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5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：
基于高效多尺度视觉的图像去雨网络
1
作者 巩珂菘 《科学技术创新》 2025年第8期21-24,共4页
为解决雨水遮挡降低图像质量,影响下游视觉任务的准确性,现有方法多局限于去除特定类型的雨条的问题,本文提出了一种基于高效多尺度视觉注意力机制的多阶段视觉Transformer模型,通过多尺度注意力模块及Transformer结构,有效地去除不同... 为解决雨水遮挡降低图像质量,影响下游视觉任务的准确性,现有方法多局限于去除特定类型的雨条的问题,本文提出了一种基于高效多尺度视觉注意力机制的多阶段视觉Transformer模型,通过多尺度注意力模块及Transformer结构,有效地去除不同尺度的雨痕,并保留图像细节。实验在Rain12600和Rain1400数据集上验证了该模型的优越性。该研究为图像去雨技术提供了新的思路,未来可进一步优化模型以应对其他恶劣天气。 展开更多
关键词 深度学习 图像去雨 Transformer模块 高效多尺度注意力机制
在线阅读 下载PDF
基于改进RT-DETR的井下输送带跑偏故障检测算法
2
作者 安龙辉 王满利 张长森 《工矿自动化》 北大核心 2025年第3期54-62,共9页
目前输送带跑偏检测研究主要集中于提取输送带边缘的直线特征,该方式需设定特定阈值,易受环境因素的制约,导致检测速度慢、精度不高。针对该问题,提出了一种基于改进RT-DETR的井下输送带跑偏故障检测算法,使用改进RT-DETR直接对一组托... 目前输送带跑偏检测研究主要集中于提取输送带边缘的直线特征,该方式需设定特定阈值,易受环境因素的制约,导致检测速度慢、精度不高。针对该问题,提出了一种基于改进RT-DETR的井下输送带跑偏故障检测算法,使用改进RT-DETR直接对一组托辊检测,根据左右托辊的暴露程度识别是否跑偏。针对实时检测转换器(RT-DETR)主干网络进行3个方面的改进:①为了减少主干网络的参数量和浮点运算数量(FLOPs),使用FasterNet Block替换ResNet34中的BasicBlock;②为了提升模型的精度和效率,在FasterNet Block结构中,引入结构重参数化的思想;③为了提升FasterNet Block在特征提取方面的性能,引入了高效多尺度注意力机制(EMA),更加有效地捕捉全局和局部特征图。为了拓展感受野并捕获更有效、更广泛的上下文信息,以获得更为丰富的特征表达,采用改进高级筛选特征融合金字塔网络(HS-FPN)来优化多尺度特征融合。实验结果表明,与基准模型相比较,改进RT-DETR模型的参数量和FLOPs分别减少了8.4×106个和17.8 G,mAP@0.5达94.5%,严重跑偏检测精度达99.2%,检测速度达41.0帧/s,优于TOOD,ATSS等目标检测模型,满足煤矿生产对目标检测实时性和准确性的需求。 展开更多
关键词 输送带跑偏 目标检测 实时检测转换器 结构重参数化 高效多尺度注意力机制 多尺度特征融合
在线阅读 下载PDF
基于MES−YOLOv5s的综采工作面大块煤检测算法 被引量：5
3
作者 徐慈强 贾运红 田原 《工矿自动化》 CSCD 北大核心 2024年第3期42-47,141,共7页
综采工作面的目标具有高速运动、多尺度、遮挡等特点,现有的目标检测算法存在精度低、模型占用的内存大、硬件依赖强等问题。针对上述问题,提出了一种基于MES−YOLOv5s的综采工作面大块煤检测算法。采用轻量化设计,将MobileNetV3作为主... 综采工作面的目标具有高速运动、多尺度、遮挡等特点,现有的目标检测算法存在精度低、模型占用的内存大、硬件依赖强等问题。针对上述问题,提出了一种基于MES−YOLOv5s的综采工作面大块煤检测算法。采用轻量化设计,将MobileNetV3作为主干网络,以减小模型占用的内存,提高CPU端的检测速度;在颈部网络添加高效多尺度注意力(EMA)模块,融合不同尺度的上下文信息,并进一步减少计算开销;采用SIoU损失函数代替CIoU损失函数,以提高训练速度和推理准确性。消融实验结果表明:MobileNetV3大幅减少了模型占用的内存和检测时间,但mAP损失严重;EMA模块和SIoU损失函数可在一定程度上恢复损失的精度,同时保证模型在CPU上具有较高的检测速度,满足煤矿井下目标实时检测需求。对比实验结果表明,与DETR,YOLOv5n,YOLOv5s,YOLOv7模型相比,MES−YOLOv5s模型综合性能最好,mAP为84.6%,模型占用的内存为11.2 MiB,在CPU端的检测时间为31.8 ms,在高速运动、多尺度、遮挡和多目标的工况环境下能够保持较高的召回率和精度。 展开更多
关键词 综采工作面 目标检测 大块煤检测 YOLOv5s MobileNetV3 高效多尺度注意力模块 SIoU损失函数
在线阅读 下载PDF
基于紧凑型双线性网络的野生菌识别方法研究
4
作者 胡庆然 王佳木 +1 位作者 曹丽英 刘鹤 《无线电工程》 2024年第8期2018-2029,共12页
野生菌因味道鲜美、营养价值高而受到人们的青睐。近年来因食用野生菌而导致中毒死亡的事件频发,因此采用深度学习来对野生菌进行识别与鉴定。为解决该问题,从细粒度角度出发,提出一种改进的高效紧凑型双线性卷积神经网络(Efficient Com... 野生菌因味道鲜美、营养价值高而受到人们的青睐。近年来因食用野生菌而导致中毒死亡的事件频发,因此采用深度学习来对野生菌进行识别与鉴定。为解决该问题,从细粒度角度出发,提出一种改进的高效紧凑型双线性卷积神经网络(Efficient Compact Bilinear Convolutional Neural Network, Efficient-CBCNN)。采用双线性网络框架,移除EfficientNetV2模型的分类层,作为双线性网络的分支,提取特征;引入性能更好的高效多尺度注意力(Efficient Multi-scale Attention, EMA)机制改进EfficientNetV2,在保持性能的同时计算量更小;对分支EfficientNetV2结构进行精简,降低结构的复杂度和计算开销;接入紧凑双线性池化(Compact Bilinear Pooling, CBP)对2个分支输出的特征进行池化操作,捕捉2个特征图之间的高阶交互信息,增强特征的表达能力;连接自定义的全连接层进行分类。实验结果表明,Efficient-CBCNN模型识别准确率得到较大提升,取得98.49%的准确率,相较于VGG16、ResNet50、ShufflenetV2、BCNN(原始)四种模型,所提模型在准确率上分别提升了10.17%、6.19%、12.82%、5.33%,且参数量较BCNN(原始)更少,训练速度更快。 展开更多
关键词 野生菌识别 EfficientNetV2 高效多尺度注意力 紧凑型池化 细粒度
在线阅读 下载PDF
低空无人机实时探测的PBE-YOLOv8n算法 被引量：1
5
作者 郭汝昂 任帅 张航 《信息化研究》 2024年第2期24-33,共10页
面向低空无人机“黑飞”“滥飞”带来的威胁,针对现存低空无人机目标检测算法检测精度较低、实时性较差的问题,本文提出一种基于YOLOv8n改进的PBE-YOLOv8n低空无人机目标检测模型。使用局部卷积(PConv)代替普通卷积(Conv),设计全新的快... 面向低空无人机“黑飞”“滥飞”带来的威胁,针对现存低空无人机目标检测算法检测精度较低、实时性较差的问题,本文提出一种基于YOLOv8n改进的PBE-YOLOv8n低空无人机目标检测模型。使用局部卷积(PConv)代替普通卷积(Conv),设计全新的快速跨阶段局部层卷积(C2f_Faster)模块代替跨阶段局部层卷积(C2f)以实现模型轻量化;使用黄金集散(Gold-YOLO)结构替换颈部路径聚合网络(PANet)结构,保留更多渐层特征,提高检测精确性;在颈部网络中引入高效多尺度注意力(EMA)机制,捕捉局部重要信息,以提高模型的特征融合能力;使用智能交并比(WIoU)边界损失函数代替原损失函数,提升网络的边界框回归性能。实验结果表明,本文提出的PBE-YOLOv8n算法在精确度和速度上都有所提升,证明了该改进算法的有效性和先进性。 展开更多
关键词 YOLOv8 低空无人机 快速跨阶段局部层卷积 黄金集散 高效多尺度注意力 智能交并比
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