检索结果-南通市图书馆

基于深度主动学习与CBAM的细粒度菊花表型识别

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2024年第2期55卷 258-267页

作者：袁培森丁毅飞徐焕良南京农业大学人工智能学院南京210095

针对菊花种类繁多,花型差别细微,准确标注比较困难的问题,基于深度主动学习与混合注意力机制模块(Convolutional block attention module,CBAM),提出了一种标号数据不足情况下的菊花表型智能识别方法和框架。首先,通过主动学习策略基于... 详细信息

针对菊花种类繁多,花型差别细微,准确标注比较困难的问题,基于深度主动学习与混合注意力机制模块(Convolutional block attention module,CBAM),提出了一种标号数据不足情况下的菊花表型智能识别方法和框架。首先,通过主动学习策略基于最优标号和次优标号法(Best vs second-best,BvSB)在未标记菊花样本中选取信息量较大的样本进行标记,并将标记后的样本放入训练样本中;其次,使用深度卷积神经网络ResNet50作为本文的主干网络训练标记样本,引入混合注意力机制模块CBAM,使模型能够更为准确地提取细粒度图像中的高层语义信息;最后,用更新后的训练样本继续训练分类模型,直到模型达到迭代次数后停止。实验结果表明,该方法在少量菊花标记样本下,精确率、召回率和F1值分别达到93.66%、93.15%和93.41%。本文方法可为标号数据不足情况下的菊花等花卉智能化识别提供技术支撑。

关键词：菊花表型细粒度图像识别主动学习 ResNet50 注意力机制模块

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

前视声呐图像小目标智能感知与跟踪算法

哈尔滨工程大学学报 2024年

作者：贾昊明于晓阳周天哈尔滨工程大学水声技术全国重点实验室海洋信息获取与安全工信部重点实验室(哈尔滨工程大学)工业和信息化部哈尔滨工程大学水声工程学院极地海洋声学与技术应用教育部重点实验室

前视声呐图像的低分辨率、复杂噪声和目标边缘模糊等特性，限制了将YOLOv5（You Only Look Once）联合DeepSORT（Simple Online and Realtime Tracking with a Deep Association Metric）算法应用到目标检测与跟踪任务中的性能。针对传... 详细信息

前视声呐图像的低分辨率、复杂噪声和目标边缘模糊等特性，限制了将YOLOv5（You Only Look Once）联合DeepSORT（Simple Online and Realtime Tracking with a Deep Association Metric）算法应用到目标检测与跟踪任务中的性能。针对传统深度学习模型对小目标感知能力有限的难题，本研究首先提出基于注意力机制的YOLOv5＿cs检测模型，在此基础上通过声呐图像公开数据集开展模型预训练，利用迁移学习来增强网络对目标的特征提取能力。联合DeepSORT应用于多目标跟踪任务中，通过对真实水池实验中采集的多目标跟踪数据集的测试结果分析，表明本研究提出的算法相比于传统YOLOv5联合DeepSORT算法，多项评价指标得到提升，其中MOTA（Multiple Object Tracking Accuracy）指标提升了4.85%，MOTP（Multiple Object Tracking Precision）指标提升了0.95%，IDF1指标提升了2.66%。同时提出的算法较好的解决了目标形态发生变化条件下目标检测效果不佳导致的错跟、漏跟等问题，具有较高实际应用潜力。

关键词：前视声呐图像多目标跟踪深度学习注意力机制模块空间转深度非跨步卷积迁移学习 YOLOv5_cs

基于改进PSPnet-MobileNetV2的煤岩界面快速精准识别

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

振动．测试与诊断 2024年第4期44卷 793-800,832,833页

作者：王海舰刘丽丽赵雪梅张强桂林电子科技大学机电工程学院桂林541004 桂林电子科技大学电子工程与自动化学院桂林541004 山东科技大学机械电子工程学院青岛266590

针对短时间主动热激励作用下煤岩介质表征差异不明显,不易快速、准确识别煤岩界面的难题,提出一种基于改进金字塔场景解析网络(pyramid scene parsing network,简称PSPnet)模型-MobileNetV2的煤岩界面快速精准识别方法。通过搭建煤岩主... 详细信息

针对短时间主动热激励作用下煤岩介质表征差异不明显,不易快速、准确识别煤岩界面的难题,提出一种基于改进金字塔场景解析网络(pyramid scene parsing network,简称PSPnet)模型-MobileNetV2的煤岩界面快速精准识别方法。通过搭建煤岩主动红外试验平台,采集并获取短时主动热激励作用下的煤岩界面红外热图像,构建了煤岩红外图像数据集;对传统PSPnet模型进行改进,采用轻量级网络模型MobileNetV2作为主干网络提取特征,大幅降低了网络模型所占内存和训练时间,同时将注意力机制模块(convolutional block attention module,简称CBAM)与金字塔场景解析(pyramid scene parsing,简称PSP)模块的上采样特征层和PSPnet网络模型的浅层特征层进行融合,有效提升模型对特征的细化能力。试验结果表明:基于改进的PSPnet-MobileNetV2网络模型所占内存仅为9.12 MB,较原始PSPnet模型减少了94.88%;煤和岩的交并比为96.52%和96.87%,分别提升了8.29%和7.7%;像素准确度分别为97.25%和99.15%,较原始网络模型分别提升了7.32%和1.64%;测试时间降低了53.70%。该方法为煤岩界面的快速和预先精准识别提供了一种有效技术手段。

关键词：煤岩识别主动红外激励金字塔场景解析网络(PSPnet) MobileNetV2 注意力机制模块

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于改进扩散模型的图像去雨方法

重庆理工大学学报（自然科学） 2024年第1期38卷 59-66页

作者：钱枫胡桂铭祝能邓明星王洁许小伟武汉科技大学汽车与交通工程学院武汉430081

针对图像去雨过度、泛化性差的问题,提出运用改进扩散模型进行单幅图像去雨的方法。通过前向过程添加高斯噪声使数据变为高斯分布,设计残差模块双输入信息通道、添加ECA(efficient channel attention)通道注意力机制模块以构建噪声估计... 详细信息

针对图像去雨过度、泛化性差的问题,提出运用改进扩散模型进行单幅图像去雨的方法。通过前向过程添加高斯噪声使数据变为高斯分布,设计残差模块双输入信息通道、添加ECA(efficient channel attention)通道注意力机制模块以构建噪声估计网络,实现全局平均池化而不降低维数,从而捕获局部跨通道交互信息;利用模型网络进行反向采样,预测并剔除雨痕噪声,实现图像去雨。最后通过模拟雨滴数据集和Rain100数据集对改进的扩散模型与其他4种算法进行对比实验测试,实验结果表明改进的扩散模型能够有效去除雨痕,其中雨滴和雨线的峰值信噪比分别为30.328 5和34.896 5,结构相似性分别为0.927 1和0.962 0;自制真实雨图数据集,使用YOLOv7算法对去雨后的图像进行车辆检测,结果表明采用改进的扩散模型去雨能够有效提高车辆检测置信度,进一步验证了所提方法具有良好的去雨效果和泛化能力。

关键词：扩散模型图像去雨注意力机制模块车辆检测

基于改进DeepLabV3+的遥感图像分割模型

在线全文

学校读者我要写书评

暂无评论

北京测绘 2024年第5期38卷 686-691页

作者：俞淑洋杨利亚杨静殷非凡湖州市测绘院浙江湖州313000 中国水利水电第八工程局有限公司湖南长沙410000 湖州市空间规划编制研究中心浙江湖州313000

针对经典语义分割算法对遥感图像分割精度较低、参数量大等问题,提出一种轻量化网络与注意力机制相结合的改进深度实验室库版本3(DeepLabV3)+遥感图像语义分割模型。首先,使用移动网络版本3(MobileNetV3)轻量化模型作为DeepLabV3+的特... 详细信息

针对经典语义分割算法对遥感图像分割精度较低、参数量大等问题,提出一种轻量化网络与注意力机制相结合的改进深度实验室库版本3(DeepLabV3)+遥感图像语义分割模型。首先,使用移动网络版本3(MobileNetV3)轻量化模型作为DeepLabV3+的特征提取网络,可有效降低整个模型的参数量;其次,对DeepLabV3+模型解码阶段添加有效通道注意力机制,增强模型对不同通道的特征拟合能力。实验表明:本文所改进DeepLabV3+模型相较原模型,参数量降低3.6倍,平均交并比提高3.5%。

关键词：遥感图像分割 DeepLabV3+模型轻量化网络注意力机制模块

基于BM-TransUNet的咽后壁识别分割

在线全文

学校读者我要写书评

暂无评论

计算机系统应用 2024年第7期33卷 94-102页

作者：王世刚孙静雯广西科技大学自动化学院柳州545616

图像分割经历了从基于传统的阈值分割等方法逐步发展到基于卷积神经网络的方法.传统的卷积神经网络在分割领域中表现突出,但训练速度慢、分割精度不够高等局限性也逐渐显现.为了克服这些局限性,本文在TransUNet网络的基础上进行改进,提... 详细信息

图像分割经历了从基于传统的阈值分割等方法逐步发展到基于卷积神经网络的方法.传统的卷积神经网络在分割领域中表现突出,但训练速度慢、分割精度不够高等局限性也逐渐显现.为了克服这些局限性,本文在TransUNet网络的基础上进行改进,提出了基于BM-TransUNet网络的图像分割识别方法,在TransUNet网络的在第1层之后加上深度可分离卷积模块,并在编码器下采样的卷积层后引入注意力机制模块,让算法更好地探索分割对象特征,同时在编码器与解码器之间引入多尺度特征融合模块FPN.本文基于自制的咽后壁数据集,用于图像分割训练,并将训练后的BM-TransUNet网络与多种传统分割网络的效果进行对比.实验结果表明,相比于其他传统的深度学习模型,BM-TransUNet网络的识别方法具有较高的分类准确性和泛化能力,精确度Precision和Dice系数分别达到了93.61%和90.76%,显示出较好的计算效率,能有效地应用于分割任务.

关键词： BM-TransUNet网络图像分割注意力机制模块多尺度特征融合模块咽后壁数据集

基于双时相遥感影像差异信息的深度学习滑坡检测

在线全文

学校读者我要写书评

暂无评论

航天返回与遥感 2023年第2期44卷 153-162页

作者：瞿渝王志辉于会泳石娴山东科技大学测绘与空间信息学院青岛266590

目前利用高分辨率卫星影像进行滑坡等地质灾害识别逐渐成为研究热点,滑坡目视解译依赖于解译人员的经验,耗时费力且提取精度低,而传统的滑坡自动识别方法易将滑坡和道路、裸地、建筑等多种具有相似光谱信息的地物混淆。针对以上问题,文... 详细信息

目前利用高分辨率卫星影像进行滑坡等地质灾害识别逐渐成为研究热点,滑坡目视解译依赖于解译人员的经验,耗时费力且提取精度低,而传统的滑坡自动识别方法易将滑坡和道路、裸地、建筑等多种具有相似光谱信息的地物混淆。针对以上问题,文章使用一种双时相高分辨率卫星影像差异信息的深度学习滑坡检测算法,获取时序影像各个波段和归一化植被指数(Normalized Difference Vegetation Index,NDVI)的差异影像作为深度学习的输入特征。为充分挖掘滑坡前后影像多种信息差异特征,采用了U-net网络模型耦合空洞空间金字塔池化和嵌入注意力机制模块相结合进行滑坡特征提取的方法,该方法增强了滑坡边界信息的保存,能够有效地提取滑坡边界信息和发生剧烈变化的区域。利用上述方法对恩施市和九寨沟进行了滑坡检测,实验结果显示,所取得的综合评价指标值(F1-Score)分别为88.4%和90.53%,误差较小、精度较高。表明该方法能够准确检测出高分卫星数据的滑坡边界,且能保持滑坡的完整性。

关键词：滑坡检测差异影像空洞空间金字塔池化注意力机制模块

维普期刊数据库博看期刊

基于改进Inception-v3网络的肺炎检测方法

在线全文

学校读者我要写书评

暂无评论

东北师大学报（自然科学版） 2023年第4期55卷 67-76页

作者：蒲秋梅田景龙邢容畅赵丽娜中央民族大学信息工程学院北京100081 中国科学院高能物理研究所多学科研究中心北京100049

在Inception-v3网络的基础上提出了一种有效的改进方法以提升X光胸片肺炎诊断的准确度.在原始Inception-v3网络结构中引入了残差连接以减轻网络加深带来的梯度消失问题.使用空间注意力与通道注意力机制提升模型的特征提取能力,同时通过... 详细信息

在Inception-v3网络的基础上提出了一种有效的改进方法以提升X光胸片肺炎诊断的准确度.在原始Inception-v3网络结构中引入了残差连接以减轻网络加深带来的梯度消失问题.使用空间注意力与通道注意力机制提升模型的特征提取能力,同时通过通道混洗(Channel Shuffle)促进不同通道特征图之间的信息融合.最终改进模型的分类准确率为94.64%,较原始Inception-v3网络提升了4.33%,且对于新型冠状病毒感染具有更高的召回率,达到99.72%.实验结果表明,引入注意力机制的Inception-v3网络在四类肺炎检测分类任务(正常、普通病毒性肺炎、新型冠状病毒感染、其他肺部感染)中具有更高泛化能力与鲁棒性.

关键词：肺炎检测 X光胸片 Inception-v3 注意力机制模块通道混洗

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

多注意力机制网络卫星图像分割算法

计算机工程与应用 2021年第2期57卷 223-229页

作者：丁成翁理国夏旻崔逸尘钱俊豪刘佳南京信息工程大学江苏省大数据分析技术重点实验室南京210044 南京信息工程大学江苏省大气环境与装备技术协同创新中心南京210044

针对深度学习的语义分割法,在卫星图像分割中对半岛、小岛和湖泊细小支流的边缘信息提取丢失问题,提出了多注意力机制网络(MA-Net)卫星图像分割算法,弥补了边缘信息提取丢失问题。该算法的框架采用了端到端的对称结构,由编码和解码两部... 详细信息

针对深度学习的语义分割法,在卫星图像分割中对半岛、小岛和湖泊细小支流的边缘信息提取丢失问题,提出了多注意力机制网络(MA-Net)卫星图像分割算法,弥补了边缘信息提取丢失问题。该算法的框架采用了端到端的对称结构,由编码和解码两部分组成。编码部分采用改进的VGG16网络提取湖泊的纹理特征,解码部分引入全局平均池化注意力融合机制(GPA),能够有效融合编码部分提取的纹理特征,得到高分辨率的卫星图像特征图。在网络的输出端加入注意力机制模块(Attention),充分提取湖泊边缘信息,有效分割出半岛、小岛和湖泊细小支流。实验结果表明,该模型相比现有语义分割算法,具有更好的分割精度,各项分割指标都有提升,并且在公共数据集City Scapes上验证了模型具有通用性。

关键词：语义分割卫星图像分割编码和解码注意力机制模块