基于MDAM-GhostCNN的滚动轴承故障诊断方法

1

作者 郭俊锋 谭宝宏 王智明 《北京航空航天大学学报》 北大核心 2025年第4期1172-1184,共13页

针对传统故障诊断方法特征提取不充分、计算复杂及在变工况下识别准确率低的问题,提出一种基于混合域注意力机制(MDAM)-GhostCNN的滚动轴承故障诊断方法。采用马尔可夫转移场(MTF)将轴承振动信号转化为具有时间相关性的二维特征图;利用G... 针对传统故障诊断方法特征提取不充分、计算复杂及在变工况下识别准确率低的问题,提出一种基于混合域注意力机制(MDAM)-GhostCNN的滚动轴承故障诊断方法。采用马尔可夫转移场(MTF)将轴承振动信号转化为具有时间相关性的二维特征图;利用Ghost卷积计算精简的优点,构造出GhostCNN;设计一种MDAM,使网络从通道和空间2个维度充分捕获特征信息,实现特征通道间相互依赖的同时让网络有效关注特征空间信息。由此,构建出MDAM-GhostCNN模型。将MTF二维特征图输入到MDAM-GhostCNN模型中进行训练并输出诊断结果。采用凯斯西储大学和江南大学(JNU)轴承数据集进行实验验证,并对其数据集进行加噪处理。结果表明:在变工况下,所建模型有着更高的识别准确率、抗噪性能和泛化性能。 展开更多

关键词 滚动轴承 故障诊断 马尔可夫转移场 ghost卷积 注意力机制

在线阅读 下载PDF 职称材料

基于Ghost卷积与自适应注意力的点云分类 被引量：1

2

作者 舒密 王占刚 《现代电子技术》 北大核心 2025年第6期106-112,共7页

点云Transformer网络在提取三维点云的局部特征和携带的多级自注意力机制方面展现出了卓越的特征学习能力。然而,多级自注意力层对计算和内存资源的要求极高,且未充分考虑特征融合中层级间以及通道间的区分度与关联性。为解决上述问题,... 点云Transformer网络在提取三维点云的局部特征和携带的多级自注意力机制方面展现出了卓越的特征学习能力。然而,多级自注意力层对计算和内存资源的要求极高,且未充分考虑特征融合中层级间以及通道间的区分度与关联性。为解决上述问题,提出一种基于点云Transformer的轻量级特征增强融合分类网络EFF-LPCT。EFF-LPCT使用一维化Ghost卷积对原始网络进行重构,以降低计算复杂度和内存要求;引入自适应支路权重,以实现注意力层级间的多尺度特征融合;利用多个通道注意力模块增强特征的通道交互信息,以提高模型分类效果。在ModelNet40数据集进行的实验结果表明,EFF-LPCT在达到93.3%高精度的同时,相较于点云Transformer减少了1.11 GFLOPs的浮点计算量和0.86×10^(6)的参数量。 展开更多

关键词 点云分类 Transformer网络 ghost卷积 特征增强融合模块 ECA通道注意力 特征学习

在线阅读 下载PDF 职称材料

基于Ghost-YOLOv5s的SAR图像舰船目标检测 被引量：2

3

作者 张慧敏 黄炜嘉 李锋 《火力与指挥控制》 CSCD 北大核心 2024年第4期24-30,共7页

基于星载合成孔径雷达(synthetic aperture radar,SAR)图像的舰船目标检测中,为了平衡模型大小与检测精度,提出了一种基于Ghost卷积的SAR图像舰船目标检测方法Ghost-YOLOv5s。在YOLOv5s的颈部引入Ghost卷积,以减少模型参数和压缩模型体... 基于星载合成孔径雷达(synthetic aperture radar,SAR)图像的舰船目标检测中,为了平衡模型大小与检测精度,提出了一种基于Ghost卷积的SAR图像舰船目标检测方法Ghost-YOLOv5s。在YOLOv5s的颈部引入Ghost卷积,以减少模型参数和压缩模型体积;将高效的通道注意力机制(efficient channel attention,ECA)融入到颈部的C3模块里,以突出重要特征,从而保持较高的检测性能;使用SIoU损失函数替换原来的CIoU损失函数,以减少预测框和真实框之间的偏差,提高检测算法精度。实验结果表明,在SSDD遥感数据集上,改进模型与YOLOv5s相比,模型参数量减少了6.28%,模型体积减小了6.21%,检测精度达到了98.21%,实现了模型大小与检测精度的平衡。 展开更多

关键词 合成孔径雷达 深度学习 ghost卷积 注意力机制

在线阅读 下载PDF 职称材料

基于改进YOLOv5s的番茄成熟度识别技术研究 被引量：1

4

作者 刘坤 吉宏亚 +2 位作者 黄程菲 王晓 朱一帆 《中国农机化学报》 北大核心 2025年第5期79-85,共7页

在实现番茄自动高效采摘的过程中,精确识别番茄的成熟度至关重要。针对目前番茄成熟度识别算法皆依赖高性能硬件设备,限制实际番茄采摘机器人移动端的有效部署,提出一种基于改进YOLOv5s的轻量化番茄成熟度识别方法。首先,将YOLOv5s初始... 在实现番茄自动高效采摘的过程中,精确识别番茄的成熟度至关重要。针对目前番茄成熟度识别算法皆依赖高性能硬件设备,限制实际番茄采摘机器人移动端的有效部署,提出一种基于改进YOLOv5s的轻量化番茄成熟度识别方法。首先,将YOLOv5s初始的骨干特征提取网络替换为ShuffleNetV2网络,将特征融合网络中的传统卷积替换为Ghost卷积,减少模型的参数计算量,同时降低模型权重的大小。接着,为提高模型对番茄成熟度的识别效果,在特征提取中引入轻量级注意力机制CA来捕捉番茄成熟度的横向与纵向信息。测试结果显示,改进后的模型内存为原始模型的1/2,且相比原始YOLOv5s模型,算法模型的精确率、召回率和平均精度均值分别提高0.3%、0.1%、0.2%。最后,将模型移植到树莓派4B中,保证番茄成熟度识别准确率前提下,优化模型推理过程,证明改进算法对番茄成熟度识别任务的有效性。 展开更多

关键词 番茄成熟度 YOLOv5s ghost卷积 CA注意力机制 树莓派4B

在线阅读 下载PDF 职称材料

自适应采样与重影多尺度特征融合的轻量化焊缝缺陷检测

5

作者 鲁斌 杨烜 +1 位作者 杨振宇 高啸天 《系统仿真学报》 北大核心 2025年第8期1978-1990,共13页

为提升焊接缺陷识别的准确率和速度,并实现模型的轻量化,提出了一种基于YOLOv8的轻量化焊缝缺陷检测网络LAW-YOLO(light adaptive-weight sampling-YOLO)。设计了一种轻量级自适应权重采样LAWS模块,通过学习感受野区域内交互的特征来构... 为提升焊接缺陷识别的准确率和速度,并实现模型的轻量化,提出了一种基于YOLOv8的轻量化焊缝缺陷检测网络LAW-YOLO(light adaptive-weight sampling-YOLO)。设计了一种轻量级自适应权重采样LAWS模块,通过学习感受野区域内交互的特征来构建自适应权重注意力特征图。采用优化的高效加权双向特征金字塔网络作为LAW-YOLO中的特征提取网络,设计重影多尺度采样模块并引用了混合注意力机制,以增强对小目标缺陷的检测能力。实验结果表明:该方法在SteelTube数据集中mAP0.5达到97.6%,处理数据速度可达91帧/s,比基线模型提高了5.5%的平均精度及4.6%的处理速度,在保持高效性能的同时减少了25.3%的计算量和50%的模型大小,更便于部署在边缘设备上进行场景作业。 展开更多

关键词 缺陷检测 YOLOv8 重影多尺度卷积 感受野空间特征 混合注意力机制

在线阅读 下载PDF 职称材料

面向焊点缺陷的轻量化YOLOv9检测算法 被引量：1

6

作者 刘兆龙 曹伟 高军伟 《仪表技术与传感器》 北大核心 2025年第2期116-121,共6页

针对当前PCB焊点缺陷检测中存在计算量大的问题,提出一种基于改进YOLOv9的轻量化目标检测算法Sim-YOLOv9-c。首先,通过去掉采样倍数较大的检测头,重新设计PGI辅助可逆分支与主干网络进行连接,减少模型复杂程度。引入幻影卷积(GhostConv... 针对当前PCB焊点缺陷检测中存在计算量大的问题,提出一种基于改进YOLOv9的轻量化目标检测算法Sim-YOLOv9-c。首先,通过去掉采样倍数较大的检测头,重新设计PGI辅助可逆分支与主干网络进行连接,减少模型复杂程度。引入幻影卷积(GhostConv)代替常规卷积,减少计算量。通过在GELAN网络中集成无参注意力机制(SimAM),生成可靠梯度信息。实验结果证明,改进后的Sim-YOLOv9-c模型mAP达到了93%,较原模型提高了2.1%,参数量降低了48.8%,浮点运算次数降低了22.5%,并在公开数据集验证了其有效性。 展开更多

关键词 焊点缺陷检测 YOLOv9 轻量化 幻影卷积 无参注意力

在线阅读 下载PDF 职称材料

基于深度学习的复合干扰信号识别

7

作者 刘佳楠 宋志群 +5 位作者 李勇 刘丽哲 夏金涛 王斌 李行健 汪畅 《系统工程与电子技术》 北大核心 2025年第10期3512-3519,共8页

在无线通信环境中压制式复合干扰信号对通信系统的正常工作有着严重的影响,针对其特征提取和识别较为困难的问题,提出一种基于短时傅里叶变换(short time Fourier transform,STFT)和残差卷积网络的复合干扰识别算法。该算法将STFT得到... 在无线通信环境中压制式复合干扰信号对通信系统的正常工作有着严重的影响,针对其特征提取和识别较为困难的问题,提出一种基于短时傅里叶变换(short time Fourier transform,STFT)和残差卷积网络的复合干扰识别算法。该算法将STFT得到的时频域信息作为输入,同时对复合干扰信号的种类和干噪比进行识别,为了使模型更加适合部署在移动端上,采用幻影卷积代替普通卷积。仿真结果表明,在干噪比为-15~10 dB的范围内,该算法在5种单一干扰及其复合而成的10种复合干扰信号种类识别任务上准确率可以达到99.97%,在干噪比识别任务上准确率可以达到99.04%。相比于残差卷积网络,该算法在几乎不降低准确率的前提下可以使模型参数量减小38.4%,计算复杂度降低46.6%,更加符合移动端的要求。 展开更多

关键词 深度学习 复合干扰识别 短时傅里叶变换 残差卷积网络 幻影卷积

在线阅读 下载PDF 职称材料

基于YOLOv5和MobileNet级联的物理实验设备状态识别方法

8

作者 王芙蓉 刘立程 郝禄国 《激光杂志》 北大核心 2025年第7期50-56,共7页

学生物理实验操作过程的准确评估对中考具有重要意义。要实现实验操作的自动评分,关键在于通过检测实验设备状态的变化来推断实验操作的过程。考虑到物理实验设备状态多样且实验环境复杂,本研究提出了一种结合YOLOv5和MobileNet的级联... 学生物理实验操作过程的准确评估对中考具有重要意义。要实现实验操作的自动评分,关键在于通过检测实验设备状态的变化来推断实验操作的过程。考虑到物理实验设备状态多样且实验环境复杂,本研究提出了一种结合YOLOv5和MobileNet的级联网络模型来对实验设备状态进行自动检测。该模型首先通过改进的YOLOv5进行设备定位和初步识别,改进后的YOLOv5网络模型平均精度提升了3.6%,参数量减少了11.0%。随后,选取MobileNet对实验设备状态进行细粒度分类。最终,通过融合YOLOv5和MobileNet的输出,该模型实现了对实验设备状态的精确检测,为自动评分系统提供了有效的技术支持。 展开更多

关键词 状态识别 YOLOv5 图像分类 MobileNet ghost卷积 EIOU SimAM

在线阅读 下载PDF 职称材料

一种改进YOLOv5算法的金属表面缺陷检测

9

作者 王涵 刘海明 邵雨虹 《机械科学与技术》 北大核心 2025年第9期1645-1650,共6页

针对传统的金属表面缺陷检测方法存在的检测精度低、效率低等问题,提出了一种以YOLOv5为基础改进的金属表面缺陷检测算法。改进的算法首先引入Ghost卷积替换原始主干网络中的常规卷积,通过更少的运算来生成更多的特征映射,实现模型的轻... 针对传统的金属表面缺陷检测方法存在的检测精度低、效率低等问题,提出了一种以YOLOv5为基础改进的金属表面缺陷检测算法。改进的算法首先引入Ghost卷积替换原始主干网络中的常规卷积,通过更少的运算来生成更多的特征映射,实现模型的轻量化,并以此提升检测效率。同时,通过注意力模块的加入强化通道信息,弱化冗余信息,增强模型对于目标特征信息的提取能力,从而实现检测精度的提升。使用DIoU-NMS方法替代传统的NMS算法,以此来改善对重复遮挡目标的识别。改进后的模型平均精度达76.2%,比原始YOLOv5模型平均精度提高2.7%,相较于原YOLOv5算法检测精度与效率均有明显提升,能够快速准确的进行金属表面缺陷的检测识别。 展开更多

关键词 金属表面缺陷检测 YOLOv5模型 注意力机制 ghost卷积

在线阅读 下载PDF 职称材料

基于解耦注意力与幻影卷积的轻量级人体姿态估计 被引量：2

10

作者 陈俊颖 郭士杰 陈玲玲 《计算机应用》 北大核心 2025年第1期223-233,共11页

随着轻量级网络的发展,人体姿态估计任务得以在计算资源有限的设备上执行,然而,提升精度变得更具有挑战性。这些挑战主要源于网络复杂度与计算资源的矛盾,导致模型在简化时牺牲了表示能力。针对上述问题,提出一种基于解耦注意力和幻影... 随着轻量级网络的发展,人体姿态估计任务得以在计算资源有限的设备上执行,然而,提升精度变得更具有挑战性。这些挑战主要源于网络复杂度与计算资源的矛盾,导致模型在简化时牺牲了表示能力。针对上述问题,提出一种基于解耦注意力和幻影卷积的轻量级人体姿态估计网络(DGLNet)。具体来说,DGLNet以小型高分辨率网络(Small HRNet)模型为基础架构,通过引入解耦注意力机制构建DFDbottleneck模块;采用shuffleblock的结构对基础模块进行重新设计,即用轻量级幻影卷积替代计算量大的点卷积,并利用解耦注意力机制增强模块性能,从而构建DGBblock模块;此外,用幻影卷积和解耦注意力重新构建的深度可分离卷积模块来替代原过渡层模块,从而构建GSCtransition模块,进一步减少计算量并增强特征交互性和提高性能。在COCO验证集上的实验结果显示,DGLNet优于轻量级高分辨率网络(Lite-HRNet),在计算量和参数量不增加的情况下,最高精度达到了71.9%;与常见的轻量级姿态估计网络MobileNetV2和ShuffleNetV2相比,DGLNet在仅使用21.2%和25.0%的计算量情况下分别实现了4.6和8.3个百分点的精度提升;在AP^(50)的评价标准上,DGLNet超过了大型高分辨率网络(HRNet)的同时计算量和参数量远小于HRNet。 展开更多

关键词 人体姿态估计 轻量级网络 注意力机制 幻影卷积 深度可分离卷积模块

在线阅读 下载PDF 职称材料

双注意力策略在超快车道检测的改进方法

11

作者 董银洲 李宁 王超 《计算机工程与设计》 北大核心 2025年第6期1564-1570,共7页

遮挡严重和极端光照条件给高速车道线检测带来诸多挑战。针对此问题提出一种基于双注意力策略的超快车道线检测网络。将车道检测转化为基于行的局部特征增强问题,在骨干网络中添加行级选择器并采用轻量化的Ghost卷积模块,消除车道周围... 遮挡严重和极端光照条件给高速车道线检测带来诸多挑战。针对此问题提出一种基于双注意力策略的超快车道线检测网络。将车道检测转化为基于行的局部特征增强问题,在骨干网络中添加行级选择器并采用轻量化的Ghost卷积模块,消除车道周围的冗余信息,降低计算量。引入轻量级的注意力机制和Blurpool技术,提升对复杂场景的处理能力,在下采样过程中更好保留车道线特征,增强模型的鲁棒性。实验结果表明,算法在检测精度上(与UFLD框架相比)提升了2%,在使用Resnet18作为特征提取网络时,实现了高达370 fps的帧率(Titan GPU),有效降低计算成本的同时保证了识别准确率。 展开更多

关键词 自动驾驶 车道线检测 无视觉线索问题 锚点式检测 双注意力融合 ghost卷积 性能改进

在线阅读 下载PDF 职称材料

基于几何约束和结构注意力机制的图像超分辨率

12

作者 辜翱 方艳红 《计算机科学与探索》 北大核心 2025年第7期1868-1877,共10页

针对将超分辨率技术应用于古建筑物图像修复时,如何在更大尺度的重建时更多地保留原始图像的几何结构问题,提出一种基于几何约束与结构注意力增强的超分辨率图像重建方法。该方法在GeoSR模型的基础上设计了多尺度特征融合ghost卷积模块... 针对将超分辨率技术应用于古建筑物图像修复时,如何在更大尺度的重建时更多地保留原始图像的几何结构问题,提出一种基于几何约束与结构注意力增强的超分辨率图像重建方法。该方法在GeoSR模型的基础上设计了多尺度特征融合ghost卷积模块,在不显著增加模型参数的同时,提升模型性能;同时引入结构注意力增强模块,在上采样时自适应地调整不同通道和空间位置的权重,使模型能够更加关注图像中的结构信息,从而更有效地捕捉和恢复图像细节;利用最小化混合均方误差和几何对齐误差构成损失函数,在训练中有效地恢复了细节和几何规律。在Cityscape、DIV2K等数据集上进行了详尽的实验,实验结果表明利用多尺度的ghost卷积模块能够在减小模型参数同时增强模型的性能,同时结构注意力增强模块的应用使模型对几何结构的重建更加出色。改进后的模型只有原始GeoSR模型参数的80.9%,但超分辨率重建效果对比目前的模型效果更好,特别是在4倍和8倍的重建尺度下,该模型效果提升更明显。 展开更多

关键词 单图像的超分辨率 几何约束 多尺度特征 ghost卷积 结构注意力

在线阅读 下载PDF 职称材料

面向视障人群的室内视觉辅助算法的研究

13

作者 欧阳玉旋 张荣芬 +1 位作者 刘宇红 彭垚潘 《激光技术》 北大核心 2025年第2期166-174,共9页

为了解决现有室内视觉辅助算法检测性能低、模型参数量大、不易部署于边缘设备等问题,对你只看一次(YOLO)网络YOLOv7-tiny进行改进,提出一种新的YOLOv7-ghost网络模型。针对模型参数量大的问题,引入幽灵瓶颈(GB)代替部分池化操作和高效... 为了解决现有室内视觉辅助算法检测性能低、模型参数量大、不易部署于边缘设备等问题,对你只看一次(YOLO)网络YOLOv7-tiny进行改进,提出一种新的YOLOv7-ghost网络模型。针对模型参数量大的问题,引入幽灵瓶颈(GB)代替部分池化操作和高效层聚合网络(ELAN),大幅度降低模型参数量;构建了一个全新的高性能轻量化模块(即C2f-全局注意力模块),综合考虑全局和局部特征信息,更好地捕捉节点的上下文信息;然后引入快速空间金字塔池化和幽灵瓶颈(SPPF-GB)模块,对特征进行重组和压缩,以融合不同尺度的特征信息、增强特征的表达能力;最后在头部引入可变形卷积(DCN),增强感受野的表达能力,以捕获目标周围更细粒度的目标结构和背景信息。结果表明,改进后的模型参数量下降了20.33%,模型大小下降了18.70%,平均精度mAP@0.50和mAP@0.50~0.95分别提升了1.2%和3.3%。该网络模型在保证轻量化的同时,检测精度得到了大幅度的提升,更利于室内场景目标检测算法实际应用的部署。 展开更多

关键词 图像处理 轻量化 幽灵瓶颈模块 C2f-全局注意力模块 多尺度特征融合 可变形卷积 YOLOv7-tiny网络模型

在线阅读 下载PDF 职称材料

基于Ghost卷积与注意力机制的SAR图像建筑物检测算法 被引量：7

14

作者 严继伟 苏娟 李义红 《兵工学报》 EI CAS CSCD 北大核心 2022年第7期1667-1675,共9页

针对深度卷积神经网络存在模型参数量大、占用内存资源等问题,提出了一种基于轻量化网络的SAR图像建筑物检测算法。首先以旋转目标检测算法R-centernet为基础,将主干网络中的传统卷积替换为Ghost卷积,并构建Ghost-ResNet网络,降低模型... 针对深度卷积神经网络存在模型参数量大、占用内存资源等问题,提出了一种基于轻量化网络的SAR图像建筑物检测算法。首先以旋转目标检测算法R-centernet为基础,将主干网络中的传统卷积替换为Ghost卷积,并构建Ghost-ResNet网络,降低模型参数量;其次提出了融合宽高信息的通道注意力模块,增强网络对图像中显著区域的精确定位能力;使用CARAFE上采样代替网络中的DCN模块,在上采样过程中充分结合特征图信息,提高目标检测能力;最后使用改进的R-centernet算法在旋转标注的SAR图像建筑物数据集上进行训练与测试。实验结果表明,相比于原始R-centernet算法,改进后的算法准确率提高了3.8%,召回率提高了1.2%,检测速度提高了12帧/s。 展开更多

关键词 轻量化网络 SAR图像建筑物检测 旋转目标检测 ghost卷积 通道注意力 CARAFE上采样

在线阅读 下载PDF 职称材料

基于YOLO v5的农田杂草识别轻量化方法研究 被引量：27

15

作者 冀汶莉 刘洲 邢海花 《农业机械学报》 EI CAS CSCD 北大核心 2024年第1期212-222,293,共12页

针对已有杂草识别模型对复杂农田环境下多种目标杂草的识别率低、模型内存占用量大、参数多、识别速度慢等问题,提出了基于YOLO v5的轻量化杂草识别方法。利用带色彩恢复的多尺度视网膜(Multi-scale retinex with color restoration, MS... 针对已有杂草识别模型对复杂农田环境下多种目标杂草的识别率低、模型内存占用量大、参数多、识别速度慢等问题,提出了基于YOLO v5的轻量化杂草识别方法。利用带色彩恢复的多尺度视网膜(Multi-scale retinex with color restoration, MSRCR)增强算法对部分图像数据进行预处理,提高边缘细节模糊的图像清晰度,降低图像中的阴影干扰。使用轻量级网络PP-LCNet重置了识别模型中的特征提取网络,减少模型参数量。采用Ghost卷积模块轻量化特征融合网络,进一步降低计算量。为了弥补轻量化造成的模型性能损耗,在特征融合网络末端添加基于标准化的注意力模块(Normalization-based attention module, NAM),增强模型对杂草和玉米幼苗的特征提取能力。此外,通过优化主干网络注意力机制的激活函数来提高模型的非线性拟合能力。在自建数据集上进行实验,实验结果显示,与当前主流目标检测算法YOLO v5s以及成熟的轻量化目标检测算法MobileNet v3-YOLO v5s、ShuffleNet v2-YOLO v5s比较,轻量化后杂草识别模型内存占用量为6.23 MB,分别缩小54.5%、12%和18%;平均精度均值(Mean average precision, mAP)为97.8%,分别提高1.3、5.1、4.4个百分点。单幅图像检测时间为118.1 ms,达到了轻量化要求。在保持较高模型识别精度的同时大幅降低了模型复杂度,可为采用资源有限的移动端设备进行农田杂草识别提供技术支持。 展开更多

关键词 杂草识别 目标检测 YOLO v5s 轻量化特征提取网络 ghost卷积模块 注意力机制

在线阅读 下载PDF 职称材料

基于轻量化YOLOv5的交通标志检测 被引量：4

16

作者 张震 王晓杰 +1 位作者 晋志华 马继骏 《郑州大学学报（工学版）》 CAS 北大核心 2024年第2期12-19,共8页

为了提高道路交通标志的检测速度,提出一种基于轻量化YOLOv5的改进模型。首先,使用Ghost卷积和深度分离卷积(DWConv)构建新的主干模块,减少计算量和参数量;引入加权特征融合网络(BiFPN)结构,增强特征融合能力;将CIoU损失函数替换为SIoU... 为了提高道路交通标志的检测速度,提出一种基于轻量化YOLOv5的改进模型。首先,使用Ghost卷积和深度分离卷积(DWConv)构建新的主干模块,减少计算量和参数量;引入加权特征融合网络(BiFPN)结构,增强特征融合能力;将CIoU损失函数替换为SIoU损失函数,关注真实锚框与预测的角度信息,提升检测精度。其次,对TT100K数据集进行优化,筛选出标签个数大于200的交通标志图片和标注信息共24类。最后,实验结果取得84%的准确率、81.2%的召回率和85.4%的所有类别平均精确率的平均值mAP@0.5,相比原始YOLOv5,参数量减少29.0%,计算量减少29.4%,mAP@0.5仅下降0.1百分点,检测帧率提升了34帧/s。使用改进后的模型进行检测,检测速度有了明显提升,基本达到了在保持检测精度的基础上压缩模型的目的。 展开更多

关键词 交通标志检测 轻量化YOLOv5 SIoU损失函数 ghost卷积 TT100K BiFPN

在线阅读 下载PDF 职称材料

基于改进U-Net的轻量级眼底病变分割算法设计 被引量：2

17

作者 刘拥民 张毅 +1 位作者 欧阳凌轩 石婷婷 《电子测量技术》 北大核心 2024年第3期127-134,共8页

精准的糖尿病视网膜病变的分割是实现视网膜病变自动诊断的前提条件和关键步骤,然而现有大部分的分割模型存在着参数量大、模型训练效果不理想、甚至是无法正常处理数据集等局限性。为此,在原U-Net网络中加入改进的Ghost卷积模块与多尺... 精准的糖尿病视网膜病变的分割是实现视网膜病变自动诊断的前提条件和关键步骤,然而现有大部分的分割模型存在着参数量大、模型训练效果不理想、甚至是无法正常处理数据集等局限性。为此,在原U-Net网络中加入改进的Ghost卷积模块与多尺度特征融合模块,提出一种改进U-Net眼底病变分割图像的算法。该模型能以少量的参数量、较低的计算复杂度获得良好的分割结果。利用GhostModel替换原始卷积,设计出Ghost卷积与Ghost下采样卷积模块,在保证准确度的同时降低参数量;设计出一种轻量级的Half-UNet多尺度特征融合模块来获取多尺度信息,针对不同尺度病变目标,引入CBAM注意力机制以改善其适应性,从而更好的提取细小的病变信息。改进后的模型在e_optha与IDRiD两个公开数据集上的mIoU分别为61.42%、61.84%,F1-Score分别为70.59%、69.41%。模型参数量、FLOPs分别仅为5.48M、35.46GMac,较U-Net、Att-UNet等模型更加精简,分割精度更高。 展开更多

关键词 糖尿病视网膜病变 图像分割 ghost卷积 U-Net

在线阅读 下载PDF 职称材料

结合Segformer与增强特征金字塔的文本检测方法 被引量：2

18

作者 张铭泉 张泽恩 +1 位作者 曹锦纲 邵绪强 《智能系统学报》 CSCD 北大核心 2024年第5期1111-1125,共15页

针对自然场景文本检测算法中的小尺度文本漏检、类文本像素误检以及边缘定位不准确的问题,提出一种基于Segformer和增强特征金字塔的文本检测模型。该模型首先采用基于混合Transformer(mix Trans-former,MiT)的编码器生成多尺度特征图;... 针对自然场景文本检测算法中的小尺度文本漏检、类文本像素误检以及边缘定位不准确的问题,提出一种基于Segformer和增强特征金字塔的文本检测模型。该模型首先采用基于混合Transformer(mix Trans-former,MiT)的编码器生成多尺度特征图;然后,在具有特征金字塔结构解码器的上采样部分,提出级联融合注意力模块,通过全局平均池化、全局最大池化和Ghost模块获取全局通道信息并保留文本特征;接着,在解码器的特征融合部分提出两级正交融合注意力模块,利用非对称卷积分别从水平和垂直方向进行信息增强;最后,利用可微分二值化对结果进行后处理。将本文方法在ICDAR2015、ShopSign1265和MTWI 3个数据集上进行实验,相比于其他8种方法,本文方法的F值均为最优,分别达到了87.8%、59.1%和74.8%。结果表明,本文方法有效提高了文本检测的准确率。 展开更多

关键词 文本检测 特征金字塔 注意力机制 Segformer ghost模块 多尺度特征融合 平均池化 最大池化

在线阅读 下载PDF 职称材料

WGAN-GP结合CBAM-VGG16轻量化网络滚动轴承故障诊断 被引量：3

19

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 职称材料

基于改进YOLOv8算法的绝缘子缺陷检测模型 被引量：6

20

作者 熊炜 黄玉谦 孟圣哲 《电子测量技术》 北大核心 2024年第12期132-139,共8页

目前YOLO目标检测算法在绝缘子缺陷检测领域任然是最主流的方法,然而现有的YOLO模型框架参数量庞大导致户外部署难度加大,同时户外拍摄的绝缘子图像背景复杂,其缺陷更是微小导致难以被检测。针对上述问题,本文提出了一种基于YOLOv8n目... 目前YOLO目标检测算法在绝缘子缺陷检测领域任然是最主流的方法,然而现有的YOLO模型框架参数量庞大导致户外部署难度加大,同时户外拍摄的绝缘子图像背景复杂,其缺陷更是微小导致难以被检测。针对上述问题,本文提出了一种基于YOLOv8n目标检测框架而改进得到的绝缘子缺陷检测模型YOLOv8-GCS,以降低模型的参数量并提高模型的检测精度。首先将模型中的C2f模块换成更加轻量级的Ghost卷积模块,以降低模型的计算量和参数量。然后在主干网络末尾和第二个检测头处加入CoordAtt注意力模块,抑制复杂背景对绝缘子缺陷部位的影响从而提高模型的检测精度。最后再引入一个SPD-Conv模块,让网络模型在二倍下采样的过程中无重要信息的损失同时增强网络模型对重要特征的学习率,进一步提高模型的检测性能。分析实验结果可知,本文算法与基线模型相比mAP50提高了4%,召回率和查全率分别提高了4.7%和1.3%,参数量降低了26.7%,保存结果的权重文件大小降低了1.5 MB,绝缘子破损和闪络缺陷的AP 50分别提高了4%和8.1%。 展开更多

关键词 YOLOv8 ghost卷积 注意力机制 SPD-Conv 绝缘子缺陷检测

在线阅读 下载PDF 职称材料