简介：摘要：随着深度学习的不断进步，已经将应用延伸到光电跟踪设备，优质的检测跟踪算法决定光电跟踪设备的工作效率。本文提出一种改进YOLOv4的检测跟踪算法，结合空洞卷积对其网络结构进行改进，加入空洞空间金字塔池化模型，以此增大感受野，聚合多尺度上下文信息。然后，通过 K-means聚类方法生成更适合目标检测的初始候选框。其次，提出一种对象选择器，用来选择检测和跟踪轨迹中的最优候选框；最后，将最优候选框和跟踪轨

简介：摘要：复杂场景中检测交通标志对于智能导航与自动驾驶具有重要研究意义与实用价值，针对目前交通标志检测率较低的问题，本文提出了基于深度学习网络的交通标志检测系统，系统包括图像采集模块、交通标志检测模块和导航模块。其中交通标志检测模块采用最新YOLOv6网络为基础，基于重参数化结构，提升了检测准确率，通过软件界面可以在视频中实时准确的标志出交通标志。经过实验验证，本文交通标志检测系统有更高的检测准确率，具有较好的应用价值。

简介：摘要：复杂场景中检测交通标志对于智能导航与自动驾驶具有重要研究意义与实用价值，针对目前交通标志检测率较低的问题，本文提出了基于深度学习网络的交通标志检测系统，系统包括图像采集模块、交通标志检测模块和导航模块。其中交通标志检测模块采用最新YOLOv6网络为基础，基于重参数化结构，提升了检测准确率，通过软件界面可以在视频中实时准确的标志出交通标志。经过实验验证，本文交通标志检测系统有更高的检测准确率，具有较好的应用价值。

简介：摘要：本文提出的基于YOLOv3的轻量化行人检测算法将传统YOLOv3算法的骨干网络替换为轻量化骨干网络，运算量降低了71%，模型参数量降低了62%，同时具备较高的行人检测精度，适用于计算能力较低、存储空间较小的嵌入式设备，便于前端部署。

简介：[摘要]：结直肠癌是最常见的消化道恶性肿瘤之一,对我国居民健康造成了严重危害。我们提出了一种改进的YOLOv3算法--Efficient-YOLOv3，结果表明，EfficientYOL0v3 模型检测结直肠息肉的mAP为93.04%。与基准的Yolov3模型相比提高了8%以上,与基准的Yolov4模型相比提高了3%以上。

简介：[摘要 ]：

简介：摘要：针对水下裂纹采集的图片清晰度、对比度低的问题，本文提出了利用计算机视觉技术对水下裂纹进行检测，首先利用二值化对采集的水下裂纹图像进行出里，再利用改进的YOLOV4算法进行目标检测。将水下拍摄的裂纹视频提取出单独的帧；利用二值化将采集到的水下彩色图像转化成二值图像，将二值化得到的图片利用中值滤波方法进行去噪处理；将处理后的图片送入到改进后的YOLOV4网络进行训练。结果表明，该方法在对水下坝体裂纹检测的平均精确度可达94.67，速度可达33.7fps。使得水下坝体裂纹检测的准确率和运算速率都得到了很大的提升。

简介：    摘要：老人摔倒是导致严重伤害和意外事故的常见原因之一，因此，开发一种高效准确的老人摔倒检测系统具有重要意义。本论文提出了一种基于图像识别和结合YOLOV7目标检测算法的老人摔倒检测方法。首先，我们收集了大量标注有老人摔倒样本的图像数据集，并进行了数据预处理。然后，我们使用YOLOV7算法进行目标检测，通过对摔倒行为的特征进行学习，提高了摔倒目标的检测准确率。实验结果表明，我们的方法在老人摔倒检测任务中取得了良好的性能，具有广泛的应用前景。

简介：摘要：随着施工现场安全管理工作要求与严格程度的持续提升，以及相关技术操作的加速更新，为解决施工人员安全帽佩戴情况检测与管理难度偏高的问题，本文对安全帽佩戴检测方法进行了研究，提出了一种基于YOLOv3的安全帽佩戴检测方法的设计思路，从基于图像金字塔的多尺度特征检测、k-means维度聚类算法、多尺度训练这三方面入手，分析了该安全帽佩戴检测方法的实现要点，并进行了效果验证，结果表明该方法的应用效果良好。

简介：摘要：随着城市化与工业化的推进，国民经济水平得到了极大的提高。人类的生产活动在创造出大量物质财富的同时，也造成了严重的环境污染问题。本文对YOLOV8网络进行了改进，使用了深度可分离卷积和注意力机制，并提出了一种轻量型目标检测算法，即YOLOV8（ECA）。其在嵌入式设备上可实现20FPS的检测速度，黑烟车识别率可达95.57%。

简介：

简介：

简介：摘要:全球垃圾问题日益加剧，垃圾分类成为重要的环保任务。本研究结合深度学习与Yolov8图像处理技术，提出创新的智能废旧材料检测方法，通过综述现有智能垃圾分类技术，揭示其在复杂场景中的局限性，并在技术、社会、政策等方面讨论推行智能垃圾分类的可能性。详细介绍了所提方法的模型架构、工作流程、数据收集、训练过程，并通过精度曲线分析展示了模型的高性能。延伸研究验证了模型在多物体检测、各角度准确性方面的出色表现，结合用户调查提供实际应用参考。综合研究结果显示显著进展，为废旧材料处理提供可行解决方案，对未来垃圾分类研究具有重要意义。

简介：摘 要： 项目实施的目的是开发一个基于YOLOV7与Res-UNET的钢材表面缺陷智能检测分割系统，旨在解决传统人工检测方法效率低下、易出错的问题，提高钢材生产过程中的缺陷检测的准确性和效率。

简介：摘要：仓库管理活动中，常常伴随着设备货物行为、人员行、人员与货物交互行为等活动，行为复杂，分布场景广泛，结合视频监控技术，采用OLOv4物体检测算法、融合OpenPose检测人骨骼点，实现仓库环境中物品拿取行为的监测。模拟试验表明这种算法识别的方法能有效解决仓储场景中物品拿取的识别监测。

简介：摘要：YOLO系列算法以其高效、准确、快速的特点，被广泛应用于目标检测领域。本文将YOLOv8算法应用于柑橘病虫害识别，旨在设计一个能够快速、准确识别柑橘病虫害的系统，为柑橘生产中的病虫害防治提供技术支持。

简介：摘要：在传统太阳能网版缺陷检测中，比较依赖人工的主观经验，缺陷识别效率低，针对上述问题，本文提出一种基于注意力机制的YOLOv8算法。

简介：摘要：对垃圾的分类是一种能够有效保护生态环境、促进经济发展的重要手段。利用当前前沿机器视觉算法实对垃圾的综合回收和废物的分类成为研究的热点。传统的垃圾分类主要是人工分类分拣，劳动强度高，分拣效率低，工作环境差。在当前高度信息化，科技化的大背景下急需智能和自动分类的方法来改善当前现状。本项目基于勘智k210芯片和YOLOv3目标检测算法的自主垃圾分类系统。目前，通用垃圾回收平台功能单一，主要集中在计算能力低、效率低的问题上。本项目采用了的基于机器视觉的解决方案，如实时垃圾检测、人类不敏感检测、云监控、语音传输和边缘调整解决方案。过程中采取多次测试，主要针对仿真环境中设计方案的可行度和分类的精确度。经测试得出，此方法行之有效，能够成功识别垃圾的不同种类，达到实现垃圾合理分类、回收的目的。

简介：摘要：利用光学卫星遥感图像进行舰船目标识别时，由于目标在图像中占比较小，目标在停泊时紧密排布等问题，如何在复杂环境内进行舰船目标识别还需进一步研究。本文提出一种基于YOLOv3的神经网络的舰船目标识别方法，通过谷歌地球建立训练样本库并对数据进行标注，并利用YOLOv3神经网络进行图像特征提取。模型在PyTorch深度学习框架中进行训练，并利用测试集对模型进行检测，试验结果验证方法具有一定的有效性与可行性。

简介：ДвойнойблокНет.раньшедонжуаномГороховнебыл.Влюбвиемуневезлопотойпростойпричине.чтоонневстречалсясженщинами.Аневстречалсяонпотому.чтобылслабосильным.