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
共找到8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：
轻量级注意力机制与跨尺度融合的船舶目标检测
1
作者 李冬琴 彭琪 吴洋 《电光与控制》 北大核心 2025年第4期52-57,共6页
针对船舶上算力资源有限导致的检测算法速度慢和检测率低问题,基于YOLOv5s算法,提出了轻量级注意力机制与跨尺度融合的船舶目标检测算法。在主干网络中引入轻量级注意力机制SimAM,并与颈部网络跨尺度进行融合,提升算法的检测精度;引入... 针对船舶上算力资源有限导致的检测算法速度慢和检测率低问题,基于YOLOv5s算法,提出了轻量级注意力机制与跨尺度融合的船舶目标检测算法。在主干网络中引入轻量级注意力机制SimAM,并与颈部网络跨尺度进行融合,提升算法的检测精度;引入轻量化卷积C3Ghost和GhostConv降低检测算法的参数量,实现船舶的实时检测;对于边界框回归损失,采用自适应参数提高锚框的适应性以及鲁棒性。最后,与其他流行算法在SeaShips数据集上进行对比和消融实验,结果验证了所提算法的有效性。 展开更多
关键词 船舶检测 YOLOv5s 轻量级注意力机制 轻量化卷积
在线阅读 下载PDF
一种结合轻量级注意力机制的人体姿态估计算法 被引量：1
2
作者 李文星 喻明毫 +2 位作者 王子牛 高建瓴 林宁 《计算机应用与软件》 北大核心 2024年第5期131-137,共7页
针对现有的人体姿态估计模型存在的模型参数量和计算量大、冗余度高、耗时长等问题,提出一种基于轻量级注意力机制的网络框架。使用轻量级网络MobilenetV3替代了原OpenPose的主干网络VGG-19;对OpenPose的二分支多阶段的卷积神经网络框... 针对现有的人体姿态估计模型存在的模型参数量和计算量大、冗余度高、耗时长等问题,提出一种基于轻量级注意力机制的网络框架。使用轻量级网络MobilenetV3替代了原OpenPose的主干网络VGG-19;对OpenPose的二分支多阶段的卷积神经网络框架进行压缩;引入空间和通道相结合的注意力机制模块CBAM对模型的速度和精度进行权衡。实验结果表明,该方法下的网络模型大小和浮点计算量分别为10.51 MB和22.65 GFlops,相对于原OpenPose减少了79.91%和83.35%;在COCO2017测试集下,能够在保持较高的检测精度和召回率的基础上显著提升检测速度。 展开更多
关键词 人体姿态估计 计算机视觉 OpenPose 轻量级网络注意力机制
在线阅读 下载PDF
基于注意力机制与可变卷积神经网络的卫星视频运动目标检测
3
作者 马洲俊 陈锦铭 +1 位作者 刘浩林 张卡 《南京师大学报(自然科学版)》 北大核心 2025年第4期78-86,共9页
视频卫星能获得高空间分辨率的视频信息,为运动目标的检测和分析提供有效数据支撑.然而,由于卫星视频图像中目标像素比例低、纹理细节不清晰、背景复杂等缺点,从卫星视频中检测运动目标存在很大困难.为此,本文以YOLOv8为骨干网络,提出... 视频卫星能获得高空间分辨率的视频信息,为运动目标的检测和分析提供有效数据支撑.然而,由于卫星视频图像中目标像素比例低、纹理细节不清晰、背景复杂等缺点,从卫星视频中检测运动目标存在很大困难.为此,本文以YOLOv8为骨干网络,提出了一种基于注意力机制与可变卷积神经网络的卫星视频运动目标检测算法.首先,设计C2f-DCN模块替换原模型骨干网络中的C2f模块,以提高模型对不同尺度目标的特征提取能力.其次,在检测头前添加Shuffle Attention轻量级注意力机制,在保证模型计算速度的前提下增强重要特征,加强通道间信息沟通提高模型特征融合能力.最后,为了提高模型的学习能力和推理效率,采用Inner-CIoU损失函数,并引入辅助边界框概念来解决卫星视频图像中目标像素比例小的问题.利用SAT-MTB卫星视频影像数据集进行对比实验,实验结果表明本文算法的精确度、召回率、mAP50:95和F1分数分别为75.3%、62.8%、34.9%和68.48,相较于原始YOLOv8n网络,上述指标分别提高了11.6%、4.2%、3.0%和7.44,验证了本文方法的有效性和优越性. 展开更多
关键词 卫星视频 YOLOv8 轻量级注意力机制 可变形卷积 辅助边框回归
在线阅读 下载PDF
注意力与多尺度有效融合的SSD目标检测算法 被引量：15
4
作者 王燕妮 余丽仙 《计算机科学与探索》 CSCD 北大核心 2022年第2期438-447,共10页
针对传统的SSD目标检测算法在进行多尺度目标检测时,存在特征图有效信息弱和困难目标漏检率大等问题,提出一种改进的SSD目标检测算法。首先,在网络特征图输出处引入即插即用的轻量级注意力机制,通过不降维、局部跨通道交互以及核大小自... 针对传统的SSD目标检测算法在进行多尺度目标检测时,存在特征图有效信息弱和困难目标漏检率大等问题,提出一种改进的SSD目标检测算法。首先,在网络特征图输出处引入即插即用的轻量级注意力机制,通过不降维、局部跨通道交互以及核大小自适应选择等操作,在保持网络原始计算量的同时有效突出特征图中关键信息。该模块有利于增强背景信息和目标信息差,可以在有效提升网络性能的同时,不增加网络的复杂性。然后,构造了一种新的特征融合模块,可以将不同尺度的特征图进行有效融合,使浅层特征层既含有丰富的细节信息,又能充分利用上下文语义信息。多尺度融合模块有利于丰富特征图信息,提升网络对困难目标的检测性能。使用公开的PASCAL VOC数据集验证该方法,改进后的网络在PASCAL VOC2007测试集上的检测精度达到了79.6%,比原始SSD算法提升了2.4个百分点,在遮挡目标数据集上提升了4.7个百分点,充分证明改进方法具有一定的时效性和鲁棒性。 展开更多
关键词 目标检测 深度学习 轻量级注意力机制 多尺度特征融合
在线阅读 下载PDF
注意力与特征融合的未来帧预测异常行为检测算法 被引量：1
5
作者 张瑜玮 王燕妮 《探测与控制学报》 CSCD 北大核心 2023年第4期150-156,共7页
针对异常行为检测模型中检测准确度较低,目标异常类型判断不准确等问题,提出注意力与特征融合的未来帧预测异常行为检测算法。该算法采用无监督生成对抗网络模型,通过计算真实帧和预测帧之间的误差来判断当前帧是否为异常帧。在生成网络... 针对异常行为检测模型中检测准确度较低,目标异常类型判断不准确等问题,提出注意力与特征融合的未来帧预测异常行为检测算法。该算法采用无监督生成对抗网络模型,通过计算真实帧和预测帧之间的误差来判断当前帧是否为异常帧。在生成网络中,以U-Net网络结构为基础,首先引入SoftPool层,减少池化过程中的信息损失;其次引入即插即用的轻量级注意力机制,增强背景信息和目标信息差,有效提升网络性能的同时不增加网络的复杂性;然后,在U-Net编码器低层构造了一种新的特征融合模块来增强图像全局信息的依赖性;最后,为了融合上下文信息,提取更丰富的特征作为输出图像,构造一种新的特征提取模块添加到网络特征图的输出部分。判别网络以马尔可夫判别器为基础,使网络更加关注图像的细节特征。实验中,采用CUHK Avenue数据集和UCSD Ped2数据集对该算法进行验证。实验结果表明,改进后的网络在CUHK Avenue数据集上检测精度达到了85.4%,在UCSD Ped2数据集上检测精度达到了92.4%,证明了该算法的有效性。 展开更多
关键词 生成对抗网络 人体异常行为检测 未来帧预测 特征融合 轻量级注意力机制
在线阅读 下载PDF
采用动态样本分配的特征融合目标检测算法 被引量：1
6
作者 牛文涛 王鹏 +3 位作者 陈遵田 李晓艳 郜辉 孙梦宇 《计算机工程与应用》 CSCD 北大核心 2024年第15期211-220,共10页
针对轻量级目标检测算法SSD-Lite检测精度低、对小目标预测能力差等问题,提出了一种采用动态样本分配策略的多尺度特征融合目标检测算法。在轻量级目标检测算法SSD-Lite的颈部网络引入特征金字塔结构(feature pyramid network,FPN),并... 针对轻量级目标检测算法SSD-Lite检测精度低、对小目标预测能力差等问题,提出了一种采用动态样本分配策略的多尺度特征融合目标检测算法。在轻量级目标检测算法SSD-Lite的颈部网络引入特征金字塔结构(feature pyramid network,FPN),并对其进行轻量化设计,同时引入残差特征增强模块(residual feature augmentation,RFA),采用残差分支注入不同空间的上下文信息来改善高层特征的特征表达,以提升网络对小目标的检测能力;在特征金字塔结构中插入轻量级注意力机制ECA模块,提升网络对重要特征的关注能力;针对网络训练过程中采用的固定交并比(intersection-over-union,IOU)阈值的样本分配策略导致的正负样本分配适应性差、难以选出高质量正样本等问题,设计了一种动态样本分配策略,取消锚框的预设置,采用中心点采样的方式,同时结合样本均值、标准差作为筛选阈值,减少人工先验的影响,在不改变网络结构的情况下提升算法性能。算法在Pascal VOC数据集上测试,实验结果表明:该算法整体预测精度相较于基准算法提升1.9个百分点,对小目标检测能力提升3.3个百分点,算法推理时延仅增加2.32%;实验证明了该算法可以以较小的性能代价,显著提升算法的预测精度。 展开更多
关键词 特征金字塔结构 残差特征增强模块 轻量级注意力机制 动态样本分配策略
在线阅读 下载PDF
基于改进MobileNet v3-Small模型的草莓病害识别方法 被引量：4
7
作者 王晶 崔艳荣 《江苏农业科学》 北大核心 2024年第10期225-234,共10页
为了对草莓病害进行及时的诊断与治疗而提升草莓产量,将深度学习与农业生产结合以快速高效地进行病害检测。传统神经网络进行病害识别时间较长,参数量较大,难以迁移到移动端设备上,基于此提出一种改进MobileNet v3-Small模型的识别方法... 为了对草莓病害进行及时的诊断与治疗而提升草莓产量,将深度学习与农业生产结合以快速高效地进行病害检测。传统神经网络进行病害识别时间较长,参数量较大,难以迁移到移动端设备上,基于此提出一种改进MobileNet v3-Small模型的识别方法。首先收集了7类常见草莓病害图像样本(如角斑病、叶斑病等),通过旋转、镜像等多种数据增强方式对图像进行处理以增加图片数量,提高模型泛化能力。接着以MobileNet v3-Small模型为基础,基于原始Inception_A提出部分卷积权值共享的多尺度卷积结构,以更高效地提取草莓病害不同尺度特征。随后,在网络深层引入了ULSAM轻量级子注意力机制,形成草莓病害更高层次的抽象表示。同时,将深度可分离卷积中的第2个PW卷积替换为CondConv卷积形成PDC结构,克服了PW卷积只拥有局部感受野的缺陷,同时也降低了模型参数量。试验结果表明,改进后的MobileNet v3-Small模型准确率达到98.62%,较原模型94.91%的准确率提高了3.71百分点,并且参数量减少了0.04 M,远优于同级轻量化模型,且以远低于ResNet18的参数量取得更好的特征提取效果。综上所述,本研究所提出的改进后的MobileNet v3_Small模型能更好地在真实场景下进行草莓病害识别,为草莓生产贡献了一份力量,助力智慧农业发展。 展开更多
关键词 草莓病害 图像分类 MobileNet v3-Small Inception_A ULSAM轻量级子注意力机制 CondConv
在线阅读 下载PDF
单块嵌入式GPU下对街景图像的实时分割研究 被引量：2
8
作者 陈劲宏 陈玮 陈舒曼 《控制工程》 CSCD 北大核心 2021年第11期2165-2173,共9页
在有限的计算资源下,现有的语义分割网络无法兼顾实时性和准确性,导致在自动驾驶等实时应用领域上仍无法落地应用。为此,本研究采用先将感兴趣目标定位正确后再做进一步分类的策略,其在不同深度下部署了轻量级注意力机制模块以快速地捕... 在有限的计算资源下,现有的语义分割网络无法兼顾实时性和准确性,导致在自动驾驶等实时应用领域上仍无法落地应用。为此,本研究采用先将感兴趣目标定位正确后再做进一步分类的策略,其在不同深度下部署了轻量级注意力机制模块以快速地捕捉到有效的空间特征信息,紧接着特征融合模块能够融合这些兼容性低下的空间特征信息,最后经过边界与内部优化模块以提高分割目标边界的平滑性以及内部的准确性和连续性。实验证明单块Tesla-P100显卡搭载所提出的网络能够胜任大部分实时任务。对于352×480分辨率的Camvid图像输入,网络在76.69帧下仍能达到69.12%的均交并比;对于1 024×2 048分辨率的Cityscapes图像输入,网络在49.90帧下均交并比达到了79.75%;对于720×1 280分辨率的Aeroscapes图像输入,网络在59.53帧下均交并比达到了80.43%。 展开更多
关键词 语义分割 自动驾驶 轻量级注意力机制 特征融合 边界与内部优化 帧 均交并比
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部