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9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CAM-DenseNet模型的邮轮薄板焊缝缺陷识别算法
1
作者 黎林发 王岳 《造船技术》 2025年第1期78-84,共7页
邮轮薄板焊缝的熔深和熔宽相对较小,母材与焊缝区域差异性小,焊缝表面缺陷较难判别。为准确地定位焊缝位置,提出一种将注意力机制的坐标注意力模块(Coordinate Attention Module,CAM)融入密集链接卷积网络(Densely Connected Convolutio... 邮轮薄板焊缝的熔深和熔宽相对较小,母材与焊缝区域差异性小,焊缝表面缺陷较难判别。为准确地定位焊缝位置,提出一种将注意力机制的坐标注意力模块(Coordinate Attention Module,CAM)融入密集链接卷积网络(Densely Connected Convolutional Networks,DenseNet)的邮轮薄板焊缝缺陷识别算法,建立CAM-DenseNet模型。将网络中的激活函数ReLU替换为更具有稳定性的ReLU6,并利用贝叶斯优化算法对CAM-DenseNet模型的超参数组合进行优化和选取。在焊接车间利用相机采集邮轮薄板焊缝三原色(Red Green Blue,RGB)图片,自建立邮轮薄板焊缝缺陷数据集,并按焊缝缺陷类型将数据集分为凹陷、气孔、毛刺、表面裂纹和无缺陷等5类。试验结果表明,CAM-DonseNet模型对邮轮薄板焊缝缺陷识别具有优异表现。 展开更多
关键词 邮轮 薄板 焊缝缺陷 识别算法 深度学习 密集链接卷积网络 坐标注意力模块 cam-DenseNet模型 激活函数 贝叶斯优化算法
在线阅读 下载PDF
深度学习的红外热成像电路板元器件识别研究 被引量：1
2
作者 张林鍹 郑兴 +3 位作者 陈飞 李名洪 邱朝洁 常乾坤 《电子科技大学学报》 EI CAS CSCD 北大核心 2024年第4期560-567,共8页
针对现有YOLO目标检测算法在自建数据集漏检率高、图像受复杂环境影响造成检测准确率低等问题,提出一种基于YOLO v5改进的红外图像识别算法。根据红外数据图片的独特性质,重新设计主干网络部分,引入全维动态卷积(OMNI-Dimensional Dynam... 针对现有YOLO目标检测算法在自建数据集漏检率高、图像受复杂环境影响造成检测准确率低等问题,提出一种基于YOLO v5改进的红外图像识别算法。根据红外数据图片的独特性质,重新设计主干网络部分,引入全维动态卷积(OMNI-Dimensional Dynamic Convolution, ODConv)模块和改进坐标注意力(Coordinate Attention, CA)机制,提高模型对小目标的检测精确度并减少参数量;其次,引入解耦头(Decoupled Head, DH)模块,提高模型训练的收敛速度;最后,加入GSConv(Graph-Shifted Convolution) Slim模块,以降低模型的复杂度,提高预测速度。实验结果表明:改进后的算法模型漏检率降低40.22%,每秒浮点运算次数(Floating-point Operations Per Second, FLOPs)提升了25%,平均准确率提升了28.32%。 展开更多
关键词 红外热成像 YOLO v5 全维动态卷积 改进解耦头 改进坐标注意力机制 GSConv Slim模块
在线阅读 下载PDF
基于密集多尺度特征和双注意力模块的皮肤病变分割 被引量：2
3
作者 费承 罗健旭 《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第1期97-105,共9页
针对皮肤病变分割任务中病变区域大小不一、形状各异、内部像素差异大、边界模糊、周围存在气泡等问题,提出了一种基于密集多尺度特征和双注意力模块的U型分割网络DDAnet。该网络中的DenseASPP模块通过密集连接多个空洞卷积层来获取丰... 针对皮肤病变分割任务中病变区域大小不一、形状各异、内部像素差异大、边界模糊、周围存在气泡等问题,提出了一种基于密集多尺度特征和双注意力模块的U型分割网络DDAnet。该网络中的DenseASPP模块通过密集连接多个空洞卷积层来获取丰富的多尺度信息,同时由通道注意力模块(CAM)和位置注意力模块(PAM)构成的双注意力模块通过编码全局上下文信息,在通道和位置上对特征图进行重新配准,实现对相关特征的强调和对无关特征的抑制。两个模块并行连接、共同作用以提高分割精度。在ISIC2018数据集上,DDAnet的准确率(Acc)、Jaccard相似系数(JI)、Dice系数(DC)、敏感度(Sen)和特异性(Spec)指标值分别为96.75%、85.00%、91.36%、91.82%和97.42%,分割结果优于其他的分割网络,并且对于极具挑战的病例,DDAnet仍然能够产生准确、可靠的分割结果,说明其具备在临床诊断中辅助医生进行皮肤病变分割的潜力。 展开更多
关键词 皮肤病变分割 DenseASPP模块 cam PAM 双注意力模块
在线阅读 下载PDF
基于改进EfficientNetV2的苹果叶片病害识别模型
4
作者 王浩宇 崔艳荣 +1 位作者 胡玉荣 胡施威 《山东农业科学》 北大核心 2024年第9期124-132,共9页
斑点落叶病、褐斑病、灰斑病、花叶病和锈病是常见的5种苹果树叶部病害,严重影响苹果产量。针对实际生产中叶片病害识别准确率不高以及现有模型参数量大难以迁移到移动设备的问题,本研究基于Ef-ficientNetV2-b0模型,经过改进后提出了轻... 斑点落叶病、褐斑病、灰斑病、花叶病和锈病是常见的5种苹果树叶部病害,严重影响苹果产量。针对实际生产中叶片病害识别准确率不高以及现有模型参数量大难以迁移到移动设备的问题,本研究基于Ef-ficientNetV2-b0模型,经过改进后提出了轻量级的EGV2-CA网络。该网络在保留EfficientNetV2-b0主干网络的基础上,一是引入GhostNetV2网络中的核心Ghost Module,并选用original分支替换第一层卷积结构,可以进一步优化网络的计算效率,减少冗余计算,从而在提高模型速度和可移植性的同时保持较高的识别准确率;二是将EfficientNetV2-b0模型中Fused-MBConv模块的SE注意力机制替换为更高效的坐标注意力(CA)机制,通过将空间信息编码为坐标信息以更好地捕捉和表达空间上的细粒度特征。实验结果显示,相较于原始网络,EGV2-CA网络的识别精确率提高2.94个百分点,召回率提高2.53个百分点,F1得分提高2.67个百分点,Top-1准确率提高2.47个百分点,而参数量仅为48.9 M,可迁移至移动设备上使用,为真实场景下苹果叶片病害的快速、准确识别提供了一种有效的解决方案。 展开更多
关键词 苹果叶片病害 轻量级网络 深度学习算法 EfficientNetV2 Ghost模块 坐标注意力机制
在线阅读 下载PDF
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
5
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
数字信号调制识别下坐标注意力机制方案研究
6
作者 张兢 兰思源 +1 位作者 曹阳 彭小峰 《无线电工程》 2024年第6期1398-1406,共9页
针对低信噪比下神经网络难以提取数字信号空间特征的问题,提出一种基于坐标注意力机制的数字信号识别方案。将8种数字信号进行正交调制,根据其幅度、相位信息序列进行预编码处理,在不同的训练步长下,提取分析数字信号幅度和相位的关键特... 针对低信噪比下神经网络难以提取数字信号空间特征的问题,提出一种基于坐标注意力机制的数字信号识别方案。将8种数字信号进行正交调制,根据其幅度、相位信息序列进行预编码处理,在不同的训练步长下,提取分析数字信号幅度和相位的关键特征,选取合适的神经网络超参数,使网络达到拟合面。坐标注意力机制将数字信号特征进行2个一维特征编码,分别沿纵向和横向捕获幅度和相位的远程依赖关系;将生成的数字信号特征编码为一对方向感知和位置敏感的权重系数,进行数字信号特征的重标定。仿真结果表明,8种数字信号下,调制方式识别率高于95%时,卷积神经网络(Convolutional Neural Network,CNN)中坐标注意力机制信噪比增益约为4 dB,残差神经网络中坐标注意力机制信噪比增益约为8 dB。坐标注意力机制取得了较高的识别率以及更好的信噪比增益,与通道注意力机制、空间注意力机制相比更适用于数字信号解调的应用。 展开更多
关键词 数字信号 调制识别 坐标注意力机制 权重系数
在线阅读 下载PDF
基于多尺度编码互补注意力网络的光伏缺陷检测 被引量：3
7
作者 陈海永 袁乐 +1 位作者 王世杰 赵参参 《太阳能学报》 EI CAS CSCD 北大核心 2023年第10期191-197,共7页
由于光伏组件的电致发光(EL)缺陷存在微小、微弱的特点,导致EL图像缺陷检测是一项具有挑战性的任务,因此,提出多尺度编码互补注意力网络(MCECAN)。MCECAN的主干和预测头遵从YOLO系列设计,网络颈部应用多尺度编码互补注意力模块(MCECAM)... 由于光伏组件的电致发光(EL)缺陷存在微小、微弱的特点,导致EL图像缺陷检测是一项具有挑战性的任务,因此,提出多尺度编码互补注意力网络(MCECAN)。MCECAN的主干和预测头遵从YOLO系列设计,网络颈部应用多尺度编码互补注意力模块(MCECAM)。该模块前端利用多尺度编码器聚合多尺度信息、增强全局信息,后端互补坐标注意力建立特征图通道间的依赖关系,突出缺陷特征并抑制背景干扰,提高网络对微小、微弱目标的检测能力。在包含5537张EL图像的数据集上,该方法取得了优秀的检测性能。 展开更多
关键词 光伏组件 缺陷检测 卷积神经网络 多尺度编码器 互补坐标注意力
在线阅读 下载PDF
融合坐标注意力与多尺度特征的轻量级安全帽佩戴检测 被引量：3
8
作者 李忠飞 冯仕咏 +2 位作者 郭骏 张云鹤 徐飞翔 《工矿自动化》 CSCD 北大核心 2023年第11期151-159,共9页
针对现有煤矿工人安全帽佩戴检测算法存在检测精度与速度难以取得较好平衡的问题,以YOLOv4模型为基础,提出了一种融合坐标注意力与多尺度的轻量级模型M-YOLO,并将其用于安全帽佩戴检测。该模型使用融入混洗坐标注意力模块的轻量化特征... 针对现有煤矿工人安全帽佩戴检测算法存在检测精度与速度难以取得较好平衡的问题,以YOLOv4模型为基础,提出了一种融合坐标注意力与多尺度的轻量级模型M-YOLO,并将其用于安全帽佩戴检测。该模型使用融入混洗坐标注意力模块的轻量化特征提取网络S-MobileNetV2替换YOLOv4的特征提取网络CSPDarknet53,在减少相关参数量的前提下,有效改善了特征之间的联系;将原有空间金字塔池化结构中的并行连接方式改为串行连接,有效提高了计算效率;对特征融合网络进行改进,引入具有高分辨率、多细节纹理信息的浅层特征,以有效加强对检测目标特征的提取,并将原有Neck结构中的部分卷积修改为深度可分离卷积,在保证检测精度的前提下进一步降低了模型的参数量和计算量。实验结果表明,与YOLOv4模型相比,M-YOLO模型的平均精度均值仅降低了0.84%,但计算量、参数量、模型大小分别减小了74.5%,72.8%,81.6%,检测速度提高了53.4%;相较于其他模型,M-YOLO模型在准确率和实时性方面取得了良好的平衡,满足在智能视频监控终端上嵌入式加载和部署的需求。 展开更多
关键词 目标检测 安全帽佩戴检测 坐标注意力模块 轻量化 多尺度特征融合
在线阅读 下载PDF
基于上下文信息的遥感图像目标检测 被引量：2
9
作者 梁礼明 李仁杰 +1 位作者 董信 朱晨锟 《电光与控制》 CSCD 北大核心 2023年第10期89-94,共6页
针对遥感图像中背景复杂多样、目标密集和尺度差异性大,容易造成小目标漏检和误检的问题,以YOLOv5s算法为网络基础框架,提出一种基于上下文信息的遥感图像目标检测算法。首先,设计上下文模块(CM)并添加在主干网络,增大目标区域特征的感... 针对遥感图像中背景复杂多样、目标密集和尺度差异性大,容易造成小目标漏检和误检的问题,以YOLOv5s算法为网络基础框架,提出一种基于上下文信息的遥感图像目标检测算法。首先,设计上下文模块(CM)并添加在主干网络,增大目标区域特征的感知范围,获取更多的上下文信息,提升模型对小尺度目标的检测能力;其次,在特征主干网络中引入坐标注意力(CA)模块,加强模型对浅层网络中目标位置信息的识别能力;最后,将空间金字塔池化模块替换为空洞空间卷积金字塔(ASPP)模块,实现全局信息和局部信息相融合,进一步增强小目标的语义信息。实验结果表明,在RSOD数据集上,改进后算法的mAP_(50)为97.9%,相比原YOLOv5s算法提高了1.7个百分点;FPS达到71帧/s,满足实时性检测的要求。相比其他检测算法,改进后算法具有更低的漏检率和误检率,检测性能更加优秀。 展开更多
关键词 遥感图像 上下文模块 坐标注意力模块 空洞空间卷积金字塔模块
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