期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
基于轻量化改进YOLOv8的绝缘子破损识别方法
1
作者 李春蕾 阮艺铭 +2 位作者 粟忠来 王胜辉 刘怡杉 《农村电气化》 2024年第11期10-14,共5页
针对电力线路绝缘子破损目标检测中图像背景复杂重叠、算法模型计算量大的问题,提出基于轻量化改进YOLOv8的绝缘子破损识别方法。在YOLOv8主干网络中引入高效多尺度注意力机制,采用轻量化卷积模块代替标准卷积模块,采用WIoU损失函数改... 针对电力线路绝缘子破损目标检测中图像背景复杂重叠、算法模型计算量大的问题,提出基于轻量化改进YOLOv8的绝缘子破损识别方法。在YOLOv8主干网络中引入高效多尺度注意力机制,采用轻量化卷积模块代替标准卷积模块,采用WIoU损失函数改进原有的损失函数。实验结果表明,基于轻量化改进的YOLOv8与原YOLOv8算法相比,绝缘子破损目标检测的平均精度提高4.35%,模型参数量下降了23.53%,表明该方法在算法精度和轻量化改进方面均有提高,为电力线路巡检在边缘端设备部署该算法提供了可能。 展开更多
关键词 绝缘子破损识别 轻量化模块 损失函数 注意力机制
在线阅读 下载PDF
融合轻量化ASPP和U-Net的遥感影像烤烟种植区域提取
2
作者 郝戍峰 高宇 +5 位作者 刘萍 李宇昂 张华栋 任鸿杰 田帅杰 寇文韬 《航天返回与遥感》 CSCD 北大核心 2024年第4期139-149,共11页
针对目前遥感影像中烤烟边缘识别效率低且识别精度低等问题,文章提出一种融合轻量化ASPP和U-Net框架的遥感影像烤烟种植区域提取模型。首先,该模型在U-Net编码层和解码层连接处加入轻量化空洞空间金字塔池化模块;其次,该模型将线性整流... 针对目前遥感影像中烤烟边缘识别效率低且识别精度低等问题,文章提出一种融合轻量化ASPP和U-Net框架的遥感影像烤烟种植区域提取模型。首先,该模型在U-Net编码层和解码层连接处加入轻量化空洞空间金字塔池化模块;其次,该模型将线性整流函数(Rectified Linear Unit,ReLU)替换为ReLU6激活函数,能够在低精度计算时压缩动态范围,从而使算法更具鲁棒性;最后,该模型通过采用形态学孔洞填充构建标签图后处理算法,实现分割结果优化。为验证该模型框架的有效性和适用性,文章采用无人机遥感影像作为实验数据集,构建与传统语义分割模型的对比实验以及消融实验等。实验结果表明,通过与FCN、U-Net、SegNet和DeepLabV3+等传统语义分割算法相比较,文章提出的模型获得了较好的分割效果,其像素准确率和平均交并比分别为93.7%和84.1%。此外,该模型在保证模型精度的情况下,还能够提高模型的计算速度。 展开更多
关键词 烤烟种植区域提取 量化空洞空间金字塔池化模块 U型网络 后处理
在线阅读 下载PDF
基于注意力机制的轻量级矿井钢丝绳断丝检测算法研究
3
作者 方旭东 于正 +2 位作者 杨发展 周攀搏 袁广振 《中国煤炭》 北大核心 2024年第8期152-164,共13页
立井提升系统作为煤矿生产中的主要运输设备,其核心构件钢丝绳常因工作负荷大、受到腐蚀、磨损等原因而产生断丝引发事故。传统的立井提升机钢丝绳检测算法存在效率低、劳动强度大、智能化程度差和准确率低等问题。基于此,提出一种改进Y... 立井提升系统作为煤矿生产中的主要运输设备,其核心构件钢丝绳常因工作负荷大、受到腐蚀、磨损等原因而产生断丝引发事故。传统的立井提升机钢丝绳检测算法存在效率低、劳动强度大、智能化程度差和准确率低等问题。基于此,提出一种改进YOLOv5s模型,并基于改进的模型进行矿井钢丝绳断丝检测。首先,设计Swiener滤波算法进行钢丝绳图像运动模糊修复,抑制噪声干扰;其次,在特征提取阶段,引入RFC3轻量化模块降低模型可训练参数,提升钢丝绳检测速度;第三,提出CBAM R注意力机制,增强模型对小断口断丝的检测能力;最后,引入Focal EIoU损失函数,提高模型对小断口断丝的检测精度并加速模型收敛。研究结果表明:所提出的基于注意力机制矿用钢丝绳断丝检测算法(CTR YOLO)可以更好地满足实际应用需求,减少了误检、漏检导致的人力成本浪费及安全事故的发生。 展开更多
关键词 钢丝绳检测 YOLOv5s模型 Swiener滤波算法 CBAM R注意力机制 轻量化模块
在线阅读 下载PDF
面向嵌入式平台的轻量级SAR图像舰船检测
4
作者 顾约翰 陆陈鑫 +3 位作者 冯书谊 李秀伟 朱乐坤 冯利鹏 《上海航天(中英文)》 CSCD 2024年第S1期261-268,共8页
星载合成孔径雷达(SAR)图像舰船检测会出现检测率低,虚警密度高等问题。针对上述问题,基于YOLOv7-Tiny算法,本文提出一种面向嵌入式平台的轻量级SAR舰船检测算法——LSD-YOLO。首先,在主干网络中使用MobileNetV3Block模块,同时引入ULSA... 星载合成孔径雷达(SAR)图像舰船检测会出现检测率低,虚警密度高等问题。针对上述问题,基于YOLOv7-Tiny算法,本文提出一种面向嵌入式平台的轻量级SAR舰船检测算法——LSD-YOLO。首先,在主干网络中使用MobileNetV3Block模块,同时引入ULSAM注意力模块,提升算法在复杂场景下对舰船重要特征的捕捉能力。其次,在特征增强网络中使用SPPFCSPC模块,将部分标准卷积替换为GsConv,降低计算量的同时显著提升算法检测性能,在SSDD数据上平均检测精度是97.7%,并显著优于其他对比算法。最后,将算法部署在寒武纪思元220上,检测速度达到153帧/秒,能够实现对SAR图像中舰船目标的准确、实时检测。 展开更多
关键词 SAR图像 舰船检测 嵌入式平台 轻量化模块 注意力机制
在线阅读 下载PDF
基于通道注意力机制与多尺度减法轻量化网络的滚动轴承故障诊断
5
作者 章力 邓艾东 +2 位作者 王敏 卞文彬 张宇剑 《动力工程学报》 2025年第4期571-581,共11页
针对传统多尺度卷积神经网络模型存在的特征定位不精确、训练时间长、抗噪性能差等问题,提出了一种基于通道注意力机制与多尺度减法轻量化网络的滚动轴承故障诊断模型。首先,将滚动轴承的一维振动信号转换为二维灰度图作为输入,丰富特... 针对传统多尺度卷积神经网络模型存在的特征定位不精确、训练时间长、抗噪性能差等问题,提出了一种基于通道注意力机制与多尺度减法轻量化网络的滚动轴承故障诊断模型。首先,将滚动轴承的一维振动信号转换为二维灰度图作为输入,丰富特征信息;同时,构建多尺度减法神经网络模型,关注层级差异;其次,引入轻量化模块,减少内存访问;然后,结合通道注意力机制,调整特征权重;最后,将故障样本输入到网络模型中,实现精确分类。利用风电机组传动系统模拟实验台采集的样本数据进行诊断任务。结果表明:该故障诊断模型能够有效克服传统多尺度卷积神经网络模型网络层数多、参数量大所带来的弊端,能够充分关注各层级之间的差异信息,减少冗余信息的提取,精确定位故障特征,缩短模型训练时间,在恒定工况、变工况和强噪声工况下都具有较高的诊断精度. 展开更多
关键词 滚动轴承 故障诊断 多尺度减法神经网络 轻量化模块 通道注意力机制 变工况
在线阅读 下载PDF
隧道环境下基于深度学习的轻量级安全帽检测方法 被引量:2
6
作者 高方玉 解玉文 +1 位作者 张正刚 王道累 《现代电子技术》 2023年第14期147-151,共5页
隧道施工现场人员不按规定佩戴安全帽是事故发生的主要原因之一,使用安全帽检测算法能有效监督作业平台上所有人员安全帽佩戴的情况,及时作出风险预警,降低安全事故发生的可能。然而,工业上常用的安全帽检测算法计算复杂度较高,很难适... 隧道施工现场人员不按规定佩戴安全帽是事故发生的主要原因之一,使用安全帽检测算法能有效监督作业平台上所有人员安全帽佩戴的情况,及时作出风险预警,降低安全事故发生的可能。然而,工业上常用的安全帽检测算法计算复杂度较高,很难适用于隧道环境中的嵌入式移动设备,已有轻量级算法又很难在隧道光线差、背景复杂的条件下保持检测精确度。针对上述问题,文中提出一种基于改进YOLO_v3的轻量级安全帽检测算法,构建运算量较低的卷积模块LW_Conv,并以此改造主干网和特征金字塔。实验结果表明,改进算法的FLOPs约为YOLO_v3的10%,平均正确率(AP)比Tiny_YOLOv3高2%。 展开更多
关键词 安全帽检测 量化卷积模块LW_Conv 隧道环境 改进YOLO_v3算法 深度学习 目标检测
在线阅读 下载PDF
基于注意力机制的多模态图像语义分割 被引量:4
7
作者 张吉友 张荣芬 +1 位作者 刘宇红 袁文昊 《液晶与显示》 CAS CSCD 北大核心 2023年第7期975-984,共10页
当前许多语义分割模型利用的训练数据是RGB图像,在一些极端的环境下其模型的稳定性容易受到很大的影响,不能满足夜间场景自动驾驶的实际需求。为了解决夜间场景的语义分割问题,将ResNet-152作为特征提取网络,构建了一种融合轻量化注意... 当前许多语义分割模型利用的训练数据是RGB图像,在一些极端的环境下其模型的稳定性容易受到很大的影响,不能满足夜间场景自动驾驶的实际需求。为了解决夜间场景的语义分割问题,将ResNet-152作为特征提取网络,构建了一种融合轻量化注意力模块的多模态双编码器-解码器模型。双编码器从RGB-T两种模态中提取关键信息通过注意力模块后进行融合,然后将提取到的特征信息送入解码器,分阶段拼接上采样特征图和各层编码器提取的特征图,再通过卷积层进行特征提取,通过上采样还原分辨率,最后进行语义分割。实验结果表明,该模型在MFNet测试集上的平均准确率和平均交并比分别为76%和55.7%,相比于其他网络模型在指标上取得了一定的提升,达到了应用RGB-T模态图像精准进行日间及夜间场景语义分割的基本要求。 展开更多
关键词 夜间语义分割 多模态 量化注意力模块 多尺度信息
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部