基于DDE-BIT的无人机高速公路护栏损坏检测

1

作者 王洋 郭杜杜 帅洪波 《现代电子技术》 北大核心 2025年第4期123-129,共7页

针对现有方法对无人机高速公路护栏损坏检测存在边缘信息提取效果差、识别精度低的问题,提出一种基于深度学习的变化检测模型DDE-BIT。首先,采用深度可分离卷积优化主干网络Resnet18,减少模型的参数数量,降低计算成本;然后,在主干网络... 针对现有方法对无人机高速公路护栏损坏检测存在边缘信息提取效果差、识别精度低的问题,提出一种基于深度学习的变化检测模型DDE-BIT。首先,采用深度可分离卷积优化主干网络Resnet18,减少模型的参数数量,降低计算成本;然后,在主干网络输出部分引入ECA注意力模块,在仅增加少量参数的情况下提高模型的跨通道信息捕捉能力;最后,通过跳跃连接方式对BIT双时空图像转换器的输出特征进行堆叠,提高模型的上下文信息理解能力。以采集的无人机高速公路护栏损坏图像为实验数据,实验结果表明:DDE-BIT模型的交并比和F1分数分别为90.99%、95.28%,相较于原始模型分别提高了2.71%、1.51%,能够有效地提取护栏损坏的边缘信息。 展开更多

关键词 护栏损坏检测 无人机 eca注意力机制 深度可分离卷积 图像处理 信息提取

在线阅读 下载PDF 职称材料

改进ConvNeXt网络的树种识别方法

2

作者 杨兵兵 许杰 《林业科学》 北大核心 2025年第2期31-39,共9页

【目的】为提高树种识别工作的效率和准确率,提出一种利用迁移学习策略并引入SimAM注意力机制和ECA通道注意力机制的ConvNeXt树种识别模型。【方法】以12种常见树种的树皮图像为研究对象,通过传统数据增强方法对数据进行扩充,防止模型... 【目的】为提高树种识别工作的效率和准确率,提出一种利用迁移学习策略并引入SimAM注意力机制和ECA通道注意力机制的ConvNeXt树种识别模型。【方法】以12种常见树种的树皮图像为研究对象,通过传统数据增强方法对数据进行扩充,防止模型过拟合。使用SimAM和ECA通道注意力机制构建以ConvNeXt为基础的改进网络,增强特征提取的SA-ConvNeXt、增强重要特征权重的E-ConvNeXt、结合两者的ES-ConvNeXt,测试数据集在增强前后对ES-ConvNeXt网络准确率的影响。使用ResNet34、ResNet50、GoogLeNet、Swin Transformer、DenseNet121和ConvNeXt网络,与ES-ConvNeXt模型识别效果进行比较。【结果】SA-ConvNeXt和E-ConvNeXt准确率分别达到(95.14±0.42)%、(96.085±0.235)%,ES-ConvNeXt在增强后数据集测试的准确率达到(97.445±0.635)%,对单一树种识别准确率均超过93%,最高类别准确率达到99.79%,为最优方案。经数据增强后进行训练的模型与使用原始数据进行训练的模型相比,其验证集的准确率和损失值,无论是收敛速度还是最终稳定值都是最优。数据集相同时,使用ResNet34、ResNet50、GoogLeNet、Swin Transformer、DenseNet121和ConvNeXt网络的识别准确率,分别为92.74%、94.47%、90.52%、92.85%、70.38%、94.72%,均低于新改进模型ES-ConvNeXt(97.81%),进一步说明了改进后的ESConvNeXt模型的有效性。【结论】数据增强对模型准确率提升有效,在数据增强后的数据集上,改进后的ESConvNeXt模型与其他模型相比可以更加准确地完成树种分类任务,在不同树种上也有较好的泛化能力。 展开更多

关键词 树种识别 ConvNeXt SimAM注意力机制 eca通道注意力机制

在线阅读 下载PDF 职称材料

基于改进YOLOv5 的交通标志小目标检测算法 被引量：1

3

作者 刘振渤 李慧 +1 位作者 刘桥缘 胡蓉 《现代信息科技》 2024年第1期94-98,103,共6页

针对交通标志小目标和密集目标检测准确率不高的问题,提出了改进YOLOv5s的检测模型。在Backbone网络中添加ECA注意力机制增强小目标交通标志特征信息提取能力;其次采用SPPCSPC结构减少小目标交通标志信息丢失;再使用BiFPN网络融合多尺... 针对交通标志小目标和密集目标检测准确率不高的问题,提出了改进YOLOv5s的检测模型。在Backbone网络中添加ECA注意力机制增强小目标交通标志特征信息提取能力;其次采用SPPCSPC结构减少小目标交通标志信息丢失;再使用BiFPN网络融合多尺特征信息,增强融合感知能力;最后将WIoU作为训练时模型的损失函数,降低背景的过度干扰,提升交通标志检测的准确性。试验结果表明,改进后算法的准确率为93.3%、mAP值为92.7%,较未改进前分别提高了2.2%、1.7%。 展开更多

关键词 交通标志小目标 YOLOv5s eca注意力机制 SPPCSPC模块 WIoU loss

在线阅读 下载PDF 职称材料

改进的YOLOv4头盔佩戴目标检测研究 被引量：4

4

作者 余晨晨 《沈阳工程学院学报（自然科学版）》 2024年第1期75-81,共7页

针对骑手在骑行时是否佩戴头盔对交通安全的影响问题,提出了一种改进的YOLOv4算法,能够更准确地识别和检测骑手是否佩戴头盔,从而为骑手提供安全保障。首先,选择轻量级网络MobileNetv1作为主干特征网络,并将YOLOv4网络中尺寸为3×3... 针对骑手在骑行时是否佩戴头盔对交通安全的影响问题,提出了一种改进的YOLOv4算法,能够更准确地识别和检测骑手是否佩戴头盔,从而为骑手提供安全保障。首先,选择轻量级网络MobileNetv1作为主干特征网络,并将YOLOv4网络中尺寸为3×3、步长为1的标准卷积层均替换为深度可分离卷积,减少模型计算量的同时提升检测速度;其次,引入ECA注意力机制,关注重点特征并抑制非必要特征,增加特征网络表现力;最后,引入改进的损失函数Focal-EIOU,改善常见的样本不均衡问题。实验结果表明:改进的YOLOv4算法生成的模型权重大小为48.43 M,是YOLOv4算法权重大小的19.3%,检测速度由33.40帧/秒提升至50.40帧/秒,mAP值为95.56%,在满足精确性的前提下更有利于轻量化部署。 展开更多

关键词 YOLOv4 目标检测 MobileNetv1 eca注意力机制 Focal-EIOU

在线阅读 下载PDF 职称材料

基于改进DeepLabV3+的遥感图像分割方法

5

作者 席裕斌 赵良军 +4 位作者 宁峰 何中良 梁刚 张芸 胡月明 《现代电子技术》 北大核心 2024年第11期51-58,共8页

由于遥感图像具有高分辨率,卷积层需要扩大感受野以捕获更丰富的语义信息。在进行遥感图像分割时,DeepLabV3+模型采用较大的空洞率以获得更大感受野,导致网格伪影问题。因此,提出一种优化网格伪影的改进DeepLabV3+模型。首先,在空间空... 由于遥感图像具有高分辨率,卷积层需要扩大感受野以捕获更丰富的语义信息。在进行遥感图像分割时,DeepLabV3+模型采用较大的空洞率以获得更大感受野,导致网格伪影问题。因此,提出一种优化网格伪影的改进DeepLabV3+模型。首先,在空间空洞金字塔池化(ASPP)之前引入了一个平滑网格伪影模块,以减轻网格伪影对分割任务的影响;接着,在ASPP模块的每个空洞卷积之后添加了一个逐点卷积,以保留更多的空间信息;其次,替换空洞卷积的激活函数为LeakyReLU;最后,在DeepLabV3+中引入了ECA注意力机制。通过在GID15和Postdam遥感数据集上的验证,相对于基础的DeepLabV3+模型,改进模型在准确度和平均交并比方面均取得了显著提升,证明所提出的网络调整能有效提高遥感图像分割的精度。 展开更多

关键词 遥感图像 语义分割 网格伪影 空间空洞金字塔池化 eca注意力机制 DeepLabV3+模型

在线阅读 下载PDF 职称材料

基于EF-UNet的服装图像分割研究

6

作者 俞凯杰 陈郁 《北京服装学院学报（自然科学版）》 CAS 2024年第4期83-89,共7页

针对服装局部分割精度低以及出现错分、漏分的问题,提出了一种改进的VGG16-UNet服装图像分割方法(即EF-UNet)。通过在编码器末端加入ECA注意力机制的方法赋予编码器第5层更大权重,更好地提取目标特征信息,从而增强对服装图像的分割能力... 针对服装局部分割精度低以及出现错分、漏分的问题,提出了一种改进的VGG16-UNet服装图像分割方法(即EF-UNet)。通过在编码器末端加入ECA注意力机制的方法赋予编码器第5层更大权重,更好地提取目标特征信息,从而增强对服装图像的分割能力。进一步在解码器中采用添加多级特征融合的方式捕捉各种尺度的信息特征以达到提高分割效果的目的。结果表明:改进后的分割模型与UNet、PSPNet、DeepLab v3+、VGG16-UNet语义分割模型相比,模型训练指标更高,分割效果更好。相比VGG16-UNet平均交并比(mIOU)、类别平均像素准确率(mPA)和准确度(Accuracy)分别提高了4.62%、4.59%和0.29%。 展开更多

关键词 服装图像 语义分割 VGG16-UNet网络 eca注意力机制 多级特征融合

在线阅读 下载PDF 职称材料

基于改进YOLOv5的PCB表面缺陷检测系统

7

作者 徐沛航 任杰 王瑞仪 《信息技术与信息化》 2024年第11期114-117,共4页

在中国制造业向智能化转型的发展背景下,特别是在国家大力推动新质生产力的潮流中,各类电子设备得到了快速发展,因此,电子产品内部印制电路板(printed circuit board,PCB)的可靠性要求进一步提高。PCB表面缺陷直接影响电子设备的可用性... 在中国制造业向智能化转型的发展背景下,特别是在国家大力推动新质生产力的潮流中,各类电子设备得到了快速发展,因此,电子产品内部印制电路板(printed circuit board,PCB)的可靠性要求进一步提高。PCB表面缺陷直接影响电子设备的可用性和稳定性。传统的手动筛查方法效率低下且容易出现漏检,严重制约了企业的生产效率。鉴于此,在YOLOv5s的基础上,通过引入ECA(efficient channel attention,ECA)注意力机制,能够显著提升对小目标检测的准确性并减少背景噪声的影响,从而提高了整体检测性能。均值平均精度(mean average precision,mAP)相比于原始YOLOv5s从0.881提升至0.915,改进后的模型准确性和鲁棒性得到了进一步提高,能够适应不同工况下的PCB表面缺陷检测需求。此外,基于PyQt实现的检测系统支持图片、离线视频和摄像头实时检测功能,并能显示缺陷类型和数量,对于推动相关企业实现PCB表面缺陷的智能化检测具有重要的实际意义。 展开更多

关键词 新质生产力 印制电路板 表面缺陷检测 YOLOv5s eca注意力机制 均值平均精度 PyQt

在线阅读 下载PDF 职称材料

基于YOLOPose的人体姿态估计轻量级网络 被引量：2

8

作者 王红霞 李枝峻 顾鹏 《沈阳理工大学学报》 CAS 2023年第6期10-16,共7页

为解决人体姿态估计模型在提升预测精度时参数量和计算量增多导致模型运行效率低下的问题,在YOLOPose模型基础上设计出一种轻量级人体姿态估计网络MWE-YOLOPose。选择轻量级MobileNetV3网络重新构建骨干网络,保持特征丰富性同时加快特... 为解决人体姿态估计模型在提升预测精度时参数量和计算量增多导致模型运行效率低下的问题,在YOLOPose模型基础上设计出一种轻量级人体姿态估计网络MWE-YOLOPose。选择轻量级MobileNetV3网络重新构建骨干网络,保持特征丰富性同时加快特征提取速度;调整特征融合层通道数并添加ECA注意力机制进行跨通道交互,实现模型轻量化与准确度的平衡;引用WIOUV2损失函数降低几何因素的惩罚,增强模型的鲁棒性和泛化能力。实验结果显示,在OC_Human数据集上,改进后模型对比原始YOLOPose模型,在保持一定准确度的情况下,模型参数量和计算量分别降低86.8%和71.2%,有效降低了模型运算复杂度。 展开更多

关键词 人体姿态估计 YOLOPose MobileNetV3 WIOUV2 eca注意力机制

在线阅读 下载PDF 职称材料

基于知识蒸馏与EssNet的田间农作物病害识别 被引量：8

9

作者 温钊发 蒲智 +1 位作者 程曦 赵昀杰 《山东农业科学》 北大核心 2023年第5期154-163,共10页

农作物病害的快捷精准识别对我国粮食安全与农业发展提质增效具有重要意义。针对现有病害识别模型参数量大、泛化能力弱、不适用于田间实际场景且不易搭载至移动端等问题,本文提出了EssNet农作物病害识别网络,该网络以ShuffleNetV2_0.5... 农作物病害的快捷精准识别对我国粮食安全与农业发展提质增效具有重要意义。针对现有病害识别模型参数量大、泛化能力弱、不适用于田间实际场景且不易搭载至移动端等问题,本文提出了EssNet农作物病害识别网络,该网络以ShuffleNetV2_0.5为基础网络,引入高效通道注意力(ECA)机制与SiLU激活函数进行结构改进,同时结合知识蒸馏技术使用EfficientNetB0网络对EssNet进行学习指导,最后使用余弦退火衰减策略对学习率进行动态调整使网络表现达到最优。结果表明,本文提出的EssNet农作物病害识别网络对复杂环境下2种作物(玉米、苹果)的11种病害在测试集上的准确率达到95.21%,比基础网络提高2.11个百分点,参数量为0.35 M,权重文件为1.49 MB。该网络的整体性能优于其他现有模型,为建立田间轻量级农作物病害识别方法提供了参考。 展开更多

关键词 田间农作物 病害识别 轻量级 知识蒸馏 EssNet eca注意力机制 余弦退火

在线阅读 下载PDF 职称材料

基于YOLOv5改进的咖啡叶片病虫害检测研究

10

作者 贺壹婷 蔺瑶 +3 位作者 曾晏林 费加杰 黎强 杨毅 《安徽农业科学》 CAS 2023年第13期221-226,共6页

为准确识别自然条件下的咖啡叶片病虫害,提出一种基于YOLOv5改进的目标检测算法。该方法通过在主干网络融入ConvNext网络和ECA注意力机制来优化相关网络模型,提高了网络特征提取能力,更好解决了鲁棒性差和对遮挡目标与小目标的漏检问题... 为准确识别自然条件下的咖啡叶片病虫害,提出一种基于YOLOv5改进的目标检测算法。该方法通过在主干网络融入ConvNext网络和ECA注意力机制来优化相关网络模型,提高了网络特征提取能力,更好解决了鲁棒性差和对遮挡目标与小目标的漏检问题。结果表明,该方法的检测精度均值(mAP)达到了94.13%,检测速度和精度都具有良好效果,同时模型大小只有17.2 MB,可以满足边缘设备的运行条件。因此,改进后的YOLOv5算法可为自然环境下咖啡叶片病虫害识别提供技术支撑,满足实时目标检测的实际应用需求。 展开更多

关键词 咖啡病虫害 YOLOv5 eca注意力机制 ConvNext网络 改进YOLO

在线阅读 下载PDF 职称材料

基于改进YOLOv5的金属构件表面裂纹检测 被引量：2

11

作者 王斌 赵义鹏 +3 位作者 孟豪 张迪迪 李子鹏 王磊磊 《信息技术与信息化》 2023年第11期90-94,共5页

在现代工业生产中金属构件的表面裂纹检测上,人工检测的效果较差,对此,利用机器视觉技术,提出了一种改进的YOLOv5算法,通过将主干网络CSPDarkNet53替换为MobilenetV3轻量化网络来减少模型中的计算参数,并在Neck层中引入ECA注意力机制,... 在现代工业生产中金属构件的表面裂纹检测上,人工检测的效果较差,对此,利用机器视觉技术,提出了一种改进的YOLOv5算法,通过将主干网络CSPDarkNet53替换为MobilenetV3轻量化网络来减少模型中的计算参数,并在Neck层中引入ECA注意力机制,以此来提升检测精度。最后采用EIoU Loss损失函数替换原损失函数,提高了平均精度均值,加速了边界框纵横比的收敛。改进后的模型YOLOMEE在本文金属表面裂纹数据集上的实验结果表明:改进后YOLO-MEE模型权重大小为原模型的23.3%,计算量为原模型的15.8%,参数量为原模型的19.8%,在保证模型轻量化的同时提升平均检测精度到93.8%。通过与主流算法进行对比实验表明,改进模型YOLO-MEE对金属构件表面裂纹有良好的检测效果。 展开更多

关键词 YOLO 裂纹检测 轻量化 eca注意力机制 EIoU损失函数

在线阅读 下载PDF 职称材料

复杂环境下轻量化口罩佩戴检测算法研究

12

作者 段高峰 单剑锋 刘哲 《电子技术应用》 2023年第8期108-113,共6页

针对目前YOLOv4算法巨大的运算量难以满足实时性要求高的口罩佩戴检测系统,提出了一种轻量化检测算法(Light-YOLOv4)。将融合ECA注意力机制的GhostNet网络替换YOLOv4的主干网络减少参数量;借鉴空洞卷积和SPPF提出了ASPPFCSPC结构有效增... 针对目前YOLOv4算法巨大的运算量难以满足实时性要求高的口罩佩戴检测系统,提出了一种轻量化检测算法(Light-YOLOv4)。将融合ECA注意力机制的GhostNet网络替换YOLOv4的主干网络减少参数量;借鉴空洞卷积和SPPF提出了ASPPFCSPC结构有效增大感受野;针对目标过于密集而产生重叠问题,增加了RepBox损失函数,使不同目标的预测框相互远离从而减少漏检。实验表明,Light-YOLOv4算法mAP为94.2%,FPS为46.3帧,模型大小为95 MB,相较于YOLOv4的mAP值仅降低了1.1%,检测速率提高了51.8%,参数量减少了70.0%,模型大小减少了61.1%,对低性能检测设备很友好。 展开更多

关键词 YOLOv4 GhostNet eca注意力机制 RepBox损失

在线阅读 下载PDF 职称材料

基于破坏与重建学习的植物病虫害细粒度分类方法

13

作者 万家乐 李俊丽 《电视技术》 2022年第2期34-39,共6页

目前,我国对植物病虫害的分类主要依靠人工分类的方法,造成了人力浪费、资源利用率低等问题。属于同一类别的植物叶片通常具有极其相似的颜色、形状等外观特征,常规分类方法难以区分。为提高分类速度与准确率,提出一种改进破坏与重建学... 目前,我国对植物病虫害的分类主要依靠人工分类的方法,造成了人力浪费、资源利用率低等问题。属于同一类别的植物叶片通常具有极其相似的颜色、形状等外观特征,常规分类方法难以区分。为提高分类速度与准确率,提出一种改进破坏与重建学习方法的病虫害检测器。针对模型参数量大的问题,引入RepVGG轻量化网络替换ResNet50作为主干网络,减少参数量和计算量。针对训练过程中因维度降低导致识别准确率低的问题,引入有效通道注意力机制(Effcient Channel Attention,ECA)模块,在增加少量模型复杂性的同时提高检测精度。试验结果表明,改进后的破坏与重建模型准确率可达到96.74%。与ResNet50、VGG16、RepVGG等模型的病虫害识别对比试验结果表明,所提的模型比其他模型的平均精度提升了4.64%~9.9%,具有更高的分类精度。 展开更多

关键词 破坏与重建学习 细粒度分类 有效通道注意力机制(eca) 病虫害识别

在线阅读 下载PDF 职称材料

基于迁移学习和改进EfficientNet-B0的脑肿瘤分类算法

14

作者 王勇 杨义龙 +2 位作者 范晓晖 周雷 孔祥勇 《电子科技》 2025年第4期46-51,共6页

针对现有脑肿瘤分类模型和方法复杂度高以及识别率低等问题,文中提出一种基于改进EfficientNet-B0的模型用于3种脑肿瘤分类。在数据预处理阶段,使用ROI(Region of Interest)特征裁剪出脑肿瘤图像的关键特征区域,并按肿瘤类型扩增数据集... 针对现有脑肿瘤分类模型和方法复杂度高以及识别率低等问题,文中提出一种基于改进EfficientNet-B0的模型用于3种脑肿瘤分类。在数据预处理阶段,使用ROI(Region of Interest)特征裁剪出脑肿瘤图像的关键特征区域,并按肿瘤类型扩增数据集。根据卷积网络设计思想重新设计了EfficientNet中的MBConv(Mobile Inverted Bottleneck Convolution)模块,在首步卷积后引入卷积注意力CBAM(Convolutional Block Attention Module)。为了更完整地进行迁移学习,在不修改原始输出结构的基础上外接3个神经元用于脑肿瘤的三分类。改进网络模型具有更低的复杂度,可更好地适应肿瘤病灶的识别。文中利用迁移学习方法在公开数据集figshare-Brain Tumor Dataset上进行微调。实验结果表明,改进模型在该公共数据集上分类准确率为99.67%,相较于原始EfficientNet-B0网络提升了约3.1百分点。 展开更多

关键词 脑肿瘤分类 深度学习 卷积神经网络 阈值化处理 类平衡 EfficientNet eca注意力机制 CBAM注意力机制

在线阅读 下载PDF 职称材料