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

本文标签: 模块 模型 检测 卷积 单车

更多相关文章

PL2303TTL等模块驱动安装失败原因系统学习

3月前

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

笔记本电脑电池检测全面指南:方法与工具详解

3月前

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

3月前

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!

2月前

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

2月前

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!

2月前

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

2月前

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

2月前

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

2月前

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

2月前

【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

2月前

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

2月前

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

2月前

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?

2月前

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

2月前

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

1月前

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

1月前

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

1月前

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

1月前

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

基于springboot+vue多功能音乐播放系统

1月前

收藏关注不迷路!!

发表评论

全部评论 0
暂无评论