基于全局注意力机制的Robust-PointPillars三维目标检测

1

作者 王盈丰 吴俭 +2 位作者 宋佳 柯涛 付伟 《舰船电子对抗》 2024年第2期86-92,共7页

提出了一种基于全局注意力机制的Robust-PointPillars三维目标检测方法,在智能驾驶的应用中,提高了目标检测的精度和鲁棒性。PointPillars等神经网络通过使用点云柱表示点云,具有实现三维目标检测的潜力。首先介绍了空间和通道双重注意... 提出了一种基于全局注意力机制的Robust-PointPillars三维目标检测方法,在智能驾驶的应用中,提高了目标检测的精度和鲁棒性。PointPillars等神经网络通过使用点云柱表示点云,具有实现三维目标检测的潜力。首先介绍了空间和通道双重注意力模块,以增强有学习价值的点云特征,解决了PointPillars缺乏点云柱内部学习机制和特征提取不足的问题;挤压与激励网络(SENet)模块的引入,使PointPillars对特征信息的学习理解能力得到进一步提高;最终,对受到干扰或缺失的传感器信号进行抑制,并利用全局注意力算法来提高鲁棒性。基于KITTI数据集上的目标检测结果,本文算法具有良好的目标检测精度和鲁棒性。 展开更多

关键词 三维目标检测 PointPillars 全局注意力机制 挤压与激励网络模块

在线阅读 下载PDF 职称材料

基于全局注意力机制的单像素成像图像增强方法 被引量：2

2

作者 刘辉 杨照华 +2 位作者 吴云 赵梓栋 余远金 《空间控制技术与应用》 CSCD 北大核心 2023年第6期68-76,共9页

单像素成像是一种仅需要使用无分辨能力的桶探测器结合空间光调制信息就能重构出一副完整图像的成像方式,具有非局域成像和高灵敏的特点,适合在外太空非合作目标下进行超远距离成像探测,但需要多次空间光调制后进行探测,重构图像信噪比... 单像素成像是一种仅需要使用无分辨能力的桶探测器结合空间光调制信息就能重构出一副完整图像的成像方式,具有非局域成像和高灵敏的特点,适合在外太空非合作目标下进行超远距离成像探测,但需要多次空间光调制后进行探测,重构图像信噪比低.本文提出一种基于全局注意力机制的低采样率下图像增强方法,利用Transformer结构搭建新型的SUNet(swin transformer unet)网络,解决传统卷积神经网络平移不变性和无法获得全局感受野的问题.根据切蛋糕(cake-cutting, CC)序改进的差分鬼成像算法在低采样条件下重构出低质量的图像,使用SUNet对图像进行增强.实验结果表明,该方法与2022年提出的GIDC(ghost imaging using deep neural network constraint)方法相比,在0.1的采样率下,峰值信噪比提升了3.29 dB,结构相似度提升了8%,为单像素成像的空间探测提供了新的技术途径. 展开更多

关键词 单像素成像 全局注意力机制 图像增强 空间探测

在线阅读 下载PDF 职称材料

基于全局残差注意力和门控特征融合的CNN-Transformer去雾算法

3

作者 李海燕 乔仁超 +1 位作者 李海江 陈泉 《东北大学学报(自然科学版)》 北大核心 2025年第1期26-34,共9页

为解决现有图像去雾算法因缺乏全局上下文信息、处理分布不均匀的雾时效果差且复用细节信息时引入噪声的缺陷,提出了基于全局残差注意力和门控特征融合的CNN-Transformer去雾算法.首先,引入全局残差注意力机制编码模块自适应地提取非均... 为解决现有图像去雾算法因缺乏全局上下文信息、处理分布不均匀的雾时效果差且复用细节信息时引入噪声的缺陷,提出了基于全局残差注意力和门控特征融合的CNN-Transformer去雾算法.首先,引入全局残差注意力机制编码模块自适应地提取非均匀雾区的细节特征,设计跨维度通道空间注意力优化信息权重.然后,提出全局建模Transformer模块加深编码器的特征提取过程,设计带有并行卷积的Swin Transformer捕捉特征之间的依赖关系.最后,设计门控特征融合解码模块复用图像重建所需的纹理信息,滤除不相关的雾噪声,提高去雾性能.在4个公开数据集上进行定性和定量实验,实验结果表明:所提算法能够有效地处理非均匀雾区域,重建纹理细腻且语义丰富的高保真无雾图像,其峰值信噪比和结构相似性指数都优于经典对比算法. 展开更多

关键词 图像去雾 全局残差注意力机制 CNN-Transformer架构 门控特征融合 图像重建

在线阅读 下载PDF 职称材料

融合全局上下文注意力的遥感图像检测方法

4

作者 廖欢 朱文球 +1 位作者 雷源毅 徐轲 《兵器装备工程学报》 CAS CSCD 北大核心 2024年第2期278-283,共6页

针对遥感图像场景复杂、目标尺寸不一、且小尺寸目标过多导致的检测精度不佳和出现漏检等问题,提出了一种融合全局上下文注意力的目标检测算法。该算法提出一种全局上下文注意力机制和YOLOv5中C3结构融合的模块,以提升网络捕捉图像全局... 针对遥感图像场景复杂、目标尺寸不一、且小尺寸目标过多导致的检测精度不佳和出现漏检等问题,提出了一种融合全局上下文注意力的目标检测算法。该算法提出一种全局上下文注意力机制和YOLOv5中C3结构融合的模块,以提升网络捕捉图像全局特征的能力;通过Varifocal Loss损失函数来提升对密集、尺寸小的目标的检测性能;采用基于归一化的注意力模块,降低图像中不太显著的特征和权重,使网络能够达到更高的检测准确率;利用动态卷积学习各个维度的信息,让训练得到的模型在降低GFLOPs情况下,同时保持检测精度提升。在NWPU VHR-10数据集上实验结果mAP为96.0%、准确率为98.2%、召回率为94.9%,较原YOLOv5模型分别提升了1.8%、4.7%和2.2%,证明了所改进YOLOv5方法的有效性。 展开更多

关键词 YOLOv5 遥感图像 Varifocal Loss 全局上下文注意力机制 动态卷积

在线阅读 下载PDF 职称材料

基于全局时空注意力机制和PCA_3DNet的动作识别方法

5

作者 田秋红 张元奎 +2 位作者 潘豪 李赛伟 施之翔 《浙江理工大学学报（自然科学版）》 2023年第3期310-317,共8页

针对基于3D卷积神经网络的动作识别方法存在参数量过大、无法捕捉时空特征的全局依赖关系等问题,提出了一种基于全局时空注意力机制(Global spatiotemporal attention mechanism, GSTAM)和PCA_3DNet的动作识别方法。该方法引入伪3D卷积... 针对基于3D卷积神经网络的动作识别方法存在参数量过大、无法捕捉时空特征的全局依赖关系等问题,提出了一种基于全局时空注意力机制(Global spatiotemporal attention mechanism, GSTAM)和PCA_3DNet的动作识别方法。该方法引入伪3D卷积结构减少网络参数,在伪3D卷积结构中嵌入通道注意力机制(Channel attention mechanism, CAM)来增强通道特征,并采用全局时空注意力机制来捕捉特征信息的全局依赖关系,加强时空特征的表征能力,从而提高动作识别的准确率。该方法在两个公开数据集UCF101和HMDB51上的识别准确率分别为93.5%和70.5%,模型参数量为13.46 Mi,浮点运算量为8.73 Gi;在准确率、参数量和计算量上的综合表现优于现有的传统方法和深度学习方法。实验结果表明该方法能够获取丰富的时空特征信息,有效提升动作识别的性能。 展开更多

关键词 全局时空注意力机制 PCA_3DNet 通道注意力机制 时空特征 动作识别

在线阅读 下载PDF 职称材料

基于改进注意力机制的问题生成模型研究 被引量：3

6

作者 易也难 卞艺杰 《微电子学与计算机》 2022年第4期49-57,共9页

问题生成是一项应用非常广泛的自然语言生成任务,现有的研究大多数是采用基于循环神经网络构建的序列到序列模型.由于循环神经网络自带的“长期依赖”问题,导致模型编码器在对输入语句建模表示时,无法有效地捕获到词语间的相互关系信息... 问题生成是一项应用非常广泛的自然语言生成任务,现有的研究大多数是采用基于循环神经网络构建的序列到序列模型.由于循环神经网络自带的“长期依赖”问题,导致模型编码器在对输入语句建模表示时,无法有效地捕获到词语间的相互关系信息.此外,在解码阶段,模型解码器通常只利用编码器的单层输出或者顶层输出来计算全局注意力权重,无法充分利用从原始输入语句中提取到的语法语义信息.针对以上两个缺陷,现提出一种基于改进注意力机制的问题生成模型.该模型在编码器中加入了自注意力机制,用来获取输入词语间的相互关系信息,并且在解码器生成问题词语时,采用编码器的多层输出联合计算全局注意力权重,可以充分利用语法语义信息提高解码效果.利用SQuAD数据集对上述改进模型进行了实验,实验结果表明,改进模型在自动评估方法和人工评估方法中均优于基准模型,并且通过样例分析可以看出,改进模型生成的自然语言问题质量更高. 展开更多

关键词 问题生成 序列到序列模型 自注意力机制 全局注意力机制

在线阅读 下载PDF 职称材料

基于改进的YOLOv7遥感目标检测技术分析

7

作者 李航 《集成电路应用》 2025年第1期20-21,共2页

阐述针对遥感图像中小型与密集分布的目标检测难题以及由于对象遮挡引起的低检测精度问题,提出一种基于改进的YOLOv7的遥感图像检测与遮挡推理方法。全局注意力机制允许模型对遥感图像的全局信息进行增强处理,以便于优先识别和处理图像... 阐述针对遥感图像中小型与密集分布的目标检测难题以及由于对象遮挡引起的低检测精度问题,提出一种基于改进的YOLOv7的遥感图像检测与遮挡推理方法。全局注意力机制允许模型对遥感图像的全局信息进行增强处理,以便于优先识别和处理图像中的关键部分。而多尺度检测头则赋予模型同时处理和识别不同尺度目标的能力,能够更有效地提升目标检测的精度和效率。在DOTA数据集上的大量实验结果表明,AP和mAP分别提高了3.6%和4.2%。 展开更多

关键词 遥感图像 小目标检测 多尺度检测 全局注意力机制

在线阅读 下载PDF 职称材料

基于双曲嵌入的露天矿区暗光环境下道路多目标检测模型 被引量：1

8

作者 顾清华 苏存玲 +2 位作者 王倩 陈露 熊乃学 《工矿自动化》 CSCD 北大核心 2024年第1期49-56,114,共9页

露天矿环境特殊,道路场景复杂多变,在光照不足时会导致矿区道路多目标识别不清、定位不准,进而影响检测效果,给矿区无人矿用卡车的安全行驶带来严重安全隐患。目前的道路障碍物检测模型不能有效解决矿区暗光环境对模型检测效果的影响,... 露天矿环境特殊,道路场景复杂多变,在光照不足时会导致矿区道路多目标识别不清、定位不准,进而影响检测效果,给矿区无人矿用卡车的安全行驶带来严重安全隐患。目前的道路障碍物检测模型不能有效解决矿区暗光环境对模型检测效果的影响,同时对矿区小目标障碍物的识别也有较大误差,不适用于矿区特殊环境下障碍物的检测与识别。针对上述问题,提出了一种基于双曲嵌入的露天矿区暗光环境下多目标检测模型。首先,在模型的图像预处理阶段引入卷积神经网路Retinex-Net对暗图像进行增强,提高图像清晰度;然后,针对数据集中特征过多而无重点偏好的问题,在加强特征提取部分添加全局注意力机制,聚集3个维度上更关键的特征信息;最后,在检测模型预测阶段引入双曲全连接层,以减少特征丢失,并防止过拟合现象。实验结果表明:(1)基于双曲嵌入的露天矿区暗光环境下道路多目标检测模型不仅对露天矿区暗光环境下的大尺度目标具有较高的分类与定位精度,对矿用卡车及较远距离的小尺度目标即行人也可准确检测与定位,能够满足无人矿用卡车在矿区特殊环境下驾驶的安全需求。(2)模型的检测准确率达98.6%,检测速度为51.52帧/s,较SSD、YOLOv4、YOLOv5、YOLOx、YOLOv7分别提高20.31%,18.51%,10.53%,8.39%,13.24%,对于矿区道路上的行人、矿用卡车及挖机的检测精度达97%以上。 展开更多

关键词 露天矿 自动驾驶 无人矿用卡车 暗光环境 多目标检测 小目标障碍物 全局注意力机制 双曲全连接层

在线阅读 下载PDF 职称材料

基于改进YOLOv5s的道路裂缝检测算法 被引量：5

9

作者 任安虎 姜子渊 马晨浩 《激光杂志》 CAS 北大核心 2024年第4期88-94,共7页

为了解决道路巡检系统光学传感器采集的裂缝图像中颜色特征不明显且尺寸不规则造成检测精度不高、泛化能力不足的问题,提出改进YOLOv5s的裂缝检测算法。将结合深度可分离卷积(Depthwise Separable Convolution, DSC)的全局注意力(Global... 为了解决道路巡检系统光学传感器采集的裂缝图像中颜色特征不明显且尺寸不规则造成检测精度不高、泛化能力不足的问题,提出改进YOLOv5s的裂缝检测算法。将结合深度可分离卷积(Depthwise Separable Convolution, DSC)的全局注意力(Global Attention Mechanism, GAM)引入主干特征提取网络,在降低注意力复杂度的同时获得丰富的跨维度特征,增强了裂缝的识别能力;采用空间金字塔软池化网络(Spatial Pyramid Softpool, SPSF),通过Softpool池化保留多维语义以减少信息弥散,提高了边界框回归的准确性;在颈部特征增强网络,运用空洞深度可分离卷积(Atrous DSC)进行下采样,通过扩大感受野加强深层和浅层信息的聚合能力,提高裂缝识别的泛化性。经过在自制道路裂缝数据集上的实验,相较于YOLOv5s,改进算法的mAP提高2.2%,有效提升了道路裂缝检测的准确性和对不同背景下裂缝识别的泛化能力。 展开更多

关键词 道路裂缝检测 YOLOv5s算法 全局注意力机制 深度可分离卷积 Softpool池化

在线阅读 下载PDF 职称材料

基于YOLOv8s改进的小目标检测算法 被引量：16

10

作者 雷帮军 余翱 余快 《无线电工程》 2024年第4期857-870,共14页

针对目标检测任务中小目标尺寸较小、背景复杂、特征提取能力不足、漏检和误检严重等问题,提出了一种基于YOLOv8s改进的小目标检测算法——Improved-v8s。Improved-v8s算法重新设计了特征提取和特征融合网络,优化检测层架构,增强浅层信... 针对目标检测任务中小目标尺寸较小、背景复杂、特征提取能力不足、漏检和误检严重等问题,提出了一种基于YOLOv8s改进的小目标检测算法——Improved-v8s。Improved-v8s算法重新设计了特征提取和特征融合网络,优化检测层架构,增强浅层信息和深层信息的融合,提高了小目标的感知和捕获能力;在特征提取网络中使用部分卷积(Partial Convolution,PConv)和高效多尺度注意力(Efficient Multi-scale Attention,EMA)机制构建全新的F_C_(2)f_EMA,在降低网络参数量和计算量的同时,通过通道重塑和维度分组最大化保留小目标的特征信息;为了更好地匹配小目标的尺度,优化调整SPPCSPC池化核的尺寸,同时引入无参注意力机制(Simple-parameter-free Attention Module,SimAM),加强复杂背景下小目标特征提取;在Neck部分使用轻量级上采样模块——CARAFE,通过特征重组和特征扩张保留更多的细节信息;引入了全局注意力机制(Global Attention Mechanism,GAM)通过全局上下文的关联建模,充分获取小目标的上下文信息;使用GSConv和Effective Squeeze-Excitation(EffectiveSE)设计全新的G_E_C_(2)f,进一步降低参数量,降低模型的误检率和漏检率;使用WIoU损失函数解决目标不均衡和尺度差异的问题,加快模型收敛的同时提高了回归的精度。实验结果表明,该算法在VisDrone2019数据集上的精确度(Precision)、召回率(Recall)和平均精度(mean Average Precision,mAP)为58.5%、46.0%和48.7%,相较于原始YOLOv8s网络分别提高了8%、8.5%和9.8%,显著提高了模型对小目标的检测能力。在WiderPerson和SSDD数据集上进行模型泛化性实验验证,效果优于其他经典算法。 展开更多

关键词 小目标检测 YOLOv8s 全局注意力机制 CARAFE 损失函数

在线阅读 下载PDF 职称材料

基于YOLOv5-TGs的PCB缺陷检测算法研究 被引量：1

11

作者 徐一奇 肖金球 谢翔 《微电子学与计算机》 2024年第10期21-34,共14页

针对目前PCB缺陷检测算法在实际应用中检测精度低等问题,提出基于改进YOLOv5s的PCB缺陷检测算法YOLOv5-TGs。该算法以YOLOv5s算法模型为基础,首先在主干网络中引入Swin Transformer结构,并取代C3模块中的Bottleneck模块,并使用Ghost卷... 针对目前PCB缺陷检测算法在实际应用中检测精度低等问题,提出基于改进YOLOv5s的PCB缺陷检测算法YOLOv5-TGs。该算法以YOLOv5s算法模型为基础,首先在主干网络中引入Swin Transformer结构,并取代C3模块中的Bottleneck模块,并使用Ghost卷积模块替换Conv模块,降低了模型的计算复杂度,实现轻量化,同时增加了其接收域,增强PCB缺陷的小目标的特征表达能力;其次,在颈部网络的C3结构后面添加全局注意力机制,更大程度地保留通道和空间信息,在减少特征信息弥散的情况下放大全局跨纬度的交互特征,提高检测效率。最后用SIoU损失函数来代替原有的CIoU损失函数,通过在损失函数代价中引入方向性,加快模型收敛速度,提高回归精度。本文实验使用的是北京大学实验室公开发布的PCB缺陷数据集,结果表明:改进算法的平均精度均值达到98.2%,精确率达到95.5%;相较于YOLOv5s,改进算法的平均精度均值提升了7.3%,精确率提升了7.5%。 展开更多

关键词 PCB缺陷检测 YOLOv5s算法 Ghost卷积 SwinTransformer结构 全局注意力机制 SIoU损失

在线阅读 下载PDF 职称材料

基于GSL-YOLO模型的综放工作面混矸率检测方法

12

作者 王福奇 王志峰 +4 位作者 金建成 井庆贺 王耀辉 王大龙 汪义龙 《工矿自动化》 CSCD 北大核心 2024年第9期59-65,137,共8页

针对现有基于深度学习的综放工作面混矸率检测方法在井下低照度、高粉尘、煤矸堆叠等复杂条件下存在煤矸识别精度低、分割效果差、模型参数量和运算量大、未实现混矸率的实时检测等问题,提出了一种基于GSL-YOLO模型的混矸率检测方法。GS... 针对现有基于深度学习的综放工作面混矸率检测方法在井下低照度、高粉尘、煤矸堆叠等复杂条件下存在煤矸识别精度低、分割效果差、模型参数量和运算量大、未实现混矸率的实时检测等问题,提出了一种基于GSL-YOLO模型的混矸率检测方法。GSL-YOLO模型在YOLOv8-seg的基础上进行以下改进:在主干网络中引入全局注意力机制(GAM),通过减少信息弥散和放大全局交互表示提高模型特征提取能力;选用具有高效局部聚合网络的空间金字塔池化(SPPELAN)模块,提升模型处理不同尺寸目标时的检测性能;采用轻量级非对称多级压缩检测头(LADH),降低模型的训练难度,同时提高推理速度。提出了一种基于类别分割掩码的混矸率计算方法,该方法基于煤流图像处理结果中的分割掩码信息,计算其中矸石的像素面积与总像素面积的比值,作为瞬时混矸率。实验结果表明:(1)GSL-YOLO模型的m AP@0.5∶0.95达96.1%,比YOLOv8-seg模型提高了0.8%。(2)GSL-YOLO模型的参数量为2.9×10^(6)个,浮点运算次数为11.4×10^(9),模型权重为6.0MiB,比YOLOv8-seg模型分别降低了12.1%,5.8%,11.8%,实现了模型的轻量化。(3)GSL-YOLO模型在测试集上的帧率为12帧/s,基本满足实时检测要求。(4)与YOLO系列模型相比,GSL-YOLO模型分割效果最好,检测精度最高,参数量和运算量较少,综合性能最佳。(5)基于截取的综放工作面后部刮板输送机上煤流视频中的3帧图像,计算了瞬时混矸率,结果表明,提出的混矸率计算方法基本实现了综放工作面混矸率的实时计算。 展开更多

关键词 智能放煤 煤矸识别 混矸率检测 YOLOv8-seg 图像分割 全局注意力机制 非对称检测头

在线阅读 下载PDF 职称材料

一种改进的YOLOv7-OBB舰船识别方法

13

作者 孙宏磊 陈雯柏 刘辉翔 《兵器装备工程学报》 CAS CSCD 北大核心 2024年第8期192-198,共7页

为解决高分辨率遥感图像中舰船识别准确率低的问题,提出了一种改进的YOLOv7-OBB舰船识别方法。引入定向检测框OBB(oriented bounding box)和KLD损失,可有效解决舰船密集排列和比例细长且方向任意所产生的漏检问题,在提高定位精度的同时... 为解决高分辨率遥感图像中舰船识别准确率低的问题,提出了一种改进的YOLOv7-OBB舰船识别方法。引入定向检测框OBB(oriented bounding box)和KLD损失,可有效解决舰船密集排列和比例细长且方向任意所产生的漏检问题,在提高定位精度的同时保留了船只的目标方向信息;在YOLOv7基础框架的主干网络加入混合注意力模块ACmix,加强网络对于小目标检测的敏感度,能够提升对小型船只的检测精度;在颈部加入全局注意力机制(NAMAttention)和Partial卷积(PConv),在保证模型轻量化的同时,可提高PAN网络在复杂背景中捕捉关键特征的能力。实验结果表明,与YOLOv7模型相比,该方法在DOTAships数据集上取得了88.5%的平均精度,93.0%的准确率,84.7%的召回率,分别比YOLOv7提高了5%,0.9%和3.9%。与当前主流算法相比,该方法在检测效果上有着明显提升。 展开更多

关键词 YOLOv7-OBB算法 舰船识别 定向检测框 混合注意力模块 全局注意力机制 Partial卷积

在线阅读 下载PDF 职称材料

基于改进YOLOv5s的自动驾驶中运动目标检测方法 被引量：1

14

作者 白云 刘康 《电子设计工程》 2024年第14期13-18,共6页

针对自动驾驶领域运动目标检测存在目标相互遮挡、对小目标漏检误检严重、实时性和鲁棒性较差等问题,提出一种基于改进YOLOv5s的方法。将全局注意力模块嵌入到主干网络C3结构的残差块中,增强了网络的整体特征提取能力;将原始网络20×... 针对自动驾驶领域运动目标检测存在目标相互遮挡、对小目标漏检误检严重、实时性和鲁棒性较差等问题,提出一种基于改进YOLOv5s的方法。将全局注意力模块嵌入到主干网络C3结构的残差块中,增强了网络的整体特征提取能力;将原始网络20×20的检测尺度替换为160×160,提高模型对于小目标的识别能力;采用SIoU Loss作为边界框回归损失函数,使预测框的定位更加精准。实验结果表明,该改进算法在公开的自动驾驶数据集SODA10M上均值平均精度达到了81.3%,较原始网络提升了7.5%,推理速度达到238 frames/s,与主流的目标检测算法相比也表现出一定的优越性。 展开更多

关键词 运动目标检测 全局注意力机制 检测尺度 损失函数

在线阅读 下载PDF 职称材料

基于改进YOLOv5的陶瓷表面缺陷检测算法 被引量：2

15

作者 潘金晶 曾成 +2 位作者 张晶 李再勇 耿雪娜 《现代信息科技》 2024年第13期70-75,共6页

提出一种陶瓷表面缺陷检测算法YOLOv5-G。该算法在YOLOv5框架的基础上,将全局注意力机制(GAM)引入主干和颈部网络中,该机制能够在减少信息弥散的情况下放大全局交互特征,增强了网络的特征表达能力;使用α-CIoU作为改进算法的边界框回归... 提出一种陶瓷表面缺陷检测算法YOLOv5-G。该算法在YOLOv5框架的基础上,将全局注意力机制(GAM)引入主干和颈部网络中,该机制能够在减少信息弥散的情况下放大全局交互特征,增强了网络的特征表达能力;使用α-CIoU作为改进算法的边界框回归损失函数,自适应地向上加权高IoU对象的损失和梯度,使得模型可以更加关注IoU高的目标,从而帮助提高定位精度。在工业相机成像的陶瓷表面缺陷数据集上进行测试,结果表明,与YOLOv5模型相比,基于α-CIoU的YOLOv5模型的平均精度均值(mAP50)和召回率(Recall)分别提升了2.3%、4.6%;改进算法的平均精度均值(mAP50)、精确率(Precision)、召回率(Recall)分别提升了3.9%、1.7%、5.1%。 展开更多

关键词 陶瓷表面缺陷 全局注意力机制 α-IoU YOLOv5

在线阅读 下载PDF 职称材料

基于改进YOLO网络的混凝土裂缝检测方法研究

16

作者 黎乐 谭银华 +2 位作者 文玉双 赵晨溪 胡文金 《重庆科技大学学报（自然科学版）》 CAS 2024年第5期99-106,共8页

对于模型规模大、算力要求高的目标检测网络,一般很难实现移动部署,因此,在混凝土裂缝检测领域中的应用受到制约。为此,提出一种混凝土裂缝检测网络模型(YOLO-GAMM),将YOLOv5s主干网络替换为轻量型网络MobileNetV3,再引入全局注意力机... 对于模型规模大、算力要求高的目标检测网络,一般很难实现移动部署,因此,在混凝土裂缝检测领域中的应用受到制约。为此,提出一种混凝土裂缝检测网络模型(YOLO-GAMM),将YOLOv5s主干网络替换为轻量型网络MobileNetV3,再引入全局注意力机制以实现YOLO-GAMM,使其复杂度和精度能够满足便携式混凝土裂缝检测系统的要求。仿真结果表明,与YOLOv5s模型相比,改进后的网络模型计算量缩小了60.0%,占用的内存约缩减了65.5%,性能良好。 展开更多

关键词 YOLO网络 目标检测 混凝土裂缝 轻量型网络 全局注意力机制

在线阅读 下载PDF 职称材料

基于混合深度网络的电站锅炉NO_(x)排放预测 被引量：5

17

作者 武松 马永光 《中国测试》 CAS 北大核心 2022年第10期166-174,共9页

为降低燃煤电站锅炉氮氧化物(NO_(x))的排放量,优化燃烧与脱硝控制,提出一种基于数据驱动的融合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)的混合深度学习网络模型并引入网络隐层输出全局注意力机制(GAM)来预测锅炉出口NO_(x)排放... 为降低燃煤电站锅炉氮氧化物(NO_(x))的排放量,优化燃烧与脱硝控制,提出一种基于数据驱动的融合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)的混合深度学习网络模型并引入网络隐层输出全局注意力机制(GAM)来预测锅炉出口NO_(x)排放量。首先对某2×300 MW电站锅炉运行历史大数据提取并预处理,然后在确定模型输入变量的基础上利用互信息(MI)理论校准各输入变量与NO_(x)排放量之间的时间延迟并重构样本序列,最后构建CNN-BiLSTM-GAM模型并将该模型与其他几种典型模型的预测效果进行对比。实验结果显示,该模型预测结果的均方根误差(RMSE)、平均绝对百分比误差(MAPE)、决定系数(R-square)分别为:1.866、0.44%、0.983,为各模型中最优值,表明该模型比其他模型有更高的预测精度和更好的泛化能力。 展开更多

关键词 电站锅炉 NO_(x)排放预测 深度学习 卷积神经网络 双向长短期记忆网络 全局注意力机制 互信息

在线阅读 下载PDF 职称材料

基于递归层聚合结构的全景分割网络

18

作者 贾博慧 雷海卫 +1 位作者 李鸣野 吴倩 《中北大学学报（自然科学版）》 CAS 2023年第3期247-255,共9页

现有全景分割算法大都存在计算量开销大、精度不足的问题,EfficientPS(Efficient Panoptic Segmentation)网络提供了一种解决方案,但性能依旧有提升的空间。本文在此基础上提出了基于递归层聚合结构的全景分割网络(Recursive Layer Aggr... 现有全景分割算法大都存在计算量开销大、精度不足的问题,EfficientPS(Efficient Panoptic Segmentation)网络提供了一种解决方案,但性能依旧有提升的空间。本文在此基础上提出了基于递归层聚合结构的全景分割网络(Recursive Layer Aggregation Panoptic Segmentation,RLAPS)以提升全景分割效果。主干网络的结构改用递归层聚合结构的残差网络,在不增加冗余的情况下更好地重用浅层网络提取的特征,具有更好的学习图像中结构信息的能力;同时,主干网络中双向特征金字塔网络(Feature Pyramid Networks,FPN)结构后增加了通道多样化模块,弥补了卷积网络随着层数加深关注点集中在少数主要通道特征的问题,增强了主干网络提取特征的能力。语义分割头部分增加了跳跃连接和全局注意力模块组合的分支,以使提取到的特征能够关联全局信息。实验表明,该网络相较于EfficientPS的全景分割质量提升了0.9%。同时,前景实例目标和背景填充区域的分割精度分别提升了0.5%和1.3%。 展开更多

关键词 全景分割 层聚合机制 通道注意力机制 全局注意力机制

在线阅读 下载PDF 职称材料

基于改进TextCNN短文本分类方法研究 被引量：4

19

作者 董晨 《信息技术与信息化》 2022年第7期47-49,57,共4页

原始TextCNN深度神经网络模型在短文本分类过程中,首先将Embedding经过卷积后直接使用最大池化操作将词向量调整成1的长度,虽然保留了最显著的特征也会损失掉一部分信息。针对直接使用maxpool造成的信息丢失问题,首先利用全局注意力机... 原始TextCNN深度神经网络模型在短文本分类过程中,首先将Embedding经过卷积后直接使用最大池化操作将词向量调整成1的长度,虽然保留了最显著的特征也会损失掉一部分信息。针对直接使用maxpool造成的信息丢失问题,首先利用全局注意力机制对词向量中的每个元素进行权重赋值,从而突出显著特征抑制无用特征。继而融合了平均池化和最大池化操作,使用MLP层进一步提取平均池化和最大池化产生的特征,提升特征的全局表示能力。最后通过两者相加,融合平均池化和最大池化产生的特征,并经过softsign激活后得到最终的词向量表示特征。所提出的方法在精确率、准确率、召回率、和F1值上均有所提升,其值分别是0.9145、0.9140、0.9129和0.9131,优于原始TextCNN、TextRNN、DPCNN,能在短文本分类中较好的识别。 展开更多

关键词 TextCNN 短文本分类 词向量 全局注意力机制 MLP

在线阅读 下载PDF 职称材料