检索结果-维普期刊中文期刊服务平台

基于SPD-Conv结构和NAM注意力机制的鱼群小目标检测被引量：1: 1; 作者谌雨章王诗琦 +1 位作者周雯周婉婷《计算机科学》 CSCD 北大核心 2024年第S01期426-432,共7页; 为解决因水下成像环境退化导致图像分辨率较低,以及因鱼群目标较小等因素导致的检测精度不高的问题,提出了一种结合SPD-Conv结构和NAM注意力机制的改进YOLOv7检测算法。首先,采用Space-to-Depth(SPD)结构改进头部网络,取代了网络中原有... 展开更多; 关键词 SPD-Conv结构 nam注意力机制 YOLOv7算法鱼群检测目标检测; 在线阅读下载PDF 职称材料

一种基于元学习的改进YOLO钢管表面缺陷小样本检测模型被引量：2: 2; 作者李凌波田彦 +1 位作者江旭东董宝力《机电工程》北大核心 2025年第5期985-993,共9页; 针对产品表面缺陷样本数稀缺时的深度学习缺陷检测效果不佳问题,提出了一种基于元学习策略的改进YOLO-SBN模型,用于小样本缺陷检测。首先,为了提高提取全局特征信息的能力,采用了Swin Transformer作为骨干网络模型,引入注意力机制提取... 展开更多; 关键词小样本目标检测表面缺陷元学习特征网络归一化注意力模块平均准确率双向特征金字塔网络(BiFPN); 在线阅读下载PDF 职称材料

基于改进轻量级深度卷积神经网络的果树叶片分类及病害识别模型设计被引量：2: 3; 作者买买提·沙吾提李荣鹏 +2 位作者蔡和兵赵明梁嘉曦《森林工程》北大核心 2025年第2期277-287,共11页; 新疆是中国重要的林果产业基地,特色林果业是区域经济发展的重要组成部分。为预防果树病害制约林果业发展,设计一款归一化注意力(normalization-based attention module,NAM)轻量级深度卷积神经网络(MobileNet-V2)果树叶片分类及病害识... 展开更多; 关键词新疆果树分类病害识别归一化注意力轻量级深度卷积神经网络(MobileNet-V2 nam) 归一化注意力机制; 在线阅读下载PDF 职称材料

基于改进YOLOX的隧道火灾检测算法: 4; 作者马庆禄邱高建白锋《中国安全科学学报》北大核心 2025年第4期28-34,共7页; 针对隧道初期火灾检测中存在的复杂环境干扰和低识别率问题,提出一种基于改进YOLOX算法的检测方法YOLOX-T。该方法在YOLOX中引入归一化注意力模块(NAM)机制来抑制环境噪声和干扰,提高系统的鲁棒性及识别的精确性;引入加权双向特征金字... 展开更多; 关键词隧道火灾 YOLOX 火灾检测归一化注意力模块(nam) 加权双向特征金字塔网络(BiFPN); 在线阅读下载PDF 职称材料

基于图像配准和深度学习的靶板穿孔识别方法: 5; 作者林威李超 +2 位作者王晓坤赵小强张见升《兵器装备工程学报》北大核心 2025年第7期296-302,共7页; 静爆试验威力大、范围广,自动报靶系统无法布设在靶板周围实现穿孔识别,而人工识别方式效率低下,基于传统Otsu视觉算法的靶板穿孔识别精度不够,针对该问题,提出了一种基于图像配准和深度学习的靶板穿孔识别方法。采用双重图像配准方法... 展开更多; 关键词穿孔识别图像配准 nam注意力图像处理; 在线阅读下载PDF 职称材料

融合Transformer和CNN的手掌静脉识别网络被引量：3: 6; 作者吴凯沈文忠 +1 位作者贾丁丁梁娟《计算机工程与应用》 CSCD 北大核心 2023年第24期98-109,共12页; 针对手掌静脉特征提取识别精度不高问题,提出了掌静脉识别网络PVCodeNet。该网络设计了改进的BasicBlock和Transformer Encoder模块结合并运用扩大决策边界的损失函数AAM-Loss(additive angular margin loss)。该网络首次将Transformer ... 展开更多; 关键词手掌静脉识别 Transformer编码模块深度超参数化卷积(Do-Conv) 规一化注意力机制(nam) 扩大决策边界的损失函数(AAM-Loss); 在线阅读下载PDF 职称材料

题名基于SPD-Conv结构和NAM注意力机制的鱼群小目标检测被引量：1: 1; 作者谌雨章王诗琦周雯周婉婷; 机构湖北大学计算机与信息工程学院; 出处《计算机科学》 CSCD 北大核心 2024年第S01期426-432,共7页; 基金教育部产学合作协同育人项目(202101142041)。; 文摘为解决因水下成像环境退化导致图像分辨率较低,以及因鱼群目标较小等因素导致的检测精度不高的问题,提出了一种结合SPD-Conv结构和NAM注意力机制的改进YOLOv7检测算法。首先,采用Space-to-Depth(SPD)结构改进头部网络,取代了网络中原有的跨步卷积结构,保留了更多的细粒度信息,提升了特征学习的效率,提高了网络对低分辨率图像的检测效果。然后在网络中引入Normalization-based Attention Module(NAM)注意力机制,采用CBAM的模块集成方式,使用BN缩放因子来计算注意力权重,抑制了不显著的特征,提升了小目标检测的准确率。最后针对水下成像退化,对检测图片做反卷积预处理,减小了水下成像退化因素对检测造成的影响。实验结果显示,在WildFish数据集上模型的整体精度达到97.2%,与YOLOv7算法相比提升了7.6%,准确率提升了8.5%,召回率提升了9.8%,与Efficientdet,SSD,YOLOv5及YOLOv8算法相比,所提模型精度分别提升了12.6%,17.8%,4%及2.9%,在Aquarium数据集上模型的整体精度达到80.5%,相比Efficientdet,SSD,YOLOv5,YOLOv7及YOLOv8分别提升了18.4%,11.6%,6.9%,2.0%及2.7%,可以满足水下鱼群识别的需求。; 关键词 SPD-Conv结构 nam注意力机制 YOLOv7算法鱼群检测目标检测; Keywords Space-to-Depth Conv(SPD Conv) normalization-based attention module(nam) YOLOv7 Fish detection Object detection; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名一种基于元学习的改进YOLO钢管表面缺陷小样本检测模型被引量：2: 2; 作者李凌波田彦江旭东董宝力; 机构浙江经济职业技术学院图书信息中心浙江工商大学计算机科学与技术学院浙江理工大学机械工程学院; 出处《机电工程》北大核心 2025年第5期985-993,共9页; 基金国家自然科学基金资助项目(61972351) 浙江省自然科学基金资助项目(Z24F020002)。; 文摘针对产品表面缺陷样本数稀缺时的深度学习缺陷检测效果不佳问题,提出了一种基于元学习策略的改进YOLO-SBN模型,用于小样本缺陷检测。首先,为了提高提取全局特征信息的能力,采用了Swin Transformer作为骨干网络模型,引入注意力机制提取了特征图的判别能力;然后,为了提高特征融合能力并降低计算复杂度,通过加权双向特征金字塔网络(BiFPN)结构优化了特征提取器的颈部网络,平衡了YOLO-SBN模型的有效性和效率;最后,采用归一化注意力模块(NAM)优化权重调整了模块,增强了浅层缺陷特征的模型表达,并基于这些增强的特征进行了检测;使用金属表面热轧缺陷公开数据集NEU-DET验证了YOLO-SBN模型的算法性能。研究结果表明:对于小样本缺陷检测,YOLO-SBN模型在平均准确率(mAP)方面提高了4.1%;在新类缺陷样本规模数量为50的小样本情况下,改进后的检测模型对新类数据适应性最强。由此可见,该YOLO-SBN模型在提高检测精度和提升模型泛化能力方面具有一定优势。; 关键词小样本目标检测表面缺陷元学习特征网络归一化注意力模块平均准确率双向特征金字塔网络(BiFPN); Keywords few-shot object detection surface defects meta learning feature network normalized attention module(nam) mean average precision(mAP) bidirectional feature pyramid network(BiFPN); 分类号 TH878.3 [机械工程—精密仪器及机械] TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于改进轻量级深度卷积神经网络的果树叶片分类及病害识别模型设计被引量：2: 3; 作者买买提·沙吾提李荣鹏蔡和兵赵明梁嘉曦; 机构新疆大学地理与遥感科学学院新疆绿洲生态重点试验室智慧城市与环境建模自治区普通高校重点试验室; 出处《森林工程》北大核心 2025年第2期277-287,共11页; 基金新疆自然科学计划项目(2021D01C055) 新疆大学国家级大学生创新训练计划项目(202310755002)。; 文摘新疆是中国重要的林果产业基地,特色林果业是区域经济发展的重要组成部分。为预防果树病害制约林果业发展,设计一款归一化注意力(normalization-based attention module,NAM)轻量级深度卷积神经网络(MobileNet-V2)果树叶片分类及病害识别模型。其中融入轻量型的归一化注意力机制,提高模型对特征信息的敏感度,使模型关注显著性特征。同时,将L1正则化(L1 regularization或losso)添加到损失函数中,对权重进行稀疏性惩罚,抑制非显著性权重。试验结果表明,在叶片分类中,模型对自构建植物叶片病害识别数据集(Plant Village)、混合数据集的分类结果均表现良好,准确率分别达到97.05%、98.73%、94.91%,具有较好的泛化能力。在病害识别中,MobileNet-V2 NAM模型实现94.55%的识别准确率,高于深度卷积神经网络(AlexNet)、视觉几何群网络(VGG16)经典卷积神经网络(Convolutional Neural Networks,CNN)模型,且模型参数量只有3.56 M。MobileNet-V2 NAM在具有良好准确率同时保持了较低的模型参数量,为深度学习模型嵌入到移动设备提供技术支持。; 关键词新疆果树分类病害识别归一化注意力轻量级深度卷积神经网络(MobileNet-V2 nam) 归一化注意力机制; Keywords Xinjiang fruit tree classification disease identification MobileNet-V2 nam normalization-based attention module; 分类号 S436.611 [农业科学—农业昆虫与害虫防治]; 在线阅读下载PDF 职称材料

题名基于改进YOLOX的隧道火灾检测算法: 4; 作者马庆禄邱高建白锋; 机构重庆交通大学交通运输学院; 出处《中国安全科学学报》北大核心 2025年第4期28-34,共7页; 基金重庆市自然科学基金面上项目资助(CSTB2023NSCQ-MSX0551) 交通部三峡库区奉建高速公路安全智能建造科技示范工程项目(Z29210003) +1 种基金 2024年研究生科研创新项目(CYS240483)。; 文摘针对隧道初期火灾检测中存在的复杂环境干扰和低识别率问题,提出一种基于改进YOLOX算法的检测方法YOLOX-T。该方法在YOLOX中引入归一化注意力模块(NAM)机制来抑制环境噪声和干扰,提高系统的鲁棒性及识别的精确性;引入加权双向特征金字塔网络(BiFPN)增强特征提取和融合能力,优化α-交并比(IoU)损失函数,以提高对轮廓特征不明显的隧道初期烟雾火焰的检测精度;在现有公开数据集不足的情况下,通过网络采集、模拟试验和扩充现有数据集,构建隧道火灾数据集,在包含真实场景和模拟场景的自建隧道火灾数据集上进行验证。结果表明:相比于原始YOLOX模型,改进后的算法均值平均精度(mAP@0.5)提高1.89%,mAP@0.5~0.95提高0.88%,精确率提高4.57%,召回率提高5.45%,改进后的算法能够实现更优的检测性能。; 关键词隧道火灾 YOLOX 火灾检测归一化注意力模块(nam) 加权双向特征金字塔网络(BiFPN); Keywords tunnel fire YOLOX normalization-based attention module(nam) bidirectional feature pyramid network(BiFPN) fire detection; 分类号 X932 [环境科学与工程—安全科学]; 在线阅读下载PDF 职称材料

题名基于图像配准和深度学习的靶板穿孔识别方法: 5; 作者林威李超王晓坤赵小强张见升; 机构中国兵器工业试验测试研究院; 出处《兵器装备工程学报》北大核心 2025年第7期296-302,共7页; 基金国防科技创新特区项目(20-163-30-ZT-004-015-01)。; 文摘静爆试验威力大、范围广,自动报靶系统无法布设在靶板周围实现穿孔识别,而人工识别方式效率低下,基于传统Otsu视觉算法的靶板穿孔识别精度不够,针对该问题,提出了一种基于图像配准和深度学习的靶板穿孔识别方法。采用双重图像配准方法提高试验前后靶板图像的配准精度,从差分图像中提取穿孔区域,并用ResNet50-NAM深度学习网络对穿孔区域进行分类识别。结果表明,所提方法的平均穿孔识别准确率为97.26%,与传统Otsu视觉算法相比,平均穿孔识别精度提高20.95%,平均穿孔识别时间比人工识别方式缩短83.89%,能够为武器装备毁伤效能评估提供快速、准确的数据支撑。; 关键词穿孔识别图像配准 nam注意力图像处理; Keywords penetrated hole detection image registration normalization-based attention module(nam) image processing; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名融合Transformer和CNN的手掌静脉识别网络被引量：3: 6; 作者吴凯沈文忠贾丁丁梁娟; 机构上海电力大学电子与信息工程学院; 出处《计算机工程与应用》 CSCD 北大核心 2023年第24期98-109,共12页; 基金国家自然科学基金(61802250)。; 文摘针对手掌静脉特征提取识别精度不高问题,提出了掌静脉识别网络PVCodeNet。该网络设计了改进的BasicBlock和Transformer Encoder模块结合并运用扩大决策边界的损失函数AAM-Loss(additive angular margin loss)。该网络首次将Transformer Encoder模块成功用于掌静脉图像全局特征提取,改进的BasicBlock使用深度超参数化卷积Do-Conv取代传统卷积Conv进行特征提取使提取的特征更加具有区分性,该模块还加入规一化的注意力机制NAM模块,通过应用权重稀疏性惩罚项抑制不显著性特征的权值来提取图像在通道和空间域上重要的细节特征。在手掌关键点定位、ROI提取、图像增强方面作了详细描述,在特征向量维度、AAM-Loss参数设置方面做了详细实验,在PolyU数据库和自建库SEPAD-PV数据库上进行消融实验测试,EER均达到了0,成功实现了最高识别率的突破。为了验证该网络的泛化性能,还在具有相似纹理特征的掌纹数据库Tongji和指静脉数据库SDUMLA上进行验证,EER远远优于其他主流算法,充分证明了提出算法的优越性。; 关键词手掌静脉识别 Transformer编码模块深度超参数化卷积(Do-Conv) 规一化注意力机制(nam) 扩大决策边界的损失函数(AAM-Loss); Keywords palm vein recognition Transformer encoder Do-Conv normalization-based attention module(nam) additive angular margin loss(AAM-Loss); 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于SPD-Conv结构和NAM注意力机制的鱼群小目标检测	谌雨章王诗琦周雯周婉婷	《计算机科学》 CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
2	一种基于元学习的改进YOLO钢管表面缺陷小样本检测模型	李凌波田彦江旭东董宝力	《机电工程》北大核心	2025	2	在线阅读下载PDF 职称材料
3	基于改进轻量级深度卷积神经网络的果树叶片分类及病害识别模型设计	买买提·沙吾提李荣鹏蔡和兵赵明梁嘉曦	《森林工程》北大核心	2025	2	在线阅读下载PDF 职称材料
4	基于改进YOLOX的隧道火灾检测算法	马庆禄邱高建白锋	《中国安全科学学报》北大核心	2025	0	在线阅读下载PDF 职称材料
5	基于图像配准和深度学习的靶板穿孔识别方法	林威李超王晓坤赵小强张见升	《兵器装备工程学报》北大核心	2025	0	在线阅读下载PDF 职称材料
6	融合Transformer和CNN的手掌静脉识别网络	吴凯沈文忠贾丁丁梁娟	《计算机工程与应用》 CSCD 北大核心	2023	3	在线阅读下载PDF 职称材料