admin 管理员组文章数量: 1184232
2024年6月1日发(作者：boolean search)
第１３卷 第９期
Ｖｏｌ．１３Ｎｏ．９
智 能 计 算 机 与 应 用
ＩｎｔｅｌｌｉｇｅｎｔＣｏｍｐｕｔｅｒａｎｄＡｐｐｌｉｃａｔｉｏｎｓ
中图分类号：ＴＰ２４９文献标志码：Ａ
２０２３年９月
Ｓｅｐ．２０２３
文章编号：２０９５
－
２１６３（２０２３）０９
－
０１７２
－
０５
基于改进ＹＯＬＯｖ６电动单车违法停放的检测方法研究
汪燕超，胡旭晓
（浙江理工大学机械工程学院，杭州３１００１８）
摘 要：日常电动单车存在违法停放现象，为消除安全隐患本文提出了一种改进的ＹＯＬＯｖ６目标检测模型。在原ＹＯＬＯｖ６
模型的基础上，在ｎｅｃｋ部分引入Ｇｈｏｓｔ幻影卷积模块，提升网络模型的检测速度；在检测部分嵌入ＣＢＡＭ卷积注意力模块以
１．５个百分点，对电动单车违法停放的检测具有较大的实际意义。
突出所检测目标信息，提升网络模型的检测精度。实验证明改进后的ＹＯＬＯｖ６模型性能得到了一定的提升，其精确率提升了
关键词：电动单车；ＹＯＬＯｖ６模型；卷积注意力模块；幻影卷积模块
Ｒｅｓｅａｒｃｈｏｎｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｏｆｉｌｌｅｇａｌｐａｒｋｉｎｇｏｆｅｌｅｃｔｒｉｃｂｉｃｙｃｌｅｓ
ｂａｓｅｄｏｎｉｍｐｒｏｖｅｄＹＯＬＯｖ６
ＷＡＮＧＹａｎｃｈａｏ，ＨＵＸｕｘｉａｏ
（ＦａｃｕｌｔｙｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＺｈｅｊｉａｎｇＳｃｉ
－
ＴｅｃｈＵｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｚｈｏｕ３１００１８，Ｃｈｉｎａ）
【Ａｂｓｔｒａｃｔ】ＤａｉｌｙｅｌｅｃｔｒｉｃｂｉｃｙｃｌｅｓａｒｅｉｌｌｅｇａｌｌｙｐａｒｋｅｄｔｏｅｌｉｍｉｎａｔｅｓａｆｅｔｙｈａｚａｒｄｓＴｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｎｉｍｐｒｏｖｅｄＹＯＬＯｖ６ｔａｒｇｅｔ
ｄｅｔｅｃｔｉｏｎｍｏｄｅｌ．ＢａｓｅｄｏｎｔｈｅｏｒｉｇｉｎａｌＹＯＬＯｖ６ｍｏｄｅｌ，ｔｈｅＧｈｏｓｔｐｈａｎｔｏｍｃｏｎｖｏｌｕｔｉｏｎｍｏｄｕｌｅｉｓｉｎｔｒｏｄｕｃｅｄｉｎｔｈｅｎｅｃｋｐａｒｔｔｏ
ｉｍｐｒｏｖｅｔｈｅｄｅｔｅｃｔｉｏｎｓｐｅｅｄｏｆｔｈｅｎｅｔｗｏｒｋｍｏｄｅｌ；ｔｈｅＣＢＡＭｃｏｎｖｏｌｕｔｉｏｎａｌａｔｔｅｎｔｉｏｎｍｏｄｕｌｅｉｓｅｍｂｅｄｄｅｄｉｎｔｈｅｄｅｔｅｃｔｉｏｎｐａｒｔｔｏ
ｈｉｇｈｌｉｇｈｔｔｈｅｉｎｆｏｒｍａｔｉｏｎｏｆｔｈｅｄｅｔｅｃｔｅｄｔａｒｇｅｔｓａｎｄｉｍｐｒｏｖｅｔｈｅｄｅｔｅｃｔｉｏｎａｃｃｕｒａｃｙｏｆｔｈｅｎｅｔｗｏｒｋｍｏｄｅｌ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔｓ
ｄｅｍｏｎｓｔｒａｔｅｔｈａｔｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｉｍｐｒｏｖｅｄＹＯＬＯｖ６ｍｏｄｅｌｈａｓｂｅｅｎｉｍｐｒｏｖｅｄｔｏａｃｅｒｔａｉｎｅｘｔｅｎｔ，ａｎｄｉｔｓａｃｃｕｒａｃｙｒａｔｅｈａｓ
ｂｅｅｎｉｎｃｒｅａｓｅｄｂｙ１．５ｐｅｒｃｅｎｔａｇｅｐｏｉｎｔｓ，ｗｈｉｃｈｉｓｏｆｇｒｅａｔｅｒｐｒａｃｔｉｃａｌｓｉｇｎｉｆｉｃａｎｃｅｆｏｒｔｈｅｄｅｔｅｃｔｉｏｎｏｆｉｌｌｅｇａｌｐａｒｋｉｎｇｏｆｅｌｅｃｔｒｉｃ
ｂｉｃｙｃｌｅｓ．
【Ｋｅｙｗｏｒｄｓ】ｅｌｅｃｔｒｉｃｓｃｏｏｔｅｒ；ＹＯＬＯｖ６ｍｏｄｅｌ；ｃｏｎｖｏｌｕｔｉｏｎａｌｂｌｏｃｋａｔｔｅｎｔｉｏｎｍｏｄｕｌｅ；Ｇｈｏｓｔｃｏｎｖｏｌｕｔｉｏｎｍｏｄｅｌ
０ 引 言
电动单车是生活中常见的交通工具，据相关资
料显示，中国居民电动单车拥有数已超过３亿，而大
量电动单车随意停放的现象对公众的人身和财产安
全造成了巨大威胁
［１］
。
以往对于电动单车违法停放的监测主要依靠在
ＲｅｇｉｏｎｗｉｔｈＣＮＮｆｅａｔｕｒｅ）、ＳＳＤ（ＳｉｎｇｌｅＳｈｏｔＭｕｌｔｉＢｏｘ
小目标漏检和误检等问题。
Ｄｅｔｅｃｔｏｒ）和ＹＯＬＯ系列等，但这些算法常常存在对
ＹＯＬＯｖ６模型，在ＹＯＬＯｖ６模型检测部分嵌入ＣＢＡＭ
（ＣｏｎｖｏｌｕｔｉｏｎａｌＢｌｏｃｋＡｔｔｅｎｔｉｏｎＭｏｄｕｌｅ）卷积注意力
模块，并引入Ｇｈｏｓｔ幻影卷积模块，以提高模型的精
确度和检测速度。改变外接摄像头所拍摄电动单车
停放图片的亮度、遮挡范围和目标个数等属性制作
相应数据集，据此评估改进后的模型的鲁棒性、识别
速度和精度，进一步提升改进后模型的性能。
针对传统检测方法的不足，本文提出了改进的
场所附近安装监控并拍摄照片，而后交给监控中心
的工作人员进行监控和预警。这种方法消耗了大量
的人力和物力，对于电动单车违法停放的识别准确
率也不高。近年来人工智能技术快速发展，有学者
提出了基于深度学习的目标检测模型，深度学习模
型主要分为两大类：一类是基于候选区域的二阶段
目标检测模型，另一类是基于回归的一阶段目标检
测模型，两者分别依据候选框卷积和模型回归对目
标进行检测，代表算法有Ｆａｓｔｅｒ
－
ＲＣＮＮ（Ｆａｓｔｅｒ
１ ＹＯＬＯｖ６模型简介
的目标检测模型相比，ＹＯＬＯ系列模型计算效率高，
能够方便地进行端到端的训练，因此能快速地检测
ＹＯＬＯ系列模型采用直接回归的方法，与传统
作者简介：汪燕超（１９９９
－
），男，硕士研究生，主要研究方向：图像处理；胡旭晓（１９６５
－
），男，博士，教授，主要研究方向：图像处理、机器视觉。
收稿日期：２０２２
－
０９
－
２６
哈尔滨工业大学主办
版权声明：本文标题：基于改进YOLOv6电动单车违法停放的检测方法研究 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.roclinux.cn/p/1717246427a703547.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
更多相关文章
windows系统python查看已安装模块pip命令
描述：windows系统python查看已安装模块pip命令命令：pip list
浏览器对象模型
课程名称 前端模块化 课程目标 1.了解常见浏览器 JS 对象常见 API 及用法 https:segmentfaulta1190000014212576 2. 浏览器内置对象详解 3.浏览器事件模型详解 4.
方言不再是障碍：这款工具以98.2%精准度解决中文音频对齐问题！
Qwen3-ForcedAligner-0.6B惊艳案例：带口音中文访谈音频实现98.2%字级对齐准确率 1. 为什么这个对齐模型让人眼前一亮 你有没有遇到过这样的情况：一段粤语口音浓重的深圳科技公司内部访谈录音，转文
从新手到大神：使用SHAP进行模型解释时遇到的UTF-8编码错误如何解决？ —— XGBoost版本兼容秘籍
XGBoost模型可视化翻车实录：手把手解决SHAP的UTF-8编码报错（附版本兼容方案） 最近在做一个金融风控项目，用XGBoost训练完模型后，想用SHAP做特征可解释性分析，结果一运行 shap.TreeEx
4K对齐，超简单，让你的SSD快如闪电
简介：固态硬盘（SSD）通过高速度和低延迟极大提升了系统性能，而4K对齐作为关键优化步骤，对SSD的读写效率和寿命有显著影响。本文介绍4K对齐的概念、重要性以及如何使用ASSSD工具进行检测。ASSSD是一款可以评估SSD性能和检测4
跨时代的对话：GPT模型的技术内核与创新应用
1. 引言 1.1 GPT 系列模型概述 GPT（Generative Pre-trained Transformer）是由 OpenAI 开发的一类生成式预训练语言模型。基于 Transformer 架构，GPT 模
GPT2解析：揭秘AI如何撰写出色的文字
一 背景介绍GPT2模型是OpenAI组织在2018年于GPT模型的基础上发布的新预训练模型，其论文原文为GPT2模型的预训练语料库为超过40G的近8000万的网页文本数据，GPT2的预训练语料库相较于GP
从预热到沸腾：GPT模型在Zero-Shot Learning中的神奇演变
GPT模型 Paper: GPT-1 GPT-1是OpenAI在论文《Improving Language Understanding by Generative Pre-Training》中提出的生成式预训练
进阶指南：掌握GPT、GPT-2和GPT-3在Flash中的应用
视频讲解： 论文链接： GPT: GPT-2: GPT-3:GPT文章标题：Improving Language Understanding by Generative pre-
走进AI新天地：深入探讨GPT系列中的GPT-3.5与GPT-4如何利用大容量模型（175GB & 1.8TB）引领未来
1 ChatGPT概述 1.1 what is chatGPT ChatGPT (Generative Pre-Trained Transformer) 是由OpenAI团队与2022年11月基于GPT-3.5 (目前
SWF的潜规则：剖析企业内部非正当行为和强化人员管控的重要性
旨在提供分析视角，所有策略均存在重大法律、道德与合规风险，严禁在现实世界中实施或效仿。企业非正当利益运作与人员控制策略框架 编号 策略名称 核心操作执行要点
智慧农业的守护神：西瓜病害智能识别系统研发
西瓜叶片病害识别数据集 README 往期热门主题 主题搜两字"关键词"直达 代码数据获取： 获取方式：***文章底部卡片扫码获取***覆盖了YOLO相关项目、OpenCV项目、CNN项目等所有类
超值体验：只需10元就能驾驭7B模型，彻底摆脱硬件限制，畅游数字艺术海洋！
Qwen2.5代码助手实战：10块钱玩转7B模型，无需装机 引言：为什么选择Qwen2.5代码助手？ 作为一名培训班老师，你是否遇到过这样的困境：学员的电脑配置参差不齐，有的用轻薄本，有的用游戏本，安装开发环境时总是出
高效管理YOLOv8训练流程，GPUCPU资源实时监控助手
YOLOv8模型监控仪表盘：GPUCPU资源实时追踪 1. 项目概述 今天给大家介绍一个特别实用的工具——YOLOv8模型监控仪表盘。如果你正在使用YOLOv8进行目标检测，这个工具能帮你实时监控GPU和CPU的资源
专业揭秘：YOLOv8模型如何利用GPU和CPU资源？
YOLOv8模型监控仪表盘：GPUCPU资源实时追踪 1. 项目概述 今天给大家介绍一个特别实用的工具——YOLOv8模型监控仪表盘。如果你正在使用YOLOv8进行目标检测，这个工具能帮你实时监控GPU和CPU的资源
深度学习算法深度解析：如何精准捕捉火焰与烟雾
本文采用YOLOv11作为核心算法框架，结合PyQt5构建用户界面，使用Python3进行开发。YOLOv11以其高效的实时检测能力，在多个目标检测任务中展现出卓越性能。本研究针对火焰与烟雾数据集进行训练和优化，该数据集包含丰富的火焰
点燃AI新思维：深度学习实战中的火焰烟雾检测
本文采用YOLOv11作为核心算法框架，结合PyQt5构建用户界面，使用Python3进行开发。YOLOv11以其高效的实时检测能力，在多个目标检测任务中展现出卓越性能。本研究针对火焰与烟雾数据集进行训练和优化，该数据集包含丰富的火焰
火焰检测新纪元：YOLOv11实战烟雾与火焰识别指南
本文采用YOLOv11作为核心算法框架，结合PyQt5构建用户界面，使用Python3进行开发。YOLOv11以其高效的实时检测能力，在多个目标检测任务中展现出卓越性能。本研究针对火焰与烟雾数据集进行训练和优化，该数据集包含丰富的火焰
League Akari：英雄联盟智能辅助工具完全指南
League Akari：英雄联盟智能辅助工具完全指南 一、工具介绍与核心价值 League Akari 是一款基于英雄联盟 LCU API 开发的功能全面的智能辅助工具集，通过毫秒级响应的自动化操作和多维度数据分析，
深度学习实战火焰与烟雾检测_烟雾火焰检测
本文采用YOLOv11作为核心算法框架，结合PyQt5构建用户界面，使用Python3进行开发。YOLOv11以其高效的实时检测能力，在多个目标检测任务中展现出卓越性能。本研究针对火焰与烟雾数据集进行训练和优化，该数据集包含丰富的火焰
发表评论