期刊文献+
共找到54篇文章
< 1 2 3 >
每页显示 20 50 100
基于DenseNet和卷积注意力模块的高精度手势识别 被引量:5
1
作者 赵雅琴 宋雨晴 +3 位作者 吴晗 何胜阳 刘璞秋 吴龙文 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第3期967-976,共10页
非接触的手势识别是一种新型人机交互方式,在增强现实(AR)/虚拟现实(VR)、智能家居、智能医疗等方面有着广阔的应用前景,近年来成为一个研究热点。由于需要利用毫米波雷达进行更精确的微动手势识别,该文提出一种新型的基于MIMO毫米波雷... 非接触的手势识别是一种新型人机交互方式,在增强现实(AR)/虚拟现实(VR)、智能家居、智能医疗等方面有着广阔的应用前景,近年来成为一个研究热点。由于需要利用毫米波雷达进行更精确的微动手势识别,该文提出一种新型的基于MIMO毫米波雷达的微动手势识别方法。采用4片AWR1243雷达板级联而成的毫米波级联(MMWCAS)雷达采集手势回波,对手势回波进行时频分析,基于距离-多普勒(RD)图和3D点云检测出人手目标。通过数据预处理,提取手势目标的距离-时间谱图(RTM)、多普勒-时间谱图(DTM)、方位角-时间谱图(ATM)和俯仰角-时间谱图(ETM),更加全面地表征手势的运动特征,并形成混合特征谱图(FTM),对12种微动手势进行识别。设计了基于DenseNet和卷积注意力模块的手势识别网络,将混合特征谱图作为网络的输入,创新性地融合了卷积注意力模块(CBAM),实验表明,识别准确率达到99.03%,且该网络将注意力放在手势动作的前半段,实现了高精度的手势识别。 展开更多
关键词 手势识别 毫米波雷达 卷积神经网络 卷积注意力模块
在线阅读 下载PDF
基于卷积注意力模块的端到端遥感图像分类 被引量:10
2
作者 徐风 苗哲 业巧林 《林业工程学报》 CSCD 北大核心 2020年第4期133-138,共6页
随着图像信息处理技术的发展,大量由各式飞行器对地观测所采集的遥感图像数据被应用于各领域实际生产生活中。传统遥感图像分类方法包含一系列复杂的处理流程,在处理效率和效果上已经难以满足当下的需求。随着人工智能相关技术的发展,... 随着图像信息处理技术的发展,大量由各式飞行器对地观测所采集的遥感图像数据被应用于各领域实际生产生活中。传统遥感图像分类方法包含一系列复杂的处理流程,在处理效率和效果上已经难以满足当下的需求。随着人工智能相关技术的发展,基于卷积神经网络的遥感图像分类方法开始占据主导地位。为减少算法流程中的复杂处理与提高分类的精度,笔者提出一种基于卷积注意力模块的端到端遥感图像分类框架,该框架采用卷积神经网络框架ResNet101作为整个框架的主干网络。在ResNet101网络4个阶段的卷积模块之间嵌入卷积注意力模块,使得模型关注于最具有类别区分度的区域,从而得到更好的分类结果。在模型训练阶段,采用开源的深度学习开源框架Pytorch对训练数据进行在线增广处理,对训练数据进行随机角度旋转,防止训练过程中发生过拟合现象。本研究基于PatternNet与NWPU-RESISC45两个公开数据集,并仅划分少量数据用于模型训练。结果表明:相比已有的方法,本研究提出的框架能够在GPU加速的环境中,以更高的精度分类遥感图像,满足了实时处理的需求,且支持端到端对遥感图像进行分类,不需要复杂的处理流程。 展开更多
关键词 卷积神经网络 遥感图像 卷积注意力模块 图像分类
在线阅读 下载PDF
基于卷积注意力模块和无锚框检测网络的行人跟踪算法 被引量:9
3
作者 张红颖 贺鹏艺 《电子与信息学报》 EI CSCD 北大核心 2022年第9期3299-3307,共9页
针对多目标跟踪过程中遮挡严重时的目标身份切换、跟踪轨迹中断等问题,该文提出一种基于卷积注意力模块(CBAM)和无锚框(anchor-free)检测网络的行人跟踪算法。首先,在高分辨率特征提取网络HrnetV2的基础上,对stem阶段引入注意力机制,以... 针对多目标跟踪过程中遮挡严重时的目标身份切换、跟踪轨迹中断等问题,该文提出一种基于卷积注意力模块(CBAM)和无锚框(anchor-free)检测网络的行人跟踪算法。首先,在高分辨率特征提取网络HrnetV2的基础上,对stem阶段引入注意力机制,以提取更具表达力的特征,从而加强对重识别分支的训练;其次,为了提高算法的运算速度,使检测和重识别分支共享特征权重且并行运行,同时减少头网络的卷积通道数以降低参数运算量;最后,设定合适的参数对网络进行充分的训练,并使用多个测试集对算法进行测试。实验结果表明,该文算法相较于FairMOT在2DMOT15,MOT17,MOT20数据集上的精确度分别提升1.1%,1.1%,0.2%,速度分别提升0.82,0.88,0.41 fps;相较于其他几种主流算法拥有最少的目标身份切换次数。该文算法能够更好地适用于遮挡严重的场景,实时性也有所提高。 展开更多
关键词 目标身份切换 高分辨率特征提取网络 卷积注意力模块 无锚框检测网络 头网络 FairMOT
在线阅读 下载PDF
噪声背景下梅尔频率倒谱系数与多注意力网络在电机故障诊断中的应用
4
作者 宋恩哲 朱仁杰 +2 位作者 靖海国 姚崇 柯赟 《哈尔滨工程大学学报》 北大核心 2025年第3期475-485,共11页
针对电机实际工作过程中存在噪声干扰导致故障诊断精度下降的问题,本文提出了一种基于梅尔频率倒谱系数动态特征与多注意力融合卷积神经网络的故障诊断方法。通过梅尔频率倒谱系数动态特征提取噪声信号中的低频信息,并结合卷积注意力模... 针对电机实际工作过程中存在噪声干扰导致故障诊断精度下降的问题,本文提出了一种基于梅尔频率倒谱系数动态特征与多注意力融合卷积神经网络的故障诊断方法。通过梅尔频率倒谱系数动态特征提取噪声信号中的低频信息,并结合卷积注意力模块的自适应调节能力及多特征融合策略进一步减少噪声对故障诊断的干扰。通过电机台架数据验证了该方法在噪声条件下诊断的可行性,然而该方法受梅尔频率倒谱系数参数与网络结构的直接影响,因此具体分析了不同参数条件对抗噪性能的影响。实验结果表明:在信噪比-10 dB噪声背景下,梅尔频率倒谱系数动态特征与多注意力融合卷积神经网络相结合的故障诊断方法仍保持90%以上的诊断精度。 展开更多
关键词 电机 故障诊断 噪声环境 梅尔频率倒谱系数 卷积神经网络 多尺度 卷积注意力模块 特征融合
在线阅读 下载PDF
基于卷积注意力机制的阀门内漏声发射识别方法
5
作者 黄鑫 屈文忠 肖黎 《振动与冲击》 EI CSCD 北大核心 2024年第9期105-114,共10页
阀门结构作为核电厂的关键设备部件之一,因长期处于高温高压环境下,其闸板或阀瓣易发生热变形或磨损导致密封不良,进而引发内漏事故。实时在线识别阀门的内漏状态,对提升核电机组热效率、提高阀门可靠性具有重要意义。因实际工业现场的... 阀门结构作为核电厂的关键设备部件之一,因长期处于高温高压环境下,其闸板或阀瓣易发生热变形或磨损导致密封不良,进而引发内漏事故。实时在线识别阀门的内漏状态,对提升核电机组热效率、提高阀门可靠性具有重要意义。因实际工业现场的基底噪声极易掩盖阀门内漏的声发射信号,进而造成阀门内漏状态的误判。为实现阀门内漏状态的快速准确识别,搭建了阀门内漏检测试验台架,开发了基于声发射方法的阀门内漏检测分析系统,将卷积注意力机制引入卷积神经网络中,实现高效快速地识别阀门内漏状态。结果表明,基于阀门内漏的声发射信号频域数据,利用卷积注意力机制神经网络能有效准确地识别阀门内漏状态,在内漏率为26 L/h时,识别准确率高达98%,并且具有较好的可靠性和鲁棒性。 展开更多
关键词 阀门结构 内漏 声发射 卷积注意力模块 卷积神经网络
在线阅读 下载PDF
基于卷积块注意力模块和双向特征金字塔网络的接触网支持装置检测方法研究 被引量:3
6
作者 冯新伟 黄宇祥 王忠立 《铁道技术监督》 2023年第4期16-24,共9页
接触网支持装置是接触网悬挂状态检测监测图像分析的关键对象,对支持装置零部件的检测定位是实现缺陷自动分析的基础。针对接触网支持装置零部件种类多、尺寸差异大、存在遮挡、部分零部件相似度高等问题,提出一种融合卷积块注意力模块(... 接触网支持装置是接触网悬挂状态检测监测图像分析的关键对象,对支持装置零部件的检测定位是实现缺陷自动分析的基础。针对接触网支持装置零部件种类多、尺寸差异大、存在遮挡、部分零部件相似度高等问题,提出一种融合卷积块注意力模块(convolutional block attention module,CBAM)和双向特征金字塔网络(bidirectional feature pyramid network,BiFPN)的接触网支持装置检测方法。在YOLO v5s网络模型基础上,该方法通过CBAM增强接触网支持装置的特征提取,结合BiFPN,实现不同零部件分辨率特征图的融合。利用4C装置获得的图像数据集,开展验证试验。试验结果表明,相对YOLO v5s网络模型,融合CBAM和BiFPN的接触网支持装置检测方法,网络平均精度mAP@0.5提高2.12%;能显著提升小目标检测效果,提高定位的准确性和稳定性,对接触网状态的智能分析有重要意义。 展开更多
关键词 接触网 支持装置 检测方法 卷积注意力模块 双向特征金字塔网络
在线阅读 下载PDF
基于CBAM注意力机制的智能交通信号控制 被引量:2
7
作者 于贺婷 刘思萌 文峰 《沈阳理工大学学报》 CAS 2024年第5期34-40,共7页
针对智能交通系统存在的卷积神经网络特征提取能力弱和特征表达能力有待提升等问题,在深度双Q网络(double deep Q network, Double DQN)模型基础上提出一种基于卷积注意力模块(convolutional block attention module, CBAM)的深度强化... 针对智能交通系统存在的卷积神经网络特征提取能力弱和特征表达能力有待提升等问题,在深度双Q网络(double deep Q network, Double DQN)模型基础上提出一种基于卷积注意力模块(convolutional block attention module, CBAM)的深度强化学习模型,用于智能交通信号控制。在三维卷积神经网络中加入CBAM轻量注意力模块,通过通道注意力和空间注意力两个模块结构更好地捕捉特征之间的相互依赖关系,增强卷积神经网络的特征表示质量,从而提升对拥堵路段重点特征的关注度以缓解交通拥堵问题。在城市交通仿真器SUMO(simulation of urban mobility)上的实验结果表明,相较其他常用算法,本文算法提高了交通灯配时的效率和稳定性,可为交通配时优化技术提供可靠依据。 展开更多
关键词 交通信号控制 深度强化学习 深度双Q网络 卷积注意力模块
在线阅读 下载PDF
基于注意力机制和迁移学习的服装分类方法 被引量:1
8
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
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
9
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 卷积注意力模块 注意力机制 目标检测
在线阅读 下载PDF
基于空间通道注意力的肝脏肿瘤分割
10
作者 何琼 陆雪松 《现代信息科技》 2024年第22期36-40,46,共6页
针对肝脏肿瘤分割面临的病灶形状、大小和位置差异明显等问题,文章提出了一种基于空间通道注意力的三维肝脏肿瘤分割方法。在3D U-Net的基础上融合了Transformer,提出成对全局和局部注意力PGLA(Paired Global Local Attention)模块替代T... 针对肝脏肿瘤分割面临的病灶形状、大小和位置差异明显等问题,文章提出了一种基于空间通道注意力的三维肝脏肿瘤分割方法。在3D U-Net的基础上融合了Transformer,提出成对全局和局部注意力PGLA(Paired Global Local Attention)模块替代Transformer中的传统注意力模块,并在尺度变换前引入CBAM(Convolutional Block Attention Module)模块。在肝脏肿瘤分割挑战赛数据集上的实验结果显示该方法在肿瘤分割的Dice系数上达到了69.18%,这些成绩均优于当前流行的模型,这证明了该方法在提高肝脏肿瘤分割精度方面的有效性。 展开更多
关键词 3D肝脏肿瘤分割 3D U-Net TRANSFORMER 成对全局和局部注意力模块 卷积注意力模块
在线阅读 下载PDF
基于注意力增强YOLOv5l的矿粉品位识别算法优化研究
11
作者 丁鹏益 徐振洋 +1 位作者 郭连军 王雪松 《金属矿山》 CAS 北大核心 2024年第11期151-157,共7页
现阶段传统化学分析方法获取品位存在费时费力等问题,通过图像识别分析块状矿石品位又存在形状干扰严重的问题,为此提出了一种基于YOLOv5针对矿石矿粉特征的图像识别方法。同时,在训练过程中添加卷积注意力模块(Convolutional Block Att... 现阶段传统化学分析方法获取品位存在费时费力等问题,通过图像识别分析块状矿石品位又存在形状干扰严重的问题,为此提出了一种基于YOLOv5针对矿石矿粉特征的图像识别方法。同时,在训练过程中添加卷积注意力模块(Convolutional Block Attention Module,CBAM)、挤压和激发模块(Squeeze and Excitation Module,SENet)进入训练网络,通过注意力机制增强学习矿粉具体特征的能力,将注意力聚焦于矿粉明显细节,忽略矿粉图中无用信息,提高识别精度;其次通过修改损失函数增强其分类效果,研究损失函数对矿粉识别效果的影响。研究表明:在铁矿粉品位识别中,添加CBAM注意力模块的网络模型识别矿粉的训练精度达到86%,使用SENet注意力模块的网络训练精度为80%,均略高于原有模型的79%,修改损失函数的网络模型训练精度降低了5%,得出YOLOv5l+CBAM且损失函数设置为0.5的网络模型最佳。研究结果反映出所提方法对矿粉特征图像识别具有一定的适用性。 展开更多
关键词 铁矿 矿石品位 YOLOv5 图像识别 卷积注意力模块 挤压和激发模块
在线阅读 下载PDF
基于卷积神经网络与注意力机制的频谱感知方案 被引量:2
12
作者 从战 姜长建 丁蓉 《无线通信技术》 2022年第1期1-5,共5页
频谱感知的关键问题之一是检验统计量的设计,传统的频谱感知算法的检验统计量往往是通过建模得到的,然而这些模型有时并不能对实际环境准确建模,没有利用历史感知时隙的信息并且受噪声功率不确定度(Noise Power Uncertainty,NU)影响大... 频谱感知的关键问题之一是检验统计量的设计,传统的频谱感知算法的检验统计量往往是通过建模得到的,然而这些模型有时并不能对实际环境准确建模,没有利用历史感知时隙的信息并且受噪声功率不确定度(Noise Power Uncertainty,NU)影响大。为解决这些问题,本文提出了一种基于深度学习(Deep Learning,DL)的频谱感知算法,该算法不需要检验统计量的建模,我们使用前k时隙的感知数据与当前时隙数据联合判别当前时隙的信道状态,并且在网络结构中引入了卷积注意力模块(Convolutional Attention Module,CBAM)。大量的仿真实验表明,本文所提出的算法具有优异的性能。 展开更多
关键词 频谱感知 历史感知时隙 卷积注意力模块
在线阅读 下载PDF
多尺度特征融合注意力新冠肺炎病灶分割网络 被引量:1
13
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
红外弱光下多特征融合与注意力增强铁路异物检测
14
作者 陈永 王镇 +1 位作者 卢晨涛 张娇娇 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2023年第8期1884-1895,共12页
针对红外弱光环境下铁路异物检测时存在目标特征提取不充分、检测精度及实时性低的问题,在CenterNet目标检测模型的基础上,提出了一种红外弱光下多特征融合与注意力增强的无锚框异物检测深度学习模型。在红外目标多尺度特征提取的基础上... 针对红外弱光环境下铁路异物检测时存在目标特征提取不充分、检测精度及实时性低的问题,在CenterNet目标检测模型的基础上,提出了一种红外弱光下多特征融合与注意力增强的无锚框异物检测深度学习模型。在红外目标多尺度特征提取的基础上,引入自适应特征融合(ASFF)模块,充分利用目标高层语义与底层细粒度特征信息,提升红外目标特征提取能力。通过提出的空洞卷积增强注意力模块(Dilated-CBAM)进行关键特征提取,扩大注意力模块感受野范围,克服了原始CenterNet卷积块感受野映射区域变窄、无法检测弱小目标的问题,提升了无锚框网络的检测精度。使用Smooth L1损失函数进行训练,克服了L1损失函数在网络训练过程收敛速度慢及训练不稳定解的问题。通过铁路红外数据集及现场实验测试,结果表明:所提方法较原始CenterNet模型平均检测精度提高了8.03%,检测框置信度提升了31.23%,平均检测速率是Faster R-CNN模型的9.6倍,所提方法在红外弱光环境下能够更加快速准确地检测出铁路异物,主客观评价均优于对比方法。 展开更多
关键词 机器视觉 红外弱光 异物检测 自适应特征融合 空洞卷积增强注意力模块 无锚框网络
在线阅读 下载PDF
基于无人机影像的改进YOLOv5道路目标检测
15
作者 马荣贵 张翼 董世浩 《无线电工程》 2025年第1期1-10,共10页
针对无人机影像中道路小目标漏检和目标之间遮挡导致的目标检测精度低、鲁棒性差等问题,提出一种多尺度的道路目标检测算法——YOLOv5-FTCE。执行多尺度的目标定位改进,采用完全交并比(Complete Intersection over Union,CIoU)边界框损... 针对无人机影像中道路小目标漏检和目标之间遮挡导致的目标检测精度低、鲁棒性差等问题,提出一种多尺度的道路目标检测算法——YOLOv5-FTCE。执行多尺度的目标定位改进,采用完全交并比(Complete Intersection over Union,CIoU)边界框损失,通过K-means算法对先验框进行重聚类,调整先验框的锚框参数并增加一个针对小目标的YOLO检测头;引入Transformer encoder结构融入C3模块改进Backbone网络,增强网络对不同局部信息的捕获能力;选用基于特征重组的Content-Aware ReAssembly of FEatures(CARAFE)模块进行上采样,提高上采样性能的同时减少特征处理过程中的信息损失;引入高效注意力模块(Efficient Attention Module,EAM)融合空间和通道信息,对网络中重要的信息进行增强。结果表明,YOLOv5-FTCE算法在VisDrone数据集上,检测精确率相比原始算法提高了9.5%,mAP50提高了8.9%,优于YOLOv7等其他常见的算法,有效改善了道路小目标和遮挡目标的漏检现象。 展开更多
关键词 道路目标检测 YOLOv5 Transformer编码器 特征重组 高效卷积注意力模块
在线阅读 下载PDF
基于改进YOLO v5s的水下小目标检测算法
16
作者 梁衡 刘儒一 +1 位作者 张典 宋廷强 《青岛科技大学学报(自然科学版)》 2025年第2期122-131,共10页
针对目前水下图像存在图像模糊以及小目标聚集导致水下小目标识别精度低的情况,提出一种基于改进YOLO v5s的水下小目标检测算法。在主干特征提取网络中嵌入卷积注意力模块,强化小目标信息,提高网络模型的特征提取能力。设计了一种改进... 针对目前水下图像存在图像模糊以及小目标聚集导致水下小目标识别精度低的情况,提出一种基于改进YOLO v5s的水下小目标检测算法。在主干特征提取网络中嵌入卷积注意力模块,强化小目标信息,提高网络模型的特征提取能力。设计了一种改进的C3模块C3Swin,在原始C3模块中加入Swin Transformer结构,在不同滑动窗口间进行信息交互,增强了全局信息的提取能力。对原始YOLO v5s的检测层进行重构,增加小目标检测层,提升小目标的检测精度。改进损失函数,使用α-iou对原损失函数进行优化,提升预测框的回归精度。实验结果表明,在URPC水下目标检测数据集中,本工作提出的算法平均精度均值(mAP)为86.9%,相较于原模型提升了2.9%,检测速度为62.7 Hz,优于主流算法,在保证检测速度的同时提升了检测精度。 展开更多
关键词 水下小目标检测 YOLO v5s 卷积注意力模块 Swin Transformer α-iou
在线阅读 下载PDF
改进RRPN模型的遥感图像目标检测
17
作者 鲁晓波 郭艳光 辛春花 《现代电子技术》 北大核心 2025年第1期8-16,共9页
针对遥感目标背景复杂、易受外界环境干扰,传统方法无法满足复杂场景下的检测高精度与实时性要求的问题,提出基于改进RRPN模型的遥感图像目标检测方法。首先,将特征金字塔(FPN)架构引入到了模型的残差网络中,使得遥感图像的高、低层特... 针对遥感目标背景复杂、易受外界环境干扰,传统方法无法满足复杂场景下的检测高精度与实时性要求的问题,提出基于改进RRPN模型的遥感图像目标检测方法。首先,将特征金字塔(FPN)架构引入到了模型的残差网络中,使得遥感图像的高、低层特征得到了有效融合;其次,在特征提取网络中添加了通道和空间相融合的注意力机制(CBAM),提升了模型在遥感图像目标特征提取方面的跨通道和空间处理能力;此外,将剔除重叠建议框时的原始NMS算法优化为DIoUNMS算法,综合考虑遥感图像候选框之间的重叠度、距离、尺度大小等因素,使目标框的回归过程更加稳定。对比实验与消融实验显示,所提方法在公共数据集DOTA和HRSC2016上获得的平均精度均值mAP分别可高达77.30%、90.24%,较原始RRPN模型分别提高了8.29%、11.16%,且优于其他几种较新的经典模型,表明所提方法对于复杂环境下的遥感图像目标检测是合理且有效的。 展开更多
关键词 目标检测 遥感图像 带旋转的候选框算法 卷积通道注意力模块 DIoU-NMS 特征金字塔 DOTA HRSC2016数据集
在线阅读 下载PDF
基于逐次变分模态分解和CBAM-ResNet的滚动轴承故障诊断方法
18
作者 陈志刚 陶子纯 +1 位作者 王衍学 史梦瑶 《振动与冲击》 北大核心 2025年第4期298-304,312,共8页
针对噪声背景下滚动轴承信号故障特征提取与智能诊断问题,提出基于逐次变分模态分解(successive variational mode decomposition,SVMD)以及注意力机制-残差神经网络(convolutional block attention module-residual neural network,CBA... 针对噪声背景下滚动轴承信号故障特征提取与智能诊断问题,提出基于逐次变分模态分解(successive variational mode decomposition,SVMD)以及注意力机制-残差神经网络(convolutional block attention module-residual neural network,CBAM-ResNet)的轴承故障诊断方法。首先对轴承振动信号进行SVMD分解成一系列本征模态分量,根据包络熵和峭度融合评价指标选择含故障特征明显的模态分量并重构;将重构信号进行短时傅里叶变换得到时频图像。之后利用CBAM能够自适应捕捉图形特征的特点,把重构信号的时频图像输入CBAM-ResNet模型进行特征提取和故障模式识别。在CBAM-ResNet模型训练过程中,使用迁移学习的方法初始化ResNet模型的参数来提高模型的泛化性。与其他传统模型相比,该研究的分类准确率高达96.68%,具有更强的故障特征提取能力。试验结果表明,CBAM-ResNet模型在变工况环境下也具有较高的识别精度。 展开更多
关键词 故障诊断 滚动轴承 逐次变分模态分解 卷积注意力模块 残差神经网络
在线阅读 下载PDF
基于残差BiLSTM和改进CBAM的航迹关联方法
19
作者 贾燎原 曹伟 +2 位作者 张晓峰 陆翔 周恒亮 《火力与指挥控制》 北大核心 2025年第2期100-106,115,共8页
针对目前智能航迹关联算法关联准确率较低的问题,提出一种由残差网络、双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)与改进的卷积注意力模块(improved convolutional block attention module,ICBAM)结合而成的残差... 针对目前智能航迹关联算法关联准确率较低的问题,提出一种由残差网络、双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)与改进的卷积注意力模块(improved convolutional block attention module,ICBAM)结合而成的残差BiLSTM-ICBAM航迹关联模型。在BiLSTM模型的基础上引入残差网络,增强模型提取航迹上下游特征的同时抑制网络退化问题;加入改进的CBAM注意力模块,分析输入信息与当前航迹特征的相关性并突出关键特征的影响,进而增强局部特征提取能力以及误差跟踪能力;在航迹关联数据上的实验结果表明,残差BiLSTM-ICBAM航迹关联模型比现有方法在准确率、稳定性中表现出了明显的性能优势。 展开更多
关键词 航迹关联 残差网络 双向长短时记忆神经网络 卷积注意力模块
在线阅读 下载PDF
VCDG-UNet模型在遥感图像分割中的应用
20
作者 郑海洋 于淼 于晓鹏 《无线电工程》 2025年第1期94-104,共11页
针对遥感图像建筑物的轮廓分割不完整、边界分割模糊和阴影干扰等导致的错误分割问题,提出一种基于VGG16的卷积块注意力深度可分离卷积U-Net网络(VGG16 Convolutional Block Attention and Deep Separable Convolution U-Net,VCDG-UNet... 针对遥感图像建筑物的轮廓分割不完整、边界分割模糊和阴影干扰等导致的错误分割问题,提出一种基于VGG16的卷积块注意力深度可分离卷积U-Net网络(VGG16 Convolutional Block Attention and Deep Separable Convolution U-Net,VCDG-UNet)。为对建筑物特征进行提取,编码器部分模型以具有强大特征提取能力的VGG16作为骨干网络;解码器部分用深度可分离卷积代替普通卷积来减少参数量并融合不同尺度的特征;引入卷积块注意力模块(Convolutional Block Attention Module,CBAM)加入跳跃连接中,使其更有效地从不同尺度的图像中提取上下文信息并提高其对重要区域的关注度;为解决网络训练过程中的梯度消失问题,使用了高斯误差线性单元(Gaussian Error Linear Unit,GELU)。实验结果显示,改进后的网络在WHU和INRIA数据集上的平均交并比(mean Intersection over Union,mIoU)和F1-score分别达到了94.20%、96.83%和89.69%、94.51%,相较于基础模型高出了1.59%、0.76%和2.8%、1.59%。 展开更多
关键词 遥感图像分割 深度学习 U-Net 卷积注意力模块 高斯误差线性单元
在线阅读 下载PDF
上一页 1 2 3 下一页 到第
使用帮助 返回顶部