检索结果-维普期刊中文期刊服务平台

基于空洞Inception注意力U-Net的遥感图像目标分割方法被引量：1: 1; 作者李萍栗娜孟令媛《弹箭与制导学报》北大核心 2023年第4期60-67,共8页; 针对遥感图像中目标类型多、目标尺寸小、目标大小差异较大、图像视场大、环境和背景复杂等特点导致其分割困难的问题,提出一种注意力空洞多尺度U-Net(ADMSU-Net)的遥感图像中目标分割方法。ADMSU-Net由收缩子网、扩展子网、空洞残差卷... 展开更多; 关键词遥感图像目标分割 U-Net 空间注意力机制注意力空洞多尺度U-Net(ADMSU-Net); 在线阅读下载PDF 职称材料

改进YOLOv11的药包玻璃瓶缺陷检测方法: 2; 作者陈宏彩程煜任亚恒《包装工程》北大核心 2025年第9期203-208,共6页; 目的针对药包玻璃瓶缺陷检测中目标检测精度低及小目标漏检率高的问题,提出一种改进YOLOv11的药包玻璃瓶外观缺陷检测方法。方法首先,在YOLOv11的主干网络中引入动态蛇形卷积网络,通过其自适应地关注不同缺陷特性,有效聚焦不同形状和大... 展开更多; 关键词药包玻璃瓶缺陷检测 YOLOv11 动态蛇形卷积多尺度空洞注意力小目标; 在线阅读下载PDF 职称材料

EMD-YOLO:基于YOLOv8n改进的轻量化作物叶部病害检测算法: 3; 作者王斌兵张亚利 +2 位作者郑光时雷尹飞《华中农业大学学报》北大核心 2025年第4期181-191,共11页; 为准确、快速地识别作物叶部病害,降低手工诊断成本,减少叶部病害对作物生长过程与产量的危害,提出一种基于YOLOv8n新型轻量级作物叶部病害检测算法EMD-YOLO。该算法结合多尺度空洞注意力MSDA、EffectiveSE注意力机制、DySample上采样以... 展开更多; 关键词深度学习作物叶部病害 YOLOv8 EffectiveSE注意力机制多尺度空洞注意力MSDA 轻量化算法; 在线阅读下载PDF 职称材料

基于改进YOLOv8的遥感图像检测算法: 4; 作者宋树成程换新《电子测量技术》北大核心 2025年第3期52-59,共8页; 针对小目标在遥感图像中的局限性,如图像背景复杂、小目标分布密集、目标尺度多样等问题,本文提出了一种基于YOLOv8n的改进算法。首先,设计了一个多尺度空洞注意力模块,在主干网络中引入多尺度空洞注意力机制与C2f模块结合,以有效捕捉... 展开更多; 关键词遥感图像 YOLOv8 多尺度空洞注意力机制损失函数; 在线阅读下载PDF 职称材料

题名基于空洞Inception注意力U-Net的遥感图像目标分割方法被引量：1: 1; 作者李萍栗娜孟令媛; 机构郑州西亚斯学院计算机与软件工程学院; 出处《弹箭与制导学报》北大核心 2023年第4期60-67,共8页; 基金河南省科技厅科技攻关项目(222102110134) 河南省高等学校重点科研项目(22B520049)资助。; 文摘针对遥感图像中目标类型多、目标尺寸小、目标大小差异较大、图像视场大、环境和背景复杂等特点导致其分割困难的问题,提出一种注意力空洞多尺度U-Net(ADMSU-Net)的遥感图像中目标分割方法。ADMSU-Net由收缩子网、扩展子网、空洞残差卷积连接和空间注意连接组成,在收缩和扩展子网中引入空洞多尺度Inception模块,在不增加计算成本的情况下学习多尺度高级特征,在跳跃连接中加入空间注意机制,提取特征之间的空间相关性,提高模型的分割性能。在包含多尺度目标的遥感图像数据集EORSSD上的实验结果表明,该方法是有效可行的,分割准确率为93%以上。; 关键词遥感图像目标分割 U-Net 空间注意力机制注意力空洞多尺度U-Net(ADMSU-Net); Keywords target segmentation in remote sensing images(TSRSI) U-Net spatial attention mechanism attention dilated multi-scale U-Net(ADMSU-Net); 分类号 TN975 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名改进YOLOv11的药包玻璃瓶缺陷检测方法: 2; 作者陈宏彩程煜任亚恒; 机构河北省科学院应用数学研究所河北省信息安全认证技术创新中心; 出处《包装工程》北大核心 2025年第9期203-208,共6页; 基金中央引导地方科技发展资金项目(236Z1604G)。; 文摘目的针对药包玻璃瓶缺陷检测中目标检测精度低及小目标漏检率高的问题,提出一种改进YOLOv11的药包玻璃瓶外观缺陷检测方法。方法首先,在YOLOv11的主干网络中引入动态蛇形卷积网络,通过其自适应地关注不同缺陷特性,有效聚焦不同形状和大小的缺陷特征,增强模型对缺陷局部结构特征的提取能力;其次,在浅层网络中构建多尺度空洞注意力机制,全面捕捉并整合多尺度特征信息;最后,设计微小目标检测层,捕捉网络结构浅层特征中丰富的细节信息,进一步提高微小缺陷目标的检测能力。结果实验结果表明,该方法在预灌封注射器数据集上的检测平均准确率达到88.38%,较基准模型提升3.8%,特别是在小目标检测上表现突出。结论改进方法能够有效提高药包玻璃瓶缺陷的检测精度,为自动化检测领域提供一种切实可行的解决方案。; 关键词药包玻璃瓶缺陷检测 YOLOv11 动态蛇形卷积多尺度空洞注意力小目标; Keywords pharmaceutical glass vial defect detection YOLOv11 dynamic snake convolution multi-scale dilated attention small target detection; 分类号 TB487 [一般工业技术—包装工程]; 在线阅读下载PDF 职称材料

题名EMD-YOLO:基于YOLOv8n改进的轻量化作物叶部病害检测算法: 3; 作者王斌兵张亚利郑光时雷尹飞; 机构河南农业大学信息与管理科学学院; 出处《华中农业大学学报》北大核心 2025年第4期181-191,共11页; 基金河南省科技攻关项目(242102521027) 河南省科技研发计划联合基金项目(222301420113)。; 文摘为准确、快速地识别作物叶部病害,降低手工诊断成本,减少叶部病害对作物生长过程与产量的危害,提出一种基于YOLOv8n新型轻量级作物叶部病害检测算法EMD-YOLO。该算法结合多尺度空洞注意力MSDA、EffectiveSE注意力机制、DySample上采样以及Wise-IoU损失函数。其中,多尺度空洞注意力MSDA结合多尺度空间卷积与注意力机制,提高多尺度特征提取效率;EffectiveSE强化特征选择,提升模型表示性能;DySample上采样保留重要特征,提高特征图分辨率和检测性能;Wise-IoU损失函数优化交并比(IoU)计算方式,提升模型定位精度。结果显示,EMD-YOLO的精确度、mAP@0.5、模型权重分别为96.3%、92.8%、4.85 MB,较基线模型YOLOv8n的精确度和平均精度均值分别提高3.0和3.6百分点,权重降低1.4 MB。结果表明,EMD-YOLO的泛化性良好,适用于移动端农作物叶部病害检测设备。; 关键词深度学习作物叶部病害 YOLOv8 EffectiveSE注意力机制多尺度空洞注意力MSDA 轻量化算法; Keywords deep learning diseases in crop leaf YOLOv8 EffectiveSE attention mechanism multiscale dilated attention(MSDA) lightweight algorithm; 分类号 S432 [农业科学—植物病理学] 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YOLOv8的遥感图像检测算法: 4; 作者宋树成程换新; 机构青岛科技大学自动化与电子工程学院; 出处《电子测量技术》北大核心 2025年第3期52-59,共8页; 基金国家自然科学基金(62273192)项目资助。; 文摘针对小目标在遥感图像中的局限性,如图像背景复杂、小目标分布密集、目标尺度多样等问题,本文提出了一种基于YOLOv8n的改进算法。首先,设计了一个多尺度空洞注意力模块,在主干网络中引入多尺度空洞注意力机制与C2f模块结合,以有效捕捉多尺度的语义信息并减少自注意力机制的冗余;其次,设计了一个残差快速卷积模块,减小模型计算量并提高特征提取能力;最后,使用PIoU v2-Iou损失函数代替CIOU损失函数,提升模型的检测精度。通过在DOTA、RSOD和VisDrone2019数据集上的实验结果显示,改进后YOLOv8n模型与原模型YOLOv8n相比,mAP分别提升了2.7%、3.3%和3.8%,计算量降低了0.5 GFLOPs,验证了新算法的有效性。; 关键词遥感图像 YOLOv8 多尺度空洞注意力机制损失函数; Keywords remote sensing images YOLOv8 multi-scale null attention mechanisms loss function; 分类号 TN919.5 [电子电信—通信与信息系统]; 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	基于空洞Inception注意力U-Net的遥感图像目标分割方法	李萍栗娜孟令媛	《弹箭与制导学报》北大核心	2023	1	在线阅读下载PDF 职称材料
2	改进YOLOv11的药包玻璃瓶缺陷检测方法	陈宏彩程煜任亚恒	《包装工程》北大核心	2025	0	在线阅读下载PDF 职称材料
3	EMD-YOLO:基于YOLOv8n改进的轻量化作物叶部病害检测算法	王斌兵张亚利郑光时雷尹飞	《华中农业大学学报》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于改进YOLOv8的遥感图像检测算法	宋树成程换新	《电子测量技术》北大核心	2025	0	在线阅读下载PDF 职称材料