、1.5、1.8个百分点。部署模型至边缘嵌入式设备上,经过TensorRT加速后,检测帧率达到43帧/s。该方法可为板栗智能化收获过程中的栗果识别提供技术基础。 展开更多
关键词 图像处理 图像识别 YOLOv8 板栗果实 目标检测 部分卷积 BiFPN
下载PDF
基于改进YOLOv7-tiny和动态检测门的金枪鱼自动检测与计数研究
6
作者 袁红春 史经伟 《渔业现代化》 CSCD 2023年第6期74-83,共10页
远洋渔业仍面临自动化、智能化水平偏低等问题,渔获量统计仍普遍采用人工计数。为解决远洋金枪鱼渔业中人工统计渔获量费时费力的问题,本研究提出一种基于DP-YOLO(DCNv2-PConv-YOLO)模型与动态检测门算法相结合的自动计数方法。该方法选... 远洋渔业仍面临自动化、智能化水平偏低等问题,渔获量统计仍普遍采用人工计数。为解决远洋金枪鱼渔业中人工统计渔获量费时费力的问题,本研究提出一种基于DP-YOLO(DCNv2-PConv-YOLO)模型与动态检测门算法相结合的自动计数方法。该方法选用YOLOv7-tiny作为基础模型,采用可变形卷积DCNv2获取更多形状特征,使用部分卷积PConv降低计算量,设计动态检测门算法避免重复计数,同时提出错计误差指标评估计数方法。消融试验结果显示,DP-YOLO相比YOLOv7-tiny减少了3.3%的参数,23.7%的计算量和2.1%计算时间,提高了5.3%平均精度;渔获量自动统计试验结果表明,该计数方法的识别准确率达到95.8%,计数精度达到97.9%,错计误差仅为2.1%,相比YOLOv5s+Deepsort与YOLOv7-tiny+Deepsort已有的计数算法,分别领先45.8%和25%,为远洋渔业的渔获量自动统计提供了新的思路。 展开更多
关键词 金枪鱼计数 YOLOv7-tiny pconv DCNv2 智慧渔业
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