基于双分支多尺度融合网络的毫米波SAR图像多目标语义分割方法 被引量：4

1

作者 丁俊华 袁明辉 《光电工程》 CAS CSCD 北大核心 2023年第12期70-80,共11页

在毫米波合成孔径雷达(SAR)安检成像违禁品的检测与识别中,存在着目标尺寸过小、目标被部分遮挡和多目标之间重叠等复杂情况,不利于违禁品的准确识别。针对这些问题,提出了一种基于双分支多尺度融合网络(DBMFnet)的违禁品检测方法。该... 在毫米波合成孔径雷达(SAR)安检成像违禁品的检测与识别中,存在着目标尺寸过小、目标被部分遮挡和多目标之间重叠等复杂情况,不利于违禁品的准确识别。针对这些问题,提出了一种基于双分支多尺度融合网络(DBMFnet)的违禁品检测方法。该网络使用Encoder-Decoder的结构,在Encoder阶段,提出一种双分支并行特征提取网络(DBPFEN)来增强特征提取;在Decoder阶段,提出一种多尺度融合模块(MSFM)来提高对目标的检测能力。实验结果表明,该方法的均交并比(mIoU)均优于现有的语义分割方法,降低了漏检与错检率。 展开更多

关键词 毫米波合成孔径雷达 违禁品检测 深度学习 语义分割 双分支多尺度融合网络

在线阅读 下载PDF 职称材料

基于多尺度融合神经网络的同频同调制单通道盲源分离算法

2

作者 付卫红 张鑫钰 刘乃安 《系统工程与电子技术》 北大核心 2025年第2期641-649,共9页

针对单通道条件下同频同调制混合信号分离时存在的计算复杂度高、分离效果差等问题,提出一种基于时域卷积的多尺度融合递归卷积神经网络(recursive convolutional neural network, RCNN),采用编码、分离、解码结构实现单通道盲源分离。... 针对单通道条件下同频同调制混合信号分离时存在的计算复杂度高、分离效果差等问题,提出一种基于时域卷积的多尺度融合递归卷积神经网络(recursive convolutional neural network, RCNN),采用编码、分离、解码结构实现单通道盲源分离。首先,编码模块提取出混合通信信号的编码特征;然后,分离模块采用不同尺度大小的卷积块以进一步提取信号的特征信息,再利用1×1卷积块捕获信号的局部和全局信息,估计出每个源信号的掩码;最后,解码模块利用掩码与混合信号的编码特征恢复源信号波形。仿真结果表明,所提多尺度融合RCNN不仅可以分离出仅有少量参数区别的混合通信信号,而且相较于U型网络(U-Net)降低了约62%的参数量和41%的计算量,同时网络也具有较强的泛化能力,可以高效面对复杂通信环境的挑战。 展开更多

关键词 单通道盲源分离 深度学习 同频同调制信号分离 多尺度融合递归卷积神经网络 通信信号处理

在线阅读 下载PDF 职称材料

融合多尺度注意力神经网络的港口起重装备故障时序数据预测方法 被引量：1

3

作者 雷鹏 谢敬玲 +4 位作者 许洪祖 焦锋 魏立明 张忠岩 吕成兴 《机电工程》 北大核心 2025年第2期277-286,共10页

近年来,深度神经网络在轴承时序预测领域得到了广泛应用。为了进一步提升港口起重装备滚动轴承时序模型预测的准确度,以青岛港门机为例对港口起重装备关键部位的滚动轴承时序预测进行了建模,提出了一种融合改进变分模态分解的多尺度注... 近年来,深度神经网络在轴承时序预测领域得到了广泛应用。为了进一步提升港口起重装备滚动轴承时序模型预测的准确度,以青岛港门机为例对港口起重装备关键部位的滚动轴承时序预测进行了建模,提出了一种融合改进变分模态分解的多尺度注意力机制港口装备故障时序数据预测方法。首先,采用了融合非线性策略与混沌映射的改进灰狼优化算法(IGWO),自适应地确定了变分模态分解(VMD)的模态数与惩罚因子;然后,将变分模态分解得到的本征模态函数进一步作为融合多尺度注意力神经网络(FMANN)模型的时序输入,进行了多尺度通道特征融合;最后,对各个本征模态函数的预测结果进行了融合,得到了最终预测结果。研究结果表明:FMANN模型在回转机构数据集上的均方根误差(RMSE)为0.001 12,平均绝对百分比误差(MAPE)为6.396 3%,决定系数为0.999 8;相比于其他预测模型,FMANN预测效果更加拟合实际数据。FMANN模型能够准确地预测设备轴承的时序振动,有望为未来实际工业生产提供一条新思路。 展开更多

关键词 滚动轴承 故障诊断 变分模态分解 注意力机制 灰狼优化算法 融合多尺度注意力神经网络 深度可分离卷积

在线阅读 下载PDF 职称材料

夜间红外与可见光多尺度信息注入式图像融合

4

作者 杨艳春 李佳龙 +1 位作者 李毅 王泽煜 《光学精密工程》 北大核心 2025年第2期282-297,共16页

针对低光照条件下红外与可见光图像融合由于忽视光照而导致纹理细节不清晰、视觉感知较差等问题,本文提出了一种低光增强和语义注入式多尺度红外与可见光图像融合方法。首先,设计了一种适合低光增强的网络,通过残差模型反复迭代,实现夜... 针对低光照条件下红外与可见光图像融合由于忽视光照而导致纹理细节不清晰、视觉感知较差等问题,本文提出了一种低光增强和语义注入式多尺度红外与可见光图像融合方法。首先,设计了一种适合低光增强的网络,通过残差模型反复迭代,实现夜间场景下可见光图像的增强。然后,采用一种基于Nest架构的特征提取器作为网络的编码与解码器,其中深层特征能捕获图像的复杂结构和语义信息,设计了一种语义先验学习模块,通过交叉注意力进一步提取深层红外与可见光图像的语义信息,采用语义注入单元,将增强特征逐级注入了各个尺度。其次,设计了梯度增强分支,主流特征先通过混合注意力,再由主流分出Sobel算子流和Laplacian算子流,以此增强融合图像梯度。最后,通过解码器中同层之间的密集连接和不同层之间的跳跃连接,对各尺度特征进行重构。实验结果表明,本文在视觉信息保真度、互信息、差异相关系数和空间频率,较九种对比方法分别平均提高了23.1%,16.3%,18%,39.8%,有效提升了低光环境下融合图像的质量,有助于提升高级视觉任务的性能。 展开更多

关键词 红外与可见光图像融合 多尺度融合网络 低光增强 交叉注意力 语义注入

在线阅读 下载PDF 职称材料

基于特征金字塔的多尺度特征融合网络 被引量：9

5

作者 郭启帆 刘磊 +2 位作者 张珹 徐文娟 靖稳峰 《工程数学学报》 CSCD 北大核心 2020年第5期521-530,共10页

特征金字塔网络(FPN)是CNN网络对图像信息进行表达输出的一种有效方法,在目标检测网络中广泛应用.然而,FPN没有充分地将浅层的细节信息传递到深层的语义特征,存在特征融合不足的缺陷,因而只能依靠深层语义信息来进行预测,从而忽略了网... 特征金字塔网络(FPN)是CNN网络对图像信息进行表达输出的一种有效方法,在目标检测网络中广泛应用.然而,FPN没有充分地将浅层的细节信息传递到深层的语义特征,存在特征融合不足的缺陷,因而只能依靠深层语义信息来进行预测,从而忽略了网络低层细节信息,对各种视觉学习的效果造成了一定的影响.针对FPN存在的以上问题,本文提出基于特征金字塔的多尺度特征融合网络模型,在FPN主干网络的基础上,设计了混合特征金字塔和金字塔融合模块,并结合注意力机制,对特征金字塔进行了多尺度的深度融合.本文在PASCAL VOC2012和MS COCO2014数据集上,以Faster R-CNN作为基础检测器进行实验,验证了MFPN对特征融合的有效性. 展开更多

关键词 特征金字塔网络 多尺度特征融合网络 注意力机制

在线阅读 下载PDF 职称材料

基于多尺度特征融合网络的苹果病害叶片检测 被引量：7

6

作者 刘敏 周丽 《中国农机化学报》 北大核心 2023年第8期184-190,共7页

准确地检测出苹果叶片的病害对提高苹果产量和质量具有重要意义。针对现有苹果叶片病害检测模型信息利用不充分,导致检测性能不佳的问题,提出一种基于多尺度特征融合网络的苹果病害叶片检测方法。首先,利用深度可分离卷积改进传统Vgg-1... 准确地检测出苹果叶片的病害对提高苹果产量和质量具有重要意义。针对现有苹果叶片病害检测模型信息利用不充分,导致检测性能不佳的问题,提出一种基于多尺度特征融合网络的苹果病害叶片检测方法。首先,利用深度可分离卷积改进传统Vgg-16网络,并作为苹果叶片病害图片的全局特征提取器;其次,利用Swin Transformer网络作为局部特征提取器;然后,提出一种多尺度特征融合网络将局部和全局特征进行融合,构造多尺度特征;最后,将融合的多尺度特征作为全连接网络的输入,实现苹果病害叶片的检测。实验结果表明,所提出方法可以实现93.98%的准确率、94.11%的精准率、93.93%的召回率和94.62%的F_(1)值。相比当前主流的苹果病害叶片检测模型,在检测精度和模型参数计算量等方面,均具有很强的竞争力。 展开更多

关键词 苹果病害 叶片检测 全局特征 局部特征 多尺度特征融合网络 病害识别

在线阅读 下载PDF 职称材料

产品表面缺陷检测的多通路阈值收缩融合网络 被引量：3

7

作者 耿玉标 岳志远 +1 位作者 闫麒名 孙玉宝 《计算机工程与应用》 CSCD 北大核心 2023年第10期162-170,共9页

产品表面缺陷检测任务的重点是对产品表面图像中的异常缺陷区域进行自动检测和分割。然而实际应用中,由于噪声的退化影响和缺陷类型的复杂多样,产品表面缺陷检测仍然是一项具有挑战性的任务。为了应对这些问题,提出了产品表面缺陷检测... 产品表面缺陷检测任务的重点是对产品表面图像中的异常缺陷区域进行自动检测和分割。然而实际应用中,由于噪声的退化影响和缺陷类型的复杂多样,产品表面缺陷检测仍然是一项具有挑战性的任务。为了应对这些问题,提出了产品表面缺陷检测的多通路阈值收缩融合网络。在各尺度通路中,为了降低噪声干扰,该网络设计了自适应阈值收缩去噪模块,通过双支路自主学习水平和垂直方向的收缩阈值,去除特征中的干扰噪声并且保留有效背景信息,从而实现自适应去噪。为了更准确定位缺陷对象,设计了上下文三维注意力融合模块,通过水平聚合和垂直聚合生成三维注意力图,增强异常区域特征。最终将平行的多尺度特征融合,实现对不同尺度以及不同类型缺陷的有效检测。将所构建模型在SD-900和MVTec-AD数据集上与最新的8种方法进行比较,实验结果表明该模型能够有效提升检测精度,并能够对噪声干扰保持鲁棒性,消融实验也验证了自适应阈值收缩去噪模块和上下文三维注意力模块融合的有效性。 展开更多

关键词 缺陷检测 多尺度融合网络 自适应阈值去噪 上下文三维注意力

在线阅读 下载PDF 职称材料

基于双分支多尺度残差融合嵌套的SAR和多光谱图像融合架构与实验 被引量：4

8

作者 董张玉 许道礼 +5 位作者 张晋 安森 于金秋 李金徽 彭鹏 汪燕 《地理与地理信息科学》 CSCD 北大核心 2023年第1期23-30,共8页

基于深度学习融合合成孔径雷达(SAR)和多光谱(MS)图像的方法主要通过增加卷积层数量描述网络模型尺度,但未能提高算法对不同尺度空间细节特征的提取能力。该文设计双分支的多尺度残差融合嵌套连接网络架构(Double-branch Multiscale Res... 基于深度学习融合合成孔径雷达(SAR)和多光谱(MS)图像的方法主要通过增加卷积层数量描述网络模型尺度,但未能提高算法对不同尺度空间细节特征的提取能力。该文设计双分支的多尺度残差融合嵌套连接网络架构(Double-branch Multiscale Residual-fusion Nested-connections Net,DMRN-Net),将融合任务划分为细节提升和光谱保持两部分:在细节提升分路中,将SAR和MS图像中的高频信息分别经过多深度特征提取层、多尺度残差融合网络层及嵌套连接解码器得到重建图像;在光谱保持分路中,通过融合上采样后的MS图像和细节提升分路结果,将光谱信息注入融合图像中,从而得出融合结果。通过DMRN-Net和传统算法以及普通双分支网络的对比实验表明,DMRN-Net在主观判断和客观评价上均取得较好的融合结果,能在保持光谱信息的基础上,进一步增加图像的空间细节信息,验证了DMRN-Net在图像融合领域的重要价值。 展开更多

关键词 合成孔径雷达图像 多光谱图像 双分支 多尺度残差融合网络 嵌套连接

在线阅读 下载PDF 职称材料

基于多尺度融合增强的服装图像解析方法 被引量：3

9

作者 陈丽芳 余恩婷 《同济大学学报（自然科学版）》 EI CAS CSCD 北大核心 2022年第10期1385-1391,共7页

基于卷积神经网络中的各个层次特征,提出了一种基于多尺度融合增强的服装图像解析方法。通过融合增强模块,在考虑全局信息的基础上对包含的语义信息和不同尺度特征进行有效融合。结果表明:在Fashion Clothing测试集上的平均F1分数达到60... 基于卷积神经网络中的各个层次特征,提出了一种基于多尺度融合增强的服装图像解析方法。通过融合增强模块,在考虑全局信息的基础上对包含的语义信息和不同尺度特征进行有效融合。结果表明:在Fashion Clothing测试集上的平均F1分数达到60.57%,在LIP(Look Into Person)验证集上的平均交并比(mean intersection over union,MIoU)达到54.93%。该方法可以有效地提升服装图像解析精度。 展开更多

关键词 服装图像解析 多尺度融合增强网络 卷积神经网络

在线阅读 下载PDF 职称材料

基于改进的YOLOv8算法的钢材缺陷检测

10

作者 彭菊红 张弛 +3 位作者 高谦 张光明 谈栋华 赵明俊 《计算机工程》 北大核心 2025年第7期152-160,共9页

在工业场景下钢材表面缺陷检测技术存在检测精度低、收敛速度慢等问题。为此,提出一种改进的YOLOv8算法YOLOv8n-MDC。首先,在骨干网络中加入多尺度交叉融合网络(MCN),通过在特征层之间建立更紧密的连接,促进信息的均匀传递,减少跨层特... 在工业场景下钢材表面缺陷检测技术存在检测精度低、收敛速度慢等问题。为此,提出一种改进的YOLOv8算法YOLOv8n-MDC。首先,在骨干网络中加入多尺度交叉融合网络(MCN),通过在特征层之间建立更紧密的连接,促进信息的均匀传递,减少跨层特征融合时的语义信息损失,从而增强模型对钢材缺陷的感知能力;其次,在模块中引入可变形卷积,自适应地改变卷积核的形状与位置,从而更灵活地捕捉不规则缺陷的边缘特征,减少信息丢失,提升检测的准确性;最后,加入坐标注意力(CA)机制,将位置信息嵌入到通道中,解决了位置信息丢失的问题,使模型能够更精确地感知缺陷的位置及其形态特征,从而提升检测的精度和稳定性。在NEU-DET数据集上的实验结果表明,YOLOv8n-MDC算法的mAP@0.5达到了81.0%,相比原基准网络提升了4.2百分点,该算法收敛速度较快、精度较高,更能满足实际工业生产的要求。 展开更多

关键词 多尺度交叉融合网络 YOLOv8网络 坐标注意力机制 钢材缺陷检测 可变形卷积

在线阅读 下载PDF 职称材料

基于改进MBS-YOLO v8的火龙果目标检测与定位方法

11

作者 刘进一 晏伏山 +3 位作者 董赫 付丽荣 付威 陈雨 《农业机械学报》 北大核心 2025年第5期425-432,共8页

为了解决因火龙果果实尺寸不一、数量众多而造成的重叠遮挡问题,本文提出了一种基于YOLO v8模型的多尺度加权特征融合网络(MBS-YOLO v8)。在特征提取模块中加入挤压和激励网络(Squeeze-and-excitation attention, SEAttention)机制,以... 为了解决因火龙果果实尺寸不一、数量众多而造成的重叠遮挡问题,本文提出了一种基于YOLO v8模型的多尺度加权特征融合网络(MBS-YOLO v8)。在特征提取模块中加入挤压和激励网络(Squeeze-and-excitation attention, SEAttention)机制,以增强网络捕捉关键细节能力,解决小目标检测问题。提出一种多尺度加权融合网络(Multi-scale weighted fusion network, MWConv)用于生成具有不同感受野的特征图,增强了图像中全局特征的捕获能力。试验结果表明,MBS-YOLO v8准确率为92.5%,召回率为90.1%,平均精度均值mAP50为94.7%。与YOLO v8n算法相比,MBS-YOLO v8准确率、召回率和mAP50分别提高2.1、5.9、2个百分点。本文MBS-YOLO v8模型展现出高度的鲁棒性,该方法有效地将全局特征信息与低维局部特征相结合,从而提高了模型对图像内容的理解,能够应对与重叠遮挡和小目标相关的挑战,为火龙果及其他同类型目标检测提供了改进思路。 展开更多

关键词 火龙果 目标检测 小目标 全局特征 多尺度加权特征融合网络

在线阅读 下载PDF 职称材料

基于MMFFCNN-GCN的门式启闭机轴承半监督故障诊断

12

作者 包唐伟 张世杰 +1 位作者 武世虎 夏诗雨 《机床与液压》 北大核心 2025年第15期158-165,共8页

在实际水电站门式启闭机中,收集到的轴承标记数据往往很少,传统数据驱动故障诊断方法在有限标记数据集上无法获得令人满意的结果。针对这一问题,提出一种基于多域多尺度特征融合卷积网络(MMFFCNN)和图卷积(GCN)的半监督故障诊断方法。... 在实际水电站门式启闭机中,收集到的轴承标记数据往往很少,传统数据驱动故障诊断方法在有限标记数据集上无法获得令人满意的结果。针对这一问题,提出一种基于多域多尺度特征融合卷积网络(MMFFCNN)和图卷积(GCN)的半监督故障诊断方法。通过变分模态分解对振动信号进行分解,选择主要成分进行重构。对重构信号采用快速傅里叶变换提取频域特征,同时利用连续小波变换提取时频域特征,采用多尺度卷积网络进行特征提取与融合。采用K最近邻基于特征向量构建图结构,继而构建图卷积模型实现半监督故障诊断。最后,利用凯斯西储大学轴承数据集进行验证。结果表明:所提方法在20%标记数据下准确率达到99.59%;相比单一时频特征(方法四),加入时域和频域特征(文中方法)使准确率提升0.93%;多尺度卷积网络(方法三)比单尺度CNN(方法二)准确率提高1.78%;引入GCN半监督机制,文中方法比方法五的准确率提升2.44%;表明该方法能够提高有限标记数据集下模型故障诊断的准确率。 展开更多

关键词 门式启闭机轴承 半监督故障诊断 多域多尺度特征融合卷积网络(MMFFCNN) 图卷积(GCN)

在线阅读 下载PDF 职称材料

基于多元感受野与EResPANet的草莓病害检测算法研究 被引量：1

13

作者 亢洁 刘佳 +3 位作者 王佳乐 夏宇 刘文波 李明辉 《陕西科技大学学报》 北大核心 2024年第6期190-198,共9页

针对草莓病害图像在检测时存在背景复杂、目标小导致难以被精确检测的问题,本文提出一种基于多元感受野与EResPANet的草莓病害检测算法.首先,该算法使用多元感受野特征标定网络替换YOLOv7-Tiny的主干网络,抑制冗余信息,解决主干网络特... 针对草莓病害图像在检测时存在背景复杂、目标小导致难以被精确检测的问题,本文提出一种基于多元感受野与EResPANet的草莓病害检测算法.首先,该算法使用多元感受野特征标定网络替换YOLOv7-Tiny的主干网络,抑制冗余信息,解决主干网络特征逐层提取时小目标病害丢失问题;最后,通过设计EResPANet网络,避免网络在深层特征提取时,目标信息被复杂背景干扰而导致无法检测的问题.实验结果表明,本文提出的方法相比YOLOv7-Tiny算法在mAP上提高了10.3%,证明本文算法可实现草莓各类病害的准确检测. 展开更多

关键词 草莓病害 目标检测 YOLOv7-Tiny 多元感受野 EResPANet多尺度融合网络

在线阅读 下载PDF 职称材料

用于SAR图像舰船目标检测的MAF-Net和CS损失 被引量：1

14

作者 张丽丽 蔡健楠 +1 位作者 刘雨轩 屈乐乐 《雷达科学与技术》 北大核心 2024年第1期14-20,共7页

深度学习算法以其端到端训练和高准确率等优势被广泛应用于合成孔径雷达图像舰船检测领域。然而,SAR图像中舰船目标尺寸跨度较大,且易受到复杂背景和噪声的干扰,从而影响识别精度。为了进一步提高网络的检测精度,本文提出了一个多尺度... 深度学习算法以其端到端训练和高准确率等优势被广泛应用于合成孔径雷达图像舰船检测领域。然而,SAR图像中舰船目标尺寸跨度较大,且易受到复杂背景和噪声的干扰,从而影响识别精度。为了进一步提高网络的检测精度,本文提出了一个多尺度注意力融合网络。该网络主要包含一个多尺度特征注意力融合模块,该模块使用骨干网络输出的特征图,融合多尺度的信息,在空间和通道维度对FPN输出的特征图进行增强,用于抑制噪声和背景对舰船目标的影响,提升网络的特征提取能力。此外,本文还提出了余弦相似损失,通过计算目标与非目标区域的余弦相似度,使网络更准确地区分船舶目标与背景,以进一步提高准确率。大量的实验表明,在SSDD和SAR-Ship-Dataset数据集上,本文所提的方法与现有的几种算法相比具有更高的检测精度。 展开更多

关键词 目标检测 深度学习 SAR图像 多尺度注意力融合网络 余弦相似损失

在线阅读 下载PDF 职称材料

像素级的皮肤分割与面色分级 被引量：3

15

作者 吴从中 侯国松 +2 位作者 丁正龙 许良凤 詹曙 《计算机工程与科学》 CSCD 北大核心 2019年第11期1985-1990,共6页

皮肤是人体最大的器官,面色相对于人体其他生物属性具有更便捷、更稳定的特性。因此,设计一个完整有效的面色分级系统是非常有意义的。本文中,面色分级系统被分为皮肤分割和面色分级2部分。针对皮肤分割任务,在生成对抗网络框架下搭建... 皮肤是人体最大的器官,面色相对于人体其他生物属性具有更便捷、更稳定的特性。因此,设计一个完整有效的面色分级系统是非常有意义的。本文中,面色分级系统被分为皮肤分割和面色分级2部分。针对皮肤分割任务,在生成对抗网络框架下搭建了一个多尺度特征融合网络,相对于传统的语义分割网络,本文的分割模型充分地利用了每一层特征图的信息。在面色分级实验中,首先在归一化rgb、HSV和Lab颜色空间下使用1000幅图像分别训练了支持向量机(SVM)和BP神经网络分类器,128幅皮肤图像被用作测试集,正确率在73%~76%;之后将颜色特征与皮肤区域纹理特征融合进行学习,使用SVM分类的正确率为85%,使用BP神经网络分类的正确率达到了91%。 展开更多

关键词 多尺度特征融合网络 生成对抗网络 皮肤分割 面色分级

在线阅读 下载PDF 职称材料

基于MSSA+IESN+MFFN组合算法的齿轮箱早期故障智能诊断 被引量：2

16

作者 冯贺平 杨敬娜 +2 位作者 吴梅梅 薛林雁 王德永 《中国工程机械学报》 北大核心 2023年第2期172-177,共6页

齿轮箱故障诊断存在变速工况、样本数量偏少以及会形成强噪声情况,提出了一种通过多尺度特征融合网络(MFFN)实现故障诊断技术。对初始时域信号拓展形成多特征域,建立造多维堆栈稀疏自编码器(MSSA)对不同特征域进行故障采集,通过粒子群... 齿轮箱故障诊断存在变速工况、样本数量偏少以及会形成强噪声情况,提出了一种通过多尺度特征融合网络(MFFN)实现故障诊断技术。对初始时域信号拓展形成多特征域,建立造多维堆栈稀疏自编码器(MSSA)对不同特征域进行故障采集,通过粒子群算法优化回声状态网络(IESN)进行信号处理。研究结果表明:样本充足条件下,MFFN模型诊断时,定速工况为99.15%,变速工况为98.46%,达到了更高准确率并降低了标准差。在样本不足条件下,深度特征融合网络(DEFN)和MFFN对于样本数量减少表现出了优异鲁棒性,MFFN达到了更优的性能。在噪声干扰场景下,采用MFFN依然能够达到85%的准确率。该算法具备更优抗干扰性能,采用多维特征提取能够更好地适应处于强噪声干扰环境。该研究为实现传动系统的稳定运行提供了理论参考。 展开更多

关键词 齿轮箱 故障诊断 深度学习 多堆栈稀疏自编码器(MSSA) 多尺度特征融合网络(MFFN)

在线阅读 下载PDF 职称材料

E-Y-slim:轻量级小目标快速检测方法 被引量：1

17

作者 胡耀 黄忠涛 +2 位作者 何元清 李雪 杨丽君 《计算机应用》 CSCD 北大核心 2022年第S01期276-280,共5页

针对目前机场鸟类目标检测模型存在实时检测效率低和在嵌入式设备中难以部署的问题,提出了一种基于改进YOLOv4的轻量级小目标快速检测方法E-Y-slim。首先,将轻量化的EfficientNet-B0作为模型的特征提取网络,降低网络参数量和计算复杂度... 针对目前机场鸟类目标检测模型存在实时检测效率低和在嵌入式设备中难以部署的问题,提出了一种基于改进YOLOv4的轻量级小目标快速检测方法E-Y-slim。首先,将轻量化的EfficientNet-B0作为模型的特征提取网络,降低网络参数量和计算复杂度,提高检测速度;然后,裁剪特征融合网络中部分卷积层,并将检测层中标准卷积改为深度可分离卷积,进一步提升检测速度;最后,加入空间金字塔池化(SPP)结构以及交并比(IoU)预测分支,在保持算法检测效率情况下,提升算法检测精度。所提方法在PASCALVOC鸟类数据集上平均精度(AP)为75.2%,检测速度达到50帧/秒,相较于YOLOv4的AP下降了7个百分点,但检测速度提升了42.9%。在实际机场鸟类数据集上AP为75.0%,检测速度达到49帧/秒,在AP相当的情况下,与YOLOv4相比模型参数量减少91.1%,检测速度提升了63.3%。实验结果表明,E-Y-slim能够满足在嵌入式设备上对机场鸟类活动目标快速检测的需求。 展开更多

关键词 鸟击防范 目标检测 轻量化神经网络 EfficientNet 多尺度特征融合网络

在线阅读 下载PDF 职称材料