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

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... 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

基于集成改进卷积注意力块的SAR图像目标分类算法 被引量：1

2

作者 孙靖森 李宗豫 +3 位作者 杨森 钟芝怡 艾加秋 史骏 《海军航空大学学报》 2024年第4期445-452,共8页

在合成孔径雷达(Synthetic Aperture Radar,SAR)图像中,目标的轮廓和细节通常比较复杂。传统的卷积神经网络(Convolutional Neural Network,CNN)只使用单一均值参数进行无差别的特征提取,不能很好地区分SAR特征之间的差异。为了解决此问... 在合成孔径雷达(Synthetic Aperture Radar,SAR)图像中,目标的轮廓和细节通常比较复杂。传统的卷积神经网络(Convolutional Neural Network,CNN)只使用单一均值参数进行无差别的特征提取,不能很好地区分SAR特征之间的差异。为了解决此问题,文章提出了1种基于集成改进卷积注意力块(Improved Convolutional Block Attention Module,ICBAM)的SAR图像目标分类算法ICBAM_CNN。首先,该模块通过引入方差参数至传统CBAM模块中,设计了1种改进的CBAM注意力机制,有助于分类识别网络更好地学习SAR图像不同目标卷积层输出与通道注意力之间的差异信息,提升不同SAR目标特征的可分离性;然后,ICBAM设计了1种中心坐标注意力机制,能更好地捕捉SAR图像中目标的中心分布特征,有效抑制杂波对SAR目标分类影像的干扰;最后,为了提高效率,将改进后的ICBAM模块集成到CNN网络中,实现SAR图像目标分类。ICBAM_CNN深度融合了SAR图像目标的多层级特征,提升了SAR目标特征的可分离性,可实现SAR图像目标的高精度、高效率识别分类。通过MSTAR数据集进行实验,结果表明,相比于传统CBAM方法,改进ICBAM方法的精确率提升了2.44%,召回率提升了2.24%,F1-score提升了2.34%。 展开更多

关键词 SAR图像目标分类 改进卷积注意力块 集成Icbam的CNN网络 中心坐标注意力机制 多层级特征融合

在线阅读 下载PDF 职称材料

基于注意力机制和迁移学习的服装分类方法 被引量：1

3

作者 陈金广 黄晓菊 马丽丽 《西安工程大学学报》 CAS 2024年第3期109-116,共8页

针对服装图像分类效率低、准确率不高等问题,提出了一种基于注意力机制和迁移学习的服装图像分类方法。主要采用预训练的ResNet50网络模型在服装数据集上进行迁移学习,以降低对数据集的依赖,并减少网络训练时间;通过几何变换和颜色抖动... 针对服装图像分类效率低、准确率不高等问题,提出了一种基于注意力机制和迁移学习的服装图像分类方法。主要采用预训练的ResNet50网络模型在服装数据集上进行迁移学习,以降低对数据集的依赖,并减少网络训练时间;通过几何变换和颜色抖动2种数据增强手段处理数据集,提高模型的泛化能力;以ResNet50为基础网络,加入卷积注意力机制模块(convolutional block attention module, CBAM),依次从通道和空间2个维度提高对服装不同区域的关注度,增强了特征表达能力。在CD和IDFashion两类背景干扰信息不同的数据集上进行验证,实验结果表明:所提出的模型能够提取更多服装特征信息,在IDFashion数据集的平均分类准确率为95.60%,分别高于ResNet50、ResNet50+STN和ResNet50+ECA模型6.65%、6.69%、6.62%,一定程度上提高了服装图像分类的准确率和效率。 展开更多

关键词 服装图像分类 ResNet50 卷积注意力机制模块(cbam) 注意力机制 迁移学习

在线阅读 下载PDF 职称材料

基于注意力机制和Mogrifier LSTNet的道路交通占有率预测

4

作者 秦喜文 潘星宇 +2 位作者 张斯琪 石红玉 董小刚 《长春工业大学学报》 CAS 2024年第3期199-207,共9页

提出一种改进的LSTNet深度学习框架用于交通占有率数据预测。采用不同大小的卷积核来捕捉时间序列数据中不同时间范围内的模式和趋势,并融合CBAM注意力机制可以在通道维度和空间维度上自适应地调整特征的权重。通过引入Mogrifier机制多... 提出一种改进的LSTNet深度学习框架用于交通占有率数据预测。采用不同大小的卷积核来捕捉时间序列数据中不同时间范围内的模式和趋势,并融合CBAM注意力机制可以在通道维度和空间维度上自适应地调整特征的权重。通过引入Mogrifier机制多次迭代交替更新LSTM的输入门和遗忘门的权重,以更好地捕捉序列数据中的长期依赖关系。而AR模型充分考虑了数据集的自相关性帮助模型更好地理解历史信息。实验结果表明,提出的模型相对绝对值误差为0.3497,明显优于其他模型,能够有效提高交通占有率的准确预测。 展开更多

关键词 LSTNet模型 卷积神经网络 cbam注意力机制 Mogrifier LSTM 交通占有率预测

在线阅读 下载PDF 职称材料

基于注意力机制的卷积神经网络人脸表情识别 被引量：5

5

作者 亢洁 李思禹 《陕西科技大学学报》 CAS 2020年第4期159-165,171,共8页

现有的卷积神经网络规模越来越大,导致参数量过大,结构不够轻量,并且现有的网络难以识别人脸表情的细微变化,不能对人脸表情特征进行精确提取,表情识别性能有待提高.针对以上问题,提出了一种基于注意力机制的卷积神经网络表情识别方法.... 现有的卷积神经网络规模越来越大,导致参数量过大,结构不够轻量,并且现有的网络难以识别人脸表情的细微变化,不能对人脸表情特征进行精确提取,表情识别性能有待提高.针对以上问题,提出了一种基于注意力机制的卷积神经网络表情识别方法.该方法设计了一种新的网络结构,网络在卷积层的基础上增加了残差恒等块,同时引入注意力模块(Spatial Group-wise Enhance module,SGE),有效缓解了网络的过拟合现象,丰富了人脸表情特征学习,并利用全局特征和局部特征的相似性来指导语义特征的空间分布,使每个特征组自主增强人脸表情的特征学习.该网络结构较为轻量,参数量较少.在RAF-DB和CK+数据集上的实验结果表明,该方法有效改善了人脸表情识别的性能. 展开更多

关键词 卷积神经网络 人脸表情识别 注意力机制 残差恒等块

在线阅读 下载PDF 职称材料

引入卷积块注意力模块的YOLOv5网络在地铁车辆一系弹簧断裂检测中的应用 被引量：1

6

作者 江现昌 邹庆春 +1 位作者 李翔泽 王静 《铁道技术监督》 2023年第10期29-33,共5页

作为地铁车辆关键部件的一系弹簧会发生断裂,威胁列车运行安全。由于一系弹簧断裂的位置、形状不同,并且断裂位置常常被遮挡,使得采用目标检测方法检测时,目标面积较小。对于小目标,采用的基于深度学习的目标检测方法检测难以达到好的... 作为地铁车辆关键部件的一系弹簧会发生断裂,威胁列车运行安全。由于一系弹簧断裂的位置、形状不同,并且断裂位置常常被遮挡,使得采用目标检测方法检测时,目标面积较小。对于小目标,采用的基于深度学习的目标检测方法检测难以达到好的效果。针对这一问题,在YOLOv5网络的基础上加以改进,加入更小的初始检测锚框,并且在主干网络加入空间和通道注意力模块。对比试验结果表明,改进后平均准确率提高3%,有效提高了小目标的检测能力。 展开更多

关键词 地铁动车组 转向架 一系弹簧 YOLOv5算法 卷积块注意力模块 注意力机制 目标检测

在线阅读 下载PDF 职称材料

一种注意力机制优化方法及硬件加速设计 被引量：2

7

作者 王莹 王晶 +2 位作者 高岚 吕旭 张伟功 《电子学报》 EI CAS CSCD 北大核心 2023年第4期1021-1029,共9页

针对注意力机制在卷积神经网络的应用过程中无法避免的计算量增大、延迟增加问题,本文提出一种优化后的CBAM(Convolutional Block Attention Module)算法模型,并进行了硬件设计实现.论文基于传统CBAM模型结构,分析算法内部隐藏的潜在问... 针对注意力机制在卷积神经网络的应用过程中无法避免的计算量增大、延迟增加问题,本文提出一种优化后的CBAM(Convolutional Block Attention Module)算法模型,并进行了硬件设计实现.论文基于传统CBAM模型结构,分析算法内部隐藏的潜在问题,设计更加符合注意力重要性参数提取初衷的算法模型;同时,通过计算过程优化,减少数据计算量、对算子进行最大并行组合;利用FPGA(Field Programmable Gate Array)可设计高效灵活并行阵列的优势,为改进后的CBAM算法设计一种硬件加速引擎结构.实验结果表明,与传统CBAM机制相比,改进后的注意力机制可以保持与原有算法模型几乎相同的精度,部署在FPGA的硬件加速计算引擎以180 MHz工作频率进行推理实验,经分析可得,本文提出的设计方案在同等硬件资源条件下,针对注意力机制电路可实现10.2%的计算速度提升,针对VGG16网络模型可实现4.5%的推理速度提升. 展开更多

关键词 注意力机制 cbam 卷积神经网络 FPGA 硬件加速器

在线阅读 下载PDF 职称材料

基于YOLOv5-CBAM模型的划痕智能检测 被引量：1

8

作者 朱哲维 李珂 +3 位作者 匡璐 曹国栋 刘紫权 史旭阳 《无线电工程》 2024年第12期2789-2799,共11页

带钢作为现代钢铁产业的核心产品,划痕检测对于确保产品质量、提升生产效率和降低成本至关重要,广泛应用于汽车制造、金属加工、电子产品生产等领域。然而,划痕形态各异且易受光照、背景和噪声等因素影响,使得检测任务极具挑战性。近年... 带钢作为现代钢铁产业的核心产品,划痕检测对于确保产品质量、提升生产效率和降低成本至关重要,广泛应用于汽车制造、金属加工、电子产品生产等领域。然而,划痕形态各异且易受光照、背景和噪声等因素影响,使得检测任务极具挑战性。近年来,随着空间数据智能技术的不断进步,基于深度学习的目标检测算法(如Faster R-CNN、SSD、YOLO等)在检测任务中表现出色,通过自动学习、特征检测和精准目标定位,在复杂背景下也能准确检测。基于YOLOv5模型进行了算法结构的改进,将空间金字塔池化(Spatial Pyramid Pooling,SPP)模块替换为快速空间金字塔池化(Spatial Pyramid Pooling-Fast,SPPF)模块,引入注意力机制,改进现有的目标检测算法,提升划痕检测的准确性和鲁棒性。结合卷积块注意力机制模块(Convolutional Block Attention Module,CBAM)构建了YOLOv5-CBAM模型。CBAM通过关注通道和空间维度上的信息,使模型更精准地聚焦于划痕区域,提升了检测效果。实验结果显示,YOLOv5-CBAM模型在各类交并比(Intersection over Union,IoU)阈值下相较于YOLOv5,精确率、召回率和mAP@0.5有着较好的表现,分别提升了5.6%、9.1%和5.9%。随着空间数据智能技术的不断进步,未来有望为划痕检测提供更多创新思路和解决方案。 展开更多

关键词 划痕检测 YOLOv5 卷积块注意力机制模块 模型构建与训练

在线阅读 下载PDF 职称材料

基于深度卷积神经网络的低照度图像增强方法

9

作者 徐俊 戎舒畅 +3 位作者 李墨 刘煊 刘昭含 吴镇 《现代信息科技》 2024年第21期50-56,共7页

低照度条件下的图像细节和纹理难以分辨,导致信息丢失严重,传统增强方法需要大量人工调参、效率低且增强后细节不突出。为解决这一问题,提出一种基于卷积神经网络(CNN)的低照度图像增强模型,其通过数据驱动的网络结构自动学习低照度图... 低照度条件下的图像细节和纹理难以分辨,导致信息丢失严重,传统增强方法需要大量人工调参、效率低且增强后细节不突出。为解决这一问题,提出一种基于卷积神经网络(CNN)的低照度图像增强模型,其通过数据驱动的网络结构自动学习低照度图像的分解与增强,并通过端到端训练更新模型参数。模型包括分解网络、光照调整网络和降噪模块,并在分解网络和光照调整网络中加入卷积块注意力模块(CBAM),以更全面地捕获图像中的重要信息。模型首先通过分解网络将图像分解为光照分量和反射分量,然后分别输入光照调整网络和降噪模块进行处理,最后重建得到增强后的图像。实验结果表明,与其他增强算法相比,该方法能更有效地提升低照度图像的对比度和纹理细节,提供更清晰可靠的图像质量。 展开更多

关键词 低照度图像 图像增强 卷积神经网络 cbam注意力机制

在线阅读 下载PDF 职称材料

基于迁移学习和改进EfficientNet-B0的脑肿瘤分类算法

10

作者 王勇 杨义龙 +2 位作者 范晓晖 周雷 孔祥勇 《电子科技》 2025年第4期46-51,共6页

针对现有脑肿瘤分类模型和方法复杂度高以及识别率低等问题,文中提出一种基于改进EfficientNet-B0的模型用于3种脑肿瘤分类。在数据预处理阶段,使用ROI(Region of Interest)特征裁剪出脑肿瘤图像的关键特征区域,并按肿瘤类型扩增数据集... 针对现有脑肿瘤分类模型和方法复杂度高以及识别率低等问题,文中提出一种基于改进EfficientNet-B0的模型用于3种脑肿瘤分类。在数据预处理阶段,使用ROI(Region of Interest)特征裁剪出脑肿瘤图像的关键特征区域,并按肿瘤类型扩增数据集。根据卷积网络设计思想重新设计了EfficientNet中的MBConv(Mobile Inverted Bottleneck Convolution)模块,在首步卷积后引入卷积注意力CBAM(Convolutional Block Attention Module)。为了更完整地进行迁移学习,在不修改原始输出结构的基础上外接3个神经元用于脑肿瘤的三分类。改进网络模型具有更低的复杂度,可更好地适应肿瘤病灶的识别。文中利用迁移学习方法在公开数据集figshare-Brain Tumor Dataset上进行微调。实验结果表明,改进模型在该公共数据集上分类准确率为99.67%,相较于原始EfficientNet-B0网络提升了约3.1百分点。 展开更多

关键词 脑肿瘤分类 深度学习 卷积神经网络 阈值化处理 类平衡 EfficientNet ECA注意力机制 cbam注意力机制

在线阅读 下载PDF 职称材料

基于改进YOLOv10的盒装食品生产线包装缺陷检测方法

11

作者 王静蕾 赵英杰 +1 位作者 李峰 王春雨 《食品与机械》 北大核心 2025年第4期236-241,共6页

[目的]解决传统食品生产中包装缺陷检测方法存在的检测精度低和实时性差等问题。[方法]在分析食品自动化生产线的基础上,应用改进的YOLOv10模型作为盒装食品生产线包装缺陷检测方法。在骨干层和颈部层的C2f模块后引入注意力机制CBAM,以... [目的]解决传统食品生产中包装缺陷检测方法存在的检测精度低和实时性差等问题。[方法]在分析食品自动化生产线的基础上,应用改进的YOLOv10模型作为盒装食品生产线包装缺陷检测方法。在骨干层和颈部层的C2f模块后引入注意力机制CBAM,以增强模型在复杂背景中的特征目标定位能力。在骨干层和颈部层引入全维动态卷积,以减少计算冗余,提高检测精度。在头部层引入P2并去除P5,以提高小目标检测性能。在头部层优化损失函数,以提高模型收敛性能。[结果]试验方法有效提高了盒装食品包装缺陷的检验精度,满足实时性要求,检测准确率>98.00%,检测平均时间<0.02 s。[结论]深入学习与机器视觉相结合可以实现盒装食品包装缺陷的快速准确检测。 展开更多

关键词 食品生产 包装缺陷 YOLOv10模型 注意力机制cbam 全维动态卷积

在线阅读 下载PDF 职称材料

基于CBAM残差块结合纹理采样器的水墨迁移算法

12

作者 刘雪莉 杜洪波 +1 位作者 袁雪丰 朱立军 《电子科技》 2025年第6期65-73,共9页

针对水墨风格迁移算法出现的线条不清晰、纹理杂乱及颜色重建效果差等问题,文中提出了一种新型轻量级水墨风格迁移神经网络IWSGAN(Ink and Wash Style Generative Adversarial Networks)。使用CBAM(Convolutional Block Attention Modu... 针对水墨风格迁移算法出现的线条不清晰、纹理杂乱及颜色重建效果差等问题,文中提出了一种新型轻量级水墨风格迁移神经网络IWSGAN(Ink and Wash Style Generative Adversarial Networks)。使用CBAM(Convolutional Block Attention Module)残差块对特征图进行通道空间注意力计算,提高了算法对有效信息的采取率。结合水墨纹理显著性采样器ITSS(Ink-Texture-Saliency-Sampler)从训练数据中采样水墨显著性局部图像块,使迁移的水墨图片线条纹理的水墨质感更明显。采用5种不同的损失函数约束内容图像和生成图像的高层语义,以促进风格特征的一致性。实验结果表明,IWSGAN生成图像保留了更多的内容特征,线条的纹理细节更形象,色彩重建表现较好,图像质量得到了显著提升。 展开更多

关键词 风格迁移 生成对抗网络 cbam残差块 注意力机制 ITSS 局部对抗 水墨迁移 消融实验

在线阅读 下载PDF 职称材料

基于改进U-Net的干式磁选矿带图像分割

13

作者 刘石梅 肖晶峰 +3 位作者 刘洋 黄勇 肖盛旺 张胜广 《矿冶工程》 CAS 北大核心 2024年第6期41-45,共5页

为解决干式磁选过程中矿带不确定性问题,采用机器视觉技术,提出一种基于改进U-Net模型的图像分割方法。该模型利用CBAM注意力模块,提高网络对目标区域的识别和关注能力,有助于实现复杂背景下目标物体的图像分割;采用深度可分离卷积,降... 为解决干式磁选过程中矿带不确定性问题,采用机器视觉技术,提出一种基于改进U-Net模型的图像分割方法。该模型利用CBAM注意力模块,提高网络对目标区域的识别和关注能力,有助于实现复杂背景下目标物体的图像分割;采用深度可分离卷积,降低计算复杂度的同时兼顾精度,为获取分辨率较高的矿带图像提供有力支持,从而适应磁选场景,改善网络性能。该模型分割精度为92.28%,轮廓提取完整性和去噪能力优于经典U-Net、DeepLabV3+和PSPNet模型。 展开更多

关键词 干式磁选 图像识别 图像分割 机器视觉 U-Net cbam注意力机制 深度可分离卷积

在线阅读 下载PDF 职称材料

基于改进YOLOv7网络的织物疵点检测 被引量：3

14

作者 石玉文 林富生 +1 位作者 宋志峰 余联庆 《毛纺科技》 CAS 北大核心 2024年第8期103-110,共8页

针对传统的目标检测方法不能平衡检测精度、预测速度和轻量级部署模型、实时疵点检测,提出一种改进YOLOv7网络的轻量化检测模型。首先在主干网络引入轻量级卷积Ghost conv,在保证检测精度的同时降低网络参数量,提高对织物疵点的检测效率... 针对传统的目标检测方法不能平衡检测精度、预测速度和轻量级部署模型、实时疵点检测,提出一种改进YOLOv7网络的轻量化检测模型。首先在主干网络引入轻量级卷积Ghost conv,在保证检测精度的同时降低网络参数量,提高对织物疵点的检测效率;其次添加CBAM注意力机制抑制无用信息,增强特征提取能力;最后在回归损失函数处引入新度量方法α-SIoU替换IoU,加速损失函数的自由度,提高网络模型的精确度。实验表明:该检测模型的准确率P达到96.27%,平均精度mAP值为83.84%,模型大小仅为19.10 MB,有效平衡了疵点检测的准确性、实时性与轻量级部署的问题。 展开更多

关键词 疵点检测 YOLOv7 轻量化 cbam注意力机制 Ghost conv卷积 α-SIoU

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

15

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... 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。 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

基于多尺度梯度的轻量级生成对抗网络 被引量：2

16

作者 孙红 赵迎志 《电子科技》 2023年第7期32-38,共7页

随着生成对抗网络研究的推进,网络模型的计算量急剧增加,其自身的训练不稳定问题依然存在,生成图像的质量也有待提升。为解决以上问题,文中提出一种轻量级生成对抗网络模型,引入多尺度梯度结构解决训练不稳定的问题。通过融合自注意力... 随着生成对抗网络研究的推进,网络模型的计算量急剧增加,其自身的训练不稳定问题依然存在,生成图像的质量也有待提升。为解决以上问题,文中提出一种轻量级生成对抗网络模型,引入多尺度梯度结构解决训练不稳定的问题。通过融合自注意力机制和动态卷积的思想,利用循环模块和图像增强模块,在保持较少参数的前提下提高模型的学习能力。对文中所提算法进行验证,实验结果表明该算法在CelebA数据集上的IS(Inception Score)值为2.75,FID(Fréchet Inception Distance)值为70.1,在LSUN数据集上的IS值为2.61,FID值为73.2,相比SAGAN、DCGAN等经典模型性有所提高,验证了该算法可行性和性能。 展开更多

关键词 多尺度梯度 动态卷积 循环块 半注意力机制 注意力稀疏化 卷积网络 深度学习 图像生成 生成对抗网络

在线阅读 下载PDF 职称材料

基于YOLOv5s的交通信号灯检测算法 被引量：2

17

作者 周爱玲 谭光兴 《广西科技大学学报》 CAS 2023年第4期69-76,共8页

在自动驾驶和辅助驾驶领域,准确判断交通信号灯的状态与类别对于智能汽车的行车安全十分重要。针对城市道路交通信号灯目标小、背景环境复杂多样造成的检测难度大等问题,提出一种基于YOLOv5s的交通信号灯检测算法YOLOv5s_MCO。该算法使... 在自动驾驶和辅助驾驶领域,准确判断交通信号灯的状态与类别对于智能汽车的行车安全十分重要。针对城市道路交通信号灯目标小、背景环境复杂多样造成的检测难度大等问题,提出一种基于YOLOv5s的交通信号灯检测算法YOLOv5s_MCO。该算法使用MobileNetv2轻量化网络代替原主干特征提取网络,利用深度可分离卷积和逆残差结构,降低模型的参数量及计算量;然后引入卷积块注意力机制(convolutional blockattention module,CBAM),从通道和空间2个维度进行特征增强,增大网络的感受野,使网络更关注交通信号灯的目标特征,提高对小尺度目标的检测能力。实验结果表明:所提算法在自制的国内交通信号灯数据集上检测精度达到了81.89%,相较于原YOLOv5s算法提升了1.33%,同时改进后的模型大小仅为19.1 MB,检测速度达到了39.2帧/s,能够满足实时高效的检测要求。 展开更多

关键词 交通信号灯 MobileNetv2 卷积块注意力机制(cbam) 检测

在线阅读 下载PDF 职称材料

基于改进YOLOv5s的水果图像识别 被引量：1

18

作者 罗荔豪 欧鸥 +2 位作者 赵伟 黄元 刘学虎 《信息技术》 2023年第11期28-34,40,共8页

针对已有的水果识别模型在复杂场景下识别准确率低、推理耗时长、对硬件要求高等问题,提出了一种适用于复杂场景下轻量级的水果识别模型YOLOv5s_CB_CA。在YOLOv5s目标检测算法的基础上,对主干特征提取网络Backbone引入卷积注意力机制CB... 针对已有的水果识别模型在复杂场景下识别准确率低、推理耗时长、对硬件要求高等问题,提出了一种适用于复杂场景下轻量级的水果识别模型YOLOv5s_CB_CA。在YOLOv5s目标检测算法的基础上,对主干特征提取网络Backbone引入卷积注意力机制CBAM,丰富空间和通道维度的特征信息;并采用特征图上采样CARAFE替换原始上采样,减少计算量、提高识别速度。将改进算法与YOLOv5s算法在水果图像数据集作对比。实验结果表明:YOLOv5s_CB_CA算法平均精度(mAP)达到了96.5%、召回率(Recall)达到了93.5%,使模型体积缩小了约14%。YOLOv5s_CB_CA算法提高了检测精度和召回率、缩小了模型体积,证明了该算法的有效性。 展开更多

关键词 水果识别 目标检测 YOLOv5s算法 卷积注意力机制cbam 轻量级算子CARAFE

在线阅读 下载PDF 职称材料