期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到85篇文章
< 1 2 … 5 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
改进特征金字塔池化的遥感影像障碍物提取
1
作者 孙凯 徐青 +1 位作者 张瑞鑫 苏友能 《测绘通报》 北大核心 2025年第4期90-95,共6页
在高分辨率遥感影像中提取出的障碍物是进行越野路径规划的重要依据之一,精确的障碍物位置能够大大降低通行成本。传统的测绘方法提取障碍物效率低,且易受到人为因素和地形的影响,不适用于复杂的环境。当前的深度学习方法在提取居民地... 在高分辨率遥感影像中提取出的障碍物是进行越野路径规划的重要依据之一,精确的障碍物位置能够大大降低通行成本。传统的测绘方法提取障碍物效率低,且易受到人为因素和地形的影响,不适用于复杂的环境。当前的深度学习方法在提取居民地、水系等障碍物时存在特征丢失、分辨能力不强等问题,尤其是在小尺度地物的分辨上精度较低,提取的结果无法满足需求。为了解决这些问题,本文提出了基于特征金字塔注意力网络(ResT-PNet)提取遥感影像地物的方法,采用特征金字塔池化模块获取全局语义信息。首先,构建了特征融合模块,融合不同尺度的特征信息,增强特征提取效果;然后,引入了注意力机制中的空间注意力和通道注意力,以减少细节信息的丢失,整合局部特征与全局特征;最后,设置了对比试验与模型应用性验证。结果表明,本文模型具有更高的准确率,能够更好地分辨小尺度的障碍物,提取出的结果能够为越野路径规划提供支撑。 展开更多
关键词 地物提取 全卷积神经网络 注意力机制 特征金字塔池化 路径规划
在线阅读 下载PDF
具有双向增强特征结构的U型肺结节分割网络 被引量：4
2
作者 黄新 郭晓敏 《计算机工程与应用》 CSCD 北大核心 2022年第24期239-246,共8页
在CT影像中精准而有效地分割出肺部结节是肺癌早期诊断的关键。然而,肺结节形态的多样性以及周围环境的复杂性,都给肺结节分割的鲁棒性带来了巨大的挑战。为提高CT影像中肺结节分割的准确性,提出了Bi EFP-UNet(bidirectional enhanced f... 在CT影像中精准而有效地分割出肺部结节是肺癌早期诊断的关键。然而,肺结节形态的多样性以及周围环境的复杂性,都给肺结节分割的鲁棒性带来了巨大的挑战。为提高CT影像中肺结节分割的准确性,提出了Bi EFP-UNet(bidirectional enhanced feature pyramid UNet)肺结节分割网络。该结构采用端到端的深度学习方法来解决肺结节的分割任务,通过在原始U-Net网络的编码器和解码器结构之间集成一个双向增强型特征金字塔网络(bidirectional enhanced feature pyramid network,Bi EFPN),加强网络对特征的传递与利用;利用Mish激活函数提高分割效率,并消除原始U-Net网络梯度消失的问题。在肺结节公开数据集LUNA16上的实验结果表明,Bi EFP-UNet网络的Dice相似系数(DSC)可达88.32%,其中,Bi EFPN结构带来的提升为5.25个百分点,Mish激活函数带来的提升为1.21个百分点;与原始U-Net网络相比,Bi EFP-UNet网络的DSC提升了6.46个百分点,能有效解决原始U-Net网络对小目标结节分割性能差、梯度消失的问题。 展开更多
关键词 CT 肺结节分割 U-Net Bi EFP-UNet 双向增强型特征金字塔网络 Mish
在线阅读 下载PDF
多尺度和多层级特征融合的人体姿态估计 被引量：2
3
作者 王燕妮 胡敏 +2 位作者 韩世鹏 陈艺瑄 吕昊 《计算机工程与应用》 北大核心 2025年第6期199-209,共11页
人体姿态估计的精度提升通常依赖于特征融合,但是现有特征融合策略往往忽略了尺度特征和层级特征之间的交互作用。为了充分利用不同特征之间的互补性,提出了一种新特征融合策略用以提升人体姿态估计精度,即多尺度和多层级特征融合网络(m... 人体姿态估计的精度提升通常依赖于特征融合,但是现有特征融合策略往往忽略了尺度特征和层级特征之间的交互作用。为了充分利用不同特征之间的互补性,提出了一种新特征融合策略用以提升人体姿态估计精度,即多尺度和多层级特征融合网络(multi-scale and multi-level network,MSLNet)。采用高分辨率网络(high-resolution network,HRNet)作为主干,通过跨尺度信息交互,实现不同分辨率特征图之间的信息交换,获取同时包含细粒度和粗粒度的姿态特征;引入期望最大化注意力-加权双向特征金字塔网络(expectation maximization attention-bidirectional feature pyramid network,EMA-BiFPN),实现多尺度特征融合后的多层级特征聚合,从局部到全局捕捉人体姿态的细节和关联信息;设计由残差结构组成的关键点检测头,完成输出特征的最终融合并提升人体关键点检测准确率。实验结果表明,MSLNet在COCO和MPII数据集上分别取得了75.8%和91.1%的准确率,实现了最优精度,充分验证了MSLNet能够融合尺度和层级之间的互补特征,进而提升人体姿态估计精度。 展开更多
关键词 高分辨率网络(HRNet) 人体姿态估计 期望最大化注意力 双向特征金字塔网络 特征融合
在线阅读 下载PDF
基于双向加权图的社交网络用户可信度算法研究 被引量：3
4
作者 杨艳萍 《信息网络安全》 CSCD 2017年第7期40-44,共5页
社交网络平台,为人们提供了更为便捷的交流平台,微博、微信、QQ等已经成为很多人生活中不可或缺的一部分。社交网络中蕴含的商业开发、舆情分析等社会价值,使得针对社交平台的用户关系分析技术成为网络用户行为分析的热点。文章针对社... 社交网络平台,为人们提供了更为便捷的交流平台,微博、微信、QQ等已经成为很多人生活中不可或缺的一部分。社交网络中蕴含的商业开发、舆情分析等社会价值,使得针对社交平台的用户关系分析技术成为网络用户行为分析的热点。文章针对社交网络用户关系分析问题,依据人类学中的150定律和六度空间理论,制定能够有效反应用户社交关系的用户关系图生成规则,构建用户关系有向加权图;利用局部最小路径搜索算法,计算以指定用户为根节点的"朋友圈"中该用户与其他用户之间的可信度,形成对特定用户群体内部关系可信度的整体认知,为以特定用户为中心的新用户推荐和个性化信息推送等提供决策依据。 展开更多
关键词 社交网络 用户关系分析 双向加权图 最短路径算法 可信度
在线阅读 下载PDF
基于改进YOLOv7-tiny的绝缘子缺陷检测网络
5
作者 韩兴宇 陈为真 《现代电子技术》 北大核心 2025年第16期105-112,共8页
现有的检测方法在复杂背景的输电线路图像中识别绝缘子微小缺陷时,得到的图像存在背景环境复杂、缺陷尺寸小等问题。为保证输电线路的安全运行,提出一种基于YOLOv7-tiny的绝缘子缺陷检测网络(IDD-Net)。首先,引入基于注意力的尺度内特... 现有的检测方法在复杂背景的输电线路图像中识别绝缘子微小缺陷时,得到的图像存在背景环境复杂、缺陷尺寸小等问题。为保证输电线路的安全运行,提出一种基于YOLOv7-tiny的绝缘子缺陷检测网络(IDD-Net)。首先,引入基于注意力的尺度内特征交互(AIFI)来处理高维特征,从而降低计算量;其次,使用双向加权路径特征金字塔网络(BiFPN)进行特征融合,并对下采样模块进行改进,增强网络的感知能力;最后,使用Focal-DIoU损失函数提高锚框质量。结果表明,与基线模型相比,IDD-Net的平均精度均值提高4.1%,精确率和召回率分别提高2.4%和6.5%,参数量和浮点运算量分别减少5.8%和2.3%,对于闪络缺陷的平均精度提高11.2%。由此说明所提方法参数量较小,性能更优异,鲁棒性更强。 展开更多
关键词 YOLOv7-tiny 绝缘子缺陷检测 基于注意力的尺度内特征交互 双向加权路径特征金字塔网络 MC下采样模块 轻量级网络
在线阅读 下载PDF
基于坐标注意力和加权双向特征金字塔网络的舰载机阻拦着舰拉制状态精准识别
6
作者 李哲 杨杰 +4 位作者 张椅 王华 李亚飞 王可 徐明亮 《中国舰船研究》 2025年第4期124-133,共10页
[目的]舰载机着舰安全的关键在于尾钩与阻拦索成功挂索,而现有研究中,借助智能化手段辅助着舰指挥官(LSO)识别阻拦着舰状态的工作较少。为此,提出一种融合坐标注意力和加权双向特征金字塔网络的阻拦着舰拉制状态识别模型。[方法]先使用... [目的]舰载机着舰安全的关键在于尾钩与阻拦索成功挂索,而现有研究中,借助智能化手段辅助着舰指挥官(LSO)识别阻拦着舰状态的工作较少。为此,提出一种融合坐标注意力和加权双向特征金字塔网络的阻拦着舰拉制状态识别模型。[方法]先使用坐标注意力机制(CA)从空间和通道两个维度增强模型捕捉特征的能力;再通过加权双向特征金字塔网络(BiFPN)纳入可学习的权值学习不同输入特征的重要性,实现双向多尺度特征融合;然后采用C2F模块轻量化模型架构,减少参数和计算量;最后通过仿真实验将所提模型与5种基线模型进行对比。[结果]结果表明,在舰载机尾钩和阻拦着舰拉制状态的检测上,该模型综合性能均优于基线模型。[结论]该模型有助于提高尾钩及阻拦索的啮合状态检测的准确率和鲁棒性,对提高舰载机着舰作业的效率、预防潜在的人员伤害和装备损失具有重要意义。 展开更多
关键词 舰载机 阻拦装置 状态识别 双向特征金字塔网络(BiFPN) 航空母舰
在线阅读 下载PDF
基于注意力机制金字塔网络的麦穗检测方法 被引量：8
7
作者 章权兵 胡姗姗 +1 位作者 舒文灿 程鸿 《农业机械学报》 EI CAS CSCD 北大核心 2021年第11期253-262,共10页
为了准确预测小麦产量,提出了一种基于特征金字塔网络改进的小麦穗部检测方法。针对检测结果中存在的误检或漏检等问题,本文首先在原始特征提取网络的编码和解码区域分别引入通道注意力机制和空间注意力机制,以增加对麦穗空间信息和语... 为了准确预测小麦产量,提出了一种基于特征金字塔网络改进的小麦穗部检测方法。针对检测结果中存在的误检或漏检等问题,本文首先在原始特征提取网络的编码和解码区域分别引入通道注意力机制和空间注意力机制,以增加对麦穗空间信息和语义信息的提取,有效提升网络对遮挡麦穗的检测性能;其次对原始区域建议网络的输入进行改进,设计了一种加权区域建议网络,在通道级别上将高层具有强语义信息的低分辨率特征图融合在一起,经过一系列的全连接层和激活函数生成对应维度的概率后,对底层高分辨率特征图进行加权以增强有用的信息通道,为难以检测的较小麦穗生成更精确的检测框。关于实地采集的灌浆期麦穗图像的实验结果表明,本文方法明显改善了对遮挡麦穗和较小麦穗的检测效果,其检测精确度、召回率和平均精度分别达到80.53%、87.12%和88.53%。通过对公开ACID数据集上不同时期麦穗检测结果的对比分析,进一步验证了本文方法的有效性。 展开更多
关键词 麦穗检测 金字塔网络 特征提取 注意力机制 加权区域建议网络
在线阅读 下载PDF
基于混合路径聚合网络的点云目标识别 被引量：1
8
作者 梁正友 陈子奥 +1 位作者 蔡俊民 孙宇 《计算机工程与设计》 北大核心 2023年第11期3208-3213,共6页
针对目前点云目标识别通常强调提取点云数据中的语义特征,但是忽视了原始点云中的定位特征的问题,提出一种基于混合路径聚合网络的点云目标识别方法。使用改进的坐标注意力模块增强数据集的点云定位特征,设计一种混合路径聚合的残差特... 针对目前点云目标识别通常强调提取点云数据中的语义特征,但是忽视了原始点云中的定位特征的问题,提出一种基于混合路径聚合网络的点云目标识别方法。使用改进的坐标注意力模块增强数据集的点云定位特征,设计一种混合路径聚合的残差特征金字塔提取点云语义特征,将定位特征与语义特征融合。在KITTI数据集进行实验,可视化实验结果表明,该模型可以有效解决定位错误的问题,数据结果也表明该方法在KITTI点云数据集上的cyclist类别优于现有方法。 展开更多
关键词 点云目标识别 残差网络 特征融合 注意力机制 深度学习 金字塔网络 路径聚合网络
在线阅读 下载PDF
基于多尺度特征融合的轻量级火灾检测算法 被引量：3
9
作者 杨国为 刘璇 +1 位作者 郜敏 许迪 《计算机工程与应用》 CSCD 北大核心 2024年第23期229-237,共9页
针对传统火灾检测算法存在的检测精度不足及速度瓶颈,特别是对于小规模初发火情与大规模迅速蔓延火灾的识别难题,研究提出一种基于多尺度特征融合的轻量级火灾检测算法,设计了EDBAN模块以替代YOLOv8中的C2f模块,提升模型的泛化能力和适... 针对传统火灾检测算法存在的检测精度不足及速度瓶颈,特别是对于小规模初发火情与大规模迅速蔓延火灾的识别难题,研究提出一种基于多尺度特征融合的轻量级火灾检测算法,设计了EDBAN模块以替代YOLOv8中的C2f模块,提升模型的泛化能力和适应性,尤其是在处理多尺度火灾场景时的精准度。改进原有的BiFPN结构适配YOLOv8模型结构,并设计Weighted Blend模块对各层特征进行加权融合,增强特征的表征能力,降低漏检风险。进一步提出LOTT检测模块,以替代传统的YOLOv8检测,通过一系列组卷积和尺度调整操作,实现了在轻量化的同时保持了检测性能的准确性和稳定性。通过在场景丰富的火灾数据集上进行实验,结果表明,改进的YOLOv8算法在基准模型的基础上参数量减少了58.3%、计算量减少了34.5%,同时mAP提升了2.6个百分点,基本满足火灾实时检测的需求。 展开更多
关键词 YOLOv8 轻量化 火灾检测 目标检测 加权双向特征金字塔(BiFPN)
在线阅读 下载PDF
基于特征加权的深度学习Android恶意检测系统研究 被引量：7
10
作者 葛文麒 杨清 +1 位作者 廖俊国 何羽轩 《计算机工程》 CAS CSCD 北大核心 2020年第11期174-180,共7页
当前Android系统恶意应用程序数量增长迅猛,然而传统检测系统无法对其进行快速有效检测,移动终端安全性面临严重威胁。提出一种将特征加权与双向长短期记忆(Bi-LSTM)神经网络深度学习算法相结合的恶意检测系统。采用静态分析方法从恶意... 当前Android系统恶意应用程序数量增长迅猛,然而传统检测系统无法对其进行快速有效检测,移动终端安全性面临严重威胁。提出一种将特征加权与双向长短期记忆(Bi-LSTM)神经网络深度学习算法相结合的恶意检测系统。采用静态分析方法从恶意与良性应用程序中提取不同类型行为特征,利用特征加权方法消除噪声与不相关因素后构建特征向量,使用Bi-LSTM深度学习算法优化行为特征参数,并设计恶意与良性应用程序分类模型,建立特征加权与深度学习算法相结合的恶意应用程序检测系统。实验结果表明,与支持向量机、RNN等传统检测系统相比,该系统对恶意应用程序具有较高的检测精度与准确率。 展开更多
关键词 ANDROID系统 恶意应用 特征加权 深度学习 双向长短期记忆神经网络
在线阅读 下载PDF
基于上采样金字塔结构的卷积神经网络的非侵入负荷辨识算法 被引量：5
11
作者 杜宇 严萌 武昕 《计算机应用》 CSCD 北大核心 2022年第10期3300-3306,共7页
非侵入式负荷监测(NILM)技术为需求侧管理提供了技术支撑,而非侵入负荷辨识是负荷监测过程中的关键环节。在负荷数据采样过程中无法实现长期的实时高频采集,得到的负荷数据还存在缺乏时序性的问题;同时,卷积神经网络(CNN)存在对低级信... 非侵入式负荷监测(NILM)技术为需求侧管理提供了技术支撑,而非侵入负荷辨识是负荷监测过程中的关键环节。在负荷数据采样过程中无法实现长期的实时高频采集,得到的负荷数据还存在缺乏时序性的问题;同时,卷积神经网络(CNN)存在对低级信号特征表现不足的缺陷。针对以上两个问题,提出了一种基于上采样金字塔结构的CNN非侵入负荷辨识算法。所提算法直接面向采集到的负荷电流信号,利用上采样网络扩展数据在时间维度上的相关信息弥补数据的时序性,并通过双向金字塔一维卷积提取负荷信号的高级与低级特征,以对负荷特征进行全面利用,从而实现对未知负荷信号进行识别的目的。实验结果表明,基于上采样金字塔结构的CNN非侵入负荷辨识算法的识别准确率能够达到95.21%,且具有良好的泛化能力,可有效实现负荷辨识。 展开更多
关键词 非侵入负荷辨识 需求侧管理 数据上采样 双向金字塔结构 卷积神经网络 自动特征提取
在线阅读 下载PDF
基于加权损失函数的多尺度对抗网络图像语义分割算法 被引量：3
12
作者 张宏钊 吕启深 +2 位作者 党晓婧 李炎裕 代德宇 《计算机应用与软件》 北大核心 2020年第1期284-291,共8页
针对现有的语义分割算法存在分割结果空间不一致的问题,提出一种基于加权损失函数的多尺度对抗网络语义分割算法。在DeepLab v3基本框架的基础上,引入Pix2pix网络作为生成对抗网络模型,实现多尺度对抗网络语义分割。同时,为增加模型的... 针对现有的语义分割算法存在分割结果空间不一致的问题,提出一种基于加权损失函数的多尺度对抗网络语义分割算法。在DeepLab v3基本框架的基础上,引入Pix2pix网络作为生成对抗网络模型,实现多尺度对抗网络语义分割。同时,为增加模型的泛化能力与训练精度,提出将传统的多分类交叉熵损失函数与生成器输出的内容损失函数和鉴别器输出的对抗损失函数相结合,构建加权损失函数。大量定性定量实验结果表明,该算法能够识别并分割细小的物体,其语义分割性能超过现有的深度网络,在保证语义分割空间一致性的同时提高了分割效率。 展开更多
关键词 语义分割 生成对抗网络 加权损失函数 多尺度特征 多孔空间金字塔池化
在线阅读 下载PDF
一种基于元学习的改进YOLO钢管表面缺陷小样本检测模型 被引量：2
13
作者 李凌波 田彦 +1 位作者 江旭东 董宝力 《机电工程》 北大核心 2025年第5期985-993,共9页
针对产品表面缺陷样本数稀缺时的深度学习缺陷检测效果不佳问题,提出了一种基于元学习策略的改进YOLO-SBN模型,用于小样本缺陷检测。首先,为了提高提取全局特征信息的能力,采用了Swin Transformer作为骨干网络模型,引入注意力机制提取... 针对产品表面缺陷样本数稀缺时的深度学习缺陷检测效果不佳问题,提出了一种基于元学习策略的改进YOLO-SBN模型,用于小样本缺陷检测。首先,为了提高提取全局特征信息的能力,采用了Swin Transformer作为骨干网络模型,引入注意力机制提取了特征图的判别能力;然后,为了提高特征融合能力并降低计算复杂度,通过加权双向特征金字塔网络(BiFPN)结构优化了特征提取器的颈部网络,平衡了YOLO-SBN模型的有效性和效率;最后,采用归一化注意力模块(NAM)优化权重调整了模块,增强了浅层缺陷特征的模型表达,并基于这些增强的特征进行了检测;使用金属表面热轧缺陷公开数据集NEU-DET验证了YOLO-SBN模型的算法性能。研究结果表明:对于小样本缺陷检测,YOLO-SBN模型在平均准确率(mAP)方面提高了4.1%;在新类缺陷样本规模数量为50的小样本情况下,改进后的检测模型对新类数据适应性最强。由此可见,该YOLO-SBN模型在提高检测精度和提升模型泛化能力方面具有一定优势。 展开更多
关键词 小样本目标检测 表面缺陷 元学习 特征网络 归一化注意力模块 平均准确率 双向特征金字塔网络(BiFPN)
在线阅读 下载PDF
基于改进YOLOX的隧道火灾检测算法
14
作者 马庆禄 邱高建 白锋 《中国安全科学学报》 北大核心 2025年第4期28-34,共7页
针对隧道初期火灾检测中存在的复杂环境干扰和低识别率问题,提出一种基于改进YOLOX算法的检测方法YOLOX-T。该方法在YOLOX中引入归一化注意力模块(NAM)机制来抑制环境噪声和干扰,提高系统的鲁棒性及识别的精确性;引入加权双向特征金字... 针对隧道初期火灾检测中存在的复杂环境干扰和低识别率问题,提出一种基于改进YOLOX算法的检测方法YOLOX-T。该方法在YOLOX中引入归一化注意力模块(NAM)机制来抑制环境噪声和干扰,提高系统的鲁棒性及识别的精确性;引入加权双向特征金字塔网络(BiFPN)增强特征提取和融合能力,优化α-交并比(IoU)损失函数,以提高对轮廓特征不明显的隧道初期烟雾火焰的检测精度;在现有公开数据集不足的情况下,通过网络采集、模拟试验和扩充现有数据集,构建隧道火灾数据集,在包含真实场景和模拟场景的自建隧道火灾数据集上进行验证。结果表明:相比于原始YOLOX模型,改进后的算法均值平均精度(mAP@0.5)提高1.89%,mAP@0.5~0.95提高0.88%,精确率提高4.57%,召回率提高5.45%,改进后的算法能够实现更优的检测性能。 展开更多
关键词 隧道火灾 YOLOX 火灾检测 归一化注意力模块(NAM) 加权双向特征金字塔网络(BiFPN)
在线阅读 下载PDF
基于改进YOLOv8模型的井下人员入侵带式输送机危险区域智能识别
15
作者 毛清华 苏毅楠 +3 位作者 贺高峰 翟姣 王荣泉 尚新芒 《工矿自动化》 北大核心 2025年第1期11-20,103,共11页
针对煤矿带式输送机场景存在尘雾干扰严重、背景环境复杂、人员尺度多变且易遮挡等因素导致人员入侵危险区域识别准确率不高等问题,提出一种基于改进YOLOv8模型的井下人员入侵带式输送机危险区域智能识别系统。改进YOLOv8模型通过替换... 针对煤矿带式输送机场景存在尘雾干扰严重、背景环境复杂、人员尺度多变且易遮挡等因素导致人员入侵危险区域识别准确率不高等问题,提出一种基于改进YOLOv8模型的井下人员入侵带式输送机危险区域智能识别系统。改进YOLOv8模型通过替换主干网络C2f模块为C2fER模块,加强模型的细节特征提取能力,提升模型对小目标人员的识别性能;通过在颈部网络引入特征强化加权双向特征金字塔网络(FE-BiFPN)结构,提高模型的特征融合能力,从而提升模型对多尺度人员目标的识别效果;通过引入分离增强注意力模块(SEAM)增强模型在复杂背景下对局部特征的关注度,提升模型对遮挡目标人员的识别能力;通过引入WIoU损失函数增强训练效果,提升模型识别准确率。消融实验结果表明:改进YOLOv8模型的准确率较基线模型YOLOv8s提升2.3%,mAP@0.5提升3.4%,识别速度为104帧/s。人员识别实验结果表明:与YOLOv10m,YOLOv8s-CA、YOLOv8s-SPDConv和YOLO8n模型相比,改进YOLOv8模型对小目标、多尺度目标、遮挡目标的识别效果均更佳,识别准确率为90.2%,mAP@0.5为87.2%。人员入侵危险区域实验结果表明:井下人员入侵带式输送机危险区域智能识别系统判别人员入侵危险区域的平均准确率为93.25%,满足识别需求。 展开更多
关键词 煤矿带式输送机 人员入侵危险区域 YOLOv8模型 遮挡目标检测 小目标检测 多尺度融合 C2fER模块 特征强化加权双向特征金字塔网络结构
在线阅读 下载PDF
改进YOLOv8s-Pose多人姿态估计轻量化模型研究 被引量：1
16
作者 傅裕 高树辉 《计算机科学与探索》 北大核心 2025年第3期682-692,共11页
针对现有人体姿态估计模型计算量大、检测速度慢等问题,提出了一种基于YOLOv8s-Pose模型的轻量化改进算法。在backbone中引入轻量化模块C2f-GhostNetBottleNeckV2替换原先C2f,减少参数量,提高模型速度。引入Non_Local注意力机制捕捉并... 针对现有人体姿态估计模型计算量大、检测速度慢等问题,提出了一种基于YOLOv8s-Pose模型的轻量化改进算法。在backbone中引入轻量化模块C2f-GhostNetBottleNeckV2替换原先C2f,减少参数量,提高模型速度。引入Non_Local注意力机制捕捉并传递人体关键点位置,直接融合全面的信息,为后续的层级提供更为丰富和深入的语义信息,提升整体的信息处理深度和广度,强化特征提取的效能,减少模型轻量化后精度降低问题,再将neck层引入加权双向特征金字塔网络,通过双向融合的理念,对自顶向下和自底向上的信息流动路径进行了重新规划,确保在处理不同尺度的特征信息时达到良好的平衡,给网络增加一个小目标检测头,减少对小目标的漏检情况,将CIOU损失函数更换为Focal-EIOU损失函数,以增强对复杂场景和多目标场景下的鲁棒性。实验结果表明,改进后的实验模型参数量降低了9.3%,在COCO2017人体关键点数据集上,与原模型相比mAP@0.50提升了0.4个百分点,mAP@0.50:0.95提升了0.6个百分点。可见,所提出的轻量化改进算法在减少模型参数量的同时,提升了人体姿态估计的算法精度,尤其对小目标检测有显著改善,为实现实时准确的姿态估计提供了有效手段。 展开更多
关键词 姿态估计 YOLOv8s-Pose GhostNetV2网络 加权双向特征金字塔网络 损失函数
在线阅读 下载PDF
基于多尺度特征融合的红外单目测距算法 被引量：11
17
作者 刘斌 李港庆 +2 位作者 安澄全 王水根 王建生 《计算机应用》 CSCD 北大核心 2022年第3期804-809,共6页
由于MonoDepth2的提出,无监督单目测距在可见光领域取得了重大发展;然而在某些场景例如夜间以及一些低能见度的环境,可见光并不适用,而红外热成像可以在夜间和低能见度条件下获得清晰的目标图像,因此对于红外图像的深度估计显得尤为必... 由于MonoDepth2的提出,无监督单目测距在可见光领域取得了重大发展;然而在某些场景例如夜间以及一些低能见度的环境,可见光并不适用,而红外热成像可以在夜间和低能见度条件下获得清晰的目标图像,因此对于红外图像的深度估计显得尤为必要。由于可见光和红外图像的特性不同,直接将现有可见光单目深度估计算法迁移到红外图像是不合理的。针对该问题,对MonoDepth2算法进行改进,提出了基于多尺度特征融合的红外单目测距算法。针对红外图像低纹理的特性设计了一项新的损失函数边缘损失函数,旨在降低图像重投影时的像素误匹配。不同于以往的无监督单目测距单纯地将四个尺度的深度图统一上采样到原图像分辨率计算投影误差而忽略了尺度之间的关联性以及不同尺度之间的贡献差异,将加权的双向特征金字塔网络(BiFPN)应用于多尺度深度图的特征融合,解决了深度图边缘模糊问题。另外用跨阶段部分网络(CSPNet)替换残差网络(ResNet)结构,以降低网络复杂度并提高运算速度。实验结果表明,边缘损失更适合红外图像测距,使得深度图质量更高;在加入BiFPN结构之后,深度图像的边缘更加清晰;将ResNet替换为CSPNet之后,推理速度提高了大约20个百分点。该算法能够准确估计出红外图像的深度,解决夜间低光照场景以及一些低能见度场景下的深度估计难题;该算法的应用也可以在一定程度上降低汽车辅助驾驶的成本。 展开更多
关键词 无监督 单目测距 红外图像 双向特征金字塔网络 跨阶段部分网络
在线阅读 下载PDF
YOLO-BFEPS:一种高效注意力增强的跨尺度YOLOv10火灾检测模型
18
作者 高均益 张伟 李泽麟 《计算机科学》 北大核心 2025年第S1期412-420,共9页
为解决传统火灾检测模型在处理复杂场景时,特征提取不充分和模型复杂度过高导致预警延迟及识别精度下降的问题,提出一种可部署到终端设备上的基于改进YOLOv10的新型火灾检测模型YOLO-BFEPS(YOLO Bi-directional Fusion with Enhanced Pa... 为解决传统火灾检测模型在处理复杂场景时,特征提取不充分和模型复杂度过高导致预警延迟及识别精度下降的问题,提出一种可部署到终端设备上的基于改进YOLOv10的新型火灾检测模型YOLO-BFEPS(YOLO Bi-directional Fusion with Enhanced Partial Self-Attention),实现了同时对烟雾与火灾的快速准确检测。首先,改进PSA模块,加强空间语义特征提取,解决通道降维建模跨通道关系时带来的信息丢失与计算复杂度增加的问题,提高检测精度,并将改进后的模块记为E-PSA(Enhanced Partial Self-Attention);其次,基于BiFPN提出特征层双向跨连接的思想进行尺度融合,重新设计了YOLOv10的颈部结构,并创新性地增加来自低特征层信息的融合,在保持准确度的同时大大减少了模型参数以及计算复杂度;引入Faster Block结构替换C2f模块的Bottleneck结构,实现模型的轻量化设计,并将其称为C2f-Faster。最后,通过在多个数据集上进行实验验证了所提模型的有效性,其在参数量减少35.5%、计算复杂度降低17.6%的基础上,将检测精度(Precision)和mAP@0.5分别提升了5.9%和1.4%。 展开更多
关键词 高效注意力 多尺度特征 加权双向特征金字塔 火灾检测 YOLOv10 轻量化 计算机视觉 深度学习
在线阅读 下载PDF
基于改进YOLOv5的玉米植株检测与识别研究
19
作者 崔岩 庄卫东 +1 位作者 秦韬 王楠 《中国农机化学报》 北大核心 2025年第6期136-141,共6页
为解决机械除草伤苗的问题,提出一种改进YOLOv5的玉米植株检测方法。建立复杂田间环境下的玉米植株数据集,在原有模型的基础上在Backbone和Head层增加坐标注意力(CA)机制,通过动态加权的方式提升对于玉米植株位置信息的关注度,强化位置... 为解决机械除草伤苗的问题,提出一种改进YOLOv5的玉米植株检测方法。建立复杂田间环境下的玉米植株数据集,在原有模型的基础上在Backbone和Head层增加坐标注意力(CA)机制,通过动态加权的方式提升对于玉米植株位置信息的关注度,强化位置信息,提升检测准确度,在Neck层采用加权双向特征金字塔网络(BiFPN),加强特征融合,提高检测速度和检测精确度。试验结果表明,与原始模型相比,所改进方法的平均精度均值mAP@0.5、mAP@0.5:0.95分别提升4.31、3.66个百分点,检测速度和模型大小分别为46.77帧/s和15.56 M,与SSD、YOLOv5、Fast R—CNN和YOLOv7相比也有一定的优势。改进模型能有效实现玉米植株的检测,实时性好,内存占用量小,可为智能除草机器人的护苗工作提供借鉴。 展开更多
关键词 玉米植株检测 YOLOv5模型 加权双向特征金字塔 坐标注意力机制
在线阅读 下载PDF
融合词典特征的Bi-LSTM-WCRF中文人名识别 被引量：7
20
作者 成于思 施云涛 《中文信息学报》 CSCD 北大核心 2020年第4期69-76,共8页
受限于标注语料的领域和规模以及类别不均衡,中文人名识别性能偏低。相比人名识别训练语料,人名词典获取较为容易,利用词典提升人名识别性能有待进一步研究。该文提取人名词典特征,融入到双向长短期记忆(Bi-LSTM)网络模型中,在损失函数... 受限于标注语料的领域和规模以及类别不均衡,中文人名识别性能偏低。相比人名识别训练语料,人名词典获取较为容易,利用词典提升人名识别性能有待进一步研究。该文提取人名词典特征,融入到双向长短期记忆(Bi-LSTM)网络模型中,在损失函数中提高人名标签权重,设计加权条件随机场(WCRF)。从人名词典中获取姓和名相关的特征信息,Bi-LSTM网络捕获句子中上下文信息,WCRF提高人名识别的召回率。在《人民日报》语料和工程法律领域语料上进行实验,结果表明:在领域测试语料上,与基于隐马尔可夫模型的方法相比,人名识别的F1值提高18.34%,与传统Bi-LSTM-CRF模型相比,召回率提高15.53%,F1提高8.83%。WCRF还可以应用到其他类别不均衡的序列标注或分类问题中。 展开更多
关键词 人名识别 双向长短期记忆网络 加权条件随机场 词典特征
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 5 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部