集加权K近邻与卷积块注意力的三维点云语义分割

1

作者 肖剑 王晓红 +3 位作者 周润民 李炜 杨祎斐 罗季 《激光杂志》 北大核心 2025年第2期225-231,共7页

基于深度学习的点云语义分割模型在改进模型时多采用复杂度高的注意力机制,而且在提取局部深度语义特征和近邻点特征表达中存在不足。因此,提出集加权K近邻与卷积块注意力的点云语义分割模型。在动态图卷积网络架构上,设计加权K近邻算... 基于深度学习的点云语义分割模型在改进模型时多采用复杂度高的注意力机制,而且在提取局部深度语义特征和近邻点特征表达中存在不足。因此,提出集加权K近邻与卷积块注意力的点云语义分割模型。在动态图卷积网络架构上,设计加权K近邻算法以获取更有效的局部邻域;再引入通卷积块注意力处理局部邻域中特征;在卷积块注意力中,通道注意力用于加强点云通道关联,空间注意力用于感知三维空间结构并获取上下文信息及深度语义特征。实验结果表明,该模型在ShapeNet Part部件分割数据集和S3DIS室内语义分割数据集分别达到85.86%和61.2%的平均交并比,相比其他方法具有较高的分割精度。 展开更多

关键词 语义分割 三维点云 动态图卷积网络 K近邻 卷积块注意力

在线阅读 下载PDF 职称材料

基于WGAN-GP和高效卷积块注意力机制IPOA-ICNN的变压器故障诊断 被引量：1

2

作者 鲍克勤 谈浩冬 《水电能源科学》 北大核心 2024年第10期190-195,共6页

针对目前变压器故障诊断采集到的故障样本存在数据不平衡、特征信息提取不足的问题,提出了一种基于数据增强型和高效卷积块注意力机制(ECBAM)优化一维改进卷积神经网络(1D-ICNN)的变压器故障诊断方法。首先,建立一个基于Wasserstein梯... 针对目前变压器故障诊断采集到的故障样本存在数据不平衡、特征信息提取不足的问题,提出了一种基于数据增强型和高效卷积块注意力机制(ECBAM)优化一维改进卷积神经网络(1D-ICNN)的变压器故障诊断方法。首先,建立一个基于Wasserstein梯度惩罚生成对抗网络(WGAN-GP),对不平衡的变压器数据样本进行训练以生成合成样本,用于数据增强,并采用方差分析法选取关联性强的气体特征参量;其次,使用残差和高效卷积块注意力机制模块对重构的平衡样本进行更为细节的特征提取,以实现故障诊断网络的分类;最后,利用改进的鹈鹕优化算法(IPOA)对ICNN参数进行寻优。算例对比分析表明,所提算法的故障诊断性能具备更高的精确度和稳定性,验证了所提模型故障诊断分类性能的有效性。 展开更多

关键词 变压器故障诊断 数据增强 高效卷积块注意力机制 鹈鹕优化算法

在线阅读 下载PDF 职称材料

融合注意力机制与贝叶斯优化卷积网络的机场无人机检测

3

作者 张伟 常本强 +2 位作者 杨旭 杨雪 张添龙 《安全与环境学报》 北大核心 2025年第7期2633-2642,共10页

声学探测技术可用于机场“黑飞”无人机监测,但易受复杂环境中的噪声影响。为解决这一问题,提出了一种融合卷积块注意力机制及贝叶斯优化卷积神经网络(Convolutional Block Attention Module-Bayesian Optimization-Convolutional Neura... 声学探测技术可用于机场“黑飞”无人机监测,但易受复杂环境中的噪声影响。为解决这一问题,提出了一种融合卷积块注意力机制及贝叶斯优化卷积神经网络(Convolutional Block Attention Module-Bayesian Optimization-Convolutional Neural Network, CBAM-BO-CNN)的机场无人机声学信号检测模型。该模型通过引入CBAM模块,对输入的数据从通道和空间两个独立的维度依次提取特征以增强网络对无人机梅尔频谱图的特征提取能力,并采用贝叶斯优化算法搜寻网络模型的最优超参数组合。经数据集验证,该模型实现了98.8%的识别准确率,且在低信噪比条件下仍能保持高于94%的准确率。后通过自主搭建简易的16阵元麦克风阵列,采集了60个不同方位的无人机音频数据用以验证模型的实用性。试验结果表明,应用CBAM-BO-CNN检测模型的声学监测设备在100 m范围内对无人机信号的识别准确率达94%。所提出的无人机声学信号检测模型可应对机场日益严重的无人机入侵问题,为机场安全运营提供强有力的技术支持。 展开更多

关键词 安全工程 无人机检测 声学探测 卷积块注意力机制 贝叶斯优化

在线阅读 下载PDF 职称材料

融合注意力机制和卷积神经网络的电网暂态电压稳定评估及可解释性分析 被引量：2

4

作者 张哲 秦博宇 +2 位作者 高鑫 丁涛 张逸兴 《电网技术》 EI CSCD 北大核心 2024年第11期4648-4657,I0057,I0056,共12页

提升复杂多变运行场景下电网稳定评估的时效性和准确性,提出一种融合注意力机制和卷积神经网络(convolutional neural network,CNN)的暂态电压稳定评估及可解释性分析方法。首先,采用卷积块注意力模块(convolutional block attention mo... 提升复杂多变运行场景下电网稳定评估的时效性和准确性,提出一种融合注意力机制和卷积神经网络(convolutional neural network,CNN)的暂态电压稳定评估及可解释性分析方法。首先,采用卷积块注意力模块(convolutional block attention module,CB AM)提升传统CNN的特征捕获能力,考虑模型特性和网络结构设计CBAMCNN组合模块。其次,建立基于CBAM-CNN的电网暂态电压稳定评估模型,揭示运行工况多变场景下系统关键电气量和稳定状态之间的映射关系。最后,基于沙普利值加性解释(Shapley additive explanations,SHAP)理论提出数据驱动模型评估结果的可解释性分析框架,提炼影响样本稳定状态的主导特征,评估各输入特征量对模型输出结果的贡献程度。在典型受端电网仿真系统中验证了所提稳定评估方法的准确性和可解释性分析方法的有效性。 展开更多

关键词 卷积块注意力模块-卷积神经网络 暂态电压稳定评估 沙普利值加性解释理论 可解释性分析

在线阅读 下载PDF 职称材料

基于注意力机制的U-Net叶片缺陷图像分割 被引量：3

5

作者 祁雷 李宁 +2 位作者 梁伟 王峥 刘子梁 《中国安全科学学报》 CAS CSCD 北大核心 2024年第5期139-146,共8页

为解决风力发电机叶片表面缺陷检测存在分类困难和微小缺陷分割模糊的难题,构建一种基于扩张卷积和卷积注意力模块的改进U-Net语义分割网络。该网络基于网络模型的编码-解码结构,使用可迁移的VGG16的特征提取层代替U-Net网络的编码部分... 为解决风力发电机叶片表面缺陷检测存在分类困难和微小缺陷分割模糊的难题,构建一种基于扩张卷积和卷积注意力模块的改进U-Net语义分割网络。该网络基于网络模型的编码-解码结构,使用可迁移的VGG16的特征提取层代替U-Net网络的编码部分,在编码-解码之间的跳跃模块加入卷积注意力模块。通过对微小缺陷信息选取加强全局权重,使用扩张卷积增强网络特征,采用VGG16预训练模型实现迁移学习。开展Focal与Dice结合的混合损失函数验证,对比分析DeeplabV3+、PSPnet、HRNet、U-Net这4种模型。结果表明:对于叶片缺陷数据集,改进的U-Net网络模型对叶片缺陷的分类和分割任务具有更高的精度,均交并比、均像素精度和召回率等指标值分别为83.60%、92.84%和88.50%。改进U-Net网络的均交并比值比DeeplabV3+模型高13.98%,比标准U-Net模型高9.38%,能够提高叶片缺陷检测的灵敏度,有效降低检测结果的误报警率,有助于准确检测风机叶片缺陷。 展开更多

关键词 注意力机制 U-Net网络 风机叶片缺陷 图像分割 语义分割 迁移学习 卷积块注意力模块(CBAM)

在线阅读 下载PDF 职称材料

多尺度特征融合注意力新冠肺炎病灶分割网络 被引量：2

6

作者 林洁沁 黄新 《激光杂志》 CAS 北大核心 2024年第3期168-174,共7页

新冠病毒传染性极强,尽早的诊断和治疗是减少疫情造成损失的关键因素。为辅助医生诊断新冠病情,高效、准确地从肺部CT切片中分割新冠病灶,提出了一种改进的编码器-解码器深度神经网络———多尺度融合注意力网络MSANet(Multi-scale Atte... 新冠病毒传染性极强,尽早的诊断和治疗是减少疫情造成损失的关键因素。为辅助医生诊断新冠病情,高效、准确地从肺部CT切片中分割新冠病灶,提出了一种改进的编码器-解码器深度神经网络———多尺度融合注意力网络MSANet(Multi-scale Attention Network),以图像分割效果较为出色的U-Net网络为基础,通过全局池化层和设置空洞卷积的采样率,增大网络感受野,捕获多尺度信息,实现对大目标的有效分割;使用通道注意力与空间注意力,在空间维度上建模,有效提取图像深层特征。测试结果表明,改进后的算法与U-Net网络相比,分割的平均交并比提升了1.46%,类别平均像素准确率提升了0.8%,准确率提升了1.17%。 展开更多

关键词 图像处理 特征提取 卷积块注意力模块 空洞空间卷积池化金字塔 U-Net结构 多尺度特征融合

在线阅读 下载PDF 职称材料

KMeans++与注意力机制融合的苹果叶片病害识别方法

7

作者 黄贻望 王国帅 +1 位作者 毛志 刘声 《江苏农业科学》 北大核心 2024年第20期190-198,共9页

为解决复杂环境下小尺度苹果叶片病害识别精度不高、鲁棒性不强的问题,在YOLO v5s的基础上提出一种新的改进方法。该方法首先在模型训练之前使用KMeans++聚类算法生成更接近真实框的锚框;其次在骨干网络中加入卷积块注意几模块(convolut... 为解决复杂环境下小尺度苹果叶片病害识别精度不高、鲁棒性不强的问题,在YOLO v5s的基础上提出一种新的改进方法。该方法首先在模型训练之前使用KMeans++聚类算法生成更接近真实框的锚框;其次在骨干网络中加入卷积块注意几模块(convolutional block attention module,CBAM),来提升复杂环境下小目标特征的提取能力;再次为了增强颈部网络对不同大小病害多尺度特征的有效识别,选择ConvNeXtBlock模块替换C3(CSP bottleneck with 3 convolutions)模块,并在颈部网络中融入坐标注意力模块(coordinate attention,CA),来加强模型对关键空间位置的响应,使得不同尺度的特征都能被更有效地利用;最后使用ECIoU损失函数替换原始的CIoU损失函数,来提高模型的收敛速度和精度。与Faster R-CNN、SSD、YOLO v5s、YOLO v7、YOLO v8目标检测模型相比,改进后模型的平均精度均值(mean average precision,mAP 0.5)值分别提升0.6、4.6、6.3、1.7、1.3百分点,同时在强光照、模糊、暗光的复杂场景下具有较强的鲁棒性。该模型可以为复杂环境下苹果叶片病害的识别提供行之有效的方案。 展开更多

关键词 苹果 叶片病害 病害检测 注意力机制 ConvNeXtBlock 卷积块注意力模块(CBAM) CA

在线阅读 下载PDF 职称材料

基于注意力机制轻量化模型的植物病害识别方法

8

作者 苏航 陈旭昊 +3 位作者 寿德荣 张朝阳 许彪 孙丙宇 《江苏农业学报》 CSCD 北大核心 2024年第8期1389-1399,共11页

针对现有植物病害识别模型存在响应速度慢、参数量多、计算机内存资源消耗大等问题,本研究提出了一种轻量化神经网络模型,该模型由特征提取层、特征增强层和分类器组成。为了减小模型大小并提高网络响应速度,在特征提取层中使用深度可... 针对现有植物病害识别模型存在响应速度慢、参数量多、计算机内存资源消耗大等问题,本研究提出了一种轻量化神经网络模型,该模型由特征提取层、特征增强层和分类器组成。为了减小模型大小并提高网络响应速度,在特征提取层中使用深度可分离卷积进行特征提取。为了防止网络传播过程中的梯度消失并增强病害像素特征融合,在特征提取层中引入了大卷积核倒置残差结构(IRBCKS)模块。此外,在特征增强层集成了轻量级卷积块注意力模块(CBAM)注意力机制,以捕捉植物病害相关图像中像素之间的关系,增强关键信息的提取。最后,采用剪枝技术剔除模型中冗余特征信息,从而再次减少模型参数量,形成最终的轻量级网络模型Cut-MobileNet。为验证该模型的先进性,将其与轻量化模型(MobileNet V2、SqueezeNet、GoogLeNet)和非轻量化模型(Vision Transformer、AlexNet)进行性能对比,研究结果表明,Cut-MobileNet在浮点运算量、准确率、单张图片推理时间、参数量、F1值和模型大小等性能指标上都取得了较优的效果。 展开更多

关键词 模型剪枝 卷积块注意力模块(CBAM)注意力机制 大卷积核倒置残差结构(IRBCKS)模块 植物病害 轻量化网络

在线阅读 下载PDF 职称材料

注意力机制与复合卷积在手写识别中的应用 被引量：10

9

作者 卓天天 桑庆兵 《计算机科学与探索》 CSCD 北大核心 2022年第4期888-897,共10页

将图片切分成单“字”识别再连接成“串”是脱机手写图像识别的一种方法,但由于手写字符间易存在粘连,切分方法不易实现。卷积循环神经网络(CRNN)虽解决了整张文本图片输入,标签却不易对齐的问题,但由于不同人脱机手写风格的严重差异,... 将图片切分成单“字”识别再连接成“串”是脱机手写图像识别的一种方法,但由于手写字符间易存在粘连,切分方法不易实现。卷积循环神经网络(CRNN)虽解决了整张文本图片输入,标签却不易对齐的问题,但由于不同人脱机手写风格的严重差异,网络提取出的特征表示力不够。对此提出了加强型卷积块注意力模块和复合卷积,并将其加入处理脱机文本识别的CRNN+CTC主流框架中。加强型卷积块注意力模块增大输入特征图的贡献权重且并联地使用通道注意力、空间注意力,丰富了细化特征图语义信息的同时避免了通道注意力模块对空间注意力模块的权重干扰,使得网络更聚焦图片中的有用特征而非无用的拖拽字迹特征。而嵌入在网络深层的复合卷积采用的多卷积核卷积意味着不同尺度的特征融合,增强了网络的泛化性。基于加强型卷积块注意力模块和复合卷积的CRNN+CTC框架在具有语义信息的IAM数据集上准确率达到85.7748%,字符错误率为8.6%;在RIMES数据集上准确率达到92.8728%,字符错误率为3.9%,比起当前主流的脱机文本识别算法,性能进一步提升。 展开更多

关键词 脱机英文手写单词识别 加强型卷积块注意力模块 复合卷积 卷积循环神经网络(CRNN)

在线阅读 下载PDF 职称材料

基于多注意力机制与跨特征融合的语义分割算法

10

作者 闵莉 董冰洁 安冬 《计算机工程》 CAS CSCD 北大核心 2024年第8期282-289,共8页

图像语义分割技术在缺陷检测、医疗诊断、无人驾驶等领域广泛应用。针对现有语义分割模型普遍存在训练成本过高、目标轮廓分割效果不佳以及对小目标误分割、漏分割等问题,基于DeepLabv3+网络框架,提出多注意力机制与跨特征融合相结合的... 图像语义分割技术在缺陷检测、医疗诊断、无人驾驶等领域广泛应用。针对现有语义分割模型普遍存在训练成本过高、目标轮廓分割效果不佳以及对小目标误分割、漏分割等问题,基于DeepLabv3+网络框架,提出多注意力机制与跨特征融合相结合的图像语义分割算法。该算法选取轻量级网络MobileNetv2作为主干,以缩短训练时间;通过优化空洞空间金字塔池化模块中空洞卷积的膨胀率,改善多尺度语义特征的提取效果,提高模型对小目标的分割能力,并将兼具通道与空间的卷积块注意力机制引入其中,更加关注对分割起决定作用的区域,从而加强对目标边界的提取;在编码器中设计跨特征融合模块,以聚合不同层次特征图的空间信息和语义信息,提高网络学习特征的能力;在编码和解码部分均引入坐标注意力机制,以分解全局平均池化的方式将位置信息嵌入到通道中,从而得到分割目标的准确位置。实验结果表明,所提算法F3crc-DeepLabv3+在PASCAL VOC 2012增强数据集和Cityspaces数据集上的平均交并比分别达到了75.06%和73.06%,平均精度分别达到了84.16%和82.05%,精确率分别达到了86.18%和85.43%,训练时间分别为10 h和13.8 h,具有较优的网络性能。 展开更多

关键词 语义分割 DeepLabv3+网络 MobileNetv2网络 坐标注意力 卷积块注意力模块 跨特征融合

在线阅读 下载PDF 职称材料

基于混合注意力机制的动态人脸表情识别 被引量：4

11

作者 刘希未 宫晓燕 +4 位作者 赵红霞 边思宇 邵帅 戴亚平 代文鑫 《计算机应用》 CSCD 北大核心 2023年第S01期1-7,共7页

针对自然环境中存在人脸遮挡、姿势变化等复杂因素,以及卷积神经网络(CNN)中的卷积滤波器由于空间局部性无法学习大多数神经层中不同面部区域之间的长程归纳偏差的问题,提出一种用于动态人脸表情识别(DFER)的混合注意力机制模型(HA-Mode... 针对自然环境中存在人脸遮挡、姿势变化等复杂因素,以及卷积神经网络(CNN)中的卷积滤波器由于空间局部性无法学习大多数神经层中不同面部区域之间的长程归纳偏差的问题,提出一种用于动态人脸表情识别(DFER)的混合注意力机制模型(HA-Model),以提升DFER的鲁棒性和准确性。HA-Model由空间特征提取和时序特征处理两部分组成:空间特征提取部分通过两种注意力机制——Transformer和包含卷积块注意力模块(CBAM)的网格注意力模块,引导网络从空间角度学习含有遮挡、姿势变化的鲁棒面部特征并关注人脸局部显著特征;时序特征处理部分通过Transformer引导网络学习高层语义特征的时序联系,用于学习人脸表情特征的全局表示。实验结果表明,HA-Model在DFEW和AFEW基准上的准确率分别达到了67.27%和50.41%,验证了HA-Model可以有效提取人脸特征并提升动态人脸表情识别的精度。 展开更多

关键词 动态人脸表情识别 深度学习 卷积神经网络 注意力机制 TRANSFORMER 卷积块注意力模块

在线阅读 下载PDF 职称材料

改进注意力机制的电梯场景下危险品检测方法 被引量：6

12

作者 郭奕裕 周箩鱼 +1 位作者 刘新瑜 李尧 《计算机应用》 CSCD 北大核心 2023年第7期2295-2302,共8页

针对电动自行车和煤气罐搭乘电梯引起的火灾隐患,提出一种改进注意力机制的电梯场景下危险品检测方法。以YOLOX-s为基线模型,首先在加强特征提取网络中引入深度可分离卷积替换标准卷积,提升模型的推理速度。然后提出一种基于混合域的高... 针对电动自行车和煤气罐搭乘电梯引起的火灾隐患,提出一种改进注意力机制的电梯场景下危险品检测方法。以YOLOX-s为基线模型,首先在加强特征提取网络中引入深度可分离卷积替换标准卷积,提升模型的推理速度。然后提出一种基于混合域的高效卷积块注意力模块(ECBAM)并嵌入主干特征提取网络中。在ECBAM模块的通道注意力部分,使用一维卷积替换两个全连接层,既降低了卷积块注意力模块(CBAM)的复杂度又提高了检测精度。最后提出一种多帧协同算法,通过结合多张图片的危险品检测结果以减少危险品入侵电梯的误报警。实验结果表明:改进后模型比YOLOX-s的平均精度均值(mAP)提升了1.05个百分点,浮点计算量降低了34.1%,模型体积减小了42.8%。可见改进后模型降低了实际应用中的误报警,且满足电梯场景下危险品检测的精度和速度要求。 展开更多

关键词 危险品检测 电梯 YOLOX-s 深度可分离卷积 高效卷积块注意力模块 一维卷积 多帧协同算法

在线阅读 下载PDF 职称材料

混合注意力机制的异常行为识别 被引量：5

13

作者 孙晓虎 余阿祥 +1 位作者 申栩林 李洪均 《计算机工程与应用》 CSCD 北大核心 2023年第5期140-147,共8页

随着人工智能的快速发展,基于计算机视觉的人体异常行为识别受到极大的关注,并被广泛应用到智能安防等领域。针对人们在加油站等重要场所抽烟以及司机驾驶途中打电话等违规行为,提出一种混合注意力机制的异常行为识别方法。利用引入的... 随着人工智能的快速发展,基于计算机视觉的人体异常行为识别受到极大的关注,并被广泛应用到智能安防等领域。针对人们在加油站等重要场所抽烟以及司机驾驶途中打电话等违规行为,提出一种混合注意力机制的异常行为识别方法。利用引入的卷积块注意力模块重点关注输入对象的显著性特征,并对输入信息进行精细化的分配和处理,在突出重要信息的同时弱化无关信息。为提升网络模型的特征挖掘能力及增强网络的信息交互性,利用提出的卷积特征提取模块进一步提取识别对象的高层语义特征,并将其与低层细节特征进行融合以达到多尺度特征交互的目的。此外,为了减少网络训练过程中错误标签造成的损失,采用标签平滑对交叉熵损失函数进行修正以此来驱动模型的学习过程。实验结果表明,所提出的模型优于当前的主流网络,可有效检测出异常行为。 展开更多

关键词 异常行为检测 注意力机制 卷积块注意力模块 卷积特征提取模块 标签平滑

在线阅读 下载PDF 职称材料

基于注意力残差U-Net的皮肤镜图像分割方法 被引量：2

14

作者 沈鑫 魏利胜 《智能系统学报》 CSCD 北大核心 2023年第4期699-707,共9页

针对皮肤镜图像类内差异性、类间相似性、数据集不平衡等问题,本文提出了一种基于注意力残差U-Net(attention residual block-UNet,ARB-UNet)的皮肤镜图像分割方法。将卷积块注意力机制模块(convolutional block attention module,CBAM... 针对皮肤镜图像类内差异性、类间相似性、数据集不平衡等问题,本文提出了一种基于注意力残差U-Net(attention residual block-UNet,ARB-UNet)的皮肤镜图像分割方法。将卷积块注意力机制模块(convolutional block attention module,CBAM)引入到U-Net模型的“跳过连接”中;同时将CBAM模块集成到残差模块DRB(dilated residual networks)中得到注意力残差结构(attention residual block,ARB);且选取Focal Tversky Loss作为该模型的损失函数;在ISIC2016数据集上对所提ARB-UNet模型进行训练和测试,并与传统方法和UNet等经典方法进行了对比实验,实验结果中灵敏度(sensitivity,SE)达到了92.9%,特异性(specificity,SP)达到了94.1%,Dice相似指数(dice similarity cofficient,DSC)达到了92.1%,整体上均优于其他对比方法,从而验证了本文方法是有效的和可行的。 展开更多

关键词 图像分割 皮肤镜 卷积神经网络 注意力残差U-Net 注意力机制 卷积块注意力机制模块 深度学习 残差网络

在线阅读 下载PDF 职称材料

基于注意力融合的遥感滑坡目标识别 被引量：2

15

作者 王煜 张鹏 +2 位作者 孙恺悦 孙学宏 刘丽萍 《液晶与显示》 CAS CSCD 北大核心 2022年第11期1498-1506,共9页

针对传统卷积神经网络遥感滑坡识别方法中存在的模型参数量多、重点区域关注不足、难以捕获长期(全局)依赖关系的问题,提出一种融合改进自注意力和卷积块注意力的遥感滑坡目标识别算法。该算法基于编码器-解码器目标识别框架,为了增强... 针对传统卷积神经网络遥感滑坡识别方法中存在的模型参数量多、重点区域关注不足、难以捕获长期(全局)依赖关系的问题,提出一种融合改进自注意力和卷积块注意力的遥感滑坡目标识别算法。该算法基于编码器-解码器目标识别框架,为了增强模型对滑坡区域局部特征关注程度,将卷积块注意力机制应用于浅层特征提取,从空间与通道两个维度获取滑坡目标特征关联信息。将改进自注意力机制应用于深层特征提取,使模型能够捕获特征图内和特征图间的全局特征信息,实现滑坡目标与背景区域的有效区分。实验结果表明,该方法的滑坡识别精度为96.81%,像素分割准确率均值达到90.11%。通过与FCN、DeeplabV3+等算法进行对比,该方法在保持模型轻量级的同时,有效提升了滑坡识别的准确率。 展开更多

关键词 图像识别 遥感图像 滑坡识别 自注意力 卷积块注意力

在线阅读 下载PDF 职称材料

融合CBAM的违法犯罪类安卓恶意软件检测与分类模型研究 被引量：1

16

作者 刘红玉 高见 《计算机工程与应用》 北大核心 2025年第6期317-327,共11页

针对公安工作领域移动终端APP违法犯罪日益频发的情况,为解决Android恶意违法犯罪软件检测领域中相关数据集数量少、分类不清晰,识别Android恶违法软件可行性方法匮乏等情况,提出了一种基于安卓违法犯罪APP数据集,融合CBAM注意力机制的... 针对公安工作领域移动终端APP违法犯罪日益频发的情况,为解决Android恶意违法犯罪软件检测领域中相关数据集数量少、分类不清晰,识别Android恶违法软件可行性方法匮乏等情况,提出了一种基于安卓违法犯罪APP数据集,融合CBAM注意力机制的深度学习模型。收集6181个违法犯罪类APP并整理划分为4个家族;对违法APP软件进行灰度图、RGB以及RGBA三种图像可视化处理;利用融合CBAM注意力机制的深度模型进行家族检测分类。在违法犯罪APP数据集上的实验表明,融合CBAM机制的Resnet18模型在RGBA图像上与未引入该机制的灰度图图像相比,准确度提升了4.04%,达到93.52%。融合CBAM机制的模型在公开Drebin数据集上进行了验证,引入CBAM深度学习模型VGG16在RGBA图像上取得了96.35%的准确率。 展开更多

关键词 违法犯罪 安卓恶意软件 RGBA图像 可视化处理 卷积块注意力模块(CBAM) 深度学习

在线阅读 下载PDF 职称材料

考虑新能源的暂态功角与电压稳定一体化评估 被引量：1

17

作者 步雨洛 吴俊勇 +1 位作者 史法顺 季佳伸 《中国电力》 北大核心 2025年第6期122-136,共15页

暂态功角失稳与暂态电压失稳大多共同发生且相互影响,增加了稳定评估与紧急控制的难度。为实现稳定评估对紧急控制的全面指导性,提出了失稳模式识别方法。该方法以故障极限切除时间描述故障严重程度,通过功角失稳与电压失稳发生的先后... 暂态功角失稳与暂态电压失稳大多共同发生且相互影响,增加了稳定评估与紧急控制的难度。为实现稳定评估对紧急控制的全面指导性,提出了失稳模式识别方法。该方法以故障极限切除时间描述故障严重程度,通过功角失稳与电压失稳发生的先后标志主导性,以二者时间差描述耦合程度,构建了失稳模式识别四象限图。为实现在线的一体化评估,构建了基于融合卷积注意力机制模块(convolutional block attention module,CBAM)的改进卷积神经网络(convolutional neural networks,CNN)模型,提出了基于该模型的两阶段一体化稳定评估方案。最后,以新英格兰10机39节点系统为例进行仿真验证,结果表明该方法兼顾全面性、有效性及准确性;以含新能源的改进后10机39节点系统为例,说明所提方法在含新能源系统的适用性。 展开更多

关键词 暂态功角稳定 暂态电压稳定 卷积块注意力模块 失稳模式 卷积神经网络

在线阅读 下载PDF 职称材料

基于卷积神经网络的Retinex低照度图像增强 被引量：4

18

作者 赵征鹏 李俊钢 普园媛 《计算机科学》 CSCD 北大核心 2022年第6期199-209,共11页

利用传统Retinex模型进行低照度图像分解和增强时,需要人工不断地进行参数调试以达到最优解,这会降低整个过程的效率。此外,现有的基于Retinex理论的低照度图像增强方法在进行图像增强时未能很好地兼顾反射分量和光照分量,会存在低照度... 利用传统Retinex模型进行低照度图像分解和增强时,需要人工不断地进行参数调试以达到最优解,这会降低整个过程的效率。此外,现有的基于Retinex理论的低照度图像增强方法在进行图像增强时未能很好地兼顾反射分量和光照分量,会存在低照度图反射分量噪点多、光照分量亮度低且细节不够突出的问题。基于此,提出了一种数据驱动的深层网络来学习低照度图像的分解和增强,通过端到端的网络训练来进行模型参数的学习。该网络先将低照度图分解为反射分量和光照分量,针对反射分量噪点多的问题,采用改进的去噪卷积神经网络(New Denoising Convolutional Neural Network,NDnCNN)模型进行去噪;针对光照分量亮度低、细节不够突出的问题,引入卷积块注意力模型(Convolutional Block Attention Model,CBAM)进行细节增强并指导网络进行光照分量的修正;最后用去噪后的反射分量和修正后的光照分量进行图像重建。经测试,增强后的低照度图亮度提升,细节突出,信息丰富,图像失真小且真实自然。 展开更多

关键词 低照度图像增强 RETINEX理论 卷积神经网络 改进的DnCNN模型 卷积块注意力模型

在线阅读 下载PDF 职称材料

绿色数字技术赋能电网基建质量检测的实现方法

19

作者 陈然 柯方超 +4 位作者 赵爽 贺兰菲 许琪林 许小薇 张佳恒 《高压电器》 北大核心 2025年第5期111-120,共10页

高质量发展背景下,包含人工智能技术在内的绿色数字技术对于促进电网基建质量检测发展起着重要作用。当前电网基建过程中已能够实现质量检测安全化和智能化。然而,其中难免存在误检、漏检、检测效率不高等问题。为此,文中提出了一种基于... 高质量发展背景下,包含人工智能技术在内的绿色数字技术对于促进电网基建质量检测发展起着重要作用。当前电网基建过程中已能够实现质量检测安全化和智能化。然而,其中难免存在误检、漏检、检测效率不高等问题。为此,文中提出了一种基于CBAM-ASFF-YOLOv4的电网基建质量智能检测方法。首先,该方法在YOLOv4算法的颈部网络结构中引入自适应空间特征融合(adaptively spatial feature fusion,ASFF)改进原有PANet,通过优化特征融合来解决目标尺度多变的问题。其次,通过在各个特征层后添加卷积块注意力模块(convolutional block attention module,CBAM)有效增强了主干网络对电网基建质量检测小目标的特征提取能力。最后,采用动态权值确定方法以减少准确检测结果的损失占比。算例仿真结果表明,文中所提质量智能检测方法的检测平均精度和检测速度分别达到92.81%和41.16 fps,相比SSD、Faster-RCNN以及YOLOv4缩短了检测时间,提高了算法的收敛速度和检测精度,能够在实现隐患图像缺陷自动识别的同时输出相应的告警数据与报告。 展开更多

关键词 电网基建 智能检测 特征融合 卷积块注意力模块 YOLOv4

在线阅读 下载PDF 职称材料

基于改进RetinaNet模型速冻水饺表面缺陷检测

20

作者 费致根 郭兴 +2 位作者 宋晓晓 鲁豪 赵鑫昌 《食品工业科技》 北大核心 2025年第6期9-19,共11页

目的:提升速冻水饺表面缺陷检测的精度。方法:制作了包含五种冻饺形态(正常、露馅、半饺、破肚、粘连)的数据集,提出了用于速冻水饺表面缺陷检测与定位的网络模型GX-RetinaNet。该模型基于RetinaNet网络改进,主干特征提取网络采用ResNeX... 目的:提升速冻水饺表面缺陷检测的精度。方法:制作了包含五种冻饺形态(正常、露馅、半饺、破肚、粘连)的数据集,提出了用于速冻水饺表面缺陷检测与定位的网络模型GX-RetinaNet。该模型基于RetinaNet网络改进,主干特征提取网络采用ResNeXt-50模型,增强网络特征提取能力,引入卷积块注意力模块(Convolutional Block Attention Module,CBAM)与Swish激活函数有效抑制背景噪声,通过在特征金字塔模块(Feature Pyramid Networks,FPN)后增加PAN结构(Path Aggregation Network)组成双向特征融合模块,可以提升对目标多尺度特征信息的融合能力。结果:GX-RetinaNet网络对工业现场条件下速冻水饺表面缺陷的在线检测精度优于主流的几种目标检测网络,其平均精度均值(mAP)为94.8%,召回率(Recall)为77.0%,F1分数(F1-score)为84.9%。与RetinaNet网络相比,mAP、Recall和F1-score分别提高了2.6%、2.6%、2.4%。结论:GX-RetinaNet网络模型可以满足冻饺表面缺陷检测精度的要求,本研究为深度学习理论在速冻水饺表面缺陷检测方面的应用提供了一种可行的方法。 展开更多

关键词 速冻水饺表面缺陷检测 RetinaNet ResNeXt-50 卷积块注意力模块 双向特征融合模块

在线阅读 下载PDF 职称材料