-
题名基于改进YOLOv5算法的道路坑洼检测方法
- 1
-
-
作者
张刚
唐戬
杨小双
杨扬
秦贵斌
樊劲辉
-
机构
河北科技大学电气工程学院
青岛农业大学理学与信息科学学院
-
出处
《计算机工程与设计》
北大核心
2025年第2期554-561,共8页
-
基金
国家自然科学基金项目(51507048)
河北省重点研发计划基金项目(20326628D)
河北省引进国外智力基金项目(1200343)。
-
文摘
针对目前已有目标检测算法在路面坑洼养护应用较少,且存在检测模型参数量较大、小目标容易漏检的问题提出一种改进的YOLOv5的算法。在主干(Backbone)层采用轻量化卷积GhostConv代替原有的标准卷积,减少模型参数;在颈部(Neck)层加入卷积GSConv和改进的注意力机制GSECA以及改进的双向融合模型BiFPN-m,增强特征信息提取与融合能力;将损失函数替换为EIOU Loss,提高小目标的检测精度。改进后的YOLOv5算法的mAP提高了3.1%,参数量降低了40%,为路面智能化养护提供了一种解决方案。
-
关键词
路面坑洼
主干层
颈部层
轻量化
注意力机制
双向融合模型
损失函数
-
Keywords
road pothole
backbone layer
neck layer
lightweight
attention mechanism
bidirectional fusion model
loss function
-
分类号
TP389.1
[自动化与计算机技术—计算机系统结构]
-
-
题名无人机海上舰船目标影像超分辨率重建
- 2
-
-
作者
孙炜玮
崔亚奇
张少卿
夏沭涛
-
机构
海军航空大学
中国航空工业沈阳飞机设计研究所
西北工业大学
-
出处
《现代电子技术》
北大核心
2025年第1期17-22,共6页
-
基金
国家自然科学基金项目(62171453)。
-
文摘
针对无人机在获取海上舰船目标影像时面临的实时性与清晰度之间的矛盾,提出一种影像压缩模糊重建方法。该方法利用改进的YOLOv8检测模型和Real-ESRGAN网络,通过数据集构建、网络训练调试和部署运用等步骤,实现了在有限带宽和计算资源环境下地面端高质量舰船目标影像的实时重建。首先利用改进的YOLOv8模型对影像中舰船目标进行精准检测和定位,随后通过Real-ESRGAN网络对压缩及模糊影像进行重建,以恢复影像的高分辨率和细节信息。实验结果表明,该方法不仅显著提升了影像的清晰度和检测准确性,还大幅减少了带宽消耗,满足了无人机舰船识别的高实时性要求,且在资源受限的情况下表现尤为突出。为无人机在海上舰船目标监测领域提供了一种有效的解决方案,不仅提高了无人机的监测和识别能力,也为进一步推进无人机在海洋监测中的广泛应用奠定了基础。
-
关键词
无人机影像
海面舰船
双向特征融合模型
Real-ESRGAN网络
改进的YOLOv8检测模型
海上舰船目标监测
-
Keywords
UAV image
surface vessel
bidirectional feature fusion model
Real-ESRGAN network
improved YOLOv8 detection model
monitoring of maritime vessel target
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
