期刊文献+
共找到235篇文章
< 1 2 12 >
每页显示 20 50 100
基于自注意力机制的高分遥感影像语义分割 被引量:1
1
作者 杨军 张金影 康玥 《哈尔滨工程大学学报》 北大核心 2025年第2期344-354,共11页
针对遥感影像多尺度特征提取困难、上下文信息利用不足的问题,本文结合自注意力机制和深度可分离卷积提出一种线性多头自注意力网络模型,适用于高分辨率遥感影像语义分割。在自注意力模块之前引入深度可分离卷积,减少计算量的同时有助... 针对遥感影像多尺度特征提取困难、上下文信息利用不足的问题,本文结合自注意力机制和深度可分离卷积提出一种线性多头自注意力网络模型,适用于高分辨率遥感影像语义分割。在自注意力模块之前引入深度可分离卷积,减少计算量的同时有助于捕获局部特征;在编码器分支中提出线性的多头自注意力模块以降低模型的计算复杂度;设计一个解码器来恢复特征图分辨率,通过级联操作整合各层级的特征并生成高分辨率的语义分割结果。所提算法在ISPRS Vaihingen和Potsdam数据集上的分割结果的mF1分别达到了90.77%和92.36%,与目前主流算法相比,不透水表面、建筑、低矮植物、树木类的分割准确率及总体分割准确率均有提高。本文算法构建的线性多头自注意力网络是一种高效的高分辨率遥感影像语义分割模型。 展开更多
关键词 高分辨率遥感影像 多头自注意力 深度可分离卷积 语义分割 特征提取 卷积神经网络 编码器 解码器
在线阅读 下载PDF
基于改进YOLO模型的轻量化脑电图肌电伪影检测方法
2
作者 孙鸽 林卫红 +1 位作者 娄洪伟 韩金波 《中国生物医学工程学报》 北大核心 2025年第1期124-128,共5页
脑电图(EEG)已经成为神经科学领域的重要工具,基于人工智能的脑电图分析在脑神经疾病、运动想象和情绪识别方面有广泛应用。然而,EEG的应用受到低信噪比的限制,特别是癫痫诊断中肌电(EMG)伪影降低了异常放电特征波形的识别准确率,且现... 脑电图(EEG)已经成为神经科学领域的重要工具,基于人工智能的脑电图分析在脑神经疾病、运动想象和情绪识别方面有广泛应用。然而,EEG的应用受到低信噪比的限制,特别是癫痫诊断中肌电(EMG)伪影降低了异常放电特征波形的识别准确率,且现有算法难以实现快速且准确的伪影检测。本研究对YOLO算法进行改进,以深度可分离卷积作为骨干网络,对网络的输入数据、结果矩阵和损失函数进行调整,以适应多导联的EEG数据,提出了一种基于改进YOLO模型的轻量化脑电图肌电伪影检测方法。利用临床采集和公开数据集的伪影标注数据(共4711条)对模型进行训练和测试,其mAP@0.5和mAP@0.5:0.95分别达到了93.7%和79.8%,检测速度为31.0 ms/帧。结果显示,该方法在检测精度和推理速度上优于传统YOLO模型和其他先进算法。同时提升了EEG信号的信噪比,从而可有效改善EEG在临床判读和智能识别过程中的应用效率和准确性。 展开更多
关键词 脑电图 肌电伪影 YOLO 深度可分离卷积
在线阅读 下载PDF
基于YOLOv5s的轻量化森林火灾探测算法
3
作者 刘惠临 方琼 +3 位作者 江宇 魏华章 王涛 张树川 《中国安全科学学报》 北大核心 2025年第1期75-83,共9页
为解决当前基于深度学习的森林火灾探测算法存在结构复杂、规模庞大,且难以兼顾检测精度和效率的问题,提出一种基于YOLOv5s的轻量化森林火灾探测算法。首先,采用优化的背景差分技术消除背景图像中类火物体的干扰,减少分析图像所需的时间... 为解决当前基于深度学习的森林火灾探测算法存在结构复杂、规模庞大,且难以兼顾检测精度和效率的问题,提出一种基于YOLOv5s的轻量化森林火灾探测算法。首先,采用优化的背景差分技术消除背景图像中类火物体的干扰,减少分析图像所需的时间;其次,设计分组混洗策略优化常规卷积,并在特征提取的C3模块中融入高效通道注意力(ECA)机制和深度可分离卷积,增强图像特征提取与融合能力的同时有效降低模型的参数量;然后,采用动态非单调聚焦机制优化Wise-交并比(WIOU)损失函数,减少低质量样本产生的有害梯度;最后,在构建的森林火灾数据集上将所提算法与其他算法做充分的试验对比。结果表明:所提算法在各类场景均展现出良好的泛化性,对火焰目标的检测精度达到86.1%,较标准YOLOv5s检测精度提升2.7%,检测速度提升11.4%,有效降低了火灾误报率,增强了模型的检测性能。 展开更多
关键词 YOLOv5s 轻量化 森林火灾探测 深度可分离卷积 注意力 Wise-交并比(WIOU)
在线阅读 下载PDF
基于改进YOLOv8n的矿用提升钢丝绳表面损伤图像识别
4
作者 毛清华 杨帆 +4 位作者 王超 仝旭耀 童军伟 张旭辉 薛旭升 《工矿自动化》 北大核心 2025年第4期100-106,152,共8页
针对矿用提升钢丝绳表面油污覆盖引发背景干扰、绳股间隙较大导致特征混淆及小目标损伤识别难度大等问题,提出了一种基于改进YOLOv8n的矿用提升钢丝绳表面损伤图像识别方法。在YOLOv8n主干网络中引入多尺度注意力模块(MSAM),通过增强损... 针对矿用提升钢丝绳表面油污覆盖引发背景干扰、绳股间隙较大导致特征混淆及小目标损伤识别难度大等问题,提出了一种基于改进YOLOv8n的矿用提升钢丝绳表面损伤图像识别方法。在YOLOv8n主干网络中引入多尺度注意力模块(MSAM),通过增强损伤特征与油污背景的空间特征区分能力,提升模型抗干扰能力;将YOLOv8n原有的3个检测头替换为4个轻量化小目标检测头,强化对小目标损伤的识别能力;采用深度可分离卷积(DSConv)替代标准卷积,减少了计算量,提高了识别速度。实验结果表明:改进YOLOv8n模型的平均精度均值(mAP)、识别精度和推理速度分别达92.6%,89.7%和43.5帧/s,相比YOLOv8n模型分别提高了3.1%,4.9%,34.7%;与Faster-RCNN,YOLOv5s,YOLOv8n,YOLOv10m,TWRD-Net,YOLOv5-TPH等主流模型相比,改进YOLOv8n模型对小目标损伤识别精度最高,同时保证了较高的实时性;在煤矿现场油污覆盖、绳股间隙较大的复杂场景中,改进YOLOv8n模型未出现漏检情况,且误检情况较少,平均识别准确率达90%。 展开更多
关键词 矿用提升钢丝绳 损伤图像识别 YOLOv8n 多尺度注意力模块 小目标检测 深度可分离卷积
在线阅读 下载PDF
基于GADF和CWT并行输入模型的滚动轴承智能诊断研究
5
作者 张小丽 和飞翔 +2 位作者 梁旺 李敏 王保建 《湖南大学学报(自然科学版)》 北大核心 2025年第2期98-108,共11页
滚动轴承运行工况的变化与噪声干扰等随机不确定性因素会导致网络特征提取不完整,从而无法捕捉故障突变等局部奇异信息.针对上述问题,提出一种并行二维深度可分离残差神经网络(parallel two-dimensional depthwise separable residual n... 滚动轴承运行工况的变化与噪声干扰等随机不确定性因素会导致网络特征提取不完整,从而无法捕捉故障突变等局部奇异信息.针对上述问题,提出一种并行二维深度可分离残差神经网络(parallel two-dimensional depthwise separable residual neural network,P2DDSResNet)模型,通过格拉姆角分场(Gramian angular difference field,GADF)和连续小波变换(continuous wavelet transform,CWT)将振动信号转变为二维时频图像,保留了完整的时频域信息.采用深度可分离卷积替代残差模块中的普通卷积,增强特征学习能力,从而使模型具有更强的特征提取能力,以解决在高噪声和变工况环境中故障诊断效果不佳的问题.采用滚动轴承故障模拟试验台获取的数据对其进行试验分析并与其他卷积神经网络方法对比,结果表明,优化后的算法模型具有良好的泛化性和准确率. 展开更多
关键词 故障诊断 深度可分离卷积 滚动轴承 残差神经网络 特征提取
在线阅读 下载PDF
基于生成对抗网络的航拍路面阴影去除
6
作者 韩建峰 金聪颖 +1 位作者 宋丽丽 赵悦辰 《电光与控制》 北大核心 2025年第2期86-92,共7页
采用无人机航拍采集路面图像,可有效提高路面健康状况检测的效率。然而,无人机航拍图像因航拍角度和日照变化的影响,产生的长阴影会掩盖路面破损信息,影响破损检测的准确性。针对这一问题,提出一种基于生成对抗网络(GAN)的航拍路面阴影... 采用无人机航拍采集路面图像,可有效提高路面健康状况检测的效率。然而,无人机航拍图像因航拍角度和日照变化的影响,产生的长阴影会掩盖路面破损信息,影响破损检测的准确性。针对这一问题,提出一种基于生成对抗网络(GAN)的航拍路面阴影去除算法,在生成对抗网络中引入多尺度特征提取模块,以增强图像信息特征提取能力;同时,在判别网络结构中采用深度可分离卷积,有效降低模型对非阴影区域的敏感性,提高判别网络的鉴别效果;此外,构建不同路面和光照条件下的航拍路面阴影数据集,提升模型泛化能力及鲁棒性。实验结果表明,所提算法获得的无阴影结果图像在多个无参考图像质量评估指标上均有所提升,能够提高路面破损检测识别的准确性和完整性。 展开更多
关键词 航拍路面 阴影去除 多尺度特征提取 深度可分离卷积
在线阅读 下载PDF
基于二次分解时频图和SE-DSMC-BSA的轻量化有载分接开关机械故障识别方法
7
作者 李思奇 夏卯 +4 位作者 鲁思兆 毕贵红 黄一超 阮彦俊 李良创 《振动与冲击》 北大核心 2025年第11期268-279,308,共13页
有载分接开关(on-load tap-changer,OLTC)是有载调压变压器中唯一可动的部件,其频繁切换易导致机械故障。为了实现OLTC机械状态的在线监测,文中提出一种结合二次分解时频图、深度可分离多尺度卷积(depthwise separable multiscale convo... 有载分接开关(on-load tap-changer,OLTC)是有载调压变压器中唯一可动的部件,其频繁切换易导致机械故障。为了实现OLTC机械状态的在线监测,文中提出一种结合二次分解时频图、深度可分离多尺度卷积(depthwise separable multiscale convolution,DSMC)、挤压-激励(squeeze-excitation,SE)注意力机制和广播自注意力(broadcast self-attention,BSA)机制的轻量化OLTC故障识别方法。首先,建立OLTC故障模拟试验平台获取振动信号。在此基础上,引入二次分解和Hilbert变换,将两次分解的分量全部转换为时频图。然后,利用SE-DSMC对时频图进行多尺度的特征提取,并进行通道特征增强。最后,引入BSA对全局特征进行提取,以提升故障识别的准确率。与现有方法相比,该方法特别是在小样本情况下具有识别速度快、准确率高和轻量化等优势。 展开更多
关键词 有载分接开关(OLTC) 故障识别 二次分解 挤压-激励(SE) 深度可分离多尺度卷积(DSMC) 广播自注意力(BSA) 轻量化
在线阅读 下载PDF
基于改进YOLOv4-Tiny的交通标志图像识别算法研究
8
作者 孙海明 付世超 《计算机应用与软件》 北大核心 2025年第5期164-170,190,共8页
为实现无人驾驶汽车对交通标志的精准识别,提出基于改进YOLOv4-Tiny的交通标志图像识别算法YOLO-slim。在原算法中加入卷积注意力网络并在特征金字塔网络中引入浅层特征,提高算法对不同层间特征信息的利用率。使用深度可分离卷积替换标... 为实现无人驾驶汽车对交通标志的精准识别,提出基于改进YOLOv4-Tiny的交通标志图像识别算法YOLO-slim。在原算法中加入卷积注意力网络并在特征金字塔网络中引入浅层特征,提高算法对不同层间特征信息的利用率。使用深度可分离卷积替换标准卷积减少网络参数量压缩模型权重文件。在模型训练中使用Focus loss损失函数平衡难易样本。实验结果表明,YOLO-slim的平均准确率为94.41%,权重文件为4.49 MB,检测速度为8.0 ms。改进后的算法准确率更高、权重文件更小,更适合部署在车载计算单元上。 展开更多
关键词 交通标志 算法 注意力机制 深度可分离卷积
在线阅读 下载PDF
基于深度学习的时空特征融合网络入侵检测模型研究 被引量:3
9
作者 李聪聪 袁子龙 滕桂法 《信息安全研究》 北大核心 2025年第2期122-129,共8页
随着网络攻击日益增多,网络入侵检测系统在维护网络安全方面也越来越重要.目前多数研究采用深度学习的方法进行网络入侵检测,但未充分从多个角度利用流量的特征,同时存在实验数据集过于陈旧的问题.提出了一种并行结构的DSC-Inception-Bi... 随着网络攻击日益增多,网络入侵检测系统在维护网络安全方面也越来越重要.目前多数研究采用深度学习的方法进行网络入侵检测,但未充分从多个角度利用流量的特征,同时存在实验数据集过于陈旧的问题.提出了一种并行结构的DSC-Inception-BiLSTM网络,使用最新的数据集评估所设计的网络模型.该模型包括网络流量图像和文本异常流量检测2个分支,分别通过改进的卷积神经网络和循环神经网络提取流量的空间特征和时序特征.最后通过融合时空特征实现网络入侵检测.实验结果表明,在CIC-IDS2017,CSE-CIC-IDS2018,CIC-DDoS2019这3个数据集上,该模型分别达到了99.96%,99.19%,99.95%的准确率,能够对异常流量进行高精度分类,满足入侵检测系统的要求. 展开更多
关键词 网络入侵检测 深度学习 特征融合 深度可分离卷积 INCEPTION
在线阅读 下载PDF
基于改进YOLOv8的轻量化鱼苗检测算法:FD-YOLO 被引量:1
10
作者 王泽宇 徐慧英 +3 位作者 朱信忠 黄晓 梁佳杰 李琛 《计算机工程》 北大核心 2025年第4期327-338,共12页
基于深度学习的鱼苗检测在水产养殖中的应用为自动化和精确化管理提供了可能。针对鱼苗检测中设备性能低、实时性要求高等问题,提出一种改进YOLOv8的轻量化鱼苗检测算法FD-YOLO。将快速网络(FasterNet)替换YOLOv8原CSPDarkNet特征提取网... 基于深度学习的鱼苗检测在水产养殖中的应用为自动化和精确化管理提供了可能。针对鱼苗检测中设备性能低、实时性要求高等问题,提出一种改进YOLOv8的轻量化鱼苗检测算法FD-YOLO。将快速网络(FasterNet)替换YOLOv8原CSPDarkNet特征提取网络,采用局部卷积(PConv)减少冗余计算和内存访问。在特征融合中引入深度可分离卷积(DWConv),将标准卷积过程分解为相对简单的深度卷积和逐点卷积两个步骤并行处理,进一步减少模型的复杂性和计算资源消耗。使用Focal-EIoU作为模型损失函数,提高检测精度,使得模型更具鲁棒性。实验结果表明,改进后的检测模型参数量和计算量大幅降低,模型参数量下降了91%,计算量下降了85%,在CPU上的推理速度加快了3倍。改进后的鱼苗检测算法能更好地兼顾高精度和实时性之间的平衡,便于部署在资源有限的硬件平台上。 展开更多
关键词 目标检测 鱼苗检测 轻量化 局部卷积 深度可分离卷积
在线阅读 下载PDF
基于HRNetV2的城市内涝视频图像监测方法
11
作者 陈笑娟 徐艺芙 +3 位作者 吕鑫 魏军 李婷 陈小雷 《中国农村水利水电》 北大核心 2025年第4期164-168,175,共6页
近年来,城市内涝事件频发,给城市居民的生活和财产带来了巨大损失。传统监测手段受设备安装与维护成本高昂、人工效率低等问题局限,同时传统的卷积神经网络无法对分辨率不同的监控设施视频图像加以区分,难以全面、高效地应对内涝灾害,... 近年来,城市内涝事件频发,给城市居民的生活和财产带来了巨大损失。传统监测手段受设备安装与维护成本高昂、人工效率低等问题局限,同时传统的卷积神经网络无法对分辨率不同的监控设施视频图像加以区分,难以全面、高效地应对内涝灾害,因此研究创新性地提出了一种基于HRNetV2的城市内涝监测方法。该方法充分利用了HRNet模型在目标检测、图像分类等人体姿态估计应用方面展现出优势性能,可在并行多个不同分辨率的卷积分支的同时共享卷积权重,减少模型参数量和计算量,提高模型训练效率。研究通过对监测采集和收集的社会化城市内涝积水图像构成的数据集进行训练,并采用精度和复杂度两项关键评价指标,将HRNetV2与Unet、PSPNet、ResUnet、DeeplabV3+四种主流模型的训练结果进行了全面对比。实验结果表明,HRNetV2在积水图像识别方面展现出了卓越的性能。其交并比、精确度、召回率以及F1分数分别高达92.19%、96.90%、95.76%和95.83%,均显著优于其他4种对比模型。与此同时,HRNetV2在复杂度方面也有着出色的表现,相较于其他模型,其计算复杂度大幅降低,更加适合在实际监测场景中应用。这一研究成果不仅为城市内涝监测提供了一种全新的技术手段,可以更加准确、高效地监测城市内涝情况,同时也可为城市规划、灾害管理等领域提供有价值的参考。 展开更多
关键词 城市内涝 智能监测 HRNetV2 多分辨率融合 深度可分离卷积
在线阅读 下载PDF
基于轻量级注意力残差网络的面部表情识别方法
12
作者 郜高飞 邵党国 +1 位作者 马磊 易三莉 《吉林大学学报(理学版)》 北大核心 2025年第2期437-444,共8页
针对卷积神经网络参数量大、训练时间长的问题,提出一种基于轻量级注意力残差网络的面部表情识别方法.首先,以残差网络为骨架重新搭建模型,通过减少层数并改进残差模块提高模型性能;其次,引入深度可分离卷积减少模型的参数量和计算工作... 针对卷积神经网络参数量大、训练时间长的问题,提出一种基于轻量级注意力残差网络的面部表情识别方法.首先,以残差网络为骨架重新搭建模型,通过减少层数并改进残差模块提高模型性能;其次,引入深度可分离卷积减少模型的参数量和计算工作量;最后,采用Mish函数替代ReLU函数的挤压激励模块自适应地调整通道权重.该模型在两个公共数据集CK+和JAFFE上采用经典的十折交叉验证方式进行验证,分别获得了98.16%和96.67%的准确率.实验结果表明,该方法在模型识别精度和复杂度之间进行了较好权衡. 展开更多
关键词 面部表情识别 轻量级 残差网络 深度可分离卷积 注意力机制
在线阅读 下载PDF
基于多物理量的油中短间隙电弧放电故障模式快速识别方法
13
作者 常昊鑫 董明 +3 位作者 胡一卓 王昊 田志立 任明 《高电压技术》 北大核心 2025年第7期3651-3661,共11页
短间隙油中电弧放电易造成设备损坏,甚至引发火灾和爆炸事故,对其开展故障诊断对于维护电力系统安全稳定运行具有重要意义。由于油中电弧放电演变速度快,传统基于单一信号进行的故障诊断方法存在诊断准确率低、诊断不及时等问题。为了... 短间隙油中电弧放电易造成设备损坏,甚至引发火灾和爆炸事故,对其开展故障诊断对于维护电力系统安全稳定运行具有重要意义。由于油中电弧放电演变速度快,传统基于单一信号进行的故障诊断方法存在诊断准确率低、诊断不及时等问题。为了解决上述问题,该文提出一种基于多物理量的油中短间隙电弧放电故障模式快速识别方法。首先,搭建一套可同时采集放电多物理特征信号的试验平台,获取并分析了各物理量的时域信号和频谱图;其次,在多物理时域信号的基础上,利用S变换生成对应时频图谱;然后,提出一种改进的深度可分离卷积神经网络模型,利用该模型开展基于多物理量联合的放电故障模式识别。结果表明:相比于仅利用单一信号,该文提出的多物理量联合检测的方法具有更高的识别准确率;与传统辨识模型相比,通过优化DSCNN网络框架,降低了参数规模和推理时间,有助于提高故障诊断速度,防止油中电弧放电发展到更为严重的阶段。 展开更多
关键词 电力变压器 短间隙电弧 模式识别 深度可分离卷积神经网络 联合检测
在线阅读 下载PDF
基于深度可分离卷积残差模块的抓取检测算法
14
作者 平路静 马行 +1 位作者 穆春阳 姜谱照 《传感器与微系统》 北大核心 2025年第5期133-137,共5页
针对在移动设备和嵌入式设备等资源受限的环境中,机器人不易实时准确抓取物体的问题,提出一种基于深度可分离卷积残差模块的卷积神经网络(CNN)模型。该模型充分利用相机颜色和深度信息,以RGB-D图像作为网络输入,直接对逐个像素点完成抓... 针对在移动设备和嵌入式设备等资源受限的环境中,机器人不易实时准确抓取物体的问题,提出一种基于深度可分离卷积残差模块的卷积神经网络(CNN)模型。该模型充分利用相机颜色和深度信息,以RGB-D图像作为网络输入,直接对逐个像素点完成抓取预测。利用深度可分离卷积替代传统残差结构中的标准卷积层,构建出深度可分离卷积残差模块,在不降低网络性能的基础上减少模型参数,网络模型大小仅为2.3 MB。最后,在Cornell抓取数据集上进行实验,准确率达到97.7%,检测速度为58 fps。 展开更多
关键词 卷积神经网络 深度可分离卷积 残差网络 抓取检测
在线阅读 下载PDF
基于多尺度深度可分离ResNet的废弃家电回收图像分类模型
15
作者 雷帅 仇明鑫 +1 位作者 柳先辉 张颖瑶 《计算机科学》 北大核心 2025年第S1期377-383,共7页
针对海量废弃家电回收图像数据在回收技术中难以有效利用的问题,提出了一种基于ResNet和多尺度卷积的废弃家电回收图像分类模型(Multi-scale and Efficient ResNet,ME-ResNet)。首先,基于残差结构设计了多尺度卷积模块以提升不同尺度特... 针对海量废弃家电回收图像数据在回收技术中难以有效利用的问题,提出了一种基于ResNet和多尺度卷积的废弃家电回收图像分类模型(Multi-scale and Efficient ResNet,ME-ResNet)。首先,基于残差结构设计了多尺度卷积模块以提升不同尺度特征信息提取能力,在此基础上基于ResNet设计了针对废弃家电回收图像分类问题的ME-ResNet模型;其次,通过用深度可分离卷积替换多尺度卷积中的部分卷积层,实现ME-ResNet模型轻量化;最后,通过与其他卷积神经网络的对比实验,对ME-ResNet及其轻量化模型的性能进行了验证。研究结果表明:相较于经典的卷积神经网络ResNet34,ME-ResNet及其轻量化模型均能有效提升识别准确度,针对构建的数据集,其最优准确率分别提升了1.2%和0.3%,宏精确率分别提升了1.7%和0.9%,宏召回率分别提升了1.3%和0.2%,宏F1分数分别提升了1.5%和0.5%。 展开更多
关键词 多尺度卷积 ME-ResNet模型 深度可分离卷积 图像分类 残差连接
在线阅读 下载PDF
基于单序列到多序列的轻量级非侵入式负荷监测
16
作者 陈文权 吴青华 +1 位作者 季天瑶 李梦诗 《电测与仪表》 北大核心 2025年第1期167-175,共9页
非侵入式负荷监测(non-intrusive load monitoring,NILM)能让用户以一种低成本的方式获取家庭中各用电器的耗电情况,有利于推动实现碳中和,提升需求侧管理能力。针对一般NILM算法面对的负荷分解误差和模型计算成本间的矛盾,提出了一种... 非侵入式负荷监测(non-intrusive load monitoring,NILM)能让用户以一种低成本的方式获取家庭中各用电器的耗电情况,有利于推动实现碳中和,提升需求侧管理能力。针对一般NILM算法面对的负荷分解误差和模型计算成本间的矛盾,提出了一种基于单序列到多序列的轻量级NILM模型。模型采取基于深度可分离卷积的全卷积结构,并利用卷积核不同通道的特征提取能力实现了多输出,极大减少了模型的参数量和计算时间;然后通过引入通道注意力机制,为不同通道的特征赋予权重,降低模型的负荷分解误差。在数据处理上,利用模糊C均值聚类将电器分为单运行状态和多运行状态两类,分别采取功率估计和状态估计两种方式以降低分解误差。模型在REFIT数据集上进行了验证,实验表明模型能在大幅度减少计算成本的同时保持较低的分解误差。 展开更多
关键词 非侵入式负荷监测 多输出 深度可分离卷积 通道注意力机制 模糊C均值聚类
在线阅读 下载PDF
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:1
17
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
基于YOLOv8的红外无人机小目标检测研究
18
作者 李燕 曲毅 胡健生 《空军工程大学学报》 北大核心 2025年第3期106-111,共6页
红外目标检测是无人机反制技术常用的一种手段。针对复杂环境下红外小目标图像特征不明显,常淹没在噪声中的问题,提出了一种改进的YOLOv8目标检测模型。首先,引入注意力机制,自适应调节感受野大小;其次,构建小目标检测层,更加关注网络... 红外目标检测是无人机反制技术常用的一种手段。针对复杂环境下红外小目标图像特征不明显,常淹没在噪声中的问题,提出了一种改进的YOLOv8目标检测模型。首先,引入注意力机制,自适应调节感受野大小;其次,构建小目标检测层,更加关注网络的浅层信息,增强细粒度特征提取能力;最后,使用深度可分离卷积改进检测头,提高检测准确度的同时更加轻量化。实验结果表明,与原YOLOv8模型相比,精确率、召回率、mAP50、mAP50-95分别提升了5.3%、8.1%、9.1%、21.1%,在无人机小目标检测中取得了很好的效果。 展开更多
关键词 YOLOv8 红外 小目标检测 注意力机制 深度可分离卷积
在线阅读 下载PDF
融合通道-时间注意力和深度可分离卷积的欺骗语音检测
19
作者 冯嘉琪 王华朋 刘天赐 《科学技术与工程》 北大核心 2025年第22期9427-9435,共9页
自动说话人验证系统在应对日益逼真的深度伪造语音时,面临显著的欺骗攻击威胁。现有基于卷积神经网络的反欺骗模型在捕捉全局特征与应对未知类型语音伪造的泛化性能方面存在不足。为提升反欺骗检测效果,提出了一种融合通道-时间注意力... 自动说话人验证系统在应对日益逼真的深度伪造语音时,面临显著的欺骗攻击威胁。现有基于卷积神经网络的反欺骗模型在捕捉全局特征与应对未知类型语音伪造的泛化性能方面存在不足。为提升反欺骗检测效果,提出了一种融合通道-时间注意力机制与深度可分离卷积的网络模型CT-DSCNet。该模型在RawNet2基础上引入通道-时间注意力模块,增强对重要语音特征的关注,减少无关区域的干扰;同时采用深度可分离卷积残差块,优化计算效率与模型实时性。实验在AS-Vspoof2019、ASVspoof2021和FMFCC-A数据集上进行,结果显示CT-DSCNet在ASVspoof2019 LA测试集上的等错误率(equal error rate,EER)达到1.53%,较基线模型降低70.58%。在泛化能力方面相较其他模型也表现出色,在FMFCC-A评估集上的EER,较改进前模型相比提高了25.35%。实验验证了该方法在提升伪造语音检测性能和跨数据集适应性方面的有效性。 展开更多
关键词 深度伪造语音 注意力机制 深度可分离卷积 语音反欺骗
在线阅读 下载PDF
改进YOLOv7算法的核反应堆压力容器表面划痕检测研究
20
作者 王亚州 李巍 +2 位作者 胡鹏成 叶志伟 孙琦 《核电子学与探测技术》 北大核心 2025年第4期584-590,共7页
核反应堆压力容器表面质量是保证设备安全的重要因素,必须进行定期表面检测。核反应堆压力容器表面缺陷图像的背景复杂,缺陷尺寸小,进行人工视觉检测时,存在效率低、视觉疲劳、容易漏检等现象。因此,提出了一种基于改进YOLOv7算法检测... 核反应堆压力容器表面质量是保证设备安全的重要因素,必须进行定期表面检测。核反应堆压力容器表面缺陷图像的背景复杂,缺陷尺寸小,进行人工视觉检测时,存在效率低、视觉疲劳、容易漏检等现象。因此,提出了一种基于改进YOLOv7算法检测核反应堆压力容器表面划痕缺陷的方法。针对微小划痕缺陷容易漏检的问题,在YOLOv7的特征融合网络中添加小目标检测头。为了减少计算量,用深度可分离卷积替换主干网络和特征融合网络中的卷积模块。为了加速模型收敛,将SIoU损失函数替换CIoU函数。减少了模型计算量和增加模型收敛速度,提高了改进YOLOv7算法在现场应用的实时性。实验结果表明,基于改进的YOLOv7算法缺陷检测mAP@0.5可以达到71.3%,比常规YOLOv7提高了11.1%,模型计算量减少了76.8%。改进YOLOv7算法对于金属表面细小划痕,具有较高置信度,能够有效地检测出小尺寸划痕缺陷。 展开更多
关键词 表面缺陷 YOLOv7算法 目标缺陷检测 深度可分离卷积
在线阅读 下载PDF
上一页 1 2 12 下一页 到第
使用帮助 返回顶部