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
3
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
面向CT图像新冠肺炎识别的密集重参轻量化Transformer模型
被引量：
1
1
作者
周涛
叶鑫宇
+3 位作者
刘凤珍
陆惠玲
周敬策
杜玉虎
《电子与信息学报》
EI
CSCD
北大核心
2023年第10期3520-3528,共9页
新冠(COVID-19)肺炎严重威胁人类健康,基于深度学习的计算机辅助诊断方法能有效提高新冠肺炎的诊断效率。但是深度学习模型结构复杂、参数量和计算量大,在保持模型性能的前提下提高网络轻量化的程度具有重要研究意义,因此,该文提出一种...
新冠(COVID-19)肺炎严重威胁人类健康,基于深度学习的计算机辅助诊断方法能有效提高新冠肺炎的诊断效率。但是深度学习模型结构复杂、参数量和计算量大,在保持模型性能的前提下提高网络轻量化的程度具有重要研究意义,因此,该文提出一种面向CT图像新冠肺炎识别的密集重参轻量化Transformer模型(DRLTrans-former)。首先,为提高模型的轻量化程度,构造了重参密集块和层次化Transformer,在保持模型精度的同时提高计算速度,降低模型参数量;然后,为充分提取新冠肺炎病灶的全局与局部信息,设计层次化Transformer增强全局注意力对局部特征相关性的关注程度,其中采用分组提取全局特征,在不同组之间进行融合获得多层次信息,并且进行信息融合,进一步提高组内和组间特征的交互能力,此外对所有全局特征进行聚合,实现深浅层特征深度融合。最后,在新冠肺炎CT数据集中进行对比实验,结果表明该模型参数量和计算量分别为1.47 M和81.232 M,相比密集网络(DenseNet)参数量降低29倍、计算量降低23倍,该模型对新冠肺炎计算机辅助诊断具有积极的意义,为深度学习模型轻量化提供了新思路。
展开更多
关键词
新冠肺炎
密集网络
重参密集
块
层次化
transformer
轻
量化
在线阅读
下载PDF
职称材料
基于双通道Transformer的地铁站台异物检测
被引量：
1
2
作者
刘瑞康
刘伟铭
+2 位作者
段梦飞
谢玮
戴愿
《计算机工程》
CAS
CSCD
北大核心
2024年第4期197-207,共11页
Transformer因其全局注意力优势在异物检测上取得了比卷积神经网络(CNN)更具竞争力的结果,但依然面临计算成本高、输入图像块尺寸固定、局部与全局信息交互匮乏等问题。提出一种基于双通道Transformer骨干网络、金字塔轻量化Transforme...
Transformer因其全局注意力优势在异物检测上取得了比卷积神经网络(CNN)更具竞争力的结果,但依然面临计算成本高、输入图像块尺寸固定、局部与全局信息交互匮乏等问题。提出一种基于双通道Transformer骨干网络、金字塔轻量化Transformer块和通道交叉注意力机制的DualF ormer模型,用以检测地铁站台屏蔽门与列车门间隙中存在的异物。针对输入图像块尺寸固定的问题,提出双通道策略,通过设计2种不同的特征提取通道对不同尺度的输入图像块进行特征提取,增强网络对粗、细粒度特征的提取能力,提高对多尺度目标的识别精度;针对计算成本高的问题,构建金字塔轻量化Transformer块,将级联卷积引入到多头自注意力(MHSA)模块中,并利用卷积的维度压缩能力来降低模型的计算成本;针对局部与全局信息交互匮乏的问题,提出通道交叉注意力机制,利用提取到的粗细粒度特征在通道层面进行交互,优化局部与全局信息在网络中的权重。在标准化地铁异物检测数据集上的实验结果表明,DualFormer模型参数量为1.98×10^(7),实现了89.7%的精度和24帧/s的速度,优于对比的Transformer检测算法。
展开更多
关键词
视觉
transformer
异物检测
双通道策略
金字塔轻量化transformer块
注意力融合
在线阅读
下载PDF
职称材料
基于改进的Yolov5的无人机图像小目标检测
被引量：
6
3
作者
何宇豪
易明发
+1 位作者
周先存
王冠凌
《智能系统学报》
CSCD
北大核心
2024年第3期635-645,共11页
为了解决无人机航拍图像小目标检测算法检测速度与精度无法兼顾的问题,在Yolov5的基础上,提出了针对于无人机图像小目标检测的Yolov5_GBCS算法。在新的算法中,添加一个额外的检测头,以便增强对小目标的特征融合效果;在主干网络中分别采...
为了解决无人机航拍图像小目标检测算法检测速度与精度无法兼顾的问题,在Yolov5的基础上,提出了针对于无人机图像小目标检测的Yolov5_GBCS算法。在新的算法中,添加一个额外的检测头,以便增强对小目标的特征融合效果;在主干网络中分别采用GhostConv卷积模块、GhostBottleneckC3模块替换部分Conv模块和C3模块用以提取丰富特征和冗余特征以提高模型效率;引入加权双向特征金字塔网络(bidirectional feature pyramid network,BiFPN)结构,用以提高对小目标的检测精度;在主干网络和颈部网络中引入轻量化的卷积块注意力模块(convolutional block attention module,CBAM),关注重要特征并抑制不必要的特征,增强小目标特征表达能力;使用Soft-NMS算法来替换NMS,因此降低了小目标在密集场景下的漏检率。通过在VisDrone2019数据集上的实验结果表明,集成了所有改进的方法后的Yolov5_GBCS算法,不仅提高了检测精度,而且有效地提高了检测速度,模型的mAP从38.5%提高到43.2%,检测速度也从53 f/s提高到59 f/s。Yolov5_GBCS算法可以有效地实现无人机航拍图像中小目标识别。
展开更多
关键词
图像处理
GhostConv卷积模
块
双向特征
金字塔
网络
卷积
块
注意力模
块
Soft双向特征
金字塔
网络
轻
量化
模型
小目标检测
VisDrone数据集
在线阅读
下载PDF
职称材料
题名
面向CT图像新冠肺炎识别的密集重参轻量化Transformer模型
被引量：
1
1
作者
周涛
叶鑫宇
刘凤珍
陆惠玲
周敬策
杜玉虎
机构
北方民族大学计算机科学与工程学院
宁夏医科大学理学院
江南大学人工智能与计算机学院
北方民族大学图像图形智能处理国家民委重点实验室
出处
《电子与信息学报》
EI
CSCD
北大核心
2023年第10期3520-3528,共9页
基金
国家自然科学基金(62062003)
宁夏自然科学基金(2022AAC03149)
+1 种基金
宁夏自治区重点研发计划(2020BEB04022)
北方民族大学2022年研究生创新项目(YCX22198)。
文摘
新冠(COVID-19)肺炎严重威胁人类健康,基于深度学习的计算机辅助诊断方法能有效提高新冠肺炎的诊断效率。但是深度学习模型结构复杂、参数量和计算量大,在保持模型性能的前提下提高网络轻量化的程度具有重要研究意义,因此,该文提出一种面向CT图像新冠肺炎识别的密集重参轻量化Transformer模型(DRLTrans-former)。首先,为提高模型的轻量化程度,构造了重参密集块和层次化Transformer,在保持模型精度的同时提高计算速度,降低模型参数量;然后,为充分提取新冠肺炎病灶的全局与局部信息,设计层次化Transformer增强全局注意力对局部特征相关性的关注程度,其中采用分组提取全局特征,在不同组之间进行融合获得多层次信息,并且进行信息融合,进一步提高组内和组间特征的交互能力,此外对所有全局特征进行聚合,实现深浅层特征深度融合。最后,在新冠肺炎CT数据集中进行对比实验,结果表明该模型参数量和计算量分别为1.47 M和81.232 M,相比密集网络(DenseNet)参数量降低29倍、计算量降低23倍,该模型对新冠肺炎计算机辅助诊断具有积极的意义,为深度学习模型轻量化提供了新思路。
关键词
新冠肺炎
密集网络
重参密集
块
层次化
transformer
轻
量化
Keywords
COrona VIrus Disease 2019(COVID-19)
DenseNet
Reparameter dense block
Hierarchical
transformer
Lightweight
分类号
R563.1 [医药卫生—呼吸系统]
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
基于双通道Transformer的地铁站台异物检测
被引量：
1
2
作者
刘瑞康
刘伟铭
段梦飞
谢玮
戴愿
机构
华南理工大学土木与交通学院
出处
《计算机工程》
CAS
CSCD
北大核心
2024年第4期197-207,共11页
基金
国家“十三五”重点研发计划(2016YFB1200402)。
文摘
Transformer因其全局注意力优势在异物检测上取得了比卷积神经网络(CNN)更具竞争力的结果,但依然面临计算成本高、输入图像块尺寸固定、局部与全局信息交互匮乏等问题。提出一种基于双通道Transformer骨干网络、金字塔轻量化Transformer块和通道交叉注意力机制的DualF ormer模型,用以检测地铁站台屏蔽门与列车门间隙中存在的异物。针对输入图像块尺寸固定的问题,提出双通道策略,通过设计2种不同的特征提取通道对不同尺度的输入图像块进行特征提取,增强网络对粗、细粒度特征的提取能力,提高对多尺度目标的识别精度;针对计算成本高的问题,构建金字塔轻量化Transformer块,将级联卷积引入到多头自注意力(MHSA)模块中,并利用卷积的维度压缩能力来降低模型的计算成本;针对局部与全局信息交互匮乏的问题,提出通道交叉注意力机制,利用提取到的粗细粒度特征在通道层面进行交互,优化局部与全局信息在网络中的权重。在标准化地铁异物检测数据集上的实验结果表明,DualFormer模型参数量为1.98×10^(7),实现了89.7%的精度和24帧/s的速度,优于对比的Transformer检测算法。
关键词
视觉
transformer
异物检测
双通道策略
金字塔轻量化transformer块
注意力融合
Keywords
Vision
transformer
(ViT)
foreign object detection
dual-channel strategy
pyramid lightweight
transformer
block
attention fusion
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于改进的Yolov5的无人机图像小目标检测
被引量：
6
3
作者
何宇豪
易明发
周先存
王冠凌
机构
安徽工程大学电气工程学院
皖西学院电子与信息工程学院
出处
《智能系统学报》
CSCD
北大核心
2024年第3期635-645,共11页
基金
国家自然科学基金项目(61572366)
安徽高校自然科学研究重大项目(J2021ZD0116)
皖江高端装备制造协同创新中心开放基金项目(GCKJ2018013).
文摘
为了解决无人机航拍图像小目标检测算法检测速度与精度无法兼顾的问题,在Yolov5的基础上,提出了针对于无人机图像小目标检测的Yolov5_GBCS算法。在新的算法中,添加一个额外的检测头,以便增强对小目标的特征融合效果;在主干网络中分别采用GhostConv卷积模块、GhostBottleneckC3模块替换部分Conv模块和C3模块用以提取丰富特征和冗余特征以提高模型效率;引入加权双向特征金字塔网络(bidirectional feature pyramid network,BiFPN)结构,用以提高对小目标的检测精度;在主干网络和颈部网络中引入轻量化的卷积块注意力模块(convolutional block attention module,CBAM),关注重要特征并抑制不必要的特征,增强小目标特征表达能力;使用Soft-NMS算法来替换NMS,因此降低了小目标在密集场景下的漏检率。通过在VisDrone2019数据集上的实验结果表明,集成了所有改进的方法后的Yolov5_GBCS算法,不仅提高了检测精度,而且有效地提高了检测速度,模型的mAP从38.5%提高到43.2%,检测速度也从53 f/s提高到59 f/s。Yolov5_GBCS算法可以有效地实现无人机航拍图像中小目标识别。
关键词
图像处理
GhostConv卷积模
块
双向特征
金字塔
网络
卷积
块
注意力模
块
Soft双向特征
金字塔
网络
轻
量化
模型
小目标检测
VisDrone数据集
Keywords
image processing
GhostConv convolution module
bidirectional feature pyramid network
convolutional block attention module
soft bidirectional feature pyramid network
lightweight model
small-target detection
VisDrone dataset
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
V19 [航空宇航科学与技术—人机与环境工程]
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
面向CT图像新冠肺炎识别的密集重参轻量化Transformer模型
周涛
叶鑫宇
刘凤珍
陆惠玲
周敬策
杜玉虎
《电子与信息学报》
EI
CSCD
北大核心
2023
1
在线阅读
下载PDF
职称材料
2
基于双通道Transformer的地铁站台异物检测
刘瑞康
刘伟铭
段梦飞
谢玮
戴愿
《计算机工程》
CAS
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
3
基于改进的Yolov5的无人机图像小目标检测
何宇豪
易明发
周先存
王冠凌
《智能系统学报》
CSCD
北大核心
2024
6
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
