公共文化服务平台

搜索到40054篇“ 目标检测算法“的相关文章

目标检测算法被引量：2: 2023年; 目标检测是计算机视觉任务的一个重要组成部分,也是人工智能的一个重要应用,其目的是在自然图像中的大量预定义类别中定位对象实例。同时目标识别也有着广泛的应用场景,可以应用到自动驾驶技术中以及各种侦察车上。系统性介绍了主要的目标识别方法,之后主要介绍两种基于深度卷积神经网络的目标识别方法,并分别说明了它们的应用场景,同时通过具体的实验数据对比了骨干网络的优缺点。与传统的基于特征的目标检测方法相比,基于深度学习的目标检测方法可以同时学习图像的低级特征和高级特征。最后展望了目标检测方法的发展前景。; 王国超柴琳金立左; 关键词：目标检测计算机视觉

一种目标检测算法的模型评测方法: 本发明公开了一种目标检测算法的模型评测方法，涉及计算机视觉领域，解决了模型测试结果缺乏客观性的问题，方法步骤包括：准备目标检测算法的测试用图片，对检测目标进行标注得到测试用图片的预设目标信息；调用目标模型对测试用图片进行...; 何欣

基于Real-ESRGAN和改进YOLOv5的道路小目标检测算法: 本发明公开了一种基于Real‑ESRGAN和改进YOLOv5的道路小目标检测算法，步骤为：S1：准备数据集，收集数据，划分为训练集、验证集和测试集；S2：搭建YOLOV5算法模型，输入数据并训练，得到YOLOV5算法模型...; 陈大龙孟维张澳陈晓芳

改进的FBS-ABL运动目标检测算法: 2025年; 针对快速背景减除法(FBS-ABL)在复杂环境下易存在鬼影的问题,提出一种改进的FBS-ABL算法。该算法在FBS-ABL算法检测到前景目标的基础上,求出前景运动目标及其邻域的像素直方图并进行匹配,判断目标区域是否存在“鬼影”,通过改变该区域的像素值消除“鬼影”。同时对于鬼影目标可能存在的区域再次进行背景初始化,抑制“鬼影”的出现。在两个不同的场景进行了实验验证,结果表明,改进的FBS-ABL算法对“鬼影”消除有着良好的效果,对目标检测的准确率有着明显的提升。; 陈春林槐崇飞王子涵洪文健; 关键词：背景减除

一种基于MSG-YOLOv7的轻量化遥感图像军事坦克目标检测算法: 本发明公开的属于深度学习目标检测与遥感军事结合技术领域，具体为一种基于MSG‑YOLOv7的轻量化遥感图像军事坦克目标检测算法，包括具体步骤如下：获取Google Earth公开的遥感军事坦克数据集，按6：2：2比例划分...; 谢国波吴陈锋林志毅

基于多尺度差分对比度增强的红外小目标检测算法: 本发明公开了一种基于多尺度差分对比度增强的红外小目标检测算法，属于图像分割技术领域，包括：获取包含单帧红外小目标的原始图像；对原始图像进行多尺度高斯模糊处理，生成一系列不同尺度的模糊图像；计算相邻尺度模糊图像的差分，生成...; 王邺李红川魏宇星王俊琦

改进YOLOv8n的无人机航拍小目标检测算法: 2025年; 针对无人机航拍图像目标密集、尺度小、特征信息易丢失、漏检和误检严重,提出一种基于YOLOv8n改进的航拍小目标检测算法GI⁃YOLOv8n。GI⁃YOLOv8n重新设计网络结构,改进特征融合网络,加入跨层连接,最大化保留小目标位置细节信息和语义信息,新增极小目标检测层,提高检测精度;引入基于注意力机制的动态检测头,并用轻量化卷积模块GSConv进行改进,在尺度感知、空间感知、任务感知方面加强小目标的定位性能;最后引入Inner⁃CIoU损失函数,使用辅助边界框计算损失,加快模型回归速度,提高检测性能。实验结果表明,在VisDrone2019数据集上,GI⁃YOLOv8n的精确率、召回率、平均检测精度分别为50.7%、39.8%、41.5%,相较于YOLOv8n分别提高了7.1%、7.4%、8.7%,检测速度为81 f/s,满足航拍目标检测实时性要求。对比其他航拍目标检测算法,检测精度和速度均有提升。; 雷帮军雷帮军吴正平余快; 关键词：损失函数

基于SAR图像的小目标检测算法: 2025年; 针对SAR图像上的小目标难以被检测的问题,提出一种STSAR-YOLOv5目标检测算法。在YOLOv5基础上增加一层检测头捕捉小目标;在骨干网络部分加入BoTNet模块,其具有全局信息获取能力,能够在高度密集场景下定位小目标。在自主构建的SSAD数据集上进行对比实验,实验结果表明,STSAR-YOLOv5的检测效果较YOLOv5有明显提升,该方法平均检测精度(mAP_0.5:0.95)提高了7.8%。相比YOLOv5算法,该算法对SAR图像中的小目标表现出较好的检测性能和鲁棒性。; 许峻滔王卓薇赵艮平; 关键词：合成孔径雷达目标检测遥感图像计算机视觉

一种面向目标检测算法的数据架构优化方法: 本发明公开了视觉检测领域的一种面向目标检测算法的数据架构优化方法，包括视频数据管理模块、数据自动标注模块、特殊数据样本保留模块和图像数据去重模块，所述视频数据管理模块通过定义好相关的命名规则，对不同来源的业务数据统一进行...; 朱晓峰邓斌庄自成

基于多尺度注意力机制的无人机小目标检测算法: 2025年; 针对无人机航拍图像密集度大、目标尺寸小、背景复杂等难点,提出一种基于多尺度注意力机制的小目标检测(Small target detection of BPAN-EF_C2f YOLOv8s,SBE_YOLOv8s)算法,通过设计一种基于多尺度注意力机制的特征提取模块(EMA-Faster Block_C2f,EF_C2f),替换YOLOv8网络中的C2f模块,提高网络对小目标特征的提取能力;在特征融合网络中增加P1检测层,并设计一种跨尺度特征融合结构(Bi-Path Aggregation Network,BPAN),融合小目标特征信息;增加一个微小目标检测头,使用SIoU Loss作为边界框损失函数,提升小目标检测精度和网络收敛速度。在公开数据集VisDrone2019上进行实验验证。验证结果表明:与YOLOv8s算法相比,新算法在检测精度上提升了6.9%、mAP50提升了9.1%,模型参数量减少了44.6%,检测速度为28帧/s,新算法在小目标检测领域具有一定的实用性。; 冯迎宾郭枭尊晏佳华; 关键词：特征提取小目标检测

相关作者