期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于多路特征融合和深度学习的露霜图像分类
被引量：
7
1
作者
周忠义
吴谨
朱磊
《计算机应用与软件》
北大核心
2018年第10期205-210,231,共7页
针对基于特征变化进行露霜图像识别中特征提取难度较大的问题,提出一种基于多路特征融合和深度学习的露霜图像分类方法。利用传统的卷积神经网络对露霜图像进行分类;在ResNet-50模型基础上,通过增加浅层网络层到深层网络层的多个通路,...
针对基于特征变化进行露霜图像识别中特征提取难度较大的问题,提出一种基于多路特征融合和深度学习的露霜图像分类方法。利用传统的卷积神经网络对露霜图像进行分类;在ResNet-50模型基础上,通过增加浅层网络层到深层网络层的多个通路,将具有更强细节纹理信息的浅层特征和具有更明确语义分类信息的深层特征相结合,增强后续卷积运算的特征信息。在露霜自动化观测设备采集的图像集上测试,实验结果表明,该方法的分类准确率达到99. 2%。
展开更多
关键词
露霜图像分类
多路特征融合
深度学习
ResNet-50模型
在线阅读
下载PDF
职称材料
基于改进YOLOv5的退役轴类零件表面损伤检测方法
2
作者
刘伟嵬
邱佳鹤
+1 位作者
胡光大
刘泽远
《东北大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2024年第7期1002-1010,共9页
针对传统检测方法在对退役轴类零件进行损伤检测时存在效率低、结果一致性差等问题,提出了一种基于改进YOLOv5的退役轴类零件表面损伤检测方法.首先,将注意力机制嵌入检测算法中,增强了损伤在图像中的特征表示;然后,采用重复加权双向特...
针对传统检测方法在对退役轴类零件进行损伤检测时存在效率低、结果一致性差等问题,提出了一种基于改进YOLOv5的退役轴类零件表面损伤检测方法.首先,将注意力机制嵌入检测算法中,增强了损伤在图像中的特征表示;然后,采用重复加权双向特征融合方法改进了检测模型的网络结构,有效提升了网络特征提取能力;最后,使用Ghostconv卷积模块代替普通卷积,大幅度降低了模型参数量.实验结果显示,改进后的算法模型精度比原始YOLOv5提升了6.9%,达到88.4%,同时模型参数量减少了6.1%,保证了检测速度与YOLOv5持平.与YOLOv3,SSD,Faster-RCNN等主流检测方法相比,在保证较高检测速度的同时,检测精度也有着明显优势.
展开更多
关键词
YOLOv5
表面损伤检测
注意力机制
多路特征融合
Ghostconv
在线阅读
下载PDF
职称材料
题名
基于多路特征融合和深度学习的露霜图像分类
被引量：
7
1
作者
周忠义
吴谨
朱磊
机构
武汉科技大学信息科学与工程学院
出处
《计算机应用与软件》
北大核心
2018年第10期205-210,231,共7页
基金
国家自然科学基金青年项目(61502358)
文摘
针对基于特征变化进行露霜图像识别中特征提取难度较大的问题,提出一种基于多路特征融合和深度学习的露霜图像分类方法。利用传统的卷积神经网络对露霜图像进行分类;在ResNet-50模型基础上,通过增加浅层网络层到深层网络层的多个通路,将具有更强细节纹理信息的浅层特征和具有更明确语义分类信息的深层特征相结合,增强后续卷积运算的特征信息。在露霜自动化观测设备采集的图像集上测试,实验结果表明,该方法的分类准确率达到99. 2%。
关键词
露霜图像分类
多路特征融合
深度学习
ResNet-50模型
Keywords
Dew and frost image classification Multi-path feature fusion
Deep learning
ResNet-50 model
分类号
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YOLOv5的退役轴类零件表面损伤检测方法
2
作者
刘伟嵬
邱佳鹤
胡光大
刘泽远
机构
大连理工大学高性能精密制造全国重点实验室
出处
《东北大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2024年第7期1002-1010,共9页
基金
国家自然科学基金资助项目(52175455,51975100).
文摘
针对传统检测方法在对退役轴类零件进行损伤检测时存在效率低、结果一致性差等问题,提出了一种基于改进YOLOv5的退役轴类零件表面损伤检测方法.首先,将注意力机制嵌入检测算法中,增强了损伤在图像中的特征表示;然后,采用重复加权双向特征融合方法改进了检测模型的网络结构,有效提升了网络特征提取能力;最后,使用Ghostconv卷积模块代替普通卷积,大幅度降低了模型参数量.实验结果显示,改进后的算法模型精度比原始YOLOv5提升了6.9%,达到88.4%,同时模型参数量减少了6.1%,保证了检测速度与YOLOv5持平.与YOLOv3,SSD,Faster-RCNN等主流检测方法相比,在保证较高检测速度的同时,检测精度也有着明显优势.
关键词
YOLOv5
表面损伤检测
注意力机制
多路特征融合
Ghostconv
Keywords
YOLOv5
surface damage detection
attention mechanism
multiplex feature fusion
Ghostconv
分类号
TP391.4 [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
作者
出处
发文年
被引量
操作
1
基于多路特征融合和深度学习的露霜图像分类
周忠义
吴谨
朱磊
《计算机应用与软件》
北大核心
2018
7
在线阅读
下载PDF
职称材料
2
基于改进YOLOv5的退役轴类零件表面损伤检测方法
刘伟嵬
邱佳鹤
胡光大
刘泽远
《东北大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
