【技术】一种基于YOLOv5的高分辨率遥感影像目标检测方法
首先从数据集公开平台获取遥感影像数据集并划分数据集;其次,利用本文方法进行网络训练,利用训练好的模型对测试集样本进行检测;最后,判断测试结果是否符合试验要求,如果不符合实验要求,则调整预训练参数重新训练,得到优化的物体检测模型。1.2改进的GC-YOLOv5网络架构YOLOv5是由Jocher[25]提出的一种单阶段目标检测方...
目标检测之困难目标检测任务综述
YOLOv2/v3/v4/v5:后续版本不断改进了网络架构、特征融合策略、模块化设计、数据增强技术等,提升了检测精度和速度。YOLOv6/v7:继续优化模型结构,加入无锚框(Anchor-Free)的设计,更高效的训练方法,提高实时检测性能的同时保持高准确率。YOLOv8/v9::提供SOTA目标检测,支持多尺度模型适应不同需求,采用高效网络模...
...标注和增强训练方法专利,显著提高铁路轨道异常入侵物目标检测...
3)数据增强:通过SAM??RTN方法,使用生成的图像掩膜作为感知特征,进行特征提取和ROI采样。4)联合训练网络:将图像掩膜数据和感知特征的采样数据联合并输入到下游的目标检测和分类训练网络中。本发明的方法结合了SAM模型强大的图像分割能力和特征感知能力,从而显著提高了铁路轨道异常入侵物的目标检测和分类网络的性...
基于改进YOLOv5s模型的风电叶片内腔缺陷检测 | 科技导报
本文针对风电叶片轻微裂纹难于检测的问题,提出一种基于改进YOLOv5s模型的检测方法:通过在主干网络部分使用空洞空间金字塔池化(ASPP)代替空间金字塔池化(SPP)以适应不同大小和比例的目标,将注意力机制模块(squeezeandexcitation,SE)插入主干网络中以增加网络对微小缺陷的敏感度,使用结构化交并比损失(SIoU-Loss)代替完全...
中国一汽申请多目标轨迹检测方法、装置、设备和存储介质专利,增强...
所述方法包括:获取时间对准后的雷达点云序列和相机图像序列;针对雷达点云序列和相机图像序列中同一时刻的雷达点云和相机图像,对所针对雷达点云和所针对相机图像进行特征融合,得到特征融合图像;对所述特征融合图像进行目标识别,得到第一观测集;对所针对相机图像进行目标识别,得到第二观测集;对所述第一观测集和所述第...
凌云光申请数据增强方法、变形检测方法及视觉检测系统专利,降低...
数据增强方法包括:获取样本工件图像,样本工件图像包括无变形的样本工件;基于形变映射关系和目标变形参数,计算样本工件图像中样本工件对应的各个像素点的目标变形位置;基于目标变形位置,移动样本工件图像中样本工件对应的各个像素点,得到样本增强图像;将样本工件图像和样本增强图像作为增强数据集,增强数据集用于对变形检测模型...
自动驾驶中用于目标检测和语义分割的Radar-Camera融合综述
除了使用2D张量外,一些研究人员还将输入数据扩展到3D张量。Major等人首先证明了基于深度学习的目标检测模型的有效性,该模型基于RAD张量进行操作,并证明多普勒维数有助于提高检测性能。他们提出了两种处理RAD张量的方法,第一种方法是沿着多普勒维度进行压缩,然后进行平均池化以获得RA模型。第二种方法包括通过包括两个额外的...
...大学尹慧琳团队:抵御对抗攻击的半监督学习自动驾驶目标检测框架
本研究提出的方法首先采用MoCo预训练框架进行迁移学习,借助对比学习,从更广泛的物理世界数据分布中汲取知识,从而提升下游任务的性能。随后,本研究采用半监督协同训练的方式,对无标签数据进行标注。最后,将原有的有标签数据与新标注的数据进行混合训练,同时利用BBAug方法进行数据增强,从而完成鲁棒的半监督目标检测模型的训练...
2分钟,10万倍,国家能源集团这项技术“牛”
在全产业链9家试点单位示范应用,通过产品可靠性验证;推出高质量数据集及基础大模型,实现检测精度突破;以区块链+数字化平台管控,实现煤质检测数据“实时、透明、共享”。该设备可以检测6毫米煤样的热值、全硫、灰分、全水等指标,检测时间不超过2分钟,一列车检测煤样量达到传统方法的10万倍,样品代表性和检测效率...
目标检测跟踪模型YOLOv8 能快速识别和定位多个对象
高速目标检测:YOLOv8继续保持YOLO系列模型的高速检测特性,能够实时处理视频流或高速分析静态图像中的目标。高精度识别:通过改进的算法和网络结构,YOLOv8提高了目标检测的准确率,包括更好的边界框定位和分类准确性。多平台兼容性:YOLOv8支持通过ONNX、OpenVINO、CoreML和TFLite等多种格式部署,增强了模型的可用性和兼...