





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
定价:65元
印次:1-1
ISBN:9787302683865
出版日期:2025.02.01
印刷日期:2025.02.18
图书责编:鲁永芳
图书分类:学术专著
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。本书融合了人工智能领域的基础理论和前沿应用,理论和实践相结合,对改进的网络模型进行了多方面的实验验证,验证算法的高效性和鲁棒性。 本书可作为相关专业本科生、研究生以及对人工智能领域感兴趣的读者在深度学习中的参考书,希望本书为广大读者及从事相关研究的工程技术人员提供有用参考。
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。
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YOLOv7tiny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...
第1章绪论
1.1研究背景与意义
1.2国内外研究现状
1.2.1电力线提取研究现状
1.2.2绝缘子识别研究现状
1.2.3输电线路异物检测研究现状
1.2.4烟支缺陷检测方法研究现状
1.3目标检测算法的鲁棒性研究
1.4主要研究内容
参考文献
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.... 查看详情