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4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：
面向视障人群的室内视觉辅助算法的研究
1
作者 欧阳玉旋 张荣芬 +1 位作者 刘宇红 彭垚潘 《激光技术》 北大核心 2025年第2期166-174,共9页
为了解决现有室内视觉辅助算法检测性能低、模型参数量大、不易部署于边缘设备等问题,对你只看一次(YOLO)网络YOLOv7-tiny进行改进,提出一种新的YOLOv7-ghost网络模型。针对模型参数量大的问题,引入幽灵瓶颈(GB)代替部分池化操作和高效... 为了解决现有室内视觉辅助算法检测性能低、模型参数量大、不易部署于边缘设备等问题,对你只看一次(YOLO)网络YOLOv7-tiny进行改进,提出一种新的YOLOv7-ghost网络模型。针对模型参数量大的问题,引入幽灵瓶颈(GB)代替部分池化操作和高效层聚合网络(ELAN),大幅度降低模型参数量;构建了一个全新的高性能轻量化模块(即C2f-全局注意力模块),综合考虑全局和局部特征信息,更好地捕捉节点的上下文信息;然后引入快速空间金字塔池化和幽灵瓶颈(SPPF-GB)模块,对特征进行重组和压缩,以融合不同尺度的特征信息、增强特征的表达能力;最后在头部引入可变形卷积(DCN),增强感受野的表达能力,以捕获目标周围更细粒度的目标结构和背景信息。结果表明,改进后的模型参数量下降了20.33%,模型大小下降了18.70%,平均精度mAP@0.50和mAP@0.50~0.95分别提升了1.2%和3.3%。该网络模型在保证轻量化的同时,检测精度得到了大幅度的提升,更利于室内场景目标检测算法实际应用的部署。 展开更多
关键词 图像处理 轻量化 幽灵瓶颈模块 c2f-全局注意力模块 多尺度特征融合 可变形卷积 YOLOv7-tiny网络模型
在线阅读 下载PDF
改进YOLOv7的航拍图像目标检测
2
作者 崔丽群 曹华维 《计算机工程与应用》 CSCD 北大核心 2024年第20期189-197,共9页
针对无人机航拍图像中尺度变化、小目标且密集遮挡情况导致检测精度降低的问题,提出一种改进YOLOv7的航拍图像目标检测算法。设计一种联合动态卷积的加权采样模块,从多个维度捕捉特征,提高模型特征提取能力;增加浅层特征检测头,保留更... 针对无人机航拍图像中尺度变化、小目标且密集遮挡情况导致检测精度降低的问题,提出一种改进YOLOv7的航拍图像目标检测算法。设计一种联合动态卷积的加权采样模块,从多个维度捕捉特征,提高模型特征提取能力;增加浅层特征检测头,保留更多的细节信息,增强对小目标特征的利用能力;在特征融合部分构建一种具有残差结构的多尺度特征聚合模块(C2-Res2Block),使模型融合丰富的多尺度信息。使用MPDIoU度量替换传统IOU计算边界回归损失,提高模型对密集遮挡目标的定位能力。通过在无人机航拍数据集VisDrone2019上进行实验表明,改进后的算法较原模型mAP@0.5提高了4.3个百分点,mAP@0.5:0.95提高了2.4个百分点,参数量减少了6.81×106,与目前主流的目标检测算法相比也取得更高的检测精度,有效提高了对无人机航拍图像的检测精度,并明显改善对航拍目标的误检和漏检情况。 展开更多
关键词 目标检测 YOLOv7 动态卷积 检测头 c2-Res2Block MPDIoU
在线阅读 下载PDF
改进YOLOv8的道路凹陷检测算法
3
作者 张旭中 李波 +2 位作者 贝绍轶 林棻 殷国栋 《重庆理工大学学报（自然科学）》 CAS 北大核心 2024年第10期79-87,共9页
针对现有的道路凹陷检测算法中检测速度慢,很难应用于汽车车载移动设备的问题,提出一种改进YOLOv8的轻量型道路凹陷检测算法YOLOv8-CAG。将YOLOv8的主干网络第二层之后的普通卷积替换成Ghost Conv,通过低廉的线性变换,有效减少了模型的... 针对现有的道路凹陷检测算法中检测速度慢,很难应用于汽车车载移动设备的问题,提出一种改进YOLOv8的轻量型道路凹陷检测算法YOLOv8-CAG。将YOLOv8的主干网络第二层之后的普通卷积替换成Ghost Conv,通过低廉的线性变换,有效减少了模型的参数量。在neck中的C2f模块中引入CA注意力机制,在降低整体模型参数量和浮点运算量的同时,强化特征提取能力,减少无关特征的影响。在YOLOv8中运用C2f-GS模块,减少网络结构的复杂性,进一步提升检测精度。实验结果表明:在道路凹陷的数据集上,改进算法与原算法相比,检测精度提高了1%,模型参数量与计算量分别下降了16%和11%,并通过与其他算法的性能比较,验证了改进算法的实用性。 展开更多
关键词 道路凹陷检测 YOLOv8 Ghost卷积 注意力机制 c2f-GS模块
在线阅读 下载PDF
硬质空条盒机器人拆垛系统的设计
4
作者 沈伟 石德伦 +5 位作者 余震安 邵力波 尹亮 庞浩 李星珂 马士欣 《烟草科技》 CAS CSCD 北大核心 2024年第10期94-100,共7页
为解决条盒填充机在人工供应硬质空条盒过程中存在自动化水平低、劳动强度大等问题,基于高精度视觉相机设计了一种硬质空条盒机器人拆垛系统。通过在YOLO v8模型中添加混合注意力机制模块(CBAM)和动态卷积模块(C2fDynamic),建立了YOLO v... 为解决条盒填充机在人工供应硬质空条盒过程中存在自动化水平低、劳动强度大等问题,基于高精度视觉相机设计了一种硬质空条盒机器人拆垛系统。通过在YOLO v8模型中添加混合注意力机制模块(CBAM)和动态卷积模块(C2fDynamic),建立了YOLO v8-CBAM-C2fDynamic模型;利用视觉相机自带的模板匹配模型识别出拆垛工位托盘上有待转移空条盒后,由YOLO v8-CBAM-C2fDynamic模型对空条盒放置方向及位置进行识别,指导机器人准确抓取一组空条盒并将其转移至套膜去除工位,待套膜去除后经皮带输送至条盒填充机。以武汉卷烟厂生产的“黄鹤楼1916”牌卷烟所使用的空条盒为对象进行测试,结果表明:(1)YOLO v8-CBAM-C2fDynamic模型可准确、快速地识别出空条盒放置方向及位置,mAP为0.904,FPS达到约120帧/s;(2)与人工供应方式相比,基于模板匹配+YOLO v8-CBAM-C2fDynamic模型的拆垛系统可减少人工3人/班次;(3)相比模板匹配模型,加入YOLO v8-CBAM-C2fDynamic模型后的拆垛系统拆垛成功率由67%提高至100%,拆垛效率由40条/min提高至64条/min,满足了条盒填充机的供料需求。该技术可为提高硬质条盒卷烟自动化生产水平提供支持。 展开更多
关键词 硬质空条盒 机器人 拆垛系统 YOLO v8 混合注意力机制模块(cBAM) 动态卷积模块(c2fdynamic)
在线阅读 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