基于EMA改进的图像语义分割算法

1

作者 杜佳栋 李婷 葛洪伟 《Journal of Measurement Science and Instrumentation》 CAS CSCD 2024年第2期185-194,共10页

针对期望最大化注意(EMA)算法参数与图像的语义关联不足以及缺少对通道间信息关注的问题,本文提出一种双重注意力网络EMA+算法。该算法设计了2个模块:空间注意力模块和通道注意力模块。空间注意力模块以EMA算法为主体架构,在责任估计步... 针对期望最大化注意(EMA)算法参数与图像的语义关联不足以及缺少对通道间信息关注的问题,本文提出一种双重注意力网络EMA+算法。该算法设计了2个模块:空间注意力模块和通道注意力模块。空间注意力模块以EMA算法为主体架构,在责任估计步骤采用特征图作为期望最大化(EM)算法的初始参数,增加参数与特征图语义上的关联。通道注意力模块使用高效通道注意力(ECA),通过使用一维卷积学习通道之间交互信息,避免由于降维操作导致的破坏通道与其权重之间的直接对应关系。EMA+通过融合空间注意力模块和通道注意力模块,显著提高了语义分割任务的性能。实验结果表明,EMA+在PASCAL VOC2012和一些更复杂的数据集上均取得了较EMANet等方法更优的交并比指标,有较好的泛化能力。 展开更多

关键词 深度学习 图像语义分割 期望最大化注意 双重注意力网络 高效通道注意力模块

在线阅读 下载PDF 职称材料

基于改进YOLOv8s的金属齿轮表面瑕疵检测算法

2

作者 涂福泉 戚晏奇 +1 位作者 刘建 汪曙峰 《计算机与现代化》 2025年第1期100-106,共7页

针对现有金属齿轮表面瑕疵实时检测存在识别精度低、检测速度慢、难以部署等问题,为提高检测的工作效率及准确率,保障产品质量,提出一种金属齿轮瑕疵检测算法YOLO-GEAR。首先,在特征提取层中设计轻量化的模块C2fFaster,大幅减少模型的... 针对现有金属齿轮表面瑕疵实时检测存在识别精度低、检测速度慢、难以部署等问题,为提高检测的工作效率及准确率,保障产品质量,提出一种金属齿轮瑕疵检测算法YOLO-GEAR。首先,在特征提取层中设计轻量化的模块C2fFaster,大幅减少模型的参数量和计算量,提高模型检测速度;其次,添加EMA注意力模块,提高特征提取的效率和准确性;最后,引入双向特征融合结构BiFPN,增强特征融合能力。实验结果表明,本文算法在测试集上平均精确率与改进前相比提升了3.2%,检测速度达到153.8 FPS,网络模型所占内存仅为6.2 MB,验证了该算法具有识别精度高、检测速度快、模型内存占比小等优势,有助于实现工业部署。 展开更多

关键词 金属齿轮瑕疵检测 轻量化 ema注意力 BiFPN

在线阅读 下载PDF 职称材料

一种基于改进卷积神经网络YOLOv8n的黄精种子成熟度识别模型

3

作者 冯峰 孔淳 +5 位作者 陈诗瑶 马春悦 王琛 郭秀茹 孙博 王志军 《山东农业科学》 北大核心 2025年第1期156-165,共10页

黄精是重要的药食同源品种,在黄精的种植与育种过程中,通常采用基于个人经验的人工方式进行种子成熟度识别,但该方式存在主观性强、精确度不稳定的问题,会在一定程度上影响种植后黄精的产量和质量,进而影响黄精产品的品质和下游产业的... 黄精是重要的药食同源品种,在黄精的种植与育种过程中,通常采用基于个人经验的人工方式进行种子成熟度识别,但该方式存在主观性强、精确度不稳定的问题,会在一定程度上影响种植后黄精的产量和质量,进而影响黄精产品的品质和下游产业的经济效益;另一方面,由于黄精种植地块通常较为分散,使得人工识别种子成熟度的方式较为低效。为了解决以上问题,本研究提出一种基于改进卷积神经网络YOLOv8n的黄精种子成熟度识别模型——YOLOv8n-FasterNet-EMA。首先,在模型轻量化方面,通过将YOLOv8n主干网络中原本的卷积替换为FasterNet的PConv卷积结构,与Bottleneck层结合后得到新的c2f-FasterNet模块,从而减小模型的计算量与内存消耗;其次,在模型泛化性能方面,通过使用EMA注意力机制与YOLOv8n颈部网络中检测处的c2f模块结合,提升模型的特征提取能力,进而改善模型的泛化能力。为验证所提模型的性能,在构建的黄精种子成熟度数据集上进行了对比实验,结果表明,与原YOLOv8n模型相比,本研究所提模型在平均识别精度上提升了2.1%,同时模型的参数量降低了21.3%;此外,与SSD、YOLOv5n相比,本研究所提模型在识别精度和速度上也取得一定的提升。因此,YOLOv8n-FasterNet-EMA能有效识别黄精种子的成熟度,这对实现黄精种子成熟度的智能化识别,进而提升黄精育种的质量、改善下游产业的经济效益均具有重要的实际意义。 展开更多

关键词 黄精 种子成熟度识别 卷积神经网络 YOLOv8n FasterNet ema注意力机制

在线阅读 下载PDF 职称材料

C-ResNet:基于注意力机制的垃圾分类网络

4

作者 刘泽宇 方建军 +1 位作者 袁涌博 王梓鉴 《北京联合大学学报》 2025年第2期45-51,共7页

正确的垃圾分类不仅能有效保护环境,还为后续的垃圾回收工作打下坚实基础。为了提高垃圾分类的精度和模型的泛化能力,提出了一个C-ResNet网络,采用ResNet101架构,利用CBAM注意力机制,提升对垃圾特征的提取能力,并采用EMA训练机制提高垃... 正确的垃圾分类不仅能有效保护环境,还为后续的垃圾回收工作打下坚实基础。为了提高垃圾分类的精度和模型的泛化能力,提出了一个C-ResNet网络,采用ResNet101架构,利用CBAM注意力机制,提升对垃圾特征的提取能力,并采用EMA训练机制提高垃圾分类的效果。实验结果表明,与传统的ResNet101网络相比,C-ResNet网络的平均精度均值达到92.5%,高出原网络30个百分点,困难类别精度达到92.3%,高出原网络44.5个百分点,分类性能优于原网络。 展开更多

关键词 垃圾分类 残差网络 CBAM注意力机制 ema训练机制

在线阅读 下载PDF 职称材料

基于改进YOLOv7的输送带钢丝绳芯断裂检测研究

5

作者 金鑫 李敬兆 刘泽朝 《兰州工业学院学报》 2025年第2期26-31,共6页

为了解决X射线在钢丝绳芯输送带检测中存在电离辐射,且断裂故障尺度变化大,导致检测人员安全和现有模型精度较低等问题,提出基于太赫兹技术的钢丝绳芯输送带断裂检测方法。首先使用太赫兹波对钢丝绳芯输送带进行扫描成像,并通过直方图... 为了解决X射线在钢丝绳芯输送带检测中存在电离辐射,且断裂故障尺度变化大,导致检测人员安全和现有模型精度较低等问题,提出基于太赫兹技术的钢丝绳芯输送带断裂检测方法。首先使用太赫兹波对钢丝绳芯输送带进行扫描成像,并通过直方图均衡化和伽马矫正对扫描后的图像进行增强处理,然后由改进的YOLOv7模型进行检测。YOLOv7的改进直接影响最终的检测结果,改进的YOLOv7融合了EMA注意力机制,同时引入CoordConv模块,并使用Soft-NMS替换传统的非极大值抑制三个方面。实验结果表明,与常见的Faster R-CNN、SSD、YOLOv5等目标检测算法相比,改进后的YOLOv7模型在基于太赫兹扫描的钢丝绳芯输送带断裂图像上检测精度达到了93.1%,其检测精度更高,综合效果更好。 展开更多

关键词 钢丝绳芯输送带 太赫兹技术 YOLOv7模型 ema注意力机制 CoordConv模块 Soft-NMS

在线阅读 下载PDF 职称材料

基于UNet++技术的油田管线泄漏监测

6

作者 朱苏青 段志刚 +3 位作者 周宇成 李汉周 李兴 周新墙 《石油化工自动化》 CAS 2024年第6期73-77,共5页

针对石油泄漏初期目标较小、石油颜色特征在昏暗场景下不容易区分、残留的泄漏痕迹难以完全清除等易造成误检漏检问题,提出一种基于UNet++技术的油田管线泄漏监测网络。该方法采用Kind++图像增强,增加图像照度;引入SiLU激活函数,缓解梯... 针对石油泄漏初期目标较小、石油颜色特征在昏暗场景下不容易区分、残留的泄漏痕迹难以完全清除等易造成误检漏检问题,提出一种基于UNet++技术的油田管线泄漏监测网络。该方法采用Kind++图像增强,增加图像照度;引入SiLU激活函数,缓解梯度消失,保留更多特征信息,加快网络收敛速度;引入EMA注意力机制聚合多尺度空间结构信息,增强特征融合质量。实验结果表明,该方法准确率为95.5%,精确率为95.5%,召回率为95.2%,平均交并比为91.3%,可以准确分割出昏暗环境、遮挡环境、小目标的石油泄漏区域,能实现油田管线泄漏监测工作。 展开更多

关键词 泄漏监测 SiLU激活函数 ema注意力机制

在线阅读 下载PDF 职称材料

基于YOLOv8n的航拍图像小目标检测算法

7

作者 齐向明 严萍萍 姜亮 《计算机工程与应用》 CSCD 北大核心 2024年第24期200-210,共11页

针对航拍图像小目标检测中存在目标密集和相互遮挡问题,提出一种基于YOLOv8n的航拍图像小目标检测算法。在主干网络末段,置换C2f中Bottleneck为改进后的FasterNet,保持通道数并提升收敛速度;替换SPPF中CBS激活函数SiLU为ReLU使输入负值... 针对航拍图像小目标检测中存在目标密集和相互遮挡问题,提出一种基于YOLOv8n的航拍图像小目标检测算法。在主干网络末段,置换C2f中Bottleneck为改进后的FasterNet,保持通道数并提升收敛速度;替换SPPF中CBS激活函数SiLU为ReLU使输入负值置零,在CBS后引入SE注意力机制扩张感受野,保留更多小目标特征。输出端检测头前嵌入高效多尺度注意力机制EMA获取更多细节信息,进一步提高小目标关注度。将基线网络损失函数CIoU替换成Wise IoU,提供增益分配策略,专注普通质量锚框,提高网络泛化能力。在数据集VisDrone2021和RSOD上做消融实验和对比实验,相较于基线算法,mAP@0.5分别提升5.1和7.2个百分点,mAP@0.5:0.95分别提升4.4和2.1个百分点,表明检测精度指标显著提升;在公开数据集VOC2007+2012上做泛化实验,mAP@0.5提升3.8个百分点,表明具有良好的鲁棒性。 展开更多

关键词 航拍图像 小目标检测 YOLOv8n FasterNet SPPF模块 高效多尺度注意力机制(ema) Wise IoU

在线阅读 下载PDF 职称材料

基于改进YOLOv8的航空发动机叶片表面缺陷检测

8

作者 李文龙 王欣威 慕丽 《组合机床与自动化加工技术》 北大核心 2024年第12期46-50,共5页

针对航空发动机叶片表面缺陷的复杂性,检测效率和精度不高的问题,提出了一种改进的基于注意力机制的YOLOv8s航空发动机叶片表面缺陷检测方法。通过将EIoU替换为CIoU作为算法的损失函数。在提高边界框回归速率和目标定位精度的同时,改善... 针对航空发动机叶片表面缺陷的复杂性,检测效率和精度不高的问题,提出了一种改进的基于注意力机制的YOLOv8s航空发动机叶片表面缺陷检测方法。通过将EIoU替换为CIoU作为算法的损失函数。在提高边界框回归速率和目标定位精度的同时,改善数据集中的质量不平衡问题。在主干特征网络(Backbone)中嵌入EMA注意力模块,以增强对关键特征的提取,提高模型的检测准确性。使用自建的航空发动机叶片数据集对网络进行训练和测试。试验结果表明,YOLOv8s-EMA网络的平均检测精确度达到了98.7%。相较于Faster-RCNN和YOLOv5s等目前主流的目标检测模型,平均检测精确度分别提高了2.1%和3.0%,FPS也有显著提升。证明了该方法在航空发动机叶片表面缺陷检测中具有更高的精度,取得了良好的检测效果。 展开更多

关键词 缺陷检测 叶片 YOLOv8s ema注意力机制 EIoU

在线阅读 下载PDF 职称材料

基于语义分割的纱筒余纱量检测方法研究

9

作者 徐寅哲 陆伟健 史伟民 《棉纺织技术》 CAS 2024年第4期23-29,共7页

为解决圆形纬编针织机器人自动化生产线背景复杂以及纱筒尺寸变化大而导致检测算法准确率较低且精度低等问题,提出了一种基于语义分割的纱筒余纱量检测方法。首先在YOLOv8的基础上通过DSSConv模块替换C2F模块,防止出现特征冗余与特征信... 为解决圆形纬编针织机器人自动化生产线背景复杂以及纱筒尺寸变化大而导致检测算法准确率较低且精度低等问题,提出了一种基于语义分割的纱筒余纱量检测方法。首先在YOLOv8的基础上通过DSSConv模块替换C2F模块,防止出现特征冗余与特征信息丢失;针对纱筒尺寸多与背景纱筒对检测效果造成的影响,引入EMA注意力机制来提升获取前景纱筒的能力,最后在Neck层使用SQConv模块替换C3模块,利用改进的组卷积提高模型在Neck层的推理速度,添加了SENet注意力机制减少纱筒细节特征的遗漏率。试验表明:改进后的模型mAP@0.5:0.95值达到94.1%,推理速度为65.71帧/s,优于原YOLOv8模型。该研究算法检测纱筒余纱量的平均误差小于2 mm,可实现测量不同成像距离的纱筒余纱量,能够满足实际生产需求。 展开更多

关键词 语义分割 YOLOv8模型 ema注意力机制 纱筒余纱量 机器视觉

在线阅读 下载PDF 职称材料

改进YOLOv8的输电线路异物检测方法

10

作者 易磊 黄哲玮 易雅雯 《电子测量技术》 北大核心 2024年第15期125-134,共10页

针对无人机对输电线路异物检测准确度有限,模型计算复杂度高、计算速度有限的问题,提出一种改进YOLOv8的输电线路异物检测方法SC-YOLO。该方法引入StarNet以构造C2f_Star模块实现Neck网络轻量化,有效降低模型参数量与计算量,同时通过增... 针对无人机对输电线路异物检测准确度有限,模型计算复杂度高、计算速度有限的问题,提出一种改进YOLOv8的输电线路异物检测方法SC-YOLO。该方法引入StarNet以构造C2f_Star模块实现Neck网络轻量化,有效降低模型参数量与计算量,同时通过增加特征空间维度提升Neck部分特征提取能力;在骨干网络输出特征图后添加卷积注意力融合模块,提升骨干网络对输入特征图的初步特征提取能力,增强模型整体检测效果;将原检测头替换为动态检测头,提升模型对不同输入的动态调整能力与对关键信息的关注程度;使用WIoU作为边界框损失函数,EMA-Slide Loss作为分类损失函数,提升模型泛化能力与检测性能。实验结果表明,提出的SC-YOLO计算量较原始模型下降8.02%,mAP提升1.4个百分点,达到了95.2%的检测精度,在降低模型计算复杂度的同时实现了较高的检测准确率,具有高可行性与实用性。 展开更多

关键词 输电线异物检测 YOLOv8 StarNet 卷积注意力融合模块 动态检测头 WIOU损失函数 ema-Slide Loss损失函数

在线阅读 下载PDF 职称材料

基于改进YOLOv8的水稻病害检测方法

11

作者 陆维安 刘永春 何志渊 《兰州工业学院学报》 2024年第6期42-47,共6页

针对现有的水稻病害检测方法存在检测精度不足、复杂度过高的问题,提出一种改进YOLOv8的水稻病害检测方法。首先,在主干网络中引入轻量级网络GhostNet,构建C2fGhost模块替换原有的C2f模块,减少算法的参数量、浮点运算量和模型大小,降低... 针对现有的水稻病害检测方法存在检测精度不足、复杂度过高的问题,提出一种改进YOLOv8的水稻病害检测方法。首先,在主干网络中引入轻量级网络GhostNet,构建C2fGhost模块替换原有的C2f模块,减少算法的参数量、浮点运算量和模型大小,降低了算法的复杂程度;其次,在颈部网络中添加EMA注意力机制,增强关键信息提取能力;最后,引入NWD损失函数与CIoU损失函数相结合,以提升算法的检测精度。实验结果表明改进后的算法GEN-YOLO与YOLOv8n相比整体平均精度mAP@0.5增加了1.4个百分点,参数量减少了0.452 M,浮点运算量减少了1.2 G,模型大小减少了0.826 MB,改进算法在保证了轻量化的同时有效地提高了检测精度,且本方法在检测精度和算法复杂度方面均优于其他主流目标检测方法,表明了本方法具有先进性。 展开更多

关键词 水稻病害检测 YOLOv8 GhostNet ema注意力机制 NWD损失函数

在线阅读 下载PDF 职称材料

基于改进UNet的织物缺陷分割方法

12

作者 张桢桢 张团善 江小丽 《轻工机械》 2025年第2期77-83,90,共8页

针对UNet模型对机织物疵点进行语义分割时所存在的边界检测不完整、分割区域不联通等检测准确率不高的问题,课题组提出了一种基于改进UNet模型的织物缺陷分割算法。为了解决UNet模型在跳跃连接设计中采用直接拼接的方式易产生噪声点的问... 针对UNet模型对机织物疵点进行语义分割时所存在的边界检测不完整、分割区域不联通等检测准确率不高的问题,课题组提出了一种基于改进UNet模型的织物缺陷分割算法。为了解决UNet模型在跳跃连接设计中采用直接拼接的方式易产生噪声点的问题,在特征层引入注意力模块(Convolutional Block Attention Module,CBAM)消除影响,在解码端的上采样部分引入了一种可跨空间学习的高效多尺度注意力机制(Efficient Multi-Scale Attention,EMA),增强有效特征的权重,抑制冗余特征。实验结果表明:改进后的UNet模型准确率达到99.16%,平均交并比达到78.53%,相较于vgg16-UNet模型、ResNet50-UNet模型以及DeeplabV3+模型性能更优,具有一定的工业应用价值。 展开更多

关键词 织物 疵点检测 卷积注意力模块 高效多尺度注意力机制 语义分割 深度学习

在线阅读 下载PDF 职称材料

YOLOESD-基于改进YOLOv8的海洋垃圾图像检测

13

作者 李翠 王姣 《计算技术与自动化》 2025年第1期41-45,58,共6页

海洋垃圾不仅严重威胁海洋动物的健康及其栖息地,由其释放的有毒物质进入食物链后对人类身体健康同样造成消极影响。由于海洋图像受到光照投影的影响,并且垃圾的尺寸通常较小,以往的目标检测算法对海洋垃圾的检测性能并不理想,因此提出... 海洋垃圾不仅严重威胁海洋动物的健康及其栖息地,由其释放的有毒物质进入食物链后对人类身体健康同样造成消极影响。由于海洋图像受到光照投影的影响,并且垃圾的尺寸通常较小,以往的目标检测算法对海洋垃圾的检测性能并不理想,因此提出了一种基于YOLOv8网络模型的改进算法(YOLOESD),该算法共有三个改进点:首先,采用Stemblock模块替换了模型的初始卷积,在减少模型参数量的同时,提高模型检测的精确度;其次,融合高效多尺度注意力模块(EMA),有效减少了模型的漏检和误检问题;最后,在原模型的头部额外增加一个小目标检测头,提高模型对小尺度目标的敏感度。实验结果表明,改进后的YOLOv8网络模型与原网络模型相比,漏检情况得到明显改善,mAP@0.5达到90.8%,精度提高了3.6个百分点;YOLOESD网络模型的检测效果优于原网络模型及经典的网络模型。 展开更多

关键词 目标检测 小目标检测 海洋垃圾检测 ema注意力机制 Stem模块 YOLOESD

在线阅读 下载PDF 职称材料