嵌入注意力机制的YOLOv3改进算法用于家禽部位的目标检测OA
家禽产业的发展依赖于精确高效的家禽部位目标检测技术,但当前该技术面临家禽生物多样性和生长变化性使目标特征提取困难、检测环境复杂导致检测工作难度增加等问题的挑战。针对家禽分拣中鸡的部位目标检测问题,本文提出一种名为AM-CIOU-YOLOv3的改进算法。该算法采用轻量化的Darknet-53骨干网络,力求高效提取目标特征;同时,该算法还引入双重注意力机制,即SE(Squeeze-and-Excitation)模块和STN(Spatial Trans…查看全部>>
肖名志;孙阅婷;冯振辉;钟学洋
武昌首义学院信息科学与工程学院,湖北武汉430064北京工商大学数学与统计学院,北京102488华中科技大学人工智能与自动化学院,湖北武汉430074武昌首义学院信息科学与工程学院,湖北武汉430064
计算机与自动化
YOLOv3目标检测注意力机制CIOU损失
《南昌工程学院学报》 2024 (6)
P.51-59,9
科技创新2030—“新一代人工智能”重大项目(2018AAA0101200)。
评论