检索结果-维普期刊中文期刊服务平台

基于改进的DeepLabV3+网络的Sentinel-1影像水体提取: 1; 作者赵兴旺赵妍 +1 位作者刘超刘春阳《测绘通报》北大核心 2025年第3期66-70,共5页; 为了提高雷达影像提取水体的精度,本文以2023年Sentinel-1系列影像为数据源,在DeepLabV3+网络模型的基础上优化主干网络,并融合SE通道注意力机制,提出了一种改进的深度学习网络模型SEDeepLabV3+,针对改进的模型进行了消融试验,并以7月3... 展开更多; 关键词 DeepLabV3+ 水体提取 se通道注意力机制 sentinel-1影像语义分割; 在线阅读下载PDF 职称材料

一种改进的基于YOLOv5s的轻量化航拍目标检测模型被引量：3: 2; 作者陈海燕毛利宏《计算机科学》 CSCD 北大核心 2024年第S02期465-472,共8页; 无人机航拍图像背景复杂、目标密集且小目标占比大,加大了目标检测的难度。基于深度学习的目标检测模型计算复杂度高,难以部署在无人机搭载的嵌入式设备上。针对此问题,提出了一种改进的基于YOLOv5s的轻量化航拍图像目标检测模型。首先... 展开更多; 关键词目标检测轻量化网络 YOLOv5s se通道注意力机制通道剪枝; 在线阅读下载PDF 职称材料

基于文本和声学特征的双模态融合抑郁倾向识别算法被引量：1: 3; 作者赵健崔骞 +1 位作者石佳刘岳《计算机工程》 CAS CSCD 北大核心 2024年第11期49-58,共10页; 在抑郁症诊断中,抑郁症患者的面部表情、声音信号和文字等数据可以作为评估抑郁倾向的客观指标。相较于视频,文本和音频模态在处理敏感的个人信息时能更好地保护患者的隐私,并且文本和音频均属于语言模态,相关性较强。针对抑郁倾向识别... 展开更多; 关键词 Transformer模型 VGGish网络双模态融合抑郁倾向识别 se通道注意力机制深度学习; 在线阅读下载PDF 职称材料

基于YOLO v4优化的航拍绝缘子缺陷图像检测模型被引量：14: 4; 作者霍超谷晓钢 +1 位作者黄玲琴栾声扬《电子测量技术》北大核心 2023年第9期175-181,共7页; 针对现有绝缘子缺陷检测模型检测精度低、实时性差和网络参数多的问题,提出了一种基于YOLO v4改进的绝缘子缺陷检测模型。首先,利用改进的VGG卷积神经网络实现了主干特征提取。其次,在加强特征提取网络和预测网络中引入深度可分离卷积,... 展开更多; 关键词绝缘子缺陷检测 YOLO v4模型 se通道注意力机制轻量化深度可分离卷积; 在线阅读下载PDF 职称材料

题名基于改进的DeepLabV3+网络的Sentinel-1影像水体提取: 1; 作者赵兴旺赵妍刘超刘春阳; 机构安徽理工大学空间信息与测绘工程学院矿山采动灾害空天地协同监测与预警安徽普通高校重点实验室矿区环境与灾害协同监测煤炭行业工程研究中心; 出处《测绘通报》北大核心 2025年第3期66-70,共5页; 基金安徽省自然科学基金(2208085MD101,2108085QD171)。; 文摘为了提高雷达影像提取水体的精度,本文以2023年Sentinel-1系列影像为数据源,在DeepLabV3+网络模型的基础上优化主干网络,并融合SE通道注意力机制,提出了一种改进的深度学习网络模型SEDeepLabV3+,针对改进的模型进行了消融试验,并以7月31日北京市昌平区水体提取为例,对该模型进行了验证。试验结果表明,使用改进后的SEDeepLabV3+方法提取水体时,平均交并比与像素准确率能够达到88.55%和93.49%,与DeepLabV3+、HRNet、U-Net相比,平均交并比分别提高了2.26%、2.31%和5.08%,平均像素准确率分别提高了0.76%、0.80%和3.07%,改进后的SEDeepLabV3+不仅具有更轻量级的网络结构,而且能够有效地提高水体提取精度和效率。; 关键词 DeepLabV3+ 水体提取 se通道注意力机制 sentinel-1影像语义分割; Keywords DeepLabV3+ water extraction se channel attention mechanism sentinel-1 images semantic segmentation; 分类号 P237 [天文地球—摄影测量与遥感]; 在线阅读下载PDF 职称材料

题名一种改进的基于YOLOv5s的轻量化航拍目标检测模型被引量：3: 2; 作者陈海燕毛利宏; 机构兰州理工大学计算机与通信学院; 出处《计算机科学》 CSCD 北大核心 2024年第S02期465-472,共8页; 基金国家自然科学基金(62161019,62061024)。; 文摘无人机航拍图像背景复杂、目标密集且小目标占比大,加大了目标检测的难度。基于深度学习的目标检测模型计算复杂度高,难以部署在无人机搭载的嵌入式设备上。针对此问题,提出了一种改进的基于YOLOv5s的轻量化航拍图像目标检测模型。首先将YOLOv5s主干网络的C3模块BottleNeck替换为轻量级的ShuffleNetv2网络,来降低模型的参数量和计算复杂度;其次在ShuffleNetv2网络中引入跨层信息交叉融合、SE通道注意力机制以及残差连接,来缓解卷积操作导致的特征通道数减少、网络中间层特征图的信息利用不充分问题;再次在YOLOv5s多尺度特征融合网络中引入SE通道注意力机制,来提高网络对关键特征的捕捉和提取能力;最后对改进的目标检测模型采用通道剪枝的方法使模型进一步轻量化。实验结果表明:在NWPU VHR-10数据集上,改进后的模型与YOLOv5s模型相比,目标检测的准确率和平均精度均值分别提升了3.5%,1.9%,模型的参数量和计算量降低了76%,48.7%,模型大小压缩了73.8%,检测速度提升了48%。; 关键词目标检测轻量化网络 YOLOv5s se通道注意力机制通道剪枝; Keywords Object detection Lightweight network YOLOv5s se channel attention mechanism Channel pruning; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于文本和声学特征的双模态融合抑郁倾向识别算法被引量：1: 3; 作者赵健崔骞石佳刘岳; 机构西北大学信息科学与技术学院; 出处《计算机工程》 CAS CSCD 北大核心 2024年第11期49-58,共10页; 基金陕西省国际科技合作计划项目(2021KWZ-07)。; 文摘在抑郁症诊断中,抑郁症患者的面部表情、声音信号和文字等数据可以作为评估抑郁倾向的客观指标。相较于视频,文本和音频模态在处理敏感的个人信息时能更好地保护患者的隐私,并且文本和音频均属于语言模态,相关性较强。针对抑郁倾向识别中变长文本数据不易被分析以及手动提取音频特征存在局限性的问题,提出一种基于Transformer的融合网络优化方法。对于文本模态,使用卷积神经网络对文本进行特征提取,得到文本在不同尺度下的局部特征,然后引入Transformer模型来处理全局信息和长距离依赖。对于音频模态,为了降低手动提取音频特征对识别结果的影响,通过使用VGGish网络来自动提取音频特征,并将提取好的音频特征送入Transformer中。最后,为进一步增强文本和音频模态融合网络的识别性能,引入SE通道注意力机制,使模型能够自适应地调整各模态之间的权重分配,更有效地聚焦于关键特征。实验结果表明,双模态融合后的网络准确率达到92.7%,相比仅使用文本或音频模态,准确率分别提升2.9和4.9个百分点。; 关键词 Transformer模型 VGGish网络双模态融合抑郁倾向识别 se通道注意力机制深度学习; Keywords Transformer model VGGish network bimodal fusion depressive tendency recognition se channel attention mechanism deep learning; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于YOLO v4优化的航拍绝缘子缺陷图像检测模型被引量：14: 4; 作者霍超谷晓钢黄玲琴栾声扬; 机构江苏师范大学电气工程及自动化学院; 出处《电子测量技术》北大核心 2023年第9期175-181,共7页; 基金国家自然科学基金(62074071,61801197) 2021,2022江苏高校“青蓝工程”资助项目 +1 种基金江苏省现代教育技术研究所规划课题(2021-R-91616)项目资助。; 文摘针对现有绝缘子缺陷检测模型检测精度低、实时性差和网络参数多的问题,提出了一种基于YOLO v4改进的绝缘子缺陷检测模型。首先,利用改进的VGG卷积神经网络实现了主干特征提取。其次,在加强特征提取网络和预测网络中引入深度可分离卷积,降低了模型的复杂度。再次,在加强特征提取网络中融合通道注意力机制对重要特征进行增强,提升了模型对绝缘子缺陷的目标辨识能力。最后,以平均精度、帧率、参数量等作为评价指标,对基于公共数据集CPLID构建的新数据集进行了消融实验和对比实验。实验结果表明,改进的YOLO v4模型对绝缘子缺陷的检测精度为98.35%,相比于传统的YOLO v4模型提高了6.4%,并且其检测速度和参数量分别为传统YOLO v4模型的1.5倍和37.5%,可实现对航拍绝缘子缺陷图像的高精度实时有效检测。同时,改进的模型相比YOLO v5-M和Faster R-CNN模型在检测精度,速度和模型复杂度上也更具优势。; 关键词绝缘子缺陷检测 YOLO v4模型 se通道注意力机制轻量化深度可分离卷积; Keywords insulator defect detection YOLO v4 model se channel attention mechanism lightweight depthwise separable convolution; 分类号 TM75 [电气工程—电力系统及自动化] TP18 [自动化与计算机技术—控制理论与控制工程] TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于改进的DeepLabV3+网络的Sentinel-1影像水体提取	赵兴旺赵妍刘超刘春阳	《测绘通报》北大核心	2025	0	在线阅读下载PDF 职称材料
2	一种改进的基于YOLOv5s的轻量化航拍目标检测模型	陈海燕毛利宏	《计算机科学》 CSCD 北大核心	2024	3	在线阅读下载PDF 职称材料
3	基于文本和声学特征的双模态融合抑郁倾向识别算法	赵健崔骞石佳刘岳	《计算机工程》 CAS CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
4	基于YOLO v4优化的航拍绝缘子缺陷图像检测模型	霍超谷晓钢黄玲琴栾声扬	《电子测量技术》北大核心	2023	14	在线阅读下载PDF 职称材料