[1] GIRSHICK R,DONAHUE J,DARRELL T,等.用于精确目标检测和语义分割的丰富特征层次[C]//IEEE计算机视觉和模式识别会议论文集,2014:580-587。 [2] REDMON J,DIVVALA S,GIRSHICK R,et al.你只看一次:统一的实时对象检测[C]//IEEE计算机视觉和模式识别会议论文集,2016:779-788。 [3] WANG C Y,BOCHKOVSKIY A,LIAO H.YOLOv7:可培训的免费行李为实时目标探测器设置了新的最先进技术[C]//IEEE/CVF计算机视觉和模式识别会议论文集,2023:7464-7475。 [4] 叶赵兵,段先华,赵楚.改进YOLOv3-SPP公司水下目标检测研究[J] ●●●●。计算机工程与应用,2023,59(6):231-240. 叶志斌,段晓华,赵C.改进的YOLOv3-SPP水下目标检测研究[J]。计算机工程与应用,2023,59(6):231-240。 [5] 王建波,武友新.改进YOLOv4-微型的安全帽佩戴检测算法[J] ●●●●。计算机工程与应用,2023,59(4):183-190. 王建斌,吴永新。改进的YOLOv4-tiny头盔佩戴检测算法[J]。计算机工程与应用,2023,59(4):183-190。 [6] 谭毅,蔡锐,李杰,等。基于改进的只看一次算法的下水道缺陷自动检测[J]。建筑自动化,2021131(6):103912-103928。 [7] EVERINGHAM M,VAN GOOL L,WILLIAMS C K I,等.pascal可视对象类(VOC)挑战[J]。国际计算机视觉杂志,2010,88(2):303-338。 [8] EVERINGHAM M,ESLAMI S M A,VAN GOOL L,等.pascal视觉对象类挑战:回顾[J]。国际计算机视觉杂志,2015111(1):98-136。 [9] 林天勇,梅尔·M,贝隆杰·S,等。微软COCO:上下文中的通用对象[C]//欧洲计算机视觉会议。查姆:施普林格,2014:740-755。 [10] RUSSAKOVSKY O,DENG J,SU H,et al.ImageNet大规模视觉识别挑战[J]。国际计算机视觉杂志,2015115(3):211-252。 [11] KUZNETSOVA A,ROM H,ALLDRIN N,等.开放图像数据集v4[J]。国际计算机视觉杂志,2020128(7):1956-1981。 [12] 夏国胜,白X,丁J,等.多塔:航空图像中目标检测的大规模数据集[C]//IEEE计算机视觉与模式识别会议论文集,2018:3974-3983。 [13] ZAIDI S,ANSARI M S,ASLAM A,等.基于深度学习的现代目标检测模型综述[J]。数字信号处理,2022126:103514-103530。 [14] 邹志X,史志伟,郭永华,等。20年来目标检测研究综述[J]。IEEE会议记录,2023111(3):257-276。 [15] REDMON J,FARHADI A.Yolo9000:更好,更快,更强[C]//IEEE计算机视觉和模式识别会议论文集,2017:7263-7271。 [16] NEUBECK A,GOOL L.高效非最大抑制[C]//模式识别国际会议,2006:850-855。 [17] 雷德蒙J,FARHADI A.Yolov3:增量改进[J].arXiv:1804.027672018。 [18] BOCHKOVSKIY A,WANG C Y,LIAO H Y M.Yolov4:物体检测的最佳速度和精度[J]。arXiv:2004.109342020。 [19] 乔歇·尤洛夫[EB/OL]。[2023-03-20]。https://github.com/ultralytics/yolov5。 [20] 李春英,李丽丽,姜海丽,等.Yolov6:一种工业应用的单级目标检测框架[J].arXiv:2209.029762022。 [21] 王鑫鹏,王晓强,林浩,等.深度学习典型目标检测算法的改进综述[J] ●●●●。计算机工程与应用,2022,58(6):42-57. 王晓平,王晓清,林浩,等.深度学习中典型目标检测算法的改进综述[J]。计算机工程与应用,2022,58(6):42-57。 [22] 冷坤,秦伦明,王悉.基于CA-ASFF系列4的交通标志识别研究[J/OL]。计算机工程与应用(2022-12-09)[2022-12-30].https://kns.cnki.net/kcms/detail//11.2127.TP.20221208。 1745.004.html。 冷坤,秦丽梅,王霞。基于CA-ASFF-YOLOv4的交通标志识别研究[J/OL]。计算机工程与应用(2022-12-09)[2022-12-30]。https://kns.cnki.net/kcms/detail//11.2127.TP.20221208.1745。 004.html。 [23] 张欣怡,张飞,郝斌,等.基于改进YOLOv5公司的口罩佩戴检测算法[J/OL].工程(2022-12-09)[2022-12-30].https://doi.org/10.19678/J.issn.1000-3428.0065701。 张晓勇,张芳,郝波,等。改进的YOLOv5s口罩佩戴检测算法[J/OL]。计算机工程(2022-12-09)[2022-12-30]。https://doi.org/10.19678/j.issn.1000-3428.0065701。 [24] 郭明镇,汪威,申红婷,等.改进型YOLOv4-微型的轻量级目标检测算法[J/OL]。计算机工程与应用(2022-11-26)[2022-12-30]。https://kns.cnki.net/kcms/detail/11.2127.TP。 20221125.1132.016.html。 郭敏智,王伟,沈海涛,等。改进的YOLOv4-tiny轻量化目标检测算法[J/OL]。计算机工程与应用(2022-11-26)[2022-12-30]。https://kns.cnki.net/kcms/detail/11.2127.TP。 20221125.1132.016.html。 [25]张德毅,陈晓毅,任永明,等.Smart-YOLO:一种轻型实时目标检测网络[J]。物理学杂志:会议系列,20211757(1):012096。 [26] 何自芬,陈光晨,陈俊松,等.多尺度特征融合轻量化夜间红外行人实时检测[J] .中国,2022,49(17):130-139。 何志发,陈国中,陈俊S,等.多尺度特征融合的夜间轻量级实时红外行人应变检测[J]。中国激光学报,2022,49(17):130-139。 [27]WU T H,WANG T W,LIU Y Q.基于改进YOLOv5网络的实时车辆和距离检测[C]//2021 IEEE人工智能世界研讨会,2021:24-28。 [28] 赵凤,李永恒,李晶,等.基于改进YOLOv4-微型的轻量化室内人员目标检测算法[J] ●●●●。电子与信息学报,2022,44(11):3815-3824. 赵峰,李彦宏,李杰,等.基于改进YOLOv4-tiny的轻量级室内人员检测算法[J]。《电子与信息技术杂志》,2022,44(11):3815-3824。 [29]闫峰,徐勇.基于YOLO的改进目标检测算法[C]//2021 IEEE国际机器人、控制与自动化工程会议(RCAE),2021:21-25。 [30]LI J C,WANG H Z,XU Y,等.带注意机制的YOLO算法的道路目标检测[J]。信号处理前沿,2021,5(1):9-16。 [31]马永杰,张素海.基于CNN的目标检测器的特征选择模块[J]。IEEE接入,2021,9:69456-69466。 [32]JU M R,LUO J N,WANG Z B,et al.用于多尺度目标检测的具有注意力机制的自适应特征融合[J]。神经计算与应用,2020,33(7):2769-2781。 [33] 陈思雨,付章杰.融合高效注意力的多尺度输电线路部件检测[J/OL]。计算机工程与应用(2023-01-03)[2023-01-18].https://kns.cnki.net/kcms/detail//11.2127.TP.20230103.1221。 002.html。 陈世毅,傅志杰,等.基于高效关注的多尺度传输线元件检测[J/OL]。计算机工程与应用(2023-01-03)[2023-01-18]。https://kns.cnki.net/kcms/detail//11.2127.TP。 20230103.1221.002.html。 [34]黄振中,王建力,傅新生,等.DC-SPP-YOLO:基于稠密连接和空间金字塔池的目标检测YOLO[J]。信息科学,2020522:241-258。 [35] 钱伍,王国中,李国平.改进YOLOv5公司的交通灯实时检测鲁棒算法[J] ●●●●。计算机科学与探索,2022,16(1):231-241. 钱伟,王国忠,李国平.改进的YOLOv5交通灯实时检测鲁棒算法[J]。计算机科学与技术前沿杂志,2022,16(1):231-241。 [36] 王志欣,万绍俊,马晓莹.改进锚点框与融合多尺度特征的光学遥感目标检测[J] .工程,2021,51(9):915-920。 王志X,WAN S J,马晓勇.基于改进锚定框架和融合多尺度特征的光学遥感目标检测[J]。无线电工程,2021,51(9):915-920。 [37] 杨锦辉,李鸿,杜芸彦,等.基于改进YOLOv5系列的轻量化目标检测算法[J] 2023,30(2):24-30。 杨建华,李华,杜玉英,等.基于改进YOLOv5s的轻量化目标检测算法[J]。电子光学与控制,2023,30(2):24-30。 [38]YANG Y H,LI B.基于YOLO-fusion网络的水域目标检测[J]。国际核心工程期刊,2021,7(5):100-107。 [39] 宋艳艳,谭励,马子豪,等.改进YOLOV3型算法的视频目标检测[J] ●●●●。计算机科学与探索,2021,15(1):163-172. 宋义英,谭力,马振华,等。基于改进YOLOV3算法的视频目标检测[J]。计算机科学与技术前沿杂志,2021,15(1):163-172。 [40]张泽,鲁X,曹G,等.ViT-YOLO:基于变压器的目标检测YOLO[C]//2021 IEEE国际计算机视觉会议,2021:2799-2808。 [41]ZHU X K,LYU S C,WANG X,等.TPH-YOLOv5:基于变压器预测头的改进YOLOv 5,用于无人机场景中的目标检测[C]//2021 IEEE/CVF国际计算机视觉研讨会(ICCVW),2021:2778-2788。 [42] 汤寓麟,李厚朴,张卫东,等.侧扫声纳检测沉船目标的轻量化德特罗·尤洛[J]。系统工程与电子技术,2022,44(8):2427-2436. 唐永乐,李海平,张维德,等。侧扫声纳探测海难目标的轻型DETR-YOLO方法[J]。系统工程与电子,2022,44(8):2427-2436。 [43]AKSOY T,HALICI U.一步目标检测的视觉推理分析[J].arXiv:2202.131152022。 [44]OUYANG H.DEYO:DETR with YOLO for stepped object detection(带YOLO的DETR,用于逐步目标检测)[J].arXiv:2211.065882022。 [45]JU M R,LUO H B,WANG Z B,等.改进的YOLOv3在多尺度目标检测中的应用[J]。应用科学,2019,9(18):3775-3788。 [46] 姜文志,李炳臻,顾佼佼,等.基于改进YOLO V3公司的舰船目标检测算法[J] 2021,28(6):52-56。 姜文忠,李伯忠,顾俊杰,等.基于改进YOLO V3的舰船目标检测算法[J]。电子光学与控制,2021,28(6):52-56。 [47]YING Z P,LIN Z T,WU Z Y,等.钢丝编织软管缺陷检测的改进YOLOv5s模型[J]。测量,2022190:110683-110693。 [48]刘涛,PANG B,AI S M,等.基于改进YOLOv3的海面目标视觉检测算法研究[J]。传感器,2020,20(24):7263-7276。 [49]BODLA N,SINGH B,CHELLAPPA R等人。Soft-NMS用一行代码改进对象检测[C]//《IEEE国际计算机视觉会议论文集》,2017:5561-5569。 [50]刘S,黄德,王毅.自适应NMS:改进人群中的行人检测[C]//IEEE/CVF计算机视觉和模式识别会议论文集,2019:6459-6468。 [51]博里亚D,周C,肖F,等.YOLACT:实时实例分割[C]//IEEE/CVF国际计算机视觉会议论文集,2019:9157-9166。 [52]郑Z,王平,任德,等.在模型学习和推理中增强地物因素,用于目标检测和实例分割[J].arXiv:2005.035722020。 [53]REZATOFIGHI H,TSOI N,GWAK J Y,等.并集上的广义交集:包围盒回归的度量与损失[C]//IEEE/CVF计算机视觉与模式识别会议论文集,2019:658-666。 [54]ZHENG Z,WANG P,LIU W,et al.距离-IoU损失:边界盒回归的更快更好学习[C]//AAAI人工智能会议论文集,2020:12993-13000。 [55]ZHANG Y F,REN W,ZHANG Z,et al.精确边界框回归的焦点和有效IOU损失[J]。神经计算,2022506:146-157。 [56]GEVORGYAN Z.SIoU loss:边界盒回归的更强大学习[J].arXiv:2205.127402022。 [57] 许德刚,王露,李凡.深度学习的典型目标检测算法研究综述[J] ●●●●。计算机工程与应用,2021,57(8):10-25. 徐德刚,王磊,李凤。深度学习中典型目标检测算法综述[J]。计算机工程与应用,2021,57(8):10-25。 [58] 金雨芳,吴祥,董辉,等.基于改进YOLOv4公司的安全帽佩戴检测算法[J] 《美国医学会杂志》,2021,48(11):268-275。 JIN Y F,WU X,DONG H,等.安全帽佩戴检测的改进YOLOv4算法[J]。计算机科学,2021,48(11):268-275。 [59] 冯晨光,魏巍,陈灯,等.基于苗条YOLO的控制箱零件检测方法[J] ●●●●。电子测量技术,2022,45(17):120-126. 冯朝光,魏伟,陈德,等.基于SlimYOLO的电气柜零件检测方法[J]。电子测量技术,2022,45(17):120-126。 [60] 胡欣,周运强,肖剑,等.基于改进YOLOv5公司的螺纹钢表面缺陷检测[J/OL].《中国日报》(2023-01-06)[2023-03-17].https://kns.cnki.net/kcms/detail//10.1034.T.20230106.1212.003.html。 胡旭,周永强,肖军,等.基于改进YOLOv5的螺纹钢表面缺陷检测[J/OL]。图形学杂志(2023-01-06)[2023-03-17]。https://kns.cnki.net/kcms/detail//10.1034.T.20230106.1212.003.html。 [61] 邓杰,万旺根.基于改进YOLOv3型的密集行人检测[J] ●●●●。电子测量技术,2021,44(11):90-95. DENG J,WAN W G.基于改进YOLOv3的密集行人检测[J]。电子测量技术,2021,44(11):90-95。 [62] 常青,韩文,王清华,等.改进YOLO公司轻量化网络的行人检测算法[J] .科技,2022,48(1):80-85。 CHANG Q,HAN W,WANG QH,et al.基于改进YOLO轻量级网络的行人检测算法[J]。光学技术,2022,48(1):80-85。 [63] 向南,王璐,贾崇柳,等.改进YOLO公司的遮挡行人检测仿真[J] ●●●●。系统仿真学报,2023,35(2):286-299. 向恩,王磊,贾其林,等.基于改进YOLO的行人遮挡检测仿真[J]。系统仿真杂志,2023,35(2):286-299。 [64] 张帆,郭思媛,任方涛,等.基于改进YOLO第3版的玉米叶片气孔自动识别与测量方法[J] ●●●●。农业机械学报,2023,54(2):216-222. 张峰,郭世勇,任福田,等.基于YOLO v3的玉米叶片气孔自动识别与测量[J]。中国农业机械学会学报,2023,54(2):216-222。 [65] 郝鹏飞,刘立群,顾任远.YOLO-RD-苹果果园异源图像遮挡果实检测模型[J/OL].《中国日报》(2023-02-01)[2023-03-17].http://kns.cnki.net/kcms/detail/10.1034.T.20230201。 1105.001.html。 HAO P F,LIU L Q,GU R Y.YOLO-RD-苹果园异质图像模糊果实检测模型[J/OL]。图形学杂志(2023-02-01)[2023-03-17]。http://kns.cnki.net/kcms/detail/10.1034.T.20230201.1105.001.html。 [66] 冯娟,梁翔宇,曾立华,等.基于改进YOLO第4版的单环刺螠洞口识别方法[J] ●●●●。农业机械学报,2023,54(2):265-274. 冯杰,梁晓英,曾丽华,等.基于改进YOLO v4的单环脲原体洞穴识别方法[J]。中国农业机械学会学报,2023,54(2):265-274。 [67]庄泽,刘刚,丁伟,等.基于YOLO深度学习模型和改进的2D连续性方程的心脏VFM可视化与分析[J]。计算机医学成像和图形,2020,82:101732-101743。 [68]SHARIF M,AMIN J,SIDDIQA A,等.使用YOLOv2和优化的袋式特征识别不同类型的白细胞[J]。IEEE接入,2020,8:167448-167459。 [69] 王榆锋,李大海.改进YOLO公司框架的血细胞检测算法[J] ●●●●。计算机工程与应用,2022,58(12):191-198. 王永发,李德宏.改进的YOLO框架血细胞检测算法[J]。计算机工程与应用,2022,58(12):191-198。 [70] 陈静,陈静波,孟瑜,等.尺度和密度约束下基于YOLOv3型的风电塔架遥感检测方法[J] ●●●●。自然资源遥感,2021,33(3):54-62. CHEN J,CHEN J B,MENG Y,等。在尺度和密度约束下,基于YOLOv3模型的风机塔架遥感检测[J]。自然资源遥感,2021,33(3):54-62。 [71] 肖振久,杨玥莹,孔祥旭.基于改进YOLOv4公司的遥感图像目标检测方法[J] ●●●●。激光与光电子学进展,2023,60(6):407-415. 肖志杰,杨义勇,孔晓霞。基于改进YOLOv4网络的遥感图像目标检测方法[J]。激光与光电子进展,2023,60(6):407-415。 [72] 闫钧华,张琨,施天俊,等.融合多层级特征的遥感图像地面弱小目标检测[J] ●●●●。仪器仪表学报,2022,43(3):221-229. 颜建华,张坤,石天杰,等.基于多层次特征融合的遥感图像弱小地面目标检测[J]。中国科学仪器杂志,2022,43(3):221-229。 [73] 邵延华,张铎,楚红雨,等.基于深度学习的YOLO杂志[J]。电子与信息学报,2022,44(10):3697-3708. SHAO YH,ZHANG D,CHU HY,等.基于深度学习的YOLO目标检测研究综述[J]。电子与信息技术杂志,2022,44(10):3697-3708。 [74] 李科岑,王晓强,林浩,等.深度学习中的单阶段小目标检测方法综述[J] ●●●●。计算机科学与探索,2022,16(1):41-58. 李金川,王晓强,林浩,等。深度学习中一步小目标检测方法综述[J]。计算机科学与技术前沿杂志,2022,16(1):41-58。 [75]王毅,申X,胡S X,等.使用归一化切割进行无监督对象发现的自我监督变压器[C]//IEEE/CVF计算机视觉和模式识别会议论文集,2022:14523-14533。 |