-
题名轻量化YOLOv5n的高精度垃圾检测算法
被引量：4
- 1
-
-
作者
涂成凤
易安林
姚涛
贺文伟
-
机构
西南交通大学信息科学与技术学院
西南交通大学烟台新一代信息技术研究院
-
出处
《计算机工程与应用》
CSCD
北大核心
2023年第10期187-195,共9页
-
基金
国家自然科学基金(61872170)。
-
文摘
针对现有部署至移动设备或嵌入式设备的生活垃圾检测模型参数量多,计算量大,且识别种类较少等问题,对YOLOv5n目标检测算法进行了轻量化、高精度的优化研究。在YOLOv5n的架构上引入轻量级网络ShuffleNetv2与GhostNet实现了检测网络的轻量化;同时添加注意力机制SE增强特征提取能力,以及引入基于响应的知识蒸馏算法提升定位和分类的准确率,从而提高目标检测精度。实验结果表明,在HGI-30数据集上,优化后的YOLOv5n的参数量和计算量分别减少22.3%和23.3%,检测精度mAP0.5和mAP0.5:0.95分别增加1.6个百分点和2.6个百分点。
-
关键词
yolov5n
轻量级网络
知识蒸馏
生活垃圾分类
-
Keywords
yolov5n
lightweight network
knowledge distillation
domestic waste classification
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名驾驶员手机使用检测模型:优化Yolov5n算法
- 2
-
-
作者
王鑫鹏
王晓强
林浩
李雷孝
李科岑
陶乙豪
-
机构
内蒙古工业大学信息工程学院
天津理工大学计算机科学与工程学院
内蒙古工业大学数据科学与应用学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2023年第18期129-136,共8页
-
基金
国家自然科学基金(61962044)
内蒙古自治区科技成果转化专项资金项目(2020CG0073,2021CG0033)
+1 种基金
内蒙古自然科学基金(2021MS06019)
内蒙古自治区研究生科研创新项目(S20210195Z)。
-
文摘
为进一步实现在移动设备或嵌入式设备上对手机使用的违法行为进行实时检测,通过优化Yolov5n算法提出了一种轻量化、高精度、实时性的检测模型。将Focal-EIoU Loss与FocalL1 Loss相结合来获得更加精确的框定位以及损失函数的更快收敛。利用Slimming剪枝算法来进一步提高模型的轻量化及计算效率。在模型微调时利用数据增强技术对微调操作进行指导,从而使模型能够获得更好的性能提升。在手机使用数据集上对改进方法进行消融实验,进一步验证检测模型的有效性。实验表明,优化后的模型在手机使用数据集及Pascal VOC 2012数据集上的检测精度分别提高了0.2、12.3个百分点,参数量减少44.4%,计算量分别减小45.2%、40%,有利于模型进一步在移动设备及嵌入式设备上的实时性检测。
-
关键词
yolov5n算法优化
Slimming剪枝
Focal-EIoU
Loss
FocalL1
Loss
数据增强
-
Keywords
yolov5n algorithm optimization
Slimming pruning
Focal-EIoU Loss
FocalL1 Loss
data augmentation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进YOLOv5n的红枣缺陷识别方法
- 3
-
-
作者
陈星宇
凡玉琪
刘虎涛
蒋培宗
-
机构
辽宁工程技术大学
-
出处
《信息与电脑》
2023年第14期181-186,共6页
-
文摘
针对新疆红枣产业在加工出售前需要在大量红枣中剔除有裂口、皱皮和变形等缺陷的红枣这一需求,文章提出一种基于改进YOLOv5n模型的红枣缺陷识别方法。该方法首先在YOLOv5n模型目标检测头部引入SEConv通道注意力机制的卷积操作,用于增强模型的特征表示能力,其次使用C3替换SPPF操作加快识别速度,最后通过调整自适应锚定框,更好地适应红枣尺寸和长宽比。实验结果表明,改进后的模型缺陷识别准确度达到了95.8%,相比原模型提升了3.5个百分点,识别速度达到7.2ms,比原模型提升了20.9%。这意味着改进后的YOLOv5模型在保持高准确度的同时,能够更高效地处理大量红枣图像。
-
关键词
红枣图像处理
yolov5n
缺陷识别
-
Keywords
jujube image processing
yolov5n
Defect identification
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进YOLOV5n的绝缘子和间隔棒检测算法
- 4
-
-
作者
胡博宇
黄忠谋
朱蔚健
李雪健
李勇
-
机构
广西大学电气工程学院电力装备智能控制与运维重点实验室
广西电网有限责任公司崇左供电局计量中心
-
出处
《广西电力》
2022年第6期42-46,共5页
-
基金
广西科技基地和人才专项(桂科AD22080043),广西高校中青年教师科研基础能力提升项目(2021KY0015)。
-
文摘
轻量级神经网络的出现显著降低了目标检测算法在移动端部署的难度,当前已有许多运算量小、精度较高的卷积神经网络在多个公共数据集上取得了不错的效果。然而,在基于图像的电力巡检领域,图像中目标检测与识别的效率对于及时排除电力故障具有重要意义,尤其是针对基于无人机的巡检,实现在线实时的故障检测更有意义。为了实现绝缘子和间隔棒这些重要巡检目标的移动端实时检测,本文提出了一种基于YOLOV5n的针对电力设备检测与分类的轻量级网络模型,算法在YOLOV5n的基础上优化网络,通过减少一系列的卷积层并舍去一部分的捷径分支,提高网络的并行程度并降低网络的深度。最终设计出模型更轻量、精确度更高的YOLOV5n-1、YOLOV5n-2,基于自建的电力巡检数据集进行测试,实验结果表明,提出的算法比YOLOV5n减少了27%的GFLOPs,检测时间降低了24%,降低了硬件要求,更适合在移动端部署。
-
关键词
智能巡检
人工智能
目标检测
yolov5n
绝缘子
间隔棒
-
Keywords
intelligent patrol
artificial intelligence
object detection
yolov5n
insulator
spacer
-
分类号
TM76
[电气工程—电力系统及自动化]
-
-
题名基于YOLOv5n的轻量级织物疵点检测算法
- 5
-
-
作者
李洋
李敏
黄政
董雄伟
朱立成
-
机构
武汉纺织大学先进纺纱织造及清洁生产国家地方联合工程实验室
-
出处
《毛纺科技》
CAS
2024年第5期87-97,共11页
-
文摘
针对轻量级模型在检测织物疵点时精确率低的问题,在YOLOv5n的基础上提出一种上下文增强与混合感受野的织物疵点检测算法。首先,为主干网络设计了一种轻量扩张卷积空间金字塔模块,并将主干网络的下采样比增加至64,在增强上下文信息的同时提取更深层的语义信息,提高模型识别性能;其次,为颈部网络设计了一种混合感受野融合模块代替原C3模块并进行特征融合,提高极端长宽比目标的检测精度。实验表明:该算法在基于天池织物数据集上的IOU阈值为0.5时的平均精度均值mAP 50、精确率、召回率分别达到了93.1%、91.6%、89.1%,相较于原YOLOv5n算法分别提高了4.9%、7.3%、5.0%,且模型文件大小仅6.28 MB,更适用于织物疵点检测领域。
-
关键词
疵点检测
深度学习
yolov5n
空间金字塔
感受野融合
-
Keywords
defects detection
deep learning
yolov5n
spatial pyramid
receptive field fusion
-
分类号
TS391.41
[轻工技术与工程]
-
-
题名基于机器视觉的雨雾天驾驶辅助系统设计
- 6
-
-
作者
洪儒
于力涵
戴安邦
谢迎娟
-
机构
河海大学信息科学与工程学院
-
出处
《计算机测量与控制》
2024年第3期259-266,共8页
-
基金
国家自然科学基金(61573128)
国家自然科学基金(61701169)
+5 种基金
国家重点研发计划(2018YFC0407101)
教育部产学合作协同育人项目(220803494162012,220603632072407)
国家级大学生创业训练项目(202210294232E)
江苏省大学生创新创业训练计划项目(202210294220Y)
河海大学本科实践教学改革研究项目(河海教务[2022]47号)
河海大学创新性实验项目(河海教务[2022]49号)。
-
文摘
随着私家车数量日益增多,雨雾天交通安全问题成为了亟待解决的难题;在嵌入式硬件资源有限的情况下,为驾驶用户设计了基于机器视觉的雨雾天语音辅助驾驶系统;系统结合了湿度传感器、轻量化去雾神经网络AOD-NET和目标检测模型YOLOv5n;在目标检测模型YOLOv5n上,利用K-means++算法重新设计锚框,选取较优的骨干网络并利用模型剪枝进一步压缩模型大小;实验结果表明,改进的模型在Jetsonnano上的FPS达到了17.78,最终mAP在人工加雾、分辨率变化的TT100K (Tsinghua-Tencent 100K)数据集到达了65.8%,满足了正常天气与雨雾天气下的驾驶辅助实际应用。
-
关键词
机器视觉
Jetson
nano
雨雾天辅助驾驶
交通标志检测
AOD-NET去雾
yolov5n
-
Keywords
machine vision
Jetson nano
assisted driving in rain and haze weather
traffic sign detection
AOD-NET dehazing
yolov5n
-
分类号
V19
[航空宇航科学与技术—人机与环境工程]
-
-
题名基于改进YOLOv5无人机图像目标检测算法
被引量：2
- 7
-
-
作者
罗旭鸿
刘永春
楚国铭
蒲红平
-
机构
四川轻化工大学自动化与信息工程学院
人工智能四川省重点实验室
成都航空职业技术学院无人机产业学院
-
出处
《无线电工程》
北大核心
2023年第7期1528-1535,共8页
-
基金
人工智能四川省重点实验室科研项目(2020RZY01)
厅市共建智能终端四川省重点实验室项目(SCITLAB-20011)
四川轻化工大学研究生创新基金资助项目(Y2022161)。
-
文摘
针对目前在无人机图像目标检测算法中存在漏检与误检、不能兼顾检测速度,并且不能很好地应用于移动设备端等问题,提出了以YOLOv5n算法为基础进行改进的无人机图像目标检测算法。在原有的网络结构中添加小目标检测层M,增强对小目标的检测能力;在主干特征提取网络中引入BoT模块,减少网络参数量计算并提高检测精度;在特征融合网络中添加CBAM注意力机制,有效抑制背景信息干扰;将网络的头部替换成解耦头部,增强网络的收敛效果。将改进的算法在处理后的VirDrone数据集上进行测试,实验结果表明,在YOLOv5n算法上整体平均精度均值提升了10.25%,检测精度提高了9.81%,改进后的算法在保证实时性的同时有效提高了检测精度。
-
关键词
BOT
小目标检测
yolov5n
CBAM
解耦头
-
Keywords
BoT
small object detection
yolov5n
CBAM
decoupled head
-
分类号
V279
[航空宇航科学与技术—飞行器设计]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名融合多异构滤波器的轻型弱小目标检测网络
- 8
-
-
作者
赵菲
邓英捷
-
机构
国防科技大学电子科学学院ATR国防科技重点实验室
-
出处
《光学学报》
EI
CAS
CSCD
北大核心
2023年第9期145-156,共12页
-
基金
国家自然科学基金青年基金(61901489)。
-
文摘
针对红外图像信息维度单一且弱小目标因特征不明显而难以检测的问题,将不同结构的多滤波器融入YOLOv5n网络,根据增强弱小目标和抑制背景干扰的不同特性分别选择三个异构滤波器作用于网络的多通道输入图像,从而丰富原始图像的信息维度,有效提升后端网络对复杂背景下弱小目标的适应能力;通过添加注意力模块、采用小锚框策略、裁剪网络深层分支等改进措施,在增强YOLOv5n网络弱小目标检测能力的同时,进一步减少了计算和存储资源需求。实验结果表明,所提出的算法能够有效检测红外复杂背景中的弱小目标,同时占用存储和计算资源更少,为算法部署在资源受限的嵌入式设备上提供了基础。
-
关键词
机器视觉
红外弱小目标
资源受限
多异构滤波器
yolov5n
-
Keywords
machine vision
infrared dim small target
limited resources
multi-heterogeneous filters
yolov5n
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
