基于改进残差网络的医疗图像分类研究

1

作者 程书帅 李伟 +2 位作者 王霄 杨靖 覃涛 《计算机应用与软件》 北大核心 2025年第8期173-179,233,共8页

医疗图像分类在计算机辅助诊断和治疗中发挥着重要作用,传统方法存在人工标记特征难、计算复杂、效率低以及分类效果不好等临床应用问题。该文设计一个基于AM-ResNet网络的医疗图像辅助诊断模型,利用GAN等方法对数据进行扩充提升了算法... 医疗图像分类在计算机辅助诊断和治疗中发挥着重要作用,传统方法存在人工标记特征难、计算复杂、效率低以及分类效果不好等临床应用问题。该文设计一个基于AM-ResNet网络的医疗图像辅助诊断模型,利用GAN等方法对数据进行扩充提升了算法的泛化能力;在AM-ResNet网络中引入了注意力机制模块,加强了图像特征提取;采用迁移学习方法加快了模型的收敛时间。实验采用了公开乳腺癌病理图像数据集进行诊断测试,提出的模型对良性恶性二分类诊断准确率约为97%,对8个亚型的多分类诊断准确率约为93%,实验结果表明,该模型对分类任务具有较高的分类准确率,且具有较好的鲁棒性及泛化能力。 展开更多

关键词 医疗图像分类 AM-ResNet 注意力模块 迁移学习 GAN 计算机辅助诊断

在线阅读 下载PDF 职称材料

大选择性核双边网络的长尾分布医学图像分类方法

2

作者 孙汤慧 赵刚 郭美倩 《计算机科学》 北大核心 2025年第4期231-239,共9页

医学场景下的数据集通常呈现长尾分布的特点,这种不平衡性可能导致模型偏向头部类,而对尾部类的识别性能较差,从而影响模型的准确性。常见的解决方法是对原始数据进行数据增强,使其具备平衡分布的特点,但增强后的尾部类样本质量往往不佳... 医学场景下的数据集通常呈现长尾分布的特点,这种不平衡性可能导致模型偏向头部类,而对尾部类的识别性能较差,从而影响模型的准确性。常见的解决方法是对原始数据进行数据增强,使其具备平衡分布的特点,但增强后的尾部类样本质量往往不佳,没有真正改善尾部类的分类精度。针对此问题,提出一种大选择性核双边网络模型(LSKBB)。该模型主要由传统学习分支和重新再平衡分支两部分组成,采用LSK模块来获取关键信息和关注上下文信息,设计了可以使模型由一个关注方向逐渐过渡到另一个关注方向的动态损失函数,从而提高分类精度。在不改变长尾分布特点的医学数据集中进行图像分类实验,与现有方法相比,所提出的LSKBB模型性能在不平衡率为10,50和100时,在BreaKHis数据集下,准确率分别提高1.41%,1.25%和1.25%;在ChestX-ray数据集下,准确率分别提高6.10%,3.15%和2.47%。实验结果表明,LSKBB模型在不同的不平衡率下性能较好,可用于长尾分布的医学数据集的分类检测。 展开更多

关键词 长尾分布 深度学习 双分支网络 LSK模块 图像分类

在线阅读 下载PDF 职称材料

基于卷积注意力模块的端到端遥感图像分类 被引量：10

3

作者 徐风 苗哲 业巧林 《林业工程学报》 CSCD 北大核心 2020年第4期133-138,共6页

随着图像信息处理技术的发展,大量由各式飞行器对地观测所采集的遥感图像数据被应用于各领域实际生产生活中。传统遥感图像分类方法包含一系列复杂的处理流程,在处理效率和效果上已经难以满足当下的需求。随着人工智能相关技术的发展,... 随着图像信息处理技术的发展,大量由各式飞行器对地观测所采集的遥感图像数据被应用于各领域实际生产生活中。传统遥感图像分类方法包含一系列复杂的处理流程,在处理效率和效果上已经难以满足当下的需求。随着人工智能相关技术的发展,基于卷积神经网络的遥感图像分类方法开始占据主导地位。为减少算法流程中的复杂处理与提高分类的精度,笔者提出一种基于卷积注意力模块的端到端遥感图像分类框架,该框架采用卷积神经网络框架ResNet101作为整个框架的主干网络。在ResNet101网络4个阶段的卷积模块之间嵌入卷积注意力模块,使得模型关注于最具有类别区分度的区域,从而得到更好的分类结果。在模型训练阶段,采用开源的深度学习开源框架Pytorch对训练数据进行在线增广处理,对训练数据进行随机角度旋转,防止训练过程中发生过拟合现象。本研究基于PatternNet与NWPU-RESISC45两个公开数据集,并仅划分少量数据用于模型训练。结果表明:相比已有的方法,本研究提出的框架能够在GPU加速的环境中,以更高的精度分类遥感图像,满足了实时处理的需求,且支持端到端对遥感图像进行分类,不需要复杂的处理流程。 展开更多

关键词 卷积神经网络 遥感图像 卷积注意力模块 图像分类

在线阅读 下载PDF 职称材料

基于SonarWiz的多波束声纳图像智能底质分类技术研究 被引量：3

4

作者 陈炜 邝晗宇 +1 位作者 蔡梦雅 徐靖国 《海洋测绘》 CSCD 北大核心 2022年第1期41-45,共5页

多波束回波强度信息与海底底质类型具有较强的相关性,通过海底声纳图像能够实现底质类型的划分。为提高海底底质分类质量,依托SonarWiz的智能底质分类优势,在海底声纳图像纹理特征自动分类基础上,引入地形属性信息修正分类结果。以三亚... 多波束回波强度信息与海底底质类型具有较强的相关性,通过海底声纳图像能够实现底质类型的划分。为提高海底底质分类质量,依托SonarWiz的智能底质分类优势,在海底声纳图像纹理特征自动分类基础上,引入地形属性信息修正分类结果。以三亚崖州湾附近海域为例,基于实测海底地形数据和海底表面声纳图像,利用数据处理技术和图像分类方法,完成对该区域海底声纳图像处理分析和海底表层沉积物的分类研究,获得试验区海底底质分类成果。该方法对未知海底沉积物类型的大面积底质分类研究,以及港口、抛锚地等重点区域的底质分类工作具有借鉴意义。 展开更多

关键词 海底底质分类 多波束声纳图像 纹理特征 sonarwiz图像分类模块 地形属性信息

在线阅读 下载PDF 职称材料

基于通道注意力机制的小样本SAR飞机图像分类方法 被引量：3

5

作者 赵一铭 王佩瑾 +2 位作者 刁文辉 孙显 邓波 《南京大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第3期464-476,共13页

合成孔径雷达(Synthetic Aperture Radar,SAR)以其全天候、全天时、高分辨率、大幅宽的特点,成为对地观测的重要手段,图像分类是SAR图像解译的一个重要方向.和光学图像相比,SAR图像的成像机理较复杂,存在较多噪声干扰,导致图像清晰度较... 合成孔径雷达(Synthetic Aperture Radar,SAR)以其全天候、全天时、高分辨率、大幅宽的特点,成为对地观测的重要手段,图像分类是SAR图像解译的一个重要方向.和光学图像相比,SAR图像的成像机理较复杂,存在较多噪声干扰,导致图像清晰度较差、样本标注的难度大,无法保证深度学习算法对样本量的需求,因此,对小样本SAR图像进行图像分类成为当前SAR图像解译领域的重点研究问题之一.基于这一问题展开了基于元学习的SAR图像分类模型的研究,以实现小样本条件下SAR图像的高精度识别.构建基于注意力机制的原型网分类方法,设计了通道注意力模块来自动获取图像特征的重要程度,促进提取对图像分类更有判别力的特征;同时,对模型设计预训练网络,以充分利用已有数据的信息,学习更好的先验信息,提高分类的准确率.在自建的高分辨率SAR图像数据集上对该小样本分类模型进行了实验.消融实验表明,注意力模块和预训练模块对模型的性能均有一定的提升效果.通过对比实验,证明和当前常用的小样本学习方法相比,构建的分类方法能在SAR图像分类中获得较高的准确率,在第一组实验的5-way 1-shot实验中得到的分类精度提高了5.9%,在5-way 5-shot实验中提高了1.92%. 展开更多

关键词 SAR图像分类 元学习 小样本学习 通道注意力模块 预训练

在线阅读 下载PDF 职称材料

基于轻量级全连接张量映射网络的高光谱图像分类方法

6

作者 林知心 郑玉棒 +2 位作者 马天宇 王蕊 李恒超 《电子学报》 EI CAS CSCD 北大核心 2024年第10期3541-3551,共11页

近年来,基于卷积神经网络的深度学习模型已经在高光谱图像分类领域取得优异表现.然而,模型性能的提升通常依赖于更深、更宽的网络结构,导致参数量和计算量增长,从而限制了模型在机载或星载载荷中的实际部署.为此,本文提出基于轻量级全... 近年来,基于卷积神经网络的深度学习模型已经在高光谱图像分类领域取得优异表现.然而,模型性能的提升通常依赖于更深、更宽的网络结构,导致参数量和计算量增长,从而限制了模型在机载或星载载荷中的实际部署.为此,本文提出基于轻量级全连接张量映射网络的高光谱图像分类方法.根据全连接张量网络分解的映射思想以及高光谱图像“图谱合一”的结构特点,本文设计两种张量映射卷积单元,通过使用多个具有全连接结构的小尺寸卷积核代替原始卷积核,降低了卷积层的时间和空间复杂度.此外,基于新单元构建残差双分支张量模块.双分支结构共享同一组权重参数,并采用通道分割操作减少特征通道数,提升特征提取过程的实时性.本文所提模型通过使用新单元和新模块充分挖掘高光谱图像的局部空谱信息和全局光谱信息,有效提高了分类性能并减少硬件资源消耗.在三个常用高光谱图像数据集上的实验结果表明,所提模型相较于其他现有工作具有更高的分类性能以及更低的参数量和计算量. 展开更多

关键词 高光谱图像分类 模型压缩 全连接张量网络分解 卷积神经网络 张量神经网络 轻量卷积模块

在线阅读 下载PDF 职称材料

基于自高斯与通道注意力的重塑卷积高光谱图像分类算法

7

作者 谭云飞 李明 +2 位作者 罗勇航 文贵豪 石超山 《辽宁工程技术大学学报(自然科学版)》 北大核心 2024年第6期102-111,共10页

针对传统卷积受限固有的网络结构,缺乏建立远程依赖关系的能力和分类精度较差等问题,提出一种基于自高斯与通道注意力的重塑卷积高光谱图像分类算法(RC-LSGA)模型。RC-LSGA模型首先采用卷积层提取浅层空间信息的特征,再使用通道注意力... 针对传统卷积受限固有的网络结构,缺乏建立远程依赖关系的能力和分类精度较差等问题,提出一种基于自高斯与通道注意力的重塑卷积高光谱图像分类算法(RC-LSGA)模型。RC-LSGA模型首先采用卷积层提取浅层空间信息的特征,再使用通道注意力机制增强光谱特征,然后通过LSGA Transformer模块和重塑卷积分支对全局-局部特征信息进行提取,最后将获得的特征输入分类器实现分类。RC-LSGA模型能够有效区分不同波段信息,对PU、SA和LK数据集中类别识别的平均准确率分别达到98.20%、99.33%和99.46%。实验结果表明,在训练样本数量有限的情况下,RC-LSGA模型性能优异,在分类任务中实用价值较高。 展开更多

关键词 高光谱图像分类 通道注意力 LSGA Transformer模块 重塑卷积

在线阅读 下载PDF 职称材料

驾驶素质缺失测试眼状态的深度学习分类方法研究

8

作者 杨旺达 万亚平 +3 位作者 邹刚 闵晓珊 王沂 陆宇程 《计算机工程》 北大核心 2025年第2期149-158,共10页

由驾驶员的不安全行为导致的交通事故占多数,针对驾驶认知素质特性的研究,搭建虚拟驾驶场景评估驾驶者的驾驶素质,可以最大限度地贴近现实环境和操作,唤醒驾驶者的潜在驾驶能力和应对能力。眼球运动可以极大程度地反映出驾驶者的认知状... 由驾驶员的不安全行为导致的交通事故占多数,针对驾驶认知素质特性的研究,搭建虚拟驾驶场景评估驾驶者的驾驶素质,可以最大限度地贴近现实环境和操作,唤醒驾驶者的潜在驾驶能力和应对能力。眼球运动可以极大程度地反映出驾驶者的认知状态,但目前多数眼动状态识别研究主要关注在自然状态中基本视觉运动方向或者眼睑的闭合,识别类别的能力和效果对于驾驶场景的认知状态评估有限。收集了10类静态眼动方向的双眼数据,并提出融合注意力机制的多尺度眼状态图像识别模型。首先,使用部分卷积设计双分支特征融合模块,在加强模型特征提取能力的同时减少计算冗余;然后,在双分支特征融合的残差模块中嵌入改进的坐标注意力(CA)机制,提升模型对不同尺度特征的信息表征能力;最后,对模型的通道结构和数量进行调整,平衡模型的参数量与识别准确率。实验结果表明,所提方法在构建的10类眼动状态数据集上识别准确率达到95.1%,相比改进前的网络提高3.4个百分点;在Eye Chimera数据集和MRL眼睛数据集上的识别准确率分别为95.1%和98.95%,可以满足在虚拟驾驶测试环境下眼动状态识别的要求,并为进一步结合多参数分析驾驶素质缺失任务奠定基础。 展开更多

关键词 驾驶认知 眼状态 图像分类 特征融合 注意力模块

在线阅读 下载PDF 职称材料

改进卷积神经网络在遥感图像分类中的应用 被引量：24

9

作者 刘雨桐 李志清 杨晓玲 《计算机应用》 CSCD 北大核心 2018年第4期949-954,共6页

针对传统卷积神经网络(CNN)稀疏网络结构无法保留全连接网络密集计算的高效性和实验过程中激活函数的经验性选择造成结果不准确或计算量大的问题,提出一种改进卷积神经网络方法对遥感图像进行分类。首先,利用Inception模块的不同尺度卷... 针对传统卷积神经网络(CNN)稀疏网络结构无法保留全连接网络密集计算的高效性和实验过程中激活函数的经验性选择造成结果不准确或计算量大的问题,提出一种改进卷积神经网络方法对遥感图像进行分类。首先,利用Inception模块的不同尺度卷积核提取图像多尺度特征,然后利用Maxout模型学习隐藏层节点的激活函数,最后通过Softmax方法对图像进行分类。在美国土地使用分类数据集(UCM_Land Use_21)上进行的实验结果表明,在卷积层数相同的情况下,所提方法比传统的CNN方法分类精度提高了约3.66%,比同样也基于多尺度深度卷积神经网络(MS_DCNN)方法分类精度提高了2.11%,比基于低层特征和中层特征的视觉词典等方法分类精度更是提高了10%以上。因此,所提方法具有较高的分类效率,适用于图像分类。 展开更多

关键词 卷积神经网络 Inception模块 Maxout网络 dropout操作 遥感图像分类

在线阅读 下载PDF 职称材料

基于空谱分组卷积密集网络的高光谱图像分类 被引量：2

10

作者 欧阳宁 李祖锋 林乐平 《计算机工程与设计》 北大核心 2022年第7期2031-2039,共9页

针对高光谱图像分类在特征提取过程中高分辨率信息丢失,导致分类精度下降的问题,提出一种基于空谱分组卷积密集网络的高光谱图像分类方法。设计光谱-空间三维分组卷积密集模块,对光谱与空间特征进行分步提取,利用分组卷积构造的密集网... 针对高光谱图像分类在特征提取过程中高分辨率信息丢失,导致分类精度下降的问题,提出一种基于空谱分组卷积密集网络的高光谱图像分类方法。设计光谱-空间三维分组卷积密集模块,对光谱与空间特征进行分步提取,利用分组卷积构造的密集网络能减少数据固有信息冗余,使高分辨率的特征进行重用,避免细节特征信息丢失;设计光谱残差注意力模块,该模块通过结合空-谱特征计算注意力权重,对提取到的光谱特征进行权重重分配,对光谱信息富有的区域进行增强。实验结果表明,相比于若干最优的深度网络方法,所提高光谱图像分类方法具有更好的分类性能。 展开更多

关键词 高光谱图像分类 三维分组卷积 密集网络 光谱残差注意力模块 空-谱特征

在线阅读 下载PDF 职称材料

改进残差神经网络在遥感图像分类中的应用 被引量：12

11

作者 刘春容 宁芊 +1 位作者 雷印杰 陈炳才 《科学技术与工程》 北大核心 2021年第31期13421-13429,共9页

针对传统卷积神经网络随着深度加深而导致网络退化以及计算量大等问题,提出一种改进残差神经网络的遥感图像场景分类方法。该方法以残差网络ResNet50作为主框架,在残差结构中引入深度可分离卷积和分组卷积,减少了网络的参数量和计算量,... 针对传统卷积神经网络随着深度加深而导致网络退化以及计算量大等问题,提出一种改进残差神经网络的遥感图像场景分类方法。该方法以残差网络ResNet50作为主框架,在残差结构中引入深度可分离卷积和分组卷积,减少了网络的参数量和计算量,加快模型收敛的同时也提升了分类精度。此外在网络中嵌入多尺度squeeze and excitation block模块对通道特征进行重校准,提取出更加重要的特征信息,进一步提升了网络的分类性能。在航空图像数据集(aerial image dataset,AID)和UCMerced_Land Use两个公开数据集上的分类精度分别为91.92%和93.52%,相比常规残差网络分类精度分别提高了3.38%和10.24%,证明所提方法在遥感图像场景分类任务中的可行性和有效性。 展开更多

关键词 遥感图像 场景分类 残差神经网络 分组卷积 深度可分离卷积 多尺度缩聚与激发模块

在线阅读 下载PDF 职称材料

基于自注意力卷积网络的遥感图像分类 被引量：17

12

作者 李彦甫 范习健 +1 位作者 杨绪兵 徐新洲 《北京林业大学学报》 CAS CSCD 北大核心 2021年第10期81-88,共8页

【目的】遥感图像分类技术在森林资源调查、生态工程规划以及森林病虫害防控等林业监测业务中,扮演着至关重要的角色。通过引入自注意力模块增强卷积网络对遥感图像的特征刻画能力,以期提高遥感图像的分类效果。【方法】该文提出了一种... 【目的】遥感图像分类技术在森林资源调查、生态工程规划以及森林病虫害防控等林业监测业务中,扮演着至关重要的角色。通过引入自注意力模块增强卷积网络对遥感图像的特征刻画能力,以期提高遥感图像的分类效果。【方法】该文提出了一种融合自注意力机制和残差卷积网络的遥感图像分类方法,首先利用卷积神经网络提取丰富的深度纹理语义特征,然后在卷积网络的最后3个瓶颈层嵌入多头自注意力模块,挖掘遥感图像复杂的全局结构信息。嵌入自注意力模块的卷积分类网络,能够有效提升遥感图像的分类精确度。该研究使用RSSCN7、EuroSAT与PatternNet 3个公开的遥感图像数据集,基于Pytorch深度学习库训练与测试该方法,并增加与已有分类框架算法精度和性能的对比试验。同时,使用不同批次、不同数量大小的数据训练改进研究提出的方法,并测试分类效果。【结果】试验得出,该研究提出的方法在3个遥感分类数据集上的平均识别率分别达到了91.30%、97.88%和97.37%,其中在前两个数据集上较现有的基于深度卷积网络的算法分别提升了2.26%和3.73%。同时,该算法的总参数量为2.08×10^(7),较现有参数量最低的方法减少了5.2×10^(6)。【结论】相比已有的遥感图像分类框架,该研究提出的方法能够在图形处理器(GPU)加速的环境中,取得更为准确的分类效果。同时有效减少了模型的参数量,提高了算法执行的效率,便于后续的实际应用部署。 展开更多

关键词 遥感图像 卷积神经网络 多头自注意力模块 图像分类

在线阅读 下载PDF 职称材料

改进LeNet-5网络在图像分类中的应用 被引量：18

13

作者 刘金利 张培玲 《计算机工程与应用》 CSCD 北大核心 2019年第15期32-37,95,共7页

LeNet-5卷积神经网络(CNN)虽然在手写数字识别上取得很好的分类效果,但在具有复杂纹理特征的数据集上分类精度不高。为提高网络在复杂纹理特征图像上分类的正确率,提出一种改进的LeNet-5网络结构。引入跨连思想,充分利用网络提取的低层... LeNet-5卷积神经网络(CNN)虽然在手写数字识别上取得很好的分类效果,但在具有复杂纹理特征的数据集上分类精度不高。为提高网络在复杂纹理特征图像上分类的正确率,提出一种改进的LeNet-5网络结构。引入跨连思想,充分利用网络提取的低层次特征;把Inception V1模块嵌入LeNet-5卷积神经网络,提取图像的多尺度特征;输出层使用softmax函数对图像进行分类。在Cifar-10和Fashion MNIST数据集上进行的实验结果表明,改进的卷积神经网络在复杂纹理特征数据集上具有很好的分类能力。 展开更多

关键词 LeNet-5网络 跨连连接 INCEPTION V1模块 图像分类

在线阅读 下载PDF 职称材料

基于模糊空谱特征的高光谱图像分类

14

作者 陈瑞 徐金东 +4 位作者 刘兆伟 阎维青 王璇 宋永超 倪梦莹 《南京大学学报（自然科学版）》 CAS CSCD 北大核心 2023年第1期145-154,共10页

难以兼得高空间分辨率和光谱分辨率的高光谱遥感数据常存在“同物异谱”和“同谱异物”现象,这种光谱异质问题给分类过程带来了一定的不确定性,且现有深度分类网络存在空间信息利用不足和拟合退化问题.提出一种联合空间和模糊光谱特征... 难以兼得高空间分辨率和光谱分辨率的高光谱遥感数据常存在“同物异谱”和“同谱异物”现象,这种光谱异质问题给分类过程带来了一定的不确定性,且现有深度分类网络存在空间信息利用不足和拟合退化问题.提出一种联合空间和模糊光谱特征的双分支高光谱遥感图像分类方法,通过在光谱分支中设计非对称卷积模糊模块增强卷积层的光谱表征能力,解决分类数据中的光谱异质问题,进而对地物特征进行精确的分类描述.采用门控循环单元模型分组获取相邻光谱序列信息,缓解因网络深度增加带来的拟合退化问题,在空间分支中利用波段间的相关性引入卷积长短时记忆模块,充分捕捉空间上下文信息.在三个公开的高光谱数据集上的实验结果表明,双分支结构的模糊分类网络能充分利用光谱和空间包含的细粒度信息,更具判别力的空谱特征有效地克服了光谱异质问题,比流行的深度学习方法取得了更好的分类结果. 展开更多

关键词 高光谱遥感 图像分类 非对称卷积模糊模块 模糊学习 空谱特征

在线阅读 下载PDF 职称材料

联合超声甲状腺结节分割与分类的多任务方法研究 被引量：1

15

作者 刘侠 吕志伟 +2 位作者 王波 王狄 谢林浩 《智能系统学报》 CSCD 北大核心 2023年第4期764-774,共11页

针对超声图像中甲状腺结节多尺度、结节边缘模糊、良恶分类不平衡问题,提出一种联合超声甲状腺结节分割与分类的多任务方法。以全卷积网络作为主干共享网络,将提取到的浅层特征共享给多任务分支网络,在分割网络分支中,先加入深层卷积块... 针对超声图像中甲状腺结节多尺度、结节边缘模糊、良恶分类不平衡问题,提出一种联合超声甲状腺结节分割与分类的多任务方法。以全卷积网络作为主干共享网络,将提取到的浅层特征共享给多任务分支网络,在分割网络分支中,先加入深层卷积块,获取分割分支深层特征,再对深层特征进行上采样。本文提出一种改进卷积注意力模块的多尺度卷积注意力模块,将上采样结果与主干共享网络每个特征提取阶段经过带有多尺度卷积注意力模块跳跃连接后的特征张量进行拼接,减少结节边缘模糊问题,提高分割性能。同时将多尺度卷积注意力模块融入到分类分支中,优化分类性能。实验结果表明:本文所提多任务方法能有效提升分割和分类的精度,较单任务深度学习网络具有更优的分割与分类性能,能有效处理甲状腺结节多尺度、结节边缘模糊的问题,降低良恶分类不平衡带来的影响。 展开更多

关键词 深度学习 多任务学习 甲状腺结节超声图像 图像分割 图像分类 深层卷积块 多尺度卷积注意力模块 残差结构

在线阅读 下载PDF 职称材料

基于机器视觉的路边垃圾分类系统 被引量：3

16

作者 党宏社 李俊达 +2 位作者 郭琴 张选德 曾浩 《传感器与微系统》 CSCD 北大核心 2023年第6期82-85,89,共5页

基于机器视觉技术设计制作了路边垃圾分类系统,主要包括硬件电路和垃圾识别模型。改进了现有多注意力模块,使模型更轻量化,采用H-Swish激活函数提高识别准确率,然后在公开的华为垃圾分类比赛数据集上进行仿真实验。结果表明:该方法识别... 基于机器视觉技术设计制作了路边垃圾分类系统,主要包括硬件电路和垃圾识别模型。改进了现有多注意力模块,使模型更轻量化,采用H-Swish激活函数提高识别准确率,然后在公开的华为垃圾分类比赛数据集上进行仿真实验。结果表明:该方法识别准确率达到87.35%。针对自建数据集数据量少、过拟合严重的问题,采用迁移学习的方法,将在华为数据集上训练完成的模型参数进行迁移,在自建数据集上继续训练。最后,将模型部署到树莓派4B上,在制作的实物平台上进行测试。结果表明:该系统平均一次回收需要2 s,可以有效地进行路边垃圾识别分类。 展开更多

关键词 路边垃圾分类 图像识别 注意力模块

在线阅读 下载PDF 职称材料

基于改进CNN的恶意软件分类方法 被引量：10

17

作者 轩勃娜 李进 《电子学报》 EI CAS CSCD 北大核心 2023年第5期1187-1197,共11页

越来越多的恶意软件变种给网络安全带来了巨大的威胁,导致了现有基于CNN(Convolutional Neural Networks)的恶意软件分类方法的泛化能力弱和准确性不足.为了解决这些问题,本文提出了一种新的方法,即基于改进CNN的恶意软件RGB(Red Green ... 越来越多的恶意软件变种给网络安全带来了巨大的威胁,导致了现有基于CNN(Convolutional Neural Networks)的恶意软件分类方法的泛化能力弱和准确性不足.为了解决这些问题,本文提出了一种新的方法,即基于改进CNN的恶意软件RGB(Red Green Blue)可视化的分类方法,可以抵御变种和混淆性恶意软件.首先,提出了一种基于RGB图像的特征表示方法,该方法更加关注恶意软件的二进制和汇编信息、API信息间的语义关系,生成具有更丰富纹理信息的图像,可以挖掘恶意代码原始与变种之间更深层的依赖关系.其次,针对恶意软件的加密和混淆问题,使用坐标注意力模块(Coordinate Attention Module,CAM)获取更大范围的空间信息来强化特征.最后,结合空洞空间金字塔池化(Atrous Spatial Pyramid Pooling,ASPP)来改进CNN模型,解决因图像尺寸归一化导致的信息丢失和冗余.实验结果表明,上述方法在最近的先进方法中脱颖而出,对Kaggle数据集和DataCon数据集的准确率分别达到99.48%和97.78%.与其它方法相比,该方法对Kaggle数据集的准确率提高了0.22%,对DataCon数据集的准确率提高了0.80%.本文方法可以有效地分类恶意软件和恶意软件家族变种,具有良好的泛化能力和抗混淆能力. 展开更多

关键词 网络安全 恶意代码分类 RGB图像 汇编信息 语义关系 坐标注意力模块 空洞空间金字塔

在线阅读 下载PDF 职称材料

DACSNet:基于双注意力机制与分类监督的乳腺超声图像病变检测

18

作者 李方 王洁 《计算机科学》 2025年第9期54-61,共8页

超声成像是乳腺病变最常用的检测技术,基于深度学习的乳腺超声图像自动化病变检测引起了越来越多的研究人员关注。然而,大部分研究未能充分融合图像信息来增强特征,也未考虑到注意力模块的引入带来的模型复杂度增大和假阳率升高的问题... 超声成像是乳腺病变最常用的检测技术,基于深度学习的乳腺超声图像自动化病变检测引起了越来越多的研究人员关注。然而,大部分研究未能充分融合图像信息来增强特征,也未考虑到注意力模块的引入带来的模型复杂度增大和假阳率升高的问题。因此,对现有的RetinaNet模型进行改进,以VMamba为骨干网络,提出了基于双注意力机制与分类监督的病变检测网络(DACSNet)以提高乳腺超声图像中病变检测的准确性,并降低检测假阳率。具体来说,将医学领域的知识引入注意力模块,通过双注意力模块(DAM)来增强通道维度和空间维度的特征。DAM仅涉及少量参数,且能有效提高模型的检测性能。此外,为了降低病变检测的假阳率,在模型中加入了分类监督模块(CSM)来融合病变分类信息,实现对疑似病变区域的二次关注。为了验证DACSNet的性能,在3组公开的乳腺超声图像数据集上进行了乳腺病变检测实验,结果证明了该方法的有效性。 展开更多

关键词 乳腺超声图像 病变检测 VMamba 双注意力模块 分类监督

在线阅读 下载PDF 职称材料

基于改进ShuffleNet v2模型的苹果叶片病害识别方法 被引量：2

19

作者 王浩宇 崔艳荣 《江苏农业科学》 北大核心 2024年第13期214-222,共9页

针对真实环境下苹果叶片病害识别背景复杂、识别准确率不高,且一些大型网络在分类任务中参数量较大,迁移到移动设备和嵌入式设备上时存在难以存储等问题,提出一种改进轻量化网络ShuffleNet v2的识别方法。首先收集了斑点落叶病、灰斑病... 针对真实环境下苹果叶片病害识别背景复杂、识别准确率不高,且一些大型网络在分类任务中参数量较大,迁移到移动设备和嵌入式设备上时存在难以存储等问题,提出一种改进轻量化网络ShuffleNet v2的识别方法。首先收集了斑点落叶病、灰斑病、花叶病、锈斑病、褐斑病5类常见苹果叶片病害图像样本,通过镜像高斯和旋转等方式对图像进行处理,以增加图片数量,提升模型识别和泛化能力。接着基于轻量化ShuffleNet v2网络为主体,调整第1层卷积核的尺寸,将3×3、步长为2的卷积核调整为1×1、步长为1的卷积核。最后融合空间注意力机制,并进行加权,增强模型对重要信息的注意,再引入Ghost模块,提高模型表征能力。结果表明,改进后的模型相比ShuffleNet v2总体平均精确率提升1.23百分点,平均F 1分数提升了1.21百分点,平均召回率提升了1.20百分点,Top-1准确率提升了1.17百分点,参数量仅为9.8 MB,说明本研究得出的方法具有较高的准确率,为真实场景下苹果叶片病害识别提供了一种有效的解决方案,并为未来工作提供新方向。 展开更多

关键词 苹果 叶片病害 图像分类 ShuffleNet v2 Ghost模块 空间注意力机制

在线阅读 下载PDF 职称材料

基于注意力机制结合改进动态ReLU的输变电工程图纸智能评审方法 被引量：1

20

作者 陈晨 薛文杰 +2 位作者 董平先 翟育新 齐桓若 《沈阳工业大学学报》 CAS 北大核心 2024年第6期772-778,共7页

针对传统识别方法对输变电工程图纸的分类效果较差且精确度偏低的问题,在注意力机制和改进动态ReLU基础上,提出了一种基于深度学习的工程图纸智能评审方法。利用Xception基础网络与动态ReLU函数优化小样本数据的分类效果,进而完善样本... 针对传统识别方法对输变电工程图纸的分类效果较差且精确度偏低的问题,在注意力机制和改进动态ReLU基础上,提出了一种基于深度学习的工程图纸智能评审方法。利用Xception基础网络与动态ReLU函数优化小样本数据的分类效果,进而完善样本数据的ReLU参数分配。通过引入改进注意力机制模块,深化神经网络算法中特征图的权重分配,进一步提升了工程图纸的分类效果。仿真结果表明,与传统工程图纸识别方法相比,基于深度学习的工程图纸智能评审方法具有更优分类效果。 展开更多

关键词 输变电工程图纸 改进SE模块 ReLU函数 深度学习 Xception网络 图像识别 图像分类 卷积神经网络

在线阅读 下载PDF 职称材料