目標檢測
- 基于YOLOv7的人體關聯(lián)實時吸煙目標檢測方法
OLOv7;目標檢測0 引言（Introduction）多數(shù)作業(yè)環(huán)境明令禁止吸煙，諸如物流倉儲、化工工廠、供電單位等，雖然可以通過中央監(jiān)控系統(tǒng)實時監(jiān)控各種作業(yè)場景，但是主要依賴人工監(jiān)查，存在漏報情況，不但不能節(jié)省人力成本，而且會對企業(yè)和工作人員的生命財產安全造成威脅。隨著計算機視覺技術的發(fā)展，目標檢測技術日漸成熟，智能檢測得到廣泛的研究和應用，由此本文提出一項基于YOLOv7[1]的人體關聯(lián)實時吸煙目標檢測方法。當下不乏實時吸煙行為檢測的相關研究，但是對于
軟件工程 2024年1期2024-01-29
- 基于圖卷積網絡的偏振圖像偽裝人員檢測方法研究
果。關鍵詞：目標檢測；偏振成像；深度學習；偏振特征；圖卷積網絡中圖分類號：TP391.41? ?文獻標識碼：A文章編號：1009-3044（2023）36-0004-05開放科學（資源服務）標識碼（OSID）0 引言偽裝人員檢測是一項新興的計算機視覺任務，其目的是識別通過偽裝技術隱藏于背景環(huán)境中的人員，并定位其在圖像中的位置。隨著多種多樣的偽裝方式應用于軍事領域，具有偽裝模式的目標檢測難度逐步增加，近年來，雖然通用目標檢測算法[1]取得了優(yōu)異的檢測效果，但
電腦知識與技術 2023年36期2024-01-27
- 引入通道注意力機制的目標檢測算法
義摘要：針對目標檢測模型在提高檢測精度的同時會帶來更高模型復雜度這一不足，該文提出了一種改進的YOLOv4模型。該模型將通道注意力機制ECA模塊加入特征提取網絡之中，構建了一個新的YOLOv4模型。通過在PASCAL VOC數(shù)據(jù)集上的實驗表明：該算法在不增加模型大小的前提下提高了檢測精度，相比YOLOv4算法在PASCAL VOC 2007測試集上的平均精確度均值@0.5提升了最高3.56mAP，達到了最高83.42mAP，能夠解決目標檢測性能和模型復雜度
電腦知識與技術 2023年31期2023-12-25
- 基于改進YOLOv5s的道路行人與車輛檢測算法
善。關鍵詞：目標檢測；YOLOv5s；CA注意力模塊；空間金字塔；Slim-Neck中圖分類號：TP18? ? ? ? 文獻標識碼：A文章編號：1009-3044（2023）31-0005-04開放科學（資源服務）標識碼（OSID） ：0 引言隨著科技發(fā)展與城市道路規(guī)劃的推陳出新，對自動駕駛的要求也越來越嚴苛。如何能夠更快更加精準地進行目標檢測一直是自動駕駛汽車所需要解決的關鍵問題。對目標準確檢測主要包括兩方面：一方面是在復雜的道路環(huán)境下識別出檢測目標的信
電腦知識與技術 2023年31期2023-12-25
- 動態(tài)環(huán)境下基于深度學習的視覺SLAM研究
OLOv5s目標檢測算法進行融合，最后對處理后的靜態(tài)特征點進行幀間匹配。實驗使用TUM數(shù)據(jù)集進行測試，結果顯示：SLAM算法結合多視角幾何、目標檢測后，系統(tǒng)的絕對位姿估計精度在高動態(tài)環(huán)境中相較于ORB-SLAM2有明顯提高。與其他SLAM算法的定位精度相比，改進算法仍有不同程度的改善。關鍵詞：多視角幾何；目標檢測；同步定位與建圖；動態(tài)環(huán)境中圖分類號：TP391.9 文獻標志碼：A 同步定位與建圖（simultaneous localization and
貴州大學學報（自然科學版） 2023年6期2023-12-14
- 基于改進YOLO卷積神經網絡的水下海參檢測
YOLO；目標檢測；深度學習；機器視覺；卷積神經網絡中圖分類號： S126?? 文獻標識碼： A?? 文章編號： 1000-4440（2023）07-1543-11Underwater sea cucumber identification based on improved YOLO convolutional neural networkZHAI Xian-yi1， WEI Hong-lei1， HAN Mei-qi2， HUANG Meng1（1.
江蘇農業(yè)學報 2023年7期2023-12-13
- 基于視頻的林火煙霧檢測算法研究
發(fā)生。傳統(tǒng)的目標檢測方法有幀差法、光流法和背景減除法等；如今，隨和數(shù)值計算設備的改進，許多基于深度學習的目標檢測方法開始出現(xiàn)，如基于RCNN的檢測算法、基于SSD的檢測算法和基于Yolo的檢測算法等，本文就各種目標檢測算法進行了分析，比較了其優(yōu)缺點，并對今后目標檢測技術的發(fā)展進行了展望。關鍵詞：? 森林防火；? 目標檢測；? 林火煙霧檢測中圖分類號：? ?S 76? ? ? ? ? ? ? ?文獻標識碼：? ?A? ? ? ? ? ? ? ? 文章編號：１
林業(yè)科技 2023年6期2023-12-11
- 基于目標檢測與跟蹤技術的民航限行車輛預警系統(tǒng)設計與研究
計了一套基于目標檢測與跟蹤技術的民航限行車輛預警系統(tǒng)，旨在監(jiān)測機場道面移動目標的情況，并對監(jiān)測數(shù)據(jù)進行統(tǒng)計與呈現(xiàn)，為工作人員提供管理依據(jù)與幫助。關鍵詞：限行車輛；目標檢測；深度學習；機場交通中圖分類號：U495 文獻標識碼：A0 引言隨著機場規(guī)模日益擴大，機場轄區(qū)內的道路也越來越多，為了確保機場道路交通安全，進一步凈化廣州白云國際機場社會治安環(huán)境，保障廣大群眾合法權益，提升旅客出行體驗，維護廣州城市形象，如何對機場各道路上的移動目標情況進行有效監(jiān)控，成為亟
電子產品世界 2023年9期2023-10-28
- 基于樹莓派與YOLOv5-Lite模型的行人檢測系統(tǒng)設計
5-Lite目標檢測模型分別部署在搭載Linux系統(tǒng)的樹莓派4B平臺上，并在此平臺上搭建深度學習環(huán)境，構建道路行人檢測系統(tǒng)。對這兩個模型進行分析對比，實驗結果表明，在識別準確率相差0.1%的情況下，YOLOv5-Lite模型相對于原YOLOv5s模型，網絡參數(shù)量下降了78.26%，模型計算量下降了77.91%，模型內存大小下降了75.52%，檢測速度提高了91.67%。綜上，本文提出的基于樹莓派和輕量化YOLOv5-Lite目標檢測網絡模型的行人檢測系統(tǒng)兼
計算機時代 2023年9期2023-09-25
- 改進YOLOx的風機葉片缺陷檢測研究
深度學習； 目標檢測； YOLOx-s中圖分類號：TP391? ? ? ? ? 文獻標識碼：A? ? ?文章編號：1006-8228（2023）09-106-05Research on the defect detection of fan blades based on YOLOxHao Weixun， Li Jianjun（School of Information Engineering， Inner Mongolia University of s
計算機時代 2023年9期2023-09-25
- 基于PyQt的目標檢測數(shù)據(jù)集自動采集軟件設計與實現(xiàn)
秋摘? 要：目標檢測數(shù)據(jù)集中的樣本數(shù)量及差異性對網絡檢測性能具有重要影響。通過人工標注圖像的方式生成數(shù)據(jù)集耗時又費力，因此設計一款目標檢測數(shù)據(jù)集自動采集軟件。該軟件可以檢測RTSP視頻流、圖片文件及視頻文件，通過預訓練好的輕量化檢測網絡得到目標位置類別及定位信息，生成標注文件并保存到本地。實驗結果表明，該文軟件在不同的平臺上均可運行，其數(shù)據(jù)集采集速度相比人工標注有顯著優(yōu)勢。關鍵詞：數(shù)據(jù)集制作；PyQt；目標檢測；多線程；YOLOv5中圖分類號：TP311.
現(xiàn)代信息科技 2023年15期2023-09-18
- 基于深度學習的絲綢文物紋樣識別應用
v5、SSD目標檢測算法實現(xiàn)對紋樣的識別與定位。實驗結果表明，MobileNet對絲綢紋樣分類的mAP達到83.51%;在目標檢測算法中YOLOv5的識別與定位效果最好，其mAP為88.42%。與通過人工分類相比，采用深度學習算法進行分類與識別，可以在降低難度的同時提高分類的速度和準確率，為紡織品文物的鑒定與保護提供了新的思路。關鍵詞： 絲綢文物;深度學習;數(shù)字博物館;目標檢測;神經網絡;自動分類中圖分類號： TS101.1 文獻標志碼： ?A文章編號：
絲綢 2023年8期2023-08-31
- 基于聯(lián)邦學習的交通標志識別研究
：交通標志；目標檢測；聯(lián)邦學習；YOLOv5；FATE中圖分類號：G391.4 文獻標識碼：A文章編號：1009-3044（2023）21-0010-050 引言發(fā)展至今，將交通系統(tǒng)與物聯(lián)網、分布式框架以及人工智能等技術相結合以保證人們日常出行的安全和高效。由此生成的智能駕駛正是其中極為重要的一環(huán)。智能駕駛依靠的即是對數(shù)據(jù)的快速處理和高效的運算，但在網絡環(huán)境良好且車輛停駛的情況下，也會造成巨大的算力浪費。如何有效地利用起車載設備的計算資源，避免其過多的浪費
電腦知識與技術 2023年21期2023-08-26
- 一種車載數(shù)字相機與激光雷達融合算法設計
上均有良好的目標檢測效果。關鍵詞：環(huán)境感知；激光雷達；Yolo；融合算法；目標檢測中圖分類號：U462? 收稿日期：2023-04-19DOI：10.19999/j.cnki.1004-0226.2023.08.0061 前言近年來，芯片算力與網絡技術的快速發(fā)展，使得智能輔助駕駛技術走向成熟。環(huán)境感知作為核心技術，包括利用機器視覺的圖像識別技術、利用雷達（激光、毫米波、超聲波）的周邊障礙物檢測技術、多源信息融合技術、傳感器冗余設計技術等[1]。若僅通過單一
專用汽車 2023年8期2023-08-24
- 基于改進YOLOv5的駕駛員手持手機檢測算法研究
信息，提高小目標檢測的精確度。其次，采用一種改進的特征融合方法，提取三個尺度的特征，并對特征進行融合，更好地提取局部信息。實驗結果表明，與YOLOv5相比，該檢測算法在自制數(shù)據(jù)集上的精確度達到71.9%，提高了2.1%，對小目標的檢測效果顯著。關鍵詞：目標檢測；YOLOv5；殘差模塊；注意力機制中圖分類號：TP183；TP391.41 文獻標識碼：A 文章編號：2096-4706（2023）12-0066-04Research on Driver Hand
現(xiàn)代信息科技 2023年12期2023-08-21
- 基于改進YOLOv5s的交通標志檢測算法
因素導致的在目標檢測任務中出現(xiàn)參數(shù)量過多、檢測速度慢等問題，文章基于原有YOLOv5s的網絡框架提出一種改進后的目標檢測網絡Shuffle-Block，首先選用開源的CCTSDB數(shù)據(jù)集進行實驗，引入Shuffle-Block模塊替換YOLOv5s原始的CSPDarknet主干網絡，使得YOLOv5s的網絡模型輕量化，降低模型的復雜程度。關鍵詞：YOLOv5s；交通標志；深度學習；目標檢測中圖分類號：TP183；TP391.41 文獻標識碼：A 文章編號：2
現(xiàn)代信息科技 2023年12期2023-08-21
- 面向實時目標檢測的Ｆａｓｔｅｒ Ｒ?ＣＮＮ 算法
：文章討論了目標檢測在計算機視覺領域中的重要性，并介紹了目標檢測算法的 2 種主要類型：傳統(tǒng)計算機視覺方法和基于深度學習的方法。隨著深度學習技術的發(fā)展，基于深度學習的目標檢測算法逐漸成為主流，并取得了較好的效果。然而，為進一步提高 Faster R-CNN 在目標檢測方面的性能，文章結合鯨魚優(yōu)化算法對Faster R-CNN 網絡進行優(yōu)化，并使用 PASCAL VOC 2012數(shù)據(jù)集對網絡性能進行測試。實驗結果表明，基于鯨魚優(yōu)化算法的 Faster R-C
計算機應用文摘 2023年15期2023-08-09
- 面向實時目標檢測的Ｆａｓｔｅｒ Ｒ?ＣＮＮ 算法
：文章討論了目標檢測在計算機視覺領域中的重要性，并介紹了目標檢測算法的 2 種主要類型：傳統(tǒng)計算機視覺方法和基于深度學習的方法。隨著深度學習技術的發(fā)展，基于深度學習的目標檢測算法逐漸成為主流，并取得了較好的效果。然而，為進一步提高 Faster R-CNN 在目標檢測方面的性能，文章結合鯨魚優(yōu)化算法對Faster R-CNN 網絡進行優(yōu)化，并使用 PASCAL VOC 2012數(shù)據(jù)集對網絡性能進行測試。實驗結果表明，基于鯨魚優(yōu)化算法的 Faster R-C
計算機應用文摘·觸控 2023年15期2023-08-09
- 基于DMPC的多無人機多維決策協(xié)同區(qū)域搜索
；區(qū)域搜索；目標檢測；分布式；多維決策中圖分類號：TP39；V279? 文獻標識碼：A? 文章編號：2096-4706（2023）11-0015-07Multi-UAV Multidimensional Decision-Making Collaborative Regional Search Based on DMPCZHAO Xu， LI Zhi（College of Electronics and Information Engineering， S
現(xiàn)代信息科技 2023年11期2023-08-01
- 基于卷積神經網絡的茶葉病蟲害檢測系統(tǒng)設計
積神經網絡；目標檢測；茶葉病蟲害；檢測系統(tǒng)中圖分類號：TP391.41文獻標志碼：A0 引言近年來，隨著卷積神經網絡的興起，基于卷積神經網絡的模型不斷涌現(xiàn)，國內外諸多學者都將卷積神經網絡應用于圖像處理研究，尤其是在圖像分類和目標檢測研究方面，網絡模型AlexNet［1］、GoogleNet［2］、ResNet［3］、ASNet［4］、VGG-16［5］等在圖像分類和目標檢測準確率上都得到了進一步提升。文獻［6-7］將卷積神經網絡應用于農作物病蟲害的檢測上，
無線互聯(lián)科技 2023年9期2023-07-20
- 基于改進DeepSORT和FastReID的室內多目標人員跨鏡識別與跟蹤
視頻分析實現(xiàn)目標檢測、目標跟蹤和行人重識別存在的諸如目標框重框、遮擋等問題，提出了一種基于改進DeepSORT和FastReID的室內多目標人員跨鏡追蹤的方法。該方法使用YOLOv5s進行人員檢測、DeepSORT進行人員跟蹤、FastReID進行人員重識別。采用EIOU-NMS算法解決了YOLOv5s人員檢測過程中出現(xiàn)的重框問題；在FastReID的特征提取網絡中引入了NEUFA注意力機制，并使用優(yōu)化后的FastReID的特征提取網絡替換了DeepSOR
西安科技大學學報（社會科學版） 2023年3期2023-07-20
- 高速公路異常事件檢測中的目標檢測和主體識別算法
：高速公路；目標檢測；主體識別中圖分類號：U495A4916730引言高速公路上車輛行駛速度較快，易造成重大人員傷亡事故。事件檢測系統(tǒng)可實時發(fā)現(xiàn)道路異常事件，及時進行告警處置，避免二次事故的發(fā)生。事件檢測的核心算法是目標檢測和識別，只有準確地發(fā)現(xiàn)和識別目標，才能對異常事件進行準確的判定。王瀅暄等［1］針對高速公路特定場景下的目標檢測問題，提出了一種基于YOLOv4網絡的改進算法，對交通場景下的車輛目標進行檢測，將多幅圖像的拼接層連接后再進行車輛檢測，提升了
西部交通科技 2023年4期2023-07-18
- 結合改進注意力機制的YOLO目標檢測算法
：YOLO；目標檢測；多尺度卷積；注意力機制0 引言自從Hinton 提出利用神經網絡對圖像數(shù)據(jù)中的高維特征進行自主學習[1]以來，基于深度學習的目標檢測已成為計算機視覺領域中一個重要的研究熱點[2]。目標檢測的方法主要分為雙階段和單階段目標檢測算法。雙階段目標檢測算法，如Fast R-CNN[3]、Faster R-CNN[4]等，都是通過生成預選框再利用神經網絡對候選框進行分類識別。單階段目標檢測算法，如YOLO （you only look once
計算機時代 2023年7期2023-07-17
- 基于改進YOLOv3的電梯內電動車檢測算法
獻瑜關鍵詞：目標檢測；輕量化網絡；注意力模塊；YOLOv3；CIOU0 引言電梯作為高層建筑中的重要交通工具，常見的安全隱患問題如轎廂困人、電梯沖頂、反復開關門、攜帶可燃易爆物品等[1]，通過“智慧電梯”[2]安全管理平臺得到了有效解決，但目前對禁止電動車等可燃易爆物品進入電梯仍缺乏有效的方法[3]。2021 年5 月，四川省某小區(qū)的電梯內一輛電動車瞬間爆燃，導致多人受傷。2021 年11 月，合肥市一小區(qū)住戶的電動自行車在屋內充電時燃燒，導致火情。因此，
計算機時代 2023年7期2023-07-17
- 基于BiFPN-YOLOv5的公路養(yǎng)護檢測算法
公路養(yǎng)護; 目標檢測; YOLOv5; BiFPN; SIou loss0 引言公路是中國最重要的交通設施，為我國經濟發(fā)展帶來了基礎與保障[1]。目前我國高速公路已達到14.96萬km，雖然我國公路已取得了巨大的成就，但其中有60%的公路年限超過了8年，導致公路的養(yǎng)護問題逐漸成為公路管理的主要任務[2]。公路養(yǎng)護問題上最核心的問題是如何快速精準地檢測到公路損壞的位置，目前最主流的方式是通過人工對公路健康狀態(tài)進行巡查與記錄，但依賴人工的方式會浪費大量的人力與
電腦知識與技術 2023年15期2023-07-11
- 基于YOLOv5的絕緣子目標檢測算法
v5的絕緣子目標檢測算法。在模型中加入CBAM注意力機制改變YOLOv5的網絡結構，增強對目標有效特征的提取，確定絕緣子的位置。實驗結果表明，使用改進的YOLOv5算法進行絕緣子目標檢測平均精度可達到98.7%，提高了模型的檢測精度，對后續(xù)絕緣子缺陷檢測具有一定參考價值。關鍵詞：絕緣子；目標檢測；YOLOv5算法；CBAM注意力中圖分類號：TP18? ? 文獻標識碼：A? ? 文章編號：2096-4706（2023）08-0107-04Abstract：
現(xiàn)代信息科技 2023年8期2023-06-25
- 基于YOLOv5和多尺度特征融合的學生行為研究
YOLOv5目標檢測算法的學生課堂行為識別方法。首先，建立學生課堂行為數(shù)據(jù)集，為研究提供數(shù)據(jù)來源；其次，針對學生目標密集等問題提出一種多尺度特征融合的學生課堂行為識別方法。多次實驗結果表明，所提方法有效地提高了學生課堂行為識別的精度。學生課堂行為的智能化識別為教師掌握學生學情、改進授課策略提供了重要依據(jù)。關鍵詞：YOLOv5；學生行為；行為識別；目標檢測；特征融合中圖分類號：TP183? 文獻標識碼：A? 文章編號：2096-4706（2023）08-00
現(xiàn)代信息科技 2023年8期2023-06-25
- 基于無人機機器視覺的軌道異物入侵檢測方法
：軌道異物；目標檢測；YOLOv5；無人機中圖分類號：TP391.4文獻標志碼：A0引言軌道異物入侵是人為事故和列車本身故障以外造成鐵路事故的主要因素，現(xiàn)階段通常采用間接檢測的方法避免異物入侵帶來的危害。間接檢測以非接觸式的視頻監(jiān)控、微波為主［1］，目前的研究重點主要集中在視頻監(jiān)控方法上。德國學者利用車載攝像機和激光雷達實現(xiàn)軌道異物識別［2］。陳根重［3］設計了融合單目與雙目一體的異物入侵檢測系統(tǒng)。金炳瑞［4］提出了基于圖像處理的軌道異物入侵檢測方法。何文
無線互聯(lián)科技 2023年7期2023-06-25
- 基于FPGA的目標檢測系統(tǒng)與加速器設計
摘? 要：目標檢測作為計算機視覺技術的基礎任務，在智慧醫(yī)療、智能交通等生活場景中應用廣泛。深度學習具有高類別檢測精度、高精度定位的優(yōu)勢，是當前目標檢測的研究重點。由于卷積神經網絡計算復雜度高、內存要求高，使用CPU實現(xiàn)的設計方案已經難以滿足實際應用的需求?，F(xiàn)場可編程邏輯門陣列（FPGA）具有可重構、高能效、低延遲的特點。研究圍繞FPAG硬件設計，選取了YOLOv2算法，并針對該算法設計了對應的硬件加速器，實現(xiàn)了基于FPGA的目標檢測。關鍵詞：YOLO；FP
現(xiàn)代信息科技 2023年7期2023-06-25
- 基于改進YOLOv5的絕緣子快速檢測
：深度學習；目標檢測；絕緣子；YOLOv5中圖分類號：TP18；TP391.4? ? 文獻標識碼：A? 文章編號：2096-4706（2023）06-0073-04Fast Detection of Insulators Based on Improved YOLOv5HUANG Shiyi， DONG Xiaojie， YANG Longhuan， WANG Yifan（College of Intelligent Systems Science and
現(xiàn)代信息科技 2023年6期2023-06-25
- 基于注意力和上下文的多尺度圖像背景下的小目標檢測方法
尺度背景下小目標檢測的效果。在COCO數(shù)據(jù)集上，本算法的APs高于基準retinanet最高達2.9，在DIOR數(shù)據(jù)集上mAP能夠達到69.0，優(yōu)于該數(shù)據(jù)集上最優(yōu)算法，同時能夠維持自己單階段的速度。關鍵詞：目標檢測；小目標檢測；離散自注意力；跨尺度注意力中圖分類號：TP391.4? ? 文獻標識碼：A? ? 文章編號：2096-4706（2023）05-0001-07Small Object Detection Method under the Backg
現(xiàn)代信息科技 2023年5期2023-06-22
- 基于YOLOv5的改進小目標檢測算法研究
：文章針對小目標檢測存在的可利用特征少、定位精度要求高、數(shù)據(jù)集小目標占比少、樣本不均衡和小目標對象聚集等問題，提出將coordinate attention注意力嵌入YOLOv5模型。Coordinate attention注意力機制通過獲取位置感知和方向感知的信息，能使YOLOv5模型更準確地識別和定位感興趣的目標。YOLOv5改進模型采用木虱和VisDrone2019數(shù)據(jù)集開展實驗驗證，實驗結果表明嵌入coordinate attention能有效提高
現(xiàn)代信息科技 2023年3期2023-06-22
- 基于深度學習的林地澳洲堅果檢測識別
LO v3等目標檢測算法相比有明顯的精度優(yōu)勢。該研究充分表明該模型對園林下的澳洲堅果有良好的檢測效果，且具有檢測精度高、魯棒性強的優(yōu)點。關鍵詞：澳洲堅果；目標檢測；深度學習；Faster R-CNN；特征金字塔網絡中圖分類號：S776.01文獻標識碼：A文章編號：1006-8023（2023）02-0113-08Macadamia integrifolia Detection and Recognition inOrchards Based on Deep
森林工程 2023年2期2023-06-13
- 基于深度學習的圖像目標檢測系統(tǒng)設計與實現(xiàn)
R-CNN；目標檢測；可視化預測1引言隨著社會經濟的發(fā)展，圖像信息成為與人們生活密切相關的重要數(shù)據(jù)，利用計算機來迅速地實現(xiàn)圖像分類和目標檢測，已成為當前圖像處理最迫切的需求。目標檢測是深度學習的一個重要應用，要求從圖片背景中分離出感興趣的目標。相較于龐大的圖像數(shù)據(jù)信息的產生，圖像分類和目標識別的速度、準確率也在快速提升。此前的研究證明，在大數(shù)據(jù)集上進行訓練可以獲得一個小數(shù)據(jù)集的實質性改進。一般來說，這些超大規(guī)模的數(shù)據(jù)集可以使局部識別性能大幅度提高[1]。隨
計算機應用文摘 2023年4期2023-05-30
- 基于霧天復雜場景下的道路目標檢測研究
再檢測的道路目標檢測方法。對采集的霧天圖像進行基于暗通道先驗理論去霧處理，再將其送入訓練好的YOLOv3目標檢測模型進行推理檢測，并在去霧算法中引入導向濾波方法。為使YOLOv3檢測模型具有更好的檢測性能，將目標框回歸損失函數(shù)從原來的CIoU改進為SIoU，并在BBD100K數(shù)據(jù)集的部分標注圖像下進行實驗。實驗結果表明，在YOLOv3網絡模型下，使用CIoU損失函數(shù)時檢測精度為45.8%，使用SIoU損失函數(shù)時檢測精度為46.6%，提升了0.8%；將霧化圖
青島大學學報（工程技術版） 2023年2期2023-05-30
- 基于改進RPN的孿生小樣本電力目標檢測
用于電力行業(yè)目標檢測的孿生網絡小樣本模型，在極端小樣本情況下性能優(yōu)良，同時具有更加輕量化的優(yōu)勢，可為電力檢測新方法研究提供參考。關鍵詞：計算機感知；孿生網絡；電力場景；小樣本；目標檢測Research on few-shot power detection of siamese network based on improved RPNFENG Jun1， PAN Sichen1，ZHAO Shuai1，PENG Liangying1，F(xiàn)AN Xiongf
河北科技大學學報 2023年1期2023-05-30
- 基于YOLOv5s的城市道路車輛檢測方法的設計與實現(xiàn)
LOv5s；目標檢測；車輛檢測中圖分類號： TP311 文獻標識碼：A文章編號：1009-3044（2023）03-0019-031 引言截至2022年6月底，公安部已經官方宣布我國的車輛總量已經達到了4.06億輛，與2021年底比較，新增加了1082 萬輛汽車（扣除報廢注銷量），增長率為2.74%。其中，2022年6月之前新注冊登記的車輛就有1657萬輛。這說明了我國人民的生活質量處于不斷上升的趨勢中，對汽車的需求量也在持續(xù)的增加，這就導致道路交通擁堵現(xiàn)
電腦知識與技術 2023年3期2023-05-30
- 基于圖像識別的目標檢測可行性分析
：圖像識別；目標檢測；評價標準1引言目前，深度學習領域成為各學科融合熱門，伴隨計算機算力的提升，深度學習進一步發(fā)展，并基于深度學習實現(xiàn)圖像識別，在圖像識別領域取得了重大進步。但大家似乎都邁入了一個誤區(qū)：圖像識別相當于計算機視覺或者僅僅是對圖像進行簡單處理。相較于大眾認知，圖像識別不僅僅等同于對圖像進行識別，它是一個寬泛的領域。本文首先探討圖像識別的任務分類，并對圖像識別領域的應用場景進行介紹。算法的研究基于圖像識別的可行性，以及如何判斷圖像識別效果的優(yōu)劣，
計算機應用文摘 2023年9期2023-05-30
- 基于OpenCV的機器人分揀系統(tǒng)設計
penCV；目標檢測；圖像處理；tesseract-OCR；機器人分揀系統(tǒng)中圖分類號：TP242；TP391.4? 文獻標志碼：A? 文章編號：1671-0797（2023）09-0034-04DOI：10.10.19514/j.cnki.cn32-1628/tm.2023.09.0100? ? 引言隨著各大電商的快速發(fā)展，我國快遞行業(yè)的整體規(guī)模迅速壯大，包裹數(shù)量逐年增多，快遞的錯派、丟件等問題也日漸凸顯，傳統(tǒng)人工分揀已經無法適應當前的分揀需求，亟需一種用
機電信息 2023年9期2023-05-18
- 基于Transformer的目標檢測研究綜述
ormer的目標檢測方法因其突出的性能引起了眾多研究者的關注。文章從作為Neck的Transformer 和作為Backbone的Transformer兩類框架在目標檢測領域的研究狀況、幾種常見模型的基本原理以及在COCO 2017 ValSet上的對比實驗三個方面做出了綜述。關鍵詞： 目標檢測； Transformer； 計算機視覺； 深度學習中圖分類號：TP391? ? ? ? ? 文獻標識碼：A? ? ?文章編號：1006-8228（2023）05-
計算機時代 2023年5期2023-05-14
- 基于圖像識別的目標檢測可行性分析
：圖像識別；目標檢測；評價標準1引言目前，深度學習領域成為各學科融合熱門，伴隨計算機算力的提升，深度學習進一步發(fā)展，并基于深度學習實現(xiàn)圖像識別，在圖像識別領域取得了重大進步。但大家似乎都邁入了一個誤區(qū)：圖像識別相當于計算機視覺或者僅僅是對圖像進行簡單處理。相較于大眾認知，圖像識別不僅僅等同于對圖像進行識別，它是一個寬泛的領域。本文首先探討圖像識別的任務分類，并對圖像識別領域的應用場景進行介紹。算法的研究基于圖像識別的可行性，以及如何判斷圖像識別效果的優(yōu)劣，
計算機應用文摘·觸控 2023年9期2023-05-10
- 融合注意力機制的YOLOv5火災煙霧檢測
元彪關鍵詞：目標檢測;煙霧檢測；YOLOv5；注意力機制；ACON激活函數(shù)中圖分類號：TP391 文獻標識碼：A文章編號：1009-3044（2023）08-0001-040 引言由于采用傳統(tǒng)的煙霧報警或檢測手段的煙霧探測器裝置只能在靠近排放源的地方識別煙霧的存在，并且受各種天氣環(huán)境影響，其感受到的溫度、濕度及顆粒密度都會影響檢測效果[1]。由于設備的探測范圍的局限性，一些戶外場所的地理屬性導致無法大范圍鋪設傳統(tǒng)的探測設備，它們缺乏檢測局部煙霧的能力。20
電腦知識與技術 2023年8期2023-04-27
- 基于YOLOv5的坐姿監(jiān)測系統(tǒng)設計
OLOv5；目標檢測；坐姿監(jiān)測中圖分類號：TP39 文獻標識碼：A文章編號：1009-3044（2023）08-0022-04“坐姿”作為人們生產生活最常用的姿態(tài)，與人們身體健康密切相關。坐姿不正確是導致青少年近視率持續(xù)上升的重要原因之一，根據(jù)國家學生體質與健康調研結果表明，我國各學段學生近視率持續(xù)上升，7～12歲小學生、13～15歲初中生、16～18歲高中生視力不良率分別為45.71%、74.36%、83.28%[1]，同時長期不良的坐姿可能會導致成年人
電腦知識與技術 2023年8期2023-04-27
- 基于機器視覺的油田儀表示數(shù)自動識別方法
圖像識別??目標檢測???指針定位???透視變換矩陣The?Automatic?Recognition?Method?of?OilField?Instrument?Indication?Based?on?Machine?VisionZHAO?Lei（Liaohe?Oilfield?Materials?Company，??Panjin，?Liaoning?Province，124010??China）Abstract：The?traditional?inst
科技資訊 2023年6期2023-04-23
- 圖像識別技術在錄播系統(tǒng)中的研究
錄播系統(tǒng)中的目標檢測和跟蹤技術，在沒有人工干預的情況下，利用圖像處理算法對視頻圖像進行實時分析與處理，實現(xiàn)對跟蹤目標的自動檢測、跟蹤和拍攝。關鍵詞：錄播系統(tǒng)；圖像識別；目標檢測；目標跟蹤中圖分類號：TP391? ? ? ? 文獻標識碼：A文章編號：1009-3044（2023）06-0097-06開放科學（資源服務）標識碼（OSID）0引言國家“十三五”教育改革提出通過提升教育信息化促進教育公平、提高教育質量的方針[1]。近年來隨著云計算、大數(shù)據(jù)等技術的實
電腦知識與技術 2023年6期2023-04-14
- 基于YOLOv5s算法的風機葉片故障識別與檢測
；故障識別；目標檢測；交并比中圖分類號：TP277? ? ? ? 文獻標識碼：A文章編號：1009-3044（2023）06-0076-03開放科學（資源服務）標識碼（OSID）0 引言風力發(fā)電作為發(fā)展最為成熟、最具有開發(fā)規(guī)模的可再生、清潔的綠色能源，擁有廣闊的發(fā)展前景。風機葉片作為風力發(fā)電的重要承載部件，其是否安全運行直接影響著風力發(fā)電機組對風能的獲取效率，同時對設備的使用壽命以及周圍的環(huán)境安全有著巨大的影響。根據(jù)我國風能資源的分布，風力設備多分布在濕度
電腦知識與技術 2023年6期2023-04-14
- 基于知識圖譜WordNet實現(xiàn)多數(shù)據(jù)集合并及其在YOLO9000中的應用
;深度學習;目標檢測;YOLO9000;Softmax1 概述在如今的生活中，人臉識別、自動駕駛、車輛檢測、行人檢測等視覺技術早已得到了普遍應用，為人們眾多工作生活帶來了便利。這些檢測識別技術背后依靠的是目標檢測算法的產生和發(fā)展。社會生活要求目標檢測系統(tǒng)足夠快速、足夠準確、有足夠的能力檢測更多對象。從傳統(tǒng)到深度學習，目標檢測算法不斷地更新?lián)Q代，不斷改進先前的不足并提出更加強大和富有創(chuàng)意的方法。2014年，Ross Girshick極具創(chuàng)造性地提出Regio
電腦知識與技術 2023年4期2023-03-24
- 基于人工智能的紅外熱成像監(jiān)控系統(tǒng)設計
；人工智能；目標檢測；數(shù)據(jù)清洗隨著電網規(guī)模的不斷增加，電力設備的維護成本越來越高。而故障發(fā)生前的檢修尤為重要，可以減少設備故障次數(shù)，降低設備故障帶來的損失[1]。國務院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，要求到2025年戰(zhàn)略目標為人工智能成為我國產業(yè)升級和經濟轉型的主要動力。國家發(fā)展改革委在《“十四五”新型儲能發(fā)展實施方案》中要求提升能源產業(yè)鏈現(xiàn)代化水平，推進能源產業(yè)數(shù)字化智能化升級，積極開展電網、電廠等領域智能化建設[2]。國家對于智能設備的要求越來越高，此
電腦知識與技術 2023年4期2023-03-24
- 基于互聯(lián)網的公共場所監(jiān)控人臉特征目標檢測
據(jù)的人臉特征目標檢測方案，通過對人臉特征，如胡須、眼鏡、口罩等特征，對互聯(lián)網聯(lián)機多場所監(jiān)控視頻進行檢測，篩選出目標人群，從而減少機器人臉識別或傳統(tǒng)人工識別工作量，提高識別速度，降低成本，最后以口罩佩戴檢測系統(tǒng)的實現(xiàn)案例驗證了系統(tǒng)可行性及精準度，并對目標檢測技術應用前景進行了展望。關鍵詞：互聯(lián)網；目標檢測；人臉特征；監(jiān)控視頻引言近年來，監(jiān)控作為視頻證據(jù)采集的主要工具被大量安置在城市公共區(qū)域各個角落，有效保證了人民群眾的生命財產安全，但隨著攝像頭增多，監(jiān)控視頻
互聯(lián)網周刊 2023年2期2023-03-12
- 基于深度學習的圖像目標檢測系統(tǒng)設計與實現(xiàn)
R-CNN；目標檢測；可視化預測1引言隨著社會經濟的發(fā)展，圖像信息成為與人們生活密切相關的重要數(shù)據(jù)，利用計算機來迅速地實現(xiàn)圖像分類和目標檢測，已成為當前圖像處理最迫切的需求。目標檢測是深度學習的一個重要應用，要求從圖片背景中分離出感興趣的目標。相較于龐大的圖像數(shù)據(jù)信息的產生，圖像分類和目標識別的速度、準確率也在快速提升。此前的研究證明，在大數(shù)據(jù)集上進行訓練可以獲得一個小數(shù)據(jù)集的實質性改進。一般來說，這些超大規(guī)模的數(shù)據(jù)集可以使局部識別性能大幅度提高[1]。隨
計算機應用文摘·觸控 2023年4期2023-03-05
- 智慧教室課堂教學中學生抬頭率檢測與分析
永健關鍵詞：目標檢測；YOLOv5；BiFPN；智慧教室；教學評價1引言為加快教育現(xiàn)代化和教育強國進程，教育部于2018年制定了《教育信息化2.0行動計劃》，計劃指出要以人工智能、大數(shù)據(jù)、物聯(lián)網等新興技術為基礎，依托各類智能設備及網絡，積極開展智慧教育研究和示范。2019年，相關部門印發(fā)《中國教育現(xiàn)代化2035》，再次指出要加快教育信息化的腳步，建設智能化的校園，為國內高校探索智慧教育模式提供了方向。智慧校園是數(shù)字校園的進一步發(fā)展和提升，是教育信息化的更高
計算機應用文摘·觸控 2022年20期2022-11-21
- 基于目標檢測的自動斷電實驗臺控制器的設計
。通過對傳統(tǒng)目標檢測算法的研究與分析，研究了Openmv圖像預處理和灰度直方圖均衡化的方法，采用幀間差分檢測算法和關鍵幀的人物識別方法，實現(xiàn)了目標識別功能，最終形成基于目標檢測的自動斷電實驗臺的設計，該實驗臺可以準確地實現(xiàn)無人時自動斷電，從而保證了實驗室的用電安全以及達到了節(jié)省能源的目的。關鍵詞：實驗室安全;控制器;目標檢測;節(jié)省能源中圖分類號：TP391? ? ? 文獻標識碼：A文章編號：1009-3044（2022）18-0080-03開放科學（資源服
電腦知識與技術 2022年18期2022-08-31
- 水下圖像目標檢測技術研究
榮摘要：運用目標檢測技術，水下機器人海底打撈技術可替代人工捕撈，解決人工作業(yè)危險系數(shù)高、經濟效益低的問題。該文水下目標檢測研究對象為海參、海膽、扇貝、海星四類生物，針對水下圖像顏色偏移嚴重、存在明顯跨域等問題，提出了一種基于Cascade-Rcnn的海底生物目標檢測方法，結合傳統(tǒng)圖像處理，解決水下圖像跨域問題，最終精度達到0.507（iou0.5：0.95?Map）。關鍵詞：目標檢測???Cascade-Rcnn????跨域???顏色偏移中圖分類號：TP2
科技資訊 2022年12期2022-07-17
- 基于深度學習的破損絕緣子檢測研究
YOLOv4目標檢測方法的破損絕緣子智能檢測模型。針對Scaled-YOLOv4網絡在訓練過程中難以分辨有效信息的問題，分析Scaled-YOLOv4網絡Neck部分的降采樣操作會導致信息丟失，提出將改進的注意力機制加入網絡模型中，設計了DC-Scaled-YOLOv4模型。將網絡上得到的破損絕緣子數(shù)據(jù)集分配成訓練集和測試集，并對故障識別模型進行訓練。采用該模型對破損絕緣子進行識別測試，Scaled-YOLOv4在破損絕緣子數(shù)據(jù)集上的檢測精度為80%，而文
現(xiàn)代信息科技 2022年4期2022-07-07
- 面向航空目標檢測的神經網絡加速器設計
用于航空圖像目標檢測領域。然而，由于航空圖像成像背景環(huán)境復雜、目標尺寸小且方向任意，為了提取更高層次的特征信息，神經網絡模型的結構復雜度不斷提高，使得模型計算復雜度高、計算時間長，從而難以滿足航空目標檢測的實時性需求。本文提出了一種面向航空目標檢測的基于Winograd算法的神經網絡加速器，通過Winograd卷積算法可大幅減少卷積計算中的乘法數(shù)量，并針對Winograd卷積在神經網絡計算中由于時域變換引入額外加法計算的問題，提出了一種深流水的矩陣變換計算
航空科學技術 2022年5期2022-07-03
- 車輛前排乘員安全帶檢測算法研究
4-tiny目標檢測框架，通過設置不同數(shù)量檢測頭的兩個網絡分別用于車輛和擋風玻璃檢測。在MobileNeXt網絡中，通過在沙漏殘差模塊中添加SAM空間注意力模塊實現(xiàn)安全帶檢測。在車輛數(shù)據(jù)集、擋風玻璃數(shù)據(jù)集、安全帶數(shù)據(jù)集上進行訓練和測試，實驗結果表明，車輛檢測網絡在平均精度（mean Average-Precision， mAP）為99.69%時速度為145 幀/秒，擋風玻璃檢測網絡在平均精度為99.88%時速度為163 幀/秒，安全帶檢測網絡在準確率（Ac
軟件工程 2022年6期2022-06-11
- 卷積神經網絡在實時檢測領域的研究
度預測改善小目標檢測?；谝幌盗械南趯嶒烌炞CMini模塊設計的有效性，并透過對照實驗結果證實Mini Net模型的實時性優(yōu)于全卷積模型，在參數(shù)量僅有0.92×106的情況下，能夠有效地提取目標特微。關鍵詞：卷積神經網絡;輕量模型;目標檢測;圖像識別中圖分類號：TP311? ? ?文獻標識碼：AResearch on Convolutional Neural Networks in Real-time DetectionGAO Xinyi， CHEN Qi
軟件工程 2022年6期2022-06-11
- 基于計算機視覺的無人機目標檢測算法綜述
升必然要基于目標檢測。計算機視覺技術早在20世紀90年代就已經開始應用于無人機領域，早期受限于微處理器較差的運算能力，相關算法雖然有一定的優(yōu)化但總體上發(fā)展緩慢。經過幾十年的發(fā)展，目前隨著處理器運算能力的顯著提升，利用計算機視覺相關技術解決無人機應用中的問題顯得更加得心應手。關鍵詞：計算機視覺;無人機;目標檢測;引言隨著無人機在軍用及民用領域的廣泛應用，以無人機為平臺的圖像獲取和處理技術在軍事、交通、物流和攝影等諸多領域得到快速發(fā)展?；跓o人機視覺的多目標跟
新視線·建筑與電力 2022年4期2022-06-08
- 基于YOLO算法的橋面鋪裝及其資產檢測技術
;深度學習;目標檢測;卷積神經網絡中圖分類號 U443.33 文獻標識碼 A 文章編號 2096-8949（2022）10-0070-030 引言大跨徑鋼橋面鋪裝及其附屬資產是確保橋梁結構正常運營的關鍵部分，其服役狀態(tài)直接影響到區(qū)域交通的互聯(lián)互通。橋面鋪裝及其附屬資產由于常年暴露于自然環(huán)境，且承受交通荷載的不斷作用，服役狀況不斷衰減并最終出現(xiàn)損傷。因此，針對鋪裝等設施狀況的全面、及時的檢測是制訂有效維養(yǎng)方案的關鍵。在道路巡檢領域，深度學習中目標檢測的方
交通科技與管理 2022年10期2022-06-07
- 基于神經網絡的洗手動作識別方法
手動作識別;目標檢測;注意力機制;編解碼結構【中圖分類號】Q189 【文獻標識碼】A 【文章編號】2026-5328（2022）03--011 引言中華人民共和國衛(wèi)生部[1]在2020年發(fā)布了《醫(yī)務人員手衛(wèi)生規(guī)范》，它規(guī)定了醫(yī)務人員洗手方法和外科沖洗手消毒方法。在臨床環(huán)境中引入手衛(wèi)生依從性的智能化檢測方式是十分必要的。2020年2月，邢政等人[2]發(fā)明一種洗手監(jiān)測裝置，該裝置使用傳感器檢測到手部后，執(zhí)行洗手響應，記錄使用者的信息并上傳至終端。2020年
錦州醫(yī)科大學報 2022年3期2022-06-06