包邮深度学习框架下目标检测关键技术及应用研究

1星价 ¥51.7 (8.0折)

2星价￥51.7 定价￥65.0

作者：韩明、王敬涛、刘智国、贾梦、宋宇斐、赵冰雪、茹晓彤、李瑞虹、曹智轩著

出版社：清华大学出版社

暂无评论

图文详情

ISBN：9787302683865
装帧：平装-胶订
册数：暂无
重量：暂无
开本：其他
页数：0
出版时间：2025-02-01
条形码：9787302683865 ; 978-7-302-68386-5

本书特色

目前人工智能技术迅速发展，本书利用人工智能技术中的深度学习技术进行目标检测和应用研究，具有广阔的市场应用前景。

内容简介

本书主要阐述了人工智能领域中深度学习涉及的多种网络架构算法，详细阐述了YOLO系列和轻量化模型的网络架构和工作原理以及进行的多方面改进和提升。将改进后的网络模型在电力线路巡检及典型设备的识别和检测、烟支空稀头检测和公共环境中的吸烟检测等场景中进行实验和应用。

前言

随着人工智能技术的不断发展，对其进行的研究越来越深入。本书作者对人工智能技术中涉及的深度学习框架算法进行深入研究，并将其在工业生产中进行场景应用，切实将深度学习算法应用于实践。

本书主要包含算法和应用两部分：其一，对现有深度学习算法框架进行改进，提高算法的精度、实时性和鲁棒性，利用Deeplabv3和YOLOv7等轻量模型实现对电力线路和典型设备的识别和检测，极大提高了检测的效率和精度，实现了基于人工智能的电力线路巡检，节省人力、物力和财力，也凸显出人工智能技术在输电领域的深入应用；其二，利用深度学习技术实现烟支空稀头检测和公共环境中的吸烟检测，通过增加注意力机制和采用轻量化Ghost卷积实现对YOLOv5s的改进，并在此基础上改进YOLOv7，实现更加精准的烟支空稀头检测，同时利用改进YOLOv7tiny算法实现对公共场所吸烟检测。以上两个应用场景将深度学习由理论侧面深入应用到了工业生产生活中，使深度学习技术能够切实服务于工厂生产和生活实践。

本书由石家庄学院韩明教授团队完成撰写，出版得到了河北省青年拔尖人才项目、中央引导地方科技发展资金项目(项目编号： 246Z0107G)的大力支持，在此向提供资金支持的中共河北省委员会、河北省人民政府、河北省科学技术厅表示深深的感谢！感谢河北省物联网智能感知与应用技术创新中心的大力支持。

本书在撰写过程中得到了各方的大力支持和帮助。感谢王震洲教授、唐心亮研究员和王建超博士提出的宝贵意见和建议，为稿件的修改提供了帮助；感谢苏鹤博士、侯佳宁、田穗穗等同学为本书提供了很多有价值的素材，并协助完成了多轮审核和校对工作。

在本书的撰写过程中，作者研读了大量的文献，参考并融合了国内外专家、学者在相关领域的研究成果，在此对他们表示衷心的谢意!

由于作者水平有限，书中疏漏和不妥之处在所难免，希望广大读者不吝赐教，在此深表感谢。

本书彩图请扫二维码观看。

作者
2024年8月

第2章基于深度学习的目标检测相关理论
2.1卷积神经网络
2.1.1神经网络
2.1.2卷积神经网络原理
2.1.3卷积神经网络的训练过程
2.2目标检测算法
2.2.1双阶段目标检测算法
2.2.2单阶段目标检测算法
2.2.3基于迁移学习的目标检测算法
2.3目标检测性能评价指标
2.4本章小结
参考文献

第3章基于改进的Deeplabv3 网络的电力线提取研究
3.1Deeplabv3 基础网络
3.1.1编码器解码器结构
3.1.2Xception主干网络
3.1.3深度可分离卷积
3.1.4ASPP模块
3.2改进的Deeplabv3 网络
3.2.1改进的轻量化Mobilenetv2网络
3.2.2改进ASPP模块
3.2.3提出CASEB模块
3.2.4引入CBAM
3.3实验过程
3.3.1数据集来源
3.3.2数据增强
3.3.3实验环境
3.3.4评价指标
3.4实验结果与分析
3.4.1消融实验
3.4.2模型训练稳定性实验
3.4.3主流算法对比实验
3.5本章小结
参考文献

第4章基于改进的YOLOv7网络的绝缘子识别研究
4.1YOLOv7基础网络
4.2改进的YOLOv7网络
4.2.1添加ECA模块
4.2.2引入BiFPN模块
4.2.3替换上采样算子
4.2.4K均值算法聚类
4.3实验过程
4.3.1数据集来源及扩充
4.3.2实验环境
4.3.3评价指标
4.4实验结果与分析
4.4.1消融实验
4.4.2模型稳定性实验
4.4.3主流算法对比
4.4.4可视化结果对比
4.5本章小结
参考文献

第5章基于改进的YOLOv5输电线路异物检测算法
5.1目标检测概述
5.2基于深度学习网络的目标检测算法研究
5.2.1Faster R-CNN目标检测算法
5.2.2SDD目标检测算法
5.2.3YOLO目标检测算法
5.3基于改进的YOLOv5输电线路异物检测
5.3.1基于YOLOv5网络的目标检测算法
5.3.2改进主干网络的YOLOv5算法
5.3.3融入SENet注意力机制的YOLOv5算法
5.3.4改进多尺度融合的YOLOv5算法
5.4实验过程
5.4.1实验环境
5.4.2实验数据及其预处理
5.4.3评价指标
5.5实验结果与分析
5.6本章小结
参考文献

第6章基于改进的YOLOv5异物检测算法鲁棒性研究
6.1样本的生成方法
6.1.1FGSM算法
6.1.2BIM算法
6.1.3PGD算法
6.1.4基于热重启机制的PGD算法
6.2基于数据漂移鲁棒性的研究方法
6.2.1数据重采样方法
6.2.2有监督的样本学习方法
6.2.3无监督的样本学习方法
6.2.4基于多尺度特征融合的自监督学习方法
6.3实验结果与分析
6.3.1鲁棒性能评价指标
6.3.2输电线路异物检测算法对抗攻击实验分析
6.3.3基于输电线路异物检测算法漂移鲁棒性实验分析
6.4本章小结
参考文献

第7章基于深度学习的烟支空稀头缺陷检测算法
7.1基于改进的YOLOv5s烟支空稀头缺陷检测算法
7.1.1YOLOv5s模型
7.1.2基于双向CGhost-YOLOv5s算法
7.1.3实验结果与分析
7.2基于改进的YOLOv7烟支空稀头缺陷检测算法
7.2.1基于全维注意力机制的Re-YOLOv7算法
7.2.2实验结果与分析
7.3本章小结
参考文献

第8章烟支空稀头缺陷检测管理系统设计与实现
8.1烟支空稀头缺陷检测管理系统概述
8.1.1软硬件环境配置
8.1.2系统开发工具介绍
8.2烟支空稀头缺陷检测管理系统的总体设计
8.2.1功能需求分析
8.2.2系统结构设计
8.3烟支空稀头缺陷检测管理系统的功能实现
8.4烟支空稀头缺陷检测管理系统的测试与分析
8.5本章小结

第9章基于改进的YOLOv7-tiny算法的吸烟目标检测研究
9.1本章算法
9.1.1YOLOv7-tiny算法
9.1.2SGEN-YOLOv7-tiny网络模型
9.1.3改进的EMA注意力机制
9.2S-GD机制
9.2.1Slim-Low-GD模块
9.2.2High-GD模块
9.2.3改进的信息注入模块
9.2.4改进的VoV-GSCSP模块
9.3损失函数NWD
9.4实验过程
9.4.1实验环境及参数
9.4.2数据集
9.4.3性能指标
9.4.4对比实验
9.4.5消融实验
9.5实验结果与分析
9.6本章小结
参考文献

展开全部

作者简介

韩明，1984年生，男，工学博士，副教授，硕士生导师，河北工业大学博士后，研究方向为：模式识别与图像处理，物联网技术，人工智能。现任石家庄学院软件工程系主任，中国物联网大赛专家库专家，石家庄市科技局专家库专家。河北省青年拔尖人才，河北省“三三三人才工程”第三层次人选，河北省“冀青之星”，石家庄市青年拔尖人才，石家庄市五四年奖章提名奖，石家庄市高等学校“双师双能”骨干教师。

本类五星书

更多>>

浏览历史

本类畅销

×

包邮深度学习框架下目标检测关键技术及应用研究

本书特色

内容简介

前言

目录

作者简介

预估到手价 ×