公共文化服务平台

搜索到248篇“ 实时检测算法“的相关文章

基于改进SparseInst路面裂缝实时检测算法: 2024年; 提出一种基于改进SparseInst网络的算法,以解决路面裂缝检测算法识别准确率低、检测实时性差等问题。通过引入SPM条带池化模块和MPM混合池化模块来提高细微裂缝分割效果,且同时加入CBAM模块和DCNv2卷积融入道路裂缝特点,提升裂纹识别完整性和准确性。同时,采用高斯模糊和OTSU阈值分割方法减少图像噪声加大背景和裂缝之间的差异,采用形态学方法将裂纹图像宽度变为单位像素值实现裂缝骨架化。实验结果显示,所提算法在AP,AP_(50),AP_(75)等指标上分别提升了3.5%,0.8%,2.1%,实际测量值误差在2.3%~13.3%之间,具有较高的有效性和实用性。; 王少杰张继凯庄琦; 关键词：图像分割

YOLOv5-W桥梁裂纹实时检测算法: 2024年; 桥梁的定期检修与维护,是保证交通安全、保障桥梁使用年限的重要措施。在桥梁的诸多损伤中,桥梁裂纹是最为普遍的损伤。针对现有裂纹研究中模型计算量大、实时性较差、需要大数据集训练等问题,提出了一种基于YOLOv5改进的YOLOv5-W模型。对YOLOv5的损失函数和颈部网络的设计进行了优化,使用Wise IoU,通过离群度来衡量检测框质量,做出最合适的梯度增益分配,提高检测精度。使用轻量化颈部Slim-Neck设计缩小模型的参数量,提高检测速度。在小数据集Crack400上验证表明,改进模型准确度为98.7,均值平均精度(mean average precision, MAP)为98.5,检测速度为47.958 FPS,模型参数减少到14.5 GPLOPs。相较于原始的YOLOv5,平均精度提升3%,FPS提升12,模型大小减小1.3 GFLOPs。; 史鸣凤董琴郭乃瑄许铭; 关键词：目标检测

轻量化机器人抓取位姿实时检测算法被引量：1: 2024年; 针对机器人对形状、大小、种类变化不一的未知物体的抓取,提出轻量化的抓取位姿实时检测算法RTGN,以进一步提升抓取检测准确率及检测速度.设计多尺度空洞卷积模块,以构建轻量化的特征提取主干网络;设计混合注意力模块,以加强网络对重要抓取特征的关注;引入金字塔池化模块融合多层级特征,以提升网络对物体的抓取感知能力.在Cornell抓取数据集上进行测试,RTGN检测速度为142帧/s,在图像拆分和对象拆分上的检测准确率分别为98.26%和97.65%;在实际抓取环境下进行抓取实验,机器人对20类未知物体进行400次抓取,抓取成功率为96.0%.实验结果表明,RTGN的检测准确率和检测速度较现有方法有明显提升,对物体的位置和姿态变化具有较强的适应性,并且能够有效地泛化到形状、大小、种类等变化不一的未知物体的抓取检测中.; 宋明俊严文邓益昭张俊然涂海燕; 关键词：机器人抓取卷积神经网络非结构化环境

面向边缘计算平台及遥感影像的实时检测算法: 2024年; 针对现有目标检测算法难以满足无人机遥感中实时检测的问题,提出了一种基于ShuffleNetv2及结构化剪枝的模型压缩方法。以YOLOv5m为基础,将ShuffleNetv2模型作为YOLOv5m的主干网络,减少模型的参数量及计算量,提升模型推理速度;其次,利用ECA注意力机制替换ShuffleNetv2中的SE模块,强化主干网络的特征提取能力;再者,以FocalEIoU作为YOLOv5算法的损失函数,提升模型的回归能力;最后,利用通道剪枝算法剔除Neck结构中冗余的参数,进一步压缩模型的参数及计算量,并通过模型微调的方式提升剪枝模型的精度。实验结果表明,在相同的测试环境下,与YOLOv5m相比,本文所提出模型的参数量及浮点运算量分别降低了86.3%和80.0%,mAP@0.5和mAP@0.5:0.95达到了92%及50.4%,优于所对比的其他主流检测算法。此外,所提出的模型在AGX边缘计算平台上达到了35帧/s的检测速度,满足实时检测的要求。; 杨洋宋品德杨思念曹立佳; 关键词：遥感影像剪枝

基于YOLO-v5模型的车辆荷载实时检测算法: 随着城市化进程的加速,城市交通拥堵问题日益突出,因此车辆检测算法在交通管理和安全方面变得至关重要。基于计算机视觉技术的车辆检测算法受到广泛关注,特别是基于深度学习的方法。本文以YOLO-v5模型为例,研究了其在道路桥梁上...; 许博强; 关键词：车辆检测桥梁健康监测计算机视觉

基于YOLOv5s的自动扶梯乘客异常行为实时检测算法: 2024年; 为了实时检测乘客的异常行为,提出一种基于YOLOv5s算法的轻量化自动扶梯乘客异常行为实时检测算法YOLO-STE。首先在主干网络中引入轻量化ShuffleNetV2网络,以减少主干网络的参数量和计算量;其次在骨干网络的最后一层引入基于Transformer编码的C3TR模块,以更好地提取丰富的全局信息和融合不同尺度的特征;最后在YOLOv5s的特征融合网络中嵌入SE(Squeeze-and-excitation)注意力机制,以更好地关注主要信息,从而提高模型精度。自建数据集并进行实验,实验结果表明,相比于原YOLOv5s,改进算法的全类平均精度值(mAP)高出1.9百分点,达到了96.1%,模型大小减少了70.8%。并且在Jetson Nano硬件上部署测试所得,改进后的算法前传耗时比原YOLOv5s模型缩短了39.9%。通过对比改进前后的算法,后者能更好地实现对自动扶梯乘客异常行为的实时检测,从而可以更好地保障乘客乘梯安全。; 王源鹏万海斌黄凯迟兆展张金旗黄智星; 关键词：目标检测轻量化

基于神经网络的遥感图像飞机实时检测算法: 2024年; 针对在遥感图像飞机检测任务中精度较低、实时性差的问题,提出了一种改进YOLOv4遥感图像检测的算法。该算法采用轻量级网络MobileNetV3代替YOLOv4最初的特征提取网络,保证其特征提取能力情况下,减少参数量;同时在路聚合网络(PANet)中使用深度可分离卷积代替传统卷积;在主干网络中引入BAM注意力机制,提高整体模型的泛化能力。然后对NMS网络进行了优化,以提升模型的最终识别精度。最后在自建的遥感飞机数据集上进行训练和测试。实验结果表明:相比原YOLOv4算法,改进算法有着更高的检测精度和更快的检测速度。; 刘志杨江涛许新云; 关键词：遥感图像

复杂作业环境下安全帽实时检测算法研究: 2024年; 为解决建筑工地安全帽背景复杂时检测精度不高、安全帽目标太小不易检测等问题,以YOLOv5框架为基础,提出了一种复杂作业环境下安全帽实时检测算法。首先,在网络中添加坐标注意力机制模块,以抑制无效背景对目标的干扰并提高网络对目标特征的提取能力;其次,在特征融合层引入自适应空间特征融合模块,使网络能自动学习不同特征层的权重,从而增强特征融合能力;最后,采用缩放交并比损失替代完整交并比损失作为边界框损失函数,以解决预测框在回归时的随意匹配问题,进一步提高模型的检测精度并加速收敛速度。结果表明,相较于原始YOLOv5模型,改进后的网络精度提升了2.6百分点,平均精度均值提高了2.3百分点,达到了95.6%,有效提高了复杂环境下安全帽的检测能力。; 胡启军胡启军余洋刘瑞潘莉; 关键词：安全工程损失函数

一种基于动态背景估计的弹孔实时检测算法: 一种基于动态背景估计的弹孔实时检测算法，包括以下步骤：S1，通过图像采集设备获取实时靶面的视频图像，并对其进行帧提取操作得到初始图像数据流；S2，对初始图像数据流进行预处理得到预处理图像；S3，基于时间与空间的图像消抖定...; 赵小明王新新陈小朋

基于YOLOv5的轻量级火焰图像及视频流实时检测算法研究: 火灾作为一种发生率较高、伤害性比较大的事故，会严重威胁人民群众的生命财产安全。因此，火灾的早期检测技术成为减少事故伤害程度的关键一环。早期的火灾检测主要是利用硬件传感器进行，但是传感器检测方法受环境、距离等因素的影响较大...; 姚艺莲

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈