基于改进SE-Net和深度可分离残差的高光谱图像分类 被引量：2

1

作者 王燕 王振宇 《兰州理工大学学报》 CAS 北大核心 2024年第2期87-95,共9页

针对目前常见的用于高光谱图像分类的卷积神经网络参数数量多,训练时间长,对样本数量依赖性大的问题,提出一种适用于有限训练样本条件下基于改进压缩激活网络和深度可分离残差的分类网络MDSR&SE-Net.首先使用主成分分析对原始高光... 针对目前常见的用于高光谱图像分类的卷积神经网络参数数量多,训练时间长,对样本数量依赖性大的问题,提出一种适用于有限训练样本条件下基于改进压缩激活网络和深度可分离残差的分类网络MDSR&SE-Net.首先使用主成分分析对原始高光谱图像进行通道降维,然后通过三维卷积神经网络连接多特征残差结构,同时嵌入改进的SE模块提取高光谱图像的空间和光谱细节特征,最后将提取到的特征数据输入Softmax分类器激活分类.为了使网络更加轻量,通过在残差结构中使用深度可分离卷积和引入全局平均池化减少参数数量.实验结果显示,使用有限训练样本在三种常见高光谱数据集上总体分类精度均达到99%以上. 展开更多

关键词 高光谱图像 深度可分离卷积 残差网络 压缩激活网络

在线阅读 下载PDF 职称材料

基于改进USE-Net网络的林木图像语义分割研究 被引量：4

2

作者 戚澍 仉子赫 张博洋 《森林工程》 北大核心 2022年第6期82-87,共6页

为进一步准确定位林木信息、分割林木区域以及实时检测森林资源动态变化,提出一种基于改进USE-Net卷积神经网络的林木图像语义分割模型。该模型在U-Net网络基础上,添加SE注意力模块在网络的过渡层,以显式建模林木特征通道间的相互依赖关... 为进一步准确定位林木信息、分割林木区域以及实时检测森林资源动态变化,提出一种基于改进USE-Net卷积神经网络的林木图像语义分割模型。该模型在U-Net网络基础上,添加SE注意力模块在网络的过渡层,以显式建模林木特征通道间的相互依赖关系,突出特定林木分割特征并抑制无关区域。实验结果表明,U型结构和SE注意力模块的引入使得改进USE-Net网络在处理模糊林木边界等方面具有优势,能够准确分割林木区域,在智能科学管理森林资源领域具有理论价值和应用价值。 展开更多

关键词 林木信息 林木图像语义分割 改进Use-net 卷积神经网络 SE注意力模块

在线阅读 下载PDF 职称材料

基于Densenet模型的步态相位识别研究 被引量：2

3

作者 付明凯 王少红 马超 《电子测量技术》 北大核心 2025年第1期119-128,共10页

步态识别是下肢外骨骼机器人的关键技术,精准地步态识别对下肢外骨骼机器人的柔性控制具有重要作用。为解决不同个体以及同一个体步态特征(步速、步幅等)的随机性,本文提出了一种基于Densenet改进的SECBAM-Densenet网络模型的步态相位... 步态识别是下肢外骨骼机器人的关键技术,精准地步态识别对下肢外骨骼机器人的柔性控制具有重要作用。为解决不同个体以及同一个体步态特征(步速、步幅等)的随机性,本文提出了一种基于Densenet改进的SECBAM-Densenet网络模型的步态相位识别方法。首先,将两个惯性测量单元布置在胫骨前部和大腿前侧的股直肌,采集了200人次受试者前进、转弯、上楼梯、下楼梯4种步态任务的步态数据。然后,对数据进行滤波重采样预处理后作为所提模型的输入。最后,利用SECBAM-Densenet模型得到输出模型的分类结果。结果显示,改进后SECBAM-Densenet模型在同一个体中不同步态相位平均识别准确率达到了95.76%,相比其他模型有0.66%~21.22%的提升。在不同个体中,相位的识别准确率均高于94%。以上试验结果表明,本文提出的模型可以应用于步态相位识别领域,并为下肢外骨骼机器人的柔性控制提供了试验参考。 展开更多

关键词 步态相位 Densenet se-net注意力模块 空间通道注意力模块

在线阅读 下载PDF 职称材料

基于改进的YOLOv7小目标检测算法 被引量：1

4

作者 鞠伟强 曹立华 《计算机工程与设计》 北大核心 2025年第1期145-151,共7页

为提高小目标的检测精度,提出一种基于改进的YOLOv7的目标检测算法(SM-YOLOv7)。使用Swin Transformer(STR)模块替换主干特征提取网络中的E-ELEN模块,将SPPCSPC网络改进为SPPCSPF网络,在预测部分增加小目标检测头,设计MPC3模块避免网络... 为提高小目标的检测精度,提出一种基于改进的YOLOv7的目标检测算法(SM-YOLOv7)。使用Swin Transformer(STR)模块替换主干特征提取网络中的E-ELEN模块,将SPPCSPC网络改进为SPPCSPF网络,在预测部分增加小目标检测头,设计MPC3模块避免网络定位空间信息丢失。通过NWD代替YOLOv7网络模型中的CIoU损失函数,输出端采用SE-Net注意力机制。在Okahublot公开的FloW-Img数据集上验证,实验结果表明,SM-YOLOv7平均精度均值mAP为84.8%,相比基线YOLOv7网络模型提升了6.6%,检测性能优于原网络模型与传统经典目标检测网络模型。 展开更多

关键词 小目标检测 YOLOv7网络模型 损失函数 深度学习 机器视觉 se-net注意力机制 Swin Transformer

在线阅读 下载PDF 职称材料

基于YOLOv8的雾天车辆行人实时检测方法

5

作者 汤亮 陈博文 +1 位作者 牛一森 马荣庚 《广西师范大学学报(自然科学版)》 北大核心 2025年第3期72-83,共12页

随着智能通信技术在智能交通场景的广泛运用,行人、车辆目标检测已成为保障道路安全的重要基础。针对在雾天恶劣环境中检测网络漏检率高、检测速度慢的问题,本文提出基于YOLOv8的实时雾天目标检测方法。该模型将输入图片加入去雾网络模... 随着智能通信技术在智能交通场景的广泛运用,行人、车辆目标检测已成为保障道路安全的重要基础。针对在雾天恶劣环境中检测网络漏检率高、检测速度慢的问题,本文提出基于YOLOv8的实时雾天目标检测方法。该模型将输入图片加入去雾网络模块对输入图像进行预处理,保留原图片的细节特征并去除雾气的遮挡,再使用改进后的YOLOv8n进行检测。在YOLOv8n上基于FasterNet改进C2f模块,降低模型参数量及模型大小,增加模型计算效率,并设计SE-ResNeXt检测头,避免了因堆积神经网络层数带来的负面影响。最后运用知识蒸馏的方式,进一步提高检测精度。将所提出模型在reside rtts数据集和合成有雾数据集上进行验证。与原网络相比,平均精度(mAP@50_95)提升5.2个百分点,检测帧数达到170 frame/s。 展开更多

关键词 雾天场景 目标检测 信息交互 FasterNet SENet ResNeXt

在线阅读 下载PDF 职称材料

血清HBsAg感染的Vis-NIR光谱模式识别研究

6

作者 高乔基 吴振邦 +6 位作者 徐茜 陈敏 刘文轩 曹诚诚 廖敬龙 欧超 潘涛 《分析测试学报》 北大核心 2025年第6期1016-1023,共8页

乙肝表面抗原(HBsAg)是乙肝病毒感染的重要标志物。该文建立了血清HBsAg感染的无试剂可见-近红外(Vis-NIR)光谱模式识别新方法。收集到临床血清样品1243例(HBsAg阳性601、阴性642),采用训练-预测-检验实验设计,搭建了基于多尺度卷积、压... 乙肝表面抗原(HBsAg)是乙肝病毒感染的重要标志物。该文建立了血清HBsAg感染的无试剂可见-近红外(Vis-NIR)光谱模式识别新方法。收集到临床血清样品1243例(HBsAg阳性601、阴性642),采用训练-预测-检验实验设计,搭建了基于多尺度卷积、压缩-激励网络(SE Net)注意力机制和多尺度膨胀卷积的新型卷积神经网络(CNN)集成算法,连同经典的偏最小二乘-判别分析(PLS-DA)和普通浅层CNN算法,被用于建立HBsAg阳性和阴性血清的Vis-NIR光谱判别模型。该研究采用标准正态变量(SNV)变换进行光谱预处理。基于近红外区(780~1118 nm)经SNV处理的光谱的PLS-DA模型和新型CNN模型取得更优的建模效果,新型CNN模型的灵敏度(SEN)达到99.3%,漏诊率(FNR)达到0.7%。结果表明,采用Vis-NIR光谱精准判别HBsAg阳性和阴性血清具有可行性,提出的新型深度学习算法可望应用于其他光谱分析领域。 展开更多

关键词 可见-近红外光谱模式识别 血清HBsAg感染判别 偏最小二乘-判别分析(PLS-DA) 卷积神经网络(CNN) SE Net注意力机制 多尺度膨胀卷积

在线阅读 下载PDF 职称材料

“一带一路”共建国家矿区生态修复碳汇潜力评估 被引量：1

7

作者 陈浮 夏依 +2 位作者 邹铭 巩人杰 骆占斌 《煤炭学报》 北大核心 2025年第6期2789-2801,共13页

“一带一路”的共建促进了国家间的产业发展与经济互补,扩大了能源资源需求。然而,能源资源开发通常会引发生态退化、景观破碎和水体污染等诸多问题,威胁全球生态安全,促使气候恶化。目前,有关“一带一路”共建国家矿区生态变化及修复... “一带一路”的共建促进了国家间的产业发展与经济互补,扩大了能源资源需求。然而,能源资源开发通常会引发生态退化、景观破碎和水体污染等诸多问题,威胁全球生态安全,促使气候恶化。目前,有关“一带一路”共建国家矿区生态变化及修复潜力的研究相对较少。为此,基于Google Earth Engine(GEE)云平台和全球环境科学数据库估算“一带一路”共建国家矿区净生态系统生产力(NetEcosystemProductivity,NEP)变化,并采用随机森林(RF)模型评估生态修复固碳增汇潜力。结果表明:2000—2020年“一带一路”共建国家采矿区NEP总量呈显著的阶段性波动下降趋势,以碳当量计(下同)净减少量为282.1 Gg/a,降幅高达30.6%;“一带一路”共建国家53.1%的矿区表现为NEP净减少,总减少量达2262.5Gg/a,减少量为151.2g/(m^(2)·a),逐年攀升的NEP减少量反映采矿活动对共建国家生态的负面影响持续加深;“一带一路”共建国家矿区具有一定的碳汇修复潜力,NEP修复潜力为10.8 g/(m^(2)·a),最大修复潜力可达269.7 g/(m^(2)·a),但不同区域矿区NEP修复潜力差异显著,南美洲共建国家的NEP修复潜力最大,高达16.1g/(m^(2)·a),欧洲共建国家NEP修复潜力最低,仅为7.9 g/(m^(2)·a);土壤有机碳、年降水量和总初级生产力是NEP恢复的最重要驱动因子,不同区域自然条件差异极大,亟需采取差异化生态修复策略和适应性管理模式。本研究厘清了“一带一路”共建国家矿区生态变化及修复潜力,为应对全球气候变化和受损矿区生态修复、规划决策提供了科学依据。 展开更多

关键词 一带一路 受损矿区 生态修复 净生态系统生产力 碳汇潜力

在线阅读 下载PDF 职称材料

基于SE-CapsNet的肺结节良恶性诊断研究 被引量：5

8

作者 叶枫 王路遥 +2 位作者 洪卫 丁国军 车镓荣 《中国生物医学工程学报》 CAS CSCD 北大核心 2021年第1期71-80,共10页

在过去的几年中,肺癌是癌症相关死亡的主要原因。提出一种针对低剂量计算机断层扫描(CT)影像精细化预处理条件下的SE-CapsNet分类方法,解决传统肺结节诊断方法中分类精度低、假阳性高等问题。改进胶囊神经网络分类算法:对最新Hinton的... 在过去的几年中,肺癌是癌症相关死亡的主要原因。提出一种针对低剂量计算机断层扫描(CT)影像精细化预处理条件下的SE-CapsNet分类方法,解决传统肺结节诊断方法中分类精度低、假阳性高等问题。改进胶囊神经网络分类算法:对最新Hinton的胶囊神经网络进行改进,引入新的非线性激活向量,避免全局向量压缩;采用特征重标定的方法,在特征通道层面进行模型优化。在标定的感兴趣区域,利用自动阈值法对CT影像进行预处理,并在中心结节处进行样本采样,获得预处理结果数据样本。选用内含1 010个病例的公开数据集LIDC-IDRI和某医院30个脱敏肿瘤患者病例,评估改进的SE-CapsNet算法,评价指标包括准确性、敏感性和特异性。在LIDC-IDRI数据集与医院数据集中,SE-CapsNet算法的平均准确率分别达到95.83%和94.67%,优于基于Caps Net分类算法的平均准确率。此外,在分类算法的耗时方面也具有明显优势,改进的胶囊网络能够更快地收敛,得到稳定的结果。 展开更多

关键词 Caps Nets se-net 肺结节 CT图像 计算机辅助诊断

在线阅读 下载PDF 职称材料

基于并联CNN-SE-Bi-LSTM的轴承剩余使用寿命预测 被引量：14

9

作者 曹正志 叶春明 《计算机应用研究》 CSCD 北大核心 2021年第7期2103-2107,共5页

滚动轴承作为一种机械标准件,广泛应用于各类旋转机械设备,其健康状况对机器设备的正常运行至关重要,掌握其剩余使用寿命(RUL)可以更好地保证生产活动安全有效的进行。针对目前基于深度学习的机器RUL预测方法普遍存在:a)预测性能很大程... 滚动轴承作为一种机械标准件,广泛应用于各类旋转机械设备,其健康状况对机器设备的正常运行至关重要,掌握其剩余使用寿命(RUL)可以更好地保证生产活动安全有效的进行。针对目前基于深度学习的机器RUL预测方法普遍存在:a)预测性能很大程度依赖手工特征设计;b)模型不能够充分提取数据中的有用特征;c)学习过程中没有明确考虑多传感器数据等缺点,提出了一种新的深度预测网络——并联多个带有压缩激励机制的卷积神经网络和双向长短期记忆网络集成网络(CNN-SE-Bi-LSTM),用于设备的RUL预测。在该预测网络中,不同传感器采集的监测数据直接作为预测网络的输入。然后,在改进的压缩激励卷积网络(CNN-SE-Net)提取空间特征的基础上进一步通过双向长短期记忆网络(Bi-LSTM)提取时序特征,建立起多个独立的可以自动从输入数据中学习高级表示的RUL预测模型分支。最后,将各独立分支学习到的特征通过全连接层并联获得最终的RUL预测模型。通过滚动轴承加速退化实验的数据,验证了所提网络的有效性并与现有的一些改进算法进行了对比实验。结果表明,面对原始多传感器数据,该算法能够自适应地提供准确的RUL预测结果,且预测表现优于现有一些预测方法。 展开更多

关键词 剩余使用寿命预测 深度学习 双向长短期记忆网络 se-net

在线阅读 下载PDF 职称材料

基于改进Yolov5l的航空小目标检测算法 被引量：3

10

作者 戴得恩 朱瑞飞 +2 位作者 陈长征 秦磊 马经宇 《计算机工程与设计》 北大核心 2023年第9期2610-2618,共9页

针对航空图像小目标检测存在的检测精度低、误检与漏检严重等问题,提出一种基于改进Yolov5l的航空小目标检测算法(AS-Yolov5)。在Yolov5的主干特征提取网络中引入空洞卷积,使用Transform的Decode模块,在特征融合网络中新增检测头,FPN+PA... 针对航空图像小目标检测存在的检测精度低、误检与漏检严重等问题,提出一种基于改进Yolov5l的航空小目标检测算法(AS-Yolov5)。在Yolov5的主干特征提取网络中引入空洞卷积,使用Transform的Decode模块,在特征融合网络中新增检测头,FPN+PAN特征融合时设置融合权重,输出端采用SE-Net注意力机制,测试时进行多尺寸输入及测试时间增强(TTA)。算法在visdron2021数据集上进行验证,实验结果表明,AS-Yolov5的均值平均精度@0.5(mAP@0.5)为41.0%,较Yolov5l的28.5%提升12.5%,有效提高Yolov5l难以在远距离、暗环境、密集分布和图像模糊的场景下的小目标检测能力。 展开更多

关键词 航空小目标检测 Yolov5l模型 空洞卷积 se-net注意力模块 权重融合 深度学习 目标检测

在线阅读 下载PDF 职称材料

基于改进YOLOv5s的安全帽检测算法 被引量：31

11

作者 赵睿 刘辉 +2 位作者 刘沛霖 雷音 李达 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2023年第8期2050-2061,共12页

针对现有安全帽检测算法难以检测小目标、密集目标等缺点,提出一种基于YOLOv5s的安全帽检测改进算法。采用DenseBlock模块来代替主干网络中的切片结构,提升网络的特征提取能力;在网络颈部检测层加入SE-Net通道注意力模块,引导模型更加... 针对现有安全帽检测算法难以检测小目标、密集目标等缺点,提出一种基于YOLOv5s的安全帽检测改进算法。采用DenseBlock模块来代替主干网络中的切片结构,提升网络的特征提取能力;在网络颈部检测层加入SE-Net通道注意力模块,引导模型更加关注小目标信息的通道特征,以提升对小目标的检测性能;对数据增强方式进行改进,丰富小尺度样本数据集;增加一个检测层以便能更好地学习密集目标的多级特征,从而提高模型应对复杂密集场景的能力。此外,构建一个面向密集目标及远距离小目标的安全帽检测数据集。实验结果表明:所提改进算法比原始YOLOv5s算法平均精确率(mAP@0.5)提升6.57%,比最新的YOLOX-L及PP-YOLOv2算法平均精确率分别提升1.05%与1.21%,在密集场景及小目标场景下具有较强的泛化能力。 展开更多

关键词 安全帽检测 YOLOv5s算法 数据增强 DenseBlock模块 se-net注意力模块

在线阅读 下载PDF 职称材料

基于改进YOLO v3的自然场景下冬枣果实识别方法 被引量：40

12

作者 刘天真 滕桂法 +2 位作者 苑迎春 刘博 刘智国 《农业机械学报》 EI CAS CSCD 北大核心 2021年第5期17-25,共9页

为实现自然场景下冬枣果实的快速、精准识别,考虑到光线变化、枝叶遮挡、果实密集重叠等复杂因素,基于YOLO v3深度卷积神经网络提出了一种基于改进YOLO v3(YOLO v3-SE)的冬枣果实识别方法。YOLO v3-SE模型利用SE Net的SE Block结构将特... 为实现自然场景下冬枣果实的快速、精准识别,考虑到光线变化、枝叶遮挡、果实密集重叠等复杂因素,基于YOLO v3深度卷积神经网络提出了一种基于改进YOLO v3(YOLO v3-SE)的冬枣果实识别方法。YOLO v3-SE模型利用SE Net的SE Block结构将特征层的特征权重校准为特征权值,强化了有效特征,弱化了低效或无效特征,提高了特征图的表现能力,从而提高了模型识别精度。YOLO v3-SE模型经过训练和比较,选取0.55作为置信度最优阈值用于冬枣果实检测,检测结果准确率P为88.71%、召回率R为83.80%、综合评价指标F为86.19%、平均检测精度为82.01%,与YOLO v3模型相比,F提升了2.38个百分点,mAP提升了4.78个百分点,检测速度无明显差异。为检验改进模型在冬枣园自然场景下的适应性,在光线不足、密集遮挡和冬枣不同成熟期的情况下对冬枣果实图像进行检测,并与YOLO v3模型的检测效果进行对比,结果表明,本文模型召回率提升了2.43~5.08个百分点,F提升了1.75~2.77个百分点,mAP提升了2.38~4.81个百分点,从而验证了本文模型的有效性。 展开更多

关键词 冬枣 自然场景 果实识别 YOLO v3 卷积神经网络 SE Net

在线阅读 下载PDF 职称材料

基于深度学习与多尺度特征融合的烤烟烟叶分级方法 被引量：21

13

作者 鲁梦瑶 周强 +3 位作者 姜舒文 王聪 陈栋 陈天恩 《中国农机化学报》 北大核心 2022年第1期158-166,共9页

为实现烤烟等级的快速准确识别,降低人工分级中主观因素对分级结果的影响,提高烟叶分级的准确性和一致性,提出一种基于烤烟RGB图像和深度学习的多尺度特征融合的烟叶图像等级分类方法,采用ResNet50提取烟叶图像特征,并引入基于注意力机... 为实现烤烟等级的快速准确识别,降低人工分级中主观因素对分级结果的影响,提高烟叶分级的准确性和一致性,提出一种基于烤烟RGB图像和深度学习的多尺度特征融合的烟叶图像等级分类方法,采用ResNet50提取烟叶图像特征,并引入基于注意力机制的SE模块(压缩激发模块),增强不同通道特征的重要程度;同时,采用FPN(特征金字塔网络)对提取的由浅及深不同层级的烟叶特征进行融合,以实现烟叶多尺度特征的表达。采集皖南地区6068个烤烟的正面和背面图像用于建模和分析。结果表明,提出的烟叶分级方法的分级正确率比经典CNN(卷积神经网络)高出5.21%,分级模型在新批次7个等级烟叶上的分级正确率为80.14%,相邻等级的分级正确率为91.50%。因此,采用RGB图像结合深度学习技术可实现烤烟烟叶等级的良好识别,可为烤烟烟叶收购等级评价提供一种新方法。 展开更多

关键词 烟叶分级 深度学习 图像分类 特征融合 特征金字塔网络 SE模块

在线阅读 下载PDF 职称材料

基于改进U-Net网络的隧道裂缝分割算法研究 被引量：16

14

作者 常惠 饶志强 +1 位作者 赵玉林 李益晨 《计算机工程与应用》 CSCD 北大核心 2021年第22期215-222,共8页

针对复杂背景下隧道的细小裂缝图像特征难以提取以及裂缝像素类别不平衡等问题,提出了一种改进U-Net网络的隧道裂缝分割算法。将U-Net模型的编码器和解码器与残差模块相结合,使得网络参数共享,并避免出现深层网络梯度消失的问题;在此结... 针对复杂背景下隧道的细小裂缝图像特征难以提取以及裂缝像素类别不平衡等问题,提出了一种改进U-Net网络的隧道裂缝分割算法。将U-Net模型的编码器和解码器与残差模块相结合,使得网络参数共享,并避免出现深层网络梯度消失的问题;在此结构基础上引入挤压和激励(Squeeze and Excitation,SE)模块来提升重要特征,抑制无用特征,加强对裂缝边缘和形状等特征的权重分配;采用组合损失函数来处理裂缝像素正负样本不平衡的问题,进一步获得更加精细的分割结果。在公共隧道裂缝数据集和自制数据集上设计对比实验来验证改进模型的有效性。结果表明:该算法对裂缝的分割精度均优于其他方法,F1-Score分别达到了76.36%和75.46%,并且运行速度也有明显的提升,可以很好地满足实际工程的应用需求。 展开更多

关键词 隧道裂缝分割 U-Net网络 残差模块 SE模块 组合损失函数

在线阅读 下载PDF 职称材料

基于深度学习的在线烟叶等级判定研究 被引量：2

15

作者 齐玥程 王燕 +1 位作者 李丽 熊攀攀 《安徽农业科学》 CAS 2023年第3期235-239,共5页

对烟叶进行等级判定可以合理利用烟叶资源,提高卷烟产品质量,对实现经济利益最大化有重要意义。提出一种基于深度学习的在线烟叶等级判定方法,该方法采用ResNeXt为基础网络,在残差结构中嵌入SE模块以增强重要通道的信息,并引入FPN+PAN... 对烟叶进行等级判定可以合理利用烟叶资源,提高卷烟产品质量,对实现经济利益最大化有重要意义。提出一种基于深度学习的在线烟叶等级判定方法,该方法采用ResNeXt为基础网络,在残差结构中嵌入SE模块以增强重要通道的信息,并引入FPN+PAN结构将网络浅层细节特征和高层语义特征进行融合,以实现多尺度特征表达。测试结果表明,该方法烟叶等级判定的准确率达到92.8%,因此该方法对烟叶等级具备良好识别的能力,可适用实际生产。 展开更多

关键词 烟叶等级判定 深度学习 卷积神经网络 SE模块 特征融合

在线阅读 下载PDF 职称材料