一种改进YOLOv5的X光违禁品检测模型

针对X光行李图像安全检测过程中存在物品高度重叠遮挡及复杂背景干扰等问题,提出了一种融合注意力机制、数据增强策略与加权边框融合算法的改进YOLOv5网络模型用于X光违禁品检测。模型在Neck部分引入卷积注意力模块加强网络对违禁品深层重要特征的提取,抑制背景干扰;训练阶段采用Mixup数据增强策略模拟带有高度重叠及遮挡物品的检测场景,加强模型复杂样本的学习能力;测试阶段采用加权边框融合算法对冗余预测框进行优化,提高模型精准预测能力。所提模型在3个大型复杂数据集SIXray、HiXray、OPIXray进行了测试,平均精度均值分别达到了89.6%、83.1%和91.6%。结果表明：所提模型能够有效提高YOLOv5检测复杂违禁品的能力,与现有诸多先进算法相比,具有较高的准确率和稳健性。     

基于改进YOLOv5的X射线图像铸件缺陷实时检测

铸件缺陷检测是一项重要的质量管理程序。为了避免人为因素的影响,提高检测精度,对YOLOv5s6的目标检测算法进行改进,用于X射线图像的铸件缺陷检测。首先设计了一种C3CA模块用于捕获跨通道、方向感知和位置感知的信息。然后通过在骨干网络中融合多头自注意力机制来捕获局部与全局信息。最后采用Focal-EIoU Loss损失函数。实验结果表明:在相同训练条件下,改进后YOLOv5s6的AP50值达到了90.2%,F1因子达到了87.8%,相较原始模型分别提高了3.4%和2.3%,具有检测准确率高、实时性强等特点。     

基于注意力机制的改进YOLOX行人跌倒检测方法

针对现有行人跌倒检测算法在复杂场景下存在漏检、检测精度低等问题,提出一种基于注意力机制的行人跌倒检测方法 YOLOX-s-EsE。改进的模型在骨干网络中引入SimAM注意力模块,在Bottleneck和特征融合模块增加ECA通道注意力模块,以进一步提取特征层的关键信息,损失函数采用EIo U,可以更有效地计算出预测框和真实框的差距,提升模型的精度。实验结果表明,改进后的算法在复杂环境下目标的检测效果有了明显的提升,相比原YOLOX-s模型,算法的mAP提高了约1.8%,达到了89.23%,精度提高了约4.6%,达到了91.79%。     

改进YOLOX算法的输电线路关键部件及缺陷检测

输电线路作为电力系统的载体,对其进行定期巡检,在第一时间对潜在的安全隐患进行干预是电力系统稳定运行的关键所在。针对输电线路关键部件及缺陷,依托无人机巡检图像,提出了一种改进YOLOX的目标检测算法,进一步加强浅层特征与深层特征的融合,丰富特征图信息;添加位置注意力模块,将位置信息与通道特征进行融合,促使神经网络在更大的区域上进行注意力调节,有利于感兴趣对象的精准定位;对回归损失进行分类处理,加大难回归样本的损失占比,提高算法的检测精度。实验表明,改进后的YOLOX检测算法相比于原始的YOLOX,mAP值提高了3.64%,证明了所提算法的真实有效性。     

基于改进YOLOX的钢材表面缺陷检测研究

针对目前单阶段目标检测网络YOLOX的特征提取能力不足、特征融合不充分以及钢材表面缺陷检测精度不高等问题,提出一种改进YOLOX的钢材表面缺陷检测算法。首先,在Backbone部分引入改进的SE注意力机制,增添一条最大池化层分支,进行权重融合,强化重要的特征通道;其次,在Neck部分引入ASFF模块,充分利用不同尺度的特征,更好地进行特征融合;最后,针对数据集所呈现的特点,将IOU损失函数替换为EIOU损失函数,改善模型定位不准确的问题,提高缺陷检测精度。实验结果表明,改进的YOLOX算法具有良好的检测效果,在NEU-DET数据集上的mAP达到了75.66%,相比原始YOLOX算法提高了3.74%,较YOLOv6提升了2.76%,检测精度优于其他主流算法。     

基于YOLOX网络的SAR图像舰船目标检测

针对SAR图像舰船目标尺寸大小不一、舰船分布密集、背景复杂等问题,本文提出一种改进YOLOX网络并用于SAR图像舰船目标检测。该网络包括主干特征提取网络、加强特征提取网络、解耦头、预测框优化及损失计算等4个部分。与常规YOLOX网络相比,本文作了如下改进：首先,在主干特征提取网络中,3个基础特征层之后都添加了CA模块;在加强特征提取网络中,两处下采样之后也都添加了CA模块。以强化对SAR图像中重要区域的特征提取。其次,在框回归损失函数中,引入CIOU替代IOU,以更好地利用预测框和真实框之间的相对位置信息和形状信息,提升预测框回归精度。本文基于AIR-SARSHIP-2.0数据集进行了大量的舰船目标检测实验,并选择了Faster-RCNN、YOLOv3和常规YOLOX等3种网络与本文的改进YOLOX网络进行对比。实验结果表明,本文的改进YOLOX网络整体性能优于其他3种对比网络,有更少的虚警和漏警、更高的检测精度。     

基于DirectShow的便携式X射线数字图像采集的实现

为了满足便携式X射线数字图像采集的需要,提出了基于DirectShow的数字图像采集实现的方法.通过编写相应代码来捕捉以USB2.0协议进行数据传输的CMOS图像传感器经光锥耦合像增强器后传送的图像信息,实验结果表明该图像采集模块是可行的、有效的.     

基于YOLOX和Swin Transformer的车载红外目标检测

红外图像因为存在噪声大、对比度不佳等问题,容易导致目标检测时的精度降低,本文结合YOLOX和Swin Transformer,提出了一种改进的YOLOX的模型。改进的模型采用Swin Transformer替换YOLOX中的CSPDarknet主干提取网络,减少YOLOX中Neck和Head部分的激活函数以及标准化层,以提高特征的提取能力,优化网络结构。对改进的模型在艾瑞光电数据集和FILR数据集上均进行了测试,实验结果显示,改进后的YOLOX网络,在两个数据集上的平均检测精度都有明显提升,更加适合红外图像的目标检测。     

基于改进YOLOX的安全帽佩戴检测算法

针对安全帽佩戴检测任务中的小目标密集导致的遮挡和难以检测等问题,提出了一种基于YOLOX和transformer的安全帽佩戴检测算法。首先使用融合了CNN和transformer的网络swin Csp进行特征提取,提升模型获取全局上下文信息的性能;然后采用简化的重复加权双向特征金字塔网络BiFPN,使算法更好地融合不同尺度的特征;最后在neck和YOLO head的连接部分加入CBAM注意力机制,加强安全帽特征与位置信息的关联程度,进一步增强网络的性能和鲁棒性。基于SHWD数据集进行实验,结果表明,算法在hat类上提高了0.99%的精度,在两种类型的召回率上分别有3.16%和1.7%的提升,在mAP方面则有1.79%的提升,有效实现了快速且精度较高的安全帽佩戴检测。     

复杂背景下多尺度X光违禁品检测

针对安检X光图像中违禁品的自动检测一直存在困难,使用不同尺度的特征比例平衡模块、U型网络递归模块和残差边注意力模块构建EM2Det(Enhanced M2Det)模型,进一步提升M2Det模型的检测性能.首先考虑主干网络深层中的高语义信息和浅层中的细节特征信息,借鉴特征金字塔思想设计特征融合增强模块,加强模型对主干网络...     

基于语义分割的多目标违禁品识别算法

基于深度学习的语义分割算法可以实现安检违禁品自动识别,并获得违禁品的位置、类别及形状信息。但传统的语义分割算法在面对违禁品尺寸不一且目标多样的识别任务时表现较差。针对该问题,本文提出了一种基于语义分割技术的多目标违禁品识别算法。编码阶段,设计使用空洞空间金字塔卷积模块（Atrous Spatial Pyramid Convolution Block, ASPC）,提升网络对于特征图多尺度信息的挖掘能力。同时引入注意力机制,对ASPC模块的特征提取过程进行监督,进一步提升模块的特征提取能力。解码阶段,受U-Net模型启发,采用逐级上采样操作,同时加入1×1卷积实现通道降维,减少计算量,提升模型运行速度。实验结果显示,本文提出的算法在多目标违禁品识别任务中表现良好,平均交并比（mIoU）得分78.62,处理单张图片用时（Time）68ms。      

基于改进FastICA的多用户检测

研究了直接序列扩频码分多址(DS-CDMA)通信系统的多用户检测问题,利用DS-CDMA信号中各用户扩频码和用户信息数据统计独立性建立了基于独立分量分析方法的多用户检测模型,通过对噪声作白化预处理,对FastICA算法的分离性能进行分析并给出精度修正矩阵,提出了一种改进FastICA的多用户检测算法.仿真结果表明,该方法较传统检测算法具有更好的检测性能、更强的抗多址干扰的能力和抗远近效应的性能.     

基于显著性目标检测的改进火焰检测算法

针对靶场炮弹定位方法定位精度差、实时性差且存在安全隐患等问题,提出了一种基于显著性目标检测的炮弹火焰检测算法.首先针对数据集缺失问题,构建了一个炮弹火焰数据集,用于网络模型训练和推理.其次,采用并列交叉的双分支ResNet为特征提取模块,分别学习前景和背景语义信息,并在该模块中引入空洞卷积和注意力机制网络,提高感受野的...     

基于轻量化分割网络的违禁品识别算法

针对传统语义分割算法参数量大、运行慢,不利于违禁品识别技术实际应用的问题,提出一种基于轻量化分割网络的违禁品识别算法.在模型的浅层特征层设计空洞卷积模块来扩大网络的感受野,减少误分类并提升分割精细度.在深层特征层设计非对称卷积模块取代传统单一串联卷积操作,降低计算复杂度.实验结果表明,所提算法在识别精度和速度上取得了均...     

基于改进Otsu的桥梁裂缝检测方法

针对传统的桥梁裂缝检测方法效率低、主观性强,以及费时费力等缺点,提出一种基于改进Otsu的桥梁裂缝检测方法。在目标方差前加入偏重参数和背景倾向系数,利用灰度值梯度累积量获取峰值信息,进而保证在单峰情况下阈值始终在峰值左侧,然后通过灰度值累积量适当调整阈值,最终实现自适应桥梁裂缝检测。实验结果表明,改进算法能够有效检测出桥梁裂缝,且相比于EW,WOV,VE等算法,所提算法获得的误分类值更接近0,缺陷检测率更接近1,有更好的检测效果。     

一种改进的自相关函数基音检测算法

提出了一种改进的自相关函数基音检测算法:首先利用清浊音自相关函数幅度值的不同性质进行清浊音判决,然后仅对浊音段检测基音周期。在基音检测前用带通滤波、中心削波和数值滤波等方法进行预处理,去除共振峰和高频噪声的影响;在基音检测过程的后端用搜索平滑方法进行后处理,平滑掉半、倍频点和随机错误点。实验结果表明,改进算法的效果优于传统自相关算法,而且在信噪比低至5 dB时仍有良好的清浊音判决和基音检测性能。     

基于改进SVM主动学习算法的入侵检测

入侵检测研究中,采用基于支持向量机的主动学习算法,有效地降低了学习的样本复杂度.针对支持向量机主动学习算法中存在的随机构造的初始训练集样本质量不高和容易陷入次优等问题,提出了一种结合核空间聚类的初始训练集构建方法,并在距离准则的基础上引入了概率选择机制.仿真实验表明,在不降低检测效果的前提下,该算法所需的学习样本更少,并表现出较高的稳定性.