并行池化注意力及多特征融合增强目标检测方法 被引量：1

1

作者 程杰 卞长智 +2 位作者 张婧 李小霞 丁楠 《现代电子技术》 北大核心 2025年第5期59-67,共9页

针对通道注意力降维时导致细节信息损失和特征融合不充分的问题,提出一种并行池化注意力及多特征融合增强方法。首先,对输入图像使用两种池化模块并行处理,实现特征注意力增强。其中:熵引导池化模块利用通道信息熵生成特征权重系数,加... 针对通道注意力降维时导致细节信息损失和特征融合不充分的问题,提出一种并行池化注意力及多特征融合增强方法。首先,对输入图像使用两种池化模块并行处理,实现特征注意力增强。其中:熵引导池化模块利用通道信息熵生成特征权重系数,加强边缘纹理等细节信息;方向感知池化模块捕获图像在垂直和水平方向上的空间方向信息,再计算通道均值实现逐步降维保留关键特征。其次,多特征融合增强模块利用特征图尺度的对数函数自适应选取卷积核的大小,再将卷积后的特征分组重塑为与输入图像维度相同的通道、高度和宽度方向上的三个特征子图,并进行元素相乘获得增强特征图。最后,增强特征图与输入图像加权融合,同时增强目标的位置和细节信息。实验结果表明,文中方法在参数量不变的情况下,在VOC2007数据集上,mAP@0.5较YOLOX和YOLOv7分别提升4.62%、4.46%,在COCO数据集上,mAP@0.5较YOLOX和YOLOv7分别提升4.57%、4.63%。 展开更多

关键词 通道注意力 降维 并行池化 多特征融合增强 自适应 目标检测

在线阅读 下载PDF 职称材料

多尺度特征融合增强检测模型MFFE-YOLO 被引量：1

2

作者 彭继慎 马龙泽 +1 位作者 孙梦宇 刘金龙 《辽宁工程技术大学学报（自然科学版）》 CAS 北大核心 2024年第5期625-632,共8页

为解决传统巡检图像检测方法对电力设备小目标缺陷检测能力弱、错检和漏检率高、浅层网络语义信息不足等问题,提出针对电力设备小目标缺陷的多尺度特征融合增强检测模型(multi-scale feature fusion enhanced youonlylookonce,MFFE-YOLO... 为解决传统巡检图像检测方法对电力设备小目标缺陷检测能力弱、错检和漏检率高、浅层网络语义信息不足等问题,提出针对电力设备小目标缺陷的多尺度特征融合增强检测模型(multi-scale feature fusion enhanced youonlylookonce,MFFE-YOLO)。该方法设计了一种多尺度特征融合增强机制(multi-scalefeaturefusion enhancement,MFFE),能够更全面地捕捉目标特征。研究表明:在C2f-EF模块中嵌入跨空间学习多尺度注意力机制EMA以及FasterNet Block,能够优化模型的运行效率;MFFE-YOLO方法的平均精度、参数量和帧率指标均优于其他方法,能够实现高精度与实时性之间的良好平衡。 展开更多

关键词 电力巡检 电力设备缺陷 小目标检测 特征融合增强 YOLO 多尺度特征

在线阅读 下载PDF 职称材料

多尺度特征融合增强的行人翻越护栏检测

3

作者 刘罡 侯恩翔 +2 位作者 黄孙港 闫曙光 黄应征 《电子测量技术》 北大核心 2024年第14期127-138,共12页

针对行人翻越护栏检测在遮挡、多目标密集以及多人翻越的复杂场景下出现的漏检、误检和检测精度低的问题,提出了一种多尺度特征融合增强的行人翻越护栏检测算法。首先,设计了一种基于Dual Vision Transformer和SCConv构建的SCDVT模块,... 针对行人翻越护栏检测在遮挡、多目标密集以及多人翻越的复杂场景下出现的漏检、误检和检测精度低的问题,提出了一种多尺度特征融合增强的行人翻越护栏检测算法。首先,设计了一种基于Dual Vision Transformer和SCConv构建的SCDVT模块,应用于主干网络,增强了对全局上下文信息和更细粒度信息的捕获,提升了网络的局部精细特征提取和特征融合能力;其次,提出多尺度特征融合增强模块AM-SPPFCSPC,弥补了最大池化带来的特征损失,提高了特征图的丰富性和完整性,增强了多尺度特征提取和特征融合能力;另外,对特征融合层再进行细化,使用GSConv替换普通卷积,并基于GSConv和SCConv设计了VOV-GSCCSP模块,有效的降低了计算成本和模型的复杂度,同时又保持较高的精度;最后在主干引入高效多尺度注意力EMA,减少了复杂背景下无关目标的干扰,融合了多尺度信息,实现了更丰富的特征聚合。在自制行人翻越护栏数据集上的实验结果表明,本文所提算法在增加较少参数量的情况下,其mAP达到了93.6%,较原模型提高了4.5%,并且检测速度为108.5 FPS,改善了漏检、误检和检测精度低的问题,同时仍具有较高的实时性,更适用于行人翻越护栏的实时性检测。 展开更多

关键词 翻越护栏检测 Dual Vision Transformer 特征融合增强 EMA

在线阅读 下载PDF 职称材料

句法特征融合增强的方面级情感分析 被引量：4

4

作者 付朝燕 黄贤英 +1 位作者 刘瀚锴 齐嵩喆 《小型微型计算机系统》 CSCD 北大核心 2023年第4期682-689,共8页

方面级情感分析是情感分析领域的一项关键任务,其目的是分析目标文本中各个方面的情感极性.句法依存树曾被广泛用于方面级情感分析任务中,目前的特征提取和交互方式仅限单一特征级,未能充分利用句法依存树上的有效信息.针对该问题,提出... 方面级情感分析是情感分析领域的一项关键任务,其目的是分析目标文本中各个方面的情感极性.句法依存树曾被广泛用于方面级情感分析任务中,目前的特征提取和交互方式仅限单一特征级,未能充分利用句法依存树上的有效信息.针对该问题,提出了一种基于句法依存树的多级特征提取算法来建立方面级情感分析模型.首先利用深度优先搜索得出句子的浅层特征表示,然后通过划分子图改进传统图卷积神经网络的建模方式来提取句子的深层特征表示,最终融合多级特征的句子表示并进行情感分类.在4个开放数据集上分类准确率都取得1.64%~2.12%的提升,F1值取得2.24%~4.97%的提升.实验结果表明基于该方法建模能获取更充分的多层句法特征信息、有效提高分类效果. 展开更多

关键词 句法依存树 图卷积神经网络 方面级情感分析 特征融合增强

在线阅读 下载PDF 职称材料

多尺度融合增强与注意力机制结合的图像语义分割

5

作者 刘书刚 杜昊东 王洪涛 《计算机应用与软件》 北大核心 2025年第6期225-233,278,共10页

针对当前图像语义分割中分割效率不高与分割边界不连续问题,提出一种多尺度融合增强与注意力机制结合的语义分割算法。该算法对原有DeepLabv3+网络结构进行改进,在编码器部分提出一种特征提取增强网络结构,充分利用相邻层各个尺度的特... 针对当前图像语义分割中分割效率不高与分割边界不连续问题,提出一种多尺度融合增强与注意力机制结合的语义分割算法。该算法对原有DeepLabv3+网络结构进行改进,在编码器部分提出一种特征提取增强网络结构,充分利用相邻层各个尺度的特征信息进行融合,在解码器末端使用改进的轻量化卷积注意力模块,使得对于物体边界分割更加充分。通过在Pascal VOC2007和Cityscapes数据集上进行实验验证,结果表明该方法较原有网络的精确度有显著的提高。 展开更多

关键词 语义分割 特征融合增强 注意力模块 编码器 上采样

在线阅读 下载PDF 职称材料

多尺度增强特征融合的钢表面缺陷目标检测 被引量：3

6

作者 林珊玲 彭雪玲 +3 位作者 王栋 林志贤 林坚普 郭太良 《光学精密工程》 EI CAS CSCD 北大核心 2024年第7期1075-1086,共12页

针对轻量级目标检测算法在钢表面缺陷检测任务中识别精度低的问题,提出一种多尺度增强特征融合的钢表面缺陷目标检测算法。该算法采用提出的自适应加权融合模块为不同层级特征自适应计算融合权重,将深层语义与浅层细节进行加权融合,使... 针对轻量级目标检测算法在钢表面缺陷检测任务中识别精度低的问题,提出一种多尺度增强特征融合的钢表面缺陷目标检测算法。该算法采用提出的自适应加权融合模块为不同层级特征自适应计算融合权重,将深层语义与浅层细节进行加权融合,使得浅层特征在不丢失细节信息的同时获得丰富的深层语义。利用提出的空间特征增强模块从3个独立方向强化融合特征,通过引出残差旁路增强网络结构的稳定性,使卷积过程能够挖掘到更多的关键信息。根据先验框与真实框的整体交并程度为模型选择更为合适的训练样本。实验结果表明,该算法的检测精度达到80.47%,相比原始算法提升6.81%。该算法的参数量为2.36 M,计算量为952.67 MFLOPs,能快速且高精度检测钢材表面的缺陷信息,具有较高的应用价值。 展开更多

关键词 缺陷检测 单发多框检测器 增强特征融合 自适应加权融合 空间特征增强

在线阅读 下载PDF 职称材料

DB-YOLO:特征增强融合的双骨干YOLOv8道路缺陷检测模型 被引量：3

7

作者 叶发茂 张立 +1 位作者 袁燎 李大军 《计算机工程与应用》 CSCD 北大核心 2024年第24期260-269,共10页

虽然已经提出了许多基于深度学习的道路缺陷检测方法,但这些方法通常忽略了一些道路缺陷检测任务中非常重要的道路缺陷相关的边缘特征信息。为了充分利用这些边缘特征信息,提出了一种改进的双骨干YOLOv8模型(dual backbone YOLOv8 model... 虽然已经提出了许多基于深度学习的道路缺陷检测方法,但这些方法通常忽略了一些道路缺陷检测任务中非常重要的道路缺陷相关的边缘特征信息。为了充分利用这些边缘特征信息,提出了一种改进的双骨干YOLOv8模型(dual backbone YOLOv8 model,DB-YOLO)用于道路缺陷检测。设计了边缘特征提取模块(edge feature extraction model,EFEM)用于过滤图像低频信息,提取图像高频边缘信息。设计了双骨干网络来提取特征,在原模型基础上增加一个边缘特征骨干网络(edge feature backbone,EFB),对EFEM提取的图像高频边缘信息进行处理,提取边缘特征,为道路缺陷检测提供更丰富的特征。提出了一种新的特征增强融合模块(feature enhancement fusion module,FEFM)用于融合各种特征,并采用多个FEFM模块将边缘特征、不同级别的图像特征进行有机融合。引入Label smoothing策略减弱了数据集中标签质量的影响,增强了模型的泛化能力,进一步提升模型的检测精度。实验结果表明,在GRDDC2020数据集上,DB-YOLO_v8s的mAP和F1分别取得56.42%、56.13%,较YOLO_v8s分别提升了1.3和1.96个百分点,检测速度达到了64.94帧/s,满足实时检测要求。此外,DB-YOLO_v8s在官方测试集Test_1和Test_2上的F1分数分别为58.79%和58.52%,与其他方法相比,在两个测试数据集中F1分别高了0.65和1.37个百分点。因此,提出的模型可以提升道路缺陷检测精度。 展开更多

关键词 道路缺陷检测 YOLOv8 双骨干 特征增强融合模块 注意力机制

在线阅读 下载PDF 职称材料

基于增强特征融合网络的行人重识别方法 被引量：7

8

作者 刘玉杰 周彩云 +1 位作者 李宗民 李华 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2021年第2期232-240,共9页

针对行人重识别技术受遮挡、背景冗余、光照、姿态以及检测误差等问题的影响,鲁棒的行人特征表达对正确检索行人越来越重要.为了利用对齐特征和度量学习的优势,进一步分析局部空间语义特征.首先,在特征层面:一是在ResNet50框架中嵌入空... 针对行人重识别技术受遮挡、背景冗余、光照、姿态以及检测误差等问题的影响,鲁棒的行人特征表达对正确检索行人越来越重要.为了利用对齐特征和度量学习的优势,进一步分析局部空间语义特征.首先,在特征层面:一是在ResNet50框架中嵌入空间变换结构,自适应对齐局部区域空间特征,解决因局部区域不对齐导致的空间语义不一致的问题;二是通过对齐的局部特征设计一种增强特征融合网络,充分利用语义信息间的关联性提取图像的细节特征.然后,在损失函数层面:提出一种排序矩阵方法选取区域样本对,设计了一种局部三元组损失计算方法,联合正则化分类损失共同训练网络,充分利用融合的增强特征,达到高效度量的效果.最后,文中方法结合现有的重排算法进一步提高了Rank-1与mAP检索精度,在行人重识别基准数据集Market-1501上的实验结果,证明了本文方法的有效性. 展开更多

关键词 空间语义特征 增强特征融合网络 排序矩阵 局部三元组损失

在线阅读 下载PDF 职称材料

基于光照感知和特征增强的可见光-热红外图像语义分割

9

作者 刘锟龙 王虎 +4 位作者 刘小强 牛帅旭 黄奕 付琦 赵涛 《兵工学报》 EI CAS CSCD 北大核心 2024年第S01期219-230,共12页

在智能光电设备中,基于人工智能的可见光-热红外(Red Greed Blue-Thermal, RGB-T)图像语义分割任务可以广泛应用于自动驾驶、无人机航拍、视频监控等。图像的光照信息能在一定程度上反映场景中图像局部区域信息的可靠性,利用光照先验信... 在智能光电设备中,基于人工智能的可见光-热红外(Red Greed Blue-Thermal, RGB-T)图像语义分割任务可以广泛应用于自动驾驶、无人机航拍、视频监控等。图像的光照信息能在一定程度上反映场景中图像局部区域信息的可靠性,利用光照先验信息有助于进一步提高语义分割的性能。基于此,提出一种基于光照感知和特征增强的RGB-T图像语义分割模型,通过挖掘光照先验信息并结合注意力机制,引导网络在多模态图像特征融合过程中更加关注可靠信息的提取,同时抑制干扰信息的引入。实验在MFNet数据集上与最新的12种方法进行了比较,相比于性能第2的模型,mAcc提高了5.4%,mIoU提高了1.0%。所提网络模型能够获得更准确的分割结果,并通过定性定量实验验证所提模型及各个模块的有效性。 展开更多

关键词 可见光-热红外图像语义分割 卷积神经网络 图像先验信息 光照感知算法 特征增强和融合算法

在线阅读 下载PDF 职称材料

基于Ghost卷积与自适应注意力的点云分类 被引量：1

10

作者 舒密 王占刚 《现代电子技术》 北大核心 2025年第6期106-112,共7页

点云Transformer网络在提取三维点云的局部特征和携带的多级自注意力机制方面展现出了卓越的特征学习能力。然而,多级自注意力层对计算和内存资源的要求极高,且未充分考虑特征融合中层级间以及通道间的区分度与关联性。为解决上述问题,... 点云Transformer网络在提取三维点云的局部特征和携带的多级自注意力机制方面展现出了卓越的特征学习能力。然而,多级自注意力层对计算和内存资源的要求极高,且未充分考虑特征融合中层级间以及通道间的区分度与关联性。为解决上述问题,提出一种基于点云Transformer的轻量级特征增强融合分类网络EFF-LPCT。EFF-LPCT使用一维化Ghost卷积对原始网络进行重构,以降低计算复杂度和内存要求;引入自适应支路权重,以实现注意力层级间的多尺度特征融合;利用多个通道注意力模块增强特征的通道交互信息,以提高模型分类效果。在ModelNet40数据集进行的实验结果表明,EFF-LPCT在达到93.3%高精度的同时,相较于点云Transformer减少了1.11 GFLOPs的浮点计算量和0.86×10^(6)的参数量。 展开更多

关键词 点云分类 Transformer网络 Ghost卷积 特征增强融合模块 ECA通道注意力 特征学习

在线阅读 下载PDF 职称材料

基于双语义双向对齐VAE的广义零样本学习

11

作者 史彩娟 石泽 +1 位作者 闫巾玮 毕阳阳 《图学学报》 CSCD 北大核心 2023年第3期521-530,共10页

广义零样本学习(GZSL)旨在利用视觉特征和语义信息之间的关系来同时识别可见类和不可见类。现有的大部分方法使用生成模型生成不可见类的伪视觉特征,但一般采用单向对齐VAE且语义原型种类单一,导致不可见类的语义信息非常有限。因此,提... 广义零样本学习(GZSL)旨在利用视觉特征和语义信息之间的关系来同时识别可见类和不可见类。现有的大部分方法使用生成模型生成不可见类的伪视觉特征,但一般采用单向对齐VAE且语义原型种类单一,导致不可见类的语义信息非常有限。因此,提出了一种基于双语义双向对齐变分自编码器的广义零样本学习模型,首先采用户定义的属性和词向量两种语义原型,基于双向对齐的VAE分别稳定地生成2种伪视觉特征来获取丰富的语义信息;然后,设计了特征融合模块对2种伪视觉特征进行有效融合,并去除其中的冗余信息,增强伪视觉特征表示;最后,采用分类正则化进一步增强伪视觉特征的类别独立性。在3个基准数据集上进行了大量实验,并与相关算法模型进行了比较,结果表明了该模型的有效性。 展开更多

关键词 广义零样本学习 生成模型 双语义原型 双向对齐变分自编码器 特征融合增强

在线阅读 下载PDF 职称材料

改进Yolo V3算法在工件缺陷检测中的应用 被引量：17

12

作者 石振华 陈杰 《机械设计与制造》 北大核心 2021年第4期62-65,69,共5页

为快速、准确地检测工业生产中工件表面产生的缺陷,提出了一种基于Yolo V3的工件表面缺陷检测方法。该方法以DarkNet卷积模型作为特征提取网络,通过引入数据增强方法防止产生过拟合现象,并针对工件表面缺陷形状单一、缺陷尺寸普遍偏小... 为快速、准确地检测工业生产中工件表面产生的缺陷,提出了一种基于Yolo V3的工件表面缺陷检测方法。该方法以DarkNet卷积模型作为特征提取网络,通过引入数据增强方法防止产生过拟合现象,并针对工件表面缺陷形状单一、缺陷尺寸普遍偏小的特点改进了Yolo V3网络的特征融合方式,减少了冗余候选框的数量,提升了算法性能。以环形工件作为检测对象搭建了实验平台。实验结果表明,所提方法能克服人工提取特征的局限性,检测精度和检测速度均满足实际生产要求。 展开更多

关键词 Yolo V3 表面缺陷 数据增强 特征融合

在线阅读 下载PDF 职称材料