期刊导航
期刊开放获取
VIP36
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
2
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HGTC−YOLOv8n模型的煤矸识别算法研究
被引量：
2
1
作者
滕文想
王成
费树辉
《工矿自动化》
CSCD
北大核心
2024年第5期52-59,共8页
现有基于深度学习的煤矸识别方法在煤矿井下低照度、高噪声及运动模糊等复杂工况下存在煤矸识别精度低、小目标煤矸容易漏检、模型参数量和运算量大,难以部署到计算资源有限的设备中等问题,提出了一种基于HGTC−YOLOv8n模型的煤矸识别算...
现有基于深度学习的煤矸识别方法在煤矿井下低照度、高噪声及运动模糊等复杂工况下存在煤矸识别精度低、小目标煤矸容易漏检、模型参数量和运算量大,难以部署到计算资源有限的设备中等问题,提出了一种基于HGTC−YOLOv8n模型的煤矸识别算法。采用HGNetv2网络替换YOLOv8n的主干网络,通过多尺度特征的有效提取,提高煤矸识别效果并减少模型的存储需求和计算资源消耗;在主干网络中嵌入三重注意力机制模块Triplet Attention,捕获不同维度间的交互信息,增强煤矸图像目标特征的提取,减少无关信息的干扰;选用内容感知特征重组模块(CARAFE)来改进YOLOv8n颈部特征融合网络上采样算子,利用上下文信息提高感受视野,提高小目标煤矸识别准确率。实验结果表明:①HGTC−YOLOv8n模型的平均精度均值为93.5%,模型的参数量为2.645×10^(6),浮点运算量为8.0×10^(9),帧速率为79.36帧/s。②平均精度均值较YOLOv8n模型提升了2.5%,参数量和浮点运算量较YOLOv8n模型分别下降了16.22%和10.11%。③与YOLO系列模型相比,HGTC−YOLOv8n模型的平均精度均值最高,且参数量和浮点运算量最少,检测速度较快,综合检测性能最佳。④基于HGTC−YOLOv8n模型的煤矸识别算法在煤矿井下复杂工况下,改善了煤矸识别精度低、小目标煤矸容易漏检等问题,满足煤矸图像实时检测要求。
展开更多
关键词
煤矸识别
小目标识别
YOLOv8n
内容
感知
特征
重组
模块
三重注意力机制
Triplet
Attention
HGNetv2
在线阅读
下载PDF
职称材料
基于卫星遥感的岛礁影像多类目标智能化提取
被引量：
5
2
作者
江志军
张舒豪
肖进胜
《中国空间科学技术》
CSCD
北大核心
2021年第4期127-133,共7页
卫星遥感影像具有背景复杂、目标尺度不一、观测方向各异、纹理不清晰等特点,主流的深度学习目标检测算法不能直接适用于卫星遥感影像的目标检测。改进了RetinaNet,使其适用于卫星遥感影像。首先设计了一种新的特征融合方式,融合ResNet5...
卫星遥感影像具有背景复杂、目标尺度不一、观测方向各异、纹理不清晰等特点,主流的深度学习目标检测算法不能直接适用于卫星遥感影像的目标检测。改进了RetinaNet,使其适用于卫星遥感影像。首先设计了一种新的特征融合方式,融合ResNet50输出的特征图,使得融合后的特征图同时具有高层语义信息和低层纹理细节信息。为了减弱遥感影像复杂背景对目标特征的影响,设计了特征感知模块,在减弱噪声对特征图影响的同时增强有用特征。挑选DOTA数据集中船只、飞机和存储罐图像进行训练和测试。改进的算法与RetinaNet相比,飞机、船只和存储罐的平均精度分别提高了4.1%、2.5%、2.4%。基于高分二号卫星(GF-2)真实影像数据的试验结果表明,提出的算法能够用于卫星遥感岛礁影像的多类目标智能化提取。
展开更多
关键词
深度学习
遥感影像
目标检测
特征
融合
特征感知模块
DOTA数据集
在线阅读
下载PDF
职称材料
题名
基于HGTC−YOLOv8n模型的煤矸识别算法研究
被引量：
2
1
作者
滕文想
王成
费树辉
机构
安徽理工大学机电工程学院
安徽理工大学矿山智能技术与装备省部共建协同创新中心
安徽中科光电色选机械有限公司博士后科研工作站
出处
《工矿自动化》
CSCD
北大核心
2024年第5期52-59,共8页
基金
机械工业联合会矿山采选装备智能化重点实验室开放基金项目(2022KLMIO4)
安徽理工大学引进人才基金项目(13230411)。
文摘
现有基于深度学习的煤矸识别方法在煤矿井下低照度、高噪声及运动模糊等复杂工况下存在煤矸识别精度低、小目标煤矸容易漏检、模型参数量和运算量大,难以部署到计算资源有限的设备中等问题,提出了一种基于HGTC−YOLOv8n模型的煤矸识别算法。采用HGNetv2网络替换YOLOv8n的主干网络,通过多尺度特征的有效提取,提高煤矸识别效果并减少模型的存储需求和计算资源消耗;在主干网络中嵌入三重注意力机制模块Triplet Attention,捕获不同维度间的交互信息,增强煤矸图像目标特征的提取,减少无关信息的干扰;选用内容感知特征重组模块(CARAFE)来改进YOLOv8n颈部特征融合网络上采样算子,利用上下文信息提高感受视野,提高小目标煤矸识别准确率。实验结果表明:①HGTC−YOLOv8n模型的平均精度均值为93.5%,模型的参数量为2.645×10^(6),浮点运算量为8.0×10^(9),帧速率为79.36帧/s。②平均精度均值较YOLOv8n模型提升了2.5%,参数量和浮点运算量较YOLOv8n模型分别下降了16.22%和10.11%。③与YOLO系列模型相比,HGTC−YOLOv8n模型的平均精度均值最高,且参数量和浮点运算量最少,检测速度较快,综合检测性能最佳。④基于HGTC−YOLOv8n模型的煤矸识别算法在煤矿井下复杂工况下,改善了煤矸识别精度低、小目标煤矸容易漏检等问题,满足煤矸图像实时检测要求。
关键词
煤矸识别
小目标识别
YOLOv8n
内容
感知
特征
重组
模块
三重注意力机制
Triplet
Attention
HGNetv2
Keywords
coal gangue recognition
small target recognition
YOLOv8n
content aware reassembly of features
triple attention mechanism
Triplet Attention
HGNetv2
分类号
TD67 [矿业工程—矿山机电]
在线阅读
下载PDF
职称材料
题名
基于卫星遥感的岛礁影像多类目标智能化提取
被引量：
5
2
作者
江志军
张舒豪
肖进胜
机构
钱学森空间技术实验室
中国航天科技集团有限公司航天系统发展研究中心
武汉大学电子信息学院
出处
《中国空间科学技术》
CSCD
北大核心
2021年第4期127-133,共7页
基金
国家自然科学基金(61471272)
中国航天科技集团有限公司科技创新研发项目。
文摘
卫星遥感影像具有背景复杂、目标尺度不一、观测方向各异、纹理不清晰等特点,主流的深度学习目标检测算法不能直接适用于卫星遥感影像的目标检测。改进了RetinaNet,使其适用于卫星遥感影像。首先设计了一种新的特征融合方式,融合ResNet50输出的特征图,使得融合后的特征图同时具有高层语义信息和低层纹理细节信息。为了减弱遥感影像复杂背景对目标特征的影响,设计了特征感知模块,在减弱噪声对特征图影响的同时增强有用特征。挑选DOTA数据集中船只、飞机和存储罐图像进行训练和测试。改进的算法与RetinaNet相比,飞机、船只和存储罐的平均精度分别提高了4.1%、2.5%、2.4%。基于高分二号卫星(GF-2)真实影像数据的试验结果表明,提出的算法能够用于卫星遥感岛礁影像的多类目标智能化提取。
关键词
深度学习
遥感影像
目标检测
特征
融合
特征感知模块
DOTA数据集
Keywords
deep learning
remote sensing imagery
object detection
feature fusion
feature perception module
DOTA dataset
分类号
TP721.1 [自动化与计算机技术—检测技术与自动化装置]
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HGTC−YOLOv8n模型的煤矸识别算法研究
滕文想
王成
费树辉
《工矿自动化》
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
2
基于卫星遥感的岛礁影像多类目标智能化提取
江志军
张舒豪
肖进胜
《中国空间科学技术》
CSCD
北大核心
2021
5
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
