检索结果-维普期刊中文期刊服务平台

用于胸片分类的自校正特征融合金字塔网络: 1; 作者宫霄霖程琦李锵《天津大学学报（自然科学与工程技术版）》 EI CAS CSCD 北大核心 2024年第5期511-520,共10页; 胸部疾病的病灶区域面积差异较大,易受健康部位的影响,难以定位,并且用于诊断疾病的X射线胸片样本数据分布不平衡,导致胸部疾病分类网络的分类准确度较低.针对胸部疾病分类任务中仍然存在的问题和挑战,本文提出了一种自校正特征融合金... 展开更多; 关键词胸部疾病自校正卷积特征融合金字塔网络频率通道注意力轮次焦点损失函数; 在线阅读下载PDF 职称材料

RO-YOLOv9车辆行人检测算法被引量：2: 2; 作者廖炎华万学俊 +1 位作者赵周洲潘文林《计算机工程与应用》北大核心 2025年第11期144-155,共12页; 针对道路交通环境中车辆和行人目标较小或被遮挡导致的检测精度低以及误检、漏检问题,提出道路目标检测算法RO-YOLOv9。增加小目标检测层,增强算法对小目标的特征学习能力。设计双向与自适应尺度融合特征金字塔网络(bidirectional and a... 展开更多; 关键词 YOLOv9 小目标检测双向与自适应尺度融合特征金字塔网络(BiASF-FPN) OR-RepN4 Shape-NWD; 在线阅读下载PDF 职称材料

基于FCOS神经网络的制动主缸内槽缺陷检测方法被引量：5: 3; 作者王芷薇郭斌 +2 位作者胡晓峰罗哉段林茂《计量学报》 CSCD 北大核心 2021年第9期1225-1231,共7页; 针对主缸内槽缺陷检测存在干扰因素复杂、检测精度低等难点,提出了一种基于全卷积单阶段神经网络(FCOS)的主缸内槽缺陷检测算法。利用特征融合金字塔网络进行特征提取并逐像素预测,得到缺陷种类,实现凹槽缺陷的自动检测。实验结果表明,F... 展开更多; 关键词计量学内槽缺陷检测制动主缸全卷积网络 FCOS 特征融合金字塔网络; 在线阅读下载PDF 职称材料

基于智能机器人的水下建筑物裂缝检测方法与应用被引量：7: 4; 作者刘巍葛海彬 +3 位作者徐妍彦赵洪光金京善季昊巍《长江科学院院报》 CSCD 北大核心 2023年第4期164-169,190,共7页; 针对水下建筑物裂缝检测问题,研发了一款新型智能水下机器人,此机器人具备恒温控制、低耗能驱动功能,可以在超低温深水环境下进行自主采集数据、导航与定位。基于机器人采集得到的图像数据,在图像预处理、深度卷积网络理论和裂缝特征数... 展开更多; 关键词智能机器人裂缝检测水下建筑物特征金字塔融合卷积神经网络检测率; 在线阅读下载PDF 职称材料

基于改进SSD的食物浪费行为识别方法被引量：2: 5; 作者杨永闯王昊王新良《计算机工程与设计》北大核心 2023年第8期2523-2530,共8页; 为更准确地识别现实生活中复杂环境下的食品浪费行为,提出一种改进单激发多盒检测器(SSD)算法,增强算法在检测遮挡对象时的鲁棒性。将SSD基础网络替换成Resnet,增强特征提取能力。以实际应用中数据集真实框大小为依据,重新设计SSD检测... 展开更多; 关键词浪费行为检测遮挡对象单激发多盒检测器特征提取默认框比例通道注意力模块双向融合特征金字塔网络; 在线阅读下载PDF 职称材料

基于YOLO-RMFP的光伏板缺陷检测方法研究: 6; 作者李莹孙钰鑫 +1 位作者张强王淦源《电子测量与仪器学报》 2025年第8期178-188,共11页; 针对光伏板内部缺陷目标小且尺寸差异大的问题,提出了一种基于YOLOv8n的改进模型YOLO-RMFP。首先,将高效多尺度注意力机制与感受野注意力相结合,提出了一种感受野混合注意力机制,使模型聚焦不同尺度的特征,并解决高效多尺度注意力机制... 展开更多; 关键词光伏板缺陷目标检测 YOLOv8n 感受野混合注意力机制多尺度特征融合金字塔网络; 在线阅读下载PDF 职称材料

题名用于胸片分类的自校正特征融合金字塔网络: 1; 作者宫霄霖程琦李锵; 机构天津大学微电子学院; 出处《天津大学学报（自然科学与工程技术版）》 EI CAS CSCD 北大核心 2024年第5期511-520,共10页; 基金国家自然科学基金资助项目(62272337) 天津大学自主创新基金资助项目(2021XZC-0024) 超声医学工程国家重点实验室开放课题资助项目(2022KFKT004).; 文摘胸部疾病的病灶区域面积差异较大,易受健康部位的影响,难以定位,并且用于诊断疾病的X射线胸片样本数据分布不平衡,导致胸部疾病分类网络的分类准确度较低.针对胸部疾病分类任务中仍然存在的问题和挑战,本文提出了一种自校正特征融合金字塔网络.该网络使用自校正卷积增强疾病部位在特征图上以及通道之间的位置联系,在不引入额外参数量的条件下增大了卷积的感受野,避免无病区域的信息干扰;然后通过特征融合金字塔网络整合多尺度图像特征信息,在获取高分辨率特征图的同时,能够准确地定位病变区域,可以更好地识别不同尺度疾病的特征,在多标签分类任务上具有独特的优势;同时引入频率通道注意力机制强化网络对疾病特征的提取能力,在上采样和特征融合变换之前,减少全局平均池化过程中造成的特征丢失;最后提出一种轮次焦点损失函数区分不同种类胸部疾病的训练程度,根据分类难易程度区分样本,并在不同的训练轮次调整权重,以解决胸部疾病样本分布不平衡问题.在ChestX-ray14数据集上的平均AUC值可达0.853,在CheXpert数据集上的平均AUC值可达0.903,超过了近年来较为先进的网络模型.实验结果表明,该网络与传统的胸部疾病分类网络相比能有效地提高胸部疾病的分类精度,并且具有较强的泛化能力.; 关键词胸部疾病自校正卷积特征融合金字塔网络频率通道注意力轮次焦点损失函数; Keywords thoracic disease self-calibrated convolution feature fusion pyramid network frequency channel attention epoch focal loss function; 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RO-YOLOv9车辆行人检测算法被引量：2: 2; 作者廖炎华万学俊赵周洲潘文林; 机构云南民族大学电气信息工程学院玉溪市公安局科技信息化支队云南民族大学数学与计算机科学学院; 出处《计算机工程与应用》北大核心 2025年第11期144-155,共12页; 基金国家自然科学基金(62362071)。; 文摘针对道路交通环境中车辆和行人目标较小或被遮挡导致的检测精度低以及误检、漏检问题,提出道路目标检测算法RO-YOLOv9。增加小目标检测层,增强算法对小目标的特征学习能力。设计双向与自适应尺度融合特征金字塔网络(bidirectional and adaptive scale fusion feature pyramid network,BiASF-FPN)结构,优化多尺度特征融合,保证算法有效捕捉从小尺度到大尺度目标的详细信息。提出OR-RepN4模块,通过重参数化策略,复杂算法结构简单化,提高推理速度。引用Shape-NWD(shape neighborhood weighted decomposition)损失函数,专注边界框形状与尺寸,采用归一化高斯Wasserstein距离平滑回归,实现跨尺度不变性,降低小尺度与遮挡目标的检测误差。实验结果表明,在优化后的SODA10M和BDD100K数据集下,RO-YOLOv9算法的mAP@0.5(mean average precision)分别达到68.1%和56.8%,比YLOLOv9算法提高5.6个百分点和4.4个百分点,并且检测帧率分别达到了55.3帧/s和54.2帧/s,达到检测精度和检测速度的平衡。; 关键词 YOLOv9 小目标检测双向与自适应尺度融合特征金字塔网络(BiASF-FPN) OR-RepN4 Shape-NWD; Keywords YOLOv9 small target detection bidirectional and adaptive scale fusion feature pyramid network(BiASF-FPN) ORRepN4 shape neighborhood weighted decomposition(Shape-NWD); 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

题名基于FCOS神经网络的制动主缸内槽缺陷检测方法被引量：5: 3; 作者王芷薇郭斌胡晓峰罗哉段林茂; 机构中国计量大学计量测试工程学院浙江省先进制造技术重点实验室杭州沃镭智能科技股份有限公司; 出处《计量学报》 CSCD 北大核心 2021年第9期1225-1231,共7页; 基金国家自然科学基金(51675499) 国家自然科学基金重大科研仪器研制项目(51927811) 浙江省先进制造技术重点实验室开发项目(2019KF01)。; 文摘针对主缸内槽缺陷检测存在干扰因素复杂、检测精度低等难点,提出了一种基于全卷积单阶段神经网络(FCOS)的主缸内槽缺陷检测算法。利用特征融合金字塔网络进行特征提取并逐像素预测,得到缺陷种类,实现凹槽缺陷的自动检测。实验结果表明,FCOS网络对制动主缸内槽砂眼、划痕、振刀纹缺陷检测的平均精度均值分别为85.2%、87.5%、90.1%,精确度分别为0.98、0.89、0.95。实验结果与Mask R-CNN网络和Faster R-CNN网络的实验结果进行对比,FCOS网络具有更高的准确率,学习时长大幅度缩短,且满足实时检测要求。; 关键词计量学内槽缺陷检测制动主缸全卷积网络 FCOS 特征融合金字塔网络; Keywords metrology detection of groove defects brake master cylinder full convolutional network FCOS feature pyramid network; 分类号 TB973 [机械工程—测试计量技术及仪器]; 在线阅读下载PDF 职称材料

题名基于智能机器人的水下建筑物裂缝检测方法与应用被引量：7: 4; 作者刘巍葛海彬徐妍彦赵洪光金京善季昊巍; 机构国网黑龙江省电力有限公司牡丹江水力发电总厂湖北工业大学底特律绿色工业学院中国建筑第八工程局有限公司工程研究院; 出处《长江科学院院报》 CSCD 北大核心 2023年第4期164-169,190,共7页; 基金北京工业大学教育部重点实验室基金项目(2022B06)。; 文摘针对水下建筑物裂缝检测问题,研发了一款新型智能水下机器人,此机器人具备恒温控制、低耗能驱动功能,可以在超低温深水环境下进行自主采集数据、导航与定位。基于机器人采集得到的图像数据,在图像预处理、深度卷积网络理论和裂缝特征数据标注的基础上,改进了原始的CNN模型,提出了特征金字塔融合卷积神经网络模型FPECNN,对不同类型的裂缝进行了提取。将FPECNN网络应用于莲花水电站大坝的裂缝检测工程中,计算结果表明FPECNN在检测率、召回率和F值上都处于较高的水平,达到了97.26%、98.04%和96.65%,耗时为3.12 s;FPECNN网络普适性与鲁棒性更佳,能够适应大多数的裂缝数据,生存能力更好,有利于解决常规CNN模型在水下建筑物检测中检测率低、效率低的问题。该智能机器人可将检测人员从高寒水下恶劣、繁重和危险的现场作业中解脱出来,同时解决水电站传统检测中因弃水造成的巨大经济损失问题,并能提高检测效率和精度。; 关键词智能机器人裂缝检测水下建筑物特征金字塔融合卷积神经网络检测率; Keywords intelligent robot crack detection underwater structures feature pyramid engagement convolutional neural network detection rate; 分类号 TH12 [机械工程—机械设计及理论] TV652 [水利工程—水利水电工程]; 在线阅读下载PDF 职称材料

题名基于改进SSD的食物浪费行为识别方法被引量：2: 5; 作者杨永闯王昊王新良; 机构河南理工大学物理与电子信息学院; 出处《计算机工程与设计》北大核心 2023年第8期2523-2530,共8页; 基金河南理工大学博士基金项目(B2017-57) 河南省高校基本科研业务费专项资金基金项目(NSFRF200335) +2 种基金河南理工大学基本科研业务费专项基金项目(NSFRF210460)。; 文摘为更准确地识别现实生活中复杂环境下的食品浪费行为,提出一种改进单激发多盒检测器(SSD)算法,增强算法在检测遮挡对象时的鲁棒性。将SSD基础网络替换成Resnet,增强特征提取能力。以实际应用中数据集真实框大小为依据,重新设计SSD检测时默认框的生成比例。通过添加SE模块,使模型在训练过程中增强重要通道信息。利用双向融合特征金字塔网络(BiFPN)对不同检测层中的特征进行融合。实验结果表明,改进后的SSD目标检测算法在自制的浪费行为数据集中检测精度达到88.49%,相比原始SSD提高了5.09%。; 关键词浪费行为检测遮挡对象单激发多盒检测器特征提取默认框比例通道注意力模块双向融合特征金字塔网络; Keywords waste behavior recognition overlapping objects SSD feature extraction default box scale channel attention BiFPN; 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YOLO-RMFP的光伏板缺陷检测方法研究: 6; 作者李莹孙钰鑫张强王淦源; 机构辽宁工程技术大学电气与控制工程学院; 出处《电子测量与仪器学报》 2025年第8期178-188,共11页; 基金国家自然科学基金(62203197) 辽宁省博士科研启动基金支持项目(2022-BS-330) +3 种基金辽宁省教育厅项目(LJ232510147002)资助。; 文摘针对光伏板内部缺陷目标小且尺寸差异大的问题,提出了一种基于YOLOv8n的改进模型YOLO-RMFP。首先,将高效多尺度注意力机制与感受野注意力相结合,提出了一种感受野混合注意力机制,使模型聚焦不同尺度的特征,并解决高效多尺度注意力机制参数共享问题,提升光伏板微小缺陷检测精度。其次,将感受野混合注意力机制与空间金字塔池化模块结合,增强模型对多尺度特征的捕捉能力及对复杂特征区域的关注度,使模型在复杂背景下能够有效剔除噪声并增强鲁棒性,进一步增强光伏板缺陷小目标的检测精度。然后,将YOLOv8n主干网络中不同分辨率的特征映射与改进后的多尺度特征融合金字塔网络相结合,进一步增强了特征信息的交互性,以实现更全面的特征提取并增强目标检测的检测性能。最后,在PIoU的基础上,通过改变缺陷样本难易的权重,提升目标定位的精确度,有效缓解了光伏板缺陷样本不平衡问题。通过消融实验和对比实验的结果表明,YOLO-RMFP网络模型的检测精度mAP@0.5和mAP@0.5:0.95值分别提高3.1%和6.5%,精准度和召回率分别提升了4.2%和3.5%。满足了光伏板缺陷检测的评估要求。; 关键词光伏板缺陷目标检测 YOLOv8n 感受野混合注意力机制多尺度特征融合金字塔网络; Keywords photovoltaic panel defects target detection YOLOv8n receptive field mixed attention mechanism multi-scale feature fusion pyramid network; 分类号 TM914.4 [电气工程] TN919.5 [电气工程—电力电子与电力传动]; 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	用于胸片分类的自校正特征融合金字塔网络	宫霄霖程琦李锵	《天津大学学报（自然科学与工程技术版）》 EI CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
2	RO-YOLOv9车辆行人检测算法	廖炎华万学俊赵周洲潘文林	《计算机工程与应用》北大核心	2025	2	在线阅读下载PDF 职称材料
3	基于FCOS神经网络的制动主缸内槽缺陷检测方法	王芷薇郭斌胡晓峰罗哉段林茂	《计量学报》 CSCD 北大核心	2021	5	在线阅读下载PDF 职称材料
4	基于智能机器人的水下建筑物裂缝检测方法与应用	刘巍葛海彬徐妍彦赵洪光金京善季昊巍	《长江科学院院报》 CSCD 北大核心	2023	7	在线阅读下载PDF 职称材料
5	基于改进SSD的食物浪费行为识别方法	杨永闯王昊王新良	《计算机工程与设计》北大核心	2023	2	在线阅读下载PDF 职称材料
6	基于YOLO-RMFP的光伏板缺陷检测方法研究	李莹孙钰鑫张强王淦源	《电子测量与仪器学报》	2025		在线阅读下载PDF 职称材料