基于渐进特征融合及多尺度空洞注意力的遮挡鸟巢检测

1

作者 尹向雷 屈少鹏 +1 位作者 解永芳 苏妮 《浙江大学学报(工学版)》 北大核心 2025年第3期535-545,共11页

为了提高被遮挡鸟巢目标的检测性能与准确性,减少鸟类筑巢对电力系统稳定运行造成的威胁以及运维成本,提出基于改进YOLOv5的输电线路鸟巢检测方法.该方法使用渐进特征金字塔网络优化原始特征金字塔网络结构,有效避免了非相邻层次之间较... 为了提高被遮挡鸟巢目标的检测性能与准确性,减少鸟类筑巢对电力系统稳定运行造成的威胁以及运维成本,提出基于改进YOLOv5的输电线路鸟巢检测方法.该方法使用渐进特征金字塔网络优化原始特征金字塔网络结构,有效避免了非相邻层次之间较大的语意差距,增强了非相邻层次间的融合效果.使用多尺度空洞注意力机制,使模型能够有效地提取不同尺度的语义信息,提高模型对遮挡鸟巢目标的检测性能.采用轻量级Mobile-NetV3网络作为骨干网络,进一步降低模型复杂度.消融实验与定性实验结果表明,改进后算法的召回率、精确率与平均精度均值相较于原始算法分别提升了2.0个百分点、0.7个百分点与1.7个百分点,权重大小与计算量分别减少了74.7个百分点与53.5个百分点.对于遮挡鸟巢目标均表现出良好的性能,验证了改进方法的有效性. 展开更多

关键词 输电线路 遮挡目标 YOLOv5 注意力机制 渐进特征金字塔网络

在线阅读 下载PDF 职称材料

基于GAN和多尺度空间注意力的多模态医学图像融合 被引量：1

2

作者 林予松 李孟娅 +1 位作者 李英豪 赵哲 《郑州大学学报（工学版）》 CAS 北大核心 2025年第1期1-8,共8页

针对多模态医学图像融合过程中多尺度特征和纹理细节信息丢失的问题,提出一种基于生成对抗网络和多尺度空间注意力的图像融合算法。首先,生成器采用自编码器结构,分别利用编码器和解码器对输入图像进行特征提取、融合和重建,生成融合图... 针对多模态医学图像融合过程中多尺度特征和纹理细节信息丢失的问题,提出一种基于生成对抗网络和多尺度空间注意力的图像融合算法。首先,生成器采用自编码器结构,分别利用编码器和解码器对输入图像进行特征提取、融合和重建,生成融合图像;其次,整个对抗网络框架采用双鉴别器结构,使得生成器生成的融合图像同时保留多个模态图像的显著特征;最后,构建一种多尺度空间注意力作为编码器进行特征提取的基本模块,利用多尺度结构充分捕获并保留源图像的多尺度特征,并且引入空间注意力更好地保留源图像的结构和细节信息。全脑图谱数据库上的实验结果表明:所提算法生成的融合图像不仅纹理细节更为丰富,有助于人类视觉观察,而且在3种不同类型的医学图像融合任务上平均梯度、峰值信噪比、互信息、视觉信息保真度等客观评价指标的平均值分别达到0.3023、20.7207、1.4414、0.6498,与其他先进的算法相比具有一定的优势。 展开更多

关键词 图像融合 多模态医学图像 生成对抗网络 特征金字塔 注意力机制

在线阅读 下载PDF 职称材料

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

3

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 卷积块注意力模块 双向特征金字塔网络

在线阅读 下载PDF 职称材料

基于多维度感知特征金字塔的人群计数算法

4

作者 陈慧 《南通职业大学学报》 2025年第1期72-79,共8页

针对人群计数中存在的尺度多变和人头误判问题,提出一种基于多维度感知特征金字塔的人群计数算法。该算法以特征金字塔编解码网络为基础,由特征聚合模块组成高效双解码结构,通过多次融合相邻层次语义信息,保留不同尺度下的细节特征,更... 针对人群计数中存在的尺度多变和人头误判问题,提出一种基于多维度感知特征金字塔的人群计数算法。该算法以特征金字塔编解码网络为基础,由特征聚合模块组成高效双解码结构,通过多次融合相邻层次语义信息,保留不同尺度下的细节特征,更好地适应了人头的尺度变化。此外,在网络视野最高处引入多维度感知模块,从空间和通道等多个维度汇聚人头关键特征,更新不同位置下的特征权重,将人头信息从背景中有效加以区分,进一步缩小了单个目标的预测范围。采用多层次监督进行网络整体训练,定性与定量分析结果表明,所提算法在四个公共数据集上表现达到预期。 展开更多

关键词 人群计数 多维度感知特征金字塔 卷积神经网络 注意力机制 特征融合

在线阅读 下载PDF 职称材料

改进特征金字塔网络的小目标检测

5

作者 马郑凯 周林立 梁兴柱 《电光与控制》 CSCD 北大核心 2024年第12期48-54,共7页

由于小目标可视化特征少、难以定位,故许多小目标检测方法基于特征金字塔网络(FPN)进行多尺度融合丰富各特征层的信息。然而,FPN只关注特征局部相关性并且使用逐元素相加操作融合不同的特征层忽略了不同特征层感受野的不同。因此,提出... 由于小目标可视化特征少、难以定位,故许多小目标检测方法基于特征金字塔网络(FPN)进行多尺度融合丰富各特征层的信息。然而,FPN只关注特征局部相关性并且使用逐元素相加操作融合不同的特征层忽略了不同特征层感受野的不同。因此,提出增强上下文特征金字塔网络(ECFPN),设计了上下文信息增强(CIE)模块增强上下文信息,注意力引导特征融合(AGFF)模块融合高层特征图和低层特征图。实验结果表明,ECFPN在VOC2012数据集上的AP 0.5、AP S分别达到75.05%和19.48%,在NWPU VHR-10数据集上的AP 0.5、AP S分别达到93.48%和45%,具有良好的小目标检测性能。 展开更多

关键词 小目标检测 特征金字塔网络 注意力机制

在线阅读 下载PDF 职称材料

基于注意力机制和特征融合的交通标志检测

6

作者 韩姗 朱立忠 《信息技术与信息化》 2024年第9期5-8,共4页

针对复杂背景信息下不易察觉或相对尺寸较小的交通标志目标,提出一种改进Faster R-CNN的新检测算法。首先,用ResNet50深度残差网络替代VGG16作为基本网络模型,同时在基础网络中嵌入混合注意力机制,使网络专注强化关键位置的信息,抑制无... 针对复杂背景信息下不易察觉或相对尺寸较小的交通标志目标,提出一种改进Faster R-CNN的新检测算法。首先,用ResNet50深度残差网络替代VGG16作为基本网络模型,同时在基础网络中嵌入混合注意力机制,使网络专注强化关键位置的信息,抑制无效背景信息对网络的干预,从而加强网络对重要特征的提取;其次,提出改进特征金字塔网络结构进行多尺度融合上下文信息的方法,利用特征层之间的关联性减少低像素小目标的信息损失。改进后的算法在CCTSDB数据集上的实验取得了95.6%的平均检测精度,较原Faster R-CNN网络的检测精度提高了5.1%,鲁棒性增强。 展开更多

关键词 交通标志检测 Faster R-CNN 残差网络 注意力机制 特征金字塔

在线阅读 下载PDF 职称材料

用于图像分割的强制召回特征注意力网络

7

作者 魏建华 李佳颖 +1 位作者 黄成健 胡庆茂 《集成技术》 2020年第6期59-70,共12页

为解决医学图像中前景背景比例严重失衡及小目标区域难以分割的问题,该文提出了一种基于高斯图像金字塔的注意力网络。具体地,首先在特征解码阶段将空间信息与抽象信息进行特征融合;其次,设计了一个特征召回器以强制编码器减少遗漏感兴... 为解决医学图像中前景背景比例严重失衡及小目标区域难以分割的问题,该文提出了一种基于高斯图像金字塔的注意力网络。具体地,首先在特征解码阶段将空间信息与抽象信息进行特征融合;其次,设计了一个特征召回器以强制编码器减少遗漏感兴趣区域的特征;最后,引入分类精度和全局区域重叠项组成的混合损失函数来处理医学图像前景背景严重不平衡问题。所提出的方法在膝关节软骨数据集和COVOID-19胸部CT数据集中进行了验证,其分割区域分别占2.08%和10.73%。与U-Net及其主流变体相比,该方法在两个数据集上都得到了最佳的Dice系数,分别为0.884±0.032和0.831±0.072。 展开更多

关键词 图像分割 高斯图像金字塔 注意力网络 特征召回器 混合损失函数

在线阅读 下载PDF 职称材料

基于跨模态注意力融合的煤炭异物检测方法 被引量：3

8

作者 曹现刚 李虎 +3 位作者 王鹏 吴旭东 向敬芳 丁文韬 《工矿自动化》 CSCD 北大核心 2024年第1期57-65,共9页

为解决原煤智能化洗选过程中煤流中夹杂的异物对比度低、相互遮挡导致异物图像检测时特征提取不充分的问题,提出了一种基于跨模态注意力融合的煤炭异物检测方法。通过引入Depth图像构建RGB图像与Depth图像的双特征金字塔网络(DFPN),采... 为解决原煤智能化洗选过程中煤流中夹杂的异物对比度低、相互遮挡导致异物图像检测时特征提取不充分的问题,提出了一种基于跨模态注意力融合的煤炭异物检测方法。通过引入Depth图像构建RGB图像与Depth图像的双特征金字塔网络(DFPN),采用浅层的特征提取策略提取Depth图像的低级特征,用深度边缘与深度纹理等基础特征辅助RGB图像深层特征,以有效获得2种特征的互补信息,从而丰富异物特征的空间与边缘信息,提高检测精度;构建了基于坐标注意力与改进空间注意力的跨模态注意力融合模块(CAFM),以协同优化并融合RGB特征与Depth特征,增强网络对特征图中被遮挡异物可见部分的关注度,提高被遮挡异物检测精度;使用区域卷积神经网络(R-CNN)输出煤炭异物的分类、回归与分割结果。实验结果表明:在检测精度方面,该方法的AP相较两阶段模型中较优的Mask transfiner高3.9%;在检测效率方面,该方法的单帧检测时间为110.5 ms,能够满足异物检测实时性需求。基于跨模态注意力融合的煤炭异物检测方法能够以空间特征辅助色彩、形状与纹理等特征,准确识别煤炭异物之间及煤炭异物与输送带之间的差异,从而有效提高对复杂特征异物的检测精度,减少误检、漏检现象,实现复杂特征下煤炭异物的精确检测与像素级分割。 展开更多

关键词 煤炭异物检测 实例分割 双特征金字塔网络 跨模态注意力融合 Depth图像 坐标注意力 改进空间注意力

在线阅读 下载PDF 职称材料

基于注意力机制特征增强的舰船目标识别 被引量：9

9

作者 赵春晖 肖舒匀 宿南 《黑龙江大学工程学报》 2022年第1期43-51,共9页

舰船目标识别包含舰船的定位和舰船型号的细粒度级分类,不仅要实现通常的目标检测任务,还需要完成精确的型号分类。由于海洋背景复杂、舰船本身特征多变,目标检测算法应用于舰船型号细粒度级识别时会出现漏检和误检的问题,针对该问题提... 舰船目标识别包含舰船的定位和舰船型号的细粒度级分类,不仅要实现通常的目标检测任务,还需要完成精确的型号分类。由于海洋背景复杂、舰船本身特征多变,目标检测算法应用于舰船型号细粒度级识别时会出现漏检和误检的问题,针对该问题提出基于注意力机制的特征增强架构(Feature enhancement architecture based on attention mechanism,FBAM)。该架构中包含两个改进模块:顶层特征增强模块(Top-level feature enhancement,TLFE),通过融合通道注意力和空间注意力,为舰船识别提供丰富的语义信息和位置信息;自适应ROI特征增强(Adaptive ROI feature enhancement,ROIFE),网络自适应组合多层次的ROI特征信息,增强舰船识别的细粒度级别特征,提高舰船识别的定位能力。该架构可较简单的插入FPN特征融合模块中。利用HRSC2016数据集对提出的FBAM进行实验验证,实验结果证明了基于注意力机制的特征增强架构可以明显增强网络对于特征信息的利用,提高舰船目标检测的精度,并且可以较简单的应用到多个网络模型中。 展开更多

关键词 舰船目标检测 注意力机制 卷积神经网络 特征金字塔网络

在线阅读 下载PDF 职称材料

一种基于轻量化卷积模块的语义分割网络

10

作者 连晓峰 康毛毛 +1 位作者 谭励 王艳莉 《应用科学学报》 北大核心 2025年第1期66-79,共14页

融合深度学习的语义同步定位与地图构建技术为处理动态场景提供了有效的解决方案,但仍面临计算资源消耗大和模型复杂度高的挑战。为此,提出了一种基于BlendMask改进的轻量化语义分割网络。首先,设计了一种轻量的GDS-ECA卷积(Ghost-depth... 融合深度学习的语义同步定位与地图构建技术为处理动态场景提供了有效的解决方案,但仍面临计算资源消耗大和模型复杂度高的挑战。为此,提出了一种基于BlendMask改进的轻量化语义分割网络。首先,设计了一种轻量的GDS-ECA卷积(Ghost-depthwise separable convolution with efficient channel attention)模块,利用深度可分离卷积替代Ghost卷积中的少量卷积操作,减少参数量和计算量,并添加注意力机制提升特征表达能力。其次,提出了特征提取网络BGTNet(bottleneck GDS-ECA attention transformer network),将GDS-ECA卷积应用于颈部模块的卷积层以提升网络的提取精度;此外,将特征金字塔网络(feature pyramid network,FPN)中的传统卷积替换为GDS-ECA卷积,构建轻量化特征金字塔网络,并结合BGTNet形成语义分割网络的主干网。最后在数据集COCO上进行了实验验证,改进后的模型处理图像时间缩短了7.3 ms,平均精度提升了1.5%。 展开更多

关键词 语义分割 同步定位与地图构建 轻量化 注意力机制 特征金字塔

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

11

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

基于浅层特征抑制的油气管道小缺陷检测网络

12

作者 郝鹏程 郎宪明 郭晓庆 《辽宁石油化工大学学报》 CAS 2024年第6期81-88,共8页

针对在漏磁检测中石油和天然气管道中的小缺陷样本稀缺及检测精度不佳的问题,提出了基于浅层特征抑制的油气管道小缺陷检测网络。首先,利用对抗生成网络并融入先验知识,以生成高质量小缺陷样本。然后,在特征提取过程中引入缺陷特征抑制... 针对在漏磁检测中石油和天然气管道中的小缺陷样本稀缺及检测精度不佳的问题,提出了基于浅层特征抑制的油气管道小缺陷检测网络。首先,利用对抗生成网络并融入先验知识,以生成高质量小缺陷样本。然后,在特征提取过程中引入缺陷特征抑制模块,在浅层金字塔特征中抑制大缺陷语义从而增强小缺陷特征。最后,多尺度注意力变换器(Transformer)充分利用特征图像的局部细节和全局信息提高管道缺陷检测准确率。实验结果表明,该模型检测的准确率为95.1%,比现有的Faster R-CNN等方法的平均值高7.8%。 展开更多

关键词 小缺陷检测 漏磁图像 特征金字塔 卷积神经网络 注意力机制

在线阅读 下载PDF 职称材料

基于注意力机制的多任务目标计数系统设计 被引量：1

13

作者 李永慧 《电视技术》 2024年第7期47-52,共6页

提出基于注意力机制的深层神经网络用于目标计数,其任务是为输入图像的目标进行精确数目统计。该网络模型同时引进多任务学习方法,多尺度融合得到密度特征图和注意力特征图进行目标计数。首先,使用交叉特征金字塔网络进行特征提取;其次... 提出基于注意力机制的深层神经网络用于目标计数,其任务是为输入图像的目标进行精确数目统计。该网络模型同时引进多任务学习方法,多尺度融合得到密度特征图和注意力特征图进行目标计数。首先,使用交叉特征金字塔网络进行特征提取;其次,将提取的特征分别用于密度特征图及注意力特征图进行交叉融合;最后,通过多任务学习将两个输出特征图逐元素运算,得到精确的密度特征图。提出的网络模型在行人检测数据集(ShanghaiTech)与多类别的行为识别数据集(UCF_CC_50)上进行了训练与测试,实验结果表明,通过在各个分支引入注意力机制,可以有效提高整个模型预测结果的准确率。 展开更多

关键词 目标计数 注意力机制 多任务学习 交叉特征金字塔网络

在线阅读 下载PDF 职称材料

双分支金字塔网络的微光图像增强算法 被引量：8

14

作者 陈清江 顾媛 李金阳 《液晶与显示》 CAS CSCD 北大核心 2022年第3期395-404,共10页

针对微光图像存在亮度低、细节丢失严重以及现有算法增强后的微光图像存在曝光过度、颜色失真等问题,提出双分支金字塔网络的微光图像增强算法。首先,将微光图像从RGB颜色空间转换到HSV颜色空间。其次,对V分量采用双分支金字塔网络的微... 针对微光图像存在亮度低、细节丢失严重以及现有算法增强后的微光图像存在曝光过度、颜色失真等问题,提出双分支金字塔网络的微光图像增强算法。首先,将微光图像从RGB颜色空间转换到HSV颜色空间。其次,对V分量采用双分支金字塔网络的微光图像增强算法,自适应获取图像特征。网络结构由并行双分支构成,含层级残差模块的分支有效增强V分量亮度,含特征金字塔注意力模块的分支获取深层特征信息。最后,对双分支结构提取的信息进行融合,并将增强后的图像从HSV颜色空间转换回RGB颜色空间。所提算法在真实图像上的峰值信噪比及结构相似度的均值分别达到29.451 dB和0.9301,均高于其他对比算法。实验结果表明,所提算法对V分量进行增强提高了图像亮度,有效地恢复了图像细节。 展开更多

关键词 微光图像增强 层级残差 特征金字塔注意力 卷积神经网络 HSV颜色空间

在线阅读 下载PDF 职称材料

基于空间通道注意力机制与多尺度融合的交通标志识别研究 被引量：8

15

作者 黄志强 李军 《南京邮电大学学报（自然科学版）》 北大核心 2022年第2期93-102,共10页

通过YOLOV3深度神经网络算法可以实现道路交通标志的自动检测与识别,由于YOLOV3运算量较大,很难在小型嵌入式平台上使用,针对这一问题,文中提出了改进型的轻量化YOLOV3-3ctiny神经网络模型。为了融合浅层特征图的空间信息与深层特征图... 通过YOLOV3深度神经网络算法可以实现道路交通标志的自动检测与识别,由于YOLOV3运算量较大,很难在小型嵌入式平台上使用,针对这一问题,文中提出了改进型的轻量化YOLOV3-3ctiny神经网络模型。为了融合浅层特征图的空间信息与深层特征图的语义信息,将第19层卷积层通过上采样后与第7层卷积层相连接,多尺度融合后输入YOLO层形成新的特征金字塔,以此提高小目标的识别率。同时,为使网络更加关注交通标志的细节信息,在特征金字塔网络中增添能够增强前景信息降低背景信息的空间通道注意力机制。使用Kmeans聚类算法对数据集作聚类处理,获得一组先验框。在长沙理工大学交通标志数据集上进行测试,实验结果表明,改进后算法的识别率达到91.8%,与YOLOV3-tiny算法相比提高了24.9个百分点,而与YOLOV3算法相比,每张图片的检测时间降低至0.133s,降低了49.6%,该算法具有较强的实时性和准确性。 展开更多

关键词 交通标志 轻量化网络 YOLOV3-3ctiny 多尺度融合 特征金字塔 空间通道注意力机制

在线阅读 下载PDF 职称材料

基于通道注意力的轻量行人检测算法 被引量：2

16

作者 张文龙 南新元 +1 位作者 徐明明 黄家興 《现代电子技术》 2022年第16期133-138,共6页

YOLOv3算法参数量和计算量较大,不适合在移动端上使用。针对这个问题,文中通过优化YOLOv3算法提出一种基于注意力机制的轻量行人检测算法。首先,采用轻量级网络优化YOLOv3模型结构,减少模型的参数量和计算量;其次,设计下采样通道注意力... YOLOv3算法参数量和计算量较大,不适合在移动端上使用。针对这个问题,文中通过优化YOLOv3算法提出一种基于注意力机制的轻量行人检测算法。首先,采用轻量级网络优化YOLOv3模型结构,减少模型的参数量和计算量;其次,设计下采样通道注意力模块代替Darknet53中的下采样层;最后,为了进一步丰富目标特征信息,增强小尺度行人的检测能力,引入特征增强模块。在INRIA数据集上的实验结果表明,所提出方法参数量相比YOLOv3模型降低约18,模型平均准确率提高3.85%。相比其他轻量化算法,提出的算法模型复杂度更低并且检测性能更好。 展开更多

关键词 行人检测 通道注意力 YOLOv3 轻量级网络 特征增强 深度学习 残差网络 空间金字塔池化

在线阅读 下载PDF 职称材料

基于渐进结构感受野和全局注意力的显著性检测 被引量：2

17

作者 董波 周燕 王永雄 《电子科技》 2021年第1期23-30,共8页

当前的显著性检测算法在复杂场景下难以分割出完整显著性区域以及锐利的边缘细节。针对这一问题,文中提出了一种新颖的特征融合算法。该方法利用全卷积神经网络获取多个层次粗糙的初始特征并结合特征金字塔结构对其深度解析。设计渐进... 当前的显著性检测算法在复杂场景下难以分割出完整显著性区域以及锐利的边缘细节。针对这一问题,文中提出了一种新颖的特征融合算法。该方法利用全卷积神经网络获取多个层次粗糙的初始特征并结合特征金字塔结构对其深度解析。设计渐进结构感受野模块将特征转换至不同尺度的空间进行优化,实现特征的渐进融合与传递,有选择性地增强显著性区域。采用全局注意力机制消除背景噪声并建立显著性像素之间的长距离依赖,以提高显著性区域的有效性,突出显著性目标,再通过学习融合个层次特征得到显著图。综合实验表明,在绝对误差减小的情况下,F-measure指标远超出其他7种主流方法。所提的显著性模型综合了全卷积神经网络和特征金字塔结构的优点,结合文中设计的渐进结构感受野和全局注意力机制,使得显著图更接近真值图。 展开更多

关键词 显著性检测 全卷积神经网络 特征金字塔 渐进结构感受野 全局注意力 F-measure指标

在线阅读 下载PDF 职称材料

基于SuNet的公共交通安检违禁品的检测

18

作者 张缓缓 刘鹏程 +1 位作者 姜萌 王雨欣 《西安工程大学学报》 2025年第2期47-56,共10页

在公共交通安检场景中,违禁品与非违禁品相互重叠,导致现有模型难以有效地识别被遮挡违禁品类别问题。针对这一问题,文中提出基于SuNet的违禁品检测模型。首先,设计了强化注意力定位特征金字塔网络(augmented attention localization fe... 在公共交通安检场景中,违禁品与非违禁品相互重叠,导致现有模型难以有效地识别被遮挡违禁品类别问题。针对这一问题,文中提出基于SuNet的违禁品检测模型。首先,设计了强化注意力定位特征金字塔网络(augmented attention localization feature pyramid network,AALFPN),以强化违禁品的语义信息,并将违禁品定位信息和语义信息融合,引导模型准确定位被遮挡的违禁品位置,增强违禁品的特征轮廓。其次,引入了密集注意力机制(dense attention mechanism,DAM),以有效地识别和提取被遮挡违禁品。最后,引入了SmoothL1 Loss损失函数解决在回归过程中违禁品类别信息丢失的问题。该实验在PIDray数据集上对SuNet能够有效识别被遮挡违禁品类别进行验证,在CLCXray数据集上对SuNet在其他违禁品数据集上具有泛化性进行验证。结果表明:在PIDray数据集上,相较于RoIAttn模型,SuNet在AP@0.5∶0.95、AP@0.5和AP@0.75指标上分别提升了2.9%、4.4%和3.3%;在CLCXray数据集上,相较于RoIAttn模型,SuNet在AP@0.5∶0.95、AP@0.5和AP@0.75指标上分别提升了1.4%、1.4%和0.4%。说明SuNet不仅能有效识别被遮挡违禁品类别,还在其他违禁品数据集上具有良好的泛化性能,可为公共交通安检场景提供一种有效的违禁品检测解决方案。 展开更多

关键词 违禁品检测 SuNet 强化注意力定位特征金字塔网络 密集注意力机制 SmoothL1 Loss

在线阅读 下载PDF 职称材料

基于CNN和Transformer混合网络模型的车道线检测

19

作者 唐洪 邓锋 +2 位作者 张恺 聂学方 李光辉 《应用科学学报》 CAS CSCD 北大核心 2024年第5期871-883,共13页

车道线检测技术在自动驾驶系统中发挥着重要作用,目前基于深度学习的车道线检测方法通常在主干网络提取特征之后分别获取车道线关键点的置信度以及这些点相对车道线起始点的偏移。但由于车道线是细长结构,现有的主干网络无法有效提取这... 车道线检测技术在自动驾驶系统中发挥着重要作用,目前基于深度学习的车道线检测方法通常在主干网络提取特征之后分别获取车道线关键点的置信度以及这些点相对车道线起始点的偏移。但由于车道线是细长结构,现有的主干网络无法有效提取这种结构特征,偏移网络也难以回归车道线上关键点相对起始点的偏移。鉴于注意力机制在提取空间结构特征、表征长距离图像序列间依赖关系方面的优越性能,在基于点的车道线检测方法的基础上提出了一种基于卷积神经网络(convolutional neural network,CNN)和Transformer的混合网络(CNN-Transformer hybrid network,CTNet)模型,该模型通过特征金字塔和增强的坐标注意力机制提高特征的表征能力,使用基于视觉Transformer的偏移网络回归关键点的偏移量,因此,CTNet能够提取细长车道线特征、捕获长距离点间的偏移,有效提升车道线检测的精度。实验对比了CTNet和6种常用车道线检测算法在数据集TuSimple和CULane上的效果,在TuSimple上CTNet各项精度指标均优于现有方法,在CULane数据集的9种不同车道场景中,CTNet在6个场景中取得了最佳精度。 展开更多

关键词 车道线检测 视觉Transformer 坐标注意力 特征金字塔网络

在线阅读 下载PDF 职称材料

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

20

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 职称材料