期刊导航
期刊开放获取
唐山市科学技术情报研究..
退出
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
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
检索
高级检索
期刊导航
共找到
3
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于YOLOv5模型改进的太阳能电池片小尺寸缺陷精准检测算法
1
作者
张帅
高德东
+1 位作者
赵德胜
孟祥纯
《青海大学学报》
2025年第1期8-14,共7页
在电致发光环境中检测太阳能电池片裂纹、碎片和功能失效等小尺寸和不规则故障的难度较大、精度较低,为此提出一种结合可变形卷积网络(DCNv2)和最小点距离交并比(MPDIoU)损失函数的改进YOLOv5模型。通过使用DCNv2替换原有的标准卷积C3模...
在电致发光环境中检测太阳能电池片裂纹、碎片和功能失效等小尺寸和不规则故障的难度较大、精度较低,为此提出一种结合可变形卷积网络(DCNv2)和最小点距离交并比(MPDIoU)损失函数的改进YOLOv5模型。通过使用DCNv2替换原有的标准卷积C3模块,引入MPDIoU损失函数替换原有的CIoU,提高模型处理小尺寸复杂形状缺陷时的适应性和检测精度,减小预测框与实际框之间的定位误差。结果表明:改进YOLOv5模型的mAP@50的值为78.4%,较原始模型提高5.3个百分点;mAP@50-95的值为72.2%,较原始模型提高5.4个百分点,且模型的检测速度维持在每秒53帧。由此证明,以上改进不仅能提升模型在复杂背景中的鲁棒性和适应性,还能增强模型在检测小尺寸缺陷时的准确性和实时性。
展开更多
关键词
YOLOv5
电致发光
太阳能电池
缺陷检测
可变形卷积网络
最小点距离交并比
在线阅读
下载PDF
职称材料
最小点距离的边界框回归损失函数及其应用
被引量:
3
2
作者
麻斯亮
许勇
《小型微型计算机系统》
CSCD
北大核心
2024年第11期2695-2701,共7页
边界框回归(BBR)已广泛应用于目标检测和实例分割,这是目标定位的一个重要步骤,但仍存在收敛缓慢和回归不准确的问题.本文研究发现大多数现有的边界框回归损失函数在预测框与标注框具有相同的纵横比,但宽度和高度值不同时损失函数值无...
边界框回归(BBR)已广泛应用于目标检测和实例分割,这是目标定位的一个重要步骤,但仍存在收敛缓慢和回归不准确的问题.本文研究发现大多数现有的边界框回归损失函数在预测框与标注框具有相同的纵横比,但宽度和高度值不同时损失函数值无法收敛.为了解决这个问题,本文充分挖掘矩形的几何特征,提出了一种最小点距离的边界框相似度度量,它包含了现有主流边界框回归度量的相关因素,即重叠或非重叠面积、中心点距离、宽度和高度的偏差,同时简化了计算过程.在此基础上,本文提出了一个最小点距离的边界框回归损失函数,称为.实验结果表明,损失函数应用于最先进的实例分割(例如YOLACT)和目标检测(例如YOLOv7)模型训练PASCAL VOC、MS COCO和IIIT5k,其性能优于现有损失函数,模型回归效率和精度得到有效提升.
展开更多
关键词
目标检测
实例分割
边界框回归
损失函数
最小点距离
在线阅读
下载PDF
职称材料
基于YOLOv8改进的脑癌检测算法
3
作者
王喆
赵慧俊
+2 位作者
谭超
李骏
申冲
《计算机科学》
CSCD
北大核心
2024年第S02期444-450,共7页
自动检测脑部肿瘤在磁共振成像中的位置是一个复杂、繁重的任务,需要耗费大量时间和资源。传统识别方案经常出现误解、遗漏和误导的情况,从而影响患者的治疗进度,对患者的生命安全产生影响。为了进一步提高鉴定的效果,引入了4项关键改...
自动检测脑部肿瘤在磁共振成像中的位置是一个复杂、繁重的任务,需要耗费大量时间和资源。传统识别方案经常出现误解、遗漏和误导的情况,从而影响患者的治疗进度,对患者的生命安全产生影响。为了进一步提高鉴定的效果,引入了4项关键改进措施。首先,采用了高效的多尺度注意力EMA(Efficient Multi-scale Attention),这种方法既可以对全局信息进行编码,也可以对信息进行重新校准,同时通过并行的分支输出特征进行跨维度的交互,使信息进一步聚合。其次,引入了BiFPN(Bidirectional Feature Pyramid Network)模块,并对其结构进行改进,以便缩短每一次检测所需要的时间,同时提升图像识别效果。然后采用MDPIoU损失函数和Mish激活函数进行改进,进一步提高检测的准确度。最后进行仿真实验,实验结果表明,改进的YOLOv8算法在脑癌检测中的精确率、召回率、平均精度均值均有提升,其中Precision提高了4.48%,Recall提高了2.64%,mAP@0.5提高了2.6%,mAP@0.5:0.9提高了7.0%。
展开更多
关键词
YOLOv8
脑癌
Efficient
Multi-Scale
Attention模块
Bidirectional
Feature
Pyramid
Network结构
Missed
Softplus
with
Identity
Shortcut激活函数
minimum
point
distance
intersection
over
union
损失函数
在线阅读
下载PDF
职称材料
题名
基于YOLOv5模型改进的太阳能电池片小尺寸缺陷精准检测算法
1
作者
张帅
高德东
赵德胜
孟祥纯
机构
青海大学机械工程学院
出处
《青海大学学报》
2025年第1期8-14,共7页
基金
青海省光伏发电并网技术重点实验室2024年开放性课题(SGTYHT/23-JS-004)。
文摘
在电致发光环境中检测太阳能电池片裂纹、碎片和功能失效等小尺寸和不规则故障的难度较大、精度较低,为此提出一种结合可变形卷积网络(DCNv2)和最小点距离交并比(MPDIoU)损失函数的改进YOLOv5模型。通过使用DCNv2替换原有的标准卷积C3模块,引入MPDIoU损失函数替换原有的CIoU,提高模型处理小尺寸复杂形状缺陷时的适应性和检测精度,减小预测框与实际框之间的定位误差。结果表明:改进YOLOv5模型的mAP@50的值为78.4%,较原始模型提高5.3个百分点;mAP@50-95的值为72.2%,较原始模型提高5.4个百分点,且模型的检测速度维持在每秒53帧。由此证明,以上改进不仅能提升模型在复杂背景中的鲁棒性和适应性,还能增强模型在检测小尺寸缺陷时的准确性和实时性。
关键词
YOLOv5
电致发光
太阳能电池
缺陷检测
可变形卷积网络
最小点距离交并比
Keywords
YOLOv5
electroluminescence
solar cell
defect detection
deformable convolutional network
minimum
point
distance
intersection
over
union
(MPDIoU)
分类号
TM914.4 [电气工程—电力电子与电力传动]
在线阅读
下载PDF
职称材料
题名
最小点距离的边界框回归损失函数及其应用
被引量:
3
2
作者
麻斯亮
许勇
机构
华南理工大学计算机科学与工程学院
鹏城实验室
出处
《小型微型计算机系统》
CSCD
北大核心
2024年第11期2695-2701,共7页
基金
国家自然科学基金项目(62072188)资助.
文摘
边界框回归(BBR)已广泛应用于目标检测和实例分割,这是目标定位的一个重要步骤,但仍存在收敛缓慢和回归不准确的问题.本文研究发现大多数现有的边界框回归损失函数在预测框与标注框具有相同的纵横比,但宽度和高度值不同时损失函数值无法收敛.为了解决这个问题,本文充分挖掘矩形的几何特征,提出了一种最小点距离的边界框相似度度量,它包含了现有主流边界框回归度量的相关因素,即重叠或非重叠面积、中心点距离、宽度和高度的偏差,同时简化了计算过程.在此基础上,本文提出了一个最小点距离的边界框回归损失函数,称为.实验结果表明,损失函数应用于最先进的实例分割(例如YOLACT)和目标检测(例如YOLOv7)模型训练PASCAL VOC、MS COCO和IIIT5k,其性能优于现有损失函数,模型回归效率和精度得到有效提升.
关键词
目标检测
实例分割
边界框回归
损失函数
最小点距离
Keywords
object detection
instance segmentation
bounding box regression
loss
function
minimum
point
distance
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于YOLOv8改进的脑癌检测算法
3
作者
王喆
赵慧俊
谭超
李骏
申冲
机构
中北大学机械工程学院
中北大学仪器与电子学院
山西省省部共建动态测试技术国家重点实验室
出处
《计算机科学》
CSCD
北大核心
2024年第S02期444-450,共7页
基金
光电信息控制和安全技术重点实验室基金(2021JCJQLB055010)。
文摘
自动检测脑部肿瘤在磁共振成像中的位置是一个复杂、繁重的任务,需要耗费大量时间和资源。传统识别方案经常出现误解、遗漏和误导的情况,从而影响患者的治疗进度,对患者的生命安全产生影响。为了进一步提高鉴定的效果,引入了4项关键改进措施。首先,采用了高效的多尺度注意力EMA(Efficient Multi-scale Attention),这种方法既可以对全局信息进行编码,也可以对信息进行重新校准,同时通过并行的分支输出特征进行跨维度的交互,使信息进一步聚合。其次,引入了BiFPN(Bidirectional Feature Pyramid Network)模块,并对其结构进行改进,以便缩短每一次检测所需要的时间,同时提升图像识别效果。然后采用MDPIoU损失函数和Mish激活函数进行改进,进一步提高检测的准确度。最后进行仿真实验,实验结果表明,改进的YOLOv8算法在脑癌检测中的精确率、召回率、平均精度均值均有提升,其中Precision提高了4.48%,Recall提高了2.64%,mAP@0.5提高了2.6%,mAP@0.5:0.9提高了7.0%。
关键词
YOLOv8
脑癌
Efficient
Multi-Scale
Attention模块
Bidirectional
Feature
Pyramid
Network结构
Missed
Softplus
with
Identity
Shortcut激活函数
minimum
point
distance
intersection
over
union
损失函数
Keywords
YOLOv8
Brain Tumor
Efficient Multi-scale attention model
Bidirectional Feature Pyramid Network
Missed Softplus with Identify Shortcut activation
function
minimum point distance intersection over union loss function
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于YOLOv5模型改进的太阳能电池片小尺寸缺陷精准检测算法
张帅
高德东
赵德胜
孟祥纯
《青海大学学报》
2025
0
在线阅读
下载PDF
职称材料
2
最小点距离的边界框回归损失函数及其应用
麻斯亮
许勇
《小型微型计算机系统》
CSCD
北大核心
2024
3
在线阅读
下载PDF
职称材料
3
基于YOLOv8改进的脑癌检测算法
王喆
赵慧俊
谭超
李骏
申冲
《计算机科学》
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部