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1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ECA注意力机制改进的EfficientNet-E模型的森林火灾识别 被引量：5
1
作者 周浪 樊坤 +1 位作者 瞿华 张丁然 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第2期42-49,共8页
火灾的发生给社会带来了巨大损失,森林火灾防治任务日益迫切,而全球变暖的趋势使得这一问题更加复杂。深度学习在各行各业发挥着重要作用,大量模型也被不断地设计和提出,且模型改进的方式多种多样。文中提出了EfficientNet-E模型,它利... 火灾的发生给社会带来了巨大损失,森林火灾防治任务日益迫切,而全球变暖的趋势使得这一问题更加复杂。深度学习在各行各业发挥着重要作用,大量模型也被不断地设计和提出,且模型改进的方式多种多样。文中提出了EfficientNet-E模型,它利用更为先进的ECA模块(高效通道注意力模块)来替换EfficientNet模型中的SE模块,通过增强注意力机制性能提升模型的性能。相较于SE模块,ECA模块更好地保留了传输中的信息,使得数据特征在传输过程中保留更充分,从而能够优化模型。为验证EfficientNet-E模型的性能,以及EfficientNet设计思想在森林火灾识别问题上相较于传统模型的优势,文中选取了经典模型中的代表——ResNet和DenseNet作为对照参考,并结合EfficientNet和EfficientNet-E进行了相关实验。实验选用3303张森林火灾、非火灾和烟雾图片。多轮试验结果显示,EfficientNet-E在识别森林火灾数据上的效果要好于常规的经典深度学习模型,且相较于原始EfficientNet的平均准确率(89.28%),EfficientNet-E的平均准确率(90.04%)有所提升,标准差更小,训练稳定性也更好,从而证实了改进后的EfficientNet-E性能更加优良。 展开更多
关键词 深度学习 图像识别 森林火灾 efficientnet-e 注意力机制
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