检索结果-维普期刊中文期刊服务平台

基于坐标注意力的多尺度轻量级苹果叶片病害识别模型被引量：1: 1; 作者谷瑞顾家乐 +1 位作者宋翠玲钱春花《中国农机化学报》北大核心 2025年第2期173-180,186,共9页; 为解决传统神经网络参数量大、无法满足资源有限的移动设备对苹果叶片病害的识别需求,提出一种基于坐标注意力的多尺度轻量级模型CA—MobileNetV2。首先,将MobileNetV2倒残差中3×3的卷积替换成多尺度特征融合模块(MMF—module),在... 展开更多; 关键词苹果叶片病害识别坐标注意力轻量级模型多尺度特征融合; 在线阅读下载PDF 职称材料

基于轻量级多尺度注意力U-Net的遥感图像飞机检测方法被引量：3: 2; 作者张善文齐国红徐新华《弹箭与制导学报》北大核心 2022年第5期108-112,共5页; 针对传统U-Net对于目标小、分辨率低和背景复杂的遥感图像的飞机检测率低问题,提出一种轻量级多尺度注意力U-Net模型(LWMSAU-Net)。该模型由相互对应的编码子网络和解码子网络组成,编码子网络采用多尺度模块,在编码和对应的解码模块之... 展开更多; 关键词遥感图像飞机检测 u-net 注意力机制轻量级多尺度注意力u-net模型; 在线阅读下载PDF 职称材料

Rmcvit:一种融合卷积与自注意力的轻量级图像识别算法: 3; 作者孙红吴一凡 +2 位作者徐广辉田鑫驰朱江明《小型微型计算机系统》 CSCD 北大核心 2024年第8期1929-1934,共6页; 为了解决目前基于Transformer的模型需要较大的参数量而无法有效应用在资源受限的移动端设备中,提出一种融合卷积与Transformer两者优势的轻量级混合模型.模型中Rmcvit Block将输入张量分成多个通道组,利用深度可分离卷积和跨通道维度... 展开更多; 关键词卷积神经网络互协方差注意力轻量级混合模型深度可分离卷积多尺度; 在线阅读下载PDF 职称材料

煤体红外热像异常区域分割方法被引量：4: 4; 作者赵小虎车亭雨 +2 位作者叶圣田贺张凯《工矿自动化》北大核心 2022年第9期92-99,共8页; 红外辐射可反映煤岩受载破坏情况,用于监测和预防煤岩动力灾害,但红外热像仪生成的红外热像图像素分辨率低、噪声较大,导致检测结果受主观因素影响较大,无法准确识别煤体损伤区域。将深度学习和红外热像结合进行无损检测已成为趋势,但... 展开更多; 关键词煤岩动力灾害煤岩受载破坏红外辐射红外热像异常区域分割 u-net模型多尺度通道注意力模块深度学习; 在线阅读下载PDF 职称材料

题名基于坐标注意力的多尺度轻量级苹果叶片病害识别模型被引量：1: 1; 作者谷瑞顾家乐宋翠玲钱春花; 机构南京大学苏州工业园区服务外包职业学院江苏省农业科学院; 出处《中国农机化学报》北大核心 2025年第2期173-180,186,共9页; 基金江苏省高职院校教师专业带头人高端研修项目(2023TDFX010) 江苏现代农业产业技术体系项目(JATS—2023—348) 苏州市科技计划项目(SNG2023005)。; 文摘为解决传统神经网络参数量大、无法满足资源有限的移动设备对苹果叶片病害的识别需求,提出一种基于坐标注意力的多尺度轻量级模型CA—MobileNetV2。首先,将MobileNetV2倒残差中3×3的卷积替换成多尺度特征融合模块(MMF—module),在不增加参数量的前提下,引入空洞卷积增大感受野,以捕捉丰富的多尺度细节信息,增强网络对细节信息和语义信息提取能力;其次,引入坐标注意力机制自适应地学习不同位置的特征权重,增强对苹果叶片病害区域的感知能力;最后,针对模型训练中的梯度消失问题,改进MobileNetV2的分类器,并引入Leaky ReLU激活函数。结果表明,所提轻量级模型在验证集上的识别准确率、参数量、浮点运算量分别为98.36%,2.35 MB和298.70 M,与ShuffleNetV2、EfficientNet—B2、MobileNetV2、MobileNetV3和GhostNet相比,参数量压缩0.69 MB、6.41 MB、0.28 MB、4.32 MB、1.46 MB,准确率提升8.6%,6.47%,5.07%,4.28%和3.85%,推理时间减少8.7 ms、21.1 ms、13 ms、6.9 ms、17.6 ms。; 关键词苹果叶片病害识别坐标注意力轻量级模型多尺度特征融合; Keywords apple leaves disease identification coordinate attention lightweight model muti-scale fusion features; 分类号 S436.611 [农业科学—农业昆虫与害虫防治] TP183 [自动化与计算机技术—控制理论与控制工程] 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

题名基于轻量级多尺度注意力U-Net的遥感图像飞机检测方法被引量：3: 2; 作者张善文齐国红徐新华; 机构郑州西亚斯学院电子信息工程学院; 出处《弹箭与制导学报》北大核心 2022年第5期108-112,共5页; 基金国家自然科学基金(62172338) 河南省高等学校重点科研项目(22B520049) 河南省科技厅科技攻关项目(222102110134)资助。; 文摘针对传统U-Net对于目标小、分辨率低和背景复杂的遥感图像的飞机检测率低问题,提出一种轻量级多尺度注意力U-Net模型(LWMSAU-Net)。该模型由相互对应的编码子网络和解码子网络组成,编码子网络采用多尺度模块,在编码和对应的解码模块之间使用残差跳跃连接模块,将图像的浅层特征与深层特征融合,通过增加浅层特征的权重,更多地保留飞机图像的边缘和细微结构特征,最后的编码模块采用残差注意力连接模块,连接编码子网络和解码子网络,加强对小尺度飞机目标的检测。解码路径在每个模块反褶积将特征图的大小乘以2,使特征图的数量减半,并与对称编码路径的特征图相结合。与U-Net相比,LWMSAU-Net的层数减少1,在遥感飞机图像数据集上进行实验,结果表明该方法能够有效检测遥感图像飞机,准确率可达94.72%。; 关键词遥感图像飞机检测 u-net 注意力机制轻量级多尺度注意力u-net模型; Keywords remote sensing image aircraft detection u-net attention mechanism lightweight multi-scale attention u-net; 分类号 TN975 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名Rmcvit:一种融合卷积与自注意力的轻量级图像识别算法: 3; 作者孙红吴一凡徐广辉田鑫驰朱江明; 机构上海理工大学光电信息与计算机工程学院同济大学附属上海市第四人民医院; 出处《小型微型计算机系统》 CSCD 北大核心 2024年第8期1929-1934,共6页; 基金国家自然科学基金项目(61472256,61170277,61703277)资助.; 文摘为了解决目前基于Transformer的模型需要较大的参数量而无法有效应用在资源受限的移动端设备中,提出一种融合卷积与Transformer两者优势的轻量级混合模型.模型中Rmcvit Block将输入张量分成多个通道组,利用深度可分离卷积和跨通道维度的互协方差注意力来增加感受野并融合多尺度特征,并融合unflod模块在保证其空间顺序的前提下,降低每个向量序列(token)送入自注意力模块后的计算消耗.基于整理后的Imagenet数据集的对比实验,RmcVit-M以5.81M的参数量大小达到了85.2%的准确率,其模型相关变体性能超过了参数量相似的Transformer模型和卷积神经网络.结果表明,Rmcvit能够有效结合卷积神经网络与Transformer的优势,达到了以较少的模型参数获得更高准确率的目的.; 关键词卷积神经网络互协方差注意力轻量级混合模型深度可分离卷积多尺度; Keywords convolutional neural network mutual covariance attention lightweight hybrid model depth-wise convolution multi-scale; 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

题名煤体红外热像异常区域分割方法被引量：4: 4; 作者赵小虎车亭雨叶圣田贺张凯; 机构矿山互联网应用技术国家地方联合工程实验室中国矿业大学信息与控制工程学院中国矿业大学安全工程学院; 出处《工矿自动化》北大核心 2022年第9期92-99,共8页; 基金中央高校基本科研业务费专项资金资助项目(2020ZDPY0223)。; 文摘红外辐射可反映煤岩受载破坏情况,用于监测和预防煤岩动力灾害,但红外热像仪生成的红外热像图像素分辨率低、噪声较大,导致检测结果受主观因素影响较大,无法准确识别煤体损伤区域。将深度学习和红外热像结合进行无损检测已成为趋势,但目前结合深度学习和红外热像对煤体受载破坏进行识别检测的研究相对较少。针对上述问题,提出一种基于多尺度通道注意力模块(MS-CAM)U-Net模型的煤体红外热像异常区域分割方法。在传统U-Net模型的编码器中引入MS-CAM,设计了基于MS-CAM的U-Net模型结构,使模型在关注煤体红外热像异常区域显著特征的同时,还关注异常区域小目标特征,以提高异常区域分割精度。为降低煤体红外热像数据集匮乏对模型准确率和适用性的影响,对创建的煤体红外热像数据集进行数据增强操作,并采用MS COCO数据集对基于MS-CAM的U-Net模型进行预训练,再采用煤体红外热像数据集训练,得出最终网络权重。实验结果表明,该方法可有效分割煤体红外热像异常区域,精确率、F1分数、Dice系数和平均交并比分别为94.75%,94.94%,94.65%,90.03%,均优于Deeplab模型、U-Net模型和基于SENet注意力机制的U-Net模型。; 关键词煤岩动力灾害煤岩受载破坏红外辐射红外热像异常区域分割 u-net模型多尺度通道注意力模块深度学习; Keywords dynamic disaster of coal and rock damage of coal and rock under load infrared radiation infrared thermal imaging abnormal area segmentation u-net model multi-scale channel attention module deep learning; 分类号 TD315 [矿业工程—矿井建设] TD67 [矿业工程—矿山机电]; 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	基于坐标注意力的多尺度轻量级苹果叶片病害识别模型	谷瑞顾家乐宋翠玲钱春花	《中国农机化学报》北大核心	2025	1	在线阅读下载PDF 职称材料
2	基于轻量级多尺度注意力U-Net的遥感图像飞机检测方法	张善文齐国红徐新华	《弹箭与制导学报》北大核心	2022	3	在线阅读下载PDF 职称材料
3	Rmcvit:一种融合卷积与自注意力的轻量级图像识别算法	孙红吴一凡徐广辉田鑫驰朱江明	《小型微型计算机系统》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
4	煤体红外热像异常区域分割方法	赵小虎车亭雨叶圣田贺张凯	《工矿自动化》北大核心	2022	4	在线阅读下载PDF 职称材料