期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到139篇文章
< 1 2 … 7 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于I_CBAM-DenseNet模型的小麦发育期识别研究
1
作者 付景枝 马悦 +4 位作者 宏观 刘云平 吴文宇 丁明明 尹泽凡 《南京信息工程大学学报》 北大核心 2025年第1期42-52,共11页
针对我国农作物发育期人工观测效率低、识别准确率不高等问题,提出一种基于I_CBAM-DenseNet模型的小麦发育期识别方法.该方法以密集连接卷积网络(DenseNet)为主干提取网络,融入卷积块注意模块CBAM.先将CBAM中的空间注意力模块(SAM)与通... 针对我国农作物发育期人工观测效率低、识别准确率不高等问题,提出一种基于I_CBAM-DenseNet模型的小麦发育期识别方法.该方法以密集连接卷积网络(DenseNet)为主干提取网络,融入卷积块注意模块CBAM.先将CBAM中的空间注意力模块(SAM)与通道注意力模块(CAM)由传统的串联连接改为并行连接,并将改进的CBAM(I_CBAM)插入到DenseNet最后一个密集网络中,构建一种I_CBAM-DenseNet模型,再选取小麦7个重要发育时期进行自动识别.为最大化提取小麦的特征信息,将超绿特征(ExG)因子和最大类间方差法(Otsu)相结合对采集到的小麦图像进行分割处理.对比分析了I_CBAM-DenseNet、AlexNet、ResNet、DenseNet、CBAM-DenseNet以及VGG等模型的准确率和损失值的变化.结果表明,采取基于I_CBAM-DenseNet的卷积神经网络建立的模型,准确率达到99.64%,高于对比模型. 展开更多
关键词 小麦 发育期 DenseNet 卷积块注意模块(cbam)
在线阅读 下载PDF
基于CBAM-CNN的CPS负荷重分配攻击检测定位方法设计
2
作者 陆玲霞 马朝祥 +1 位作者 闫旻睿 于淼 《实验技术与管理》 北大核心 2025年第6期78-89,共12页
负荷重分配攻击是一种特殊的虚假信息注入攻击。对于电力信息物理系统,基于模型的方法难以检测定位多类型负荷重分配攻击,且针对多类型负荷重分配攻击的数据驱动检测定位方法研究较少。为此,设计了一种以双层规划模型为基础的,基于带卷... 负荷重分配攻击是一种特殊的虚假信息注入攻击。对于电力信息物理系统,基于模型的方法难以检测定位多类型负荷重分配攻击,且针对多类型负荷重分配攻击的数据驱动检测定位方法研究较少。为此,设计了一种以双层规划模型为基础的,基于带卷积注意力模块神经网络的负荷重分配攻击定位检测方法。首先对电力信息物理系统中的信息系统进行建模,总结得到三种信息侧负荷重分配攻击行为。随后建立考虑攻击者和调度中心管理者博弈关系的双层规划模型,针对不同攻击场景生成负荷重分配攻击数据集。为了检测定位不同类型的攻击,将所研究问题转化为多标签分类问题,利用卷积神经网络的卷积结构特性挖掘并学习具有稀疏标签数据的邻域信息,引入卷积注意力模块,从通道信息和空间信息两个角度增强网络对于重点信息的学习能力,改善了网络漏判率较高的问题,提高了网络检测定位性能。在38节点电力信息物理系统算例上进行仿真实验,验证了所提方法的有效性。与对比方法相比,所提方法对于三种攻击类型都有较低的误判率和漏判率,检测定位性能更加出色。 展开更多
关键词 电力信息物理系统 负荷重分配攻击 双层规划模型 数据驱动 卷积注意力模块 卷积神经网络
在线阅读 下载PDF
融合CBAM的违法犯罪类安卓恶意软件检测与分类模型研究 被引量：1
3
作者 刘红玉 高见 《计算机工程与应用》 北大核心 2025年第6期317-327,共11页
针对公安工作领域移动终端APP违法犯罪日益频发的情况,为解决Android恶意违法犯罪软件检测领域中相关数据集数量少、分类不清晰,识别Android恶违法软件可行性方法匮乏等情况,提出了一种基于安卓违法犯罪APP数据集,融合CBAM注意力机制的... 针对公安工作领域移动终端APP违法犯罪日益频发的情况,为解决Android恶意违法犯罪软件检测领域中相关数据集数量少、分类不清晰,识别Android恶违法软件可行性方法匮乏等情况,提出了一种基于安卓违法犯罪APP数据集,融合CBAM注意力机制的深度学习模型。收集6181个违法犯罪类APP并整理划分为4个家族;对违法APP软件进行灰度图、RGB以及RGBA三种图像可视化处理;利用融合CBAM注意力机制的深度模型进行家族检测分类。在违法犯罪APP数据集上的实验表明,融合CBAM机制的Resnet18模型在RGBA图像上与未引入该机制的灰度图图像相比,准确度提升了4.04%,达到93.52%。融合CBAM机制的模型在公开Drebin数据集上进行了验证,引入CBAM深度学习模型VGG16在RGBA图像上取得了96.35%的准确率。 展开更多
关键词 违法犯罪 安卓恶意软件 RGBA图像 可视化处理 卷积块注意力模块(cbam) 深度学习
在线阅读 下载PDF
基于CBAM-STCN的齿轮箱故障智能诊断方法
4
作者 万志国 王治国 +1 位作者 赵伟 窦益华 《科学技术与工程》 北大核心 2025年第9期3760-3768,共9页
针对齿轮箱在多种工况下故障特征存在差异,故障诊断易受噪声干扰,导致故障诊断模型泛化性差和识别准确率低的问题,提出一种端到端的具有混合注意力机制和软阈值化特点的时间卷积神经网络(convolutional block attention module-sparse t... 针对齿轮箱在多种工况下故障特征存在差异,故障诊断易受噪声干扰,导致故障诊断模型泛化性差和识别准确率低的问题,提出一种端到端的具有混合注意力机制和软阈值化特点的时间卷积神经网络(convolutional block attention module-sparse temporal convolutional network with soft thresholding,CBAM-STCN)齿轮箱故障诊断模型识别分类方法。首先,利用希尔伯特变换将齿轮故障振动信号转换为包络谱信号;然后,将其输入CBAM-STCN故障诊断模型中;该模型嵌入的混合注意力机制模块(convolutional block attention module,CBAM),能够自适应学习通道和空间注意力的权重,提取与故障特征相关的敏感信息;嵌入的软阈值函数能够最小化模型输出和原输入之间的差异;最后,利用所提出的方法对两种工况、不同类型的齿轮故障进行识别分类。结果表明:CBAM-STCN故障诊断模型对齿轮故障智能诊断的平均准确率为98.95%。该方法对于齿轮箱故障的智能诊断具有一定的参考价值。 展开更多
关键词 齿轮箱 故障智能诊断 混合注意力机制 软阈值化 时间卷积神经网络
在线阅读 下载PDF
基于CNN和CBAM的钢材表面缺陷检测研究
5
作者 徐吉高 陈江义 +1 位作者 秦东晨 沈鹏 《机械设计与制造》 北大核心 2025年第2期149-152,共4页
为了针对钢材表面缺陷尺度小、有用的特征信息少,提出了在卷积神经网络(CNN)的基础架构上添加卷积注意力模块(CBAM),改进后的网络模型对于数据集进行更层次的特征提取,更加关注特征信息的位置以及意义,使提取到的特征更加精炼,加强特征... 为了针对钢材表面缺陷尺度小、有用的特征信息少,提出了在卷积神经网络(CNN)的基础架构上添加卷积注意力模块(CBAM),改进后的网络模型对于数据集进行更层次的特征提取,更加关注特征信息的位置以及意义,使提取到的特征更加精炼,加强特征重复利用,提升模型的表现力。实验结果表明:在数据集特征信息少、分类对象较为单一的情况下,本文所提出方法相较于更深层次的网络模型对于分类任务取得更好的效果,缺陷检测分类准确率可达99%,平均检测速度8.21ms,满足实时检测需求。 展开更多
关键词 钢材表面缺陷检测 卷积神经网络 卷积注意力模块
在线阅读 下载PDF
结合ResNet和CBAM的静态图像行为识别方法
6
作者 高晗 万方杰 马明旭 《郑州大学学报(理学版)》 北大核心 2025年第3期65-71,共7页
针对静态图像行为识别缺乏大规模训练数据集和无法利用时空特征所导致的识别效果不佳问题,提出一种结合残差神经网络(residual neural network,ResNet)和卷积注意力模块(convolutional block attention module,CBAM)的静态图像行为识别... 针对静态图像行为识别缺乏大规模训练数据集和无法利用时空特征所导致的识别效果不佳问题,提出一种结合残差神经网络(residual neural network,ResNet)和卷积注意力模块(convolutional block attention module,CBAM)的静态图像行为识别方法。使用特定数据增强技术对数据集进行扩充,采用迁移学习方法对模型初始化,并进行微调训练提升对静态图像行为识别的特征表达能力。通过将CBAM嵌入ResNet的第1个卷积层后来调整模型注意力,利用Grad-CAM方法提取模型识别图像时关注区域并进行可视化,对精度提升进行了解释。在PPMI数据集上,所提方法在演奏乐器类、持有乐器类和总类的平均识别精度分别达到88.30%、81.94%和77.93%,验证了方法的有效性。 展开更多
关键词 残差网络 行为识别 卷积注意力模块 静态图像 迁移学习
在线阅读 下载PDF
基于CBAM-GLU-ISF的多模态融合恶意软件检测方法
7
作者 彭飞鸿 刘万平 黄东 《计算机工程与应用》 北大核心 2025年第20期306-314,共9页
恶意软件普遍结合代码混淆技术,基于单特征的检测方法特征信息受限,相对多特征检测方法存在检测准确率偏低的问题。不同模态之间潜在的关联性信息可以提高检测效果上限,目前的多特征检测方法在特征融合时缺乏对特征之间关联性的建模,导... 恶意软件普遍结合代码混淆技术,基于单特征的检测方法特征信息受限,相对多特征检测方法存在检测准确率偏低的问题。不同模态之间潜在的关联性信息可以提高检测效果上限,目前的多特征检测方法在特征融合时缺乏对特征之间关联性的建模,导致其检测准确率欠佳。为了更全面地表征恶意软件并提高检测精度,提出一种基于卷积神经网络CNN和门控线性单元GLU的多模态融合恶意软件检测方法CBAM-GLU-ISF。以恶意软件两种模态:灰度图和字节序列为分析对象,在卷积神经网络中添加卷积块注意力模块(CBAM),结合通道注意力和空间注意力实现对灰度图的关键特征提取。字节序列是软件在计算机上最直接的表示,门控线性单元结合加性注意力机制(additive attention)在高效地捕获长序列依赖关系的基础上,实现对字节序列关键特征的提取。多模态特征融合模块(ISF)对并行特征提取网络的两种模态特征进行融合,挖掘利用两种模态特征之间存在的关联性信息,将恶意软件表征为一个更全面的多模态特征。最后,通过检测层完成恶意软件识别。实验结果表明,所提方法检测准确率达到99.1%,AUC达到了99.8%,对比现有工作中的单特征和多特征检测算法有明显提升,验证了该方法的有效性。 展开更多
关键词 恶意软件检测 多模态融合 卷积神经网络(CNN) 卷积块注意力模块 门控线性单元(GLU)
在线阅读 下载PDF
基于CNN-BiLSTM-CBAM的多特征融合恶意PDF文档检测方法
8
作者 王友贺 孙奕 《信息网络安全》 北大核心 2025年第10期1579-1588,共10页
为应对现有恶意PDF文档检测方法忽视特征之间语义关系以及局限于单一类型的特征分析等问题,文章提出一种检测方案,将CNN-BiLSTM-CBAM的模型和多特征融合应用于恶意PDF文档检测中。该方法不仅融合了静态分析中提取的常规信息和结构信息,... 为应对现有恶意PDF文档检测方法忽视特征之间语义关系以及局限于单一类型的特征分析等问题,文章提出一种检测方案,将CNN-BiLSTM-CBAM的模型和多特征融合应用于恶意PDF文档检测中。该方法不仅融合了静态分析中提取的常规信息和结构信息,还结合了动态分析捕获的API序列信息,构建了一个全面多维的特征集。首先,该模型利用卷积神经网络提取特征集中的局部特征;然后,利用双向长短时记忆(BiLSTM)网络捕获特征间的依赖性和上下文语义关系特征,通过卷积块注意力模块(CBAM)为不同特征分配不同的权重,筛选出较具区分性的关键特征;最后,利用Softmax分类器计算检测结果。实验结果表明,与现有方法相比,该模型在准确率、召回率和F1分数等关键性能指标上均展现出显著优势,有效提升了恶意PDF文档的检测性能。 展开更多
关键词 恶意PDF文档检测 多特征融合 卷积块注意力模块 双向长短时记忆网络
在线阅读 下载PDF
基于TCN-CBAM-LSTM的工业用户非侵入式负荷分解方法
9
作者 李博心 徐永海 +3 位作者 李明 夏勇 袁金斗 潘明明 《电工电能新技术》 北大核心 2025年第9期55-69,共15页
目前非侵入式负荷分解研究主要针对居民负荷,对工业负荷研究较少,且未考虑负荷运行有功功率的时序特征,为此本文提出了基于时间卷积神经网络(TCN)-卷积块注意力模型(CBAM)-长短时记忆神经网络(LSTM)相结合的工业用户非侵入式负荷分解算... 目前非侵入式负荷分解研究主要针对居民负荷,对工业负荷研究较少,且未考虑负荷运行有功功率的时序特征,为此本文提出了基于时间卷积神经网络(TCN)-卷积块注意力模型(CBAM)-长短时记忆神经网络(LSTM)相结合的工业用户非侵入式负荷分解算法。首先构建TCN-CBAM模块,该模块利用TCN膨胀因果卷积扩大卷积核感受野并结合CBAM的空间和通道注意力机制实现特征的有效提取,之后通过2个TCN-CBAM模块从用户总进线有功功率中提取设备运行特征,最后利用LSTM学习训练运行特征与各设备运行有功功率的关系,实现负荷分解。通过某炼钢厂和某纺织厂的实际运行数据及HIPE数据集算例分析,相比于CNN、LSTM和TCN等算法,本文模型的分解准确率更高。 展开更多
关键词 工业负荷 非侵入式负荷分解 时间卷积神经网络 卷积块注意力模型 长短时记忆神经网络
在线阅读 下载PDF
基于逐次变分模态分解和CBAM-ResNet的滚动轴承故障诊断方法
10
作者 陈志刚 陶子纯 +1 位作者 王衍学 史梦瑶 《振动与冲击》 北大核心 2025年第4期298-304,312,共8页
针对噪声背景下滚动轴承信号故障特征提取与智能诊断问题,提出基于逐次变分模态分解(successive variational mode decomposition,SVMD)以及注意力机制-残差神经网络(convolutional block attention module-residual neural network,CBA... 针对噪声背景下滚动轴承信号故障特征提取与智能诊断问题,提出基于逐次变分模态分解(successive variational mode decomposition,SVMD)以及注意力机制-残差神经网络(convolutional block attention module-residual neural network,CBAM-ResNet)的轴承故障诊断方法。首先对轴承振动信号进行SVMD分解成一系列本征模态分量,根据包络熵和峭度融合评价指标选择含故障特征明显的模态分量并重构;将重构信号进行短时傅里叶变换得到时频图像。之后利用CBAM能够自适应捕捉图形特征的特点,把重构信号的时频图像输入CBAM-ResNet模型进行特征提取和故障模式识别。在CBAM-ResNet模型训练过程中,使用迁移学习的方法初始化ResNet模型的参数来提高模型的泛化性。与其他传统模型相比,该研究的分类准确率高达96.68%,具有更强的故障特征提取能力。试验结果表明,CBAM-ResNet模型在变工况环境下也具有较高的识别精度。 展开更多
关键词 故障诊断 滚动轴承 逐次变分模态分解 卷积注意力模块 残差神经网络
在线阅读 下载PDF
基于残差BiLSTM和改进CBAM的航迹关联方法
11
作者 贾燎原 曹伟 +2 位作者 张晓峰 陆翔 周恒亮 《火力与指挥控制》 北大核心 2025年第2期100-106,115,共8页
针对目前智能航迹关联算法关联准确率较低的问题,提出一种由残差网络、双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)与改进的卷积注意力模块(improved convolutional block attention module,ICBAM)结合而成的残差... 针对目前智能航迹关联算法关联准确率较低的问题,提出一种由残差网络、双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)与改进的卷积注意力模块(improved convolutional block attention module,ICBAM)结合而成的残差BiLSTM-ICBAM航迹关联模型。在BiLSTM模型的基础上引入残差网络,增强模型提取航迹上下游特征的同时抑制网络退化问题;加入改进的CBAM注意力模块,分析输入信息与当前航迹特征的相关性并突出关键特征的影响,进而增强局部特征提取能力以及误差跟踪能力;在航迹关联数据上的实验结果表明,残差BiLSTM-ICBAM航迹关联模型比现有方法在准确率、稳定性中表现出了明显的性能优势。 展开更多
关键词 航迹关联 残差网络 双向长短时记忆神经网络 卷积注意力模块
在线阅读 下载PDF
基于CBAM-CNN的电力系统暂态电压稳定评估 被引量：3
12
作者 李欣 柳圣池 +3 位作者 李新宇 陈德秋 鲁玲 郭攀锋 《电力系统及其自动化学报》 CSCD 北大核心 2024年第4期59-67,75,共10页
为进一步提高电力系统暂态电压稳定评估模型的特征提取能力和模型在系统拓扑结构发生变化时的适应性,提出一种将改进的卷积神经网络与迁移学习相结合的方法。首先,在卷积神经网络的卷积层后插入卷积块注意力模块,对输入的数据从通道和... 为进一步提高电力系统暂态电压稳定评估模型的特征提取能力和模型在系统拓扑结构发生变化时的适应性,提出一种将改进的卷积神经网络与迁移学习相结合的方法。首先,在卷积神经网络的卷积层后插入卷积块注意力模块,对输入的数据从通道和空间两个独立的维度依次提取特征,提高卷积神经网络对系统暂态电压状态的识别能力。然后,将该模块与微调技术相结合,提高模型在系统拓扑结构改变时的在线更新速度。最后,算例分析验证了所提模型的有效性。 展开更多
关键词 深度学习 卷积神经网络 暂态电压稳定评估 卷积块注意力模块 迁移学习
在线阅读 下载PDF
融合Inception V1-CBAM-CNN的轴承剩余寿命预测模型 被引量：8
13
作者 余江鸿 彭雄露 +2 位作者 刘涛 杨文 叶帅 《机电工程》 北大核心 2024年第1期107-114,共8页
针对现有的滚动轴承剩余寿命(RUL)预测方法精度低、轴承健康指标(HI)构建困难等问题,提出了一种基于卷积神经网络(CNN)并融合Inception V1模块和卷积注意力机制模块(CBAM)的滚动轴承RUL预测模型。首先,在CNN中添加了CBAM机制,并进行了... 针对现有的滚动轴承剩余寿命(RUL)预测方法精度低、轴承健康指标(HI)构建困难等问题,提出了一种基于卷积神经网络(CNN)并融合Inception V1模块和卷积注意力机制模块(CBAM)的滚动轴承RUL预测模型。首先,在CNN中添加了CBAM机制,并进行了加权处理,在通道和空间维度对重要特征进行了强化,对次要特征进行了抑制,通过添加改进的InceptionV1模块,提高了CNN通道间信息交互水平,全面提取了退化特征;然后,进行了网络优化,采用全局最大池化(GMP)方法对模型进行了简化,采用Dropout和批量归一化(BN)方法,避免了过拟合,提高了精度,且克服了训练时出现的梯度消失问题;最后,对数据进行了处理,将降噪后的信号重组为三维张量,将其作为HI,构建了退化标签,引入了评价指标,采用PHM2012轴承数据集进行了实验验证,在3种工况下将其与深度神经网络(DNN)、CNN方法、结合注意力机制的残差网络方法(ResNet)进行了对比。研究结果表明:该方法在变负载条件下的平均RMSE为0.033,较其他方法的RMSE值分别降低了86%、78%和69%,在预测精度和泛化能力方面具有明显优势。 展开更多
关键词 滚动轴承 剩余使用寿命 Inception V1模块 卷积注意力机制模块 卷积神经网络 全局最大池化 批量归一化
在线阅读 下载PDF
WGAN-GP结合CBAM-VGG16轻量化网络滚动轴承故障诊断 被引量：3
14
作者 闫向彤 罗嘉伟 曹现刚 《噪声与振动控制》 CSCD 北大核心 2024年第5期120-127,共8页
针对滚动轴承故障诊断中存在的故障数据不平衡且诊断效率低的问题,提出一种将改进的生成对抗网络(Wasserstein Generative Adversarial Network with Gradient Penalty,WGAN-GP)和轻量化卷积神经网络相结合的滚动轴承故障诊断方法。首先... 针对滚动轴承故障诊断中存在的故障数据不平衡且诊断效率低的问题,提出一种将改进的生成对抗网络(Wasserstein Generative Adversarial Network with Gradient Penalty,WGAN-GP)和轻量化卷积神经网络相结合的滚动轴承故障诊断方法。首先,利用连续小波变换(Continuous Wavelet Transform,CWT)生成二维时频图,并通过WGAN-GP进行数据增强;其次在视觉几何群网络(Visual Geometry Group Network-16,VGG16)的基础上,引入Ghost模块和全局平均池化(Global Average Pooling,GAP)对其进行轻量化改进;再次,利用卷积注意力模块(Convolutional Block Attention Module,CBAM)和带重启的余弦退火衰减法提高VGG16模型的性能,构建CBAM-VGG16轻量化卷积神经网络模型,将增强后的数据进行预处理后输入到模型中进行训练,建立故障诊断模型;最后采用西储大学轴承数据集进行模型验证和分析。实验结果表明:该方法证实了故障数据不足时进行故障诊断的可行性,缩短了模型的训练时间、诊断时间并缩减了模型的大小和参数量,提高了故障诊断的效率和准确率。 展开更多
关键词 故障诊断 滚动轴承 生成对抗网络 Ghost模块 卷积注意力模块
在线阅读 下载PDF
基于CBAM-CGRU-SVM的Android恶意软件检测方法 被引量：6
15
作者 孙敏 成倩 丁希宁 《计算机应用》 CSCD 北大核心 2024年第5期1539-1545,共7页
随着Android恶意软件的种类和数量不断增多,检测恶意软件以保护系统安全和用户隐私变得越来越重要。针对传统的恶意软件检测模型分类准确率较低的问题,提出一种基于卷积神经网络(CNN)、门控循环单元(GRU)和支持向量机(SVM)的模型CBAM-CG... 随着Android恶意软件的种类和数量不断增多,检测恶意软件以保护系统安全和用户隐私变得越来越重要。针对传统的恶意软件检测模型分类准确率较低的问题,提出一种基于卷积神经网络(CNN)、门控循环单元(GRU)和支持向量机(SVM)的模型CBAM-CGRU-SVM。首先,在CNN中添加卷积块注意力模块(CBAM)以学习更多恶意软件的关键特征;其次,利用GRU进一步提取特征;最后,为了解决图像分类时模型泛化能力不足的问题,使用SVM代替softmax激活函数作为模型的分类函数。实验使用了Malimg公开数据集,该数据集将恶意软件数据图像化作为模型输入。实验结果表明,CBAM-CGRU-SVM模型分类准确率达到94.73%,能够更有效地对恶意软件家族进行分类。 展开更多
关键词 恶意软件 卷积神经网络 卷积块注意力模块 门控循环单元 支持向量机
在线阅读 下载PDF
基于反向瓶颈和LCBAM设计的X光违禁品检测 被引量：8
16
作者 董乙杉 郭靖圆 +2 位作者 李明泽 孙嘉傲 卢树华 《计算机科学与探索》 CSCD 北大核心 2024年第5期1259-1270,共12页
针对X光违禁品图像姿态与角度变化易漏检误检及困难样本检测准确率低等问题,以YOLOv5网络为基线模型,提出一种融合了反向瓶颈结构和轻量化卷积块注意力模块设计的违禁品检测模型。在主干网络采用反向瓶颈结构设计注重细节特征信息,改进... 针对X光违禁品图像姿态与角度变化易漏检误检及困难样本检测准确率低等问题,以YOLOv5网络为基线模型,提出一种融合了反向瓶颈结构和轻量化卷积块注意力模块设计的违禁品检测模型。在主干网络采用反向瓶颈结构设计注重细节特征信息,改进网络应对检测目标大角度变化问题;采用轻量化卷积块注意力机制抑制复杂背景干扰,降低模型参数量;此外,采用高斯误差线性单元激活函数和改进的置信度损失函数增强模型的非线性表达能力,加大对置信度预测的惩罚力度,优化网络对困难样本的检测性能。所提模型在三个大型公开数据集OPIXray、SIXray、HiXray上进行训练和测试,mAP分别达到了91.9%、93.4%和82.2%。结果表明,所提模型能够有效解决基线模型应对X光违禁品角度变化问题,具有较高的检测准确性和稳健性。 展开更多
关键词 X光图像 违禁品检测 反向瓶颈 轻量化卷积块注意力模块(Lcbam)
在线阅读 下载PDF
基于CBAM-ResNet50的金刚石颗粒净度检测方法
17
作者 费文倩 赵凤霞 +1 位作者 杜全斌 王庆海 《金刚石与磨料磨具工程》 CAS 北大核心 2024年第5期588-598,共11页
针对金刚石颗粒净度传统检测方法效率低、准确率差的问题,提出了一种基于迁移学习和改进Res-Net50的金刚石颗粒净度检测算法CBAM-ResNet50。该算法通过在ResNet50主干网络的每层中增加CBAM,以提升模型特征的提取能力;且在主干网络的Lay... 针对金刚石颗粒净度传统检测方法效率低、准确率差的问题,提出了一种基于迁移学习和改进Res-Net50的金刚石颗粒净度检测算法CBAM-ResNet50。该算法通过在ResNet50主干网络的每层中增加CBAM,以提升模型特征的提取能力;且在主干网络的Layer3和Layer4中融入FPN结构,对提取的特征进行部分特征聚合,来解决采样过程中小目标特征易丢失的问题;同时引入迁移学习方法,用交叉熵损失函数优化模型的初始参数,提升模型的泛化能力。结果表明:在学习率设置为0.0001时,提出的CBAM-ResNet50模型训练准确率达到99.2%;根据混淆矩阵计算得到模型的精确度在99.20%以上,特异性在99.70以上%,F1分数在99.20%,分类召回率在98.70%以上,优于其他主流分类网络的结果,有效提高了金刚石颗粒净度检测的识别能力。 展开更多
关键词 金刚石净度 ResNet50 卷积块注意力模块 特征金字塔网络 迁移学习
在线阅读 下载PDF
基于并联自适应残差网络与CBAM的ECT图像重建 被引量：2
18
作者 马敏 吴环 《计量学报》 CSCD 北大核心 2024年第2期214-221,共8页
为解决电容层析成像中软场效应导致重建图像精度低的问题,提出了一种基于并联自适应残差网络与卷积注意力机制的图像重建算法。通过引入并联自适应残差模块提取丰富的特征层信息,再利用压缩激励网络调整各通道的权重系数,达到过滤冗余... 为解决电容层析成像中软场效应导致重建图像精度低的问题,提出了一种基于并联自适应残差网络与卷积注意力机制的图像重建算法。通过引入并联自适应残差模块提取丰富的特征层信息,再利用压缩激励网络调整各通道的权重系数,达到过滤冗余信息的效果,引入卷积注意力机制学习浅层特征的通道和空间信息,将卷积注意力机制通道与并联自适应残差网络进行特征融合以补偿损失的浅层特征和空间信息。仿真结果表明,相比LBP算法、Landweber迭代算法、1D CNN算法,改进算法有效提高了重建质量。 展开更多
关键词 多相流测量 电容层析成像 图像重建 并联自适应残差网络 卷积注意力机制
在线阅读 下载PDF
基于改进扩散模型结合条件控制的文本图像生成算法
19
作者 杜洪波 薛皓元 朱立军 《南京信息工程大学学报》 北大核心 2025年第5期611-623,共13页
针对现有的文本图像生成方法存在图像保真度低、图像生成操作难度大、仅适用于特定的任务场景等问题,提出一种新型的基于扩散模型的文本生成图像方法.该方法将扩散模型作为主要网络,设计一种新型结构的残差块,有效提升模型生成性能;通... 针对现有的文本图像生成方法存在图像保真度低、图像生成操作难度大、仅适用于特定的任务场景等问题,提出一种新型的基于扩散模型的文本生成图像方法.该方法将扩散模型作为主要网络,设计一种新型结构的残差块,有效提升模型生成性能;通过添加注意力模块CBAM来改进噪声估计网络,增强了模型对图像关键信息的提取能力,进一步提高了生成图像质量;结合条件控制网络,有效地实现了特定姿势的文本图像生成.与KNN-Diffusion、CogView2、text-StyleGAN、SimpleDiffusion等方法在数据集CelebA-HQ上做了定性、定量分析以及消融实验,根据评价指标以及生成结果显示,本文方法能够有效提高文本生成图像的质量,FID平均下降36.4%,Inception Score(IS)和结构相似性指数(SSIM)分别平均提高11.4%和3.9%,验证了本文算法的有效性.同时,本文模型结合了ControlNet网络,实现了定向动作的文本图像生成. 展开更多
关键词 扩散模型 文本图像生成 条件控制 残差块 cbam
在线阅读 下载PDF
噪声背景下梅尔频率倒谱系数与多注意力网络在电机故障诊断中的应用
20
作者 宋恩哲 朱仁杰 +2 位作者 靖海国 姚崇 柯赟 《哈尔滨工程大学学报》 北大核心 2025年第3期475-485,共11页
针对电机实际工作过程中存在噪声干扰导致故障诊断精度下降的问题,本文提出了一种基于梅尔频率倒谱系数动态特征与多注意力融合卷积神经网络的故障诊断方法。通过梅尔频率倒谱系数动态特征提取噪声信号中的低频信息,并结合卷积注意力模... 针对电机实际工作过程中存在噪声干扰导致故障诊断精度下降的问题,本文提出了一种基于梅尔频率倒谱系数动态特征与多注意力融合卷积神经网络的故障诊断方法。通过梅尔频率倒谱系数动态特征提取噪声信号中的低频信息,并结合卷积注意力模块的自适应调节能力及多特征融合策略进一步减少噪声对故障诊断的干扰。通过电机台架数据验证了该方法在噪声条件下诊断的可行性,然而该方法受梅尔频率倒谱系数参数与网络结构的直接影响,因此具体分析了不同参数条件对抗噪性能的影响。实验结果表明:在信噪比-10 dB噪声背景下,梅尔频率倒谱系数动态特征与多注意力融合卷积神经网络相结合的故障诊断方法仍保持90%以上的诊断精度。 展开更多
关键词 电机 故障诊断 噪声环境 梅尔频率倒谱系数 卷积神经网络 多尺度 卷积注意力模块 特征融合
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 7 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部