融合SENet注意力机制和GA-CNN的非侵入式负荷识别方法 被引量：1

1

作者 沈鑫 王钢 +3 位作者 赵毅涛 骆钊 李钊 杨晓华 《中国电力》 北大核心 2025年第5期33-42,共10页

随着智能电表的普及,电网信息化、数字化水平逐渐提高,需求侧的非侵入式负荷监测(nonintrusive load monitoring,NILM)逐渐成为供电企业实现能效提升的关键技术。针对目前非侵入式负荷识别算法存在特征冗余度、计算开销大、识别性能差... 随着智能电表的普及,电网信息化、数字化水平逐渐提高,需求侧的非侵入式负荷监测(nonintrusive load monitoring,NILM)逐渐成为供电企业实现能效提升的关键技术。针对目前非侵入式负荷识别算法存在特征冗余度、计算开销大、识别性能差等问题,提出一种融合压缩-激励网络(squeeze and excitation networks,SENet)注意力机制和基于遗传算法优化卷积神经网络(genetic algorithms-convolutional neural network,GA-CNN)的非侵入式负荷识别方法。首先,将SENet注意力机制嵌入CNN,提高关键特征的表征能力,降低特征冗余度;其次,提取居民负荷U-I轨迹图,对其进行加权像素化处理,通过计算得到WVI(weighted pixelated VI)特征矩阵,并以此为特征参量训练SENet-CNN模型;最后,利用遗传算法优化SENet-CNN模型的超参数,提高模型负荷识别性能和计算效率。实验结果表明,所提方法能够降低非侵入式负荷识别计算开销,准确识别出居民负荷类别,显著提升非侵入式负荷识别效率。 展开更多

关键词 居民负荷识别 卷积神经网络 NILM senet注意力机制 V-I轨迹图

在线阅读 下载PDF 职称材料

基于SENet的工厂化循环水养殖鳗鲡(Anguilla)数量评估研究

2

作者 林茜 江兴龙 周世豪 《海洋与湖沼》 北大核心 2025年第1期206-213,共8页

为探索应用计算机听觉技术实现对工厂化循环水养殖鳗鲡数量的评估,建立了一种基于回归分析的SENet网络模型。针对数据集中包含的白噪声声谱图数据缺乏可利用的动态规律问题,通过修改SENet输出层、输出范围、评价指标等,使其直接利用图... 为探索应用计算机听觉技术实现对工厂化循环水养殖鳗鲡数量的评估,建立了一种基于回归分析的SENet网络模型。针对数据集中包含的白噪声声谱图数据缺乏可利用的动态规律问题,通过修改SENet输出层、输出范围、评价指标等,使其直接利用图像进行回归分析任务,从而进一步提高了网络在图像分析任务上的性能。在循环水养殖鳗鲡的数量评估试验中,设置8组不同的鳗鲡数量进行试验,结果表明:水听器接收到的声音信号与鱼数量呈现出明显的相关性;在测试阶段SENet网络的拟合相关系数为0.98,SENet回归分析模型在测试集样本上的决定系数(R^(2))、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)分别为0.96、1.66和4.43%;采集了30组数据样本对训练好的模型进行验证试验,SENet模型预测数量的相对误差与变异系数都在8%以内,预测准确率达到90%以上。 展开更多

关键词 计算机听觉技术 鳗鲡 鱼群数量评估 声音信号 senet网络

在线阅读 下载PDF 职称材料

SSC-SeNet:一种融合点云与影像数据的露天矿区建筑物语义分割算法

3

作者 冯媛媛 李朝奎 +1 位作者 刘松焕 田沁 《吉林大学学报(地球科学版)》 北大核心 2025年第5期1757-1773,共17页

矿区建筑物分割大多采用U-Net编码器-解码器网络结构,而编码器-解码器结构并未充分利用语义特征和空间特征从而导致分割精度低。针对现有建筑物提取方法存在的缺陷,提出了语义空间一致性语义分割网络(semantic spatial consistency sema... 矿区建筑物分割大多采用U-Net编码器-解码器网络结构,而编码器-解码器结构并未充分利用语义特征和空间特征从而导致分割精度低。针对现有建筑物提取方法存在的缺陷,提出了语义空间一致性语义分割网络(semantic spatial consistency semantic segmentation network,SSC-SeNet)。该网络首先利用多通道结构,实现了语义特征、空间特征和一致性特征的提取融合;其次在主通道的前三层坐标卷积处引入空间提取通道,并针对空间特征的进一步提取设计了Gabor傅里叶滤波器;然后在主通道的每一层常规卷积块处引入语义提取通道,提高了语义特征提取能力;最后采用特征融合模块将空间提取通道、语义提取通道和主通道的特征进行融合,并生成最后的分割图像。在分辨率为0.03 m的湘潭锰矿建筑物数据集上进行的试验结果表明,SSC-SeNet的交并比高达88.47%,整体准确度达97.09%,均显著优于U-Net等传统网络。此外,得益于其轻量化特点,该模型成功克服了过拟合问题。 展开更多

关键词 矿区建筑物提取 语义分割 SSC-senet 注意力机制 坐标卷积 卷积神经网络 特征融合

在线阅读 下载PDF 职称材料

基于格拉姆角和场和改进DenseNet的配电网故障选线方法

4

作者 方豪 魏业文 +1 位作者 张子洵 张轲钦 《电力系统及其自动化学报》 北大核心 2025年第9期109-118,共10页

配电网小电流接地系统发生单相接地故障时,故障特征微弱。针对现有故障选线方法准确率不高、泛化能力差的问题,提出一种基于格拉姆角和场和改进密集型卷积神经网络的故障选线方法。首先,利用格拉姆角和场将线路一维零序电流信号转换为... 配电网小电流接地系统发生单相接地故障时,故障特征微弱。针对现有故障选线方法准确率不高、泛化能力差的问题,提出一种基于格拉姆角和场和改进密集型卷积神经网络的故障选线方法。首先,利用格拉姆角和场将线路一维零序电流信号转换为二维图像;然后,用融合SENet注意力机制的密集型卷积神经网络提取图像中的故障特征信息,用随机森林算法判别故障线路;最后,采用随机搜索算法优化模型参数,得到最优故障选线融合模型。仿真结果表明,相比于其他故障选线方法,所提方法在选线准确率、抗噪性能、泛化能力等方面表现优秀,为小电流接地系统故障选线提供了一种新思路。 展开更多

关键词 小电流接地系统 故障选线 密集型卷积神经网络 格拉姆角和场 senet注意力机制 随机森林

在线阅读 下载PDF 职称材料

嵌入SENet结构的改进YOLOV3目标识别算法 被引量：47

5

作者 刘学平 李玙乾 +2 位作者 刘励 王哲 刘宇 《计算机工程》 CAS CSCD 北大核心 2019年第11期243-248,共6页

为准确识别工业图像中的目标零件,提出一种改进的YOLOV3目标识别算法。结合K-means聚类与粒子群优化算法进行锚框计算,以降低初始点对聚类结果的影响,加快算法收敛速度。同时在YOLOV3网络shortcut层嵌入SENet结构,得到SE-YOLOV3网络。... 为准确识别工业图像中的目标零件,提出一种改进的YOLOV3目标识别算法。结合K-means聚类与粒子群优化算法进行锚框计算,以降低初始点对聚类结果的影响,加快算法收敛速度。同时在YOLOV3网络shortcut层嵌入SENet结构,得到SE-YOLOV3网络。对零件图像进行数据增强并加入零件标注,制作包含10 816张图片的样本集,用于算法训练和测试。实验结果表明,该算法能够获得平均交并比为83.01%的锚框,当样本图像存在较多残缺零件干扰时,YOLOV3存在将背景识别为零件的情况,其查准率与查全率分别为72.11%和97.51%,而SE-YOLOV3能有效减少假正例数量,其查准率与查全率分别为90.39%和93.25%。 展开更多

关键词 目标识别 卷积神经网络 senet结构 YOLOV3网络 粒子群优化算法

在线阅读 下载PDF 职称材料

SENet生成对抗网络在图像语义描述中的应用 被引量：5

6

作者 刘仲民 陈恒 胡文瑾 《光学精密工程》 EI CAS CSCD 北大核心 2023年第9期1379-1389,共11页

针对图像语义描述过程中存在的语句描述不够准确及情感色彩涉及较少等问题,提出一种基于SENet生成对抗网络的图像语义描述方法。该方法在生成器模型特征提取阶段增加通道注意力机制,使网络能够更加充分和完整地提取图像中显著区域的特征... 针对图像语义描述过程中存在的语句描述不够准确及情感色彩涉及较少等问题,提出一种基于SENet生成对抗网络的图像语义描述方法。该方法在生成器模型特征提取阶段增加通道注意力机制,使网络能够更加充分和完整地提取图像中显著区域的特征,将提取后的图像特征输入到编码器中。在原始文本语料库中加入情感语料库且通过自然语言处理生成词向量,将词向量与编码后的图像特征相结合输入到解码器中,通过不断对抗训练生成一段符合该图像所示内容的情感描述语句。最后通过仿真实验与现有方法进行对比,该方法的BLEU指标相比SentiCap方法提高了15%左右,其他相关指标均有提升。在自对比实验中,该方法在CIDEr指标上提高3%左右。该网络能够很好地提取图像特征,使描述图像的语句更加准确,情感色彩更加丰富。 展开更多

关键词 图像语义描述 生成器模型 特征提取 对抗训练 通道注意力

在线阅读 下载PDF 职称材料

融合残差SENet的毫米波大规模MIMO信道估计 被引量：1

7

作者 刘庆利 杨国强 张振亚 《电讯技术》 北大核心 2024年第4期512-519,共8页

在户外光线追踪场景下,针对毫米波大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统受户外环境噪声干扰导致估计精度低的问题,提出了一种融合残差挤压激励网络(Squeeze-and-Excitation Network,SENet)的条件生成对抗网络... 在户外光线追踪场景下,针对毫米波大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统受户外环境噪声干扰导致估计精度低的问题,提出了一种融合残差挤压激励网络(Squeeze-and-Excitation Network,SENet)的条件生成对抗网络的信道估计方法。该方法采用条件生成对抗网络将低分辨率接收信号重建为高分辨率的原始信号完成信道估计,同时在生成器网络中引入SENet网络模块来抑制户外场景下显著性噪声干扰,提高估计精度;最后将残差网络中的残差块添加到SENet的放缩操作后,提高条件生成对抗网络的收敛速度。仿真结果表明,相较于正交匹配追踪算法、卷积神经网络、去噪卷积神经网络和条件生成对抗网络算法,所提方法在户外噪声环境下估计精度平均提高了约2.2 dB,且在高噪声强度下估计精度的提高更为显著。 展开更多

关键词 毫米波大规模MIMO 信道估计 条件生成对抗网络(CGAN) 残差挤压激励网络(senet)

在线阅读 下载PDF 职称材料

嵌入改进SENet的卷积神经网络连续血压预测 被引量：5

8

作者 常昊 陈晓雷 +2 位作者 张爱华 李策 林冬梅 《计算机工程与应用》 CSCD 北大核心 2021年第7期130-135,共6页

提出了基于改进SENet卷积神经网络和自学习参数滤波器的连续血压预测方法。实验结果表明,改进SENet可以有效增加简单卷积神经网络对时序数据的预测能力,在卷积层数为二层、三层和四层时比简单卷积神经网络预测精度提升了34.8%、23.5%和3... 提出了基于改进SENet卷积神经网络和自学习参数滤波器的连续血压预测方法。实验结果表明,改进SENet可以有效增加简单卷积神经网络对时序数据的预测能力,在卷积层数为二层、三层和四层时比简单卷积神经网络预测精度提升了34.8%、23.5%和36.0%,在此基础上利用自学习参数滤波器消除血压预测波形中的毛刺,最终得到平滑的连续血压预测结果。 展开更多

关键词 卷积神经网络 senet 血压预测 脉搏信息

在线阅读 下载PDF 职称材料

融合SENet和Transformer的应用层协议识别方法 被引量：7

9

作者 陈乾 洪征 司健鹏 《计算机科学与探索》 CSCD 北大核心 2024年第3期805-817,共13页

协议识别技术在网络通信和信息安全领域具有至关重要的地位和作用。针对现有基于时空特征的协议识别方法提取协议特征不充分、不全面的问题,提出了一种基于SENet和Transformer的应用层协议识别方法。该方法关注协议数据的时空特征,由加... 协议识别技术在网络通信和信息安全领域具有至关重要的地位和作用。针对现有基于时空特征的协议识别方法提取协议特征不充分、不全面的问题,提出了一种基于SENet和Transformer的应用层协议识别方法。该方法关注协议数据的时空特征,由加入SENet注意力的残差网络构成的空间特征提取模块和Trans-former网络编码器构成的时间提取模块组成。空间特征提取阶段,在残差网络结构中加入SE块获取多个卷积通道间的联系,自适应地为通道分配权重,提取不同通道中更加活跃的协议空间特征;时间特征提取阶段,由基于多头注意力机制的Transformer编码器通过堆叠的方式构建时间特征提取模块,利用输入数据的位置信息全面地获取协议数据的时间特征。通过对更加充足的空间特征和更加全面的时间特征的提取和学习,可以获得更有效的协议识别信息,进而提高协议识别性能。在ISCX2012和CSE_CIC_IDS2018混合数据集上的实验结果表明,所提模型的总体识别准确率达到99.20%,F1值达到98.99%,高于对比模型。 展开更多

关键词 senet 残差网络 自注意力 TRANSFORMER 协议识别 网络安全

在线阅读 下载PDF 职称材料

基于SENet多路网络的乳腺癌转移检测 被引量：3

10

作者 刘琳琳 叶强 何灵敏 《计算机工程与应用》 CSCD 北大核心 2021年第16期190-196,共7页

乳腺癌细胞转移是影响病患预后的重要因素,检查前哨淋巴结病理切片可诊断转移情况。传统病理学医生检查过程冗余费时且极易漏检微转移病灶。目前已有利用卷积神经网络研究乳腺癌前哨淋巴结转移的成果,但准确率不高且对微转移情况检测效... 乳腺癌细胞转移是影响病患预后的重要因素,检查前哨淋巴结病理切片可诊断转移情况。传统病理学医生检查过程冗余费时且极易漏检微转移病灶。目前已有利用卷积神经网络研究乳腺癌前哨淋巴结转移的成果,但准确率不高且对微转移情况检测效果不佳。针对以上问题,基于乳腺癌前哨淋巴结病理图像数据集(PCam),设计提出了SENet多路卷积神经网络模型。模型使用堆叠多路卷积单元和SENet模块,采用跳跃跨层连接、标准卷积与深度可分离卷积融合、加和与串联操作组合等策略。使用50%的图像迭代训练35次获得模型权重,然后采用准确率与AUC值指标对测试图像进行测试,准确率为97.32%,AUC值为98.05%。对比已有研究成果和主流卷积网络模型,该模型在49%、51%、100%测试集情况下,AUC值均排名第一。结果表明,该模型对淋巴结转移检测准确率较高,且对微转移也有很好的检测性能。 展开更多

关键词 乳腺癌 前哨淋巴结转移 PCam 多路卷积网络 senet

在线阅读 下载PDF 职称材料

融合卷积神经网络和注意力机制的负荷识别方法 被引量：2

11

作者 赵毅涛 李钊 +3 位作者 刘兴龙 骆钊 王钢 沈鑫 《电力工程技术》 北大核心 2025年第1期227-235,共9页

对居民住宅进行非侵入式负荷监测(non-intrusive load monitoring,NILM)是智能电网用户需求侧的重要研究内容,居民负荷的能耗分析和用电管理是实现节能减排、可持续发展的关键环节。针对传统算法识别性能差、难以适应当下复杂用电环境... 对居民住宅进行非侵入式负荷监测(non-intrusive load monitoring,NILM)是智能电网用户需求侧的重要研究内容,居民负荷的能耗分析和用电管理是实现节能减排、可持续发展的关键环节。针对传统算法识别性能差、难以适应当下复杂用电环境的问题,文中从增强分类算法特征提取性能的优化思路出发,提出融合卷积神经网络(convolutional neural network,CNN)和自注意力机制的NILM负荷识别方法。首先,采集8种不同家用电器的电力数据,建立U-I轨迹曲线数据库;其次,采用挤压-激励网络(squeeze-and-excitation network,SENet)注意力机制提升CNN的特征聚合能力,完成对不同电器U-I轨迹曲线的特征提取和负荷识别;最后,对私有数据集和PLAID数据集进行测试,算例结果表明,所提方法在不同运行场景下均具有较高的识别准确率和较好的泛化性能。 展开更多

关键词 非侵入式负荷监测(NILM) 负荷识别 卷积神经网络(CNN) 挤压-激励网络(senet) 注意力机制 特征提取 U-I轨迹

在线阅读 下载PDF 职称材料

基于双路径多尺度特征融合的4mC位点预测方法

12

作者 黄泽霞 李煨 +1 位作者 邵春莉 耿林 《实验技术与管理》 北大核心 2025年第4期68-77,共10页

针对传统4mC位点预测方法成本高、耗时长问题,提出基于双路径多尺度特征融合的4mC位点预测方法。首先构建以卷积层、双向长短期记忆网络与注意力机制为核心的多层次特征提取模块,获取序列间长期依赖的关键位置信息,提升检测的准确性;然... 针对传统4mC位点预测方法成本高、耗时长问题,提出基于双路径多尺度特征融合的4mC位点预测方法。首先构建以卷积层、双向长短期记忆网络与注意力机制为核心的多层次特征提取模块,获取序列间长期依赖的关键位置信息,提升检测的准确性;然后设计以改进SENet网络为核心的多尺度特征提取模块,实现特征的多尺度细节表达,提升特征的表征能力;进而提出基于并行特征融合的分类优化方法,进一步提升特征的捕获效果;最后设计以带类权重损失函数为核心的输出模块,实现对样本之间不平衡性的调节。实验结果表明,所提方法可有效实现多物种环境下4mC位点的识别,并且预测准确率和鲁棒性均优于现有方法。 展开更多

关键词 4mC位点预测 多尺度特征融合 双向长短期记忆网络 senet网络

在线阅读 下载PDF 职称材料

一种基于CNN-SE-ELM的年龄和性别识别模型 被引量：4

13

作者 陈文兵 李育霖 陈允杰 《计算机工程与科学》 CSCD 北大核心 2021年第5期872-882,共11页

基于人脸图像识别年龄及性别是当前人工智能研究的热点之一。提出一种综合卷积神经网络CNN、挤压-激励网络SENet及极限学习机ELM的混合模型。模型中的卷积层用于从人脸图像中提取面部特征,SENet层用于优化卷积层提取的特征,误差最小化... 基于人脸图像识别年龄及性别是当前人工智能研究的热点之一。提出一种综合卷积神经网络CNN、挤压-激励网络SENet及极限学习机ELM的混合模型。模型中的卷积层用于从人脸图像中提取面部特征,SENet层用于优化卷积层提取的特征,误差最小化极限学习机(EM-ELM)用作分类器以实现面部图像的年龄及性别识别。与现有的流行模型相比,所提模型由于采用了CNN+SENet架构能够从面部图像中提取到更具代表性及最优的特征映射,而EM-ELM的极速计算使得模型更快速、更高效。在多个非限制人脸数据集上的实验结果表明,相比近期其他基于深度学习的相关模型,所提模型具有更高的识别准确率和更快的识别速度。 展开更多

关键词 卷积神经网络 极限学习机 senet网络 年龄分类 性别分类

在线阅读 下载PDF 职称材料

改进卷积神经网络的文本主题识别算法研究 被引量：8

14

作者 邱宁佳 杨长庚 +1 位作者 王鹏 任涛 《计算机工程与应用》 CSCD 北大核心 2022年第2期161-168,共8页

针对于传统方法中存在的文本特征表示能力差、模型主题识别准确率低等问题,提出一种融合SENet与卷积神经网络的文本主题识别方法。将每个词对应的Word2vec词向量与LDA主题向量进行融合,并依据词语对主题的贡献度完成文档加权向量化处理... 针对于传统方法中存在的文本特征表示能力差、模型主题识别准确率低等问题,提出一种融合SENet与卷积神经网络的文本主题识别方法。将每个词对应的Word2vec词向量与LDA主题向量进行融合,并依据词语对主题的贡献度完成文档加权向量化处理;构建SECNN主题识别模型,使用SENet对卷积层输出的特征图进行权值的重标定,依靠其提升重要特征并抑制无用特征的性能,高效地进行主题识别;使用FDA评估样本的类别表征能力,提出FDA-SGD算法对模型参数进行调优,完成文本主题识别任务。使用新闻文本数据集验证改进算法的有效性,通过与传统模型对比表明,改进算法可以有效提高模型的收敛速度,具有较好的主题识别能力。 展开更多

关键词 主题识别 senet 卷积神经网络 Word2vec 隐含狄利克雷分布(LDA)

在线阅读 下载PDF 职称材料

基于注意力机制的单阶段抓取检测研究 被引量：4

15

作者 周自维 王硕 +2 位作者 李长军 徐亮 王朝阳 《传感器与微系统》 CSCD 北大核心 2021年第11期32-35,39,共5页

为了提高机器人抓取算法的检测性能,结合卷积神经网络(CNN)和深度学习理论基础,设计了一种基于Inception模块和注意力机制SENet网络的轻量级卷积模块SE-Inception-Lite,并对SE-Inception-Lite模块进行了残差机制算法融合。在此基础上,... 为了提高机器人抓取算法的检测性能,结合卷积神经网络(CNN)和深度学习理论基础,设计了一种基于Inception模块和注意力机制SENet网络的轻量级卷积模块SE-Inception-Lite,并对SE-Inception-Lite模块进行了残差机制算法融合。在此基础上,设计了基于SE-Inception GraspNet抓取网络的机器人多模态抓取检测算法,并在康奈尔抓取数据集上进行验证。实验结果表明:本文算法在图像分割数据和对象分割数据中的准确率分别为96.5%和96.3%,检测速度为22 ms。本文算法的抓取检测精度比同类算法更高更快。本文网络的网络参数也较少,算法运行需要的计算机资源更少,对机器人抓取检测的推广起了重要作用。 展开更多

关键词 卷积神经网络 Inception模块 senet网络 多模态抓取

在线阅读 下载PDF 职称材料

嵌套网络模型下的相似图像检索方法 被引量：2

16

作者 倪翠 王朋 +1 位作者 朱元汀 张东 《应用科学学报》 CAS CSCD 北大核心 2022年第3期400-410,共11页

对深度学习领域的稠密卷积网络(dense convolutional network,DenseNet)进行改进,提出了一种嵌套网络模型下的相似图像检索方法。该方法主要通过嵌入压缩和激励网络(squeeze-and-excitation network,SENet),调整原DenseNet网络结构,优... 对深度学习领域的稠密卷积网络(dense convolutional network,DenseNet)进行改进,提出了一种嵌套网络模型下的相似图像检索方法。该方法主要通过嵌入压缩和激励网络(squeeze-and-excitation network,SENet),调整原DenseNet网络结构,优化特征提取模块,从而提高图像检索的准确率。在整个深度学习的过程中,给图像特征通道设置合理的权值,抑制图像中的无效特征,能够进一步提高图像的检索速度。实验结果表明,所提算法能够加强图像有效特征的传递,无论从精度和速度方面均可得到较好的图像检索结果。 展开更多

关键词 稠密卷积网络 压缩和激励网络 嵌套 抑制无效特征 图像检索

在线阅读 下载PDF 职称材料

基于深度学习的金属表面腐蚀等级检测研究 被引量：3

17

作者 谭暑秋 石林 张建勋 《计算机应用与软件》 北大核心 2023年第9期229-235,共7页

为了实现复杂条件下配电箱金属表面腐蚀等级的快速、较准确检测,结合深度学习对金属腐蚀检测进行深入研究。现场采集了湖北电力公司中配电箱金属表面腐蚀图片,且对配电箱所属区域环境进行了较详细的分析,获得了较好的金属腐蚀等级标签... 为了实现复杂条件下配电箱金属表面腐蚀等级的快速、较准确检测,结合深度学习对金属腐蚀检测进行深入研究。现场采集了湖北电力公司中配电箱金属表面腐蚀图片,且对配电箱所属区域环境进行了较详细的分析,获得了较好的金属腐蚀等级标签。在使用连续多层小型卷积滤波器的基础上,添加SENet特征提取模块,提出MS1Net卷积神经网络模型,并使用交叉熵损失函数对MS1Net进行优化。为了验证MS1Net有效性,针对同一网络不同损失函数之间进行对比实验,结果验证交叉熵损失函数收敛更快,loss最低值达到0.077 0。针对多个网络结构如ZFNet、VGG16和MS1Net进行对比实验,最终表明MS1Net能够更快速、更准确地对金属表面腐蚀等级进行检测,且检测准确率为98.44%。 展开更多

关键词 腐蚀等级检测 深度学习 卷积神经网络 senet

在线阅读 下载PDF 职称材料

基于RP-ResNet网络的抓取检测方法 被引量：2

18

作者 赵景波 邱腾飞 +1 位作者 朱敬旭辉 刘信潮 《计算机应用与软件》 北大核心 2023年第3期210-216,共7页

针对目前机器人抓取中实时性差和小目标物体抓取效果不理想的问题,提出基于RP-ResNet网络的抓取检测方法。该方法以模型ResNet-50为基础,引入Region Proposal Network(RPN)网络与改进型空间金字塔结构,使用SENet机构增强通道注意力,充... 针对目前机器人抓取中实时性差和小目标物体抓取效果不理想的问题,提出基于RP-ResNet网络的抓取检测方法。该方法以模型ResNet-50为基础,引入Region Proposal Network(RPN)网络与改进型空间金字塔结构,使用SENet机构增强通道注意力,充分提取不同深度语义信息,加强对高低层信息的利用,增加了抓取点检测的准确性。在Cornell数据集上进行实验验证,结果表明,RP-ResNet网络结构达到实验要求,能够提高物体检测的准确度与检测效率。 展开更多

关键词 深度学习 区域建议网络 senet结构 空间金字塔池化(SPP)

在线阅读 下载PDF 职称材料

基于Order-Aware网络内点筛选网络的电力巡线航拍图像拼接 被引量：1

19

作者 回立川 李万禹 陈艺琳 《计算机应用》 CSCD 北大核心 2022年第5期1583-1590,共8页

电力巡线图像纹理复杂且具有视差变化,针对传统算法获取成对匹配点数量较少、配准精度较低,严重影响电力巡线无人机图像拼接效果等问题,提出了一种基于改进OANet的图像拼接算法。首先,借助加速“风”(AKAZE)算法对待拼接电力巡线图像进... 电力巡线图像纹理复杂且具有视差变化,针对传统算法获取成对匹配点数量较少、配准精度较低,严重影响电力巡线无人机图像拼接效果等问题,提出了一种基于改进OANet的图像拼接算法。首先,借助加速“风”(AKAZE)算法对待拼接电力巡线图像进行粗匹配;其次,对OANet中Order-Aware模块添加挤压和激励网络(SENet),从而增强网络对局部和全局上下文信息的抓取能力,得到更精确的成对匹配点;然后,通过MPA算法配准待拼接图像;最后,借助内容压缩感知算法计算重叠区域的最佳缝合线以完成图像拼接。改进OANet相较原OANet的正确匹配点数量增加了10%左右,耗时平均增加了10 ms;与APAP算法、AANAP算法、MPA算法等配准拼接算法相比,所提算法的拼接质量最好,其待拼接图像的重叠区域的均方根误差为0,非重叠区域未发生畸变。实验结果表明,所提算法可快速、稳定地拼接电力巡线航拍图像。 展开更多

关键词 电力巡线 图像拼接 OANet 挤压和激励网络 MPA算法 内容压缩感知算法

在线阅读 下载PDF 职称材料

基于改进卷积神经网络的中药饮片图像识别 被引量：9

20

作者 李玥辰 赵晓 +1 位作者 王若男 杨晨 《科学技术与工程》 北大核心 2024年第9期3596-3604,共9页

为解决AlexNet网络模型在中药饮片图像识别中存在的识别准确率和鲁棒性不够理想的问题,以常见的50种中药饮片为研究对象,对AlexNet网络模型进行改进优化。首先通过拍摄以及搜索引擎获取中药饮片图像,并对图像进行数据扩充以及细节增强... 为解决AlexNet网络模型在中药饮片图像识别中存在的识别准确率和鲁棒性不够理想的问题,以常见的50种中药饮片为研究对象,对AlexNet网络模型进行改进优化。首先通过拍摄以及搜索引擎获取中药饮片图像,并对图像进行数据扩充以及细节增强预处理。其次对AlexNet网络模型进行优化改进,通过缩减原网络的卷积核个数和卷积核大小、使用全局平均池化(global average pooling,GAP)替代全连接层以减少网络参数;去除局部响应归一化(local response normalization,LRN)层、引入批量归一化(batch normalization,BN)层和使用Lion优化算法替代随机梯度下降(stochastic gradient descent,SGD)优化算法以提高网络训练速度;使用Mish激活函数替代ReLU激活函数和引入通道注意力机制SENet网络以提高模型的识别精度。实验结果表明,改进后的网络模型相比于AlexNet网络模型,平均识别率提高了6.1%,平均损失率下降了14.4%,网络参数由原来的60 M缩减至1 M,该结果表明在中药饮片数据集上,改进后的网络模型具有更高的识别率和更好的鲁棒性,可为中药饮片图像识别领域的进一步发展提供有力支持。 展开更多

关键词 AlexNet网络 中药饮片 全局平均池化 Lion优化算法 Mish激活函数 senet网络

在线阅读 下载PDF 职称材料