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282篇文章
< 1 2 … 15 >
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：
改进YOLOX在近岸船舶检测中的应用 被引量：1
1
作者 张立国 赵嘉士 +2 位作者 金梅 曾欣 沈明浩 《计量学报》 CSCD 北大核心 2024年第1期30-37,共8页
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... 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。 展开更多
关键词 视觉检测 船舶目标 深度学习 yolox CoT模块 SimAM注意力
下载PDF
基于改进YOLOX-S的太阳能电池片表面缺陷检测 被引量：2
2
作者 王淑青 朱文鑫 +1 位作者 张子言 王娟 《激光杂志》 CAS 北大核心 2024年第7期118-123,共6页
针对太阳能电池片表面缺陷检测存在模型体积大和检测性能不达标的问题,提出了一种轻量化YOLOX-S检测模型用于工业生产。首先以YOLOX-S模型为基础,采用轻量级网络MobileNetV3优化主干网络,减少模型参数,降低模型运算量,提高检测速度。其... 针对太阳能电池片表面缺陷检测存在模型体积大和检测性能不达标的问题,提出了一种轻量化YOLOX-S检测模型用于工业生产。首先以YOLOX-S模型为基础,采用轻量级网络MobileNetV3优化主干网络,减少模型参数,降低模型运算量,提高检测速度。其次采用FReLU激活函数改进MobileNetV3,使模型具有空间像素级建模能力,提高模型空间特征信息灵敏度,增强模型对小目标缺陷的特征提取能力。最后,在颈部网络引入注意力特征融合模块,聚合多尺度信息,加强模型的多尺度特征融合能力。实验结果表明,改进的YOLOX-S检测模型平均精度均值可达97.6%,参数量减少43.2%,检测速度达到51帧/s,置信度均在90%以上,检测结果可靠。 展开更多
关键词 太阳能电池片 缺陷检测 yolox-S 深度学习 轻量化
原文传递
MFE-YOLOX:无人机航拍下密集小目标检测算法 被引量：2
3
作者 马俊燕 常亚楠 《重庆邮电大学学报（自然科学版）》 CSCD 北大核心 2024年第1期128-135,共8页
针对无人机航拍时物体尺度变化大,检测目标大多较小且物体较密集的问题,提出一种混合特征增强结构(mix feature enhancement, MFE)方法。通过在超分辨率方法中加入注意力机制以增强小目标信息提取,利用一种新的特征层融合计算方法,加强... 针对无人机航拍时物体尺度变化大,检测目标大多较小且物体较密集的问题,提出一种混合特征增强结构(mix feature enhancement, MFE)方法。通过在超分辨率方法中加入注意力机制以增强小目标信息提取,利用一种新的特征层融合计算方法,加强不同特征层间的融合效率,提高了中小型目标的检测精度;设计了尾端感受野扩大层以扩大尾端特征层感受野,使检测头可接收丰富的物体信息来定位并区分密集物体。实验在数据集VisDrone2021的测试集上进行测试,MFE-YOLOX网络的AP50结果为47.78%,在参数量、计算量与原网络相近的情况下精度提高了9.43个百分点。 展开更多
关键词 小目标检测 无人机 注意力机制 特征融合 yolox
下载PDF
基于改进YOLOX的自然环境下辣椒果实检测方法
4
作者 李旭 刘青 +5 位作者 匡敏球 潘建东 刘大为 向阳 吴艳华 谢方平 《农业工程学报》 EI CAS CSCD 北大核心 2024年第21期119-126,共8页
针对不同光照、枝叶遮挡和果实遮挡条件下模型适应能力差和检测精度较低的问题,该研究提出了一种基于YOLOX的改进辣椒果实检测模型YOLOX_Pepper。首先,在YOLOX特征融合网络中添加融合高效通道CA(coordinate attention)注意力机制,提升... 针对不同光照、枝叶遮挡和果实遮挡条件下模型适应能力差和检测精度较低的问题,该研究提出了一种基于YOLOX的改进辣椒果实检测模型YOLOX_Pepper。首先,在YOLOX特征融合网络中添加融合高效通道CA(coordinate attention)注意力机制,提升不同光照条件下模型捕捉辣椒果实关键特征的能力;其次,将主干网络特征聚合模块中的卷积模块替换为可变形卷积DCNv2(deformable convnets v2),提升了模型对不同遮挡情况下辣椒多样几何特征的感知能力。试验结果表明,改进的YOLOX_Pepper模型平均检测精度为93.30%,与Faster R-CNN、YOLOv5、YOLOv7以及YOLOX相比,分别提高了3.99、1.58、3.19和2.84个百分点,F1分数为96%。改进的YOLOX_Pepper模型对自然环境不同光照和遮挡条件的辣椒果实均能进行准确快速的检测。该方法可为辣椒智能化生产提供技术基础。 展开更多
关键词 农业 机器视觉 yolox 辣椒 自然环境 果实检测
下载PDF
基于改进YOLOX-S的轻量化煤矸石检测方法研究 被引量：1
5
作者 高如新 杜亚博 常嘉浩 《河南理工大学学报（自然科学版）》 CAS 北大核心 2024年第4期133-140,共8页
目的 为了探索基于现有机器视觉煤矸石检测方法的模型参数量、计算量对检测速度和嵌入式设备的影响,方法 提出一种基于改进的无锚框YOLOX-S轻量化煤矸石检测模型。为使模型能提取更真实的煤矸石特征信息,收集分选现场煤矸石样本,保证实... 目的 为了探索基于现有机器视觉煤矸石检测方法的模型参数量、计算量对检测速度和嵌入式设备的影响,方法 提出一种基于改进的无锚框YOLOX-S轻量化煤矸石检测模型。为使模型能提取更真实的煤矸石特征信息,收集分选现场煤矸石样本,保证实际环境下的煤矸石检测效果,适应实际生产环境。结合CSPNet,将输入的特征图分割成两个分支,实现更丰富的梯度组合,同时减少模型计算量;之后在其中一条分支使用Ghost轻量化卷积,通过少量常规卷积生成一组特征图,达到初次减少计算量和参数量的效果,然后在此特征图基础上经过简单线性变化操作,生成一组新的特征图,将两组特征图进行融合,降低对计算资源需求的同时,也达到了常规卷积相同的特征提取效果;引入LeakyReLU激活函数减弱模型梯度消失的影响,提取更深更多的特征信息;最后融合两个分支特征,保证较高的检测精度,提升模型检测速度。采用CIOU Loss(complete IOU loss)优化目标边界框回归损失函数,使模型回归损失收敛更快,提高模型目标定位能力。结果 与原模型相比,本文改进模型在保证较高的平均精度均值90.51%情况下,模型参数减少47%,计算量减少49%,检测速度达到50帧/s。结论 轻量化煤矸石检测模型使智能化煤矸石检测在实际生产环境中具有一定的应用前景。 展开更多
关键词 煤矸石检测 yolox-S 轻量化 目标定位 检测速度
下载PDF
基于SwinT-YOLOX模型的自动扶梯行人安全检测算法
6
作者 侯颖 杨林 +3 位作者 胡鑫 贺顺 宋婉莹 赵谦 《计算机工程》 CAS CSCD 北大核心 2024年第3期277-289,共13页
自动扶梯被广泛应用在公共场合,乘客摔倒事故如果不能被及时发现并处理,会造成严重的人身伤害,因此实现自动扶梯智能化监控管理势在必行。受自动扶梯运行环境复杂、行人多以及局部遮挡情况的影响,传统的人体姿态特征摔倒检测模型效果不... 自动扶梯被广泛应用在公共场合,乘客摔倒事故如果不能被及时发现并处理,会造成严重的人身伤害,因此实现自动扶梯智能化监控管理势在必行。受自动扶梯运行环境复杂、行人多以及局部遮挡情况的影响,传统的人体姿态特征摔倒检测模型效果不佳且检测速度减慢。融合Swin Transformer和YOLOX目标检测算法的优秀策略,提出一种基于SwinT-YOLOX网络模型的自动扶梯行人摔倒检测算法。采用Swin Transformer模型作为骨干网络,颈部网络使用添加注意力机制的YOLOX模型,进一步提升特征图的多样性和表达能力。此外,利用漏斗修正线性单元视觉激活函数构建CBF模块,改进颈部网络和Head网络结构,从而获得更优的特征检测性能。实验结果表明,针对自建扶梯行人摔倒数据库和网络采集实际扶梯行人摔倒事故,与AlphaPose、OpenPose、YOLOv5等算法相比,该算法检测性能明显提高,行人摔倒平均检测精度可以达到95.92%,检测帧率为24.08帧/s,能够快速、精准地检测到乘客摔倒事故发生,监控管理平台立刻采取安全急停措施以保证乘客安全。 展开更多
关键词 自动扶梯 摔倒检测 深度学习 yolox模型 Swin Transformer模型 漏斗修正线性单元视觉激活函数
下载PDF
基于无人机及YOLOX视觉算法的大跨度钢结构吊装过程位移监测
7
作者 李万润 范博源 +1 位作者 赵文海 杜永峰 《振动与冲击》 EI CSCD 北大核心 2024年第17期61-70,共10页
在大跨度钢结构吊装施工过程中,节点位移及结构变形关系到吊装施工的安全和质量。对于传统接触式监测方法存在的耗时、耗力且维护费用高等问题,提出了一种以无人机为载体的非接触式监测方式。首先,针对大跨度钢结构吊装过程中无人机近... 在大跨度钢结构吊装施工过程中,节点位移及结构变形关系到吊装施工的安全和质量。对于传统接触式监测方法存在的耗时、耗力且维护费用高等问题,提出了一种以无人机为载体的非接触式监测方式。首先,针对大跨度钢结构吊装过程中无人机近距采集视角受限的问题,采用Harris图像拼接算法进行全景拼接,并与图像加权融合相结合,消除图像拼接中产生的不利光标及拼接缝,实现整体、高精度的大跨度结构图像的无缝拼接;其次,采用加入卷积块注意力机制(convolutional block attention module, CBAM)的YOLOX视觉算法解决复杂背景下不同像素面积的小目标图像识别、坐标提取和位移监测;最后,对四种不同检测模型进行对比评估,并通过对比实验室不同工况试验和实际工程验证该方法在施工环境下对大跨度钢结构测点位移监测的可行性。试验结果表明,加入CBAM注意力机制的YOLOX检测模型的平均精度及置信度均优于其他三种网络模型,且视觉识别的位移信息与Leica全站仪的误差均在亚毫米级内,满足实际工程精度的要求,实现了复杂背景下的小目标位移监测,具备较高的经济效益和广泛的应用前景。 展开更多
关键词 大跨度钢结构 无人机 图像拼接 yolox视觉算法 位移监测
下载PDF
基于改进YOLOX的水库水面漂浮物目标检测算法
8
作者 谭文群 曾祥君 +2 位作者 包学才 梁义 许小华 《人民长江》 北大核心 2024年第3期249-256,共8页
针对目前水库水面小目标漂浮物检测识别精度低的问题,提出基于改进YOLOX的水库水面漂浮物目标检测算法。此算法引入新型dark2模块融入主干网络并拓展主干网络的分支输出结构,提升主干网络对图片的特征提取能力。在此基础上,提出改进特... 针对目前水库水面小目标漂浮物检测识别精度低的问题,提出基于改进YOLOX的水库水面漂浮物目标检测算法。此算法引入新型dark2模块融入主干网络并拓展主干网络的分支输出结构,提升主干网络对图片的特征提取能力。在此基础上,提出改进特征融合模块(ZL-FPN),用于增强特征图信息融合,提高对水库水面小目标漂浮物的检测精度。结果表明:改进后算法的mAP值比YOLOv4和原YOLOX算法分别提升了29.93%和12.11%,有效提升了水库水面漂浮物检测精度。研究成果可为提升水库智能化管理水平提供有效技术支撑。 展开更多
关键词 水面小目标漂浮物 目标检测 yolox算法 水库智能化管理
下载PDF
RepViTS-YOLOX:水下模糊及遮挡目标检测方法
9
作者 陶洋 朱腾 +2 位作者 钟邦乾 周昆 周立群 《计算机工程与应用》 CSCD 北大核心 2024年第13期200-208,共9页
针对水下目标检测中的目标模糊和遮挡问题,提出基于YOLOX改进的RepViTS-YOLOX水下目标检测方法。该方法采用RepViTS作为特征提取网络并通过结构重参数化,有效提升了对水下目标的特征提取能力和模型推理速度。引入空间和通道重构(spatial... 针对水下目标检测中的目标模糊和遮挡问题,提出基于YOLOX改进的RepViTS-YOLOX水下目标检测方法。该方法采用RepViTS作为特征提取网络并通过结构重参数化,有效提升了对水下目标的特征提取能力和模型推理速度。引入空间和通道重构(spatial and channel reconstruction convolution,SCConv)模块,增强网络对模糊目标的关注。改进特征融合网络,通过跨尺度连接和多尺度融合,加强不同层次特征间的信息交流,使模型更好理解遮挡目标特征。针对定位和分类任务对特征的不同需求,引入上下文解耦头(task-specific context decoupling head,TSCODE),对遮挡目标更精准地定位和分类。实验结果证明,RepViTS-YOLOX方法在RUOD数据集上取得了85.7%的检测效果,较YOLOX提高了3.8个百分点。检测结果显示,该方法可以有效改善水下模糊和遮挡目标的检测情况,提高水下目标检测精度。 展开更多
关键词 yolox 目标检测 结构重参数化 解耦检测头 注意力机制
下载PDF
融合FEB的YOLOX遥感图像目标检测算法
10
作者 余翔 庞志濠 《重庆邮电大学学报（自然科学版）》 CSCD 北大核心 2024年第2期319-327,共9页
针对遥感图像的复杂背景干扰大、目标尺度变化大以及小目标检测困难等导致检测精度降低的问题,提出一种增强YOLOX主干网络输出特征提取能力的检测算法。通过加入连续膨胀残差卷积和注意力机制,设计一种全新的提取主干网络输出特征增强块... 针对遥感图像的复杂背景干扰大、目标尺度变化大以及小目标检测困难等导致检测精度降低的问题,提出一种增强YOLOX主干网络输出特征提取能力的检测算法。通过加入连续膨胀残差卷积和注意力机制,设计一种全新的提取主干网络输出特征增强块(feature enhance block,FEB),让连续膨胀残差卷积串联4个具有不同膨胀率的膨胀残差卷积,扩大算法的感受野,丰富上下文信息,同时减轻背景对检测的影响,有效加强算法对目标尺度变化大及小目标的检测能力,使用SA注意力机制抑制背景对算法检测的干扰,提高算法的检测精度。在RSOD数据集上的实验表明,FEB相较于其他同类型模块具有更好的特征提取能力。 展开更多
关键词 机器视觉 遥感图像 目标检测 yolox
下载PDF
基于改进型YOLOX的储粮害虫识别技术研究
11
作者 余建国 丁元昊 +1 位作者 王雯 靳梦欣 《河南工业大学学报（自然科学版）》 CAS 北大核心 2024年第4期117-125,共9页
为平衡储粮害虫图像检测中的速度与精度以获得二者最优结合的目标检测模型,提出并实现了一种基于改进YOLOX网络模型的储粮害虫检测方法。通过引入一种新的GSConv替换标准卷积以减少计算量,结合引入的Res-CBAM注意力机制,提升模型的特征... 为平衡储粮害虫图像检测中的速度与精度以获得二者最优结合的目标检测模型,提出并实现了一种基于改进YOLOX网络模型的储粮害虫检测方法。通过引入一种新的GSConv替换标准卷积以减少计算量,结合引入的Res-CBAM注意力机制,提升模型的特征提取能力;引入SiLU激活函数提升模型训练效率;引入双向特征金字塔网络(BiFPN)改善特征融合效果;改进损失函数提高目标框回归稳定性;使用非极大值抑制解决冗余框过剩的问题。试验结果表明:改进后的YOLOX模型计算量减少了31%;检测速度提高了18%,最高可达60 FPS;检测精度提高了6.14百分点,最高可达97.05%。改进的YOLOX模型结合了一阶段算法和二阶段算法的优点,在储粮害虫的智能识别中取得了明显的效果。 展开更多
关键词 储粮害虫 yolox Res-CBAM GSConv 双向特征金字塔网络
下载PDF
基于YOLOX-αSMV的带钢材料表面缺陷检测算法
12
作者 曹义亲 刘文才 徐露 《华东交通大学学报》 2024年第2期109-117,共9页
【目的】针对YOLOX算法在钢材表面缺陷检测中特征提取不充分、多目标缺陷检测能力较弱等问题,提出改进损失函数的多维度特征融合带钢材料表面缺陷检测算法。【方法】首先,在Backbone部分应用SPP_SF保留多尺度特征信息,提高分类精度。其... 【目的】针对YOLOX算法在钢材表面缺陷检测中特征提取不充分、多目标缺陷检测能力较弱等问题,提出改进损失函数的多维度特征融合带钢材料表面缺陷检测算法。【方法】首先,在Backbone部分应用SPP_SF保留多尺度特征信息,提高分类精度。其次,在Neck部分加入多维度特征融合模块MDFFM,将通道、空间、位置信息融入特征向量中,加强算法的特征提取能力。最后,引入Varifocal Loss和α-CIoU加权正负样本,提高预测框的回归精度。【结果】实验结果表明,YOLOX-αSMV在NEU-DET数据集中的mAP@0.5:0.95达到了47.54%,较YOLOX算法提高了3.43%。【结论】算法在保持检测速度基本不变的情况下,对模糊缺陷和小目标缺陷的识别、定位能力明显提升。 展开更多
关键词 yolox 缺陷检测 α-CIoU 坐标注意力 Varifocal Loss SoftPool
下载PDF
基于轻量化YOLOX-S与多阈值分割的矿山遥感图像去噪算法
13
作者 沈丹萍 赵爽 《金属矿山》 CAS 北大核心 2024年第9期175-180,共6页
矿山遥感图像普遍存在大量的噪点,给后续图像分析和处理带来了很大困难。提出了一种基于轻量化目标检测模型YOLOX-S和多阈值分割的矿山遥感图像去噪算法。首先使用YOLOX-S模型对矿山遥感图像进行目标检测,得到矿山目标的位置信息。然后... 矿山遥感图像普遍存在大量的噪点,给后续图像分析和处理带来了很大困难。提出了一种基于轻量化目标检测模型YOLOX-S和多阈值分割的矿山遥感图像去噪算法。首先使用YOLOX-S模型对矿山遥感图像进行目标检测,得到矿山目标的位置信息。然后针对矿山目标的特点,设计了一种多阈值分割方法消除图像中的噪声点。通过将图像分为若干个子区域,并对每个子区域采用不同的阈值进行二值化处理,最终将各子区域的二值化结果合并得到去噪后的图像。试验结果表明:该算法能够有效地去除矿山遥感图像中的噪声点,并且在保留目标特征的同时,大幅提升了图像质量。此外,由于采用了轻量化模型和多阈值分割算法,使得该算法具有较快的处理速度和较低的计算成本,适用于大规模图像数据的处理任务。 展开更多
关键词 矿山遥感图像 轻量化 yolox-S 阈值分割 图像去噪
下载PDF
基于Cache-DCN YOLOX算法的交通标志检测方法研究 被引量：1
14
作者 高尉峰 王如刚 +2 位作者 王媛媛 周锋 郭乃宏 《计算机测量与控制》 2024年第2期71-77,84,共8页
针对传统方式识别交通标志算法存在的检测精度较低的问题,提出了一种基于Cache-DCN YOLOX算法的交通标志识别方法;在该方法中,使用DCN可变形卷积替换backbone中的普通卷积,有效地增大了模型的感受野,提高了特征提取能力;使用EIoU损失函... 针对传统方式识别交通标志算法存在的检测精度较低的问题,提出了一种基于Cache-DCN YOLOX算法的交通标志识别方法;在该方法中,使用DCN可变形卷积替换backbone中的普通卷积,有效地增大了模型的感受野,提高了特征提取能力;使用EIoU损失函数代替YOLOX中的GIoU损失函数,优化了训练模型,提高了收敛的速度;优化设计了YOLOX算法中的强弱两阶段的训练过程,增强了模型的泛化性能,同时加入cache方案,进一步提高了检测精度;在交通标志数据集TT100K上进行了实验,提出方法的检测精度为67.2%,比原YOLOX算法的检测精度提升了6.4%,同时,在被遮挡的小目标等多种受干扰的环境下,提出的方法能够精确地检测出交通标志,并有着较好的置信度,满足实际需求。 展开更多
关键词 深度学习 yolox 交通标志识别 可变形卷积 小目标检测
下载PDF
基于改进YOLOX-S的苹果成熟度检测方法 被引量：1
15
作者 黄威 刘义亭 +1 位作者 李佩娟 陈光明 《中国农机化学报》 北大核心 2024年第3期226-232,共7页
准确检测果园中未成熟与成熟的苹果对果园早期作物的负荷管理至关重要,提出一种能够实时检测苹果成熟度,并估算出整棵果树果实数量的方法。为提高YOLOX-S网络在复杂场景下的检测能力,在FPN(特征金字塔)的残差连接处增加了CoordinateAtte... 准确检测果园中未成熟与成熟的苹果对果园早期作物的负荷管理至关重要,提出一种能够实时检测苹果成熟度,并估算出整棵果树果实数量的方法。为提高YOLOX-S网络在复杂场景下的检测能力,在FPN(特征金字塔)的残差连接处增加了CoordinateAttention(位置注意力);为更好地检测图像中生长密集、存在遮挡、尺寸较小的苹果,将位置损失函数IoU_Loss更换为CIoU_Loss。试验结果表明,所提出的改进YOLOX-S检测算法相较于原算法,mAP值提高约1.97%,苹果低成熟度、中等成熟度和高等成熟度的AP值分别为90.85%、95.10%和80.50%。 展开更多
关键词 苹果 yolox-S 目标检测 位置注意力 成熟度检测
下载PDF
改进YOLOX-s的密集垃圾检测方法 被引量：1
16
作者 谢若冰 李茂军 +1 位作者 李宜伟 胡建文 《计算机工程与应用》 CSCD 北大核心 2024年第5期250-258,共9页
针对密集堆放的多种类垃圾检测存在识别率低、定位不够准确和待测目标被误检、漏检问题,提出了一种融合多头自注意力机制改进YOLOX-s的垃圾检测方法。在特征提取网络嵌入SwinTransformer模块,引入基于滑窗操作的多头自注意力机制,使得... 针对密集堆放的多种类垃圾检测存在识别率低、定位不够准确和待测目标被误检、漏检问题,提出了一种融合多头自注意力机制改进YOLOX-s的垃圾检测方法。在特征提取网络嵌入SwinTransformer模块,引入基于滑窗操作的多头自注意力机制,使得网络兼顾全局特征信息和重点特征信息,减少误检现象;在预测输出网络中使用可变形卷积,对初始预测框进行精细化处理,提高定位精度;在EIoU损失的基础上引入加权系数,提出加权IoU-EIoU损失,自适应调整训练时不同阶段不同损失的关注程度,进一步加快训练网络的收敛速度。在公开204类垃圾检测数据集中进行测试,结果表明,所提改进算法的平均精度均值分别可达80.5%和92.5%,优于当前流行目标检测算法,且检测速度快,满足实时性需求。 展开更多
关键词 密集垃圾检测 多头自注意力机制 yolox-s 深度学习
下载PDF
基于改进YOLOX网络的雾天绝缘子缺陷检测 被引量：1
17
作者 汤璐 王淑青 +2 位作者 王年涛 要若天 王一博 《高压电器》 CAS CSCD 北大核心 2024年第3期223-228,共6页
绝缘子作为输电线路中重要的元器件,对绝缘子缺陷的识别和定位在电网巡检方面有重要意义。为了对雾天情况下绝缘子状态进行准确定位识别,改进了YOLOX目标检测网络。首先,为了加快网络的训练速度,改进了激活函数;其次,为了解决小目标样... 绝缘子作为输电线路中重要的元器件,对绝缘子缺陷的识别和定位在电网巡检方面有重要意义。为了对雾天情况下绝缘子状态进行准确定位识别,改进了YOLOX目标检测网络。首先,为了加快网络的训练速度,改进了激活函数;其次,为了解决小目标样本相较于整体样本较少和样本不均衡的问题,改进了图像增强方法和损失函数;最后,将改进的YOLOX网络在数据集上与4种目标检测网络进行比较。实验结果表明,在雾天数据集上,改进后YOLOX的准确度、平均准确率和每秒处理图片张数都有一定提升,符合无人机巡检的要求。 展开更多
关键词 绝缘子缺陷 目标检测 雾天巡检 改进yolox
下载PDF
基于改进YOLOX的猕猴桃分类识别与空间定位 被引量：1
18
作者 刘博文 徐卫平 +1 位作者 徐钦 陈华伟 《国外电子测量技术》 2024年第4期133-142,共10页
复杂自然环境下果实的快速、准确识别和定位是猕猴桃机械臂采摘的关键和难点。面向猕猴桃实时采摘应用,开展了基于深度学习的猕猴桃分类识别算法、空间定位模型构建和机械臂采摘实验研究。优选Anchor_Free的一阶段YOLOX算法模型,并通过... 复杂自然环境下果实的快速、准确识别和定位是猕猴桃机械臂采摘的关键和难点。面向猕猴桃实时采摘应用,开展了基于深度学习的猕猴桃分类识别算法、空间定位模型构建和机械臂采摘实验研究。优选Anchor_Free的一阶段YOLOX算法模型,并通过引入注意力机制、调整通道数、增加特征融合、堆叠特征融合对该模型特征融合环节加以改进,提高了非结构化环境下猕猴桃果实的分类识别精度。实验数据表明,改进YOLOX算法对独立果实、树叶遮挡、树干遮挡、果实重叠的平均精度(AP)分别提升至99.38%、98.43%、93.82%和92.98%,平均精度均值(mAP)达到96.15%,其平均F1值提升至94.24%,且在640×640分辨率下每幅图像的平均检测时间为0.019 s。进一步地,利用图像深度信息对识别目标进行三维空间位置求解,并经物理实验验证,实验中果实定位坐标误差≤3.3%。算法在识别率、检测时间和定位误差3方面取得了较优的综合性能,满足猕猴桃机械臂采摘中果实的实时识别及定位需求。 展开更多
关键词 机械臂采摘 目标分类识别 深度学习 yolox 空间定位
原文传递
改进YOLOX的唐卡壁画目标检测算法
19
作者 李洪运 张效娟 +1 位作者 赵洋 彭春燕 《计算机工程与应用》 CSCD 北大核心 2024年第18期248-255,共8页
热贡唐卡壁画作为人类及国家级非物质文化遗产是藏族文化中独具特色的艺术形式,其画面不仅表现出了佛教本生故事,更体现了藏地的历史、地理、文化、科技等内容。然而,不具备热贡艺术专业知识的人们很难对其进行了解。因此提出了一种唐... 热贡唐卡壁画作为人类及国家级非物质文化遗产是藏族文化中独具特色的艺术形式,其画面不仅表现出了佛教本生故事,更体现了藏地的历史、地理、文化、科技等内容。然而,不具备热贡艺术专业知识的人们很难对其进行了解。因此提出了一种唐卡壁画元素的自动检测算法,用于推动唐卡壁画的传播。通过对YOLOX算法进行改进,提出了ECAMH-YOLOX模型对唐卡壁画图像进行检测。ECAMH-YOLOX模型是在YOLOX的基础上增加了高效通道注意力模块,在保持轻量化的同时获得更好的图像全局信息;同时为了更好地检测不同尺度的目标,在检测头模块增加了一个新的检测头,通过四个检测头对图像进行检测,以此来提高不同尺寸目标的检测结果;并使用SIoU损失函数计算回归损失以此来加快模型的收敛速度,提高模型效果。实验结果证明,ECAMH-YOLOX模型在所构建的唐卡壁画数据集上均不存在漏检错检的情况,而YOLOX算法存在对小目标的漏检现象,并且ECAMHYOLOX模型的mAP0.5:0.95达到了55.9%,比YOLOX算法提升了0.049。该模型在保持轻量化的同时,进一步提高了检测效果。也增加了人们了解热贡艺术的途径。 展开更多
关键词 目标检测 yolox 唐卡 壁画 通道注意力
下载PDF
基于YOLOX-Tiny的长尾分布交通标志识别模型
20
作者 伍云鹏 付应雄 +1 位作者 沈丽君 崔峰 《系统仿真学报》 CAS CSCD 北大核心 2024年第11期2503-2516,共14页
在智能驾驶领域,准确识别交通标志对行车安全具有重要意义,交通标志训练集往往服从长尾分布,这为交通标志识别带来极大难度。针对于长尾分布数据集训练出的模型在尾类上表现差的现象,提出一种基于YOLOX-Tiny的长尾分布交通标志识别模型... 在智能驾驶领域,准确识别交通标志对行车安全具有重要意义,交通标志训练集往往服从长尾分布,这为交通标志识别带来极大难度。针对于长尾分布数据集训练出的模型在尾类上表现差的现象,提出一种基于YOLOX-Tiny的长尾分布交通标志识别模型。在TT100K_2021(tsinghua-tencent 100K 2021)数据集基础上制作交通标志长尾数据集;从制作数据集图片数量、样本分布以及模型大小出发,选择YOLOX-Tiny作为基础模型;采用EQL v2(equalization loss v2)和FL(focal loss)作为分类损失和目标置信度损失,平衡分类器头尾差距,增强模型对目标置信度的预测;在颈部双向金字塔中引入上采样算子CARAFE、坐标注意力机制(coordinate attention,CA)和CAR-ASFF模块(CARAFE+adaptively spatial feature fusion),解决传统特征金字塔上不同层级特征图的反向传播冲突问题,提升特征重组效果,突出目标特征。研究结果表明:改进的YOLOX-Tiny模型在制作的长尾交通标志数据集上m AP_(50)和m AP_(50:95)分别达到了43.67%和29.98%,改进模型相比较其他几种目标检测模型具有更高的检测精度。 展开更多
关键词 长尾分布 yolox 交通标志识别 注意力机制 特征重组 多尺度特征融合
原文传递
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 2 … 15 下一页 到第 页
使用帮助 返回顶部