基于注意力机制和迁移学习的服装分类方法 被引量：1

1

作者 陈金广 黄晓菊 马丽丽 《西安工程大学学报》 CAS 2024年第3期109-116,共8页

针对服装图像分类效率低、准确率不高等问题,提出了一种基于注意力机制和迁移学习的服装图像分类方法。主要采用预训练的ResNet50网络模型在服装数据集上进行迁移学习,以降低对数据集的依赖,并减少网络训练时间;通过几何变换和颜色抖动... 针对服装图像分类效率低、准确率不高等问题,提出了一种基于注意力机制和迁移学习的服装图像分类方法。主要采用预训练的ResNet50网络模型在服装数据集上进行迁移学习,以降低对数据集的依赖,并减少网络训练时间;通过几何变换和颜色抖动2种数据增强手段处理数据集,提高模型的泛化能力;以ResNet50为基础网络,加入卷积注意力机制模块(convolutional block attention module, CBAM),依次从通道和空间2个维度提高对服装不同区域的关注度,增强了特征表达能力。在CD和IDFashion两类背景干扰信息不同的数据集上进行验证,实验结果表明:所提出的模型能够提取更多服装特征信息,在IDFashion数据集的平均分类准确率为95.60%,分别高于ResNet50、ResNet50+STN和ResNet50+ECA模型6.65%、6.69%、6.62%,一定程度上提高了服装图像分类的准确率和效率。 展开更多

关键词 服装图像分类 ResNet50 卷积注意力机制模块(cbam) 注意力机制 迁移学习

在线阅读 下载PDF 职称材料

基于注意力机制的U-Net叶片缺陷图像分割

2

作者 祁雷 李宁 +2 位作者 梁伟 王峥 刘子梁 《中国安全科学学报》 CAS CSCD 北大核心 2024年第5期139-146,共8页

为解决风力发电机叶片表面缺陷检测存在分类困难和微小缺陷分割模糊的难题,构建一种基于扩张卷积和卷积注意力模块的改进U-Net语义分割网络。该网络基于网络模型的编码-解码结构,使用可迁移的VGG16的特征提取层代替U-Net网络的编码部分... 为解决风力发电机叶片表面缺陷检测存在分类困难和微小缺陷分割模糊的难题,构建一种基于扩张卷积和卷积注意力模块的改进U-Net语义分割网络。该网络基于网络模型的编码-解码结构,使用可迁移的VGG16的特征提取层代替U-Net网络的编码部分,在编码-解码之间的跳跃模块加入卷积注意力模块。通过对微小缺陷信息选取加强全局权重,使用扩张卷积增强网络特征,采用VGG16预训练模型实现迁移学习。开展Focal与Dice结合的混合损失函数验证,对比分析DeeplabV3+、PSPnet、HRNet、U-Net这4种模型。结果表明:对于叶片缺陷数据集,改进的U-Net网络模型对叶片缺陷的分类和分割任务具有更高的精度,均交并比、均像素精度和召回率等指标值分别为83.60%、92.84%和88.50%。改进U-Net网络的均交并比值比DeeplabV3+模型高13.98%,比标准U-Net模型高9.38%,能够提高叶片缺陷检测的灵敏度,有效降低检测结果的误报警率,有助于准确检测风机叶片缺陷。 展开更多

关键词 注意力机制 U-Net网络 风机叶片缺陷 图像分割 语义分割 迁移学习 卷积块注意力模块(cbam)

在线阅读 下载PDF 职称材料

KMeans++与注意力机制融合的苹果叶片病害识别方法

3

作者 黄贻望 王国帅 +1 位作者 毛志 刘声 《江苏农业科学》 北大核心 2024年第20期190-198,共9页

为解决复杂环境下小尺度苹果叶片病害识别精度不高、鲁棒性不强的问题,在YOLO v5s的基础上提出一种新的改进方法。该方法首先在模型训练之前使用KMeans++聚类算法生成更接近真实框的锚框;其次在骨干网络中加入卷积块注意几模块(convolut... 为解决复杂环境下小尺度苹果叶片病害识别精度不高、鲁棒性不强的问题,在YOLO v5s的基础上提出一种新的改进方法。该方法首先在模型训练之前使用KMeans++聚类算法生成更接近真实框的锚框;其次在骨干网络中加入卷积块注意几模块(convolutional block attention module,CBAM),来提升复杂环境下小目标特征的提取能力;再次为了增强颈部网络对不同大小病害多尺度特征的有效识别,选择ConvNeXtBlock模块替换C3(CSP bottleneck with 3 convolutions)模块,并在颈部网络中融入坐标注意力模块(coordinate attention,CA),来加强模型对关键空间位置的响应,使得不同尺度的特征都能被更有效地利用;最后使用ECIoU损失函数替换原始的CIoU损失函数,来提高模型的收敛速度和精度。与Faster R-CNN、SSD、YOLO v5s、YOLO v7、YOLO v8目标检测模型相比,改进后模型的平均精度均值(mean average precision,mAP 0.5)值分别提升0.6、4.6、6.3、1.7、1.3百分点,同时在强光照、模糊、暗光的复杂场景下具有较强的鲁棒性。该模型可以为复杂环境下苹果叶片病害的识别提供行之有效的方案。 展开更多

关键词 苹果 叶片病害 病害检测 注意力机制 ConvNeXtBlock 卷积块注意力模块(cbam) CA

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

4

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

基于注意力机制的轻量级矿井钢丝绳断丝检测算法研究

5

作者 方旭东 于正 +2 位作者 杨发展 周攀搏 袁广振 《中国煤炭》 北大核心 2024年第8期152-164,共13页

立井提升系统作为煤矿生产中的主要运输设备,其核心构件钢丝绳常因工作负荷大、受到腐蚀、磨损等原因而产生断丝引发事故。传统的立井提升机钢丝绳检测算法存在效率低、劳动强度大、智能化程度差和准确率低等问题。基于此,提出一种改进Y... 立井提升系统作为煤矿生产中的主要运输设备,其核心构件钢丝绳常因工作负荷大、受到腐蚀、磨损等原因而产生断丝引发事故。传统的立井提升机钢丝绳检测算法存在效率低、劳动强度大、智能化程度差和准确率低等问题。基于此,提出一种改进YOLOv5s模型,并基于改进的模型进行矿井钢丝绳断丝检测。首先,设计Swiener滤波算法进行钢丝绳图像运动模糊修复,抑制噪声干扰;其次,在特征提取阶段,引入RFC3轻量化模块降低模型可训练参数,提升钢丝绳检测速度;第三,提出CBAM R注意力机制,增强模型对小断口断丝的检测能力;最后,引入Focal EIoU损失函数,提高模型对小断口断丝的检测精度并加速模型收敛。研究结果表明:所提出的基于注意力机制矿用钢丝绳断丝检测算法(CTR YOLO)可以更好地满足实际应用需求,减少了误检、漏检导致的人力成本浪费及安全事故的发生。 展开更多

关键词 钢丝绳检测 YOLOv5s模型 Swiener滤波算法 cbam R注意力机制 轻量化模块

在线阅读 下载PDF 职称材料

基于注意力机制和混合网络的小群体情绪识别 被引量：6

6

作者 季欣欣 邵洁 钱勇生 《计算机工程与设计》 北大核心 2020年第6期1683-1688,共6页

针对自然状态下小群体图像的情绪分类,提出基于面部、场景和骨架3种视觉线索的混合深度网络,分别利用3类卷积神经网络(convolutional neural networks,CNN)分支独立学习,通过决策融合获得最终的情绪分类。其中面部CNN通过注意力机制学... 针对自然状态下小群体图像的情绪分类,提出基于面部、场景和骨架3种视觉线索的混合深度网络,分别利用3类卷积神经网络(convolutional neural networks,CNN)分支独立学习,通过决策融合获得最终的情绪分类。其中面部CNN通过注意力机制学习不同人脸的权重,获得整张图片关于人脸的特征表示,利用large-margin softmax(L-softmax)损失函数进行判别性学习;使用先进的姿势估计方法OpenPose获得图像中所有人体骨架,作为基于骨架卷积神经网络的输入。考虑图片的场景信息,将整张图片作为基于场景CNN的输入。实验结果表明,改进模型对自然状态下3种类型的小群体情绪识别鲁棒,取得了较高的准确率。 展开更多

关键词 小群体情绪识别 场景理解 混合网络 注意力机制 大边缘损失函数 压缩和奖惩网络模块

在线阅读 下载PDF 职称材料

基于注意力机制的迷彩伪装人员检测算法研究 被引量：4

7

作者 张伟 周旗开 +1 位作者 李睿智 牛福 《医疗卫生装备》 CAS 2022年第9期1-7,共7页

目的:针对复杂环境目标检测任务中迷彩伪装人员与周围背景高度一体化、辨识度低而导致误检和漏检的问题,提出一种基于注意力机制的迷彩伪装人员检测算法TC-YOLOv5s。方法:TC-YOLOv5s算法以YOLOv5s为基本框架,分别在特征提取网络和特征... 目的:针对复杂环境目标检测任务中迷彩伪装人员与周围背景高度一体化、辨识度低而导致误检和漏检的问题,提出一种基于注意力机制的迷彩伪装人员检测算法TC-YOLOv5s。方法:TC-YOLOv5s算法以YOLOv5s为基本框架,分别在特征提取网络和特征融合网络末端嵌入自注意力模块Transformer,并在特征融合网络中引入卷积注意力机制模块(convolutional block attention module,CBAM)。将TC-YOLOv5s算法在自制的军事伪装人员数据集上进行训练验证,并与RetinaNet、YOLOX-s、YOLOv5s、YOLOv5m以及YOLOv5l算法检测效果进行比较。结果:TC-YOLOv5s算法对复杂环境下迷彩伪装人员识别的准确率、召回率以及平均准确率均值(mAP0.5)分别达到了95.0%、88.0%和95.1%,相比YOLOv5s算法,平均准确率均值提高了4.8%;与RetinaNet、YOLOX-s、YOLOv5m、YOLOv5l等算法相比,TC-YOLOv5s算法更加轻量化,平均准确率均值和处理速度更优。结论:TC-YOLOv5s算法检测精度高、鲁棒性好,能够有效识别和准确定位迷彩伪装人员。 展开更多

关键词 YOLOv5s 注意力机制 Transformer模块 cbam 迷彩伪装

在线阅读 下载PDF 职称材料

基于改进U-Net模型和CBAM的脑肿瘤MRI图像分割 被引量：2

8

作者 张晓倩 罗建 +2 位作者 杨梅 金芊芊 朱熹 《现代计算机》 2022年第16期60-66,共7页

由于脑肿瘤图像分割常出现缺少上下文信息和分割效率低的情况,本文采用对U-Net模型改进的方法来解决此问题。首先,在U-Net中引入改进的残差块,其作用是对网络进行深化,便于提取更多的特征信息;然后通过加入CBAM机制的方法,使得网络更加... 由于脑肿瘤图像分割常出现缺少上下文信息和分割效率低的情况,本文采用对U-Net模型改进的方法来解决此问题。首先,在U-Net中引入改进的残差块,其作用是对网络进行深化,便于提取更多的特征信息;然后通过加入CBAM机制的方法,使得网络更加关注某些特征层和空间区域,抑制非病灶区域的特征,以提高肿瘤分割的准确性。本文利用MICCAI提供的公开磁共振成像MRI数据集对改进模型进行验证,并利用Dice系数和精准率对模型进行评估,在整体、核心和增强肿瘤区两者分别达到0.883、0.80、0.789和0.899、0.845、0.804。结果显示,修改后的模型对脑肿瘤图像的分割精度和准确率均有所提高。 展开更多

关键词 深度学习 脑肿瘤分割 U-Net cbam注意力机制 深度残差模块

在线阅读 下载PDF 职称材料

一种改进的YOLOv7-OBB舰船识别方法

9

作者 孙宏磊 陈雯柏 刘辉翔 《兵器装备工程学报》 CAS CSCD 北大核心 2024年第8期192-198,共7页

为解决高分辨率遥感图像中舰船识别准确率低的问题,提出了一种改进的YOLOv7-OBB舰船识别方法。引入定向检测框OBB(oriented bounding box)和KLD损失,可有效解决舰船密集排列和比例细长且方向任意所产生的漏检问题,在提高定位精度的同时... 为解决高分辨率遥感图像中舰船识别准确率低的问题,提出了一种改进的YOLOv7-OBB舰船识别方法。引入定向检测框OBB(oriented bounding box)和KLD损失,可有效解决舰船密集排列和比例细长且方向任意所产生的漏检问题,在提高定位精度的同时保留了船只的目标方向信息;在YOLOv7基础框架的主干网络加入混合注意力模块ACmix,加强网络对于小目标检测的敏感度,能够提升对小型船只的检测精度;在颈部加入全局注意力机制(NAMAttention)和Partial卷积(PConv),在保证模型轻量化的同时,可提高PAN网络在复杂背景中捕捉关键特征的能力。实验结果表明,与YOLOv7模型相比,该方法在DOTAships数据集上取得了88.5%的平均精度,93.0%的准确率,84.7%的召回率,分别比YOLOv7提高了5%,0.9%和3.9%。与当前主流算法相比,该方法在检测效果上有着明显提升。 展开更多

关键词 YOLOv7-OBB算法 舰船识别 定向检测框 混合注意力模块 全局注意力机制 Partial卷积

在线阅读 下载PDF 职称材料

基于改进yolov5s网络的火焰检测算法研究

10

作者 张志鹏 邱天 +2 位作者 张昕 施博凯 宁洪龙 《电子设计工程》 2024年第20期62-67,共6页

火灾因其破坏范围大,蔓延速度快等特点给人们的生命带来了威胁,使人们的财产遭到破坏,而准确的火灾检测在一定程度上能够避免灾难的发生,该文提出了一种基于改进yolov5s的目标检测模型。该模型在主干网络中加入CBAM注意力机制,使模型更... 火灾因其破坏范围大,蔓延速度快等特点给人们的生命带来了威胁,使人们的财产遭到破坏,而准确的火灾检测在一定程度上能够避免灾难的发生,该文提出了一种基于改进yolov5s的目标检测模型。该模型在主干网络中加入CBAM注意力机制,使模型更加关注火焰信息,提高检测正确率;将主干网络中的C3模块改进为Ct2f模块,该模块通过ELAN的思想进行设计,让模型可以在保证轻量化的同时,通过更多的分支跨层链接获得更加丰富的梯度流信息;针对火灾视频检测,根据火焰燃烧时的动态特征,在该模型检测头部分加入帧间差分的思想,有效降低了对火灾视频检测的误判。实验结果表明,改进的yolov5s模型火焰检测平均精度更高,比yolov5s原模型平均精度提高了4.2%。通过火焰视频检测实验,表明该模型能够有效降低对火灾视频检测的误判。 展开更多

关键词 cbam注意力机制 C3模块改进 帧间差分 yolov5s

在线阅读 下载PDF 职称材料

基于改进YOLOv7的口罩佩戴检测算法 被引量：2

11

作者 张文铠 刘佳 《北京信息科技大学学报（自然科学版）》 2024年第1期55-60,共6页

针对YOLOv7模型在口罩佩戴检测任务中特征提取能力不足、模型感受野相对较小等问题,提出一种改进YOLOv7的口罩佩戴检测算法。首先,在YOLOv7模型的主干网络引入感受野模块(receptive field block,RFB),增大模型的感受野;其次,在YOLOv7模... 针对YOLOv7模型在口罩佩戴检测任务中特征提取能力不足、模型感受野相对较小等问题,提出一种改进YOLOv7的口罩佩戴检测算法。首先,在YOLOv7模型的主干网络引入感受野模块(receptive field block,RFB),增大模型的感受野;其次,在YOLOv7模型的头部网络引入卷积块注意力模块(convolutional block attention module,CBAM),提取关键信息,忽略无关信息,增强特征图的信息表达能力,提高模型的检测能力。实验结果表明:改进后的YOLOv7口罩佩戴检测算法精确率达到95.7%,较原YOLOv7算法提高了5.6百分点;平均精度均值达到96.6%,提高了2.6百分点。相比于目前主流的口罩佩戴检测算法,改进后的YOLOv7口罩佩戴检测算法可以更加准确地检测出口罩佩戴情况。 展开更多

关键词 YOLOv7 口罩佩戴检测 cbam注意力机制 感受野模块 平均精度

在线阅读 下载PDF 职称材料

基于改进YOLOv7的玉米作物害虫检测研究 被引量：1

12

作者 宫妍 翟俊杰 +1 位作者 王凯 李玉 《计算机测量与控制》 2024年第9期58-65,共8页

面对玉米作物害虫检测中目标体积较小、形态多变且种类分布不均的情况,现有检测器会出现误检、漏检等问题;针对以上问题,提出了基于YOLOv7的玉米作物虫害检测算法SPD-YOLOv7;制作收集玉米害虫数据集,采用数据增强方法扩充数据集;引入SPD... 面对玉米作物害虫检测中目标体积较小、形态多变且种类分布不均的情况,现有检测器会出现误检、漏检等问题;针对以上问题,提出了基于YOLOv7的玉米作物虫害检测算法SPD-YOLOv7;制作收集玉米害虫数据集,采用数据增强方法扩充数据集;引入SPD-Conv模块,替换原先骨干和头部网络中的部分跨步卷积层,减少随着网络加深细节信息的丢失,提高模型获取小目标特征和位置信息的能力;将ELAN-W模块与CBAM注意力机制结合,使网络更好地学习害虫特征,抑制背景信息,关注目标本身;改进后的YOLOv7网络模型准确率达到了98.38%,平均精度均值达到了99.4%;相较于原始的YOLOv7模型,准确性和平均精度均值分别提高了2.46、3.19个百分点,与Faster-RCNN、YOLOv3、YOLOv4、YOLOv5和YOLOv6主流算法的检测精度相比更具优势,且满足实时性;实验结果说明改进算法有利于快速识别玉米作物的虫害分布,可用于实际农田间的害虫实时监测。 展开更多

关键词 YOLOv7 SPD-Conv模块 cbam注意力机制 虫害检测 小目标检测

在线阅读 下载PDF 职称材料

基于深度学习的奶牛乳头检测方法研究

13

作者 席横流 王磊 +1 位作者 王成军 夏事成 《内蒙古民族大学学报（自然科学版）》 2024年第3期58-66,共9页

为提高奶牛乳头目标检测的精度和速度,在YOLOv5算法中引入卷积注意力机制(Convolutional Block Attention Module,CBAM)和轻量级卷积模块(Ghost module),提出一种改进的CG-YOLOv5目标识别算法。改进的方法:首先,引入CBAM注意力机制,用... 为提高奶牛乳头目标检测的精度和速度,在YOLOv5算法中引入卷积注意力机制(Convolutional Block Attention Module,CBAM)和轻量级卷积模块(Ghost module),提出一种改进的CG-YOLOv5目标识别算法。改进的方法:首先,引入CBAM注意力机制,用于学习和提取奶牛乳头目标图像相关特征;其次,通过Ghost模块轻量化C3骨干网络,减少参数和计算量;最后,采用EIoU(Efficient iou)损失函数替换CIoU(Complete iou)的方法,以提高模型的回归精度和收敛速度。试验结果表明:改进的CG-YOLOv5目标识别算法在奶牛乳头数据集上表现出色,平均检测精度达到92%,检查帧率达到33.6,相较于原YOLOv5算法分别提高4%和16%。该算法在检测精度和速度上均优于原YOLOv5算法,验证了提出的CG-YOLOv5算法在奶牛乳头实时检测等场景的适用性。 展开更多

关键词 YOLOv5 奶牛乳头数据集 cbam注意力机制 Ghost模块 EIoU损失函数

在线阅读 下载PDF 职称材料

基于改进YOLOv8的工厂行人检测算法

14

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 卷积块注意力机制模块(cbam) CoordConv Inner-IoU损失函数

在线阅读 下载PDF 职称材料

基于改进YOLOv8n的立井刚性罐道接头错位检测算法

15

作者 王满利 杨爽 张长森 《煤炭科学技术》 CSCD 北大核心 2024年第S2期236-248,共13页

立井刚性罐道作为提升系统的导向装置,是提升系统安全稳定运行的基础,使用过程中容易产生横向移位和变形,一旦出现不平顺,将引起提升系统强烈振动,严重影响提升系统运行安全性。为及时发现立井刚性罐道接头故障,消除提升系统运行隐患,... 立井刚性罐道作为提升系统的导向装置,是提升系统安全稳定运行的基础,使用过程中容易产生横向移位和变形,一旦出现不平顺,将引起提升系统强烈振动,严重影响提升系统运行安全性。为及时发现立井刚性罐道接头故障,消除提升系统运行隐患,提出了一种改进YOLOv8n的立井刚性罐道接头错位检测算法(YOLOv8n-CFW)。首先,针对井筒模糊、黑暗、强光及存在复杂背景成像环境下,YOLOv8n对立井刚性罐道图像特征提取能力不足的问题,融入卷积块的注意力模块(CBAM),该模块将通道注意力机制与空间注意力机制结合,形成一种新的卷积块结构,从而更好地进行特征融合,并且有助于模型更加集中地关注输入图像的重要部分,从而提高模型的识别准确性和泛化能力,克服了YOLOv8n主干网络在模糊、黑暗、强光环境下对局部重要信息特征提取能力不足,泛化能力较差等问题;接着,为轻量化网络,使用Faster_Block代替Bottleneck,降低C2f模块的计算复杂度,克服了YOLOv8n网络的模型参数量过大部署困难的不足;然后,为抑制低质量图像产生的有害梯度,使用WIoU损失函数代替CIoU,WIoU损失函数,通过动态分配梯度增益,抑制低质量图像产生的有害梯度,克服了YOLOv8n网络定位性能不足,使网络在接头错位检测中更加精确地定位到刚性罐道边缘,从而减小误差,并进一步提高模型识别准确性和泛化能力;最后,在推理过程中设置兴趣区域,进一步抑制背景图像干扰,并采用非定焦测距法计算罐道接头偏移尺寸。试验表明,相较于基础YOLOv8n网络,YOLOv8n-CFW检测网络在立井刚性罐道接头数据集上,精度P提升了1.4%,召回率R提升了8.2%,平均精度mAP由YOLOv8n的83.8%提升为90.3%,提高了6.5%,模型大小减少了1.4MB,相比其他YOLO算法,在立井刚性罐道接头错位检测中YOLOv8n-CFW具有显著的优势。 展开更多

关键词 刚性罐道 接头错位 YOLOv8n cbam注意力机制 改进C2f模块

在线阅读 下载PDF 职称材料

基于Res2Net-RetinaNet的活性污泥指示性微生物目标检测

16

作者 赵立杰 鲁茜 +1 位作者 黄明忠 王国刚 《化工自动化及仪表》 CAS 2024年第5期785-795,共11页

活性污泥中原生动物、后生动物等指示性微生物是污水处理运行调控的重要指标。针对活性污泥微生物不同种类之间,小目标类微生物体型较小、微生物个体颜色背景和图像颜色背景相似的现象,提出基于Res2Net-RetinaNet的活性污泥指示性微生... 活性污泥中原生动物、后生动物等指示性微生物是污水处理运行调控的重要指标。针对活性污泥微生物不同种类之间,小目标类微生物体型较小、微生物个体颜色背景和图像颜色背景相似的现象,提出基于Res2Net-RetinaNet的活性污泥指示性微生物检测方法。Res2Net-RetinaNet模型采用精度更高的新维度残差块Res2Net模块捕获原有特征的丰富信息。在主干网络输出的第1层引入通道和空间注意力机制CBAM,进一步帮助浅层特征信息在网络中流动。最后,在特征融合模块中引入深度超参数化卷积(Do-Conv),在不增加计算量的前提下持续加快模型的收敛。将所提方法应用于某污水厂采集数据中进行实验,结果表明:所提方法与Fast R-CNN、SSD、YOLOv3、YOLOv4、FCOS、CenterNet及RetinaNet等目标检测模型相比,检测精度最高(92.8%),相对于原始RetinaNet目标检测算法精度提升4.97%。 展开更多

关键词 Res2Net-RetinaNet 污水处理 微生物 目标检测 Res2Net模块 cbam注意力机制 深度超参数化卷积

在线阅读 下载PDF 职称材料

基于YOLOv4-Tiny结构的小目标实时检测优化算法

17

作者 于海洋 张钊 吕瑞宏 《海军航空大学学报》 2024年第4期429-436,474,共9页

文章针对小目标实时检测的实际应用需求,以YOLOv4-Tiny结构为基本框架,使用ECANet重新设计MobileNetV3的Bneck结构并替换主特征提取网络CSPDarkNet53-Tiny,以提高模型的深度和检测速度;通过在其主干网络输出接口后增加SPPCSPC模块和使... 文章针对小目标实时检测的实际应用需求,以YOLOv4-Tiny结构为基本框架,使用ECANet重新设计MobileNetV3的Bneck结构并替换主特征提取网络CSPDarkNet53-Tiny,以提高模型的深度和检测速度;通过在其主干网络输出接口后增加SPPCSPC模块和使用路径聚合网络(PAN)替换特征金字塔(FPN),增强模型的感受野,汇聚多区域上下文信息,使每个特征层得到更加充分的语义信息和位置信息;在Head后融入CBAM注意力机制,增强有用信息并抑制无用信息,提高模型的检测精度。以口罩佩戴状态实时监测来验证提出的算法,实验结果表明,与YOLOv4-Tiny结构相比,该算法平均精度提升4.13%,达到91.84%,FPS提升4.4 frame/s,达到89.5 frame/s,满足口罩佩戴状态检测的实时性要求。 展开更多

关键词 YOLOv4-Tiny结构 Bneck结构 SPPCSPC模块 路径聚合网络 cbam注意力机制

在线阅读 下载PDF 职称材料

一种基于改进U-Net的肝脏肿瘤分割方法 被引量：2

18

作者 李秀华 朱水成 《计算机技术与发展》 2023年第2期71-76,共6页

肝脏肿瘤分割是肝癌诊断与治疗不可或缺的重要环节。针对传统的U-Net网络在形状、大小、位置复杂多变且边界模糊的肿瘤分割中信息丢失、分割精度低等问题,对其进行改进以提高肝脏肿瘤分割精度。首先,在编码阶段使用混合空洞卷积替换原... 肝脏肿瘤分割是肝癌诊断与治疗不可或缺的重要环节。针对传统的U-Net网络在形状、大小、位置复杂多变且边界模糊的肿瘤分割中信息丢失、分割精度低等问题,对其进行改进以提高肝脏肿瘤分割精度。首先,在编码阶段使用混合空洞卷积替换原有卷积块,增大感受野、获取更多的上下文信息;在解码阶段采用密集上采样卷积,捕获和解码更详细的信息;引入残差模块,加速模型的训练并防止网络退化。其次,在每个跳跃连接之间加入注意力机制,使模型重点关注感兴趣区域,抑制冗余特征;使用组归一化(GN)代替常用的批量归一化(BN),减小Batch Size过小对网络准确性的影响,并结合Focal Tversky损失函数以改善类不平衡问题。通过LiTS2017数据集的实验表明,相较于传统U-Net,所提改进模型在肝脏和肿瘤分割中的Dice指标分别提升了3.56%和4.21%,召回率提升了3.71%和5.35%。 展开更多

关键词 肝脏肿瘤分割 U-Net 混合空洞卷积 密集上采样卷积 残差模块 注意力机制

在线阅读 下载PDF 职称材料

基于改进YOLOv4的行人检测算法 被引量：12

19

作者 李挺 伊力哈木·亚尔买买提 《科学技术与工程》 北大核心 2022年第8期3221-3227,共7页

针对YOLOv4算法在行人检测中精度低,实时性差的问题,提出一种基于YOLOv4的改进算法。首先将MobileNetv2作为主干网络,在减少参数量的同时保证其特征提取能力,同时在MobileNetv2中加入Bottom-up连接,减少浅层信息的丢失;然后在特征融合... 针对YOLOv4算法在行人检测中精度低,实时性差的问题,提出一种基于YOLOv4的改进算法。首先将MobileNetv2作为主干网络,在减少参数量的同时保证其特征提取能力,同时在MobileNetv2中加入Bottom-up连接,减少浅层信息的丢失;然后在特征融合网络嵌入卷积模块的注意力机制模块(convolutional block attention module,CBAM)注意力机制,增强特征的表现力;最后在分类与回归网络中加入Inception结构,进一步提高检测速度和增加网络复杂度。结果表明:在VOC数据集上,改进算法比原算法检测效果更佳,实时性更好,其精度提高了2.87%,处理速度提升了29.52 FPS;同时在真实场景下构建的数据集上,改进后的算法比YOLOv4精度提高了2.13%,具有较好的鲁棒性。 展开更多

关键词 行人检测 实时 多尺度融合 卷积模块的注意力机制模块(cbam) BOTTOM-UP MobilenNetv2

在线阅读 下载PDF 职称材料

基于改进YOLOv4的GIS红外特征识别与温度提取方法 被引量：12

20

作者 刘江 关向雨 +1 位作者 温跃泉 吕朝伟 《电力工程技术》 北大核心 2023年第1期162-168,共7页

对气体绝缘开关设备(gas insulated switchgear, GIS)典型部件的目标识别和温度提取是实现对设备发热状态红外智能检测的关键。文中提出一种基于混合域注意力机制(convolutional block attention module, CBAM)的改进YOLOv4算法,可实现... 对气体绝缘开关设备(gas insulated switchgear, GIS)典型部件的目标识别和温度提取是实现对设备发热状态红外智能检测的关键。文中提出一种基于混合域注意力机制(convolutional block attention module, CBAM)的改进YOLOv4算法,可实现对GIS母线、隔离开关等部件的快速目标检测和热点温度提取。首先,在某变电站现场采集原始红外图像,对图像进行锐化处理和部位标记,构建包含GIS典型部件的红外数据集。然后,利用深度可分离卷积网络降低模型参数量,并融入CBAM优化模型的识别能力,在此基础上构建基于改进YOLOv4的GIS红外部件目标快速检测算法。最后,采用灰阶差值方法对检测到的GIS典型目标部件进行热区温度值提取。结果表明,所提算法在GIS红外特征数据集上可以达到每秒31.5帧的识别速度和82.3%的识别准确率,明显优于其他目标算法,且GIS各部件的温升计算值与实测值误差在±1℃内。该算法可部署在无人机和巡检小车等边缘智能终端,实现对现场GIS设备温升状态的精细化识别和快速诊断,提升GIS设备健康状态管理数字化和智能化水平。 展开更多

关键词 气体绝缘开关设备(GIS) YOLOv4 红外图像 温升提取 混合域注意力机制(cbam) 轻量级网络

在线阅读 下载PDF 职称材料