声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1307/TP
国际刊号：1001-9081
发布日期:
作者：宋霄罡, 张冬冬, 张鹏飞, 梁莉, 黑新宏
单位：1.西安理工大学 计算机科学与工程学院，西安 710048；2.人机共融智能机器人陕西省高校工程研究中心，西安 710048
关键词：实时目标检测,YOLOv5s,混凝土施工现场,注意力机制,轻量化
基金：国家重点研发计划项目(2022YFB2602203)
针对施工环境下普遍存在的环境杂乱、目标被遮挡、目标尺度范围大、正负样本不平衡、现有检测算法实时性不足等问题，提出一种面向复杂施工环境的实时目标检测算法YOLO-C。将提取到的低层特征与高层特征相融合，增强网络全局感知能力；设计小目标检测层，提高算法对不同尺度目标的检测精度；设计通道-空间注意力（CSA）模块，增强目标特征，抑制背景特征；在损失函数部分，采用VariFocal Loss计算分类损失，解决正负样本不平衡问题；GhostConv作为基本卷积块构建GCSP（Ghost Cross Stage Partial）结构，降低参数量和计算量；针对复杂施工环境，构建混凝土施工现场目标检测数据集，在构建的数据集上与多个算法进行对比分析实验。实验结果表明，YOLO-C算法的检测精度更高，参数量更小，更适合复杂施工环境下的目标检测任务。
来源：2024年第5期
《计算机应用》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。