期刊文献+
共找到24篇文章
< 1 2 >
每页显示 20 50 100
融合全局注意力与可形变卷积的玉米病害识别算法研究
1
作者 张焱姝 陈军 +1 位作者 孙丽丽 韩璐宇 《现代农业装备》 2025年第2期98-103,共6页
针对玉米病害识别中图像背景复杂、病斑尺度多变带来的检测精度低、识别效果差、检测速度慢、模型鲁棒性差等问题,提出一种融合注意力模块CBAM与可形变卷积的改进YOLOv7玉米病害识别算法。首先,在特征提取网络采用可形变卷积来优化弥补... 针对玉米病害识别中图像背景复杂、病斑尺度多变带来的检测精度低、识别效果差、检测速度慢、模型鲁棒性差等问题,提出一种融合注意力模块CBAM与可形变卷积的改进YOLOv7玉米病害识别算法。首先,在特征提取网络采用可形变卷积来优化弥补传统卷积对不规则特征的信息提取效率,以提高模型对病斑的位置感知能力;其次,在特征网络与颈部网络位置增加CBAM模块,加强模型对小目标病斑的关注度;最后,对样本数据进行数据增强预处理后进行训练,提升模型泛化能力和识别精度。试验证明,改进模型对玉米病害识别的精度P达到了95.6%,平均精度均值mAP@0.5为94.3%,召回率R为92.4%,检测速度为48.72帧/s;与基线模型YOLOv7相比,精度P、平均精度均值mAP@0.5和召回率R分别提高了5.3%、5.2%、5.2%,可以实现玉米病害的快速准确识别。 展开更多
关键词 玉米 目标检测 病害 YOLOv7 形变卷积 注意力机制
在线阅读 下载PDF
融合注意力机制和多层动态形变卷积的多视图立体视觉重建方法 被引量:1
2
作者 孙凯 张成 +1 位作者 詹天 苏迪 《兵工学报》 EI CAS CSCD 北大核心 2024年第10期3631-3641,共11页
针对现有多视图立体视觉(Multi-View Stereo,MVS)技术提取弱纹理区域和非郎伯体曲面特征信息不充分及重建效果不理想问题,提出一种融合注意力机制和多层动态形变卷积的AMDC-PatchmatchNet方法。构建一种融合坐标注意力的特征提取网络,... 针对现有多视图立体视觉(Multi-View Stereo,MVS)技术提取弱纹理区域和非郎伯体曲面特征信息不充分及重建效果不理想问题,提出一种融合注意力机制和多层动态形变卷积的AMDC-PatchmatchNet方法。构建一种融合坐标注意力的特征提取网络,能更准确地捕捉重建对象的边缘形状和纹理特征,同时融合一种基于动态形变卷积的自适应感受野模块,根据不同尺度的特征自适应调整感受野的大小和形状,获得兼具全局和细节的特征表示。在DTU数据集上的测试结果表明,所提方法相较于主流MVS方法,点云重建整体性指标提高2.8%,并且在航空影像数据集上验证了模型的泛化能力。 展开更多
关键词 多视图立体视觉 注意力机制 动态形变卷积 深度学习
在线阅读 下载PDF
基于可形变卷积与SimAM注意力的密集柑橘检测算法 被引量:10
3
作者 李子茂 李嘉晖 +2 位作者 尹帆 帖军 吴钱宝 《中国农机化学报》 北大核心 2023年第2期156-162,F0002,共8页
针对现有检测算法难以检测自然场景下小而密集的柑橘问题,提出一种DS-YOLO(Deformable Convolution SimAM YOLO)密集柑橘检测算法。引入可形变卷积网络(Deformable Convolution)代替原YOLOv4中的特征提取网络部分卷积层,使特征提取网络... 针对现有检测算法难以检测自然场景下小而密集的柑橘问题,提出一种DS-YOLO(Deformable Convolution SimAM YOLO)密集柑橘检测算法。引入可形变卷积网络(Deformable Convolution)代替原YOLOv4中的特征提取网络部分卷积层,使特征提取网络能自适应提取遮挡、重叠等导致柑橘形状信息缺失的位置特征,在特征融合模块中,增加新的检测尺度并融合SimAM注意力机制,增强模型对于小而密集柑橘特征的提取能力。试验结果表明:DS-YOLO算法相较于原YOLOv4准确率提高8.75%,召回率提高7.9%,F1分数提高5%,能够较准确检测自然环境下的密集柑橘目标,为密集水果产量预测和采摘机器人提供了有效的技术支持。 展开更多
关键词 目标检测 特征提取 密集柑橘 形变卷积 SimAM注意力
在线阅读 下载PDF
基于形变卷积和深层聚合网络的水下文物检测 被引量:3
4
作者 周道先 张吟龙 +2 位作者 徐高飞 杨雨沱 梁炜 《仪器仪表学报》 EI CAS CSCD 北大核心 2023年第11期185-195,共11页
搭载有视觉检测系统的自主水下航行器(AUV)具有水下文物探测功能,对深海考古有着重要意义。水下文物所处环境复杂多变,目标存在破损、堆叠和泥沙掩埋等情况,导致判别特征提取困难,使得AUV视觉检测系统无法可靠、准确地实现水下文物的检... 搭载有视觉检测系统的自主水下航行器(AUV)具有水下文物探测功能,对深海考古有着重要意义。水下文物所处环境复杂多变,目标存在破损、堆叠和泥沙掩埋等情况,导致判别特征提取困难,使得AUV视觉检测系统无法可靠、准确地实现水下文物的检测。针对上述问题,提出一种基于可形变深层聚合网络模型的水下文物检测算法。为了充分提取复杂环境下水下文物目标特征信息,设计了具有可形变卷积层的多尺度深层聚合网络。在此基础上,引入SimAM注意力模型进行特征优化,来增强文物目标潜在特征信息并削弱背景干扰。最后,通过不同尺度的特征融合实现水下文物检测。在采集的水下文物数据集上进行大量验证和分析,算法的精确率、召回率和平均精度均值(mAP)分别达到了92.7%、90.5%和92.2%。此外,算法已部署到AUV系统中。在实际深海测试场景中,视觉检测系统的文物检测帧率达到19 fps,可满足实时检测的任务需求。 展开更多
关键词 自主水下航行器 水下目标检测 形变卷积 多尺度深层聚合 注意力机制
在线阅读 下载PDF
基于导向型级联可形变卷积的电气设备红外图像检测 被引量:8
5
作者 吴昊月 张惊雷 赵俊亚 《计算机应用与软件》 北大核心 2023年第4期204-210,共7页
基于红外图像的电气设备识别及其温度异常检测对摄像机拍摄角度变化敏感,提出一种基于导向型级联可形变卷积神经网络的户外电力设备识别检测算法。对残差网络进行改进,在网络的后三个残差块中加入可形变卷积层,以便更好地提取电气设备... 基于红外图像的电气设备识别及其温度异常检测对摄像机拍摄角度变化敏感,提出一种基于导向型级联可形变卷积神经网络的户外电力设备识别检测算法。对残差网络进行改进,在网络的后三个残差块中加入可形变卷积层,以便更好地提取电气设备的特征;利用像素点的概率得分图,预测候选像素点;三个级联的检测器将标定的真实框与算法生成的候选预测框进行阈值筛选,得到最终的预测框。建立并标记了近万张包括绝缘子、电流互感器、避雷器、断路器、隔离开关、套管等6种电气设备及其温度异常数据集ELE,实验结果表明该算法检测平均精度均值(mAP)达到95.3%,对包含小目标温度异常区域检测的mAP达到了88.1%。 展开更多
关键词 电气设备红外图像 目标检测 级联卷积神经网络 形变卷积 像素点
在线阅读 下载PDF
一种改进可形变FCN的农作物害虫检测方法 被引量:6
6
作者 徐聪 王旭启 刘裕 《江苏农业科学》 北大核心 2022年第9期211-219,共9页
田间农作物害虫种类繁多,不同的生长阶段形态和颜色各异,在自然环境下采集的图像背景复杂,角度和尺度变化多样,从而使传统的害虫检测方法准确率较低。提出一种改进可形变全卷积神经网络(deformable fully convolution network,DFCN)的... 田间农作物害虫种类繁多,不同的生长阶段形态和颜色各异,在自然环境下采集的图像背景复杂,角度和尺度变化多样,从而使传统的害虫检测方法准确率较低。提出一种改进可形变全卷积神经网络(deformable fully convolution network,DFCN)的农作物害虫检测方法,该方法由编码模块和解码模块组成。编码模块在VGG16中采用了可形变卷积,能适应不同形状、位置和尺寸等几何形变的害虫图像。为了更好地保留害虫图像的纹理特征和背景特征,在编码模块中应用了混合池化,加快了网络的训练速度,提高了害虫检测的准确率;解码模块对编码的下采样层进行反卷积操作,最后应用像素级分类器获得有效的检测图像。在扩展的害虫图像数据集上与DFCN方法的分割精确度和平均交并比分别为90.43%、78.16%,较语义分割方法SegNet分别提高了3.27、3.72,单幅图像的识别时间为0.36 s,比SegNet加快了0.16 s。结果表明DFCN方法在害虫图像检测方面具有较高的准确率,分割速度快,可为复杂背景下农作物害虫检测提供一定的理论参考。 展开更多
关键词 农作物害虫检测 卷积神经网络 形变卷积 形变卷积神经网络
在线阅读 下载PDF
基于卷积神经网络的光流估计模型
7
作者 丰艳 刘帅 王传旭 《数据采集与处理》 CSCD 北大核心 2021年第1期63-75,共13页
光流信息是图像像素的运动表示,现有光流估计方法在应对图像遮挡、大位移和细节呈现等复杂情况时难以保证高精度。为了克服这些难点问题,本文建立一种新型的卷积神经网络模型,通过改进卷积形式和特征融合的方式来提高估计精度。首先,加... 光流信息是图像像素的运动表示,现有光流估计方法在应对图像遮挡、大位移和细节呈现等复杂情况时难以保证高精度。为了克服这些难点问题,本文建立一种新型的卷积神经网络模型,通过改进卷积形式和特征融合的方式来提高估计精度。首先,加入调整优化能力更强的可形变卷积,以便于提取相邻帧图像的大位移和细节等空间特征;然后利用基于注意力机制生成特征关联层,将相邻两帧的特征进行融合,以其作为由反卷积和上采样构成的解码部分的输入,旨在克服基于特征匹配等估计光流传统方法精度低的缺点;最后将得到的估计光流通过多网络堆栈的循环优化模型实现最终的光流估计。实验表明,本文网络模型在处理遮挡、大位移和细节呈现等方面的表现优于现有方法。 展开更多
关键词 光流估计 形变卷积 卷积神经网络 注意力机制
在线阅读 下载PDF
基于时空卷积特征记忆模型的坦克火控系统视频目标检测方法 被引量:5
8
作者 戴文君 常天庆 +2 位作者 褚凯轩 张雷 郭理彬 《兵工学报》 EI CAS CSCD 北大核心 2020年第9期1708-1718,共11页
视频目标检测技术是提升坦克火控系统战场目标搜索能力的有效手段。针对面向坦克火控系统的视频目标检测任务,提出一种基于时空卷积特征记忆模型的视频目标检测方法。将时空卷积特征校准机制与卷积门控循环单元相结合,建立时空卷积特征... 视频目标检测技术是提升坦克火控系统战场目标搜索能力的有效手段。针对面向坦克火控系统的视频目标检测任务,提出一种基于时空卷积特征记忆模型的视频目标检测方法。将时空卷积特征校准机制与卷积门控循环单元相结合,建立时空卷积特征记忆模型,同时对多个视频帧中目标的表观特征及运动信息进行建模,以传递并融合视频帧中的目标信息。在特征提取网络以及检测子网络中结合可形变卷积,在检测过程中应用视频序列非极大值抑制,提高对形变以及遮挡目标的检测能力。构建一个包含多种目标类型、尺度、遮挡等条件的坦克火控系统视频目标检测数据集,为多种目标检测方法的测试提供依据。测试结果表明,与R-FCN、D&T以及MANet等目标检测方法相比,所提方法的平均精度均值最高,能够更好地满足装备的应用需求。 展开更多
关键词 坦克火控系统 视频目标检测 时空卷积特征校准 记忆模型 形变卷积 卷积门控循环单元
在线阅读 下载PDF
面向坦克火控系统的多尺度形变目标检测方法 被引量:4
9
作者 戴文君 常天庆 +2 位作者 张雷 杨国振 郭理彬 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2019年第12期2082-2090,共9页
坦克火控系统图像目标检测技术是实现坦克火控系统自主打击的重要基础.针对坦克火控系统图像目标检测任务,建立了一个包含不同目标类型、尺度、形变、光照、遮挡、气象等条件的坦克火控系统图像数据集TKHK,可以为不同目标检测方法的评... 坦克火控系统图像目标检测技术是实现坦克火控系统自主打击的重要基础.针对坦克火控系统图像目标检测任务,建立了一个包含不同目标类型、尺度、形变、光照、遮挡、气象等条件的坦克火控系统图像数据集TKHK,可以为不同目标检测方法的评价提供依据.提出一种多尺度形变目标检测方法,首先采用可形变卷积改进的ResNet-101-deformable网络以及可形变ROI池化提高对形变目标的检测能力;其次在不同分辨率的卷积特征图上提取建议区域,并在检测子网络中通过自适应特征融合机制对特征进行融合,提高对多尺度目标的检测效果;最后结合在线难例挖掘、Soft-NMS以及多尺度训练等多种设计与训练方法,文中方法在TKHK上取得较好的检测效果,能够更好地满足装备实际应用需求. 展开更多
关键词 坦克火控系统 目标检测 形变卷积 自适应特征融合
在线阅读 下载PDF
基于可形变自相关网络的图像篡改检测方法
10
作者 梁鹏 吴玉婷 +3 位作者 赵慧民 李春英 何娃 黎绍发 《计算机工程》 CAS CSCD 北大核心 2021年第11期241-246,253,共7页
基于深度学习的图像复制-粘贴篡改检测方法在特征提取过程中未考虑特征的空间排列,在小区域篡改样本下检测性能不佳。基于可形变自相关网络提出一种图像篡改检测方法。通过引入可形变卷积和多尺度空间金字塔,自适应地学习篡改目标的空... 基于深度学习的图像复制-粘贴篡改检测方法在特征提取过程中未考虑特征的空间排列,在小区域篡改样本下检测性能不佳。基于可形变自相关网络提出一种图像篡改检测方法。通过引入可形变卷积和多尺度空间金字塔,自适应地学习篡改目标的空间形变,同时通过构造自相关金字塔式特征层次结构,融合全局特征和局部特征以提升图像篡改检测性能。实验结果表明,该方法在公开的图像篡改检测基准上各项评测指标均优于对比方法,其精确率、召回率、F1值较BusterNet 2019分别提高14.85、15.04、12.81个百分点,在小区域篡改样本下性能优势更为明显。 展开更多
关键词 图像篡改检测 特征提取 形变卷积 自相关金字塔
在线阅读 下载PDF
具有复杂纹理的木板表面刮痕缺陷检测模型 被引量:4
11
作者 胡勍 秦威 +1 位作者 刘成良 石闻天 《计算机集成制造系统》 EI CSCD 北大核心 2024年第1期78-89,共12页
为提高木板加工生产线自动化水平,基于Faster RCNN提出一种木板表面刮痕缺陷检测模型,识别和定位不同纹理背景下的木板表面刮痕缺陷。图像预处理阶段提出改进双边滤波算法,在保持刮痕细节特征的同时对纹理背景进行平滑处理;提出灰度自... 为提高木板加工生产线自动化水平,基于Faster RCNN提出一种木板表面刮痕缺陷检测模型,识别和定位不同纹理背景下的木板表面刮痕缺陷。图像预处理阶段提出改进双边滤波算法,在保持刮痕细节特征的同时对纹理背景进行平滑处理;提出灰度自适应刮痕生成方法进行数据增强处理。引入可形变卷积增强模型特征提取能力,使用旋转包围框标注并提出新的包围框回归损失函数,解决水平包围框中刮痕缺陷占比远小于纹理背景的问题。通过实际木板加工生产线采集的图像验证了提出模型的有效性,并将提出的模型与其他缺陷检测方法进行了对比测试,结果证明了所提模型的优越性。 展开更多
关键词 刮痕缺陷 Faster RCNN 形变卷积 旋转包围框 回归损失
在线阅读 下载PDF
融合CNN和ViT的乳腺超声图像肿瘤分割方法 被引量:1
12
作者 彭雨彤 梁凤梅 《智能系统学报》 CSCD 北大核心 2024年第3期556-564,共9页
针对乳腺超声图像肿瘤区域形状大小差异大导致分割困难,卷积神经网络(convolutional neural networks,CNN)建模长距离依赖性和空间相关性方面存在局限性,视觉Transformer(vision Transformer,ViT)要求数据量巨大等问题,提出一种融合CNN... 针对乳腺超声图像肿瘤区域形状大小差异大导致分割困难,卷积神经网络(convolutional neural networks,CNN)建模长距离依赖性和空间相关性方面存在局限性,视觉Transformer(vision Transformer,ViT)要求数据量巨大等问题,提出一种融合CNN和ViT的分割方法。使用改进的Swin Transformer模块和基于可形变卷积的CNN编码器模块分别提取全局特征和局部细节特征,设计使用交叉注意力机制融合这两种尺度的特征表示,训练过程采取二元交叉熵损失混合边界损失函数,有效提高分割精度。在两个公共数据集上的实验结果表明,与现有经典算法相比所提方法的分割结果有显著提升,dice系数提升3.8412%,验证所提方法的有效性和可行性。 展开更多
关键词 卷积神经网络 乳腺超声图像分割 Swin Transformer 交叉注意力机制 混合损失函数 形变卷积 多头跳跃注意力 深度学习
在线阅读 下载PDF
改进YOLOv8的道路交通标志目标检测算法 被引量:24
13
作者 田鹏 毛力 《计算机工程与应用》 CSCD 北大核心 2024年第8期202-212,共11页
虽然,当前检测技术日趋成熟,但对于复杂环境下的小目标检测仍然是研究的重难点。针对道路交通场景中普遍存在的交通标志小目标比例较高,环境干扰因素较大的问题,提出了一种基于YOLOv8改进的道路交通标志目标检测算法。由于小目标检测中... 虽然,当前检测技术日趋成熟,但对于复杂环境下的小目标检测仍然是研究的重难点。针对道路交通场景中普遍存在的交通标志小目标比例较高,环境干扰因素较大的问题,提出了一种基于YOLOv8改进的道路交通标志目标检测算法。由于小目标检测中容易出现漏检的现象,利用BRA(bi-level routing attention)注意力机制提高网络对小目标的感知能力。此外,还利用可形变卷积模块DCNv3(deformable convolution v3),针对特征图中的不规则形状具有更好的特征提取能力,使骨干网络更好地适应不规则的空间结构,更精准地关注重要目标,从而提高模型对遮挡重叠目标的检测能力。DCNv3和BRA模块均在基本不增加模型权重大小的情况下提高模型准确性。同时引入基于辅助边框的Inner-IOU损失函数。在RoadSign、CCTSDB、TSDD、GTSDB四个数据集上,分别进行了小样本训练、大样本训练、单目标检测和多目标检测,实验结果均有所提高。其中,在RoadSign数据集上的实验结果最佳,YOLOv8改进模型的均值平均精度mAP50与mAP50:95分别达到了90.7%和75.1%,相较于基线模型,mAP50与mAP50:95分别提升了5.9和4.8个百分点。实验结果表明,YOLOv8改进模型有效地实现了在复杂道路场景下的交通标志检测。 展开更多
关键词 YOLOv8 小目标检测 形变卷积 注意力机制 复杂道路场景
在线阅读 下载PDF
DRE-3DC:基于三维表征建模的篇章级关系抽取模型
14
作者 王宇 王震 +2 位作者 温立强 李伟平 赵文 《电子学报》 EI CAS CSCD 北大核心 2024年第9期2950-2960,共11页
篇章级关系抽取任务旨在从非结构化文档的多个句子中提取事实,是构建领域知识库和知识问答应用的关键环节,相较于句子级关系抽取,该任务既要求模型能够基于文档结构特征捕获实体间的复杂交互,还要应对严重的关系类别长尾分布问题.现有... 篇章级关系抽取任务旨在从非结构化文档的多个句子中提取事实,是构建领域知识库和知识问答应用的关键环节,相较于句子级关系抽取,该任务既要求模型能够基于文档结构特征捕获实体间的复杂交互,还要应对严重的关系类别长尾分布问题.现有基于表格的关系抽取模型主要对文档进行“实体/实体”二维建模,采用多层卷积网络或局部注意力机制提取实体间的交互特征,由于未显式对关系语义进行解耦建模,使得模型无法避免类别重叠影响和捕获关系的方向性特征,导致缺乏实体交互的充分语义信息.针对上述挑战,本文提出了一种基于三维表征建模的篇章级关系抽取模型DRE-3DC(Document-Level Relation Extraction with Three-Dimensional Representation Combination Modeling),对二维表格建模方式进行扩展,形成“实体/实体/关系”三维表征建模,采用基于形变卷积的三重注意力机制有效区分和聚合不同语义空间下的实体间及实体与关系的交互表征,自适应地增强模型对文档结构特征的聚合.同时,采用多任务学习方法增强模型对文档整体关系类别组合的感知来缓解篇章级关系抽取任务中的关系类别长尾分布问题.在DocRED和Revisit-DocRED两个篇章级关系抽取数据集上进行的实验结果表明,DRE-3DC模型性能良好,并通过消融实验、对比分析和实例分析,验证了本文所提方法的有效性. 展开更多
关键词 篇章级关系抽取 三维表征 三重注意力 形变卷积网络 多任务学习
在线阅读 下载PDF
融合多尺度特征与注意力的太阳能电池表面缺陷检测 被引量:2
15
作者 周颖 许士博 +1 位作者 陈海永 刘坤 《光学精密工程》 EI CAS CSCD 北大核心 2024年第14期2286-2298,共13页
为提高对太阳能电池电致发光(EL)成像各类表面缺陷的检测精度并降低漏检率,提出融合多尺度特征与注意力机制的太阳能电池表面缺陷检测算法CMFAnet。首先,针对太阳能电池表面缺陷尺度跨度大的特点,设计了增强型多尺度特征融合方法,其基... 为提高对太阳能电池电致发光(EL)成像各类表面缺陷的检测精度并降低漏检率,提出融合多尺度特征与注意力机制的太阳能电池表面缺陷检测算法CMFAnet。首先,针对太阳能电池表面缺陷尺度跨度大的特点,设计了增强型多尺度特征融合方法,其基本单元由特征对齐模块和特征融合模块串联组成,对于不同语义级别的特征信息,特征对齐模块通过调整它们的尺度,使这些特征更容易融合在一起;其次,针对太阳能电池表面缺陷特征与背景特征相似程度高、几何形状多变的特点,设计了可形变幽灵卷积模块,其基本单元由可形变卷积、多路坐标注意力机制和幽灵卷积(Ghost conv)组成,多路坐标注意力机制优化了可形变卷积中offset的生成,幽灵卷积机制的引入则有效降低了网络模型的计算复杂度。实验结果表明,在光伏电池缺陷异常检测数据集PVEL-AD上,本文方法的平均检测精度(mAP)达91.4%,相较其他主流目标检测网络均有不同程度的提升。 展开更多
关键词 多尺度特征 形变卷积 坐标注意力 缺陷检测
在线阅读 下载PDF
基于自适应残差的运动图像去模糊 被引量:4
16
作者 欧阳宁 邓超阳 林乐平 《计算机工程与设计》 北大核心 2021年第6期1684-1690,共7页
针对当前运动图像去模糊网络忽略了运动模糊图像的非均匀性,不能有效地恢复图像的高频细节及去除伪影等问题,在对抗网络基础上提出一种基于自适应残差的运动图像去模糊方法。在生成网络中构造由形变卷积模块和通道注意力模块组成的自适... 针对当前运动图像去模糊网络忽略了运动模糊图像的非均匀性,不能有效地恢复图像的高频细节及去除伪影等问题,在对抗网络基础上提出一种基于自适应残差的运动图像去模糊方法。在生成网络中构造由形变卷积模块和通道注意力模块组成的自适应残差模块。其中,形变卷积模块学习运动模糊图像特征的形变量,可以根据图像的形变信息动态调整卷积核的形状和大小,提高网络适应图像形变的能力。通道注意力模块对所提取的形变特征进行通道调整,获取更多的图像高频特征,增强恢复后图像的纹理细节。在公开的GOPRO数据集上进行实验,实验结果表明,该算法的峰值信噪比(PSNR)有较大的提升,能够重建出纹理细节丰富的高质量图像。 展开更多
关键词 运动图像去模糊 非均匀性 形变卷积模块 通道注意力模块 自适应
在线阅读 下载PDF
改进的YOLOv3算法及其在军事目标检测中的应用 被引量:19
17
作者 于博文 吕明 《兵工学报》 EI CAS CSCD 北大核心 2022年第2期345-354,共10页
复杂环境下军事目标检测技术是提高战场态势生成、分析能力的基础和关键。针对军事目标检测任务在复杂环境下传统检测算法的检测性能较低问题,提出一种基于改进YOLOv3的军事目标检测算法,通过深度学习实现复杂环境下军事目标的自动检测... 复杂环境下军事目标检测技术是提高战场态势生成、分析能力的基础和关键。针对军事目标检测任务在复杂环境下传统检测算法的检测性能较低问题,提出一种基于改进YOLOv3的军事目标检测算法,通过深度学习实现复杂环境下军事目标的自动检测。构建军事目标图像数据集,为各类目标检测算法提供测试环境;在网络结构上通过引入可形变卷积改进的ResNet50-D残差网络作为特征提取网络,提高网络对形变目标的检测精度和速度;在特征融合阶段引入双注意力机制和特征重构模块,增强目标特征的表征能力,抑制干扰,提升检测精度;利用DIOU损失函数和Focal损失函数重新设计目标检测器的损失函数,进一步提高其对军事目标的检测精度;在军事目标图像数据集中进行测试实验。实验结果表明,改进的YOLOv3算法相比于原YOLOv3算法,平均精度均值提高了2.98%,检测速度提高了8.6帧/s,具有较好的检测性能,可为战场态势生成、分析提供有效的辅助技术支持。 展开更多
关键词 目标检测 形变卷积 YOLOv3算法 特征融合 注意力机制
在线阅读 下载PDF
面向复杂环境中带钢表面缺陷检测的轻量级DCN-YOLO 被引量:27
18
作者 卢俊哲 张铖怡 +1 位作者 刘世鹏 宁德军 《计算机工程与应用》 CSCD 北大核心 2023年第15期318-328,共11页
基于深度学习的智能检测技术逐渐在复杂钢铁生产环境带钢表面缺陷检测过程中使用。为了应对在资源受限的边缘设备中部署高精度模型的挑战,提出一个面向复杂环境中带钢表面缺陷检测的轻量级DCN-YOLO模型,该模型将可形变卷积网络DCN与原始... 基于深度学习的智能检测技术逐渐在复杂钢铁生产环境带钢表面缺陷检测过程中使用。为了应对在资源受限的边缘设备中部署高精度模型的挑战,提出一个面向复杂环境中带钢表面缺陷检测的轻量级DCN-YOLO模型,该模型将可形变卷积网络DCN与原始YOLOv5结合,以提高模型对不同尺寸和形状缺陷的灵敏度。为降低计算复杂度,在YOLO模型中引入了深度可分离卷积DSConv和高效通道注意力机制ECA两个轻量级模块,使模型更好地理解输入数据中各个通道之间的关系,在提高模型的检测精度和泛化能力的同时,大幅降低模型的计算量。进一步通过消融实验及横向对比实验,验证了每个创新模块的有效性。通过经典的开源带钢数据集NEU-DET和实际工业带钢数据集分别验证了轻量级DCN-YOLO模型在表面缺陷检测精度和计算复杂度方面的优势。 展开更多
关键词 带钢表面缺陷检测 形变卷积网络 深度可分离卷积 ECA通道注意力 轻量级YOLOv5 图像预处理
在线阅读 下载PDF
基于动态选择机制的低信噪比单声道语音增强算法 被引量:1
19
作者 台文鑫 王钇翔 +2 位作者 李森 蓝天 刘峤 《计算机应用研究》 CSCD 北大核心 2021年第9期2604-2608,共5页
为了提升模型在复杂场景下的信息处理能力,提出了一种基于注意力的动态选择机制,根据当前信息选择性地分配权重,有效融合形变卷积和普通卷积的特征输出,自适应地在卷积形变和标准卷积之间进行权衡,从而提高其表示能力。此外,通过借鉴渐... 为了提升模型在复杂场景下的信息处理能力,提出了一种基于注意力的动态选择机制,根据当前信息选择性地分配权重,有效融合形变卷积和普通卷积的特征输出,自适应地在卷积形变和标准卷积之间进行权衡,从而提高其表示能力。此外,通过借鉴渐进学习,在不增加额外参数的前提下,通过循环迭代的方式进一步增强了模型的学习能力。在TIMIT公开语料库上使用七种来自NoiseX92的不同噪声,在多种信噪比环境下进行实验,结果表明无论信噪比高低,噪声是否在训练数据集中出现,所提出的算法在可懂度和语音质量等客观评价指标上均优于近期其他的深度学习算法。 展开更多
关键词 语音增强 低信噪比 动态选择机制 形变卷积 渐进学习
在线阅读 下载PDF
融合空间注意力的自适应安检违禁品检测方法 被引量:5
20
作者 游玺 侯进 +2 位作者 任东升 杨鹏熙 杜茂生 《计算机工程与应用》 CSCD 北大核心 2023年第21期176-186,共11页
针对X光安检场景违禁品检测精度低,存在误检和漏检的问题,在Cascade R-CNN基础上,提出一种融合空间注意力的自适应安检违禁品检测方法 XPIC R-CNN。在ResNet50中引入可形变卷积作为主干网络,自适应地学习不同尺寸的违禁品特征;结合可形... 针对X光安检场景违禁品检测精度低,存在误检和漏检的问题,在Cascade R-CNN基础上,提出一种融合空间注意力的自适应安检违禁品检测方法 XPIC R-CNN。在ResNet50中引入可形变卷积作为主干网络,自适应地学习不同尺寸的违禁品特征;结合可形变卷积的空间稀疏采样优势和自注意力机制强大的元素间关系建模能力,提出一种空间自适应注意力模块,有效地抑制复杂背景的噪音干扰;提出一种多尺度自适应候选区生成网络,使用语义特征去指导锚框的生成,提高候选框的质量以提升网络的召回率;在级联检测器中引入在线难例挖掘训练策略,解决正负样本不均衡和小样本训练困难的问题。实验结果表明,XPIC R-CNN在数据集SIXray_PI上的平均检测精度为94.5%,召回率为77.4%,比原始算法分别提升了3.2和8.2个百分点,最高漏检率仅有10%。 展开更多
关键词 违禁物品检测 Cascade R-CNN 空间自适应注意力 形变卷积 在线难例挖掘
在线阅读 下载PDF
上一页 1 2 下一页 到第
使用帮助 返回顶部