基于WGAN-GP和高效卷积块注意力机制IPOA-ICNN的变压器故障诊断

1

作者 鲍克勤 谈浩冬 《水电能源科学》 北大核心 2024年第10期190-195,共6页

针对目前变压器故障诊断采集到的故障样本存在数据不平衡、特征信息提取不足的问题,提出了一种基于数据增强型和高效卷积块注意力机制(ECBAM)优化一维改进卷积神经网络(1D-ICNN)的变压器故障诊断方法。首先,建立一个基于Wasserstein梯... 针对目前变压器故障诊断采集到的故障样本存在数据不平衡、特征信息提取不足的问题,提出了一种基于数据增强型和高效卷积块注意力机制(ECBAM)优化一维改进卷积神经网络(1D-ICNN)的变压器故障诊断方法。首先,建立一个基于Wasserstein梯度惩罚生成对抗网络(WGAN-GP),对不平衡的变压器数据样本进行训练以生成合成样本,用于数据增强,并采用方差分析法选取关联性强的气体特征参量;其次,使用残差和高效卷积块注意力机制模块对重构的平衡样本进行更为细节的特征提取,以实现故障诊断网络的分类;最后,利用改进的鹈鹕优化算法(IPOA)对ICNN参数进行寻优。算例对比分析表明,所提算法的故障诊断性能具备更高的精确度和稳定性,验证了所提模型故障诊断分类性能的有效性。 展开更多

关键词 变压器故障诊断 数据增强 高效卷积块注意力机制 鹈鹕优化算法

在线阅读 下载PDF 职称材料

基于集成改进卷积注意力块的SAR图像目标分类算法 被引量：1

2

作者 孙靖森 李宗豫 +3 位作者 杨森 钟芝怡 艾加秋 史骏 《海军航空大学学报》 2024年第4期445-452,共8页

在合成孔径雷达(Synthetic Aperture Radar,SAR)图像中,目标的轮廓和细节通常比较复杂。传统的卷积神经网络(Convolutional Neural Network,CNN)只使用单一均值参数进行无差别的特征提取,不能很好地区分SAR特征之间的差异。为了解决此问... 在合成孔径雷达(Synthetic Aperture Radar,SAR)图像中,目标的轮廓和细节通常比较复杂。传统的卷积神经网络(Convolutional Neural Network,CNN)只使用单一均值参数进行无差别的特征提取,不能很好地区分SAR特征之间的差异。为了解决此问题,文章提出了1种基于集成改进卷积注意力块(Improved Convolutional Block Attention Module,ICBAM)的SAR图像目标分类算法ICBAM_CNN。首先,该模块通过引入方差参数至传统CBAM模块中,设计了1种改进的CBAM注意力机制,有助于分类识别网络更好地学习SAR图像不同目标卷积层输出与通道注意力之间的差异信息,提升不同SAR目标特征的可分离性;然后,ICBAM设计了1种中心坐标注意力机制,能更好地捕捉SAR图像中目标的中心分布特征,有效抑制杂波对SAR目标分类影像的干扰;最后,为了提高效率,将改进后的ICBAM模块集成到CNN网络中,实现SAR图像目标分类。ICBAM_CNN深度融合了SAR图像目标的多层级特征,提升了SAR目标特征的可分离性,可实现SAR图像目标的高精度、高效率识别分类。通过MSTAR数据集进行实验,结果表明,相比于传统CBAM方法,改进ICBAM方法的精确率提升了2.44%,召回率提升了2.24%,F1-score提升了2.34%。 展开更多

关键词 SAR图像目标分类 改进卷积注意力块 集成ICBAM的CNN网络 中心坐标注意力机制 多层级特征融合

在线阅读 下载PDF 职称材料

基于注意力机制的卷积神经网络人脸表情识别 被引量：5

3

作者 亢洁 李思禹 《陕西科技大学学报》 CAS 2020年第4期159-165,171,共8页

现有的卷积神经网络规模越来越大,导致参数量过大,结构不够轻量,并且现有的网络难以识别人脸表情的细微变化,不能对人脸表情特征进行精确提取,表情识别性能有待提高.针对以上问题,提出了一种基于注意力机制的卷积神经网络表情识别方法.... 现有的卷积神经网络规模越来越大,导致参数量过大,结构不够轻量,并且现有的网络难以识别人脸表情的细微变化,不能对人脸表情特征进行精确提取,表情识别性能有待提高.针对以上问题,提出了一种基于注意力机制的卷积神经网络表情识别方法.该方法设计了一种新的网络结构,网络在卷积层的基础上增加了残差恒等块,同时引入注意力模块(Spatial Group-wise Enhance module,SGE),有效缓解了网络的过拟合现象,丰富了人脸表情特征学习,并利用全局特征和局部特征的相似性来指导语义特征的空间分布,使每个特征组自主增强人脸表情的特征学习.该网络结构较为轻量,参数量较少.在RAF-DB和CK+数据集上的实验结果表明,该方法有效改善了人脸表情识别的性能. 展开更多

关键词 卷积神经网络 人脸表情识别 注意力机制 残差恒等块

在线阅读 下载PDF 职称材料

引入卷积块注意力模块的YOLOv5网络在地铁车辆一系弹簧断裂检测中的应用 被引量：1

4

作者 江现昌 邹庆春 +1 位作者 李翔泽 王静 《铁道技术监督》 2023年第10期29-33,共5页

作为地铁车辆关键部件的一系弹簧会发生断裂,威胁列车运行安全。由于一系弹簧断裂的位置、形状不同,并且断裂位置常常被遮挡,使得采用目标检测方法检测时,目标面积较小。对于小目标,采用的基于深度学习的目标检测方法检测难以达到好的... 作为地铁车辆关键部件的一系弹簧会发生断裂,威胁列车运行安全。由于一系弹簧断裂的位置、形状不同,并且断裂位置常常被遮挡,使得采用目标检测方法检测时,目标面积较小。对于小目标,采用的基于深度学习的目标检测方法检测难以达到好的效果。针对这一问题,在YOLOv5网络的基础上加以改进,加入更小的初始检测锚框,并且在主干网络加入空间和通道注意力模块。对比试验结果表明,改进后平均准确率提高3%,有效提高了小目标的检测能力。 展开更多

关键词 地铁动车组 转向架 一系弹簧 YOLOv5算法 卷积块注意力模块 注意力机制 目标检测

在线阅读 下载PDF 职称材料

融合小尺寸动态蛇形卷积的太阳能电池板检测YOLO模型

5

作者 汪宇玲 常佳熠 《现代电子技术》 北大核心 2025年第11期114-120,共7页

针对太阳能电池板表面缺陷检测任务中检测精度低的问题,提出一种融合小尺寸动态蛇形卷积的太阳能电池板检测YOLO模型。主要设计了可适应管束状瑕疵的小尺寸动态蛇形卷积,增强了模型对裂纹缺陷的表征能力;同时在模型颈部加入高效通道注... 针对太阳能电池板表面缺陷检测任务中检测精度低的问题,提出一种融合小尺寸动态蛇形卷积的太阳能电池板检测YOLO模型。主要设计了可适应管束状瑕疵的小尺寸动态蛇形卷积,增强了模型对裂纹缺陷的表征能力;同时在模型颈部加入高效通道注意力机制,并融合加权梯度特征,增强了对关键特征的提取能力。所提方法基于公开数据集进行仿真实验,实验mAP@0.5可达88.1%,相较于YOLOv7、Faster R-CNN、YOLOX-S的平均精度均值分别提高了5%、15.8%、1.6%,可以更准确地完成太阳能电池表面缺陷检测任务。 展开更多

关键词 太阳能电池板 缺陷检测 梯度信息 动态蛇形卷积 高效通道注意力机制 YOLO模型

在线阅读 下载PDF 职称材料

基于目标图像块激活的航空图像目标检测技术研究

6

作者 张佳 冯婕 +1 位作者 张骏鹏 朱潇雨 《航空科学技术》 2025年第3期111-118,共8页

针对航空图像目标检测中普遍存在的图像尺寸过大、目标密集分布等关键难题,本文开创性地引入了目标图像块激活策略,不仅解决了传统方法在处理航空图像时效率低下的问题,而且显著提升了复杂场景下的精度表现,对推动航空图像目标检测技术... 针对航空图像目标检测中普遍存在的图像尺寸过大、目标密集分布等关键难题,本文开创性地引入了目标图像块激活策略,不仅解决了传统方法在处理航空图像时效率低下的问题,而且显著提升了复杂场景下的精度表现,对推动航空图像目标检测技术的发展具有重要意义。现有的航空图像目标检测技术通过简单裁切图像块的方式进行处理,不仅效率低下,还因大量无效图像块的检测导致资源浪费与误检率上升。因此,本文提出了一种目标图像块激活模块(TIBAM),该模块通过引入卷积注意力机制,使检测器能够专注于包含目标物的有效图像块,从而减少在无效图像块上的资源浪费,实现了对潜在有效图像块的智能识别与处理。TIBAM的引入,为检测器带来了超过17%的推理速度提升,还实现了检测精度的稳定提升,为高效、精准的航空图像目标检测提供了创新性的解决方案。本文通过在主流的一阶段检测器Retinanet和两阶段检测器Faster-RCNN中集成TIBAM模块,以及在Visdrone航空图像数据集上进行验证,充分展示了该模块的实际应用价值与广泛适用性。 展开更多

关键词 高效目标检测 航空图像 注意力机制 卷积神经网络

在线阅读 下载PDF 职称材料

基于改进EfficientNetB0模型的葡萄叶部病害识别方法 被引量：1

7

作者 胡施威 邓建新 +1 位作者 王浩宇 邱林 《现代电子技术》 北大核心 2024年第15期73-80,共8页

为了高效、准确地识别葡萄叶部病害,文中提出了LE-EfficientNet模型,在EfficientNetB0模型基础上,采用大核注意力(LKA)机制替换原模型部分MBConv模块中的压缩激励网络(SENet),接着利用跳跃连接在最后一层卷积层后面融入高效通道注意力机... 为了高效、准确地识别葡萄叶部病害,文中提出了LE-EfficientNet模型,在EfficientNetB0模型基础上,采用大核注意力(LKA)机制替换原模型部分MBConv模块中的压缩激励网络(SENet),接着利用跳跃连接在最后一层卷积层后面融入高效通道注意力机制(ECA),结合三种注意力机制让网络更高效地提取葡萄叶部病害的局部重要信息,并引用Adam优化器替换原模型的SGD优化器,提升了分类模型的泛化能力。在PlantVillage葡萄叶部病害数据集上训练,结果表明,LE-EfficientNet模型相比原模型准确率提升了1.58%,总体精度提升了1.62%,召回率提升了1.46%,F_(1)分数提升了1.53%,并且参数量仅有10.18 MB,比原模型参数量降低2.7 MB,与其他经典网络模型相比,性能评估指标均有不同程度的提升,该研究为葡萄叶部病害识别提供了新的参考与借鉴。 展开更多

关键词 葡萄叶部病害 卷积神经网络 图像分类 大核注意力机制 高效通道注意力机制 EfficientNetB0

在线阅读 下载PDF 职称材料

基于改进YOLOv8的工厂行人检测算法

8

作者 陈思涵 刘勇 何祥 《现代电子技术》 北大核心 2024年第24期160-166,共7页

针对工厂中行人检测算法精度不足,存在误检、漏检等问题,提出一种基于改进YOLOv8的工厂行人检测算法。首先,在YOLOv8的C2f模块中引入卷积块注意力机制模块(CBAM),以帮助主干网络聚焦于关键特征并抑制非关键特征,从而提升模型对遮挡物和... 针对工厂中行人检测算法精度不足,存在误检、漏检等问题,提出一种基于改进YOLOv8的工厂行人检测算法。首先,在YOLOv8的C2f模块中引入卷积块注意力机制模块(CBAM),以帮助主干网络聚焦于关键特征并抑制非关键特征,从而提升模型对遮挡物和小目标的检测准确度;其次,在Neck网络中将卷积神经网络Conv模块替换成CoordConv模块,以充分利用该模块的定位能力,从而解决目标检测中的定位准确性问题,提升模型对空间位置的感知能力;最后,采用Inner-IoU损失函数替代原始的CIoU损失函数,来提高目标检测边界框的回归精度。在自制的工厂行人图像数据集(3 600张图像)上进行了训练和测试,实验结果表明:相较于基础YOLOv8算法,改进YOLOv8算法在平均精度均值(mAP)和每秒帧率(FPS)方面分别提高了2.26%和35.6 f/s,验证了改进算法在检测性能上的提升。 展开更多

关键词 行人检测 YOLOv8算法 深度学习 卷积块注意力机制模块(CBAM) CoordConv Inner-IoU损失函数

在线阅读 下载PDF 职称材料

基于超小波变换与OD−ConvNeXt−ELA的矿用滚动轴承故障诊断

9

作者 吴新忠 罗康 +2 位作者 唐守锋 何泽旭 陈琪 《工矿自动化》 CSCD 北大核心 2024年第12期120-127,共8页

针对现有矿用滚动轴承故障诊断方法存在特征提取能力有限、泛化性欠佳的问题,提出了一种基于超小波变换(SLT)与OD−ConvNeXt−ELA的矿用滚动轴承故障诊断方法。以ConvNeXt−T为基础,引入批归一化(BN)技术以提高网络的泛化性,使用全维动态卷... 针对现有矿用滚动轴承故障诊断方法存在特征提取能力有限、泛化性欠佳的问题,提出了一种基于超小波变换(SLT)与OD−ConvNeXt−ELA的矿用滚动轴承故障诊断方法。以ConvNeXt−T为基础,引入批归一化(BN)技术以提高网络的泛化性,使用全维动态卷积(ODConv)替换原有的深度可分离卷积,以提高网络的适应性,引入高效局部注意力(ELA)以使网络聚焦关键位置特征,构建了矿用滚动轴承故障诊断OD−ConvNeXt−ELA网络模型;为充分利用OD−ConvNeXt−ELA网络模型的图像特征提取能力,选用SLT将采集的滚动轴承一维振动信号转换为二维时频图像后输入OD−ConvNeXt−ELA进行模型训练。选用凯斯西储大学(CWRU)和帕德博恩大学(PU)轴承数据集进行故障诊断实验,结果表明:对于单一工况下的CWRU轴承数据集,OD−ConvNeXt−ELA平均故障诊断准确率为99.65%,较ConvNeXt−T提高了1.61%;对于跨工况下的CWRU轴承数据集,OD−ConvNeXt−ELA平均故障诊断准确率为87.50%,较ConvNeXt−T提高了3.30%;对于跨工况下的PU轴承数据集,OD−ConvNeXt−ELA平均故障诊断准确率为89.33%,较ConvNeXt−T提高了3.46%;基于SLT与OD−ConvNeXt−ELA的矿用滚动轴承故障诊断方法在跨轴承、跨工况及噪声干扰下具有准确率高、泛化能力强的优势。 展开更多

关键词 矿用滚动轴承 故障诊断 ConvNeXt 超小波变换 全维动态卷积 高效局部注意力机制

在线阅读 下载PDF 职称材料

基于YOLOv5-CBAM模型的划痕智能检测

10

作者 朱哲维 李珂 +3 位作者 匡璐 曹国栋 刘紫权 史旭阳 《无线电工程》 2024年第12期2789-2799,共11页

带钢作为现代钢铁产业的核心产品,划痕检测对于确保产品质量、提升生产效率和降低成本至关重要,广泛应用于汽车制造、金属加工、电子产品生产等领域。然而,划痕形态各异且易受光照、背景和噪声等因素影响,使得检测任务极具挑战性。近年... 带钢作为现代钢铁产业的核心产品,划痕检测对于确保产品质量、提升生产效率和降低成本至关重要,广泛应用于汽车制造、金属加工、电子产品生产等领域。然而,划痕形态各异且易受光照、背景和噪声等因素影响,使得检测任务极具挑战性。近年来,随着空间数据智能技术的不断进步,基于深度学习的目标检测算法(如Faster R-CNN、SSD、YOLO等)在检测任务中表现出色,通过自动学习、特征检测和精准目标定位,在复杂背景下也能准确检测。基于YOLOv5模型进行了算法结构的改进,将空间金字塔池化(Spatial Pyramid Pooling,SPP)模块替换为快速空间金字塔池化(Spatial Pyramid Pooling-Fast,SPPF)模块,引入注意力机制,改进现有的目标检测算法,提升划痕检测的准确性和鲁棒性。结合卷积块注意力机制模块(Convolutional Block Attention Module,CBAM)构建了YOLOv5-CBAM模型。CBAM通过关注通道和空间维度上的信息,使模型更精准地聚焦于划痕区域,提升了检测效果。实验结果显示,YOLOv5-CBAM模型在各类交并比(Intersection over Union,IoU)阈值下相较于YOLOv5,精确率、召回率和mAP@0.5有着较好的表现,分别提升了5.6%、9.1%和5.9%。随着空间数据智能技术的不断进步,未来有望为划痕检测提供更多创新思路和解决方案。 展开更多

关键词 划痕检测 YOLOv5 卷积块注意力机制模块 模型构建与训练

在线阅读 下载PDF 职称材料

基于改进YOLOv5s的带式输送机滚筒故障检测研究 被引量：5

11

作者 苗长云 孙丹丹 《工矿自动化》 CSCD 北大核心 2023年第7期41-48,共8页

针对目前带式输送机滚筒故障检测方法检测效率低、识别准确率不高、特征提取能力较差等问题,提出了一种基于改进YOLOv5s的带式输送机滚筒故障检测方法。在YOLOv5s网络模型中增加了小尺寸检测层,使尺寸较小的滚筒故障更易被检测到;在Back... 针对目前带式输送机滚筒故障检测方法检测效率低、识别准确率不高、特征提取能力较差等问题,提出了一种基于改进YOLOv5s的带式输送机滚筒故障检测方法。在YOLOv5s网络模型中增加了小尺寸检测层,使尺寸较小的滚筒故障更易被检测到;在Backbone和Neck间引入卷积注意力机制(CBAM),提高目标检测的准确率;在Neck中引入高效通道注意力机制(ECA),增强对滚筒故障的特征提取能力。实验结果表明:①在满足实时检测要求的前提下,改进YOLOv5s网络模型识别平均准确率均值达94.46%,较改进前提升了1.65%。②改进YOLOv5s网络模型对滚筒开焊、包胶磨损和包胶脱落检测的平均准确率分别为95.29%,96.43%,91.65%,较改进前分别提高了1.56%,0.89%和2.50%。设计了基于改进YOLOv5s的带式输送机滚筒故障检测系统,并对该系统进行验证:①实验平台测试结果表明:基于改进YOLOv5s的带式输送机滚筒故障检测系统对滚筒开焊、包胶磨损和包胶脱落检测的平均准确率分别达95.29%,96.43%,91.65%,3种故障检测的平均准确率均值达94.46%,检测速度约为14帧/s。②现场测试结果表明:包胶磨损和包胶脱落的置信度分别为0.92,0.97,且能准确地识别出滚筒的故障类型和位置,说明基于改进YOLOv5s的带式输送机滚筒故障检测系统具有可行性。 展开更多

关键词 带式输送机 滚筒故障检测 改进YOLOv5s 小目标检测 卷积注意力机制 高效通道注意力机制

在线阅读 下载PDF 职称材料

基于多尺度梯度的轻量级生成对抗网络 被引量：2

12

作者 孙红 赵迎志 《电子科技》 2023年第7期32-38,共7页

随着生成对抗网络研究的推进,网络模型的计算量急剧增加,其自身的训练不稳定问题依然存在,生成图像的质量也有待提升。为解决以上问题,文中提出一种轻量级生成对抗网络模型,引入多尺度梯度结构解决训练不稳定的问题。通过融合自注意力... 随着生成对抗网络研究的推进,网络模型的计算量急剧增加,其自身的训练不稳定问题依然存在,生成图像的质量也有待提升。为解决以上问题,文中提出一种轻量级生成对抗网络模型,引入多尺度梯度结构解决训练不稳定的问题。通过融合自注意力机制和动态卷积的思想,利用循环模块和图像增强模块,在保持较少参数的前提下提高模型的学习能力。对文中所提算法进行验证,实验结果表明该算法在CelebA数据集上的IS(Inception Score)值为2.75,FID(Fréchet Inception Distance)值为70.1,在LSUN数据集上的IS值为2.61,FID值为73.2,相比SAGAN、DCGAN等经典模型性有所提高,验证了该算法可行性和性能。 展开更多

关键词 多尺度梯度 动态卷积 循环块 半注意力机制 注意力稀疏化 卷积网络 深度学习 图像生成 生成对抗网络

在线阅读 下载PDF 职称材料

矿井图像超分辨率重建研究 被引量：1

13

作者 王媛彬 刘佳 +1 位作者 郭亚茹 吴冰超 《工矿自动化》 CSCD 北大核心 2023年第11期76-83,120,共9页

受井下粉尘大、照度低等环境影响,矿井图像存在分辨率低、细节模糊等问题,现有的图像超分辨率重建算法应用于矿井图像时,难以获取不同尺度图像信息、网络参数过大而影响重建速度,且重建图像易出现细节丢失、边缘轮廓模糊、伪影等问题。... 受井下粉尘大、照度低等环境影响,矿井图像存在分辨率低、细节模糊等问题,现有的图像超分辨率重建算法应用于矿井图像时,难以获取不同尺度图像信息、网络参数过大而影响重建速度,且重建图像易出现细节丢失、边缘轮廓模糊、伪影等问题。提出了一种基于多尺度密集通道注意力超分辨率生成对抗网络(SRGAN)的矿井图像超分辨率重建算法。设计了多尺度密集通道注意力残差块替代SRGAN原有的残差块,采用2路并行且卷积核大小不同的密集连接块,可充分获取图像特征;融入高效通道注意力模块,加强对高频信息的关注度;采用深度可分离卷积对网络进行轻量化,抑制网络参数的增加;利用纹理损失约束网络训练,避免网络加深时产生伪影。在井下数据集和公共数据集上对提出的矿井图像超分辨率重建算法和经典超分辨率重建算法BICUBIC,SRCNN,SRRESNET,SRGAN进行实验,结果表明:所提算法在主客观评价上总体优于对比算法,网络参数较SRGAN减少了2.54%,峰值信噪比与结构相似度较经典算法指标均值分别提高了0.764 dB和0.05358,能更好地关注图像的纹理、轮廓等细节信息,重建图像更符合人眼视觉。 展开更多

关键词 矿井图像 超分辨率重建 超分辨率生成对抗网络 多尺度密集通道注意力残差块 高效通道注意力模块 深度可分离卷积 纹理损失

在线阅读 下载PDF 职称材料

基于YOLOv5s的交通信号灯检测算法 被引量：2

14

作者 周爱玲 谭光兴 《广西科技大学学报》 CAS 2023年第4期69-76,共8页

在自动驾驶和辅助驾驶领域,准确判断交通信号灯的状态与类别对于智能汽车的行车安全十分重要。针对城市道路交通信号灯目标小、背景环境复杂多样造成的检测难度大等问题,提出一种基于YOLOv5s的交通信号灯检测算法YOLOv5s_MCO。该算法使... 在自动驾驶和辅助驾驶领域,准确判断交通信号灯的状态与类别对于智能汽车的行车安全十分重要。针对城市道路交通信号灯目标小、背景环境复杂多样造成的检测难度大等问题,提出一种基于YOLOv5s的交通信号灯检测算法YOLOv5s_MCO。该算法使用MobileNetv2轻量化网络代替原主干特征提取网络,利用深度可分离卷积和逆残差结构,降低模型的参数量及计算量;然后引入卷积块注意力机制(convolutional blockattention module,CBAM),从通道和空间2个维度进行特征增强,增大网络的感受野,使网络更关注交通信号灯的目标特征,提高对小尺度目标的检测能力。实验结果表明:所提算法在自制的国内交通信号灯数据集上检测精度达到了81.89%,相较于原YOLOv5s算法提升了1.33%,同时改进后的模型大小仅为19.1 MB,检测速度达到了39.2帧/s,能够满足实时高效的检测要求。 展开更多

关键词 交通信号灯 MobileNetv2 卷积块注意力机制(CBAM) 检测

在线阅读 下载PDF 职称材料

通道关注的轻量级光流网络

15

作者 方骞 张战成 《信息技术与信息化》 2021年第10期194-197,共4页

基于深度学习的光流算法通常会占用大量的存储和高昂的计算成本,为满足智能应用在接入端和边缘端等资源受限设备上的部署,提出一种有效通道关注解码器的轻量级光流模型。模型引入一个轻量级的通道注意力模块,组成新的光流解码器,快速筛... 基于深度学习的光流算法通常会占用大量的存储和高昂的计算成本,为满足智能应用在接入端和边缘端等资源受限设备上的部署,提出一种有效通道关注解码器的轻量级光流模型。模型引入一个轻量级的通道注意力模块,组成新的光流解码器,快速筛选感兴趣的光流通道,减小计算量和参数量。为优化金字塔提取特征的能力,采用可变形卷积强化金字塔的头部,构建头部增强型池化特征金字塔。模型参数量为0.55 M字节,在440×1024×3的图片尺寸下的模型计算量为6.4 G FLOPs,在Flying chairs和MPISintel等公开的数据集上与主流光流估计方法对比,检验了该算法在模型规模减小和精度维持方面的有效性。 展开更多

关键词 光流预测 轻量级模型 注意力机制 可变形卷积 高效解码器

在线阅读 下载PDF 职称材料