深度学习在边防车底危险品图像识别技术中的应用研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信

摘 要：边防安检是国家安全的重要防线，传统车底危险品检测依赖人工或基础图像处理技术，存在效率低、精度低、环境适应性差等问题。文章提出一种融合卷积块注意力模型和YOLOv5的CBAM-YOLOv5目标检测算法，该方法分别从自适应直方图均衡化算法、在YOLOv5算法框架下引入深度可分离卷积（DWConv）和卷积块注意力模型、以及优化检测网络的损失函数四个方面来对YOLOv5进行改进。（剩余5718字）

试读结束

目录
monitor
客服机器人