检索结果-维普期刊中文期刊服务平台

一种轻量化YOLOv4的遥感影像桥梁目标检测算法被引量：3: 1; 作者余培东王鑫 +2 位作者江刚武刘建辉徐佰祺《海洋测绘》 CSCD 北大核心 2022年第2期59-64,共6页; 深度学习技术发展迅速,在目标检测中表现出良好的适应性。针对YOLOv4算法在遥感影像桥梁目标检测任务中的检测效率较低和模型轻量化不足问题,使用轻量化的MobileNetv3骨干网络替换原始CSPDarkNet53骨干网络,将传统卷积层替换为深度超参... 展开更多; 关键词桥梁目标检测 YOLOv4算法 MobileNetv3算法深度超参数化卷积轻量化模型; 在线阅读下载PDF 职称材料

基于改进残差网络的葡萄叶片病害识别被引量：10: 2; 作者戴久竣马肄恒 +1 位作者吴坚班兆军《江苏农业科学》北大核心 2023年第5期208-215,共8页; 葡萄病害是导致葡萄严重减产的主要因素,大多数病害症状都反映在葡萄的叶片上,但是人工针对叶片的识别费时且效率低。本研究提出了一种基于改进残差网络的葡萄叶片病害识别模型。该研究在ResNet50的基础上采用金字塔卷积网络,通过其包... 展开更多; 关键词葡萄病害残差网络金字塔卷积深度超参数化卷积层; 在线阅读下载PDF 职称材料

基于改进U-net的金属工件表面缺陷图像分割方法被引量：7: 3; 作者王一龚肖杰苏皓《应用光学》 CAS 北大核心 2023年第1期86-92,共7页; 针对金属工件表面小尺寸缺陷及受非均匀光照影响的图像缺陷难以分割的问题,提出了一种改进的U-net语义分割网络,实现金属工件表面缺陷图像的精确分割。首先,在U-net网络中融入CBAM(convolutional block attention module)模块来提升图... 展开更多; 关键词表面缺陷图像分割语义分割网络卷积注意力模块深度超参数化卷积; 在线阅读下载PDF 职称材料

融合Transformer和CNN的手掌静脉识别网络被引量：3: 4; 作者吴凯沈文忠 +1 位作者贾丁丁梁娟《计算机工程与应用》 CSCD 北大核心 2023年第24期98-109,共12页; 针对手掌静脉特征提取识别精度不高问题,提出了掌静脉识别网络PVCodeNet。该网络设计了改进的BasicBlock和Transformer Encoder模块结合并运用扩大决策边界的损失函数AAM-Loss(additive angular margin loss)。该网络首次将Transformer ... 展开更多; 关键词手掌静脉识别 Transformer编码模块深度超参数化卷积(Do-Conv) 规一化注意力机制(NAM) 扩大决策边界的损失函数(AAM-Loss); 在线阅读下载PDF 职称材料

题名一种轻量化YOLOv4的遥感影像桥梁目标检测算法被引量：3: 1; 作者余培东王鑫江刚武刘建辉徐佰祺; 机构战略支援部队信息工程大学数据与目标工程学院; 出处《海洋测绘》 CSCD 北大核心 2022年第2期59-64,共6页; 文摘深度学习技术发展迅速,在目标检测中表现出良好的适应性。针对YOLOv4算法在遥感影像桥梁目标检测任务中的检测效率较低和模型轻量化不足问题,使用轻量化的MobileNetv3骨干网络替换原始CSPDarkNet53骨干网络,将传统卷积层替换为深度超参数化卷积层(DO_Conv),提出一种兼具精度和检测效率的轻量化模型。实验表明:比较原始YOLOv4算法,本文算法将模型权重降低55%,检测效率提升70%以上,证明了本文改进之处的有效性;在精度方面,本文算法在与SSD、RetinaNet、YOLOv3和CenterNet等经典目标检测算法比较中仍保持精度优势。与YOLOv4算法相比,本文算法在难度较低的检测任务中精度损失较低,但在检测难度较高的DOTA桥梁数据集中精度损失明显。; 关键词桥梁目标检测 YOLOv4算法 MobileNetv3算法深度超参数化卷积轻量化模型; Keywords bridge target detection YOLOv4 algorithm MobileNetv3 algorithm DO_Conv lightweight model; 分类号 P237.2 [天文地球—摄影测量与遥感]; 在线阅读下载PDF 职称材料

题名基于改进残差网络的葡萄叶片病害识别被引量：10: 2; 作者戴久竣马肄恒吴坚班兆军; 机构浙江科技学院生物与化学工程学院浙江科技学院机械与能源工程学院; 出处《江苏农业科学》北大核心 2023年第5期208-215,共8页; 基金 “十三五”国家重点研发计划(编号:2017YFD0401304) 浙江省重点研发计划(编号:2022C04039)。; 文摘葡萄病害是导致葡萄严重减产的主要因素,大多数病害症状都反映在葡萄的叶片上,但是人工针对叶片的识别费时且效率低。本研究提出了一种基于改进残差网络的葡萄叶片病害识别模型。该研究在ResNet50的基础上采用金字塔卷积网络,通过其包含不同大小和不同深度的卷积核来处理输入,然后以特征融合来获得不同程度的病害特征细节。在金字塔网络结构上采用深度超参数化卷积层代替传统的卷积层,能够加快模型收敛速度,有效提升模型精度。结果表明,改进后的残差网络模型与AlexNet、MobileNetV2、ResNet50/101、VGG16模型相比,在准确性方面具有显著优势。与原模型相比较,识别准确率提高3.18百分比,改进模型对病害识别准确率高达98.20%。可以为识别葡萄叶片病害提供参考。; 关键词葡萄病害残差网络金字塔卷积深度超参数化卷积层; 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U-net的金属工件表面缺陷图像分割方法被引量：7: 3; 作者王一龚肖杰苏皓; 机构华北理工大学电气工程学院唐山市金属构件产线智能化技术创新中心唐山市半导体集成电路重点实验室; 出处《应用光学》 CAS 北大核心 2023年第1期86-92,共7页; 基金河北省高等学校科学技术研究项目(ZD2022114) 唐山市科技计划项目(21130212C)。; 文摘针对金属工件表面小尺寸缺陷及受非均匀光照影响的图像缺陷难以分割的问题,提出了一种改进的U-net语义分割网络,实现金属工件表面缺陷图像的精确分割。首先,在U-net网络中融入CBAM(convolutional block attention module)模块来提升图像中缺陷目标的显著度;其次,采用深度超参数化卷积DO-Conv(depthwise over-parameterized convolutional)代替网络中部分传统卷积,增加网络可学习的参数数量;然后,采用Leaky Relu函数代替网络中部分Relu函数,提高模型对负区间的特征提取能力;最后,采用中值滤波及非均匀光照的补偿方法进行图像预处理,减弱非均匀光照对金属工件图像表面缺陷的影响。结果表明:改进后的网络平均交并比、准确率和Dice系数指标分别达到0.833 5、0.933 2、0.867 4,改进的网络显著提升了对金属工件表面缺陷图像的分割效果。; 关键词表面缺陷图像分割语义分割网络卷积注意力模块深度超参数化卷积; Keywords surface defects image segmentation semantic segmentation network convolutional block attention module depthwise over-parameterized convolution; 分类号 TN209 [电子电信—物理电子学] TP391 [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

题名融合Transformer和CNN的手掌静脉识别网络被引量：3: 4; 作者吴凯沈文忠贾丁丁梁娟; 机构上海电力大学电子与信息工程学院; 出处《计算机工程与应用》 CSCD 北大核心 2023年第24期98-109,共12页; 基金国家自然科学基金(61802250)。; 文摘针对手掌静脉特征提取识别精度不高问题,提出了掌静脉识别网络PVCodeNet。该网络设计了改进的BasicBlock和Transformer Encoder模块结合并运用扩大决策边界的损失函数AAM-Loss(additive angular margin loss)。该网络首次将Transformer Encoder模块成功用于掌静脉图像全局特征提取,改进的BasicBlock使用深度超参数化卷积Do-Conv取代传统卷积Conv进行特征提取使提取的特征更加具有区分性,该模块还加入规一化的注意力机制NAM模块,通过应用权重稀疏性惩罚项抑制不显著性特征的权值来提取图像在通道和空间域上重要的细节特征。在手掌关键点定位、ROI提取、图像增强方面作了详细描述,在特征向量维度、AAM-Loss参数设置方面做了详细实验,在PolyU数据库和自建库SEPAD-PV数据库上进行消融实验测试,EER均达到了0,成功实现了最高识别率的突破。为了验证该网络的泛化性能,还在具有相似纹理特征的掌纹数据库Tongji和指静脉数据库SDUMLA上进行验证,EER远远优于其他主流算法,充分证明了提出算法的优越性。; 关键词手掌静脉识别 Transformer编码模块深度超参数化卷积(Do-Conv) 规一化注意力机制(NAM) 扩大决策边界的损失函数(AAM-Loss); Keywords palm vein recognition Transformer encoder Do-Conv normalization-based attention module(NAM) additive angular margin loss(AAM-Loss); 分类号 TP391 [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	一种轻量化YOLOv4的遥感影像桥梁目标检测算法	余培东王鑫江刚武刘建辉徐佰祺	《海洋测绘》 CSCD 北大核心	2022	3	在线阅读下载PDF 职称材料
2	基于改进残差网络的葡萄叶片病害识别	戴久竣马肄恒吴坚班兆军	《江苏农业科学》北大核心	2023	10	在线阅读下载PDF 职称材料
3	基于改进U-net的金属工件表面缺陷图像分割方法	王一龚肖杰苏皓	《应用光学》 CAS 北大核心	2023	7	在线阅读下载PDF 职称材料
4	融合Transformer和CNN的手掌静脉识别网络	吴凯沈文忠贾丁丁梁娟	《计算机工程与应用》 CSCD 北大核心	2023	3	在线阅读下载PDF 职称材料