掃一掃
關(guān)注中圖網(wǎng)
官方微博
>
深度學(xué)習(xí)框架下目標(biāo)檢測關(guān)鍵技術(shù)及應(yīng)用研究
包郵 深度學(xué)習(xí)框架下目標(biāo)檢測關(guān)鍵技術(shù)及應(yīng)用研究
開本：
其他
頁數(shù)：
0
本類五星書更多>
-
>
貨幣大歷史:金融霸權(quán)與大國興衰六百年
-
>
(精)方力鈞作品圖錄
-
>
《藏書報》2021合訂本
-
>
(精)中國當(dāng)代書畫名家作品集·范碩:書法卷+繪畫卷(全2卷)
-
>
(噴繪樓閣版)女主臨朝:武則天的權(quán)力之路
-
>
書里掉出來一只狼+狼的故事-全2冊
-
>
奇思妙想創(chuàng)意玩具書(精裝4冊)
深度學(xué)習(xí)框架下目標(biāo)檢測關(guān)鍵技術(shù)及應(yīng)用研究 版權(quán)信息
- ISBN：9787302683865
- 條形碼：9787302683865 ; 978-7-302-68386-5
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：
深度學(xué)習(xí)框架下目標(biāo)檢測關(guān)鍵技術(shù)及應(yīng)用研究 本書特色
目前人工智能技術(shù)迅速發(fā)展，本書利用人工智能技術(shù)中的深度學(xué)習(xí)技術(shù)進(jìn)行目標(biāo)檢測和應(yīng)用研究，具有廣闊的市場應(yīng)用前景。
深度學(xué)習(xí)框架下目標(biāo)檢測關(guān)鍵技術(shù)及應(yīng)用研究 內(nèi)容簡介
本書主要闡述了人工智能領(lǐng)域中深度學(xué)習(xí)涉及的多種網(wǎng)絡(luò)架構(gòu)算法，詳細(xì)闡述了YOLO系列和輕量化模型的網(wǎng)絡(luò)架構(gòu)和工作原理以及進(jìn)行的多方面改進(jìn)和提升。將改進(jìn)后的網(wǎng)絡(luò)模型在電力線路巡檢及典型設(shè)備的識別和檢測、煙支空稀頭檢測和公共環(huán)境中的吸煙檢測等場景中進(jìn)行實驗和應(yīng)用。
深度學(xué)習(xí)框架下目標(biāo)檢測關(guān)鍵技術(shù)及應(yīng)用研究深度學(xué)習(xí)框架下目標(biāo)檢測關(guān)鍵技術(shù)及應(yīng)用研究 前言
隨著人工智能技術(shù)的不斷發(fā)展，對其進(jìn)行的研究越來越深入。本書作者對人工智能技術(shù)中涉及的深度學(xué)習(xí)框架算法進(jìn)行深入研究，并將其在工業(yè)生產(chǎn)中進(jìn)行場景應(yīng)用，切實將深度學(xué)習(xí)算法應(yīng)用于實踐。
本書主要包含算法和應(yīng)用兩部分： 其一，對現(xiàn)有深度學(xué)習(xí)算法框架進(jìn)行改進(jìn)，提高算法的精度、實時性和魯棒性，利用Deeplabv3和YOLOv7等輕量模型實現(xiàn)對電力線路和典型設(shè)備的識別和檢測，極大提高了檢測的效率和精度，實現(xiàn)了基于人工智能的電力線路巡檢，節(jié)省人力、物力和財力，也凸顯出人工智能技術(shù)在輸電領(lǐng)域的深入應(yīng)用； 其二，利用深度學(xué)習(xí)技術(shù)實現(xiàn)煙支空稀頭檢測和公共環(huán)境中的吸煙檢測，通過增加注意力機制和采用輕量化Ghost卷積實現(xiàn)對YOLOv5s的改進(jìn)，并在此基礎(chǔ)上改進(jìn)YOLOv7，實現(xiàn)更加精準(zhǔn)的煙支空稀頭檢測，同時利用改進(jìn)YOLOv7tiny算法實現(xiàn)對公共場所吸煙檢測。以上兩個應(yīng)用場景將深度學(xué)習(xí)由理論側(cè)面深入應(yīng)用到了工業(yè)生產(chǎn)生活中，使深度學(xué)習(xí)技術(shù)能夠切實服務(wù)于工廠生產(chǎn)和生活實踐。
本書由石家莊學(xué)院韓明教授團(tuán)隊完成撰寫，出版得到了河北省青年拔尖人才項目、中央引導(dǎo)地方科技發(fā)展資金項目(項目編號： 246Z0107G)的大力支持，在此向提供資金支持的中共河北省委員會、河北省人民政府、河北省科學(xué)技術(shù)廳表示深深的感謝！感謝河北省物聯(lián)網(wǎng)智能感知與應(yīng)用技術(shù)創(chuàng)新中心的大力支持。
本書在撰寫過程中得到了各方的大力支持和幫助。感謝王震洲教授、唐心亮研究員和王建超博士提出的寶貴意見和建議，為稿件的修改提供了幫助； 感謝蘇鶴博士、侯佳寧、田穗穗等同學(xué)為本書提供了很多有價值的素材，并協(xié)助完成了多輪審核和校對工作。
在本書的撰寫過程中，作者研讀了大量的文獻(xiàn)，參考并融合了國內(nèi)外專家、學(xué)者在相關(guān)領(lǐng)域的研究成果，在此對他們表示衷心的謝意!
由于作者水平有限，書中疏漏和不妥之處在所難免，希望廣大讀者不吝賜教，在此深表感謝。
本書彩圖請掃二維碼觀看。
作者
2024年8月
深度學(xué)習(xí)框架下目標(biāo)檢測關(guān)鍵技術(shù)及應(yīng)用研究 目錄
第1章緒論
1.1研究背景與意義
1.2國內(nèi)外研究現(xiàn)狀
1.2.1電力線提取研究現(xiàn)狀
1.2.2絕緣子識別研究現(xiàn)狀
1.2.3輸電線路異物檢測研究現(xiàn)狀
1.2.4煙支缺陷檢測方法研究現(xiàn)狀
1.3目標(biāo)檢測算法的魯棒性研究
1.4主要研究內(nèi)容
參考文獻(xiàn)
第2章基于深度學(xué)習(xí)的目標(biāo)檢測相關(guān)理論
2.1卷積神經(jīng)網(wǎng)絡(luò)
2.1.1神經(jīng)網(wǎng)絡(luò)
2.1.2卷積神經(jīng)網(wǎng)絡(luò)原理
2.1.3卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程
2.2目標(biāo)檢測算法
2.2.1雙階段目標(biāo)檢測算法
2.2.2單階段目標(biāo)檢測算法
2.2.3基于遷移學(xué)習(xí)的目標(biāo)檢測算法
2.3目標(biāo)檢測性能評價指標(biāo)
2.4本章小結(jié)
參考文獻(xiàn)
第3章基于改進(jìn)的Deeplabv3 網(wǎng)絡(luò)的電力線提取研究
3.1Deeplabv3 基礎(chǔ)網(wǎng)絡(luò)
3.1.1編碼器解碼器結(jié)構(gòu)
3.1.2Xception主干網(wǎng)絡(luò)
3.1.3深度可分離卷積
3.1.4ASPP模塊
3.2改進(jìn)的Deeplabv3 網(wǎng)絡(luò)
3.2.1改進(jìn)的輕量化Mobilenetv2網(wǎng)絡(luò)
3.2.2改進(jìn)ASPP模塊
3.2.3提出CASEB模塊
3.2.4引入CBAM
3.3實驗過程
3.3.1數(shù)據(jù)集來源
3.3.2數(shù)據(jù)增強
3.3.3實驗環(huán)境
3.3.4評價指標(biāo)
3.4實驗結(jié)果與分析
3.4.1消融實驗
3.4.2模型訓(xùn)練穩(wěn)定性實驗
3.4.3主流算法對比實驗
3.5本章小結(jié)
參考文獻(xiàn)
第4章基于改進(jìn)的YOLOv7網(wǎng)絡(luò)的絕緣子識別研究
4.1YOLOv7基礎(chǔ)網(wǎng)絡(luò)
4.2改進(jìn)的YOLOv7網(wǎng)絡(luò)
4.2.1添加ECA模塊
4.2.2引入BiFPN模塊
4.2.3替換上采樣算子
4.2.4K均值算法聚類
4.3實驗過程
4.3.1數(shù)據(jù)集來源及擴充
4.3.2實驗環(huán)境
4.3.3評價指標(biāo)
4.4實驗結(jié)果與分析
4.4.1消融實驗
4.4.2模型穩(wěn)定性實驗
4.4.3主流算法對比
4.4.4可視化結(jié)果對比
4.5本章小結(jié)
參考文獻(xiàn)
第5章基于改進(jìn)的YOLOv5輸電線路異物檢測算法
5.1目標(biāo)檢測概述
5.2基于深度學(xué)習(xí)網(wǎng)絡(luò)的目標(biāo)檢測算法研究
5.2.1Faster R-CNN目標(biāo)檢測算法
5.2.2SDD目標(biāo)檢測算法
5.2.3YOLO目標(biāo)檢測算法
5.3基于改進(jìn)的YOLOv5輸電線路異物檢測
5.3.1基于YOLOv5網(wǎng)絡(luò)的目標(biāo)檢測算法
5.3.2改進(jìn)主干網(wǎng)絡(luò)的YOLOv5算法
5.3.3融入SENet注意力機制的YOLOv5算法
5.3.4改進(jìn)多尺度融合的YOLOv5算法
5.4實驗過程
5.4.1實驗環(huán)境
5.4.2實驗數(shù)據(jù)及其預(yù)處理
5.4.3評價指標(biāo)
5.5實驗結(jié)果與分析
5.6本章小結(jié)
參考文獻(xiàn)
第6章基于改進(jìn)的YOLOv5異物檢測算法魯棒性研究
6.1樣本的生成方法
6.1.1FGSM算法
6.1.2BIM算法
6.1.3PGD算法
6.1.4基于熱重啟機制的PGD算法
6.2基于數(shù)據(jù)漂移魯棒性的研究方法
6.2.1數(shù)據(jù)重采樣方法
6.2.2有監(jiān)督的樣本學(xué)習(xí)方法
6.2.3無監(jiān)督的樣本學(xué)習(xí)方法
6.2.4基于多尺度特征融合的自監(jiān)督學(xué)習(xí)方法
6.3實驗結(jié)果與分析
6.3.1魯棒性能評價指標(biāo)
6.3.2輸電線路異物檢測算法對抗攻擊實驗分析
6.3.3基于輸電線路異物檢測算法漂移魯棒性實驗分析
6.4本章小結(jié)
參考文獻(xiàn)
第7章基于深度學(xué)習(xí)的煙支空稀頭缺陷檢測算法
7.1基于改進(jìn)的YOLOv5s煙支空稀頭缺陷檢測算法
7.1.1YOLOv5s模型
7.1.2基于雙向CGhost-YOLOv5s算法
7.1.3實驗結(jié)果與分析
7.2基于改進(jìn)的YOLOv7煙支空稀頭缺陷檢測算法
7.2.1基于全維注意力機制的Re-YOLOv7算法
7.2.2實驗結(jié)果與分析
7.3本章小結(jié)
參考文獻(xiàn)
第8章煙支空稀頭缺陷檢測管理系統(tǒng)設(shè)計與實現(xiàn)
8.1煙支空稀頭缺陷檢測管理系統(tǒng)概述
8.1.1軟硬件環(huán)境配置
8.1.2系統(tǒng)開發(fā)工具介紹
8.2煙支空稀頭缺陷檢測管理系統(tǒng)的總體設(shè)計
8.2.1功能需求分析
8.2.2系統(tǒng)結(jié)構(gòu)設(shè)計
8.3煙支空稀頭缺陷檢測管理系統(tǒng)的功能實現(xiàn)
8.4煙支空稀頭缺陷檢測管理系統(tǒng)的測試與分析
8.5本章小結(jié)
第9章基于改進(jìn)的YOLOv7-tiny算法的吸煙目標(biāo)檢測研究
9.1本章算法
9.1.1YOLOv7-tiny算法
9.1.2SGEN-YOLOv7-tiny網(wǎng)絡(luò)模型
9.1.3改進(jìn)的EMA注意力機制
9.2S-GD機制
9.2.1Slim-Low-GD模塊
9.2.2High-GD模塊
9.2.3改進(jìn)的信息注入模塊
9.2.4改進(jìn)的VoV-GSCSP模塊
9.3損失函數(shù)NWD
9.4實驗過程
9.4.1實驗環(huán)境及參數(shù)
9.4.2數(shù)據(jù)集
9.4.3性能指標(biāo)
9.4.4對比實驗
9.4.5消融實驗
9.5實驗結(jié)果與分析
9.6本章小結(jié)
參考文獻(xiàn)
展開全部
深度學(xué)習(xí)框架下目標(biāo)檢測關(guān)鍵技術(shù)及應(yīng)用研究 作者簡介
韓明，1984年生，男，工學(xué)博士，副教授，碩士生導(dǎo)師，河北工業(yè)大學(xué)博士后，研究方向為：模式識別與圖像處理，物聯(lián)網(wǎng)技術(shù)，人工智能。現(xiàn)任石家莊學(xué)院軟件工程系主任，中國物聯(lián)網(wǎng)大賽專家?guī)鞂＜遥仪f市科技局專家?guī)鞂＜摇：颖笔∏嗄臧渭馊瞬牛颖笔?ldquo;三三三人才工程”第三層次人選，河北省“冀青之星”，石家莊市青年拔尖人才，石家莊市五四年獎?wù)绿崦劊仪f市高等學(xué)校“雙師雙能”骨干教師。
書友推薦
- >
有舍有得是人生
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
- >
山海經(jīng)
- >
人文閱讀與收藏·良友文學(xué)叢書:一天的工作
- >
名家?guī)阕x魯迅:故事新編
- >
回憶愛瑪儂
- >
我從未如此眷戀人間
- >
小考拉的故事-套裝共3冊
本類暢銷
