检索结果-南通市图书馆

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于深度学习的复合干扰信号识别

系统工程与电子技术 2024年

作者：刘佳楠宋志群李勇刘丽哲夏金涛王斌李行健汪畅中国电子科技集团公司第五十四研究所先进通信网全国重点实验室

在无线通信环境中压制式复合干扰信号对通信系统的正常工作有着严重的影响，针对其特征提取和识别较为困难的问题，提出了一种基于短时傅里叶变换（short time Fourier transform， STFT）和残差卷积网络的复合干扰识别算法。该算法将... 详细信息

在无线通信环境中压制式复合干扰信号对通信系统的正常工作有着严重的影响，针对其特征提取和识别较为困难的问题，提出了一种基于短时傅里叶变换（short time Fourier transform， STFT）和残差卷积网络的复合干扰识别算法。该算法将短时傅里叶变换得到的时频域信息作为输入，同时对复合干扰信号的种类和干噪比进行识别，为了使模型更加适合部署在移动端上，采用幻影卷积代替普通卷积。仿真结果表明，在干噪比-15 dB至10 dB的范围内，该算法在5种单一干扰及其复合而成的10种复合干扰信号种类识别任务上准确率可以达到99.97%，在干噪比识别任务上准确率可以达到99.04%。相比于残差卷积网络，该模型在几乎不降低准确率的前提下可以使模型参数量减小38.4%，计算复杂度降低46.6%，更加符合移动端的要求。

关键词：深度学习复合干扰识别短时傅里叶变换残差卷积网络幻影卷积

基于改进YOLOv7的输电线路异物检测模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

南方电网技术 2024年第9期18卷 47-58页

作者：严宇平杨秋勇谢翰阳史建勋邓琨温启良广东电网有限责任公司广州510623 中国南方电网有限责任公司广州510663 中国农业大学经济管理学院北京100083 南方电网深圳数字电网研究院有限公司广东深圳518053

针对输电线路异物检测中存在背景干扰、图像分辨率低且异物尺度变化大等问题,提出了一种基于改进YOLOv7的输电线路异物检测模型。首先,通过空间深度卷积(space to depth conconvolution,SPD-Conv)和多维协作注意力(multidimensional col... 详细信息

针对输电线路异物检测中存在背景干扰、图像分辨率低且异物尺度变化大等问题,提出了一种基于改进YOLOv7的输电线路异物检测模型。首先,通过空间深度卷积(space to depth conconvolution,SPD-Conv)和多维协作注意力(multidimensional collaborative attention,MCA)机制构造新的骨干网络,加强模型对低分辨率图像特征提取及抑制背景干扰的能力,同时增加对小目标异物的关注度。其次,使用幻影卷积(ghost convolution,Ghost-Conv)改进高效分层聚合网络(efficient layer aggregation network,ELAN)的输出部分,大幅降低模型的计算量。最后,基于可伸缩交并比(scalable intersection over union,SIoU)优化损失函数,进一步提高模型的训练速度和鲁棒性。实验结果表明,所提模型在输电线路异物检测数据集上平均精度均值(mean average precision,mAP)达到95.98%,高于其他主流对比模型,同时每秒帧数(frames per second,FPS)达到64,满足输电线路异物的实时性检测。

关键词：输电线路异物 YOLOv7 多维协作注意力小目标 SPD 幻影卷积

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于改进YOLOv8的交通标志检测算法

机电工程技术 2024年第3期53卷 205-210页

作者：罗磊谢竹逵江西理工大学电气工程与自动化学院江西赣州341000

目前交通标志检测在自动驾驶和辅助驾驶等智能驾驶中扮演着重要的角色,其性能的好坏影响着车辆行驶的安全。针对交通标志图像背景复杂和检测目标小等问题,提出了一种基于改进YOLOv8的交通标志检测算法。首先使用全局注意力模块,通过引... 详细信息

目前交通标志检测在自动驾驶和辅助驾驶等智能驾驶中扮演着重要的角色,其性能的好坏影响着车辆行驶的安全。针对交通标志图像背景复杂和检测目标小等问题,提出了一种基于改进YOLOv8的交通标志检测算法。首先使用全局注意力模块,通过引入空间注意力和通道注意力机制,对输入特征图进行全局关注,有效捕捉输入特征图的全局上下文信息,对特征图在通道和空间维度上进行加权,使模型能够更加关注图像中的交通标志,避免干扰信息的影响,提高网络检测精度;其次引入幻影卷积替换原网络中的普通卷积,减小网络模型体积的同时提高模型的检测速度;最后增加一个小目标检测层,保留特征图更多浅层细节信息,提高网络对小尺寸交通标志的检测能力。实验结果表明,改进后的算法在精确率、召回率和平均精确率上相比于原算法分别提升2.6%、1.1%和1.5%,检测速度满足实时性要求。

关键词： YOLOv8算法交通标志注意力机制幻影卷积

维普期刊数据库

基于轻量级SGG-YOLOv8n的X-DR电缆开关故障诊断

在线全文

学校读者我要写书评

暂无评论

长沙理工大学学报(自然科学版) 2024年

作者：秦学李爱平王长河樊军程宏波朱建勇刘金平中铁二十四局集团上海电务电化有限公司华东交通大学电气与自动化工程学院湖南师范大学信息科学与工程学院

【目的】针对电缆开关图像检测算法存在模型复杂、检测效率低等问题，提出一种改进的基于全局注意力机制和幻影卷积的轻量级YOLOv8n模型——SGG-YOLOv8n，以实现X射线数字成像（x-ray digital radiography，X-DR）电缆开关故障的快速精... 详细信息

【目的】针对电缆开关图像检测算法存在模型复杂、检测效率低等问题，提出一种改进的基于全局注意力机制和幻影卷积的轻量级YOLOv8n模型——SGG-YOLOv8n，以实现X射线数字成像（x-ray digital radiography，X-DR）电缆开关故障的快速精准诊断。【方法】以YOLOv8n模型为基础，在其骨干网路和颈部网络引入空间与通道重建卷积（spatial and channel reconstruction convolution，SCConv），即将C2f模块的Bottleneck替换成SCConv模块，以增强模型感受野的灵活性，提升其检测效率和性能；同时，在YOLOv8n模型的颈部网络中，引入幻影卷积（ghost convolution，GhostConv）代替原有的Conv模块，以有效减少模型计算量和参数量，从而实现模型的轻量化；此外，在检测头前引入全局注意机制（global attention mechanism，GAM），进一步增强模型对全局特征信息的感知能力。【结果】在基于X-DR电缆开关图像数据集上的实验表明，与YOLOv8n相比，本文提出的SGG-YOLOv8n模型参数量降低了0.39 M，计算量下降了0.9 GFLOPs，精度提升了1.4%，召回率提升了1.4%，mAP@50提升了1.7%，mAP@50-95提高了1.2%，模型处理速度达65帧/秒。【结论】本文方法已实际应用于基于X-DR的电缆开关故障诊断中。模型应用后，电缆开关故障诊断准确率也从原来的87.9%提升至91.4%。

关键词：电缆开关 X射线数字成像 YOLOv8n 空间与通道重建卷积幻影卷积注意力机制

基于GSCD-YOLOv8n的X射线黑钨矿石分类

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于GSCD-YOLOv8n的X射线黑钨矿石分类