栏目文章信息

YOLO系列改进及应用专题 栏目所有文章列表 (按年度、期号倒序)     一年内发表的文章 |  两年内 |  三年内 |  全部 Please wait a minute... 选择: 导出引用 EndNote Ris BibTeX 显示/隐藏图片 Select 1. 改进YOLOv7-tiny的轻量级红外车辆目标检测算法 许晓阳, 高重阳 计算机工程与应用    2024, 60 (1): 74-83.   DOI: 10.3778/j.issn.1002-8331.2305-0312 摘要 （141）      PDF（pc） （655KB）（168）    可视化    收藏 为了解决红外场景下车辆检测算法参数量与计算量大、识别精度低、小目标检测难度大的问题，提出了一种改进YOLOv7-tiny的轻量级红外车辆目标检测算法：KD-YOLO-DW。通过融合深度可分离卷积提出了ELAN-DW模块，极大地降低了网络参数量与计算量。通过在特征融合层引入GhostNet V2模块，提高了不同尺度特征的融合能力。采用动态非单调FM的WIoU损失函数，解决了红外数据集难易样本不平衡的问题，提高了轻量级算法对红外弱小目标的检测能力。联合残差思想提出跨尺度融合策略，提高了轻量级算法对不同尺度目标的检测效果，降低了小目标的漏检率。通过知识蒸馏对轻量化模型再次浓缩，进一步提高了模型对检测红外目标的准确性。实验结果表明，KD-YOLO-DW模型在参数量与计算量方面分别较YOLOv7-tiny模型下降了24.6%和16.7%，模型大小仅为9.2 MB，mAP分别提高了3.27和3.15个百分点，拥有更小的模型体积与更好的检测效果。 参考文献 | 相关文章 | 多维度评价 Select 2. 改进YOLOv5的光伏组件热斑及遮挡小目标检测 林正文, 宋思瑜, 范钧玮, 赵薇, 刘广臣 计算机工程与应用    2024, 60 (1): 84-95.   DOI: 10.3778/j.issn.1002-8331.2302-0061 摘要 （96）      PDF（pc） （1429KB）（79）    可视化    收藏 热斑会严重影响光伏组件发电效率，利用红外光图像检测热斑，难以同时实现树叶、鸟粪等小型异物遮挡的有效识别，及时发现和清理异物可以有效降低因受到持续遮挡而引起的热斑。为实现对热斑更加全面的识别和处理，基于无人机巡检可见光和红外光视频图像尺寸及检测任务特点，结合K-means++算法与IoU指标改进了YOLOv5的锚框设定方案以改善结果的随机性；可见光场景中，针对遮挡物体较小导致难以检测的问题，在YOLOv5s6的主干网络中嵌入坐标注意力机制（coordinate attention，CA），设计了遮挡小目标检测模型（CA-YOLOv5s6）；红外光场景中，热斑区域较为明显，选择轻量化网络YOLOv5n作为其检测模型。实验结果显示：相较于YOLOv5s6，CA-YOLOv5s6的mAP提升了2.97个百分点，达到83.78%，Parameters减少了4.8×105，达到1.18×107，有效地提高了遮挡小目标的检测精度；YOLOv5n模型的mAP、FPS、Parameters分别为93.31%、83.3、1.76×106，可以更好地满足红外图像热斑检测的任务需求。 参考文献 | 相关文章 | 多维度评价 Select 3. 改进YOLOv7的复杂道路场景目标检测算法 杜娟, 崔少华, 晋美娟, 茹琛 计算机工程与应用    2024, 60 (1): 96-103.   DOI: 10.3778/j.issn.1002-8331.2306-0021 摘要 （107）      PDF（pc） （556KB）（80）    可视化    收藏 虽然基于深度学习的目标检测算法在道路场景中的目标检测方面已经取得了很好的效果，但是对于复杂道路场景中的密集目标，远处的小尺度目标检测精度低，容易出现漏检误检的问题，提出一种改进YOLOv7的复杂道路场景目标检测算法。增加小目标检测层，增加对小目标的特征学习能力；采用K-means++重聚类先验框，使得先验框更贴合目标，增加网络对目标的定位精度；采用WIoU（Wise-IoU）损失函数，增加网络对普通质量锚框的关注度，提高网络对目标的定位能力；在颈部和检测头引入协调坐标卷积（CoordConv），使网络能够更好地感受特征图中的位置信息；提出P-ELAN结构对骨干网络进行轻量化处理，降低算法参数量和运算量。实验结果表明，该改进算法在华为SODA10M数据集下的mAP达到64.8%，比原算法提高2.6个百分点，模型参数量和运算量分别降低12%和7%，达到检测精度和检测速度的平衡。 参考文献 | 相关文章 | 多维度评价 Select 4. 安全帽与反光衣的轻量化检测：改进YOLOv5s的算法 张学立, 贾新春, 王美刚, 智瀚宇 计算机工程与应用    2024, 60 (1): 104-109.   DOI: 10.3778/j.issn.1002-8331.2303-0458 摘要 （72）      PDF（pc） （532KB）（64）    可视化    收藏 安全帽与反光衣检测对生产与交通环境的安全管理具有重要意义。针对目前安全帽和反光衣检测算法参数量大、计算量大和模型体积较大等问题，提出了一种基于YOLOv5s轻量化改进的检测算法。引入GhostNet 网络结构中的Ghost模块代替原有的部分卷积与C3模块，大大降低了模型的复杂度。在主干网中增加CA注意力机制，抑制无效信息，增强对特征丰富区域的提取。用C3CBAM代替neck层的C3模块，既减少参数量，又提高了检测精度。实验结果表明，改进模型的mAP（平均精度）为93.6%，参数量为4.28×106，计算量为9.2?GFLOPs，模型大小为8.58?MB。与YOLOv5模型相比较参数量减少了39%，计算量减少了41.7%，模型大小降低37.3%。该检测算法既保证了检测的识别准确率，又实现了检测算法的轻量化。 参考文献 | 相关文章 | 多维度评价 Select 5. 改进YOLOv5s的无人机视角下小目标检测算法 刘涛, 高一萌, 柴蕊, 李政通 计算机工程与应用    2024, 60 (1): 110-121.   DOI: 10.3778/j.issn.1002-8331.2304-0150 摘要 （87）      PDF（pc） （879KB）（69）    可视化    收藏 无人机视角的小目标图像具有目标分布密集、类别不均衡以及特征不明显的特点，导致目标检测任务中出现漏检、误检的问题。针对这些问题，提出一种改进YOLOv5s小目标检测方法，以达到提高目标检测准确率与精确度的目的。重新聚类锚框，更精确地锁定检测区域。更改骨干网络结构，在空间金字塔池化层增加卷积，保证充分获取检测目标特征。同时，将网络结构中的C3模块替换成融合通道注意力机制的轻量级SEC2f模块，以提升网络对于小目标检测的局部特征捕获能力。融合解耦检测头，结合自适应锚框计算，有效提取目标区域的特征。在相同参数、相同环境条件下，在DOTA数据集上和VisDrone数据集上检测精度分别提升6.1%、5.2%，表明改进方法在小目标检测任务上的有效性；在公开数据集voc2007+2012上做通用性对比实验，结果表明改进算法具有通用性。 参考文献 | 相关文章 | 多维度评价 Select 6. 改进YOLOv7的小目标检测算法研究 李安达, 吴瑞明, 李旭东 计算机工程与应用    2024, 60 (1): 122-134.   DOI: 10.3778/j.issn.1002-8331.2307-0004 摘要 （293）      PDF（pc） （884KB）（169）    可视化    收藏 随着深度学习在国内目标检测的不断应用，常规的大、中目标检测已经取得惊人的进步，但由于卷积网络本身的局限性，针对小目标检测依然会出现漏检、误检的问题，以数据集Visdrone2019和数据集FloW-Img为例，对YOLOv7模型进行研究，在网络结构上对骨干网的ELAN模块进行改进，将Focal NeXt block加入到ELAN模块的长短梯度路径中融合来强化输出小目标的特征质量和提高输出特征包含的上下文信息含量，在头部网络引入RepLKDeXt模块，该模块不仅可以取代SPPCSPC模块来简化模型整体结构还可以利用多通道、大卷积核和Cat操作来优化ELAN-H结构，最后引入SIOU损失函数取代CIOU函数以此提高该模型的鲁棒性。结果表明改进后的YOLOv7模型参数量减少计算复杂性降低并在小目标密度高的Visdrone 2019数据集上的检测性能近似不变，在小目标稀疏的FloW-Img数据集上涨幅9.05个百分点，进一步简化了模型并增加了模型的适用范围。 参考文献 | 相关文章 | 多维度评价