检索结果-南通市图书馆

基于坐标注意力机制和残差网络的水稻叶片病虫害识别

在线全文

学校读者我要写书评

暂无评论

福建农业学报 2023年第10期38卷 1220-1229页

作者：廖媛珺杨乐邵鹏余小云江西农业大学计算机与信息工程学院江西南昌330045 江西省高等学校农业信息技术重点实验室江西南昌330045

【目的】针对在自然条件下水稻叶片病虫害的识别效率不高、准确率较低的问题,探索基于ResNet深度学习网络的水稻叶片病虫害识别模型(ResNet50-CA)。【方法】在ResNet-50的残差卷积模块下引入坐标注意力机制(CA),采用LeakyReLU激活函数替... 详细信息

【目的】针对在自然条件下水稻叶片病虫害的识别效率不高、准确率较低的问题,探索基于ResNet深度学习网络的水稻叶片病虫害识别模型(ResNet50-CA)。【方法】在ResNet-50的残差卷积模块下引入坐标注意力机制(CA),采用LeakyReLU激活函数替代ReLU激活函数,使用3个3×3的卷积核替换ResNet-50模型首层卷积层中的7×7卷积核。【结果】在使用传统卷积神经网络进行水稻叶片病虫害研究发现,ResNet-50能够较好地平衡识别准确率和模型复杂度之间的关系,因此选择在ResNet-50网络模型的基础上加以改进。使用改进后的网络通过微调参数进行水稻叶片病虫害对比性能试验,研究发现在批量样本数为16和学习率为0.0001时,ResNet50-CA获得最高的识别准确率(99.21%),优于传统的深度学习算法。【结论】改进后的网络能够提取出水稻病虫害更加细微的特征信息,从而取得更高的识别准确率,为水稻叶片病虫害识别提供新思路和方法。

关键词：深度学习 ResNet50 水稻病虫害识别坐标注意力机制

在线全文

学校读者我要写书评

暂无评论

数字信号调制识别下坐标注意力机制方案研究

无线电工程 2023年

作者：张兢兰思源曹阳彭小峰重庆理工大学电气与电子工程学院

针对低信噪比下神经网络难以提取数字信号空间特征的问题，提出一种基于坐标注意力机制的数字信号识别方案。将八种数字信号进行正交调制，根据其幅度、相位信息序列进行预编码处理，在不同的训练步长下，提取分析数字信号幅度和相位的... 详细信息

针对低信噪比下神经网络难以提取数字信号空间特征的问题，提出一种基于坐标注意力机制的数字信号识别方案。将八种数字信号进行正交调制，根据其幅度、相位信息序列进行预编码处理，在不同的训练步长下，提取分析数字信号幅度和相位的关键特征，选取合适的神经网络超参数，使网络达到拟合面。坐标注意力机制将数字信号特征进行两个一维特征编码，分别沿纵向和横向捕获幅度和相位的远程依赖关系；并将生成的数字信号特征编码为一对方向感知和位置敏感的权重系数，进行数字信号特征的重标定。仿真结果表明：八种数字信号下，调制方式识别率高于95%时，卷积神经网络中坐标注意力机制信噪比增益大约为4dB，残差神经网络中坐标注意力机制信噪比增益大约为8dB。坐标注意力机制取得了一个较高的识别率以及更好的信噪比增益，与通道注意力机制，空间注意力机制相比更适用于数字信号解调的应用。

关键词：数字信号调制识别坐标注意力机制权重系数

嵌入坐标注意力机制的双视图脑肿瘤MRI分割方法研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

嵌入坐标注意力机制的双视图脑肿瘤MRI分割方法研究

作者：侯明君辽宁工程技术大学

学位级别：硕士

科技发展日新月异的同时,人们对健康的关注度也不断提高,脑肿瘤的高恶化率成为威胁人类健康的杀手之一,常见的诊断方法有电子计算机断层扫描、PET-CT、磁共振波谱分析、核磁共振成像(MRI)等,其中磁共振成像以其对人体更安全的非侵入的特... 详细信息

科技发展日新月异的同时,人们对健康的关注度也不断提高,脑肿瘤的高恶化率成为威胁人类健康的杀手之一,常见的诊断方法有电子计算机断层扫描、PET-CT、磁共振波谱分析、核磁共振成像(MRI)等,其中磁共振成像以其对人体更安全的非侵入的特点,相比于其他检查技术,患者接受度更高,是发现和诊断脑肿瘤的重要依据。针对脑肿瘤MRI的肿瘤区域占比小,存在类不平衡而影响网络分割精度的问题,提出一种嵌入坐标注意力机制的双视图脑肿瘤MRI分割方法。在U-Net网络的编码路径中,用卷积层代替最大池化层,减少特征信息丢失;编码路径和解码路径均加入残差模块,保持传递信息的完整性;解码路径嵌入坐标注意力机制兼顾位置信息和通道关系,以缓解类不平衡;将脑肿瘤MRI分别沿轴状视图和冠状视图方向切片,利用Softmax激活函数计算概率矩阵,把冠状视图概率矩阵转置,取二者平均值,融合生成双视图脑肿瘤MRI,充分利用脑肿瘤MRI的空间信息。在官方公布的Bra TS2018数据集上实验,本文分割结果与原U-Net比较,相似度、敏感性和精确率三个评价指标,在整体区(WT)、核心区(TC)和增强区(ET)都有明显提升;单视图融合生成双视图MRI后,三个区域的相似度指标分别为0.906、0.848和0.868,与使用相同数据集的最优方法比较,WT基本一致,TC和ET分别提高1.0%、4.9%。实验结果表明,分割效果良好,能有效提高脑肿瘤MRI分割精度,本文方法的各项评价指标均表现突出,具有较高的参考和应用价值。该论文有图19幅,表11个,参考文献60篇。

关键词：坐标注意力机制双视图脑肿瘤磁共振成像 U-Net网络

基于坐标注意力机制融合的反无人机系统图像识别方法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

红外与激光工程 2022年第9期51卷 407-417页

作者：薛珊陈宇超吕琼莹曹国华长春理工大学机电工程学院吉林长春130022 长春理工大学重庆研究院重庆400000

反无人机系统是识别和打击“黑飞”无人机的有效手段,图像识别无人机是反无人机系统的关键之一。针对采集的无人机样本属于小样本、提取特征不够多,识别准确率不够高的问题,提出了一种基于迁移学习、密集卷积网络和坐标注意力机制融合... 详细信息

反无人机系统是识别和打击“黑飞”无人机的有效手段,图像识别无人机是反无人机系统的关键之一。针对采集的无人机样本属于小样本、提取特征不够多,识别准确率不够高的问题,提出了一种基于迁移学习、密集卷积网络和坐标注意力机制融合的反无人机系统图像识别方法。首先,运用自制设备采集了多种无人机在不同背景下的图片,建立数据样本;其次,设计针对无人机小样本识别的基于迁移学习、坐标注意力机制和密集卷积网络融合的网络TL-CA4-DenseNet-121、基于通道注意力机制融合的网络TL-SE4-DenseNet-121等网络,运用设计的网络对小样本进行识别,并进行对比,然后分别进行了基于不同位置和不同个数的坐标注意力模块和通道注意力模块的网络识别实验;最后,将识别效果最优的网络与经典卷积神经网络模型进行对比实验。实验结果表明,提出的TL-CA4-DenseNet-121网络识别效果优于其他网络,识别的平均准确率为97.93%,F1-Score为0.982 6,网络训练时间为6 832 s。结果表明了该网络在识别小样本无人机方面的优越性和可行性。

关键词：无人机图像识别坐标注意力机制密集卷积网络

在线全文

学校读者我要写书评

暂无评论

基于坐标注意力机制的弱监督目标检测研究

基于坐标注意力机制的弱监督目标检测研究

作者：刘伯圣山西师范大学

学位级别：硕士

目标检测作为计算机视觉中的重要分支之一,在如今的日常生活和工业生产中均被广泛应用。然而,在实际应用中目标检测模型多基于全监督学习方法,检测性能好的全监督目标检测模型需要大量高质量、高规格边界框标注的数据,收集此类数据会耗... 详细信息

目标检测作为计算机视觉中的重要分支之一,在如今的日常生活和工业生产中均被广泛应用。然而,在实际应用中目标检测模型多基于全监督学习方法,检测性能好的全监督目标检测模型需要大量高质量、高规格边界框标注的数据,收集此类数据会耗费大量的人力和物力。针对目标检测任务,基于弱监督学习方法的模型训练时只需要图像级别标注,比全监督学习更节约成本。本文基于此出发点,对弱监督目标检测展开一系列相关研究。主要工作如下:针对多实例学习会导致模型检测物体时易陷入局部最优解的问题,提出一种基于坐标注意力机制的弱监督目标检测模型。通过添加坐标注意力机制模块增强网络的定位能力,该模块使得模型能够获取图像中和待检测物体相关度更高的特征信息,从而更准确的定位物体,缓解了模型易陷入局部最优解的情况。实验结果表明,相较于单阶段弱监督目标检测模型PCL而言,在平均准确率和定位准确率上分别提升了5.1%和1.8%。考虑到双阶段弱监督目标检测模型的检测精度易受单阶段生成的伪标注影响,本文提出了一种联合优化损失策略并设计了一种端到端的弱监督目标检测模型,以端到端的方式联合训练伪标注的生成和Fast RCNN分支,从而避免实例分类器过度拟合图像中物体的局部区域,在提高模型检测性能的同时减少了训练时间。实验结果表明,联合优化损失策略和Fast RCNN分支进一步提升了模型的分类精度和定位精度。与双阶段弱监督目标检测模型PCL-Ens+FRCNN相比,平均准确率提升3.3%,定位准确率提升2.3%。

关键词：弱监督目标检测多实例学习坐标注意力机制联合优化损失

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

数字信号调制识别下坐标注意力机制方案研究

无线电工程 2024年第6期54卷 1398-1406页

作者：张兢兰思源曹阳彭小峰重庆理工大学电气与电子工程学院重庆400054

针对低信噪比下神经网络难以提取数字信号空间特征的问题,提出一种基于坐标注意力机制的数字信号识别方案。将8种数字信号进行正交调制,根据其幅度、相位信息序列进行预编码处理,在不同的训练步长下,提取分析数字信号幅度和相位的关键特... 详细信息

针对低信噪比下神经网络难以提取数字信号空间特征的问题,提出一种基于坐标注意力机制的数字信号识别方案。将8种数字信号进行正交调制,根据其幅度、相位信息序列进行预编码处理,在不同的训练步长下,提取分析数字信号幅度和相位的关键特征,选取合适的神经网络超参数,使网络达到拟合面。坐标注意力机制将数字信号特征进行2个一维特征编码,分别沿纵向和横向捕获幅度和相位的远程依赖关系;将生成的数字信号特征编码为一对方向感知和位置敏感的权重系数,进行数字信号特征的重标定。仿真结果表明,8种数字信号下,调制方式识别率高于95%时,卷积神经网络(Convolutional Neural Network,CNN)中坐标注意力机制信噪比增益约为4 dB,残差神经网络中坐标注意力机制信噪比增益约为8 dB。坐标注意力机制取得了较高的识别率以及更好的信噪比增益,与通道注意力机制、空间注意力机制相比更适用于数字信号解调的应用。

关键词：数字信号调制识别坐标注意力机制权重系数

融合Xception特征提取和坐标注意力机制的血细胞分割

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

计算机系统应用 2023年第1期32卷 275-280页

作者：颜玉松尹芳洁王彩玲南京邮电大学自动化学院、人工智能学院南京210023

人体血细胞的检测与分割可以辅助医生快速对人体当前健康情况做出简单判断,对诊断疾病具有重要意义.为了解决传统图像分割算法在血细胞分割任务中出现错误分割目标、无法完全分割目标等问题,提出了一种融合Xception特征提取和坐标注意... 详细信息

人体血细胞的检测与分割可以辅助医生快速对人体当前健康情况做出简单判断,对诊断疾病具有重要意义.为了解决传统图像分割算法在血细胞分割任务中出现错误分割目标、无法完全分割目标等问题,提出了一种融合Xception特征提取和坐标注意力机制的血细胞分割算法XCA-Unet++.该算法在Unet++网络结构的基础上,在编码器部分引入Xception特征提取网络以更好地提取低层特征信息.设计了一种以坐标注意力机制为基础的注意力细胞检测模块,增强了网络对血细胞模糊边缘和不完整细胞的特征提取能力.采用DiceLoss作为损失函数以优化数据集正负样本不均衡问题和提高网络的收敛能力.在公开血细胞数据集上的实验对比表明,XCA-Unet++网络在IoU、Acc和F1评估指标下分别取得94.44%、96.78%和97.12%的结果,分割性能优于其他分割网络,满足血细胞分割任务的精度要求.

关键词：血细胞分割 Unet++ Xception 坐标注意力机制 DiceLoss 深度学习图像分割

改进YOLOv7的城市小型无人机目标检测方法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2024年第10期60卷 237-245页

作者：崔勇强李嘉轩侯林果梅涛白迪陈少平中南民族大学电子信息工程学院武汉430074

针对“低小动”无人机的反制技术已成为低空空域安全防御的重要手段,然而实时检测与准确识别是实施有效反制的前提条件与关键基础。针对城市低空环境下,目标检测算法对不同背景下小尺度无人机目标检测精度低,容易出现漏检误检且易受外... 详细信息

针对“低小动”无人机的反制技术已成为低空空域安全防御的重要手段,然而实时检测与准确识别是实施有效反制的前提条件与关键基础。针对城市低空环境下,目标检测算法对不同背景下小尺度无人机目标检测精度低,容易出现漏检误检且易受外界因素干扰等问题,提出了一种基于改进YOLOv7的“低小动”无人机目标检测方法。首先采集大量不同环境、不同背景下的无人机样本构建数据集,并采用ViBe(visual background extractor)算法进行预处理;其次引入坐标注意力机制与SPDConv(space-to-depth convolution)模块改进和优化YOLOv7的网络结构;最后提出融合ViBe和改进YOLOv7的二级检测架构,将改进后的YOLOv7作为网络模型检测经ViBe处理后的图像。依据原图与处理图像的位置大小关系,将检测出的目标坐标映射回归至原图片,从而完成目标检测提取。实验结果表明,所提目标检测方法检测精度达96.5%,较原YOLOv7方法提高了15.8个百分点,显著提升了“低小动”目标的检测精度,能够满足低空无人机的实时精准检测的需求。

关键词： ViBe算法反无人机 YOLOv7 坐标注意力机制小目标检测 SPDConv

融合双分支特征和注意力机制的葡萄病虫害识别模型

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2022年第10期38卷 156-165页

作者：彭红星徐慧明刘华鼐华南农业大学数学与信息学院农业农村部华南热带智慧农业技术重点实验室广州市智慧农业重点实验室广州510642 华南理工大学化学与化工学院广州510641

葡萄病虫害识别是精细化防治的前提。针对现有研究中存在的数据集少、识别精度低、模型参数量大等问题,该研究构建包含健康叶片、3类病害叶片和16类虫害的葡萄病虫害数据集,提出基于改进MobileNet V2模型的葡萄病虫害识别模型。首先在Mo... 详细信息

葡萄病虫害识别是精细化防治的前提。针对现有研究中存在的数据集少、识别精度低、模型参数量大等问题,该研究构建包含健康叶片、3类病害叶片和16类虫害的葡萄病虫害数据集,提出基于改进MobileNet V2模型的葡萄病虫害识别模型。首先在MobileNet V2模型的反向残差模块中嵌入坐标注意力(Coordinate Attention,CA)机制,提升模型的信息表征能力;然后使用深度可分离卷积设计双分支特征融合模块,加强模型的特征提取能力;最后对模型的通道数进行调整,精简模型结构。试验结果表明:MobileNet_Vitis在葡萄病虫害数据集上的识别准确率和F1分数为89.16%和80.44%,相比改进前的MobileNet V2提高了1.83和9.31个百分点,而模型参数大小为7.85 MB,减少了8.5%。与ResNet101、ShuffleNetV2、MobileNetV3和GhostNet相比,MobileNet_Vitis的识别精度和F1分数更高,参数量更小。MobileNet_Vitis对单张葡萄病虫害图像的推理时间为17.53 ms,可以达到快速识别的要求。该研究提出的模型能够较好地识别葡萄病虫害,并且较大幅度地减少模型的参数量。将MobileNet_Vitis模型部署到移动端的小程序上,可为葡萄病虫害的防治提供帮助。

关键词：病虫害图像识别葡萄 MobileNet V2 双分支特征融合坐标注意力机制