检索结果-南通市图书馆

基于改进ConvNeXt模型的轻量化岩屑岩性识别方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

现代电子技术 2024年

作者：杨宇轩钟宝荣长江大学计算机科学学院

岩屑录井在地质分析及油气勘探等领域起着重要的作用，岩屑岩性识别是其中一项关键内容，目前识别手段难以兼顾准确与轻量性，为提升识别的效率以保证录井工作的高效进行，提出了一种基于改进ConvNeXt模型的轻量级识别方法。文中通过分... 详细信息

岩屑录井在地质分析及油气勘探等领域起着重要的作用，岩屑岩性识别是其中一项关键内容，目前识别手段难以兼顾准确与轻量性，为提升识别的效率以保证录井工作的高效进行，提出了一种基于改进ConvNeXt模型的轻量级识别方法。文中通过分析调整ConvNeXt模型的网络层数，并将其中大部分传统卷积替换为Ghost卷积，减少了模型的冗余参数，同时融合SimAM无参注意力机制，在不增加模型参数的情况下提升了模型性能。实验结果表明：改进后的ConvNeXt模型参数量和权重文件大小分别仅有15.44M和15.5M，浮点运算量为0.69 GFLOPs，参数量和运算量远低于大部分网络模型，便于嵌入到各种移动设备中，且在测试集上的综合识别准确率可达到99.64%，略高于ConvNeXt-S模型，满足识别的可靠性要求。本文提出的模型兼具了的准确性与轻量性的特点，能较好满足实际录井工作中的岩屑识别任务。

关键词：岩屑识别 ConvNeXt Ghost SimAM 轻量化移动设备

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于并行共注意力机制的视觉问答模型

计算机应用与软件 2024年

作者：盛文星徐振平王熙康詹炜长江大学计算机科学学院

为进一步提升深度学习模型在视觉问答中准确率的性能，提出了一种引入了并行共注意力机制的视觉问答模型。该结构通过双通道的模块化网络结构分解输入并后期进行特征融合来完成特征提取，过程中并行共注意力使模型可以更好地理解问题的... 详细信息

为进一步提升深度学习模型在视觉问答中准确率的性能，提出了一种引入了并行共注意力机制的视觉问答模型。该结构通过双通道的模块化网络结构分解输入并后期进行特征融合来完成特征提取，过程中并行共注意力使模型可以更好地理解问题的上下文，并准确地识别图像中与问题相关的区域。实验中引入VQA 2.0数据集，并与其他研究中的模型进行了对比，实验结果表明所提出的模型在准确率上具有优势，模型的模块均在整体中发挥了正面作用。

关键词：视觉问答并行共注意力自然语言处理计算机视觉深度学习

基于轻量化YOLO v8-Rice的水稻虫害检测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

江苏农业科学 2024年

作者：桂余鹏胡蓉华崔艳荣贾瀛睿长江大学计算机科学学院

针对真实场景下水稻虫害识别的背景复杂、模型计算量和参数量大以及难以在嵌入式设备或移动设备上部署等问题,在YOLO v8的基础上提出1种改进的轻量化的YOLO v8-Rice的水稻虫害检测算法。首先,采用Context Guided Block结构替换传统YOLO... 详细信息

针对真实场景下水稻虫害识别的背景复杂、模型计算量和参数量大以及难以在嵌入式设备或移动设备上部署等问题,在YOLO v8的基础上提出1种改进的轻量化的YOLO v8-Rice的水稻虫害检测算法。首先,采用Context Guided Block结构替换传统YOLO v8中C2f模块的Bottleneck结构,增强模型的上下文信息理解能力,压缩模型的权重;然后,使用深度可分离卷积代替传统YOLO v8中的标准卷积,以降低参数量、计算量;最后,将检测头重构为轻量级共享卷积检测头,以进一步降低参数量、计算量,并提高模型对多尺度虫害特征的定位和提取能力,使其能够更好地适应不同尺寸、复杂度的虫害状况。结果表明,相比于传统YOLO v8,YOLO v8-Rice算法在计算量、参数量方面分别减少了70.5%、61.7%,模型的权重文件大小降低至1.94 MB,仅为YOLO v8的32.4%,并且在平均精度上达到94.1%,与其他模型相比明显提高。该算法在水稻虫害检测方面的性能取得了显著提升。借助轻量化网络模型及优化模型的部署,使其更适合在移动设备或嵌入式设备中部署,可为实际农业场景中的水稻虫害检测提供更可行的解决方案,可以准确地检测定位和分类水稻虫害。

关键词：水稻虫害检测轻量化YOLO v8-Rice Context Guided Block 深度可分离卷积轻量级共享卷积检测头

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于改进YOLO v8的水稻害虫识别方法

江苏农业科学 2024年

作者：李龙李梦霞李志良长江大学计算机科学学院

实时监测稻田害虫泛滥情况是预防水稻产量降低的重要手段之一。针对当前的目标检测算法在实际稻田环境下检测精度较低且模型计算量较大、难以实现实时检测等问题,提出一种基于YOLO v8的改进的水稻害虫识别算法YOLO v8-SDPS。首先在主干... 详细信息

实时监测稻田害虫泛滥情况是预防水稻产量降低的重要手段之一。针对当前的目标检测算法在实际稻田环境下检测精度较低且模型计算量较大、难以实现实时检测等问题,提出一种基于YOLO v8的改进的水稻害虫识别算法YOLO v8-SDPS。首先在主干网络中用SD＿Conv卷积替代标准卷积,重构特征提取模块,在降低参数量的同时尽可能地保留害虫目标的边缘特征信息,提升对害虫目标的特征提取能力;其次在颈部引入基于Slim-Neck范式的GSConv模块和VoV-GSCSP模块,在减少模型计算量的同时提升模型的检测精度;最后在SPPF层前引入PSA注意力模块,降低背景的噪声干扰,使模型更加关注个体的空间位置信息。用本研究提出的算法在经数据增强后的自建水稻害虫数据集上进行试验。结果表明,YOLO v8-SDPS获得86.6%的平均检测精度,相较于原始YOLO v8n模型提升4.1百分点。同时改进后的模型参数量大小为2.62 M,计算量为7.5 GFLOPs,相较于基准模型分别降低16.8%和15.7%,实现了模型轻量化和较高检测精度的平衡。在害虫小且密集、背景干扰严重、光照强烈等复杂环境下,YOLO v8-SDPS均能较好地识别出目标个体,有效地降低漏检率和误检率,具有较好的鲁棒性,可为稻田实时巡检提供有效技术支持。

关键词：目标检测水稻害虫深度学习 YOLO v8 极化自注意力

结合字节级别字节对编码的端到端中文语音识别方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机应用 2024年

作者：付强徐振平盛文星叶青长江大学计算机科学学院

针对语音识别中对于中文、韩文等复杂且字符集庞大的语言导致词汇表过大以及训练效率太慢的问题，提出了一种基于字节级别字节对编码（BBPE）的端到端中文语音识别方法。首先，将256个不同的字节用于初始化词汇表；其次，统计每个词汇... 详细信息

针对语音识别中对于中文、韩文等复杂且字符集庞大的语言导致词汇表过大以及训练效率太慢的问题，提出了一种基于字节级别字节对编码（BBPE）的端到端中文语音识别方法。首先，将256个不同的字节用于初始化词汇表；其次，统计每个词汇单元在语料中出现的频率，并合并频率最高的词汇单元；最后，重复上一步直至无法合并，得到最终的词汇表。在中文语音数据集AISHELL-1上，该方法生成的词汇表相比于字符级别词汇表的词汇量减小了88.5%，降低了模型训练的复杂度。同时，鉴于Conformer-Transducer(Conformer-T)模型在端到端语音识别中表现出色，为了实现更好的识别效果，本文将最新的Zipformer模型与Transducer模型相结合提出Zipformer-Transducer(Zipformer-T)模型，并在该模型上对BBPE方法进行验证。实验结果表明，该模型使用BBPE相对于字符级别分词方法在AISHELL-1测试集和验证集上字错率（CER）分别下降了0.12和0.08个百分点，且分别达到4.26%和3.98%的最低CER，充分证明该方法能有效提升中文语音识别的性能。

关键词：语音识别 Conformer Zipformer 字节级别字节对编码端到端

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

改进YOLOv5的棉田杂草检测

现代电子技术 2024年

作者：杨明轩陈琳长江大学计算机科学学院

针对复杂环境下棉田杂草检测与识别困难等问题，提出一种改进YOLOv5的棉田杂草检测算法CST-YOLOv5。首先通过数据增强算法来解决棉田杂草样本分布不均衡导致模型训练效果不充分。其次，在主干网络中加入坐标注意力机制，考虑通道信息和... 详细信息

针对复杂环境下棉田杂草检测与识别困难等问题，提出一种改进YOLOv5的棉田杂草检测算法CST-YOLOv5。首先通过数据增强算法来解决棉田杂草样本分布不均衡导致模型训练效果不充分。其次，在主干网络中加入坐标注意力机制，考虑通道信息和方向位置信息。最后在颈部网络中将SwinTransformerBlock引入到C3模块，得到新的C3STR模块，以保留全局上下文信息和多尺度特征。实验结果表明，改进后的CST-YOLOv5模型mAP值达到95.1%，F1因子达到90.4%，对比于原YOLOv5模型分别提高了4.8%、3.2%。算法具有良好的鲁棒性，能对多类杂草精确识别。

关键词：杂草检测 YOLOv5 深度学习目标检测注意力机制棉花保护

基于改进YOLOv8n的真实场景下草莓病害检测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

中国农机化学报 2024年

作者：李嘉诚陈中举许浩然长江大学计算机科学学院

针对实际种植环境下草莓病害目标检测中，存在背景复杂、检测精度低等主要问题，提出一种改进YOLOv8n的草莓病害检测算法YOLOv8n-SD。首先搜集并处理真实场景下草莓叶、花、果的常见病害图像以构建试验数据集。然后在YOLOv8n模型的基础... 详细信息

针对实际种植环境下草莓病害目标检测中，存在背景复杂、检测精度低等主要问题，提出一种改进YOLOv8n的草莓病害检测算法YOLOv8n-SD。首先搜集并处理真实场景下草莓叶、花、果的常见病害图像以构建试验数据集。然后在YOLOv8n模型的基础上对其进行优化改进，利用多尺度并行计算与补丁感知注意力对主卷积模块进行重构，提出C2f-PPA模块，有效融合多尺度特征信息，提高模型的特征捕获能力；引入ADown模块，减少下采样过程中的信息损失，提高模型的推理速度和鲁棒性；提出一种任务对齐的共享动态检测头（Task-aligned Dynamic Head，TDyH），增强定位分支和分类分支之间的信息交互，降低模型参数的同时，提高检测精度和准确性。根据试验结果，改进后的YOLOv8n-SD模型的检测精度达到83.7%，相较于原YOLOv8n提高3.3%，mAP@0.5与mAP@0.5:0.95分别达到76.9%和59.9%，分别提升1.6%和2.3%。改进后的算法不仅能精确识别草莓生长各阶段的常见病害，而且能满足边缘设备的轻量化需求和实时检测需求。

关键词：草莓病害目标检测 YOLOv8n ADown 轻量化实时检测

基于改进YOLOv7-tiny的钢材表面缺陷检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

现代电子技术 2024年

作者：张瑞雪陈琳长江大学计算机科学学院

针对当前钢材表面缺陷算法存在检测精度低和小目标检测困难等问题，提出一种基于YOLOv7-tiny的改进算法。首先，提出了高效动态蛇形层聚网络DSELAN，并将其嵌入到特征提取网络中，以提高模型对复杂缺陷目标的关键特征提取能力；其次，引... 详细信息

针对当前钢材表面缺陷算法存在检测精度低和小目标检测困难等问题，提出一种基于YOLOv7-tiny的改进算法。首先，提出了高效动态蛇形层聚网络DSELAN，并将其嵌入到特征提取网络中，以提高模型对复杂缺陷目标的关键特征提取能力；其次，引入SPDConv作为下采样模块，来避免小目标的细粒度信息的丢失，有效解决了小目标检测困难的问题；最后，针对大目标缺陷检测效率低，增加一个大目标检测层，以扩大模型的感受野，提高对大目标缺陷的检测精度。实验结果表明，改进后的YOLOv7-tiny算法在NEU-DET数据集上的平均检测均值mAP达到了81.4%，比原算法提高了6.7%，检测性能也优于其他主流检测算法，并且具有较少的参数量和较快的检测速度，满足工业钢材缺陷的实时性和高效性的要求。

关键词： YOLOv7-tiny 钢材表面缺陷检测目标检测 SPDConv 动态蛇形卷积 NEU-DET

基于改进Yolov8的高效岩屑实例分割算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

现代电子技术 2024年

作者：刘学彬钟宝荣长江大学计算机科学学院

针对传统方法在复杂的岩屑岩性判断方面存在效率低下和精度不足的问题，提出一种基于改进Yolov8算法的模型，有效提升了钻井岩屑的实例分割效率和精度。文中提出一种分组聚焦下采样替换部分常规下采样的方法，减少了模型的计算复杂度，... 详细信息

针对传统方法在复杂的岩屑岩性判断方面存在效率低下和精度不足的问题，提出一种基于改进Yolov8算法的模型，有效提升了钻井岩屑的实例分割效率和精度。文中提出一种分组聚焦下采样替换部分常规下采样的方法，减少了模型的计算复杂度，同时保持精度。此外，重新设计的部分耦合分割头显著降低了参数量，增加了模型的轻量性。特征融合层中融入的窗口注意力机制，进一步提升了岩屑特征的捕捉能力和整体模型性能。经实验验证，改进后的Yolov8s-seg模型在岩屑样本数据集上的平均分割精度达到87.6%，比原模型提高了3.9%；模型的参数量减少了29.3%，仅为8.3×106，计算量也降低至3.5×1010，减少了17.5%。这些改进满足了现场快速响应的需求，同时保证了分析的精确度，使得该模型非常适合实际的岩性判断工作。轻量化与高精度的结合，为地质领域的深度学习应用提供了新的可能。

关键词：实例分割 Yolov8 轻量化岩性判断移动设备部分卷积