结合SKNet与U-Net的盐体识别方法 被引量：3

1

作者 程国建 刘宁 +2 位作者 万晓龙 姚卫华 魏新善 《油气地质与采收率》 CAS CSCD 北大核心 2022年第1期62-68,共7页

地下盐体与油气藏的关系密不可分,盐体的准确识别对油气藏勘探和钻探路径规划具有重要意义。以往的深度学习方法使用固定大小的感受野,不能根据地震图像中盐体的大小动态地调整卷积核来捕捉特征,从而忽略了部分全局信息,导致在盐体边界... 地下盐体与油气藏的关系密不可分,盐体的准确识别对油气藏勘探和钻探路径规划具有重要意义。以往的深度学习方法使用固定大小的感受野,不能根据地震图像中盐体的大小动态地调整卷积核来捕捉特征,从而忽略了部分全局信息,导致在盐体边界或狭长处识别效果较差。针对上述问题,在U-Net基础上进行改进,使用SKNet作为编码器提取盐体特征,其具有动态选择机制,根据输入信息的多个尺度自适应地调整感受野的大小,并结合位置与通道自注意力机制以及超柱体方法进行特征融合。采用改进的U-Net方法对TGS盐体数据集进行评估,取得交并比为85.66%、像素准确率为96.1%的识别效果。 展开更多

关键词 盐体识别 深度学习 sknet U-Net 自注意力机制 特征融合

在线阅读 下载PDF 职称材料

融合SKNet与YOLOv5深度学习的养殖鱼群检测 被引量：24

2

作者 赵梦 于红 +6 位作者 李海清 胥婧雯 程思奇 谷立帅 张鹏 韦思学 郑国伟 《大连海洋大学学报》 CAS CSCD 北大核心 2022年第2期312-319,共8页

为解决真实养殖环境下,水下成像模糊、失真等导致鱼群检测准确率低的问题,提出一种融合视觉注意力机制SKNet(selective kernel networks)与YOLOv5(you only look once)的养殖鱼群检测方法(SK-YOLOv5模型),该方法首先采用UNet(convolutio... 为解决真实养殖环境下,水下成像模糊、失真等导致鱼群检测准确率低的问题,提出一种融合视觉注意力机制SKNet(selective kernel networks)与YOLOv5(you only look once)的养殖鱼群检测方法(SK-YOLOv5模型),该方法首先采用UNet(convolutional networks for biomedical image segmentation)对图像进行预处理,得到清晰的鱼群图像,然后将SKNet融合到YOLOv5的Backbone端构成关注像素级信息的特征提取网络,加强对模糊鱼体的识别能力,并在水下模糊鱼群图像数据集上进行了消融试验和模型对比试验,以验证SK-YOLOv5的有效性。结果表明:在鱼群检测任务上,SK-YOLOv5的识别精确率和召回率分别达到了98.86%和96.64%,检测效果比YOLOv5分别提升了2.14%和2.29%,与目前检测准确率较高的水下目标检测模型XFishHmMp和FERNet相比,SK-YOLOv5取得了较好的检测效果,与XFishHmMp模型相比,识别精确率和召回率分别提升了5.39%和5.66%,与FERNet模型相比,识别精确率和召回率分别提升了3.59%和3.77%,实现了真实养殖环境下鱼群的准确检测。研究表明,融合SKNet与YOLOv5的养殖鱼群检测方法,有效地解决了水下模糊图像鱼群检测准确率低的问题,提升了养殖鱼群检测和识别的整体效果。 展开更多

关键词 鱼群检测 YOLOv5 UNet sknet 视觉注意力机制 深度学习

在线阅读 下载PDF 职称材料

基于知识蒸馏的加密流量检测方法

3

作者 戴熙来 汤艳君 +1 位作者 邱雨蝶 王子昂 《信息安全研究》 北大核心 2025年第8期702-709,共8页

近年来,随着互联网流量的迅速增长,尤其是加密通信的普及,恶意流量检测面临巨大挑战,由于移动设备资源和性能有限,使得在移动端加密流量中识别恶意行为更加困难.因此提出了一种基于知识蒸馏的加密流量检测方法.首先,通过可视化技术将流... 近年来,随着互联网流量的迅速增长,尤其是加密通信的普及,恶意流量检测面临巨大挑战,由于移动设备资源和性能有限,使得在移动端加密流量中识别恶意行为更加困难.因此提出了一种基于知识蒸馏的加密流量检测方法.首先,通过可视化技术将流量转化为图像;其次,在ConvNeXt网络架构的基础上,通过引入SKNet注意力机制,替换激活函数GELU为SwiGLU,构建了SK_SwiGLU_ConvNeXt网络作为教师网络;最后,选用轻量级的MobileNetV2为学生网络,并使用教师网络指导学生网络训练.该检测方法在公开数据集ISCX VPN-NonVPN上的实验结果表明,即使在资源受限的移动设备环境中,学生网络也能在降低模型复杂度的同时提高教师模型的检测效果,证明了该方法在移动设备上具有高效的部署潜力. 展开更多

关键词 加密流量识别 知识蒸馏 ConvNeXt sknet MobileNetV2 深度学习

在线阅读 下载PDF 职称材料

基于WATD-MTF与改进的残差网络齿轮箱故障诊断研究

4

作者 沈景涛 武哲 +2 位作者 张强 崔彦平 曹亚超 《振动与冲击》 北大核心 2025年第7期247-257,共11页

针对齿轮箱工作环境复杂多变含噪声大、不同工况下模型泛化性能弱而导致训练准确率低等问题,提出一种小波自适应阈值降噪(wavelet adaptive threshold denoise,WATD)结合马尔可夫转移场(Markov transition field,MTF)与改进的残差网络... 针对齿轮箱工作环境复杂多变含噪声大、不同工况下模型泛化性能弱而导致训练准确率低等问题,提出一种小波自适应阈值降噪(wavelet adaptive threshold denoise,WATD)结合马尔可夫转移场(Markov transition field,MTF)与改进的残差网络齿轮箱故障诊断方法。在ResNet18模型的基础上融合了SKNet注意力网络,构成了SK-ResNet18模型,来提高ResNet18模型对重要特征的提取能力。利用WATD算法对一维信号进行去噪,将去噪后的一维信号生成包含时序信息的MTF二维特征图,并输入到改进后的网络中进行特征提取,最终利用网络全连接层实现对故障种类的精确识别。利用东南大学齿轮故障数据集和QPZZ-II试验台采集的齿轮故障数据对该方法进行试验验证,结果表明:该方法能有效识别故障类型,相比其它智能算法,该方法在数据降噪后与不同工况下均表现出较高的优越性和可泛化性能。所提方法可为实际工业的齿轮箱故障诊断任务提供一定的参考价值。 展开更多

关键词 故障诊断 sknet注意力网络 小波自适应阈值降噪(WATD) 马尔可夫转移场(MTF) 残差网络

在线阅读 下载PDF 职称材料

小样本条件下的典型海洋承灾体识别算法研究

5

作者 文莉莉 张炜 +1 位作者 邬满 赵绪成 《应用海洋学学报》 北大核心 2025年第2期346-354,共9页

海洋承灾体的单体识别和精细化管理,对海洋灾害的精准预警和评估具有重要意义。由于海洋承灾体获取大量样本数据困难且成本高,难以满足传统深度学习模型的训练要求,因此本研究针对房屋、码头吊机、养殖网箱、养殖蚝排、危化品储存罐5种... 海洋承灾体的单体识别和精细化管理,对海洋灾害的精准预警和评估具有重要意义。由于海洋承灾体获取大量样本数据困难且成本高,难以满足传统深度学习模型的训练要求,因此本研究针对房屋、码头吊机、养殖网箱、养殖蚝排、危化品储存罐5种典型海洋承灾体,提出一种小样本条件下基于注意力机制和孪生残差网络的海洋承灾体识别方法。为增强小样本条件下模型的关键特征提取能力和泛化能力,本研究从两个方面进行了改进:①引入注意力机制SKNet对残差网络进行改进,设计了具有多尺度自适应能力的SKNet-ResNet-101网络,提高了模型的关键特征提取能力;②利用孪生网络度量学习的原理,以SKNet-ResNet-101网络为主干网络,构建基于注意力机制的双路孪生残差网络,以减少网络训练对大量样本的依赖,同时增强网络在小样本条件下的泛化能力。经过与FSOD、Meta R-CNN等算法在海洋承灾体、VOC、COCO数据集上的对比测试,改进后的双路孪生残差网络在识别准确率上均有所提高,其中,在海洋承灾体数据集上提高了0.89%,在VOC数据集上平均提高了0.97%,在COCO数据集上平均提高了0.33%。该模型增强了小样本条件下网络针对复杂场景图像特征的提取能力,为构建精细化的海洋承灾体脆弱性评价和灾变预警模型提供了技术基础。 展开更多

关键词 小样本学习 sknet ResNet-101 孪生神经网络 海洋承灾体

在线阅读 下载PDF 职称材料

基于SK-ResNet和迁移学习的滚动轴承故障诊断 被引量：2

6

作者 潘雪娇 董绍江 +2 位作者 邹松 吕智明 宋锴 《组合机床与自动化加工技术》 北大核心 2024年第10期166-170,共5页

针对传统深度学习模型在变工况环境下泛化能力差、诊断精度低的问题,提出了一种基于SK-ResNet和迁移学习的滚动轴承故障诊断方法。首先,对采集到的时域信号进行快速傅里叶变换(FFT)获得频域信号,并进行加权融合得到新的时频域数据集;其... 针对传统深度学习模型在变工况环境下泛化能力差、诊断精度低的问题,提出了一种基于SK-ResNet和迁移学习的滚动轴承故障诊断方法。首先,对采集到的时域信号进行快速傅里叶变换(FFT)获得频域信号,并进行加权融合得到新的时频域数据集;其次,将选择性内核网络(SKNet)融入到残差网络(ResNet)中提高特征提取能力;然后,采用基于多核最大均值差异(MK-MMD)和相关对齐(CORAL)改进的差异对齐损失(DDM)缩小变工况下滚动轴承故障数据特征分布差异,并将其应用到模型的多个模块中进一步缩小特征之间的分布距离。实验结果表明,与传统滚动轴承故障诊断方法相比,本文方法具有更好的诊断精度和泛化能力。 展开更多

关键词 选择性内核网络 残差网络 迁移学习 差异对齐损失

在线阅读 下载PDF 职称材料

基于SK-EfficientNet的番茄叶片病害识别模型 被引量：12

7

作者 帖军 隆娟娟 +2 位作者 郑禄 牛悦 宋衍霖 《广西师范大学学报（自然科学版）》 CAS 北大核心 2022年第4期104-114,共11页

针对目前番茄叶片病害识别的深度学习模型网络参数量多、精确度低、移动端模型部署难的问题,提出一种基于SK-EfficientNet的番茄叶片病害识别方法。该方法采用轻量级模型EfficientNet作为基准模型,并利用选择性卷积核机制SKNet替换Effic... 针对目前番茄叶片病害识别的深度学习模型网络参数量多、精确度低、移动端模型部署难的问题,提出一种基于SK-EfficientNet的番茄叶片病害识别方法。该方法采用轻量级模型EfficientNet作为基准模型,并利用选择性卷积核机制SKNet替换EfficientNet核心模块MBConv中的SENet,使得卷积核根据输入特征的多尺度信息自适应选择感受野大小,提高图像特征提取能力同时更有效地利用参数。多组对比实验结果显示,改进后的模型在训练精度上得到进一步提高,且模型参数仅为3.83 MiB。在PlantVillage数据集上平均准确率达到99.64%,且验证SK-EfficientNet-B2的识别精度最高;在自然场景下平均准确率较原模型提高3.81个百分点。结果表明,改进后模型能有效提高自然场景下番茄叶片病害识别精度,可为移动端部署番茄叶片病害识别模型提供参考。 展开更多

关键词 番茄叶片 病害识别 EfficientNet网络 sknet MBConv

在线阅读 下载PDF 职称材料

基于DeeplabV3+改进的煤岩显微组分组自动化测试模型 被引量：3

8

作者 胡晋玮 奚峥皓 +2 位作者 徐国忠 李忠峰 刘翔 《煤田地质与勘探》 EI CAS CSCD 北大核心 2023年第10期27-36,共10页

煤岩显微组分组的识别对分析煤炭化学性质起到关键作用。人工识别方法费时费力,且专业性要求较高。现有的计算机辅助识别有效方法多以深度学习语义分割模型为手段,但因煤岩显微图像组成复杂,且存在过渡组分,因此无法准确识别煤岩显微组... 煤岩显微组分组的识别对分析煤炭化学性质起到关键作用。人工识别方法费时费力,且专业性要求较高。现有的计算机辅助识别有效方法多以深度学习语义分割模型为手段,但因煤岩显微图像组成复杂,且存在过渡组分,因此无法准确识别煤岩显微组分组。针对此问题,提出改进的DeeplabV3+语义分割模型,在改进模型中引入Swin Transformer骨干网络和SkNet网络。首先,针对煤岩显微图像各个组分组交错杂糅且存在过渡组分,特征提取困难,利用Swin Transformer骨干网络作为基础特征提取网络,提升模型对煤岩显微图像每种组分组的特征提取能力,并使得分割网络获得特征间信息交互的能力;其次,针对在模型中空洞空间卷积池化金字塔模块对特征利用率低的问题,将SkNet网络融入空洞空间卷积池化金字塔模块,强化空洞空间卷积池化金字塔模块对重要特征的提取能力,并抑制非必要特征对最终预测结果的干扰;最后,将改进的DeeplabV3+模型与现有先进算法通过实验进行性能比较,结果表明:改进的DeeplabV3+语义分割模型在煤岩显微图像测试集上的像素准确率为92.06%,与随机森林方法、U-Net语义分割模型和DeeplabV3+语义分割模型相比像素准确率分别提高了9.48%、6.90%和3.40%;改进的DeeplabV3+语义分割模型与人工点测方法测试结果相近。改进的DeeplabV3+语义分割模型较现有煤岩显微组分组自动识别模型性能更优,可作为一种强大的计算机辅助人工识别煤岩显微组分组的手段。 展开更多

关键词 煤岩显微图像 显微组分组 自动化测试 语义分割模型 Swin Transformer sknet

在线阅读 下载PDF 职称材料

基于注意力机制和Faster R-CNN深度学习的海洋目标识别模型 被引量：11

9

作者 文莉莉 孙苗 邬满 《大连海洋大学学报》 CAS CSCD 北大核心 2021年第5期859-865,共7页

为进一步提升对复杂海洋目标的检测能力,引入自适应尺度的注意力机制,提出一种适应多尺度复杂海洋目标的改进Faster R-CNN模型,该模型通过将卷积网络与SKNet网络相结合,增强模型的特征提取能力与特征有效性,并针对船舶、蚝排、红树林、... 为进一步提升对复杂海洋目标的检测能力,引入自适应尺度的注意力机制,提出一种适应多尺度复杂海洋目标的改进Faster R-CNN模型,该模型通过将卷积网络与SKNet网络相结合,增强模型的特征提取能力与特征有效性,并针对船舶、蚝排、红树林、海岸线4类典型海洋目标,利用91卫图助手与无人机高清影像建立了12000张样本库,分别基于改进的Faster R-CNN模型与原模型进行对比测试试验。结果表明:改进的模型虽然略微增加了计算量,但其特征提取能力与目标检测能力明显强于原模型,整体识别准确率为87.1%;在4类典型海洋目标中,船舶的识别准确率最高,可达94.4%,而红树林由于其特征比较复杂,边界不明显,其整体识别准确率为75.1%。研究表明,引入SKNet网络的Faster R-CNN网络模型,不仅增强了模型对多尺度复杂目标的特征提取能力,更适用于对复杂海洋目标的检测与识别。 展开更多

关键词 注意力机制 SENet模型 sknet模型 区域候选网络 Faster R-CNN模型 目标检测 深度学习

在线阅读 下载PDF 职称材料

基于注意力机制的SK-YOLOv5海洋目标检测分类算法 被引量：4

10

作者 李斌 文莉莉 +2 位作者 邬满 刘画宁 许贵林 《广西科学》 CAS 北大核心 2023年第1期132-138,共7页

基于遥感影像的海洋目标图像具有多尺度、形状变化大、颜色暗淡、目标边界不清、图像模糊等特点,需要在现有的目标检测算法上进行改进,以满足遥感影像海洋目标检测及分类需要。针对这些问题,在You Only Look Once version 5(YOLOv5)的... 基于遥感影像的海洋目标图像具有多尺度、形状变化大、颜色暗淡、目标边界不清、图像模糊等特点,需要在现有的目标检测算法上进行改进,以满足遥感影像海洋目标检测及分类需要。针对这些问题,在You Only Look Once version 5(YOLOv5)的网络架构中引入Selective Kernel Networks(SKNet)注意力模块,提出一种新的SK-YOLOv5网络,增强网络对多尺度复杂海洋目标的特征提取和自适应能力。经对比实验测试,在相同的海洋目标数据集上,改进后的网络比原网络整体检测及分类准确率提升了约9%。 展开更多

关键词 注意力机制 sknet YOLOv5 海洋目标检测 特征提取

在线阅读 下载PDF 职称材料

基于SK-YOLOV3的遥感图像目标检测方法 被引量：6

11

作者 郭智超 丛林虎 +2 位作者 刘爱东 邓建球 应新永 《兵器装备工程学报》 CSCD 北大核心 2021年第7期165-171,共7页

针对传统的特征融合方式参数量高、无法反映通道和卷积核重要性、检测效果差等劣势,提出了一种基于SK-YOLOV3的遥感图像目标检测方法,在YOLOV3的基础上引入了SKNet视觉注意力机制,并对锚框算法进行优化。为了增强实验对比,在自建的数据... 针对传统的特征融合方式参数量高、无法反映通道和卷积核重要性、检测效果差等劣势,提出了一种基于SK-YOLOV3的遥感图像目标检测方法,在YOLOV3的基础上引入了SKNet视觉注意力机制,并对锚框算法进行优化。为了增强实验对比,在自建的数据集中使用大量复杂环境下拍摄的遥感卫星图片。实验结果表明,该检测模型对于提升目标分辨率效果明显,在检验不同样本图像时平均精度可达到87.33%,检测速率可达27.7 FPS,相比于其他检测方法,该检测方法存在较大优势。 展开更多

关键词 遥感图像 目标检测 sknet网络 特征融合 SK-YOLOV3算法

在线阅读 下载PDF 职称材料

基于改进Faster-RCNN的绝缘子检测算法 被引量：21

12

作者 马耀名 张雨 《计算机应用》 CSCD 北大核心 2022年第2期631-637,共7页

为了提高高压输电线路巡检效率,提出改进Faster-RCNN的绝缘子检测算法。首先,在特征提取网络中添加具有注意力机制动态选择机制网络(SKNet),从而使网络着重学习与绝缘子特征相关通道;其次,借助滤波器响应归一化(FRN)层替代原批归一化(BN... 为了提高高压输电线路巡检效率,提出改进Faster-RCNN的绝缘子检测算法。首先,在特征提取网络中添加具有注意力机制动态选择机制网络(SKNet),从而使网络着重学习与绝缘子特征相关通道;其次,借助滤波器响应归一化(FRN)层替代原批归一化(BN)层,以避免模型陷入梯度饱和区域;最后,使用距离交并比(DIoU)代替原交并比(IoU)方法,以精确表达特征候选区域框位置。对开源航拍绝缘子数据集进行平移、旋转、Cutout和CutMix等操作来进行增强,将数据集扩充到3000张并从中随机选择2500张作为训练集,其余500张作为测试集。相较于原Faster-RCNN算法,所提算法平均准确率提高了3.46个百分点,平均召回率提高了2.76个百分点。实验结果表明:所提算法具有较高检测精度和稳定性,可满足电力巡线绝缘子检测应用场景需求。 展开更多

关键词 绝缘子检测 Faster-RCNN 动态选择机制网络 距离交并比 滤波器响应归一化

在线阅读 下载PDF 职称材料

多分辨率融合密集网络的图像去雨方法

13

作者 刘忠洋 周杰 +3 位作者 陆加新 缪则林 江凯强 高伟 《电光与控制》 CSCD 北大核心 2023年第7期57-62,共6页

针对现有的去雨方法无法彻底去除雨纹并且去雨后图像存在细节丢失问题,提出一种多分辨率融合密集网络的图像去雨方法。网络主体由多个多分辨并行融合模块构成,始终保持空间精确的高分辨率并从低分辨率中接收大量的上下文信息。使用一种... 针对现有的去雨方法无法彻底去除雨纹并且去雨后图像存在细节丢失问题,提出一种多分辨率融合密集网络的图像去雨方法。网络主体由多个多分辨并行融合模块构成,始终保持空间精确的高分辨率并从低分辨率中接收大量的上下文信息。使用一种基于选择性卷积核机制SKNet的多尺度特征融合模块,通过非线性的方法有效聚合来自不同分辨率流的特征。在不同的分辨率流中使用一种改进的残差模块,采用相邻层次的多种尺度的卷积来获取丰富的雨纹信息。模块间使用密集连接,加强不同模块之间的特征传播。实验表明,所提方法在合成及真实雨像数据集上的评价指标与其他去雨方法相比有所提高,去除雨纹的同时能够保留更多的细节信息。 展开更多

关键词 图像去雨 多分辨率 密集网络 sknet 特征融合

在线阅读 下载PDF 职称材料