[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。 |
