期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Convnextv2与纹理边缘引导的伪装目标检测
1
作者
付家瑞
李兆飞
+1 位作者
周豪
黄惟
《浙江大学学报(工学版)》
北大核心
2025年第8期1718-1726,共9页
为了解决伪装目标检测中目标的边缘特征及对应场景下独特纹理特征信息表达处理不足的问题,提出基于Convnextv2与纹理边缘引导的伪装目标检测算法.通过纹理编码模块在输入图片上提取纹理特征,与主干网络提取的边缘特征进行融合,生成图片...
为了解决伪装目标检测中目标的边缘特征及对应场景下独特纹理特征信息表达处理不足的问题,提出基于Convnextv2与纹理边缘引导的伪装目标检测算法.通过纹理编码模块在输入图片上提取纹理特征,与主干网络提取的边缘特征进行融合,生成图片的纹理-边缘特征.通过设计的纹理边缘引导的注意力模块,将纹理-边缘特征融入主干特征以定位目标的真实位置.利用特征融合模块进行多层次特征融合,采用多级监督的方式,设计总的损失函数.在3个公开数据集CAMO、COD10K、NC4K和迷彩伪装混合数据集MICAI_TE上的实验表明,该算法的综合性能最优.
展开更多
关键词
伪装目标检测
纹理
边缘引导特征融合
Convnextv2
特征提取
纹理
边缘
注意力
机制
在线阅读
下载PDF
职称材料
基于改进MobileNetV2的番茄病害识别研究
2
作者
刘佳明
张欣
+3 位作者
陈孝玉龙
张立才
文兴甜
杨胜贤
《南京农业大学学报》
北大核心
2025年第3期724-733,共10页
[目的]本文提出一种具有新轻量化瓶颈层模块和纹理注意力的TB-MobileNetV2轻量级网络,旨在解决多类番茄不同病害程度识别研究较少、识别精度较低、收敛速度较慢等问题。[方法]参照设计高效网络的相关准则设计了更高效轻量的瓶颈层模块...
[目的]本文提出一种具有新轻量化瓶颈层模块和纹理注意力的TB-MobileNetV2轻量级网络,旨在解决多类番茄不同病害程度识别研究较少、识别精度较低、收敛速度较慢等问题。[方法]参照设计高效网络的相关准则设计了更高效轻量的瓶颈层模块设计即陀螺块(TOP Block),使用对病害纹理特征具有更高效关注的改进纹理注意力模块(texture coordinates attention)。[结果]TB-MobileNetV2对包含16种类别的番茄早晚期病害数据集的测试集识别准确率为88.49%,较原MobileNetV2网络提升了2.18%,且具有计算量减少与单张图片运行时间基本相同的优势;同时其准确率和收敛速度也均优于ShuffleNetV2 1.0×、MobileNetV3-Small、MobileNetV2和MobileNeXt等轻量级网络。[结论]本文提出的TB-MobileNetV2能有效提高对多种番茄早晚期病害识别准确率。
展开更多
关键词
图像处理
多类番茄病害
早晚期识别
陀螺块
纹理注意力
在线阅读
下载PDF
职称材料
题名
基于Convnextv2与纹理边缘引导的伪装目标检测
1
作者
付家瑞
李兆飞
周豪
黄惟
机构
四川轻化工大学自动化与信息工程学院
智能感知与控制四川省重点实验室
企业信息化与物联网测控技术四川省高校重点实验室
出处
《浙江大学学报(工学版)》
北大核心
2025年第8期1718-1726,共9页
基金
企业信息化与物联测控技术四川省重点实验室资助项目(2022WZJ02)
自贡市重点科技计划资助项目(2019YYJC15)
+2 种基金
四川轻化工大学科研基金资助项目(2020RC32)
四川轻化工大学研究生课程建设项目(AL202213,SZ202310)
四川轻化工大学教学改革项目(2024KCSZ-ZY03,2024KCSZ-KC09,JG-24064)。
文摘
为了解决伪装目标检测中目标的边缘特征及对应场景下独特纹理特征信息表达处理不足的问题,提出基于Convnextv2与纹理边缘引导的伪装目标检测算法.通过纹理编码模块在输入图片上提取纹理特征,与主干网络提取的边缘特征进行融合,生成图片的纹理-边缘特征.通过设计的纹理边缘引导的注意力模块,将纹理-边缘特征融入主干特征以定位目标的真实位置.利用特征融合模块进行多层次特征融合,采用多级监督的方式,设计总的损失函数.在3个公开数据集CAMO、COD10K、NC4K和迷彩伪装混合数据集MICAI_TE上的实验表明,该算法的综合性能最优.
关键词
伪装目标检测
纹理
边缘引导特征融合
Convnextv2
特征提取
纹理
边缘
注意力
机制
Keywords
camouflage object detection
texture-edge-guided feature fusion
Convnextv2
feature extraction
texture edge attention mechanism
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
基于改进MobileNetV2的番茄病害识别研究
2
作者
刘佳明
张欣
陈孝玉龙
张立才
文兴甜
杨胜贤
机构
贵州大学大数据与信息工程学院
贵州大学生命科学学院
出处
《南京农业大学学报》
北大核心
2025年第3期724-733,共10页
基金
国家重点研发计划项目(2021YFE0107700)
贵州省科技厅平台项目(黔科合平台人才-HZD[2022]001)
贵州省普通高等学校科技拔尖人才项目(黔教合KY字[2021]026)。
文摘
[目的]本文提出一种具有新轻量化瓶颈层模块和纹理注意力的TB-MobileNetV2轻量级网络,旨在解决多类番茄不同病害程度识别研究较少、识别精度较低、收敛速度较慢等问题。[方法]参照设计高效网络的相关准则设计了更高效轻量的瓶颈层模块设计即陀螺块(TOP Block),使用对病害纹理特征具有更高效关注的改进纹理注意力模块(texture coordinates attention)。[结果]TB-MobileNetV2对包含16种类别的番茄早晚期病害数据集的测试集识别准确率为88.49%,较原MobileNetV2网络提升了2.18%,且具有计算量减少与单张图片运行时间基本相同的优势;同时其准确率和收敛速度也均优于ShuffleNetV2 1.0×、MobileNetV3-Small、MobileNetV2和MobileNeXt等轻量级网络。[结论]本文提出的TB-MobileNetV2能有效提高对多种番茄早晚期病害识别准确率。
关键词
图像处理
多类番茄病害
早晚期识别
陀螺块
纹理注意力
Keywords
image processing
multiple classes of tomato diseases
early and late-stage identification
TOP Block
textural attention
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
S43 [农业科学—农业昆虫与害虫防治]
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
基于Convnextv2与纹理边缘引导的伪装目标检测
付家瑞
李兆飞
周豪
黄惟
《浙江大学学报(工学版)》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于改进MobileNetV2的番茄病害识别研究
刘佳明
张欣
陈孝玉龙
张立才
文兴甜
杨胜贤
《南京农业大学学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部