期刊文献+
共找到20篇文章
< 1 >
每页显示 20 50 100
基于WGAN-GP和高效卷积块注意力机制IPOA-ICNN的变压器故障诊断
1
作者 鲍克勤 谈浩冬 《水电能源科学》 北大核心 2024年第10期190-195,共6页
针对目前变压器故障诊断采集到的故障样本存在数据不平衡、特征信息提取不足的问题,提出了一种基于数据增强型和高效卷积块注意力机制(ECBAM)优化一维改进卷积神经网络(1D-ICNN)的变压器故障诊断方法。首先,建立一个基于Wasserstein梯... 针对目前变压器故障诊断采集到的故障样本存在数据不平衡、特征信息提取不足的问题,提出了一种基于数据增强型和高效卷积块注意力机制(ECBAM)优化一维改进卷积神经网络(1D-ICNN)的变压器故障诊断方法。首先,建立一个基于Wasserstein梯度惩罚生成对抗网络(WGAN-GP),对不平衡的变压器数据样本进行训练以生成合成样本,用于数据增强,并采用方差分析法选取关联性强的气体特征参量;其次,使用残差和高效卷积块注意力机制模块对重构的平衡样本进行更为细节的特征提取,以实现故障诊断网络的分类;最后,利用改进的鹈鹕优化算法(IPOA)对ICNN参数进行寻优。算例对比分析表明,所提算法的故障诊断性能具备更高的精确度和稳定性,验证了所提模型故障诊断分类性能的有效性。 展开更多
关键词 变压器故障诊断 数据增强 高效卷积块注意力机制 鹈鹕优化算法
在线阅读 下载PDF
基于注意力机制轻量化模型的植物病害识别方法
2
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 卷积注意力(CBAM)注意力机制 卷积核倒置残差结构(IRBCKS)模 植物病害 轻量化网络
在线阅读 下载PDF
基于多监督注意力机制神经网络的脑胶质瘤循环肿瘤细胞分割算法
3
作者 袁红杰 杨艳 +1 位作者 张东 杨双 《中国医学物理学杂志》 CSCD 2022年第7期828-833,共6页
为了提升脑胶质瘤循环肿瘤细胞的分割准确率,解决人工分割中肉眼分辨边界困难、目标占比小和操作流程繁琐等问题,提出一种端到端的像素级分割算法。针对数据特征,提出一种基于多监督机制的混合损失函数用以提升预测区域与目标区域的交并... 为了提升脑胶质瘤循环肿瘤细胞的分割准确率,解决人工分割中肉眼分辨边界困难、目标占比小和操作流程繁琐等问题,提出一种端到端的像素级分割算法。针对数据特征,提出一种基于多监督机制的混合损失函数用以提升预测区域与目标区域的交并比,同时训练网络向预测正确目标个数的方向收敛;其次,在网络中逐层加入卷积块注意力机制模块,使得网络能在空间、通道层面重点学习数据特征,进一步提升预测准确率;最后,通过采用混合训练的方式,只需一个网络模型就能直接分割出细胞核、细胞质区域,缩减训练流程。实验结果表明,此分割算法对比U-Net网络在召回率、精确率以及Dice系数方面均有显著提升,在细胞核分割方面,分别达到92.20%、86.56%、88.27%;在细胞质分割方面,分别达到89.33%、85.31%、86.33%。 展开更多
关键词 脑胶质瘤 循环肿瘤细胞 多监督 卷积块注意力机制 小目标分割
在线阅读 下载PDF
基于注意力残差U-Net的皮肤镜图像分割方法 被引量:2
4
作者 沈鑫 魏利胜 《智能系统学报》 CSCD 北大核心 2023年第4期699-707,共9页
针对皮肤镜图像类内差异性、类间相似性、数据集不平衡等问题,本文提出了一种基于注意力残差U-Net(attention residual block-UNet,ARB-UNet)的皮肤镜图像分割方法。将卷积块注意力机制模块(convolutional block attention module,CBAM... 针对皮肤镜图像类内差异性、类间相似性、数据集不平衡等问题,本文提出了一种基于注意力残差U-Net(attention residual block-UNet,ARB-UNet)的皮肤镜图像分割方法。将卷积块注意力机制模块(convolutional block attention module,CBAM)引入到U-Net模型的“跳过连接”中;同时将CBAM模块集成到残差模块DRB(dilated residual networks)中得到注意力残差结构(attention residual block,ARB);且选取Focal Tversky Loss作为该模型的损失函数;在ISIC2016数据集上对所提ARB-UNet模型进行训练和测试,并与传统方法和UNet等经典方法进行了对比实验,实验结果中灵敏度(sensitivity,SE)达到了92.9%,特异性(specificity,SP)达到了94.1%,Dice相似指数(dice similarity cofficient,DSC)达到了92.1%,整体上均优于其他对比方法,从而验证了本文方法是有效的和可行的。 展开更多
关键词 图像分割 皮肤镜 卷积神经网络 注意力残差U-Net 注意力机制 卷积块注意力机制 深度学习 残差网络
在线阅读 下载PDF
基于VAEAC的成像测井图像复原方法研究
5
作者 曹茂俊 张鹏杰 《计算机技术与发展》 2025年第3期18-25,共8页
成像测井图像能清晰展示地下的地质结构和特征,助力地质分析和资源勘探。但由于电成像测井仪器的设计限制,电成像测井图像上会出现空白条带,这严重影响了图像的完整性和可用性。现有的图像复原方法在处理空白条带的填充问题时效果不佳... 成像测井图像能清晰展示地下的地质结构和特征,助力地质分析和资源勘探。但由于电成像测井仪器的设计限制,电成像测井图像上会出现空白条带,这严重影响了图像的完整性和可用性。现有的图像复原方法在处理空白条带的填充问题时效果不佳。为此,提出一种基于改进任意条件变分自编码器(Variational Autoencoder with Arbitrary Conditioning,VAEAC)的成像测井图像复原方法。该方法在解码器部分引入卷积块注意力机制,以增强模型在通道和空间两个维度上对特征图重要性的自适应学习能力。此外,采用转置卷积替代传统的上采样技术,提高了上采样过程中对细节信息的捕捉能力。实验结果表明,测试集中五组具有不同缺失区域的成像测井图像的平均结构相似性度量为0.94,与其他同类方法比较提升了0.25左右。改进后的VAEAC模型在处理电成像测井图像复原任务时表现更为出色,不仅有效复原了成像测井图像的纹理特征,还保留了其语义结构,为后续的成像测井图像解释提供了更为准确的图像信息。 展开更多
关键词 电成像测井 图像复原 VAEAC 转置卷积 卷积块注意力机制
在线阅读 下载PDF
基于机器视觉的输电线路异物识别及检测算法研究
6
作者 刘孝文 闫建豪 《自动化应用》 2025年第4期70-74,79,共6页
旨在解决无人机输电线路巡检中小目标识别的难题。由于小目标存在像素值少、特征不丰富、难提取、易受环境干扰等局限性,容易导致模型漏检、精度低、网络参数量过大等问题。通过对Yolov5目标检测模型进行优化,成功引入了卷积块注意力模... 旨在解决无人机输电线路巡检中小目标识别的难题。由于小目标存在像素值少、特征不丰富、难提取、易受环境干扰等局限性,容易导致模型漏检、精度低、网络参数量过大等问题。通过对Yolov5目标检测模型进行优化,成功引入了卷积块注意力模块(CBAM)和高效交并比(EIoU)损失函数。实验结果表明,CBAM有效提升了模型对图像中细微特征的关注度;EIoU损失函数显著优化了预测框与真实框之间的匹配度,在处理小目标时表现出色;改进后的模型Precison值增添了1.5%,Reacll值增添了1.9%,mAP@.5值增添了1.2%。在无人机输电线路巡检中联合使用CBAM和EIoU,不仅能提升模型在小目标检测方面的精度和鲁棒性,还能增强其在实际巡检场景中的应用效果。 展开更多
关键词 Yolov5 卷积块注意力机制 高效交并比损失函数 小目标识别
在线阅读 下载PDF
基于改进YOLOv5s的轻量级绝缘子缺失检测 被引量:3
7
作者 池小波 张伟杰 +1 位作者 贾新春 续泽晋 《测试技术学报》 2024年第1期19-26,共8页
针对现有绝缘子缺失检测模型计算复杂度高和小目标难以检测等问题,提出一种基于改进的YOLOv5s轻量级检测模型。首先,移除主干网络中的C3模块来减少模型的参数量。其次,在多尺度特征融合网络中引入卷积块注意力机制来提高复杂背景下模型... 针对现有绝缘子缺失检测模型计算复杂度高和小目标难以检测等问题,提出一种基于改进的YOLOv5s轻量级检测模型。首先,移除主干网络中的C3模块来减少模型的参数量。其次,在多尺度特征融合网络中引入卷积块注意力机制来提高复杂背景下模型的特征提取能力。同时,采用加权双向特征金字塔网络结构对特征进行双向跨尺度加权融合,提升网络在遮挡物、相似目标干扰下目标的检测性能。最后,选用SIoU损失函数提升网络的收敛速度和检测精度。实验结果表明,所提模型的平均精准率为96.8%,浮点运算数为2.8 GFLOPS,而原始YOLOv5s在保证97.4%的平均精准率下的浮点运算数为16.3 GFLOPS。相较于原始模型,所提模型对小目标、遮挡目标以及模糊等场景有着较强的鲁棒性,且在保证近似检测精度的同时极大减少了计算量。 展开更多
关键词 绝缘子检测 YOLOv5s模型 卷积块注意力机制 加权双向特征金字塔网络 轻量化网络
在线阅读 下载PDF
基于CBAM-LSTM的风电集群功率短期预测方法 被引量:1
8
作者 张哲 王勃 《东北电力大学学报》 2024年第1期1-8,共8页
风电功率的精准预测对我国实现“碳达峰”、“碳中和”的目标具有重要意义。传统的风电功率预测方法往往忽视了时间序列数据中的长期依赖关系和空间相关性,导致预测结果不准确。为了解决这个问题,文中提出了了卷积块注意力机制(Convolut... 风电功率的精准预测对我国实现“碳达峰”、“碳中和”的目标具有重要意义。传统的风电功率预测方法往往忽视了时间序列数据中的长期依赖关系和空间相关性,导致预测结果不准确。为了解决这个问题,文中提出了了卷积块注意力机制(Convolutional Block Attention Module, CBAM)和长短时记忆网络(Long Short-Term Memory, LSTM)相结合的模型。首先,使用CBAM对风电功率时间序列数据特征和数值天气预报中蕴含的空间特性进行提取,该模块能够自适应地学习时间和空间上的重要特征;然后,将提取的特征输入到LSTM层结构中进行功率预测。为了验证所提方法的有效性,使用中国吉林省某风电场的数据集进行验证,实验结果表明,与其他功率预测方法相比,文中所提方法平均绝对误差(Mean Absolute Error, MAE)平均降低2.67%;决定系数(R-Square, R2)平均提高23%;均方根误差(Root Mean Square Error, RMSE)平均降低2.69%。 展开更多
关键词 风电功率 卷积块注意力机制 长短时记忆神经网络 短期风电集群功率预测
在线阅读 下载PDF
基于VMD-CNN-BiLSTM-CBAM的配变短期负荷预测方法 被引量:1
9
作者 何晔 殷若宸 +2 位作者 陆之洋 徐小东 徐玉韬 《电力大数据》 2024年第6期1-10,共10页
随着智能电网的发展,配变重过载预警的准确性对于维持电网稳定运行至关重要。本文提出了一种新的基于VMD-CNN-BiLSTM-CBAM模型的配变短期负荷预测方法,旨在提高预警准确性。该方法首先运用K均值聚类算法筛选出相似日,并利用变分模态分解... 随着智能电网的发展,配变重过载预警的准确性对于维持电网稳定运行至关重要。本文提出了一种新的基于VMD-CNN-BiLSTM-CBAM模型的配变短期负荷预测方法,旨在提高预警准确性。该方法首先运用K均值聚类算法筛选出相似日,并利用变分模态分解(variational mode decomposition,VMD)对相似日的负荷数据进行分解,得到一系列内在模态函数(intrinsic mode function,IMF)分量。随后,各IMF分量通过结合卷积神经网络(convolutional neural network,CNN)、双向长短时记忆网络(bidirectional long short-term memory,BiLSTM)和卷积块注意力机制(convolutional block attention module,CBAM)的混合模型进行特征学习和预测。最终,使用样本熵理论将预测得到的各IMF分量重构合成,获得配变的预测日负荷曲线。实验结果表明,本文提出的方法在预测精度上有明显提升,为配变重过载预警提供了有效的技术支撑。 展开更多
关键词 配电变压器 短期负荷预测 变分模态分解 卷积神经网络 双向长短时记忆网络 卷积块注意力机制
在线阅读 下载PDF
强化数据预处理的BLSTNet-CBAM短期电力负荷预测 被引量:2
10
作者 陈万志 张思维 王天元 《计算机系统应用》 2024年第5期47-56,共10页
针对负荷数据复杂性、非平稳性以及负荷预测误差较大等问题,提出一种综合特征构建和模型优化的短期电力负荷预测新方法.首先采用最大信息系数(MIC)分析特征变量的相关性,选取与电力负荷序列相关的特征变量,同时,考虑变分模态分解(VMD)... 针对负荷数据复杂性、非平稳性以及负荷预测误差较大等问题,提出一种综合特征构建和模型优化的短期电力负荷预测新方法.首先采用最大信息系数(MIC)分析特征变量的相关性,选取与电力负荷序列相关的特征变量,同时,考虑变分模态分解(VMD)方法容易受主观因素的影响,采用霜冰优化算法(RIME)优化VMD,完成原始电力负荷序列的分解.然后改进长短期时间序列网络(LSTNet)作为预测模型,将其递归层LSTM更新为BiLSTM,并引入卷积块注意力机制(CBAM)进行预测.通过对比实验和消融实验的结果表明:经RIME-VMD优化后,LSTM、GRU、LSTNet模型预测的均方根误差(RMSE)均降低20%以上,显著提高模型预测精度,且能够适应于不同预测模型.所提出的BLSTNet-CBAM模型与LSTM、GRU、LSTNet相比,RMSE分别降低了35.54%、6.78%、1.46%,提高了短期电力负荷预测的准确性. 展开更多
关键词 短期电力负荷预测 霜冰优化算法 变分模态分解 长短期时间序列网络 卷积块注意力机制
在线阅读 下载PDF
基于改进YOLOv8的工厂行人检测算法
11
作者 陈思涵 刘勇 何祥 《现代电子技术》 北大核心 2024年第24期160-166,共7页
针对工厂中行人检测算法精度不足,存在误检、漏检等问题,提出一种基于改进YOLOv8的工厂行人检测算法。首先,在YOLOv8的C2f模块中引入卷积块注意力机制模块(CBAM),以帮助主干网络聚焦于关键特征并抑制非关键特征,从而提升模型对遮挡物和... 针对工厂中行人检测算法精度不足,存在误检、漏检等问题,提出一种基于改进YOLOv8的工厂行人检测算法。首先,在YOLOv8的C2f模块中引入卷积块注意力机制模块(CBAM),以帮助主干网络聚焦于关键特征并抑制非关键特征,从而提升模型对遮挡物和小目标的检测准确度;其次,在Neck网络中将卷积神经网络Conv模块替换成CoordConv模块,以充分利用该模块的定位能力,从而解决目标检测中的定位准确性问题,提升模型对空间位置的感知能力;最后,采用Inner-IoU损失函数替代原始的CIoU损失函数,来提高目标检测边界框的回归精度。在自制的工厂行人图像数据集(3 600张图像)上进行了训练和测试,实验结果表明:相较于基础YOLOv8算法,改进YOLOv8算法在平均精度均值(mAP)和每秒帧率(FPS)方面分别提高了2.26%和35.6 f/s,验证了改进算法在检测性能上的提升。 展开更多
关键词 行人检测 YOLOv8算法 深度学习 卷积块注意力机制(CBAM) CoordConv Inner-IoU损失函数
在线阅读 下载PDF
基于YOLOv5-CBAM模型的划痕智能检测
12
作者 朱哲维 李珂 +3 位作者 匡璐 曹国栋 刘紫权 史旭阳 《无线电工程》 2024年第12期2789-2799,共11页
带钢作为现代钢铁产业的核心产品,划痕检测对于确保产品质量、提升生产效率和降低成本至关重要,广泛应用于汽车制造、金属加工、电子产品生产等领域。然而,划痕形态各异且易受光照、背景和噪声等因素影响,使得检测任务极具挑战性。近年... 带钢作为现代钢铁产业的核心产品,划痕检测对于确保产品质量、提升生产效率和降低成本至关重要,广泛应用于汽车制造、金属加工、电子产品生产等领域。然而,划痕形态各异且易受光照、背景和噪声等因素影响,使得检测任务极具挑战性。近年来,随着空间数据智能技术的不断进步,基于深度学习的目标检测算法(如Faster R-CNN、SSD、YOLO等)在检测任务中表现出色,通过自动学习、特征检测和精准目标定位,在复杂背景下也能准确检测。基于YOLOv5模型进行了算法结构的改进,将空间金字塔池化(Spatial Pyramid Pooling,SPP)模块替换为快速空间金字塔池化(Spatial Pyramid Pooling-Fast,SPPF)模块,引入注意力机制,改进现有的目标检测算法,提升划痕检测的准确性和鲁棒性。结合卷积块注意力机制模块(Convolutional Block Attention Module,CBAM)构建了YOLOv5-CBAM模型。CBAM通过关注通道和空间维度上的信息,使模型更精准地聚焦于划痕区域,提升了检测效果。实验结果显示,YOLOv5-CBAM模型在各类交并比(Intersection over Union,IoU)阈值下相较于YOLOv5,精确率、召回率和mAP@0.5有着较好的表现,分别提升了5.6%、9.1%和5.9%。随着空间数据智能技术的不断进步,未来有望为划痕检测提供更多创新思路和解决方案。 展开更多
关键词 划痕检测 YOLOv5 卷积块注意力机制 模型构建与训练
在线阅读 下载PDF
基于改进YOLOv5s模型的X光图像管制刀具检测模型
13
作者 卢云聪 《景德镇学院学报》 2024年第6期52-56,共5页
随着旅客数量的逐年增长,火车站、机场等交通场所的安检压力在不断增加。长时间的高强度工作容易导致安检员疲劳,进而导致对管制刀具的漏检、误检,使旅客在旅途中的安全风险大大增加。为了解决上述问题,提出了一种基于改进YOLOv5的X光... 随着旅客数量的逐年增长,火车站、机场等交通场所的安检压力在不断增加。长时间的高强度工作容易导致安检员疲劳,进而导致对管制刀具的漏检、误检,使旅客在旅途中的安全风险大大增加。为了解决上述问题,提出了一种基于改进YOLOv5的X光图像管制刀具检测模型。首先,在YOLOv5s模型的Neck部分加入卷积块注意力模块,以增强模型的特征提取能力;其次,在YOLOv5s模型的Prediction部分增加一个新的预测层,以提升模型对小体积管制刀具的检测能力。实验结果显示,改进后的模型能够有效检测出X光图像中出现的管制刀具与原始YOLOv5s模型相比,在平均精度上有着8.56%的提升,满足了安检任务的需求。 展开更多
关键词 X光图像 管制刀具 YOLOv5s模型 卷积块注意力机制
在线阅读 下载PDF
一种基于YOLOv4的密集人群小目标检测方法
14
作者 王翀 王同军 周正一 《应用科技》 CAS 2024年第2期82-89,共8页
针对密集人群中由于视觉受阻和目标被遮挡导致小目标检测精度不佳的问题,本文基于YOLOv4模型将卷积块–像素块注意力机制模块(convolutional-pixel block attention module,CBAM-PIX)融入主干网络CSPDarknet53,并利用级联思想改进特征... 针对密集人群中由于视觉受阻和目标被遮挡导致小目标检测精度不佳的问题,本文基于YOLOv4模型将卷积块–像素块注意力机制模块(convolutional-pixel block attention module,CBAM-PIX)融入主干网络CSPDarknet53,并利用级联思想改进特征融合网络。注意力机制方法和特征融合方法不仅提升了数据的丰富性,而且提高了空间通道像素提取信息的能力和目标检测的准确性。此外,通过减少网络层数降低计算量和减少参数,提高了网络模型在有限计算资源和设备需求下的适应能力。实验结果表明,改进的模型算法在用于密集人群小目标检测时精确度提升了1.96%,且鲁棒性强。该算法为解决复杂背景下密集人群小目标检测提供了有效的解决方案,具有应用价值。 展开更多
关键词 小目标检测 YOLOv4 特征提取 卷积–像素注意力机制 密集人群 多尺度特征网络 WiderPerson数据集 特征融合
在线阅读 下载PDF
基于小样本学习的马铃薯叶片病害检测 被引量:6
15
作者 邢鹏康 李久朋 《江苏农业科学》 北大核心 2023年第15期203-210,共8页
马铃薯叶片的病害将直接导致马铃薯产量和质量的下降,为实现马铃薯叶片病害的精确检测并及时预防病变,提出了一种基于小样本学习的马铃薯叶片病害检测算法。首先,利用一组共享权重的特征提取器将输入图片映射到深度特征空间;然后,提出... 马铃薯叶片的病害将直接导致马铃薯产量和质量的下降,为实现马铃薯叶片病害的精确检测并及时预防病变,提出了一种基于小样本学习的马铃薯叶片病害检测算法。首先,利用一组共享权重的特征提取器将输入图片映射到深度特征空间;然后,提出一种任务感知注意力模块用于融合小样本学习网络中的双分支输入特征,强化目标任务的特定表达能力;最后,引入一种动态卷积模块提高卷积核的建模能力,并将卷积块注意力机制(CBAM)嵌入到该卷积网络中,构造特征强化学习模块,细粒度地捕获病害区域的细节特征。通过在开源马铃薯叶片病害检测数据集上进行测试,所提出模型分别实现了93.92%的准确率、93.81%的精准率、93.85%的召回率和93.63%的F1值;此外,在自建数据集上与当前经典马铃薯叶片病害检测模型相比,同样具有较好的竞争力。 展开更多
关键词 马铃薯叶片 病害检测 卷积块注意力机制 小样本学习 任务感知注意力
在线阅读 下载PDF
基于YOLOv5s的交通信号灯检测算法 被引量:2
16
作者 周爱玲 谭光兴 《广西科技大学学报》 CAS 2023年第4期69-76,共8页
在自动驾驶和辅助驾驶领域,准确判断交通信号灯的状态与类别对于智能汽车的行车安全十分重要。针对城市道路交通信号灯目标小、背景环境复杂多样造成的检测难度大等问题,提出一种基于YOLOv5s的交通信号灯检测算法YOLOv5s_MCO。该算法使... 在自动驾驶和辅助驾驶领域,准确判断交通信号灯的状态与类别对于智能汽车的行车安全十分重要。针对城市道路交通信号灯目标小、背景环境复杂多样造成的检测难度大等问题,提出一种基于YOLOv5s的交通信号灯检测算法YOLOv5s_MCO。该算法使用MobileNetv2轻量化网络代替原主干特征提取网络,利用深度可分离卷积和逆残差结构,降低模型的参数量及计算量;然后引入卷积块注意力机制(convolutional blockattention module,CBAM),从通道和空间2个维度进行特征增强,增大网络的感受野,使网络更关注交通信号灯的目标特征,提高对小尺度目标的检测能力。实验结果表明:所提算法在自制的国内交通信号灯数据集上检测精度达到了81.89%,相较于原YOLOv5s算法提升了1.33%,同时改进后的模型大小仅为19.1 MB,检测速度达到了39.2帧/s,能够满足实时高效的检测要求。 展开更多
关键词 交通信号灯 MobileNetv2 卷积块注意力机制(CBAM) 检测
在线阅读 下载PDF
基于改进Faster R-CNN的纸病检测算法 被引量:5
17
作者 汤伟 王锦韫 张龙 《包装工程》 CAS 北大核心 2023年第21期260-266,共7页
目的达到纸病检测中能够充分提取纸病特征、提高检测精度、降低小目标漏检率的目标。方法基于Faster R-CNN的检测算法进行改进,主要改进的做法是利用深度残差网络ResNet-50替换原模型的骨干特征提取网络VGG16,以保留更多的纸病特征信息... 目的达到纸病检测中能够充分提取纸病特征、提高检测精度、降低小目标漏检率的目标。方法基于Faster R-CNN的检测算法进行改进,主要改进的做法是利用深度残差网络ResNet-50替换原模型的骨干特征提取网络VGG16,以保留更多的纸病特征信息,增强特征网络对纸张缺陷的提取能力;在算法中添加空间和通道的双重注意力机制CBAM,用来提高纸病检测精度;将ROI-Pooling替换为ROI-Align,增强网络的泛化能力。结果实验结果表明,改进后的算法平均精度达到98%,较原算法平均精度提升了9%。结论改进后的算法能够充分提取纸病特征信息,有效提高了纸病的检测精度,以及提高了小目标纸病的检测率,降低了错漏检率。 展开更多
关键词 纸病检测 Faster R-CNN ResNet-50 卷积双重注意力机制 ROI-Align
在线阅读 下载PDF
基于改进的YOLOv5s算法的水下小目标检测 被引量:4
18
作者 魏养养 李本银 曹孟新 《安徽工程大学学报》 CAS 2022年第6期31-41,共11页
针对目前水下小目标检测任务中检测精度低、目标重叠等问题,提出了一种改进YOLOv5s网络的水下小目标检测算法。首先在YOLOv5s的骨干网络中研究嵌入不同数量与位置的卷积块注意力模块来增强网络对特征图重要目标信息的关注;然后在网络颈... 针对目前水下小目标检测任务中检测精度低、目标重叠等问题,提出了一种改进YOLOv5s网络的水下小目标检测算法。首先在YOLOv5s的骨干网络中研究嵌入不同数量与位置的卷积块注意力模块来增强网络对特征图重要目标信息的关注;然后在网络颈部增添金字塔池化层,加强局部特征与全局特征的融合,使得特征图表达的信息更加丰富;最后将传统的非极大值抑制算法用中心距离非极大值抑制来代替,改善漏检误检的情况。实验结果表明,该算法在通用水下目标数据集RUIE以及小目标数据集VEDAI上平均精度分别可以达到85.25%和75.12%,显著提升了水下小目标检测的精度,降低了误检率。 展开更多
关键词 水下小目标检测 卷积块注意力机制 空间金字塔池化 中心距离非极大值抑制
在线阅读 下载PDF
改进后的YOLOv5用于跌倒行为检测 被引量:4
19
作者 张振亚 何明艳 王萍 《安庆师范大学学报(自然科学版)》 2023年第1期72-78,共7页
随着全球人口老龄化不断加剧,由于跌倒致死的比例也随之增加,及时发现跌倒行为对降低死亡风险至关重要。针对现有跌倒检测算法在实际应用场景中出现漏检、准确率低等问题,本文将改进后的YOLOv5目标检测方法用于跌倒行为检测。具体改进措... 随着全球人口老龄化不断加剧,由于跌倒致死的比例也随之增加,及时发现跌倒行为对降低死亡风险至关重要。针对现有跌倒检测算法在实际应用场景中出现漏检、准确率低等问题,本文将改进后的YOLOv5目标检测方法用于跌倒行为检测。具体改进措施:将YOLOv5的边界框损失函数GIoU更换为α-IoU;引入卷积块注意力机制模块(CBAM),使网络可以更专注地学习跌倒特征;在特征融合层引入加权双向特征金字塔网络结构(BiFPN)以充分利用不同尺度的特征,从而提高检测精度。实验结果表明,改进的YOLOv5模型对跌倒行为的检测精度mAP达到了98.8%,比改进前提高了4%,满足对实际应用场景下跌倒检测的要求。 展开更多
关键词 计算机视觉 跌倒检测 YOLOv5 α-IoU 加权双向特征金字塔 卷积块注意力机制
在线阅读 下载PDF
基于PRCUnet的高分遥感影像建筑物提取 被引量:9
20
作者 徐佳伟 刘伟 +4 位作者 单浩宇 史嘉诚 李二珠 张连蓬 李行 《地球信息科学学报》 CSCD 北大核心 2021年第10期1838-1849,共12页
基于高分辨率遥感影像的建筑物提取具有重要的理论与实际应用价值,深度学习因其优异的深层特征提取能力,已经成为高分影像提取建筑物的主流方法之一。本文在改进深度学习网络结构的基础上,结合最小外接矩形与Hausdorff距离概念,对建筑... 基于高分辨率遥感影像的建筑物提取具有重要的理论与实际应用价值,深度学习因其优异的深层特征提取能力,已经成为高分影像提取建筑物的主流方法之一。本文在改进深度学习网络结构的基础上,结合最小外接矩形与Hausdorff距离概念,对建筑物提取方法进行改进。本文主要改进内容为:①基于Unet网络结构,利用金字塔池化模块(Pyramid Pooling Module,PPM)的多尺度场景解析特点,残差模块(Residual Block,RB)的特征提取能力以及卷积块注意力模块(Convolutional Block Attention Module,CBAM)对空间信息和通道信息的平衡能力。将金字塔池化、残差结构以及卷积块注意力模块引入到Unet模型中,建立PRCUnet模型。PRCUnet模型更关注语义信息和细节信息,弥补Unet对小目标检测的欠缺;②基于最小外接矩形与Hausdorff距离,改进建筑物轮廓优化算法,提高模型的泛化能力。实验表明,本文的建筑物提取方法在测试集上准确率、IoU、召回率均达到0.85以上,精度显著优于Unet模型,提取出的建筑物精度更高,对小尺度及不规则的建筑物有较好的提取效果,优化后的建筑物轮廓更接近真实的建筑物边界。 展开更多
关键词 深度卷积神经网络 高分辨率遥感影像 建筑物提取 Unet 池化金字塔 残差路径 卷积块注意力机制 建筑物轮廓优化
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部