期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到9篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
面向变电站嵌入式设备的指针式仪表识别方法
1
作者 胡欣 刘瑞峰 +3 位作者 肖剑 段承志 程鸿亮 罗诗伟 《电子测量与仪器学报》 北大核心 2025年第1期253-263,共11页
针对变电站嵌入式设备在识别指针式仪表时常面临实时性差以及小目标和密集目标场景漏检的问题,提出了一种基于YOLOv5s-BCGS的变电站指针式仪表识别模型。该模型以YOLOv5s为基础网络,首先在其网络颈部引入协调注意力机制,并将路径聚合网... 针对变电站嵌入式设备在识别指针式仪表时常面临实时性差以及小目标和密集目标场景漏检的问题,提出了一种基于YOLOv5s-BCGS的变电站指针式仪表识别模型。该模型以YOLOv5s为基础网络,首先在其网络颈部引入协调注意力机制,并将路径聚合网络替换为加权双向特征金字塔网络,以更好地融合特征图中的位置和细节信息,从而增强模型对目标位置和尺寸的敏感性。其次,原网络中的传统卷积被轻量化的幽灵卷积替代,既加快了推理速度,又减小了模型体积。最后,将原网络中的CIoU损失函数替换为SIoU损失函数,提高了模型训练速度并改善了远距离小目标的推理精度。实验结果表明,改进后的模型在自制变电站指针仪表数据集上的表现优于YOLOv5s,mAP0.5提高了2.2%,mAP0.75提高了3.8%,mAP0.5~0.95提高了6.7%,同时模型体积减少了34.07%。与常用的Faster R-CNN、YOLOv4-tiny、YOLOv7-tiny和YOLOv8n等模型相比,本模型在精度和速度上均具有明显优势,展现了良好的泛化能力和鲁棒性,且模型体积仅为18.0 MB,实现了轻量化部署。在PC和Jetson Xavier NX开发板上的推理速度分别为154.7 FPS和18.7 FPS,能够满足嵌入式设备在变电站指针仪表巡检中的实际工程需求。 展开更多
关键词 变电站 指针式仪表识别 轻量化 协调注意力机制 嵌入式设备
在线阅读 下载PDF
基于改进MobileNet V3的矿物智能识别模型 被引量：4
2
作者 宛鹤 张金艳 +4 位作者 屈娟萍 张崇辉 薛季玮 王森 卜显忠 《金属矿山》 CAS 北大核心 2024年第1期174-181,共8页
针对当前矿物识别领域存在的精度不佳、适应性差、携带不便等问题,提出了一种基于改进MobileNet V3的矿物智能识别模型(CA-MobileNet V3)。为获得研究所需的有效数据集,通过由mindat. org网站和自行拍摄方式获取的矿物图像创建了一个包... 针对当前矿物识别领域存在的精度不佳、适应性差、携带不便等问题,提出了一种基于改进MobileNet V3的矿物智能识别模型(CA-MobileNet V3)。为获得研究所需的有效数据集,通过由mindat. org网站和自行拍摄方式获取的矿物图像创建了一个包含19种矿物的数据集,对其进行数据增强处理,并按照8:1:1的比例划分为训练集、验证集和测试集。为提升模型对图像信息的特征提取能力,引入协调注意力机制,用以替代轻量型MobileNet V3模型的原始SE注意力机制,以提高矿物识别准确率。最后,采用迁移学习方法预训练CA-MobileNet V3模型,以加速模型收敛、提高泛化能力、避免过拟合。在训练过程中,将CA-MobileNet V3与mobilenet v3、MobileNet V3、ShuffleNet V2、Efficient Net V2等模型进行了性能比较。结果表明:各迁移模型均展现出显著的收敛速度优势,而CA-MobileNet V3矿物智能识别模型的Top1-准确率、Top2-准确率、f_1-score值分别达到93.90%、98.58%和93.89%,在所有模型中效果最佳,且模型大小仅为4.61 MB,属于轻量化模型。为验证模型有效性,t-SNE可视化分析被用于不同模型的识别效果比较,进一步印证了CA-MobileNet V3模型的优越性。 展开更多
关键词 矿物分类 迁移学习 轻量化模型 协调注意力机制 t-SNE
在线阅读 下载PDF
轻量高效的自底向上人体姿态估计算法研究 被引量：1
3
作者 马赛 葛海波 +2 位作者 何文昊 程梦洋 安玉 《计算机工程与应用》 CSCD 北大核心 2024年第18期217-229,共13页
针对人体姿态估计算法模型复杂和计算成本高的问题,提出了一种基于HigherHRNet的自底向上轻量高效的人体姿态估计网络(lightweight and efficient HigherHRNet,LE-HigherHRNet)。采用深度可分离卷积(depthwise separable convolutions)... 针对人体姿态估计算法模型复杂和计算成本高的问题,提出了一种基于HigherHRNet的自底向上轻量高效的人体姿态估计网络(lightweight and efficient HigherHRNet,LE-HigherHRNet)。采用深度可分离卷积(depthwise separable convolutions),减少特征提取网络的参数数量;引入协调注意力机制(coordinate attention),更好地捕获位置信息和通道特征信息,突出图像中小目标和遮挡人体关键点的特征信息;通过平行连接实现多阶段分辨率的连接,增强特征信息的提取能力;在网络中采用跳跃链接并设计轻量级CARAFE上采样,保留和重建特征信息,增强高低分辨率之间的空间位置信息。实验结果表明,相比较HigherHRNet在小幅提升精度的同时,显著减少了模型参数量,降低了运算复杂度。 展开更多
关键词 人体姿态估计 轻量级网络 协调注意力机制 CARAFE上采样
在线阅读 下载PDF
采用改进稠密连接网络的防风药材的道地性识别 被引量：3
4
作者 李东明 汤鹏 +2 位作者 张丽娟 雷雨 刘双利 《农业工程学报》 EI CAS CSCD 北大核心 2022年第3期276-285,共10页
目前市场上对防风药材的质量鉴定,仍停留在依靠专业人员的自身经验,对药材表型观察进行划分定级,这样的做法具有一定的主观性和局限性。针对上述问题,该研究建立具有18543张包含5个主要产区防风药材图像的标准数据集,并基于深度学习的... 目前市场上对防风药材的质量鉴定,仍停留在依靠专业人员的自身经验,对药材表型观察进行划分定级,这样的做法具有一定的主观性和局限性。针对上述问题,该研究建立具有18543张包含5个主要产区防风药材图像的标准数据集,并基于深度学习的方法改进稠密连接网络来区分防风药材的产地,对防风药材品质进行精确、高效的智能分类,判断防风药材的道地性及品质优劣。该神经网络的具体建立过程为:首先对残差模块进行优化改进,将协调注意力(Coordinate Attention,CA)模型与残差模块进行融合,以增加特征图中待识别区域的特征权值,降低背景信息对识别任务的干扰;然后将改进的残差模块嵌入到稠密连接网络,以减少模型运算参数、增强网络对特征信息的高效利用能力;最后重构全连接层,来适应对数据集的识别分类,并增强网络的学习能力。在迁移学习和数据扩充方式下新模型的识别准确率可达97.23%;且训练约48轮便可达到收敛状态,极大地提高了收敛速度。该方法能够高效准确地识别防风药材的产地及道地性并有较强的鲁棒性,可为防风药材质量智能鉴定提供参考。 展开更多
关键词 图像处理 特征提取 稠密连接网络 协调注意力机制 防风药材 道地性药材
在线阅读 下载PDF
基于多尺度融合和轻量化网络的无人机目标检测算法 被引量：4
5
作者 薛珊 卢涛 +1 位作者 吕琼莹 曹国华 《湖南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2023年第8期82-93,共12页
针对在游乐场、公园等公共安全区域因无人机的尺度变化实时检测困难和计算资源有限的问题,提出一种网络动态实时检测无人机方法YOLO-Ads,以增加网络对无人机尺度变化的鲁棒性.首先自主构建了无人机数据集;其次将轻量化网络作为主干建立... 针对在游乐场、公园等公共安全区域因无人机的尺度变化实时检测困难和计算资源有限的问题,提出一种网络动态实时检测无人机方法YOLO-Ads,以增加网络对无人机尺度变化的鲁棒性.首先自主构建了无人机数据集;其次将轻量化网络作为主干建立一个新的MDDRDNet网络,减小模型计算的复杂度,并且引入协调注意力机制模块,加强网络对空间和通道的关注度;然后采用均值聚类算法,重新生成先验框,在先验框的选择上结合多探测头和多数据集的寻优办法,使重新生成的先验框与无人机更加匹配;然后基于特征融合和残差思想建立一个新的探测头以适应更小尺度无人机的检测;最后,在检测模块中引入类激活映射模块生成热力图,以观察网络对无人机尺度变化的敏感程度,同时与当前主流网络SSD、CenterNet、YOLOv5、YOLOx等和不同主干网络ResNet、EfficientNet、VGGNet等进行对比实验.实验结果表明,新提出的算法在尺度变化的无人机检测上平均精度达到96.62%,相较YOLOv4算法提高了1.88%;检测速度为每秒47帧,相较YOLOv4算法提高了19帧;模型所占内存大约为10.844 M,约为原内存的六分之一,体现了该方法的有效性和鲁棒性. 展开更多
关键词 目标检测 尺度变化 协调注意力机制 特征融合 聚类优化办法
在线阅读 下载PDF
基于改进YOLOv4的自然人群口罩佩戴检测方法 被引量：5
6
作者 薛均晓 武雪程 +2 位作者 王世豪 田萌萌 石磊 《郑州大学学报（工学版）》 CAS 北大核心 2022年第4期16-22,共7页
针对自然场景下的人群口罩佩戴检测常常会受到口罩样式、颜色,佩戴者肤色以及天气等多种因素的影响,提出在原YOLOv4的基础上引入协调注意力机制,进而提升主干特征提取网络对于浅层次特征图像位置信息的利用进而更好地捕获小物体——口罩... 针对自然场景下的人群口罩佩戴检测常常会受到口罩样式、颜色,佩戴者肤色以及天气等多种因素的影响,提出在原YOLOv4的基础上引入协调注意力机制,进而提升主干特征提取网络对于浅层次特征图像位置信息的利用进而更好地捕获小物体——口罩,同时能够丰富浅层次特征图像的语义信息和加强远距离依赖关系,更精准地定位和识别目标区域;对YOLOv4的网络结构进行改进以提升整体网络的容量以及深度,进而扩大感受野并提升算法的鲁棒性;引入DIoU-NMS在于缓解目标存在遮拦而被错误抑制的现象,DIoU-NMS从IoU指标及检测框的中心点距离两个方面进行非极大值抑制,使得对于IoU阈值的选取没有那么苛刻。实验结果表明,改进YOLOv4的平均精度均值达到95.81%,相较于原YOLOv4平均精度均值提升了4.62%。改进后的YOLOv4具有良好的性能,能够在自然场景下准确地完成口罩佩戴检测任务。 展开更多
关键词 深度学习 口罩佩戴检测 YOLOv4 协调注意力机制 神经网络
在线阅读 下载PDF
基于循环生成对抗网络的壁画色彩修复算法 被引量：4
7
作者 曹建芳 靳梦燕 +2 位作者 李朝霞 陈泽宇 马尚 《山东科技大学学报（自然科学版）》 CAS 北大核心 2023年第4期101-112,共12页
针对敦煌唐代壁画修复所面临的褪、变色以及修复后的壁画图像色彩存在假色和伪影的问题,提出基于循环生成对抗网络和多尺度融合协调注意力机制的壁画色彩修复算法。首先在循环一致性损失中添加同一映射损失,然后改进协调注意力机制,提... 针对敦煌唐代壁画修复所面临的褪、变色以及修复后的壁画图像色彩存在假色和伪影的问题,提出基于循环生成对抗网络和多尺度融合协调注意力机制的壁画色彩修复算法。首先在循环一致性损失中添加同一映射损失,然后改进协调注意力机制,提出多尺度融合的协调注意力机制,最后在生成器中引入多尺度融合的协调注意力机制,对图像进行卷积核大小为1×1、3×3、5×5、7×7的多尺度卷积运算,提高生成图像的协调性。实验结果表明,与CycleGAN、WGAN等经典算法相比,本文算法在构造的壁画数据集上精度更高,可以在不依赖专家知识的情况下修复褪色壁画图像的颜色。 展开更多
关键词 循环生成对抗网络 风格迁移 壁画色彩修复 同一映射损失 协调注意力机制
在线阅读 下载PDF
基于改进轻量化网络MobileNeXt的苹果叶片病害识别方法 被引量：8
8
作者 刘小玲 崔艳荣 《江苏农业科学》 北大核心 2023年第10期185-193,共9页
针对真实环境下苹果叶片病害识别背景复杂、识别准确率不高的问题,提出了一种改进轻量化网络MobileNeXt的苹果叶片病害识别方法。首先收集了4类常见苹果叶片病害图像样本,每类由简单背景图像与复杂背景图像混合,通过多种数据增强方式对... 针对真实环境下苹果叶片病害识别背景复杂、识别准确率不高的问题,提出了一种改进轻量化网络MobileNeXt的苹果叶片病害识别方法。首先收集了4类常见苹果叶片病害图像样本,每类由简单背景图像与复杂背景图像混合,通过多种数据增强方式对图像进行处理,以增加样本多样性,提高模型的泛化能力。接着基于轻量化网络MobileNeXt中的sandglass结构,引入协调注意力机制CA分配权重,以区分目标与背景,同时结合Inception模块与Ghost模块,设计了2种SCI(Sandglass-CA-Inception)结构,在参数增加量尽可能小的前提下,扩充网络深度与宽度,增强模型对于背景复杂病害图像的特征学习能力。试验结果表明,改进后的模型相比于MobileNeXt,Top-1准确率提升了1.23百分点,平均精确率提升了1.18百分点,参数量只增加了0.62 M,为真实场景下的苹果叶片病害识别提供了一种有效的解决方案。 展开更多
关键词 苹果病害识别 轻量化网络 MobileNeXt sandglass 协调注意力机制 INCEPTION GHOST
在线阅读 下载PDF
基于改进YOLOv8的SAR图像船舰小目标检测算法
9
作者 张上 张潇棒 +1 位作者 冉秀康 王恒涛 《现代雷达》 2025年第9期49-57,共9页
船舰作为海上战斗的主导力量之一,已成为军事作战的重要检测目标。针对复杂海洋大场景下合成孔径雷达(SAR)图像船舰小尺度目标识别能力低下的问题,提出一种基于改进YOLOv8的SAR图像船舰小目标检测算法。首先,将网络卷积模块Conv替换成... 船舰作为海上战斗的主导力量之一,已成为军事作战的重要检测目标。针对复杂海洋大场景下合成孔径雷达(SAR)图像船舰小尺度目标识别能力低下的问题,提出一种基于改进YOLOv8的SAR图像船舰小目标检测算法。首先,将网络卷积模块Conv替换成空间深度非步进卷积,保留判别特征信息,从而提高小目标检测精度;然后,以协调注意力机制为基础,设计出并行协调注意力机制,加强空间中的相互作用,在背景复杂的SAR图像中对特征信息进行针对性提取并运算;最后,将中心点对角线距离度量和端点距离度量分别融入到SIoU距离损失函数和形状损失函数中,重新定义损失函数DSIoU,以提高网络的收敛速度和检测精度。在高分辨率SAR图像数据集上进行了大量实验,结果表明,相较于YOLOv8算法,改进后算法精度提高了2.9%,参数量降低了10.6%,帧率提升了13.3%,能够满足船舰目标实时监测的需求。 展开更多
关键词 合成孔径雷达图像 小目标检测 改进YOLOv8 损失函数 并行协调注意力机制
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部