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126篇文章
< 1 2 … 7 >
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：
YOLOv5-CCE:一种基于CA和EIoU的目标检测算法
1
作者 王军 黄博文 蔡景贵 《火力与指挥控制》 CSCD 北大核心 2024年第9期90-96,103,共8页
为了减少YOLOv5模型在复杂环境下的误检率和漏检率,提出一种基于CA(Coordinate Attention)和EIoU(Efficient Intersection over Union)的目标检测模型YOLOv5-CCE。首先向Neck网络中的部分C3_2模块中嵌入坐标注意力机制CA,增强模型对特... 为了减少YOLOv5模型在复杂环境下的误检率和漏检率,提出一种基于CA(Coordinate Attention)和EIoU(Efficient Intersection over Union)的目标检测模型YOLOv5-CCE。首先向Neck网络中的部分C3_2模块中嵌入坐标注意力机制CA,增强模型对特征的提取能力;其次为提高回归精度,提出一种基于Focal EIoU Loss改进的Focal CEIoU Loss。实验结果表明,在PASCAL VOC 2007+2012数据集上,YOLOv5-CCE模型在参数量和计算量基本保持不变的情况下,相较于原模型mAP@0.5、mAP@0.5:0.95和准确率分别提升了1.4%、1.3%和3.7%,因此,YOLOv5-CCE模型可以更好地适应复杂环境下的目标检测任务。 展开更多
关键词 YOLOv5算法 EIoU Focal Loss ca注意力机制 目标检测
在线阅读 下载PDF
面向变电站嵌入式设备的指针式仪表识别方法
2
作者 胡欣 刘瑞峰 +3 位作者 肖剑 段承志 程鸿亮 罗诗伟 《电子测量与仪器学报》 北大核心 2025年第1期253-263,共11页
针对变电站嵌入式设备在识别指针式仪表时常面临实时性差以及小目标和密集目标场景漏检的问题,提出了一种基于YOLOv5s-BCGS的变电站指针式仪表识别模型。该模型以YOLOv5s为基础网络,首先在其网络颈部引入协调注意力机制,并将路径聚合网... 针对变电站嵌入式设备在识别指针式仪表时常面临实时性差以及小目标和密集目标场景漏检的问题,提出了一种基于YOLOv5s-BCGS的变电站指针式仪表识别模型。该模型以YOLOv5s为基础网络,首先在其网络颈部引入协调注意力机制,并将路径聚合网络替换为加权双向特征金字塔网络,以更好地融合特征图中的位置和细节信息,从而增强模型对目标位置和尺寸的敏感性。其次,原网络中的传统卷积被轻量化的幽灵卷积替代,既加快了推理速度,又减小了模型体积。最后,将原网络中的CIoU损失函数替换为SIoU损失函数,提高了模型训练速度并改善了远距离小目标的推理精度。实验结果表明,改进后的模型在自制变电站指针仪表数据集上的表现优于YOLOv5s,mAP0.5提高了2.2%,mAP0.75提高了3.8%,mAP0.5~0.95提高了6.7%,同时模型体积减少了34.07%。与常用的Faster R-CNN、YOLOv4-tiny、YOLOv7-tiny和YOLOv8n等模型相比,本模型在精度和速度上均具有明显优势,展现了良好的泛化能力和鲁棒性,且模型体积仅为18.0 MB,实现了轻量化部署。在PC和Jetson Xavier NX开发板上的推理速度分别为154.7 FPS和18.7 FPS,能够满足嵌入式设备在变电站指针仪表巡检中的实际工程需求。 展开更多
关键词 变电站 指针式仪表识别 轻量化 协调注意力机制 嵌入式设备
在线阅读 下载PDF
基于改进的YOLOv8算法的钢材缺陷检测
3
作者 彭菊红 张弛 +3 位作者 高谦 张光明 谈栋华 赵明俊 《计算机工程》 北大核心 2025年第7期152-160,共9页
在工业场景下钢材表面缺陷检测技术存在检测精度低、收敛速度慢等问题。为此,提出一种改进的YOLOv8算法YOLOv8n-MDC。首先,在骨干网络中加入多尺度交叉融合网络(MCN),通过在特征层之间建立更紧密的连接,促进信息的均匀传递,减少跨层特... 在工业场景下钢材表面缺陷检测技术存在检测精度低、收敛速度慢等问题。为此,提出一种改进的YOLOv8算法YOLOv8n-MDC。首先,在骨干网络中加入多尺度交叉融合网络(MCN),通过在特征层之间建立更紧密的连接,促进信息的均匀传递,减少跨层特征融合时的语义信息损失,从而增强模型对钢材缺陷的感知能力;其次,在模块中引入可变形卷积,自适应地改变卷积核的形状与位置,从而更灵活地捕捉不规则缺陷的边缘特征,减少信息丢失,提升检测的准确性;最后,加入坐标注意力(CA)机制,将位置信息嵌入到通道中,解决了位置信息丢失的问题,使模型能够更精确地感知缺陷的位置及其形态特征,从而提升检测的精度和稳定性。在NEU-DET数据集上的实验结果表明,YOLOv8n-MDC算法的mAP@0.5达到了81.0%,相比原基准网络提升了4.2百分点,该算法收敛速度较快、精度较高,更能满足实际工业生产的要求。 展开更多
关键词 多尺度交叉融合网络 YOLOv8网络 坐标注意力机制 钢材缺陷检测 可变形卷积
在线阅读 下载PDF
复杂电磁环境下的调制识别网络
4
作者 周金 李玉芝 +3 位作者 张徐 高硕 张立 盛家川 《计算机应用》 北大核心 2025年第8期2672-2682,共11页
自动调制识别(AMR)是无线通信系统的关键技术。针对AMR网络在复杂电磁环境下迁移能力较差以及对噪声和调制信号的特征区分能力不足的问题,提出去噪及双模态注意力Transformer及卷积融合网络(Denoising & Dual-modal Attention CNN-T... 自动调制识别(AMR)是无线通信系统的关键技术。针对AMR网络在复杂电磁环境下迁移能力较差以及对噪声和调制信号的特征区分能力不足的问题,提出去噪及双模态注意力Transformer及卷积融合网络(Denoising & Dual-modal Attention CNN-Transformer, D-DmACT)。首先,设计一种迭代生成复杂干扰的生成器和对抗干扰的判别器,增强模型在遭遇复杂电磁环境时的泛化能力;其次,设计基于复数注意力的Transformer模块,以捕获同相正交(IQ)信号的时域特征,并设计基于时频位置信息的坐标注意力模块,以获取时频图像的特征,并对两种特征进行交叉融合;再次,将判别器输出的时序复序列和时频图像送至双模态注意力融合模型;最后,实现轻量化的分类识别。在数据集RadioML2016.10a和RadioML2018.01a上分别开展的高斯白噪声以及复杂电磁环境下的识别实验的结果表明:在脉冲噪声的作用下,相较于CLDNN(Convolutional Long short-term Deep Neural Network)、残差网络(ResNet)和长短期记忆(LSTM)网络,所提网络的平均识别准确率分别提高了53.98%、28.82%和24.64%,而相较于多模态自动调制分类网络(MM-Net)、阈值自编码去噪卷积神经网络(TADCNN)和生成式对抗网络联合多模态注意力机制卷积长短期记忆网络(GAN-MnACL),所提网络的平均识别准确率分别提高了19.74%、13.55%和11.17%。在计算复杂度方面,通过参数量和浮点运算数(FLOPs)等指标验证了所提网络在终端的可部署性。 展开更多
关键词 自动调制识别 生成对抗网络 坐标注意力机制 TRANSFORMER 复杂干扰
在线阅读 下载PDF
基于特征交叉注意力机制融合的轴承故障诊断方法
5
作者 赵国超 刘崇德 +2 位作者 宋宇宁 金鑫 李伟华 《振动与冲击》 北大核心 2025年第12期228-237,共10页
为了解决轴承振动信号特征提取不充分导致故障诊断准确率低的问题,提出一种基于特征交叉注意力机制融合的轴承故障诊断方法,建立CNN-BiTCN-CA诊断模型。采用变分模态分解和快速傅里叶变换对原始信号进行重构,分别使用卷积神经网络(convo... 为了解决轴承振动信号特征提取不充分导致故障诊断准确率低的问题,提出一种基于特征交叉注意力机制融合的轴承故障诊断方法,建立CNN-BiTCN-CA诊断模型。采用变分模态分解和快速傅里叶变换对原始信号进行重构,分别使用卷积神经网络(convolutional neural network,CNN)和双向时间卷积网络(bidirectional temporal convolutional network,BiTCN)提取时频特征,通过交叉注意力机制(cross-attention mechanism,CA)融合时频特征的能力,充分提取原始信号故障特征,利用全连接层实现滚动轴承故障类型的精确诊断。试验研究表明:在含信噪比为9.32 dB、标准差为2.98的高斯白噪声的环境下,使用CNN-BiTCN-CA模型轴承故障分类准确率为99.88%,相较于使用CNN、BiTCN和结合自注意力机制的卷积神经网络(CNN with self-attention mechanism,CNN-SA)诊断轴承故障,准确率分别提升约22.79%、4.85%和4.19%;在引入信噪比为3.31 dB、标准差为5.96的高斯白噪声时,该模型仍然可以达到96.12%的诊断准确率。CNN-BiTCN-CA模型能够深入提取轴承信号中的故障特征,有效提高故障分类准确性。 展开更多
关键词 滚动轴承 故障诊断 双向时间卷积网络(BiTCN) 时频融合 交叉注意力机制(ca)
在线阅读 下载PDF
自然环境下改进YOLOv5对小目标苹果的检测
6
作者 刘子龙 张磊 《系统仿真学报》 北大核心 2025年第8期2124-2138,共15页
针对苹果的分布通常会存在遮挡、小目标,以及密集目标等问题,提出了一种改进YOLOv5的目标检测算法。在YOLOv5的基础上加入了坐标注意力机制、感受野模块,以及自适应空间特征融合,加强了对小目标检测的能力。将YOLOv5中使用的CIoU替换为... 针对苹果的分布通常会存在遮挡、小目标,以及密集目标等问题,提出了一种改进YOLOv5的目标检测算法。在YOLOv5的基础上加入了坐标注意力机制、感受野模块,以及自适应空间特征融合,加强了对小目标检测的能力。将YOLOv5中使用的CIoU替换为了SIoU,提高了目标检测框的位置预测精度。将部分普通卷积替换为了深度可分离卷积,减少了计算量。实验结果表明:改进YOLOv5的综合性能要优于原始YOLOv5及其他算法,mAP值相比原始YOLOv5提升了9.6%。 展开更多
关键词 智能农业 坐标注意力机制 感受野 自适应空间特征融合 小目标检测 YOLOv5
在线阅读 下载PDF
基于改进YOLOv5s的番茄成熟度识别技术研究
7
作者 刘坤 吉宏亚 +2 位作者 黄程菲 王晓 朱一帆 《中国农机化学报》 北大核心 2025年第5期79-85,共7页
在实现番茄自动高效采摘的过程中,精确识别番茄的成熟度至关重要。针对目前番茄成熟度识别算法皆依赖高性能硬件设备,限制实际番茄采摘机器人移动端的有效部署,提出一种基于改进YOLOv5s的轻量化番茄成熟度识别方法。首先,将YOLOv5s初始... 在实现番茄自动高效采摘的过程中,精确识别番茄的成熟度至关重要。针对目前番茄成熟度识别算法皆依赖高性能硬件设备,限制实际番茄采摘机器人移动端的有效部署,提出一种基于改进YOLOv5s的轻量化番茄成熟度识别方法。首先,将YOLOv5s初始的骨干特征提取网络替换为ShuffleNetV2网络,将特征融合网络中的传统卷积替换为Ghost卷积,减少模型的参数计算量,同时降低模型权重的大小。接着,为提高模型对番茄成熟度的识别效果,在特征提取中引入轻量级注意力机制CA来捕捉番茄成熟度的横向与纵向信息。测试结果显示,改进后的模型内存为原始模型的1/2,且相比原始YOLOv5s模型,算法模型的精确率、召回率和平均精度均值分别提高0.3%、0.1%、0.2%。最后,将模型移植到树莓派4B中,保证番茄成熟度识别准确率前提下,优化模型推理过程,证明改进算法对番茄成熟度识别任务的有效性。 展开更多
关键词 番茄成熟度 YOLOv5s Ghost卷积 ca注意力机制 树莓派4B
在线阅读 下载PDF
基于Mask R—CNN的轻量级草莓实例分割算法
8
作者 王成军 江诚婕 +1 位作者 丁凡 柳炜 《中国农机化学报》 北大核心 2025年第7期118-123,F0003,共7页
针对果园采摘环境复杂、草莓与周边环境难以精确分割、现有模型处理速度无法实现快速分割等问题,提出一种基于Mask R—CNN的轻量级草莓实例分割算法。在原始Mask R—CNN算法的基础上进行改进,采用MobileNetV3网络替代原始的ResNet101骨... 针对果园采摘环境复杂、草莓与周边环境难以精确分割、现有模型处理速度无法实现快速分割等问题,提出一种基于Mask R—CNN的轻量级草莓实例分割算法。在原始Mask R—CNN算法的基础上进行改进,采用MobileNetV3网络替代原始的ResNet101骨干网络来轻量化算法,且将原本MobileNetV3残差结构中的通道注意力机制替换成协同注意力机制模块,结合特征金字塔网络架构进行特征提取,实现草莓个体的精准快速定位分割。在标注数据集上进行对比实验,结果表明,改进的Mask R—CNN算法与原始Mask R—CNN算法相比,边框mAP和掩膜mAP分别提升1.75%和4.05%,检测速度提高20.09帧/s,减少模型对硬件存储空间和算力的依赖。 展开更多
关键词 草莓图像 实例分割 改进Mask R—CNN ca注意力机制 轻量化网络
在线阅读 下载PDF
基于坐标注意力和软化非极大值抑制的密集安全帽检测
9
作者 尹向雷 苏妮 +1 位作者 解永芳 屈少鹏 《现代电子技术》 北大核心 2025年第2期153-161,共9页
为解决现有的安全帽检测算法对密集小目标的检测精度低的问题,提出一种基于坐标注意力和软化非极大值抑制的安全帽检测算法。引入坐标注意力机制,聚焦训练安全帽相关目标特征以提高准确率。采用软化非极大值抑制算法对候选框的置信度进... 为解决现有的安全帽检测算法对密集小目标的检测精度低的问题,提出一种基于坐标注意力和软化非极大值抑制的安全帽检测算法。引入坐标注意力机制,聚焦训练安全帽相关目标特征以提高准确率。采用软化非极大值抑制算法对候选框的置信度进行优化,提升模型对密集小目标的检测精度。通过WIoU优化边界框损失函数,使得模型聚焦于困难样例而减少简单示例对损失值的贡献,提升模型的泛化性能。实验结果表明:与基准模型YOLOv5s相比,所提算法的mAP@0.5达到88.4%,提升了3.0%;mAP@0.5:0.95达到65.6%,提升了6.8%;在召回率和准确率上分别提升了2.4%和0.5%。所提算法为密集小目标的检测提供了一定参考。 展开更多
关键词 安全帽检测 坐标注意力机制 软化非极大值抑制 YOLOv5s WIoU 边界框损失函数
在线阅读 下载PDF
基于改进YOLOv8的小棚架下无核白葡萄果梗识别 被引量：2
10
作者 李涛 买买提明·艾尼 +1 位作者 古丽巴哈尔·托乎提 杨佳雨 《中国农机化学报》 北大核心 2025年第2期259-263,278,共6页
小棚架下准确识别无核白葡萄果梗是葡萄采摘机器人自动采摘任务的关键。针对新疆吐鲁番市小棚架下鲜食无核白葡萄果梗识别效果差的问题,提出一种基于YOLOv8的无核白葡萄果梗识别模型Small—YOLO,实现无核白葡萄果梗的自动识别。在原有... 小棚架下准确识别无核白葡萄果梗是葡萄采摘机器人自动采摘任务的关键。针对新疆吐鲁番市小棚架下鲜食无核白葡萄果梗识别效果差的问题,提出一种基于YOLOv8的无核白葡萄果梗识别模型Small—YOLO,实现无核白葡萄果梗的自动识别。在原有的模型结构上改进目标检测头,提高浅层与深层网络的特征融合,增加对无核白葡萄果梗信息提取的能力。在浅层网络中采用可变形卷积DCN以增强卷积操作对形态变化的建模能力,使得卷积核可以更好地适应输入特征图中的不规则变形,有助于提高视觉模型在处理不同尺度、形态和变换目标时的性能。增加坐标注意力机制CA,优化无核白葡萄果梗识别的准确率。结果表明,改进后的识别模型对无核白葡萄果梗平均精度mAP值达到76.2%。与YOLOv3—tiny、YOLOv5n、YOLOv6、YOLOv7、YOLOv8n等算法相比,mAP值分别提升23.9%、8%、7.6%、9.2%、7%,同时保持较快的检测速度,实现在小棚架下无核白葡萄机械采摘可能性。 展开更多
关键词 无核白葡萄 采摘机器人 果梗识别 坐标注意力机制 可变形卷积 视觉模型
在线阅读 下载PDF
基于改进YOLOv8n的隧道内异物检测算法 被引量：3
11
作者 桂佳扬 王顺吉 +1 位作者 周正康 唐加山 《计算机应用》 北大核心 2025年第2期655-661,共7页
针对当前隧道内异物检测存在人工巡检成本高、效率低等问题,提出一种基于改进YOLOv8n的隧道内异物检测算法。首先,提出融入坐标注意力(CA)机制的C2f_CA模块,通过将位置信息嵌入通道注意力,增强网络对图像在空间上的特征分布的关注,从而... 针对当前隧道内异物检测存在人工巡检成本高、效率低等问题,提出一种基于改进YOLOv8n的隧道内异物检测算法。首先,提出融入坐标注意力(CA)机制的C2f_CA模块,通过将位置信息嵌入通道注意力,增强网络对图像在空间上的特征分布的关注,从而增强网络的特征提取能力;其次,借鉴高分辨率网络的思想,提出新的特征融合模块HRNet_Fusion(High Resolution Net)将提取的不同分辨率特征图作为4个并行分支输入网络,并经过多次上、下采样和融合操作得到全面且准确的特征信息,从而显著提升在小目标检测和特征信息融合方面的性能;最后,引入WIoU(Wise-IoU)损失函数降低低质量样本对网络的不良梯度影响,进一步提高模型的检测精度。实验结果表明,在隧道异物数据集上,改进算法的平均精度均值(mAP@0.5)为79.9%,模型大小为6.0 MB,与YOLOv8n算法相比,mAP@0.5提升了6个百分点,模型大小减少了0.2 MB,模型参数量减少了0.379×10~6。 展开更多
关键词 目标检测 异物检测 YOLOv8n 坐标注意力机制 高分辨率网络 WIoU损失函数
在线阅读 下载PDF
小尺寸低对比度的传送带破损检测方法 被引量：1
12
作者 韩雅洁 郝晓丽 +1 位作者 牛保宁 薛晋东 《太原理工大学学报》 北大核心 2025年第1期148-156,共9页
【目的】针对已有模型在检测小尺寸、与背景对比度低的破损时易出现漏检、误检等问题,提出一种改进YOLOv4的检测模型。【方法】针对小尺寸问题,首先设计了DDS unit替换主干网络中的Res unit,利用不同层次特征跨层连接的方式获得完整丰... 【目的】针对已有模型在检测小尺寸、与背景对比度低的破损时易出现漏检、误检等问题,提出一种改进YOLOv4的检测模型。【方法】针对小尺寸问题,首先设计了DDS unit替换主干网络中的Res unit,利用不同层次特征跨层连接的方式获得完整丰富的多尺度特征完成小尺寸破损的检测。其次,在分类损失函数中引入梯度协调机制动态调整小尺寸破损的权重使其得到充分训练。针对破损与背景对比度低的问题,首先在主干网络深层网络层中嵌入坐标注意力机制,增强模型对破损特征的关注度,降低背景噪声的干扰。其次,设计精确解耦头通过解决分类、定位任务对特征需求的矛盾提升检测精度。【结果】实验表明,模型的平均精度较YOLOv4提升了3.92%,小尺寸的划伤类破损、与背景低对比度的磨损类破损的检测精度分别提升4.32%和4.24%,可有效解决漏检、误检问题。 展开更多
关键词 传送带破损 YOLOv4 DDS unit 梯度协调机制 坐标注意力机制 精确解耦头
在线阅读 下载PDF
选择性坐标注意力下红外图像无人机目标检测方法 被引量：1
13
作者 吴茜 魏晶鑫 陈中举 《现代电子技术》 北大核心 2025年第7期43-47,共5页
为解决无人机带来的安全隐患与隐私侵犯等问题,提出选择性坐标注意力下红外图像无人机目标检测方法。基于选择性坐标注意力机制,通过非对称卷积核在不同方向上捕捉不同尺度和形状的特征,将无人机特征的行列位置信息进行编码,动态地调整... 为解决无人机带来的安全隐患与隐私侵犯等问题,提出选择性坐标注意力下红外图像无人机目标检测方法。基于选择性坐标注意力机制,通过非对称卷积核在不同方向上捕捉不同尺度和形状的特征,将无人机特征的行列位置信息进行编码,动态地调整不同位置特征的权重,强化关键区域的特征表示。将多个红外图像输入YOLOv5网络中进行训练和处理后,在主干网络中经卷积操作后嵌入选择性坐标注意力机制,实现红外图像无人机目标特征精确提取。采用GIoU作为损失函数,优化预测框的位置和大小,实现红外图像无人机目标精准检测。实验结果表明:该方法对大小不同的无人机目标均能实现准确且快速的定位与检测,能够保持较高的检测精度。 展开更多
关键词 坐标注意力机制 特征融合 YOLOv5网络 红外图像 无人机目标 目标检测
在线阅读 下载PDF
改进的坐标残差网络应用于17-4PH材料蚀后剩余寿命预测研究
14
作者 邸娟 王程波 +3 位作者 贺磊 牛亚龙 彭超义 王建锋 《西安交通大学学报》 EI CAS 北大核心 2025年第1期206-214,共9页
为解决材料汽蚀损伤后剩余使用寿命预测困难的科学问题,提出了一种融合卷积神经网络技术的寿命预测方法,具体采用残差网络(ResNet)模型,并嵌入坐标注意力机制(CA),通过对模型进行卷积、通道数及下采样方式的优化,构建改进的坐标残差网络... 为解决材料汽蚀损伤后剩余使用寿命预测困难的科学问题,提出了一种融合卷积神经网络技术的寿命预测方法,具体采用残差网络(ResNet)模型,并嵌入坐标注意力机制(CA),通过对模型进行卷积、通道数及下采样方式的优化,构建改进的坐标残差网络(CA-ResNet)模型,以实现对17-4PH材料汽蚀损伤后剩余使用寿命的精确预测。基于超声波汽蚀试验得到的汽蚀特性曲线,通过逻辑回归(Logistic)方程对汽蚀阶段进行定量划分,并定义寿命系数ζ,同时借助超景深显微镜获取材料损伤后不同时刻的显微图像数据库,并与寿命系数ζ相对应。研究结果表明,改进的CA-ResNet网络模型在CIFAR10公开数据集上验证准确率可达92.2%,在收集的17-4PH材料的汽蚀损伤数据集上的验证准确率可达93.2%,相比ResNet18网络模型,准确率分别提高了1.5%和3.5%。通过学习率、批处理量等超参数优化后,该模型在汽蚀损伤数据集上准确率可达95.0%。采用端到端的数据驱动思想,可实现从汽蚀损伤形貌到汽蚀寿命的精确预测。 展开更多
关键词 残差网络 坐标注意力机制 汽蚀 寿命预测
在线阅读 下载PDF
改进YOLOv8的钢材表面缺陷检测算法 被引量：1
15
作者 徐莲蓉 梁少华 《现代电子技术》 北大核心 2025年第4期173-180,共8页
为了更有效地识别钢材表面的细小和复杂缺陷,提出一种改进YOLOv8的钢材表面缺陷检测算法。首先,在原模型的Neck部分引入空间和通道重构卷积SCConv模块,提高模型对小尺度目标缺陷的识别能力;其次,将CA注意力机制模块融合到原始的Backbone... 为了更有效地识别钢材表面的细小和复杂缺陷,提出一种改进YOLOv8的钢材表面缺陷检测算法。首先,在原模型的Neck部分引入空间和通道重构卷积SCConv模块,提高模型对小尺度目标缺陷的识别能力;其次,将CA注意力机制模块融合到原始的Backbone中,使模型能够更好地关注目标缺陷的特征信息;接着,采用高效层聚合网络(RepGFPN)模块作为颈部网络,充分融合不同尺度的特征,提高特征融合能力;最后,引入轻量级上采样算子CARAFE,进一步提升模型的检测效果。实验结果显示,在公开的NEU-DET数据集上,改进后模型的平均精度均值(mAP)达到了81.1%,相较于原始YOLOv8模型,mAP提高了2.7%,精确率提升了3.9%。与此同时,在GC10-DET数据集上的实验也表明改进模型具有良好的鲁棒性,证明了所提算法能够有效地完成钢材表面缺陷的检测任务。 展开更多
关键词 钢材表面缺陷 缺陷检测 YOLOv8算法 坐标注意力机制 高效层聚合网络 识别能力
在线阅读 下载PDF
基于Crowd-RetinaNet的拥挤行人检测
16
作者 韩鼎 喻春雨 +1 位作者 童亦新 张俊 《现代电子技术》 北大核心 2025年第11期34-41,共8页
文中以RetinaNet为基础,设计一种高效的用于拥挤行人检测的网络模型。为提高特征融合性能,利用坐标注意力特征融合(CAFF)进行跨层特征融合,实现尺度特征之间高质量的语义和位置细节信息交互;为提高目标检测性能,引入任务感知检测头(TaHe... 文中以RetinaNet为基础,设计一种高效的用于拥挤行人检测的网络模型。为提高特征融合性能,利用坐标注意力特征融合(CAFF)进行跨层特征融合,实现尺度特征之间高质量的语义和位置细节信息交互;为提高目标检测性能,引入任务感知检测头(TaHead)提升目标检测头的表征能力;为克服非极大值抑制算法(NMS)对遮掩目标的漏检问题,结合CrowdDet的多实例预测(MIP)算法,使用推土机距离损失算法(EMDLoss)进行模型训练,并使用Set NMS作为后处理方法,有效抑制多重冗余检测结果,最终设计出Crowd-RetinaNet拥挤行人检测模型。Crowd-RetinaNet在CrowdHuman数据集上进行训练,在CrowdHuman验证集上进行性能测试,对比改进前的RetinaNet在AP、MR-2指标上较基础模型分别改善了1.80%、3.32%,并在校园的拥挤场景中完成了性能较高的行人检测实验,实验结果表明该模型可以对行人进行精确检测,具有一定的实用性。 展开更多
关键词 行人检测 坐标注意力特征融合 信息交互 多实例预测 注意力机制 抑制算法
在线阅读 下载PDF
结合语言模型双编码和坐标注意力卷积的知识图谱补全
17
作者 王瑄 王晓霞 陈晓 《计算机工程与应用》 北大核心 2025年第14期206-213,共8页
知识图谱补全(KGC)旨在学习知识图谱中的现有知识实现对缺失三元组的补全。近期的相关研究表明,将语言模型(LM)应用于KGC任务能够改善模型在结构稀疏的知识图谱上的推理性能。针对现有结合LM的KGC模型性能仅依赖于LM捕获的语义特征,没... 知识图谱补全(KGC)旨在学习知识图谱中的现有知识实现对缺失三元组的补全。近期的相关研究表明,将语言模型(LM)应用于KGC任务能够改善模型在结构稀疏的知识图谱上的推理性能。针对现有结合LM的KGC模型性能仅依赖于LM捕获的语义特征,没有同时考虑知识图谱的结构信息和语义信息的问题,提出一种结合语言模型双编码和坐标注意的知识图谱补全方法LDCA。在编码时,通过引入掩码预训练的语言模型双编码结构,充分学习实体和关系的语义特征;在解码时,使用坐标注意力机制的卷积神经网络捕获实体和关系组合嵌入的跨通道信息、方向感知信息和位置感知信息。在WN18RR和FB15K-237数据集上的实验结果表明,LDCA模型在MR、MRR、Hits@1、Hits@3和Hits@10上的整体性能优于基准模型,验证了所提出模型的有效性和先进性。 展开更多
关键词 语言模型(LM) 掩码预训练 坐标注意力机制 卷积神经网络
在线阅读 下载PDF
一种改进的YOLOv5带钢表面缺陷检测算法研究
18
作者 余龙飞 刘业峰 +1 位作者 何增鹏 马祎航 《控制工程》 北大核心 2025年第2期377-384,共8页
YOLOv5模型存在特征信息提取不足、传递易丢失和表达能力弱等缺陷。结合NEU-DET数据集中带钢缺陷目标小、不规则以及图片质量差的特点,提出一种改进的YOLOv5带钢表面缺陷检测算法。采用第二版的可变形卷积网络(deformable convolution n... YOLOv5模型存在特征信息提取不足、传递易丢失和表达能力弱等缺陷。结合NEU-DET数据集中带钢缺陷目标小、不规则以及图片质量差的特点,提出一种改进的YOLOv5带钢表面缺陷检测算法。采用第二版的可变形卷积网络(deformable convolution network version 2,DCNv2)代替YOLOv5中Neck部分的常规卷积,提高模型对不规则小目标的特征识别;将残差网络(residual network,ResNet)引入快速空间金字塔池化(spatial pyramid pooling fast,SPPF)结构形成SPPF_Res模块,替换原模块,且引入YOLOv5的Neck部分,改善模型在信息传递时的丢失问题;将空间注意力(spatial attention,SA)与协调注意力(coordinate attention,CA)并联为CAS注意力模块,使改进模块在关注不同通道关系的同时又能利用空间信息学习提升模型的特征表达能力。将改进模型在NEU-DET数据集上训练后,测得其检测精度为77.4%,较原YOLOv5模型提升7.4%,说明改进算法有效。 展开更多
关键词 YOLOv5 缺陷检测 caS注意力机制 SPPF_Res DCNv2
在线阅读 下载PDF
面向数字孪生的深层特征融合低照度图像去雨线
19
作者 韩大专 张金艺 姜玉稀 《上海大学学报(自然科学版)》 北大核心 2025年第3期543-560,共18页
提出了一种面向数字孪生的深层特征融合低照度图像去雨线方法.首先,创建动态线性卷积(dynamic line convolution,DLConv),学习雨线的先验知识,提高对雨线的特征提取能力,解决伪影问题.其次,结合先验知识和坐标注意力(coordinate attenti... 提出了一种面向数字孪生的深层特征融合低照度图像去雨线方法.首先,创建动态线性卷积(dynamic line convolution,DLConv),学习雨线的先验知识,提高对雨线的特征提取能力,解决伪影问题.其次,结合先验知识和坐标注意力(coordinate attention,CA)机制,改进U形模型,生成雨线的深层特征,解决细节丢失问题.最后,利用图像的亮度信息进一步细化加强深层特征,得到每一级的无雨图像.在此基础上,各级之间融合无雨图像的特征,并通过跨级特征融合(cross-stage feature fusion,CSFF)传递多尺度特征,实现低照度图像去雨线.在最新的夜间雨天图像数据集上进行实验,结果表明,本方法在峰值信噪比(peak signal-to-noise ratio,PSNR)、结构相似性(structural similarity,SSIM)、学习感知图像块相似度(learned perceptual image patch similarity,LPIPS)和自然图像质量评估器(natural image quality evaluator,NIQE)指标上分别达到了38.5229 dB、0.9745、0.0619和4.2072,优于现有的主流方法,证明了本方法能有效改善伪影和细节丢失问题,大大提升了低照度图像的可用性. 展开更多
关键词 数字孪生 低照度图像 图像去雨线 深层特征 坐标注意力机制
在线阅读 下载PDF
基于改进的LSN-YOLOv8模型和无人机遥感图像的水稻稻曲病检测方法
20
作者 杨玉青 朱德泉 +4 位作者 刘凯旋 严从宽 孟凡凯 唐七星 廖娟 《江苏农业学报》 北大核心 2025年第5期905-915,共11页
本研究针对无人机采集的水稻稻曲病图像中存在的背景复杂、病斑目标小且与背景表征相似等问题,构建了一种水稻稻曲病检测模型LSN-YOLOv8。该模型以YOLOv8模型为基本框架,在骨干网络中融入大选择性核网络(LSKNet),通过动态调整感受野范... 本研究针对无人机采集的水稻稻曲病图像中存在的背景复杂、病斑目标小且与背景表征相似等问题,构建了一种水稻稻曲病检测模型LSN-YOLOv8。该模型以YOLOv8模型为基本框架,在骨干网络中融入大选择性核网络(LSKNet),通过动态调整感受野范围增强模型对小目标的特征提取能力;在骨干网络中加入坐标注意力机制(CA)模块,将病斑空间位置信息与通道注意力相结合,增强模型对关键区域的关注度同时减少背景干扰;利用梯度加权类激活映射(Grad-CAM)技术实现检测过程的可视化分析,为模型决策提供直观解释。为验证模型性能,利用无人机拍摄不同发病时期、不同背景条件下的水稻稻曲病图像,构建水稻稻曲病数据集,用于模型训练与测试。试验结果表明,本研究提出的LSN-YOLOv8模型精准度、召回率和交并比阈值为0.50时的平均精度值均值(mAP_(50))分别为94.8%、87.3%和92.3%,均高于YOLOv5、YOLOv7、YOLOv8、Faster R-CNN模型等经典目标检测模型。梯度加权类激活映射(Grad-CAM)技术可视化分析结果表明,LSN-YOLOv8模型能够更准确地聚焦于图像中的病害区域。本研究提出的LSN-YOLOv8模型可为稻曲病监测、病害防治和水稻抗病性鉴定提供技术支持。 展开更多
关键词 稻曲病 病害识别 无人机 YOLOv8模型 大选择性核网络(LSKNet) 坐标注意力机制(ca)
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 2 … 7 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