admin 管理员组文章数量: 1184232
2024年6月1日发(作者：boolean search)
第１３卷 第９期
Ｖｏｌ．１３Ｎｏ．９
智 能 计 算 机 与 应 用
ＩｎｔｅｌｌｉｇｅｎｔＣｏｍｐｕｔｅｒａｎｄＡｐｐｌｉｃａｔｉｏｎｓ
中图分类号：ＴＰ２４９文献标志码：Ａ
２０２３年９月
Ｓｅｐ．２０２３
文章编号：２０９５
－
２１６３（２０２３）０９
－
０１７２
－
０５
基于改进ＹＯＬＯｖ６电动单车违法停放的检测方法研究
汪燕超，胡旭晓
（浙江理工大学机械工程学院，杭州３１００１８）
摘 要：日常电动单车存在违法停放现象，为消除安全隐患本文提出了一种改进的ＹＯＬＯｖ６目标检测模型。在原ＹＯＬＯｖ６
模型的基础上，在ｎｅｃｋ部分引入Ｇｈｏｓｔ幻影卷积模块，提升网络模型的检测速度；在检测部分嵌入ＣＢＡＭ卷积注意力模块以
１．５个百分点，对电动单车违法停放的检测具有较大的实际意义。
突出所检测目标信息，提升网络模型的检测精度。实验证明改进后的ＹＯＬＯｖ６模型性能得到了一定的提升，其精确率提升了
关键词：电动单车；ＹＯＬＯｖ６模型；卷积注意力模块；幻影卷积模块
Ｒｅｓｅａｒｃｈｏｎｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｏｆｉｌｌｅｇａｌｐａｒｋｉｎｇｏｆｅｌｅｃｔｒｉｃｂｉｃｙｃｌｅｓ
ｂａｓｅｄｏｎｉｍｐｒｏｖｅｄＹＯＬＯｖ６
ＷＡＮＧＹａｎｃｈａｏ，ＨＵＸｕｘｉａｏ
（ＦａｃｕｌｔｙｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＺｈｅｊｉａｎｇＳｃｉ
－
ＴｅｃｈＵｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｚｈｏｕ３１００１８，Ｃｈｉｎａ）
【Ａｂｓｔｒａｃｔ】ＤａｉｌｙｅｌｅｃｔｒｉｃｂｉｃｙｃｌｅｓａｒｅｉｌｌｅｇａｌｌｙｐａｒｋｅｄｔｏｅｌｉｍｉｎａｔｅｓａｆｅｔｙｈａｚａｒｄｓＴｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｎｉｍｐｒｏｖｅｄＹＯＬＯｖ６ｔａｒｇｅｔ
ｄｅｔｅｃｔｉｏｎｍｏｄｅｌ．ＢａｓｅｄｏｎｔｈｅｏｒｉｇｉｎａｌＹＯＬＯｖ６ｍｏｄｅｌ，ｔｈｅＧｈｏｓｔｐｈａｎｔｏｍｃｏｎｖｏｌｕｔｉｏｎｍｏｄｕｌｅｉｓｉｎｔｒｏｄｕｃｅｄｉｎｔｈｅｎｅｃｋｐａｒｔｔｏ
ｉｍｐｒｏｖｅｔｈｅｄｅｔｅｃｔｉｏｎｓｐｅｅｄｏｆｔｈｅｎｅｔｗｏｒｋｍｏｄｅｌ；ｔｈｅＣＢＡＭｃｏｎｖｏｌｕｔｉｏｎａｌａｔｔｅｎｔｉｏｎｍｏｄｕｌｅｉｓｅｍｂｅｄｄｅｄｉｎｔｈｅｄｅｔｅｃｔｉｏｎｐａｒｔｔｏ
ｈｉｇｈｌｉｇｈｔｔｈｅｉｎｆｏｒｍａｔｉｏｎｏｆｔｈｅｄｅｔｅｃｔｅｄｔａｒｇｅｔｓａｎｄｉｍｐｒｏｖｅｔｈｅｄｅｔｅｃｔｉｏｎａｃｃｕｒａｃｙｏｆｔｈｅｎｅｔｗｏｒｋｍｏｄｅｌ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔｓ
ｄｅｍｏｎｓｔｒａｔｅｔｈａｔｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｉｍｐｒｏｖｅｄＹＯＬＯｖ６ｍｏｄｅｌｈａｓｂｅｅｎｉｍｐｒｏｖｅｄｔｏａｃｅｒｔａｉｎｅｘｔｅｎｔ，ａｎｄｉｔｓａｃｃｕｒａｃｙｒａｔｅｈａｓ
ｂｅｅｎｉｎｃｒｅａｓｅｄｂｙ１．５ｐｅｒｃｅｎｔａｇｅｐｏｉｎｔｓ，ｗｈｉｃｈｉｓｏｆｇｒｅａｔｅｒｐｒａｃｔｉｃａｌｓｉｇｎｉｆｉｃａｎｃｅｆｏｒｔｈｅｄｅｔｅｃｔｉｏｎｏｆｉｌｌｅｇａｌｐａｒｋｉｎｇｏｆｅｌｅｃｔｒｉｃ
ｂｉｃｙｃｌｅｓ．
【Ｋｅｙｗｏｒｄｓ】ｅｌｅｃｔｒｉｃｓｃｏｏｔｅｒ；ＹＯＬＯｖ６ｍｏｄｅｌ；ｃｏｎｖｏｌｕｔｉｏｎａｌｂｌｏｃｋａｔｔｅｎｔｉｏｎｍｏｄｕｌｅ；Ｇｈｏｓｔｃｏｎｖｏｌｕｔｉｏｎｍｏｄｅｌ
０ 引 言
电动单车是生活中常见的交通工具，据相关资
料显示，中国居民电动单车拥有数已超过３亿，而大
量电动单车随意停放的现象对公众的人身和财产安
全造成了巨大威胁
［１］
。
以往对于电动单车违法停放的监测主要依靠在
ＲｅｇｉｏｎｗｉｔｈＣＮＮｆｅａｔｕｒｅ）、ＳＳＤ（ＳｉｎｇｌｅＳｈｏｔＭｕｌｔｉＢｏｘ
小目标漏检和误检等问题。
Ｄｅｔｅｃｔｏｒ）和ＹＯＬＯ系列等，但这些算法常常存在对
ＹＯＬＯｖ６模型，在ＹＯＬＯｖ６模型检测部分嵌入ＣＢＡＭ
（ＣｏｎｖｏｌｕｔｉｏｎａｌＢｌｏｃｋＡｔｔｅｎｔｉｏｎＭｏｄｕｌｅ）卷积注意力
模块，并引入Ｇｈｏｓｔ幻影卷积模块，以提高模型的精
确度和检测速度。改变外接摄像头所拍摄电动单车
停放图片的亮度、遮挡范围和目标个数等属性制作
相应数据集，据此评估改进后的模型的鲁棒性、识别
速度和精度，进一步提升改进后模型的性能。
针对传统检测方法的不足，本文提出了改进的
场所附近安装监控并拍摄照片，而后交给监控中心
的工作人员进行监控和预警。这种方法消耗了大量
的人力和物力，对于电动单车违法停放的识别准确
率也不高。近年来人工智能技术快速发展，有学者
提出了基于深度学习的目标检测模型，深度学习模
型主要分为两大类：一类是基于候选区域的二阶段
目标检测模型，另一类是基于回归的一阶段目标检
测模型，两者分别依据候选框卷积和模型回归对目
标进行检测，代表算法有Ｆａｓｔｅｒ
－
ＲＣＮＮ（Ｆａｓｔｅｒ
１ ＹＯＬＯｖ６模型简介
的目标检测模型相比，ＹＯＬＯ系列模型计算效率高，
能够方便地进行端到端的训练，因此能快速地检测
ＹＯＬＯ系列模型采用直接回归的方法，与传统
作者简介：汪燕超（１９９９
－
），男，硕士研究生，主要研究方向：图像处理；胡旭晓（１９６５
－
），男，博士，教授，主要研究方向：图像处理、机器视觉。
收稿日期：２０２２
－
０９
－
２６
哈尔滨工业大学主办
版权声明：本文标题：基于改进YOLOv6电动单车违法停放的检测方法研究 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://roclinux.cn/p/1717246427a703547.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
更多相关文章
PL2303TTL等模块驱动安装失败原因系统学习
深入破解“usb-serial controller找不到驱动程序”之谜：PL2303TTL模块驱动失效全解析在嵌入式开发的日常中，你是否曾经历过这样的场景？手握一块开发板
当Apache在凌晨三点启动失败：一段充满挫折与学习的调试经历
那个令人崩溃的夜晚 周二凌晨，手机铃声像警报一样撕裂了寂静。屏幕上是监控系统的红色警报：“Apache服务停止”。我揉着干涩的眼睛，从床上弹起来，脑子一片空白。服务器怎么会毫无征兆地罢工？睡衣都没换，我就冲到了电脑前。登录SSH的那一
笔记本右下角WiFi符号消失？一步指引找回网络信号！
解决思路：设备管理器--先禁用wifi6硬件-再启用wifi6硬件（20秒搞定） 笔记本电脑右下角的wifi经常莫名其妙的不显示，连不上网，感觉应该是与什么程序不兼容，导致wifi模块被办掉了，怎么这种情况出现的原因比较复杂，
笔记本变身移动Wi-Fi中心：教你快速实现网络分享
教你用自己的笔记本架设WiFi无线共享 总的来说就是7个步骤： 1.第一，要判断我们自己的电脑是否拥有无线网卡模块 （1）打开我的电脑，右键单击“计算机”点击弹出的菜单中的“管理” （2）接着在弹出的页
GLM-4.6V Flash WEB开发中遇到Chromedriver地址问题？这份离线解决方案不容错过！
Chromedriver下载地址404错误？GLM-4.6V-Flash-WEB离线方案 在现代AI应用开发中，一个看似不起眼的“404 Not Found”错误，常常能引发整条自动化流水线的崩溃。比如，在CICD流程中执行
赵老师分享秘笈：离线环境下高效加载和使用GGUF模型的实战技巧
离线部署大模型的终极实践：Ollama与GGUF模型深度整合指南 在当前的AI应用浪潮中，将大型语言模型部署到本地环境，正从一个技术极客的探索，转变为许多开发者和企业保障数据隐私、实现稳定服务、进行深度定制的刚性需求。想象一下
高手之路：Kamailio与OpenSIPS性能瓶颈大揭秘及解决方案
1. 为什么你的SIP服务器在高并发时“掉链子”？ 做VoIP或者实时通信系统的朋友，估计都遇到过这样的场景：用户量一上来，系统就开始卡顿，呼叫失败率飙升，监控面板上的延迟曲线像坐过山车一样。你可能会怀疑是网络问题，或者是后端
参数量级激增：解密175B与1.8T参数下的GPT3.5与GPT4
1 ChatGPT概述 1.1 what is chatGPT ChatGPT (Generative Pre-Trained Transformer) 是由OpenAI团队与2022年11月基于GPT-3.5 (目前
GPT进阶指南：一步到位从GPT-1走到GPT-4
【ChatGPT】GPT 模型的发展历史：从 GPT-1 到 GPT-2 到 GPT-3 到 GPT-4目录1. 引言 自然语言处理（NLP）是人工智能领域的一个重要方向，旨在让计算机能够理解和生成
跨越边界：让Python的Pyuvc带你走进摄像头与目标检测的世界
最近想做实时目标检测，需要用到python开启摄像头，我手上只有两个uvc免驱的摄像头，性能一般。利用python开启摄像头费了一番功夫，主要原因是我的摄像头都不能用cv2的VideCapture打开，这让我联想到原来opencv也打
从YOLOv8到DSS-YOLO：轻量级模型如何更智能地识别火焰
这篇文章的主要研究内容是提出了一种基于改进YOLOv8的轻量级实时火灾检测模型DSS-YOLO。以下是文章的核心内容概括： 研究背景 火灾对人类生命、财产和社会稳定构成重大威胁。火灾早期阶段的小火焰、弥漫烟雾和遮挡物体
智慧农业的新篇章：西瓜叶片病害自动识别技术的实践探索
西瓜叶片病害识别数据集 README 往期热门主题 主题搜两字"关键词"直达 代码数据获取： 获取方式：***文章底部卡片扫码获取***覆盖了YOLO相关项目、OpenCV项目、CNN项目等所有类
SWF、Flash中心之战：Hunyuan-MT-7B的秘密武器是什么？
Hunyuan-MT-7B对比测试：WMT25 30项第一的秘诀 一台RTX 4080显卡，就能跑出世界顶级的翻译效果。本文将带你深入拆解腾讯混元Hunyuan-MT-7B翻译模型，看看这个70亿参数的“小
六足机器人编程入门：从理论到实战的完整流程
包含：WIFI模块、GPS模块、语言模块、调试信息接口。一、硬件连接huart4（ PA0、 PA1 ）与GPS模块连接。huart3（PB10、PB11）与ESP8266模块连接。
火焰检测新纪元：YOLOv11实战攻略与火焰识别
本文采用YOLOv11作为核心算法框架，结合PyQt5构建用户界面，使用Python3进行开发。YOLOv11以其高效的实时检测能力，在多个目标检测任务中展现出卓越性能。本研究针对火焰与烟雾数据集进行训练和优化，该数据集包含丰富的火焰
深度学习实战：火焰与烟雾的自动识别
本文采用YOLOv11作为核心算法框架，结合PyQt5构建用户界面，使用Python3进行开发。YOLOv11以其高效的实时检测能力，在多个目标检测任务中展现出卓越性能。本研究针对火焰与烟雾数据集进行训练和优化，该数据集包含丰富的火焰
火焰检测新纪元：YOLOv11实战烟雾与火焰识别指南
本文采用YOLOv11作为核心算法框架，结合PyQt5构建用户界面，使用Python3进行开发。YOLOv11以其高效的实时检测能力，在多个目标检测任务中展现出卓越性能。本研究针对火焰与烟雾数据集进行训练和优化，该数据集包含丰富的火焰
火眼金睛：YOLOv11实战解析烟雾与火焰的智能检测
本文采用YOLOv11作为核心算法框架，结合PyQt5构建用户界面，使用Python3进行开发。YOLOv11以其高效的实时检测能力，在多个目标检测任务中展现出卓越性能。本研究针对火焰与烟雾数据集进行训练和优化，该数据集包含丰富的火焰
发表评论