检索结果-维普期刊中文期刊服务平台

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：2: 1; 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... 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: 2; 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... 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

基于注意力机制轻量化模型的植物病害识别方法被引量：1: 3; 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... 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

基于注意力残差U-Net的皮肤镜图像分割方法被引量：2: 4; 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... 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

基于改进YOLOv8的工厂行人检测算法被引量：1: 5; 作者陈思涵刘勇何祥《现代电子技术》北大核心 2024年第24期160-166,共7页; 针对工厂中行人检测算法精度不足,存在误检、漏检等问题,提出一种基于改进YOLOv8的工厂行人检测算法。首先,在YOLOv8的C2f模块中引入卷积块注意力机制模块(CBAM),以帮助主干网络聚焦于关键特征并抑制非关键特征,从而提升模型对遮挡物和... 展开更多; 关键词行人检测 YOLOv8算法深度学习卷积块注意力机制模块(CBAM) CoordConv Inner-IoU损失函数; 在线阅读下载PDF 职称材料

基于小样本学习的马铃薯叶片病害检测被引量：6: 6; 作者邢鹏康李久朋《江苏农业科学》北大核心 2023年第15期203-210,共8页; 马铃薯叶片的病害将直接导致马铃薯产量和质量的下降,为实现马铃薯叶片病害的精确检测并及时预防病变,提出了一种基于小样本学习的马铃薯叶片病害检测算法。首先,利用一组共享权重的特征提取器将输入图片映射到深度特征空间;然后,提出... 展开更多; 关键词马铃薯叶片病害检测卷积块注意力机制小样本学习任务感知注意力; 在线阅读下载PDF 职称材料

基于改进Faster R-CNN的纸病检测算法被引量：9: 7; 作者汤伟王锦韫张龙《包装工程》 CAS 北大核心 2023年第21期260-266,共7页; 目的达到纸病检测中能够充分提取纸病特征、提高检测精度、降低小目标漏检率的目标。方法基于Faster R-CNN的检测算法进行改进,主要改进的做法是利用深度残差网络ResNet-50替换原模型的骨干特征提取网络VGG16,以保留更多的纸病特征信息... 展开更多; 关键词纸病检测 Faster R-CNN ResNet-50 卷积块双重注意力机制 ROI-Align; 在线阅读下载PDF 职称材料

题名基于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：2: 1; 作者鲍克勤谈浩冬; 机构上海电力大学自动化工程学院; 出处《水电能源科学》北大核心 2024年第10期190-195,共6页; 基金上海市电站自动化技术重点实验室项目(13DZ2273800)。; 文摘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。; 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; Keywords transformer fault diagnosis data enhancement efficient convolutional block attention mechanism pelican optimization algorithm; 分类号 TM411 [电气工程—电器]; 在线阅读下载PDF 职称材料

题名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: 2; 作者张伟常本强杨旭杨雪张添龙; 机构中国民航大学交通科学与工程学院中国民航大学安全科学与工程学院; 出处《安全与环境学报》北大核心 2025年第7期2633-2642,共10页; 基金中央高校基本科研业务费中国民航大学专项(3122020048)。; 文摘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。; 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; Keywords safety engineering drone detection acoustic detection convolutional block attention module Bayesian optimization; 分类号 X949 [环境科学与工程—安全科学]; 在线阅读下载PDF 职称材料

题名基于注意力机制轻量化模型的植物病害识别方法被引量：1: 3; 作者苏航陈旭昊寿德荣张朝阳许彪孙丙宇; 机构重庆三峡学院机械工程学院中国科学院合肥物质科学研究院智能机械研究所中国工程物理研究院; 出处《江苏农业学报》 CSCD 北大核心 2024年第8期1389-1399,共11页; 基金国家自然科学基金项目(61773360) 2019年重庆市人工智能+智慧农业学科群开放基金项目(ZNNYKFA201901)。; 文摘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。; 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; Keywords model pruning convolutional block attention module(CBAM)attention mechanism inverted residual block convolution kernel structure(IRBCKS)module plant diseases lightweight networks; 分类号 S608 [农业科学—园艺学]; 在线阅读下载PDF 职称材料

题名基于注意力残差U-Net的皮肤镜图像分割方法被引量：2: 4; 作者沈鑫魏利胜; 机构安徽工程大学电气工程学院安徽工程大学安徽省电气传动与控制重点实验室; 出处《智能系统学报》 CSCD 北大核心 2023年第4期699-707,共9页; 基金安徽省教育厅重大项目(KJ2020ZD39) 安徽省检测技术与节能装置重点实验室开放基金项目(DTESD-2020A02)。; 文摘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。; 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; Keywords image segmentation dermoscopic convolutional neural network attention residual block-UNet(ARBUNet) attention mechanism convolutional block attention module(CBAM) deep learning residual network; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于改进YOLOv8的工厂行人检测算法被引量：1: 5; 作者陈思涵刘勇何祥; 机构四川轻化工大学自动化与信息工程学院人工智能四川省重点实验室; 出处《现代电子技术》北大核心 2024年第24期160-166,共7页; 基金四川省科技计划项目(22ZFSHFZ0001)。; 文摘针对工厂中行人检测算法精度不足,存在误检、漏检等问题,提出一种基于改进YOLOv8的工厂行人检测算法。首先,在YOLOv8的C2f模块中引入卷积块注意力机制模块(CBAM),以帮助主干网络聚焦于关键特征并抑制非关键特征,从而提升模型对遮挡物和小目标的检测准确度;其次,在Neck网络中将卷积神经网络Conv模块替换成CoordConv模块,以充分利用该模块的定位能力,从而解决目标检测中的定位准确性问题,提升模型对空间位置的感知能力;最后,采用Inner-IoU损失函数替代原始的CIoU损失函数,来提高目标检测边界框的回归精度。在自制的工厂行人图像数据集(3 600张图像)上进行了训练和测试,实验结果表明:相较于基础YOLOv8算法,改进YOLOv8算法在平均精度均值(mAP)和每秒帧率(FPS)方面分别提高了2.26%和35.6 f/s,验证了改进算法在检测性能上的提升。; 关键词行人检测 YOLOv8算法深度学习卷积块注意力机制模块(CBAM) CoordConv Inner-IoU损失函数; Keywords pedestrian detection YOLOv8 algorithm deep learning convolutional block attention mechanism module CoordConv Inner-IoU loss function; 分类号 TN911.73-34 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于小样本学习的马铃薯叶片病害检测被引量：6: 6; 作者邢鹏康李久朋; 机构河南省工业物联网应用工程技术研究中心河南工业职业技术学院电子信息工程学院中山大学电子与信息工程学院; 出处《江苏农业科学》北大核心 2023年第15期203-210,共8页; 基金河南省科技攻关重点资助项目(编号:212102310086) 河南工业职业技术学院青年骨干教师培养计划(编号:2020033004)。; 文摘马铃薯叶片的病害将直接导致马铃薯产量和质量的下降,为实现马铃薯叶片病害的精确检测并及时预防病变,提出了一种基于小样本学习的马铃薯叶片病害检测算法。首先,利用一组共享权重的特征提取器将输入图片映射到深度特征空间;然后,提出一种任务感知注意力模块用于融合小样本学习网络中的双分支输入特征,强化目标任务的特定表达能力;最后,引入一种动态卷积模块提高卷积核的建模能力,并将卷积块注意力机制(CBAM)嵌入到该卷积网络中,构造特征强化学习模块,细粒度地捕获病害区域的细节特征。通过在开源马铃薯叶片病害检测数据集上进行测试,所提出模型分别实现了93.92%的准确率、93.81%的精准率、93.85%的召回率和93.63%的F1值;此外,在自建数据集上与当前经典马铃薯叶片病害检测模型相比,同样具有较好的竞争力。; 关键词马铃薯叶片病害检测卷积块注意力机制小样本学习任务感知注意力; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于改进Faster R-CNN的纸病检测算法被引量：9: 7; 作者汤伟王锦韫张龙; 机构陕西科技大学电气与控制工程学院; 出处《包装工程》 CAS 北大核心 2023年第21期260-266,共7页; 基金陕西省技术创新引导专项(2020CGHJ-007) 陕西省教育厅自然专项(17JK0645) 西安市科技计划项目(2020KJRC0146)。; 文摘目的达到纸病检测中能够充分提取纸病特征、提高检测精度、降低小目标漏检率的目标。方法基于Faster R-CNN的检测算法进行改进,主要改进的做法是利用深度残差网络ResNet-50替换原模型的骨干特征提取网络VGG16,以保留更多的纸病特征信息,增强特征网络对纸张缺陷的提取能力;在算法中添加空间和通道的双重注意力机制CBAM,用来提高纸病检测精度;将ROI-Pooling替换为ROI-Align,增强网络的泛化能力。结果实验结果表明,改进后的算法平均精度达到98%,较原算法平均精度提升了9%。结论改进后的算法能够充分提取纸病特征信息,有效提高了纸病的检测精度,以及提高了小目标纸病的检测率,降低了错漏检率。; 关键词纸病检测 Faster R-CNN ResNet-50 卷积块双重注意力机制 ROI-Align; Keywords paper defect detection Faster R-CNN ResNet-50 Convolution at Block Attention Module ROI-Align; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	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	鲍克勤谈浩冬	《水电能源科学》北大核心	2024	2	在线阅读下载PDF 职称材料
2	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	张伟常本强杨旭杨雪张添龙	《安全与环境学报》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于注意力机制轻量化模型的植物病害识别方法	苏航陈旭昊寿德荣张朝阳许彪孙丙宇	《江苏农业学报》 CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
4	基于注意力残差U-Net的皮肤镜图像分割方法	沈鑫魏利胜	《智能系统学报》 CSCD 北大核心	2023	2	在线阅读下载PDF 职称材料
5	基于改进YOLOv8的工厂行人检测算法	陈思涵刘勇何祥	《现代电子技术》北大核心	2024	1	在线阅读下载PDF 职称材料
6	基于小样本学习的马铃薯叶片病害检测	邢鹏康李久朋	《江苏农业科学》北大核心	2023	6	在线阅读下载PDF 职称材料
7	基于改进Faster R-CNN的纸病检测算法	汤伟王锦韫张龙	《包装工程》 CAS 北大核心	2023	9	在线阅读下载PDF 职称材料