期刊文献+
共找到57篇文章
< 1 2 3 >
每页显示 20 50 100
噪声背景下梅尔频率倒谱系数与多注意力网络在电机故障诊断中的应用
1
作者 宋恩哲 朱仁杰 +2 位作者 靖海国 姚崇 柯赟 《哈尔滨工程大学学报》 北大核心 2025年第3期475-485,共11页
针对电机实际工作过程中存在噪声干扰导致故障诊断精度下降的问题,本文提出了一种基于梅尔频率倒谱系数动态特征与多注意力融合卷积神经网络的故障诊断方法。通过梅尔频率倒谱系数动态特征提取噪声信号中的低频信息,并结合卷积注意力模... 针对电机实际工作过程中存在噪声干扰导致故障诊断精度下降的问题,本文提出了一种基于梅尔频率倒谱系数动态特征与多注意力融合卷积神经网络的故障诊断方法。通过梅尔频率倒谱系数动态特征提取噪声信号中的低频信息,并结合卷积注意力模块的自适应调节能力及多特征融合策略进一步减少噪声对故障诊断的干扰。通过电机台架数据验证了该方法在噪声条件下诊断的可行性,然而该方法受梅尔频率倒谱系数参数与网络结构的直接影响,因此具体分析了不同参数条件对抗噪性能的影响。实验结果表明:在信噪比-10 dB噪声背景下,梅尔频率倒谱系数动态特征与多注意力融合卷积神经网络相结合的故障诊断方法仍保持90%以上的诊断精度。 展开更多
关键词 电机 故障诊断 噪声环境 梅尔频率倒谱系数 卷积神经网络 多尺度 卷积注意力模块 特征融合
在线阅读 下载PDF
基于光伏组件图像特征的故障检测方法
2
作者 殷孝雎 于金池 +1 位作者 郝志鹏 潘雪 《太阳能学报》 北大核心 2025年第4期273-279,共7页
针对集中式光伏电站地形复杂、面积广、光伏组件故障识别较困难的情况,提出基于YOLOv8模型改进的光伏组件故障识别检测方法。基于Backbone结构采用渐进特征金字塔(AFPN)融合不同层级的图像提取多尺度信息,增强上下文信息的融合。通过在N... 针对集中式光伏电站地形复杂、面积广、光伏组件故障识别较困难的情况,提出基于YOLOv8模型改进的光伏组件故障识别检测方法。基于Backbone结构采用渐进特征金字塔(AFPN)融合不同层级的图像提取多尺度信息,增强上下文信息的融合。通过在Neck结构添加无参数注意力机制(SimAM),由能量函数推断出特征图中的三维注意力权重,轻量化地提高模型表征能力。取代每个池化层和每个跨步卷积层而建立SPD-Conv卷集神经网络,提高光伏组件图像中出现热斑、黑边和划痕等小目标特征的故障识别能力。实验结果表明,改进模型召回率和精确率分别达到78.7%和84.9%,平均精度mAP50和mAP50-95分别达到86%和57.9%,实现对光伏组件故障的识别与定位,验证该模型的正确性和有效性。 展开更多
关键词 光伏组件 深度学习 目标检测 卷积神经网络 改进YOLOv8 注意力机制
在线阅读 下载PDF
基于改进RetinaNet模型速冻水饺表面缺陷检测
3
作者 费致根 郭兴 +2 位作者 宋晓晓 鲁豪 赵鑫昌 《食品工业科技》 北大核心 2025年第6期9-19,共11页
目的:提升速冻水饺表面缺陷检测的精度。方法:制作了包含五种冻饺形态(正常、露馅、半饺、破肚、粘连)的数据集,提出了用于速冻水饺表面缺陷检测与定位的网络模型GX-RetinaNet。该模型基于RetinaNet网络改进,主干特征提取网络采用ResNeX... 目的:提升速冻水饺表面缺陷检测的精度。方法:制作了包含五种冻饺形态(正常、露馅、半饺、破肚、粘连)的数据集,提出了用于速冻水饺表面缺陷检测与定位的网络模型GX-RetinaNet。该模型基于RetinaNet网络改进,主干特征提取网络采用ResNeXt-50模型,增强网络特征提取能力,引入卷积块注意力模块(Convolutional Block Attention Module,CBAM)与Swish激活函数有效抑制背景噪声,通过在特征金字塔模块(Feature Pyramid Networks,FPN)后增加PAN结构(Path Aggregation Network)组成双向特征融合模块,可以提升对目标多尺度特征信息的融合能力。结果:GX-RetinaNet网络对工业现场条件下速冻水饺表面缺陷的在线检测精度优于主流的几种目标检测网络,其平均精度均值(mAP)为94.8%,召回率(Recall)为77.0%,F1分数(F1-score)为84.9%。与RetinaNet网络相比,mAP、Recall和F1-score分别提高了2.6%、2.6%、2.4%。结论:GX-RetinaNet网络模型可以满足冻饺表面缺陷检测精度的要求,本研究为深度学习理论在速冻水饺表面缺陷检测方面的应用提供了一种可行的方法。 展开更多
关键词 速冻水饺表面缺陷检测 RetinaNet ResNeXt-50 卷积块注意力模块 双向特征融合模块
在线阅读 下载PDF
基于逐次变分模态分解和CBAM-ResNet的滚动轴承故障诊断方法
4
作者 陈志刚 陶子纯 +1 位作者 王衍学 史梦瑶 《振动与冲击》 北大核心 2025年第4期298-304,312,共8页
针对噪声背景下滚动轴承信号故障特征提取与智能诊断问题,提出基于逐次变分模态分解(successive variational mode decomposition,SVMD)以及注意力机制-残差神经网络(convolutional block attention module-residual neural network,CBA... 针对噪声背景下滚动轴承信号故障特征提取与智能诊断问题,提出基于逐次变分模态分解(successive variational mode decomposition,SVMD)以及注意力机制-残差神经网络(convolutional block attention module-residual neural network,CBAM-ResNet)的轴承故障诊断方法。首先对轴承振动信号进行SVMD分解成一系列本征模态分量,根据包络熵和峭度融合评价指标选择含故障特征明显的模态分量并重构;将重构信号进行短时傅里叶变换得到时频图像。之后利用CBAM能够自适应捕捉图形特征的特点,把重构信号的时频图像输入CBAM-ResNet模型进行特征提取和故障模式识别。在CBAM-ResNet模型训练过程中,使用迁移学习的方法初始化ResNet模型的参数来提高模型的泛化性。与其他传统模型相比,该研究的分类准确率高达96.68%,具有更强的故障特征提取能力。试验结果表明,CBAM-ResNet模型在变工况环境下也具有较高的识别精度。 展开更多
关键词 故障诊断 滚动轴承 逐次变分模态分解 卷积注意力模块 残差神经网络
在线阅读 下载PDF
基于残差BiLSTM和改进CBAM的航迹关联方法
5
作者 贾燎原 曹伟 +2 位作者 张晓峰 陆翔 周恒亮 《火力与指挥控制》 北大核心 2025年第2期100-106,115,共8页
针对目前智能航迹关联算法关联准确率较低的问题,提出一种由残差网络、双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)与改进的卷积注意力模块(improved convolutional block attention module,ICBAM)结合而成的残差... 针对目前智能航迹关联算法关联准确率较低的问题,提出一种由残差网络、双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)与改进的卷积注意力模块(improved convolutional block attention module,ICBAM)结合而成的残差BiLSTM-ICBAM航迹关联模型。在BiLSTM模型的基础上引入残差网络,增强模型提取航迹上下游特征的同时抑制网络退化问题;加入改进的CBAM注意力模块,分析输入信息与当前航迹特征的相关性并突出关键特征的影响,进而增强局部特征提取能力以及误差跟踪能力;在航迹关联数据上的实验结果表明,残差BiLSTM-ICBAM航迹关联模型比现有方法在准确率、稳定性中表现出了明显的性能优势。 展开更多
关键词 航迹关联 残差网络 双向长短时记忆神经网络 卷积注意力模块
在线阅读 下载PDF
基于改进YOLOv8n的无人机航拍图像目标检测
6
作者 尚潘 《无线互联科技》 2025年第4期84-87,共4页
针对无人机航拍图像目标检测中存在精度不足和资源受限问题,文章提出一种基于改进YOLOv8n模型的目标检测算法。首先,在现有模型中引入卷积块注意力模块(Convolutional Block Attention Module,CBAM),以增强模型对关键特征的关注并抑制... 针对无人机航拍图像目标检测中存在精度不足和资源受限问题,文章提出一种基于改进YOLOv8n模型的目标检测算法。首先,在现有模型中引入卷积块注意力模块(Convolutional Block Attention Module,CBAM),以增强模型对关键特征的关注并抑制非关键区域的干扰;其次,采用深度可分离卷积(Depthwise Separable Convolution,DW Conv)进行轻量化设计,在显著降低模型参数量和计算复杂度的同时保持高效的特征提取能力。通过实验对比,分析了单独引入CBAM、DW Conv模块以及两者结合使用的效果。实验结果表明,改进后的算法在无人机航拍图像的检测精度上提升了3%,计算复杂度降低了13.4%,模型参数量减少了4%,而且在准确性和实时性方面均取得了显著提升。该算法为无人机航拍图像的目标检测提供了一种高效、准确的解决方案。 展开更多
关键词 无人机航拍图像 YOLOv8模型 目标检测 卷积块注意力模块 深度可分离卷积
在线阅读 下载PDF
基于DenseNet和卷积注意力模块的高精度手势识别 被引量:5
7
作者 赵雅琴 宋雨晴 +3 位作者 吴晗 何胜阳 刘璞秋 吴龙文 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第3期967-976,共10页
非接触的手势识别是一种新型人机交互方式,在增强现实(AR)/虚拟现实(VR)、智能家居、智能医疗等方面有着广阔的应用前景,近年来成为一个研究热点。由于需要利用毫米波雷达进行更精确的微动手势识别,该文提出一种新型的基于MIMO毫米波雷... 非接触的手势识别是一种新型人机交互方式,在增强现实(AR)/虚拟现实(VR)、智能家居、智能医疗等方面有着广阔的应用前景,近年来成为一个研究热点。由于需要利用毫米波雷达进行更精确的微动手势识别,该文提出一种新型的基于MIMO毫米波雷达的微动手势识别方法。采用4片AWR1243雷达板级联而成的毫米波级联(MMWCAS)雷达采集手势回波,对手势回波进行时频分析,基于距离-多普勒(RD)图和3D点云检测出人手目标。通过数据预处理,提取手势目标的距离-时间谱图(RTM)、多普勒-时间谱图(DTM)、方位角-时间谱图(ATM)和俯仰角-时间谱图(ETM),更加全面地表征手势的运动特征,并形成混合特征谱图(FTM),对12种微动手势进行识别。设计了基于DenseNet和卷积注意力模块的手势识别网络,将混合特征谱图作为网络的输入,创新性地融合了卷积注意力模块(CBAM),实验表明,识别准确率达到99.03%,且该网络将注意力放在手势动作的前半段,实现了高精度的手势识别。 展开更多
关键词 手势识别 毫米波雷达 卷积神经网络 卷积注意力模块
在线阅读 下载PDF
基于注意力机制和迁移学习的服装分类方法 被引量:1
8
作者 陈金广 黄晓菊 马丽丽 《西安工程大学学报》 CAS 2024年第3期109-116,共8页
针对服装图像分类效率低、准确率不高等问题,提出了一种基于注意力机制和迁移学习的服装图像分类方法。主要采用预训练的ResNet50网络模型在服装数据集上进行迁移学习,以降低对数据集的依赖,并减少网络训练时间;通过几何变换和颜色抖动... 针对服装图像分类效率低、准确率不高等问题,提出了一种基于注意力机制和迁移学习的服装图像分类方法。主要采用预训练的ResNet50网络模型在服装数据集上进行迁移学习,以降低对数据集的依赖,并减少网络训练时间;通过几何变换和颜色抖动2种数据增强手段处理数据集,提高模型的泛化能力;以ResNet50为基础网络,加入卷积注意力机制模块(convolutional block attention module, CBAM),依次从通道和空间2个维度提高对服装不同区域的关注度,增强了特征表达能力。在CD和IDFashion两类背景干扰信息不同的数据集上进行验证,实验结果表明:所提出的模型能够提取更多服装特征信息,在IDFashion数据集的平均分类准确率为95.60%,分别高于ResNet50、ResNet50+STN和ResNet50+ECA模型6.65%、6.69%、6.62%,一定程度上提高了服装图像分类的准确率和效率。 展开更多
关键词 服装图像分类 ResNet50 卷积注意力机制模块(CBAM) 注意力机制 迁移学习
在线阅读 下载PDF
基于卷积注意力机制的阀门内漏声发射识别方法
9
作者 黄鑫 屈文忠 肖黎 《振动与冲击》 EI CSCD 北大核心 2024年第9期105-114,共10页
阀门结构作为核电厂的关键设备部件之一,因长期处于高温高压环境下,其闸板或阀瓣易发生热变形或磨损导致密封不良,进而引发内漏事故。实时在线识别阀门的内漏状态,对提升核电机组热效率、提高阀门可靠性具有重要意义。因实际工业现场的... 阀门结构作为核电厂的关键设备部件之一,因长期处于高温高压环境下,其闸板或阀瓣易发生热变形或磨损导致密封不良,进而引发内漏事故。实时在线识别阀门的内漏状态,对提升核电机组热效率、提高阀门可靠性具有重要意义。因实际工业现场的基底噪声极易掩盖阀门内漏的声发射信号,进而造成阀门内漏状态的误判。为实现阀门内漏状态的快速准确识别,搭建了阀门内漏检测试验台架,开发了基于声发射方法的阀门内漏检测分析系统,将卷积注意力机制引入卷积神经网络中,实现高效快速地识别阀门内漏状态。结果表明,基于阀门内漏的声发射信号频域数据,利用卷积注意力机制神经网络能有效准确地识别阀门内漏状态,在内漏率为26 L/h时,识别准确率高达98%,并且具有较好的可靠性和鲁棒性。 展开更多
关键词 阀门结构 内漏 声发射 卷积注意力模块 卷积神经网络
在线阅读 下载PDF
基于改进U-Net的干式磁选矿带图像分割
10
作者 刘石梅 肖晶峰 +3 位作者 刘洋 黄勇 肖盛旺 张胜广 《矿冶工程》 CAS 北大核心 2024年第6期41-45,共5页
为解决干式磁选过程中矿带不确定性问题,采用机器视觉技术,提出一种基于改进U-Net模型的图像分割方法。该模型利用CBAM注意力模块,提高网络对目标区域的识别和关注能力,有助于实现复杂背景下目标物体的图像分割;采用深度可分离卷积,降... 为解决干式磁选过程中矿带不确定性问题,采用机器视觉技术,提出一种基于改进U-Net模型的图像分割方法。该模型利用CBAM注意力模块,提高网络对目标区域的识别和关注能力,有助于实现复杂背景下目标物体的图像分割;采用深度可分离卷积,降低计算复杂度的同时兼顾精度,为获取分辨率较高的矿带图像提供有力支持,从而适应磁选场景,改善网络性能。该模型分割精度为92.28%,轮廓提取完整性和去噪能力优于经典U-Net、DeepLabV3+和PSPNet模型。 展开更多
关键词 干式磁选 图像识别 图像分割 机器视觉 U-Net CBAM注意力机制 深度可分离卷积
在线阅读 下载PDF
WGAN-GP结合CBAM-VGG16轻量化网络滚动轴承故障诊断
11
作者 闫向彤 罗嘉伟 曹现刚 《噪声与振动控制》 CSCD 北大核心 2024年第5期120-127,共8页
针对滚动轴承故障诊断中存在的故障数据不平衡且诊断效率低的问题,提出一种将改进的生成对抗网络(Wasserstein Generative Adversarial Network with Gradient Penalty,WGAN-GP)和轻量化卷积神经网络相结合的滚动轴承故障诊断方法。首先... 针对滚动轴承故障诊断中存在的故障数据不平衡且诊断效率低的问题,提出一种将改进的生成对抗网络(Wasserstein Generative Adversarial Network with Gradient Penalty,WGAN-GP)和轻量化卷积神经网络相结合的滚动轴承故障诊断方法。首先,利用连续小波变换(Continuous Wavelet Transform,CWT)生成二维时频图,并通过WGAN-GP进行数据增强;其次在视觉几何群网络(Visual Geometry Group Network-16,VGG16)的基础上,引入Ghost模块和全局平均池化(Global Average Pooling,GAP)对其进行轻量化改进;再次,利用卷积注意力模块(Convolutional Block Attention Module,CBAM)和带重启的余弦退火衰减法提高VGG16模型的性能,构建CBAM-VGG16轻量化卷积神经网络模型,将增强后的数据进行预处理后输入到模型中进行训练,建立故障诊断模型;最后采用西储大学轴承数据集进行模型验证和分析。实验结果表明:该方法证实了故障数据不足时进行故障诊断的可行性,缩短了模型的训练时间、诊断时间并缩减了模型的大小和参数量,提高了故障诊断的效率和准确率。 展开更多
关键词 故障诊断 滚动轴承 生成对抗网络 Ghost模块 卷积注意力模块
在线阅读 下载PDF
基于YOLO算法的非机动车辆检测模型
12
作者 王树凤 梁庆伟 +1 位作者 王宇航 周倩 《汽车工程师》 2024年第8期8-14,共7页
针对自动驾驶车辆目标检测过程中非机动车因体积小、易被遮挡而导致误检和漏检的问题,为提高非机动车的检测精度,对YOLOv4基础算法进行改进,利用跨阶段连接优化特征提取融合网络,在减少计算量的同时提高检测性能,并嵌入卷积块注意力模块... 针对自动驾驶车辆目标检测过程中非机动车因体积小、易被遮挡而导致误检和漏检的问题,为提高非机动车的检测精度,对YOLOv4基础算法进行改进,利用跨阶段连接优化特征提取融合网络,在减少计算量的同时提高检测性能,并嵌入卷积块注意力模块(CBAM),通过通道和空间注意力权值分配来增大有效特征权重、提高检测精度,同时,利用自建的非机动车数据集,在锚框(Anchor)自适应匹配的基础上建立非机动车检测模型。最后,为验证模型的有效性,通过消融实验对比模型性能,结果表明,所提出的检测模型能够有效提高非机动车的检测和识别效果,较好地解决误检和漏检问题。 展开更多
关键词 非机动车检测 YOLOv4算法 卷积块注意力模块 跨阶段连接 消融实验
在线阅读 下载PDF
物联网场景下基于蜜场的分布式网络入侵检测系统研究 被引量:8
13
作者 吴昊 郝佳佳 卢云龙 《通信学报》 EI CSCD 北大核心 2024年第1期106-118,共13页
为了解决物联网网络入侵检测系统无法识别新型攻击、灵活性有限等问题,基于蜜场提出了一种能有效识别异常流量和具备持续学习能力的网络入侵检测系统。首先,结合卷积块注意力模块的特点,构建专注于通道和空间双维度的异常流量检测模型,... 为了解决物联网网络入侵检测系统无法识别新型攻击、灵活性有限等问题,基于蜜场提出了一种能有效识别异常流量和具备持续学习能力的网络入侵检测系统。首先,结合卷积块注意力模块的特点,构建专注于通道和空间双维度的异常流量检测模型,从而提高模型的识别能力。其次,利用联邦学习下的模型训练方案,提高模型的泛化能力。最后,基于蜜场对边缘节点的异常流量检测模型进行更新迭代,从而提高系统对新型攻击流量的识别准确度。实验结果表明,所提系统不仅能有效检测出网络流量中的异常行为,还可以持续提高对异常流量的检测性能。 展开更多
关键词 网络入侵检测系统 联邦学习 蜜场 卷积块注意力模块 物联网
在线阅读 下载PDF
基于CBAM-GRU的通信信号自动调制识别 被引量:1
14
作者 杨宵 姚爱琴 +2 位作者 孙运强 石喜玲 张婉婷 《遥测遥控》 2024年第5期73-81,共9页
本文研究了一种基于卷积注意力机制模块(CBAM)与门控循环单元网络(GRU)结合的CBAM-GRU分类模型,用于非合作通信系统中的自动调制识别技术。将信号预处理后的时域幅度值、相位值以及I/Q值合并,转换为输入采样值矩阵,进入网络进行信号分... 本文研究了一种基于卷积注意力机制模块(CBAM)与门控循环单元网络(GRU)结合的CBAM-GRU分类模型,用于非合作通信系统中的自动调制识别技术。将信号预处理后的时域幅度值、相位值以及I/Q值合并,转换为输入采样值矩阵,进入网络进行信号分类识别。使用无线电数据集RadioML2016.10a进行仿真实验,并将CBAM-GRU模型与卷积神经网络(CNN)、长短期记忆网络(LSTM)、GRU、卷积长短时深度神经网络(CLDNN)进行比较。实验结果表明:CBAM-GRU模型的分类识别率达到92.79%,相较于对比模型分别提高了8.52%、1.84%、1.75%、8.61%,比传统的CNN或LSTM模型,在处理信号时能够更有效地捕捉时空特征,从而提高识别精度。 展开更多
关键词 自动调制识别 非合作通信系统 卷积注意力机制 门控循环单元网络
在线阅读 下载PDF
多尺度特征融合注意力新冠肺炎病灶分割网络 被引量:1
15
作者 林洁沁 黄新 《激光杂志》 CAS 北大核心 2024年第3期168-174,共7页
新冠病毒传染性极强,尽早的诊断和治疗是减少疫情造成损失的关键因素。为辅助医生诊断新冠病情,高效、准确地从肺部CT切片中分割新冠病灶,提出了一种改进的编码器-解码器深度神经网络———多尺度融合注意力网络MSANet(Multi-scale Atte... 新冠病毒传染性极强,尽早的诊断和治疗是减少疫情造成损失的关键因素。为辅助医生诊断新冠病情,高效、准确地从肺部CT切片中分割新冠病灶,提出了一种改进的编码器-解码器深度神经网络———多尺度融合注意力网络MSANet(Multi-scale Attention Network),以图像分割效果较为出色的U-Net网络为基础,通过全局池化层和设置空洞卷积的采样率,增大网络感受野,捕获多尺度信息,实现对大目标的有效分割;使用通道注意力与空间注意力,在空间维度上建模,有效提取图像深层特征。测试结果表明,改进后的算法与U-Net网络相比,分割的平均交并比提升了1.46%,类别平均像素准确率提升了0.8%,准确率提升了1.17%。 展开更多
关键词 图像处理 特征提取 卷积块注意力模块 空洞空间卷积池化金字塔 U-Net结构 多尺度特征融合
在线阅读 下载PDF
基于改进DINO的铁路接触网异物检测方法 被引量:2
16
作者 史天运 侯博 +1 位作者 李国华 代明睿 《中国铁道科学》 EI CAS CSCD 北大核心 2024年第4期158-167,共10页
针对铁路接触网异物类别多样、场景多变的开放目标检测问题,提出基于改进DINO目标检测算法的铁路接触网异物检测方法。首先,基于铁路接触网异物图像特征,利用EfficientNet网络替换原始模型中的Resnet主干网络,并结合卷积注意力模块(Conv... 针对铁路接触网异物类别多样、场景多变的开放目标检测问题,提出基于改进DINO目标检测算法的铁路接触网异物检测方法。首先,基于铁路接触网异物图像特征,利用EfficientNet网络替换原始模型中的Resnet主干网络,并结合卷积注意力模块(Convolutional Block Attention Module,CBAM)对EfficientNet网络进行改进,在颈部结构采用改进后的加权双向特征金字塔网络(Bidirectional Feature Pyramid Network,BiFPN),以增强模型对重要特征的关注度,提升检测性能;其次,通过马赛克数据增强和环境干扰等多种数据增强技术对输入图片数据进行处理,丰富样本数据的特征;最后,利用铁路人工智能平台实现铁路接触网异物检测的应用。结果表明:所提方法在性能方面表现优异,其平均精度均值可达89.87%,与YOLOv5,DETR和原始DINO这3种典型的目标检测算法相比,分别提高了6.40%,7.31%和5.75%。该方法能够满足行车线路上接触网异物的准确、快速及智能化识别要求,为接触网异物检测提供重要的技术支撑。 展开更多
关键词 铁路接触网 异物识别 目标检测 人工智能平台 卷积注意力模块
在线阅读 下载PDF
基于改进YOLOv5的镍板表面缺陷检测方法 被引量:3
17
作者 谭沁源 唐勇 +2 位作者 金岩 覃美满 吴伟 《矿冶工程》 CAS 北大核心 2024年第2期160-166,共7页
针对镍板表面缺陷检测智能化程度低的问题,提出了一种基于改进YOLOv5的镍板表面缺陷检测方法。首先,对图像增强后的镍板数据集通过K-means++重新聚类锚框,提高锚框对本文数据集的适应度。其次,在主干网络Backbone中加入CBAM注意力机制,... 针对镍板表面缺陷检测智能化程度低的问题,提出了一种基于改进YOLOv5的镍板表面缺陷检测方法。首先,对图像增强后的镍板数据集通过K-means++重新聚类锚框,提高锚框对本文数据集的适应度。其次,在主干网络Backbone中加入CBAM注意力机制,通过空间与通道信息融合来加强对感兴趣区域以及不清晰目标的特征识别。最后,在边界框回归时引入EIoU损失函数代替原CIoU损失函数,有效提高回归收敛速度,从而提高模型检测速度。实验结果表明,在自建的镍板缺陷数据集上,改进后的模型检测准确率高于Faster R-CNN、SSD、YOLOv3、YOLOv5等模型,其平均精度均值达81.4%,检测速度达61帧/s,模型在提高检测精度的同时也很好地满足了对检测速度的要求。 展开更多
关键词 表面缺陷 镍板 缺陷检测 图像处理 图像增强算法 YOLOv5 注意力机制 EIoU损失函数 准确率 平均精度 检测速度
在线阅读 下载PDF
基于改进YOLOv7-tiny的工业金属表面缺陷检测方法 被引量:1
18
作者 任一辰 汤影 《电子设计工程》 2024年第17期185-190,共6页
针对传统检测方法对于工业金属表面缺陷检测存在效率低,难以适应工业生产的缺点,以及目前YOLOv7-tiny算法中容易造成漏检等问题,该文提出了一种改进YOLOv7-tiny的工业金属表面缺陷检测方法。通过在主干网络中引入注意力机制相关的CBAM模... 针对传统检测方法对于工业金属表面缺陷检测存在效率低,难以适应工业生产的缺点,以及目前YOLOv7-tiny算法中容易造成漏检等问题,该文提出了一种改进YOLOv7-tiny的工业金属表面缺陷检测方法。通过在主干网络中引入注意力机制相关的CBAM模块,并且使用SiLU激活函数对原有的LeakyReLU激活函数进行替换,即替换CBL模块为CBS模块。在多尺度特征融合网络中增加了一个更大尺度的特征图进行特征融合,并增加一个相应尺度的检测头。使用EIoU作为损失函数来提高检测精度。GC10-DET工业金属表面缺陷数据集上的实验结果表明,改进后算法的平均检测精度相比原算法提高了4.29%,有效改善了漏检等情况,提高了检测精度。 展开更多
关键词 金属缺陷检测 YOLOv7-tiny 注意力机制 CBAM
在线阅读 下载PDF
基于并联自适应残差网络与CBAM的ECT图像重建 被引量:1
19
作者 马敏 吴环 《计量学报》 CSCD 北大核心 2024年第2期214-221,共8页
为解决电容层析成像中软场效应导致重建图像精度低的问题,提出了一种基于并联自适应残差网络与卷积注意力机制的图像重建算法。通过引入并联自适应残差模块提取丰富的特征层信息,再利用压缩激励网络调整各通道的权重系数,达到过滤冗余... 为解决电容层析成像中软场效应导致重建图像精度低的问题,提出了一种基于并联自适应残差网络与卷积注意力机制的图像重建算法。通过引入并联自适应残差模块提取丰富的特征层信息,再利用压缩激励网络调整各通道的权重系数,达到过滤冗余信息的效果,引入卷积注意力机制学习浅层特征的通道和空间信息,将卷积注意力机制通道与并联自适应残差网络进行特征融合以补偿损失的浅层特征和空间信息。仿真结果表明,相比LBP算法、Landweber迭代算法、1D CNN算法,改进算法有效提高了重建质量。 展开更多
关键词 多相流测量 电容层析成像 图像重建 并联自适应残差网络 卷积注意力机制
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
20
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
上一页 1 2 3 下一页 到第
使用帮助 返回顶部