改进型密集递归残差U-Net的皮肤病变图像分割

1

作者 赵德春 袁杨 +2 位作者 秦璐 韦莉 叶昌荣 《中国生物医学工程学报》 北大核心 2025年第3期291-300,共10页

皮肤病变区域的准确分割对计算机辅助诊断具有重要意义。但皮肤病变图像形状不规则、边界模糊并存在噪声干扰,给皮肤病变区域准确分割造成了困难,极大影响了分割的精度。为此,提出了一种基于改进型密集递归残差U-Net模型(IDR2U-Net),实... 皮肤病变区域的准确分割对计算机辅助诊断具有重要意义。但皮肤病变图像形状不规则、边界模糊并存在噪声干扰,给皮肤病变区域准确分割造成了困难,极大影响了分割的精度。为此,提出了一种基于改进型密集递归残差U-Net模型(IDR2U-Net),实现皮肤病变区域自动分割。首先,将编码层和解码层中的原始卷积块优化为递归残差卷积模块,并且使用密集连接,缓解了梯度消失问题;其次,引入特征自适应模块,通过加强有效特征和抑制无关背景噪声,增强相邻特征之间的融合程度;接着,设计双重注意力机制,其中空间注意力增大全局信息的利用效率,通道注意力用于加强通道特征间的相关性,提升网络对皮肤病变区域分割的准确率,同时采用联合Dice系数与交叉熵的损失函数训练分割网络,解决皮肤镜图像中类别不平衡的问题;最后,采用ISIC 2017皮肤病变数据集中的2000余张图片进行了消融实验和对比实验。实验结果表明,IDR2U-Net模型在Jaccard、Dice系数和准确率上分别达到了78.86%、86.92%和94.61%。改进后的模型不仅提高了精度,还实现了更精细的图像分割,特别是在处理边界模糊图像时,能有效减少欠分割现象。 展开更多

关键词 皮肤病变图像分割 U型网络 密集递归残差卷积模块 特征自适应模块 双重注意力机制

在线阅读 下载PDF 职称材料

多源信息融合的电机小样本故障诊断

2

作者 贾晗 尚前明 金华标 《机械科学与技术》 北大核心 2025年第5期847-856,共10页

在实际的工程应用中,电机故障发生的频率极低,电机的故障数据通常较少,正常数据与故障数据存在严重的比例失衡,这对基于数据驱动的电机故障诊断方法提出了挑战。针对这一问题,该文提出一种多源信息融合的电机故障诊断方法。首先,采用快... 在实际的工程应用中,电机故障发生的频率极低,电机的故障数据通常较少,正常数据与故障数据存在严重的比例失衡,这对基于数据驱动的电机故障诊断方法提出了挑战。针对这一问题,该文提出一种多源信息融合的电机故障诊断方法。首先,采用快速谱峭度的特征提取方法将电机定子电流信号和振动加速度信号转化为谱峭度特征图像;其次,搭建一种双通道残差网络模型融合振动信号和电流信号的故障特征并完成故障分类;最后,利用实验台架所采集的5种故障电机数据对多源信息融合的故障诊断方法进行了验证。研究结果表明:在故障数据严重缺失的情况下,故障诊断准确度可以达到95%以上,远高于传统的基于数据驱动的故障诊断方法,同时该方法还可以同样应用于旋转机械设备的故障诊断,具备良好的泛化性。 展开更多

关键词 故障诊断 信息融合 快速谱峭度法 残差神经网络 卷积注意力模块

在线阅读 下载PDF 职称材料

基于卷积复运算和神经网络的调制识别方法

3

作者 李丽文 鲁进 刘浩 《计算机工程与设计》 北大核心 2025年第8期2211-2218,共8页

针对现有的调制识别研究存在的低信噪比下识别率低、算法的特征单一、缺乏互补信息等问题,提出了基于卷积复运算网络的多融合调制识别方法。提取幅度/相位的复数特征,与同相/正交的互补特征进行融合,送入多层残差网络中对融合特征进行... 针对现有的调制识别研究存在的低信噪比下识别率低、算法的特征单一、缺乏互补信息等问题,提出了基于卷积复运算网络的多融合调制识别方法。提取幅度/相位的复数特征,与同相/正交的互补特征进行融合,送入多层残差网络中对融合特征进行充分挖掘,再由双向长短期记忆网络聚合上下文信息,并设计了通道和空间注意力网络来捕捉关键特征。在RML2018.01a上的实验结果表明,所提方法在信噪比为6 dB时的平均识别率为90.35%,优于其它深度学习方法,改善了高阶QAM调制的混淆情况。 展开更多

关键词 调制识别 深度学习 卷积复运算网络 多融合 残差网络 双向长短期记忆网络 注意力机制

在线阅读 下载PDF 职称材料

基于样本优化与深度特征提取的滑坡易发性评价

4

作者 徐金鸿 李清泉 +1 位作者 韦春桃 赵芹 《水土保持通报》 北大核心 2025年第2期190-200,210,共12页

[目的]探究滑坡易发性评价中准确的非滑坡样本采样方法和特征提取优异的评价模型,为区域滑坡防控工作提供理论支持和科学指导。[方法]在缓冲区采样策略的基础上提出了一种基于卷积自编码器(convolutional auto-encoder,CAE)的非滑坡样... [目的]探究滑坡易发性评价中准确的非滑坡样本采样方法和特征提取优异的评价模型,为区域滑坡防控工作提供理论支持和科学指导。[方法]在缓冲区采样策略的基础上提出了一种基于卷积自编码器(convolutional auto-encoder,CAE)的非滑坡样本优化方法。该方法通过学习滑坡样本的特征,利用重构误差筛选和优化非滑坡样本。在评价模型方面,引入卷积注意力模块(convolutional block attention module,CBAM)到残差网络(ResNet)中,构建ResNet-CBAM滑坡易发性评价模型,以捕捉更深层次、更复杂且更具代表性的特征。试验以三峡库区重庆市万州区为研究区域,选取高程等12个影响因子,采用SVM,DNN,CNN和ResNet-CBAM 4种模型,对缓冲区采样和基于CAE优化采样的评价精度和结果进行对比分析。[结果]在相同评价模型下,基于CAE优化的非滑坡样本采样策略具有更高的可靠性与准确性;在相同采样策略下,ResNet-CBAM模型在准确率、精确率、召回率、F_(1)分数和AUC等指标上均优于其他模型;各模型的评价结果具有相似性,高易发区和极高易发区主要分布在长江沿岸等植被覆盖度低、人类活动频繁的区域,使用了基于CAE优化采样的ResNet-CBAM模型表现出更优的预测效果,更适宜于该区域的滑坡易发性评价研究。[结论]万州区滑坡易发性指数较高,区域内存在大量潜在滑坡风险区。基于CAE优化的非滑坡样本采样策略和ResNet-CBAM评价模型能有效提高滑坡易发性评价的精度。 展开更多

关键词 滑坡易发性评价 非滑坡样本 卷积自编码器 残差网络 卷积注意力模块

在线阅读 下载PDF 职称材料

结合ResNet和CBAM的静态图像行为识别方法

5

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 职称材料

一种多尺度循环残差注意的单幅图像去雨方法

6

作者 刘邱铃 周刚 乔敏 《计算机应用与软件》 北大核心 2025年第2期236-240,279,共6页

目前基于卷积神经网络的去雨方法,存在雨纹残留、图像模糊等问题。为此提出一种基于多尺度特征提取和循环残差注意的单幅图像去雨方法。通过构建多尺度拉普拉斯金字塔得到多尺度特征图,再设计循环残差注意模块加强阶段间联系、提取深度... 目前基于卷积神经网络的去雨方法,存在雨纹残留、图像模糊等问题。为此提出一种基于多尺度特征提取和循环残差注意的单幅图像去雨方法。通过构建多尺度拉普拉斯金字塔得到多尺度特征图,再设计循环残差注意模块加强阶段间联系、提取深度特征、增强重要特征权重,更好地去除雨纹并保留了图像细节。实验结果表明,该方法的去雨效果优于其他去雨算法。 展开更多

关键词 卷积神经网络 单幅图像去雨 多层拉普拉斯金字塔 多尺度特征图 循环残差注意模块

在线阅读 下载PDF 职称材料

基于压缩图像与YOLOv5模型的架空输电线路缺陷检测技术 被引量：1

7

作者 刘敏 姜亮 +2 位作者 田杨阳 张璐 陈岑 《沈阳工业大学学报》 北大核心 2025年第2期152-159,共8页

【目的】输电线路作为电能传输和使用过程中的重要环节,其安全稳定对电力系统的正常运行起着至关重要的作用,因此输电线路日常巡检具有重要作用。重大事故通常由微小缺陷隐患发展而来,日常巡检通常采用人工、无人机、可视化通道等手段,... 【目的】输电线路作为电能传输和使用过程中的重要环节,其安全稳定对电力系统的正常运行起着至关重要的作用,因此输电线路日常巡检具有重要作用。重大事故通常由微小缺陷隐患发展而来,日常巡检通常采用人工、无人机、可视化通道等手段,无论何种方式都需要处理大量可视化、红外或者紫外照片。但由于输电线路的特殊性,架设条件涉及多种环境,其巡检图像背景通常较为复杂,采用人工复核审查的方式精度较高,但对经验依赖较大且效率极低。如何快速、准确地识别架空线路巡检图片是架空输电线路缺陷识别的关键。传统输电线路巡检图片识别方法在复杂背景的干扰下,容易出现缺陷识别精确度不高的问题。【方法】为提高架空输电线路巡检图像复杂背景下的检测准确率,提出了一种兼顾识别效率和准确性的缺陷检测方法。基于压缩图像技术并结合YOLOv5模型,设计了一种基于稀疏卷积的非对称特征聚合压缩算法,将原始图像通过编码减少图像存储所需空间以便于存储和传输,经过信息通道传输到解密器后,再将压缩图像进行解码复原以提升局部集合特征的学习效率。同时,通过融入通道空间注意力模块从特征图中得到注意力通道权重矩阵和空间权重矩阵,并通过权重矩阵判断特征图区域的重要程度,完成对YOLOv5模型处理效率的提升。【结果】将压缩恢复后的图像输入改进YOLOv5模型中,利用通道注意力模块(CAM)和空间注意力模块(SAM)分别对图像进行通道与空间上的注意力数据处理,通过全局平均池化和最大池化处理增强目标区域的特征,并引入空间注意力模块增强通道注意力对特征位置信息的关注,以检测出存在缺陷的设备,并通过实验验证了方法的有效性。【结论】以某架空线路的巡检图像数据集为基础,对检测方法开展训练与测试,结果表明,巡检图像经所提技术压缩后,尺寸明显减小,恢复后的图像尺寸较原图约降低了3 MB且未出现失真;改进YOLOv5模型具有较高的检测精确度,其检测准确率和时间分别为0.91和0.87 s,算法在降低图像尺寸提升检测速度的同时保证了检测准确率。 展开更多

关键词 架空输电线路 缺陷检测 图像压缩 改进YOLOv5模型 非对称特征聚合编解码网络 通道空间注意力模块 逐通道稀疏残差卷积 检测准确率

在线阅读 下载PDF 职称材料

基于逐次变分模态分解和CBAM-ResNet的滚动轴承故障诊断方法

8

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 职称材料

立井提升系统刚性罐道故障诊断方法

9

作者 王建风 靳远志 +2 位作者 张勇 王永振 和佳聪 《工矿自动化》 北大核心 2025年第6期113-121,共9页

刚性罐道是立井提升系统的关键部件,由于井筒形变、钢材锈蚀等原因易发生故障,影响罐笼正常运行。目前罐道故障诊断多采用振动检测法,诊断精度易受罐笼载荷、运行速度等工况影响。针对该问题,采用涡流传感器采集罐道故障信号,可使信号... 刚性罐道是立井提升系统的关键部件,由于井筒形变、钢材锈蚀等原因易发生故障,影响罐笼正常运行。目前罐道故障诊断多采用振动检测法,诊断精度易受罐笼载荷、运行速度等工况影响。针对该问题,采用涡流传感器采集罐道故障信号,可使信号特征不受罐笼运行环境影响。为提高罐道故障识别准确率,提出一种基于残差学习和注意力机制的一维卷积神经网络(RA1DCNN)。该网络通过多尺寸卷积并行运算提取多尺度特征,增强了对不同尺度信号特征的感知能力;引入通道注意力模块和空间注意力模块,并融合残差学习机制,设计了残差注意力模块,可同时获取通道和空间信息特征,提取到更具判别性的特征。搭建罐道故障实验平台模拟不同类别及不同严重程度的罐道故障,对RA1DCNN进行消融实验和对比实验,结果表明:RA1DCNN对罐道故障类别的识别准确率达100%,对间隙故障严重程度的平均识别准确率为99.7%,对错位故障严重程度的平均识别准确率为97.68%,验证了多尺度卷积层和残差注意力模块的有效性;整体故障识别准确率为98.05%,优于一维卷积神经网络等对比模型。 展开更多

关键词 立井提升系统 刚性罐道 罐道故障诊断 涡流检测 一维卷积神经网络 多尺度卷积 残差学习 注意力模块

在线阅读 下载PDF 职称材料

基于残差BiLSTM和改进CBAM的航迹关联方法

10

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 职称材料

融合Inception V1-CBAM-CNN的轴承剩余寿命预测模型 被引量：7

11

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 职称材料

基于纹理先验的扩张残差注意力相似性去噪网络 被引量：1

12

作者 周先春 史振婷 +2 位作者 王子威 李婷 张影 《电子测量与仪器学报》 CSCD 北大核心 2024年第5期75-89,共15页

目前,大多数基于卷积神经网络的图像去噪模型不能充分利用图像数据的冗余性,这限制了模型的表达能力。而且,为了有效去噪,往往将边缘信息用作先验知识,而纹理信息通常被忽略。针对这些问题,提出一种新的图像去噪网络,该网络首先使用注... 目前,大多数基于卷积神经网络的图像去噪模型不能充分利用图像数据的冗余性,这限制了模型的表达能力。而且,为了有效去噪,往往将边缘信息用作先验知识,而纹理信息通常被忽略。针对这些问题,提出一种新的图像去噪网络,该网络首先使用注意力相似性模块提取图像的全局相似性特征,通过平均池化来平滑和抑制注意力相似性模块中的噪声,以进一步提高网络性能;其次使用扩张残差模块来提取图像的局部和全局特征;最后使用全局残差学习增强网络从浅层到深层的去噪效果。此外,还设计一种纹理提取网络从噪声图像中提取局部二值模式以获取纹理信息,利用纹理信息作为先验知识,可在去噪过程中保留演化图像中的细节。实验结果表明,与一些先进的去噪网络相比,新提出的去噪网络在图像视觉上有很大改善、效率更高且峰值信噪比提高了2 dB左右,结构相似性提高了3%左右,更有利于实际应用。 展开更多

关键词 图像去噪 卷积神经网络 纹理信息 注意力相似性模块 扩张残差模块

在线阅读 下载PDF 职称材料

基于GRU-DRSN的双通道人体活动识别 被引量：1

13

作者 邵小强 原泽文 +3 位作者 杨永德 刘士博 李鑫 韩泽辉 《科学技术与工程》 北大核心 2024年第2期676-683,共8页

人体活动识别(human activity recognizition, HAR)在医疗、军工、智能家居等领域有很大的应用空间。传统机器学习方法特征提取难度较大且精度不高。针对上述问题并结合传感器时序特性,提出了一种融合CBAM(convolutional block attentio... 人体活动识别(human activity recognizition, HAR)在医疗、军工、智能家居等领域有很大的应用空间。传统机器学习方法特征提取难度较大且精度不高。针对上述问题并结合传感器时序特性,提出了一种融合CBAM(convolutional block attention module)注意力机制的GRU-DRSN双通道并行模型,有效避免了传统串行模型因网络深度加深引起梯度爆炸和消失问题。同时并行结构使得两条支路具有相同的优先级,使用深度残差收缩网络(deep residual shrinkage network, DRSN)提取数据的深层空间特征,同时使用门控循环结构(gated recurrent unit, GRU)学习活动样本在时间序列上的特征,同时进行提取样本不同维度的特征,并通过CBAM模块进行特征的权重分配,最后通过Softmax层进行识别,实现了端对端的人体活动识别。使用公开数据集(wireless sensor data mining, WISDM)进行验证,模型平均精度达到了97.6%,与传统机器学习模型和前人所提神经网络模型相比,有更好的识别效果。 展开更多

关键词 人体活动识别(human activity recognizition HAR) 门控循环结构(gated recurrent unit GRU) 深度残差收缩网络(deep residual shrinkage network DRSN) CBAM 双通道并行

在线阅读 下载PDF 职称材料

面向超分辨率重建的层次间局部特征增强网络

14

作者 王晓峰 黄煜婷 +2 位作者 张文尉 张轩 陈东方 《计算机工程与设计》 北大核心 2024年第8期2407-2414,共8页

基于卷积神经网络的超分辨率重建模型以单项传播为主,层次越靠后感知信息的能力越微弱,导致层次间局部特征部分丢失,难以实质提升网络的特征表达能力。针对此问题,提出层次间局部特征增强网络。该方法由级联残差模块、层次间特征增强块... 基于卷积神经网络的超分辨率重建模型以单项传播为主,层次越靠后感知信息的能力越微弱,导致层次间局部特征部分丢失,难以实质提升网络的特征表达能力。针对此问题,提出层次间局部特征增强网络。该方法由级联残差模块、层次间特征增强块和特征感知注意力机制组成。级联残差模块通过有效残差连接增加对残差分支信息的利用;层次间特征增强块提取不同深度特征的依赖关系,自适应调整中间层特征权值增强捕获关键信息的能力;特征感知注意力机制采用方向感知和位置判断的方式准确定位和识别感兴趣对象。多项标准数据集的实验结果表明,该方法能改善超分辨率的视觉重建效果,整体性能优于现有方法。 展开更多

关键词 卷积神经网络 超分辨率 局部特征增强 级联残差模块 注意力机制 方向感知 位置判断

在线阅读 下载PDF 职称材料

基于卷积—反残差和组合注意力机制的航天器多余物检测 被引量：1

15

作者 花诗燕 李大伟 +1 位作者 贾书一 汪俊 《计算机集成制造系统》 EI CSCD 北大核心 2024年第1期53-66,共14页

航天器密闭电子设备内腔多余物给航天器飞行安全带来了巨大隐患。由于多余物体积小、与设备内常规组件形态结构相似且易被其他组件遮挡,采用现有的方法对其进行检测时误检、漏检频发。为解决上述问题,提出一种基于卷积—反残差和组合注... 航天器密闭电子设备内腔多余物给航天器飞行安全带来了巨大隐患。由于多余物体积小、与设备内常规组件形态结构相似且易被其他组件遮挡,采用现有的方法对其进行检测时误检、漏检频发。为解决上述问题,提出一种基于卷积—反残差和组合注意力机制的航天器密闭电子设备多余物检测网络RPDN。首先,网络通过构建卷积—反残差模块,保证了多余物细粒度特征的完整性;其次,设计组合注意力机制,增强了多余物特征的表征能力;最后,结合多尺度特征融合模块与目标检测层从多维度进行目标预测。实验结果表明RPDN在各项评价指标上均取得了良好的效果,mAP达到92.16%,检测效率达到了13FPS,实现了航天器密闭电子设备内腔多余物高效、精准检测。 展开更多

关键词 航天器 密闭电子设备 多余物检测 卷积—反残差模块 组合注意力机制

在线阅读 下载PDF 职称材料

多尺度融合的双分支特征提取人群计数算法 被引量：1

16

作者 曾芸芸 张红英 袁明东 《计算机工程与应用》 CSCD 北大核心 2024年第20期224-232,共9页

人群计数在公共安全管理、公共空间设计以及其他视觉任务如行为分析、拥塞分析等方面具有重要的应用。然而复杂的背景和人头尺度大小不一导致人群计数的效果并不理想。针对静态图像中尺度变化和背景干扰问题,提出了一种基于双分支中间... 人群计数在公共安全管理、公共空间设计以及其他视觉任务如行为分析、拥塞分析等方面具有重要的应用。然而复杂的背景和人头尺度大小不一导致人群计数的效果并不理想。针对静态图像中尺度变化和背景干扰问题,提出了一种基于双分支中间特征提取的人群计数网络——DBFE_MFNet。该网络沿用编码-解码器结构,在编码阶段使用VGG19卷积神经网络的前16层,为了更好融合多尺度信息,将VGG19卷积神经网络的前16层的后4层卷积替换成空洞率为2的膨胀卷积,解码部分采用抑制背景干扰的残差卷积注意力模块(residual convolutional attention module,RCAM),在编码-解码器结构中间插入双分支中间特征提取模块(dual branch intermediate feature extraction module,DBFE),分支1采用金字塔结构并融合位置注意力模块提取多尺度上下文信息,分支2沿用金字塔结构融合双通道注意力机制使模型关注不同大小人头信息,最后使用1×1卷积生成密度图。实验方面,在ShanghaiTech PartA、ShanghaiTech PartB、Mall数据集上进行了算法对比实验,DBFE_MFNet模型在上述数据集的平均绝对误差和均方根误差分别为63.2、7.1、1.80和99.2、11.8、2.28,经对比实验分析,DBFE_MFNet模型具有不错的计数性能和稳定性能;在ShanghaiTech PartB进行了消融实验,实验验证了模型各模块的有效性。 展开更多

关键词 人群计数 VGG19 编码-解码器 残差卷积注意力模块 双分支中间特征提取模块

在线阅读 下载PDF 职称材料

基于并联自适应残差网络与CBAM的ECT图像重建 被引量：2

17

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 职称材料

基于注意力机制轻量化模型的植物病害识别方法

18

作者 苏航 陈旭昊 +3 位作者 寿德荣 张朝阳 许彪 孙丙宇 《江苏农业学报》 CSCD 北大核心 2024年第8期1389-1399,共11页

针对现有植物病害识别模型存在响应速度慢、参数量多、计算机内存资源消耗大等问题,本研究提出了一种轻量化神经网络模型,该模型由特征提取层、特征增强层和分类器组成。为了减小模型大小并提高网络响应速度,在特征提取层中使用深度可... 针对现有植物病害识别模型存在响应速度慢、参数量多、计算机内存资源消耗大等问题,本研究提出了一种轻量化神经网络模型,该模型由特征提取层、特征增强层和分类器组成。为了减小模型大小并提高网络响应速度,在特征提取层中使用深度可分离卷积进行特征提取。为了防止网络传播过程中的梯度消失并增强病害像素特征融合,在特征提取层中引入了大卷积核倒置残差结构(IRBCKS)模块。此外,在特征增强层集成了轻量级卷积块注意力模块(CBAM)注意力机制,以捕捉植物病害相关图像中像素之间的关系,增强关键信息的提取。最后,采用剪枝技术剔除模型中冗余特征信息,从而再次减少模型参数量,形成最终的轻量级网络模型Cut-MobileNet。为验证该模型的先进性,将其与轻量化模型(MobileNet V2、SqueezeNet、GoogLeNet)和非轻量化模型(Vision Transformer、AlexNet)进行性能对比,研究结果表明,Cut-MobileNet在浮点运算量、准确率、单张图片推理时间、参数量、F1值和模型大小等性能指标上都取得了较优的效果。 展开更多

关键词 模型剪枝 卷积块注意力模块(CBAM)注意力机制 大卷积核倒置残差结构(IRBCKS)模块 植物病害 轻量化网络

在线阅读 下载PDF 职称材料

基于贝叶斯优化的时间卷积网络船舶航迹预测 被引量：1

19

作者 李金源 朱发新 +1 位作者 滕宪斌 毕齐林 《中国舰船研究》 CSCD 北大核心 2024年第6期303-316,共14页

[目的]为提高船舶航迹预测精度和计算效率,解决传统方法容易出现的梯度爆炸、计算时间长等问题,提出基于改进的贝叶斯优化算法与时间卷积神经网络的航迹预测模型。[方法]首先,通过引入时间模式注意力机制,提取各输入特征的权重,保证航... [目的]为提高船舶航迹预测精度和计算效率,解决传统方法容易出现的梯度爆炸、计算时间长等问题,提出基于改进的贝叶斯优化算法与时间卷积神经网络的航迹预测模型。[方法]首先,通过引入时间模式注意力机制,提取各输入特征的权重,保证航迹历史数据的时序性,同时引入可逆残差网络,减少时间卷积神经网络模型训练过程中占用的内存;然后,再采用贝叶斯优化算法对时间卷积网络中的超参数(内核大小K、膨胀系数d)进行寻优;最后,采用五折交叉验证方法对模型进行验证,获得最优模型后进行航迹预测。[结果]采用AIS采集的航迹数据验证,结果表明,在弱耦合、中耦合和强耦合航迹预测中,均方根误差分别平均提高5.5×10^(-5),3.5×10^(-4)和6×10^(-4)。[结论]所提出网络对复杂航迹具有良好的适应性,其预测精度均优于传统模型及LSTM模型,在耦合较强的航迹中仍能保持较高的预测精度。 展开更多

关键词 导航 神经网络 贝叶斯优化算法 时间卷积网络 时间模式注意力机制模块 可逆残差网络 AIS数据

在线阅读 下载PDF 职称材料

基于改进U型神经网络的脑出血CT图像分割 被引量：5

20

作者 胡敏 周秀东 +2 位作者 黄宏程 张光华 陶洋 《电子与信息学报》 EI CSCD 北大核心 2022年第1期127-137,共11页

针对脑出血CT图像病灶部位的多尺度性导致分割精度较低的问题,该文提出一种基于改进U型神经网络的图像分割模型(AU-Net+)。首先,该模型利用U-Net中的编码器对脑出血CT图像特征编码,将提出的残差八度卷积(ROC)块应用到U型神经网络的跳跃... 针对脑出血CT图像病灶部位的多尺度性导致分割精度较低的问题,该文提出一种基于改进U型神经网络的图像分割模型(AU-Net+)。首先,该模型利用U-Net中的编码器对脑出血CT图像特征编码,将提出的残差八度卷积(ROC)块应用到U型神经网络的跳跃连接部分,使不同层次的特征更好地融合;其次,对融合后的特征,分别引入混合注意力机制,用以提高对目标区域的特征提取能力;最后,通过改进Dice损失函数进一步加强模型对脑出血CT图像中小目标区域的特征学习力度。为验证模型的有效性,在脑出血CT图像数据集上进行实验,同U-Net,Attention U-Net,UNet++以及CE-Net相比,mIoU指标分别提升了20.9%,3.6%,7.0%,3.1%,表明AU-Net+模型具有更好的分割效果。 展开更多

关键词 脑出血CT图像分割 注意力机制 Dice损失函数 残差八度卷积模块

在线阅读 下载PDF 职称材料