王钟瑞

目标检测是计算机视觉的一个热门研究领域，在机器人导航、智能视频监控、航空等领域有着广泛的应用。 在这些应用中，安全监控是一个非常常见的应用。通过对部署目标检测系统可以检测到入侵者和丢失物体等异常情况，并发出相应的警报。基于深度学习的YOLO目标检测算法的优点是速度快，但仍存在精度低、难以检测小目标等问题。基于上述问题，本研究将提出一种新的改进模型——基于深度学习与特征融合的改进YOLO目标检测算法，将该算法引入到改进YOLO目标检测当中能够通过增加网络深度的方式提升算法的准确性，确保检测工作的实时、有效。基于深度学习与特征融合引入CBNet结构对图像中的语义进行增强，以进一步提升图像的准确率。在此基础上，利用多个卷积网络将各阶段的特征信息有机地融合起来，形成既包含深层语义又包含浅层位置信息的图像，从而提升图像中微小目标的检测精度。通过数据对比进行的测试表明，基于深度学习与特征融合的改进YOLO目标检测算法在降低轻量化的同时其检测的精度也能保持不变，提升了检测的整体性能

深度学习；特征融合；改进YOLO目标检测算法；研究

[1] 刘蓓蓓,邓彦松,吕赫,等.改进YOLOX的遥感图像目标检测算法（英文）[J].Wuhan University Journal of Natural Sciences,2024,29(5):439-452. [2] 钟晓晖,董明望.面向集卡防吊起的车轮目标检测算法改进研究[J].港口装卸,2024,(5):4-15. [3] 魏学诚,江凌云,李研,等.改进 YOLOv5 的路侧单目视角小目标检测算法[J].计算机与现代化,2024,(10):27-41. [4] 吴栋,张长亮,濮约刚,等.基于 YOLOv7-tiny 改进的航拍小目标检测算法[J].计算机工程与设计,2024,45(10):2978-2985. [5] 岳有军,张远锟,赵辉,等.一种针对室内关键目标检测的改进 YOLOv8 算法[J].重庆理工大学学报(自然科学),2024,38(9):143-149. [6] 侯国佼,孙荣,肖圣魁,等.基于改进 YOLOv3 目标检测算法的船舶运载货物自动识别研究[J].数字通信世界,2024,(9):1-3. [7] 潘博阳,彭为花.基于改进 RepVGG 和增强时空注意力机制的红外车辆目标检测算法[J].电子信息对抗技术,2024,39(5):77-83. [8] 王阳,张小宽,马前阔,等.基于改进 OMP 算法的多目标高速机动检测方法[J].北京航空航天大学学报,2024,50(7):2265-2271. [9] 姚珊珊,王静宇,郝斌,等.基于改进 YOLOv5 的超分辨率和多尺度融合目标检测算法[J].光电子·激光,2024,35(8):793-802.

点击下载PDF