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

1

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

嵌入注意力机制残差网络的人脸表情识别方法 被引量：6

2

作者 钟瑞 蒋斌 +1 位作者 李南星 崔晓梅 《计算机工程与应用》 CSCD 北大核心 2023年第11期88-97,共10页

针对非可控环境下人脸图像易受光照、姿态变化等复杂因素的影响,进而造成人脸表情识别中人脸检测率低、表情识别精度差的问题,提出了一种嵌入注意力机制残差网络的表情识别方法。在人脸检测阶段,采用改进的RetinaFace算法完成多视角人... 针对非可控环境下人脸图像易受光照、姿态变化等复杂因素的影响,进而造成人脸表情识别中人脸检测率低、表情识别精度差的问题,提出了一种嵌入注意力机制残差网络的表情识别方法。在人脸检测阶段,采用改进的RetinaFace算法完成多视角人脸检测,获取人脸区域。在特征提取阶段,使用ResNet-50作为特征提取的主干网络。将预处理后的人脸图片,依次通过该网络的通道注意力网络和空间注意力网络,显式地建模全局图像的相互依赖性。在虚线残差单元的快捷连接中,加入平均池化层进行下采样操作,通过微调残差模块的操作,加强输入特征之间的映射,使提取的表情特征能够较完整地在网络之间传递,以减小特征信息的损失;在网络中再次传入卷积注意力机制模块,增强局部表情特征的通道维度信息和空间维度信息,加强特征图中与表情相关性高的特征区域的重点信息,同时抑制特征图中无关区域的干扰,进而加快网络的收敛速度,提高表情识别率。与基线算法相比,该方法在RAF-DB和FER2013表情数据集上分别取得了87.65%和73.57%的准确率。 展开更多

关键词 注意力机制 残差网络 表情识别 卷积注意力机制模块 RetinaFace

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

3

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

基于改进EfficientDet的食品生产线核桃仁分选智能化研究

4

作者 秦新华 王义亮 +1 位作者 李玉贵 李晋 《食品与机械》 北大核心 2025年第8期77-84,共8页

[目的]提高现有食品生产线核桃仁分选的效率和精度。[方法]基于核桃仁分拣的智能化生产线,提出一种改进的EfficientDet模型用于食品生产线核桃仁智能化分选。通过在主干网络引入卷积注意力机制模块,强化模型对食品区域的聚焦能力。通过... [目的]提高现有食品生产线核桃仁分选的效率和精度。[方法]基于核桃仁分拣的智能化生产线,提出一种改进的EfficientDet模型用于食品生产线核桃仁智能化分选。通过在主干网络引入卷积注意力机制模块,强化模型对食品区域的聚焦能力。通过改进双向特征金字塔网络,增强模型对不同尺度食品的检测能力。通过Dynamic ReLU激活函数对原激活函数进行优化,增强模型对食品的检测性能,并将优化后的模型部署于食品生产线进行试验验证。[结果]试验方法在核桃仁分选任务中实现对正常、碎壳、黑斑和干瘪核桃仁的精准识别与高效分类,单张图像检测时间为18 ms,平均精度均值达到97.92%,误检率降至1.0%,可有效提高食品生产线自动化水平。[结论]该智能化分选方法有效解决了传统分选效率低和精度差的问题,在食品生产线自动化领域具有良好的应用前景与推广价值。 展开更多

关键词 食品生产线 核桃仁分选 智能化 EfficientDet模型 双向特征金字塔网络 卷积注意力机制模块

在线阅读 下载PDF 职称材料

基于CNN-CBAM-LSTM的稳态视觉诱发电位脑电信号识别方法

5

作者 巩炫麟 陶庆 +1 位作者 苏娜 马金旭 《科学技术与工程》 北大核心 2025年第10期4175-4182,共8页

在使用传统方法处理稳态视诱发电位(steady-state visual evoked potentials,SSVEP)的脑电信号时,特征提取的准确性和充分性存在不足,影响信号的识别准确率。为此提出了一种基于卷积神经网路(convolutional neural networks,CNN)与卷积... 在使用传统方法处理稳态视诱发电位(steady-state visual evoked potentials,SSVEP)的脑电信号时,特征提取的准确性和充分性存在不足,影响信号的识别准确率。为此提出了一种基于卷积神经网路(convolutional neural networks,CNN)与卷积注意力机制模块(convolutional block attention module,CBAM)和长短时记忆网络(long short-term memory,LSTM)的信号分类识别方法。以CNN为基础框架,通过引入注意力机制对通道及空间特征进行充分提取,加入LSTM提高对时序特征的提取能力,实现对SSVEP信号的目标识别。实验结果显示,所提方法能够充分有效的提取各级特征且识别准确率较高,相比于典型相关分析方法(canonical correlation analysis,CCA)、CNN、CBAM-LSTM、CNN-CBAM识别准确率分别提高了5.3%、2.95%、2.27%、1.71%,可见该模型对SSVEP信号的分类识别有较好的效果。 展开更多

关键词 稳态视觉诱发电位 卷积神经网络 卷积注意力机制模块 长短时记忆网络 目标识别

在线阅读 下载PDF 职称材料

基于CABFAM-Transformer的输电线路在线测距实测行波预分类方法

6

作者 唐玉涛 束洪春 +3 位作者 刘皓铭 苏萱 韩一鸣 代月 《电工技术学报》 北大核心 2025年第5期1455-1470,共16页

行波采集装置是电力系统保护与测距的重要设备,广泛应用于110 kV及以上输电线路,且正向配电网延拓。由于启动灵敏,非故障信息的采集给故障辨识与行波测距带来了挑战。该文提出了一种基于卷积注意力机制的特征聚合模块(CABFAM)与自适应Tr... 行波采集装置是电力系统保护与测距的重要设备,广泛应用于110 kV及以上输电线路,且正向配电网延拓。由于启动灵敏,非故障信息的采集给故障辨识与行波测距带来了挑战。该文提出了一种基于卷积注意力机制的特征聚合模块(CABFAM)与自适应Transformer模型的输电线路实测故障性质识别方法。首先,通过CBAM机制增强卷积层提取特征信息的表达与理解能力;然后,构建自适应编码层级调整机制的Transformer模型库,以获取多层次差异化特征信息;最后,利用云南电网110~220 kV输电线路的5076条实测数据及220 kV DL站H-P线的15924条伪实测数据进行训练与测试,针对16种典型行波数据进行分类。测试结果表明,该方法降低了模型参数量,提高了准确度,算法的多个关键指标均有不同幅度的提升,表现出优异的检测精度与识别效率。 展开更多

关键词 行波采集装置 基于卷积注意力机制的特征聚合模块 CABFAM 自适应Transformer 实测数据故障辨识

在线阅读 下载PDF 职称材料

融合Inception V1-CBAM-CNN的轴承剩余寿命预测模型 被引量：8

7

作者 余江鸿 彭雄露 +2 位作者 刘涛 杨文 叶帅 《机电工程》 北大核心 2024年第1期107-114,共8页

针对现有的滚动轴承剩余寿命(RUL)预测方法精度低、轴承健康指标(HI)构建困难等问题,提出了一种基于卷积神经网络(CNN)并融合Inception V1模块和卷积注意力机制模块(CBAM)的滚动轴承RUL预测模型。首先,在CNN中添加了CBAM机制,并进行了... 针对现有的滚动轴承剩余寿命(RUL)预测方法精度低、轴承健康指标(HI)构建困难等问题,提出了一种基于卷积神经网络(CNN)并融合Inception V1模块和卷积注意力机制模块(CBAM)的滚动轴承RUL预测模型。首先,在CNN中添加了CBAM机制,并进行了加权处理,在通道和空间维度对重要特征进行了强化,对次要特征进行了抑制,通过添加改进的InceptionV1模块,提高了CNN通道间信息交互水平,全面提取了退化特征;然后,进行了网络优化,采用全局最大池化(GMP)方法对模型进行了简化,采用Dropout和批量归一化(BN)方法,避免了过拟合,提高了精度,且克服了训练时出现的梯度消失问题;最后,对数据进行了处理,将降噪后的信号重组为三维张量,将其作为HI,构建了退化标签,引入了评价指标,采用PHM2012轴承数据集进行了实验验证,在3种工况下将其与深度神经网络(DNN)、CNN方法、结合注意力机制的残差网络方法(ResNet)进行了对比。研究结果表明:该方法在变负载条件下的平均RMSE为0.033,较其他方法的RMSE值分别降低了86%、78%和69%,在预测精度和泛化能力方面具有明显优势。 展开更多

关键词 滚动轴承 剩余使用寿命 Inception V1模块 卷积注意力机制模块 卷积神经网络 全局最大池化 批量归一化

在线阅读 下载PDF 职称材料

基于时序特征灰度图与多任务学习的综合能源负荷短期预测 被引量：4

8

作者 倪建辉 张菁 +2 位作者 张昊立 陈龙 高典 《电气工程学报》 CSCD 北大核心 2024年第2期186-199,共14页

准确预测综合能源系统(Integrated energy system,IES)中的电、冷、热多元负荷是提高各类能源综合效率、获得更大经济效益的关键。因此,提出一种基于时序特征灰度图与多任务学习的综合能源负荷短期预测方法。首先将初始特征集通过最大... 准确预测综合能源系统(Integrated energy system,IES)中的电、冷、热多元负荷是提高各类能源综合效率、获得更大经济效益的关键。因此,提出一种基于时序特征灰度图与多任务学习的综合能源负荷短期预测方法。首先将初始特征集通过最大互信息系数(Maximum information coefficient,MIC)改进的快速相关滤波算法(Fast correlation-based filter,FCBF)对IES时序特征数据集进行相关性分析和冗余性分析;然后将特征选择结果利用因数重构法与MIC-gamma图像增强的方法重构为时序特征灰度图,能够直观有效地反映实际数据的特征相关性;其次采用基于多任务学习框架的(Convolutional block attention module-convolutional neural network-deep bidirectional gated recurrent unit,CBAM-CNN-DBiGRU)网络进行训练,嵌入的卷积注意力机制模块(Convolutional block attention module,CBAM)与(Deep bidirectional gated recurrent unit,DBiGRU)结构能有效加强共享层的关键信息提取和时序信息处理能力;最后以美国亚利桑那州立大学的IES数据为例对提出的方法进行测试。选取典型工作日和典型休息日并对比多种深度网络模型,测试结果表明,该模型在典型工作日的加权平均绝对百分比误差与加权均方根误差分别最大降低了0.8813%与229.2593 kW,在典型休息日则分别最大降低了0.9942%与360.8007 kW,能够有效提升IES多元负荷预测精度。 展开更多

关键词 多元负荷预测 最大互信息系数 快速相关滤波算法 特征冗余性 MIC-gamma图像增强 卷积注意力机制模块 深度双向门控循环单元

在线阅读 下载PDF 职称材料

基于双目视觉的吊卡识别及其方位检测方法 被引量：1

9

作者 李进付 《石油机械》 北大核心 2024年第4期11-17,共7页

针对钻井自动化中的吊卡方位需要人工参与,存在识别定位缓慢和准确性差等问题,建立了基于双目视觉的吊卡自动识别和方位检测系统。通过搭建双目相机视觉检测系统,对获取的吊卡图像进行标定、立体校正和立体匹配,进而获取吊卡图像的深度... 针对钻井自动化中的吊卡方位需要人工参与,存在识别定位缓慢和准确性差等问题,建立了基于双目视觉的吊卡自动识别和方位检测系统。通过搭建双目相机视觉检测系统,对获取的吊卡图像进行标定、立体校正和立体匹配,进而获取吊卡图像的深度图。在原YOLOv5s目标检测算法的主干网络中引入卷积注意力机制模块,将要识别的目标即吊卡图像进行增强,进一步提高吊卡的识别准确率,结合深度图计算出吊卡中心位置相对机械手的距离和偏转角度,从而实现自动送管。通过在钻井平台的试验,验证了吊卡识别和检测方法的有效性。所得结论可为钻井平台自动化程度的进一步提高提供技术借鉴。 展开更多

关键词 吊卡识别 方位检测 双目相机 YOLOv5s算法 卷积注意力机制模块 试验验证

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

10

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

基于改进YOLOv5算法的密集遮挡零件检测 被引量：6

11

作者 张新伟 陈东 +1 位作者 闫昊 马兆昆 《工具技术》 北大核心 2023年第10期150-155,共6页

针对零件在密集遮挡等复杂场景下存在视觉识别难度大、检测精度低和实时性差的问题,提出YOLOv5零件目标检测的改进算法。在YOLOv5的主干网络中添加卷积注意力机制模块,进而增强算法对零件的特征提取能力;将抑制准则改为考虑真实框与预... 针对零件在密集遮挡等复杂场景下存在视觉识别难度大、检测精度低和实时性差的问题,提出YOLOv5零件目标检测的改进算法。在YOLOv5的主干网络中添加卷积注意力机制模块,进而增强算法对零件的特征提取能力;将抑制准则改为考虑真实框与预测框重叠区域且同时计算两个框之间中心点距离的DIoU-NMS,并以此作为后处理方法,进而提高零件检测精度。试验结果表明,相比原始YOLOv5算法,本改进算法将mAP@0.5提升1.6%,识别速度达58.8帧/s,可以更好地完成检测密集遮挡零件的任务,同时保证了实时性。 展开更多

关键词 目标检测 YOLOv5 卷积注意力机制模块 DIoU-NMS

在线阅读 下载PDF 职称材料

面向密集场景结合TC-YOLOX的小目标检测方法 被引量：2

12

作者 李翔宇 王伟 +1 位作者 王峰萍 韩岩江 《电子测量技术》 北大核心 2023年第15期133-142,共10页

密集场景下小目标的高效精确检测是目标检测领域的关键问题。为了解决环境的多样性和小目标自身复杂性存在着特征难以提取、检测精度低等问题,提出一种面向密集场景结合TC-YOLOX的小目标检测方法。首先,通过在CSPNet中引入Transformer E... 密集场景下小目标的高效精确检测是目标检测领域的关键问题。为了解决环境的多样性和小目标自身复杂性存在着特征难以提取、检测精度低等问题,提出一种面向密集场景结合TC-YOLOX的小目标检测方法。首先,通过在CSPNet中引入Transformer Encode模块,不断更新目标权重实现增强目标特征信息,提高网络的特征提取能力;其次,在特征金字塔网络中增加卷积注意力机制模块,关注重要特征并抑制不必要特征,提高不同尺度目标的检测准确度;然后,采用CIoU代替IoU作为回归损失函数,使得模型训练过程中网络收敛更快,性能更好;最后在PASCAL VOC 2007数据集上验证。实验结果表明,所设计的TC-YOLOX模型能够有效的检测出多样化场景中正常、密集、稀疏、黑暗条件下的小目标物体,mAP和检测速度可以达到94.6%和38 fps,与原始模型相比提升了10.9%和1 fps,对多种密集场景下的小目标检测任务均具有较好的适用性。 展开更多

关键词 小目标检测 YOLOX 卷积注意力机制模块 Transformer Encode CIoU回归损失函数

在线阅读 下载PDF 职称材料

基于改进YOLOv4的行人检测算法 被引量：13

13

作者 李挺 伊力哈木·亚尔买买提 《科学技术与工程》 北大核心 2022年第8期3221-3227,共7页

针对YOLOv4算法在行人检测中精度低,实时性差的问题,提出一种基于YOLOv4的改进算法。首先将MobileNetv2作为主干网络,在减少参数量的同时保证其特征提取能力,同时在MobileNetv2中加入Bottom-up连接,减少浅层信息的丢失;然后在特征融合... 针对YOLOv4算法在行人检测中精度低,实时性差的问题,提出一种基于YOLOv4的改进算法。首先将MobileNetv2作为主干网络,在减少参数量的同时保证其特征提取能力,同时在MobileNetv2中加入Bottom-up连接,减少浅层信息的丢失;然后在特征融合网络嵌入卷积模块的注意力机制模块(convolutional block attention module,CBAM)注意力机制,增强特征的表现力;最后在分类与回归网络中加入Inception结构,进一步提高检测速度和增加网络复杂度。结果表明:在VOC数据集上,改进算法比原算法检测效果更佳,实时性更好,其精度提高了2.87%,处理速度提升了29.52 FPS;同时在真实场景下构建的数据集上,改进后的算法比YOLOv4精度提高了2.13%,具有较好的鲁棒性。 展开更多

关键词 行人检测 实时 多尺度融合 卷积模块的注意力机制模块(CBAM) BOTTOM-UP MobilenNetv2

在线阅读 下载PDF 职称材料