检索结果-内蒙古大学图书馆

科学技术与工程 2025年第10期25卷 4175-4182页

作者：巩炫麟陶庆苏娜马金旭新疆大学智能制造现代产业学院(机械工程学院) 乌鲁木齐830017 新疆大学工程师学院乌鲁木齐830017 新疆医科大学第一附属医院乌鲁木齐830054

在使用传统方法处理稳态视诱发电位(steady-state visual evoked potentials,SSVEP)的脑电信号时,特征提取的准确性和充分性存在不足,影响信号的识别准确率。为此提出了一种基于卷积神经网路(convolutional neural networks,CNN)与卷积... 详细信息

在使用传统方法处理稳态视诱发电位(steady-state visual evoked potentials,SSVEP)的脑电信号时,特征提取的准确性和充分性存在不足,影响信号的识别准确率。为此提出了一种基于卷积神经网路(convolutional neural networks,CNN)与卷积注意力机制模块(convolutional block attention module,CBAM)和长短时记忆网络(long short-term memory,LSTM)的信号分类识别方法。以CNN为基础框架,通过引入注意力机制对通道及空间特征进行充分提取,加入LSTM提高对时序特征的提取能力,实现对SSVEP信号的目标识别。实验结果显示,所提方法能够充分有效的提取各级特征且识别准确率较高,相比于典型相关分析方法(canonical correlation analysis,CCA)、CNN、CBAM-LSTM、CNN-CBAM识别准确率分别提高了5.3%、2.95%、2.27%、1.71%,可见该模型对SSVEP信号的分类识别有较好的效果。

关键词：稳态视觉诱发电位卷积神经网络卷积注意力机制模块长短时记忆网络目标识别

来源：评论

学校读者我要写书评

暂无评论

嵌入注意力机制残差网络的人脸表情识别方法

引用

计算机工程与应用 2023年第11期59卷 88-97页

作者：钟瑞蒋斌李南星崔晓梅郑州轻工业大学计算机与通信工程学院郑州450001

针对非可控环境下人脸图像易受光照、姿态变化等复杂因素的影响,进而造成人脸表情识别中人脸检测率低、表情识别精度差的问题,提出了一种嵌入注意力机制残差网络的表情识别方法。在人脸检测阶段,采用改进的RetinaFace算法完成多视角人... 详细信息

针对非可控环境下人脸图像易受光照、姿态变化等复杂因素的影响,进而造成人脸表情识别中人脸检测率低、表情识别精度差的问题,提出了一种嵌入注意力机制残差网络的表情识别方法。在人脸检测阶段,采用改进的RetinaFace算法完成多视角人脸检测,获取人脸区域。在特征提取阶段,使用ResNet-50作为特征提取的主干网络。将预处理后的人脸图片,依次通过该网络的通道注意力网络和空间注意力网络,显式地建模全局图像的相互依赖性。在虚线残差单元的快捷连接中,加入平均池化层进行下采样操作,通过微调残差模块的操作,加强输入特征之间的映射,使提取的表情特征能够较完整地在网络之间传递,以减小特征信息的损失;在网络中再次传入卷积注意力机制模块,增强局部表情特征的通道维度信息和空间维度信息,加强特征图中与表情相关性高的特征区域的重点信息,同时抑制特征图中无关区域的干扰,进而加快网络的收敛速度,提高表情识别率。与基线算法相比,该方法在RAF-DB和FER2013表情数据集上分别取得了87.65%和73.57%的准确率。

关键词：注意力机制残差网络表情识别卷积注意力机制模块 RetinaFace

来源：评论

学校读者我要写书评

暂无评论

基于时序特征灰度图与多任务学习的综合能源负荷短期预测

引用

电气工程学报 2024年第2期19卷 186-199页

作者：倪建辉张菁张昊立陈龙高典上海工程技术大学电子电气工程学院上海201620

准确预测综合能源系统(Integrated energy system,IES)中的电、冷、热多元负荷是提高各类能源综合效率、获得更大经济效益的关键。因此,提出一种基于时序特征灰度图与多任务学习的综合能源负荷短期预测方法。首先将初始特征集通过最大... 详细信息

准确预测综合能源系统(Integrated energy system,IES)中的电、冷、热多元负荷是提高各类能源综合效率、获得更大经济效益的关键。因此,提出一种基于时序特征灰度图与多任务学习的综合能源负荷短期预测方法。首先将初始特征集通过最大互信息系数(Maximum information coefficient,MIC)改进的快速相关滤波算法(Fast correlation-based filter,FCBF)对IES时序特征数据集进行相关性分析和冗余性分析;然后将特征选择结果利用因数重构法与MIC-gamma图像增强的方法重构为时序特征灰度图,能够直观有效地反映实际数据的特征相关性;其次采用基于多任务学习框架的(Convolutional block attention module-convolutional neural network-deep bidirectional gated recurrent unit,CBAM-CNN-DBiGRU)网络进行训练,嵌入的卷积注意力机制模块(Convolutional block attention module,CBAM)与(Deep bidirectional gated recurrent unit,DBiGRU)结构能有效加强共享层的关键信息提取和时序信息处理能力;最后以美国亚利桑那州立大学的IES数据为例对提出的方法进行测试。选取典型工作日和典型休息日并对比多种深度网络模型,测试结果表明,该模型在典型工作日的加权平均绝对百分比误差与加权均方根误差分别最大降低了0.8813%与229.2593 kW,在典型休息日则分别最大降低了0.9942%与360.8007 kW,能够有效提升IES多元负荷预测精度。

关键词：多元负荷预测最大互信息系数快速相关滤波算法特征冗余性 MIC-gamma图像增强卷积注意力机制模块深度双向门控循环单元

来源：评论

学校读者我要写书评

暂无评论

基于双目视觉的吊卡识别及其方位检测方法

引用

石油机械 2024年第4期52卷 11-17页

作者：李进付中石化胜利石油工程有限公司钻井工艺研究院

针对钻井自动化中的吊卡方位需要人工参与,存在识别定位缓慢和准确性差等问题,建立了基于双目视觉的吊卡自动识别和方位检测系统。通过搭建双目相机视觉检测系统,对获取的吊卡图像进行标定、立体校正和立体匹配,进而获取吊卡图像的深度... 详细信息

针对钻井自动化中的吊卡方位需要人工参与,存在识别定位缓慢和准确性差等问题,建立了基于双目视觉的吊卡自动识别和方位检测系统。通过搭建双目相机视觉检测系统,对获取的吊卡图像进行标定、立体校正和立体匹配,进而获取吊卡图像的深度图。在原YOLOv5s目标检测算法的主干网络中引入卷积注意力机制模块,将要识别的目标即吊卡图像进行增强,进一步提高吊卡的识别准确率,结合深度图计算出吊卡中心位置相对机械手的距离和偏转角度,从而实现自动送管。通过在钻井平台的试验,验证了吊卡识别和检测方法的有效性。所得结论可为钻井平台自动化程度的进一步提高提供技术借鉴。

关键词：吊卡识别方位检测双目相机 YOLOv5s算法卷积注意力机制模块试验验证

来源：评论

学校读者我要写书评

暂无评论

融合Inception V1-CBAM-CNN的轴承剩余寿命预测模型

引用

机电工程 2024年第1期41卷 107-114页

作者：余江鸿彭雄露刘涛杨文叶帅湖南工业大学机械工程学院湖南株洲412007 湖南铁道职业技术学院轨道交通装备智能制造学院湖南株洲412001 高性能滚动轴承技术湖南省高校重点实验室湖南株洲412007

针对现有的滚动轴承剩余寿命(RUL)预测方法精度低、轴承健康指标(HI)构建困难等问题,提出了一种基于卷积神经网络(CNN)并融合Inception V1模块和卷积注意力机制模块(CBAM)的滚动轴承RUL预测模型。首先,在CNN中添加了CBAM机制,并进行了... 详细信息

针对现有的滚动轴承剩余寿命(RUL)预测方法精度低、轴承健康指标(HI)构建困难等问题,提出了一种基于卷积神经网络(CNN)并融合Inception V1模块和卷积注意力机制模块(CBAM)的滚动轴承RUL预测模型。首先,在CNN中添加了CBAM机制,并进行了加权处理,在通道和空间维度对重要特征进行了强化,对次要特征进行了抑制,通过添加改进的InceptionV1模块,提高了CNN通道间信息交互水平,全面提取了退化特征;然后,进行了网络优化,采用全局最大池化(GMP)方法对模型进行了简化,采用Dropout和批量归一化(BN)方法,避免了过拟合,提高了精度,且克服了训练时出现的梯度消失问题;最后,对数据进行了处理,将降噪后的信号重组为三维张量,将其作为HI,构建了退化标签,引入了评价指标,采用PHM2012轴承数据集进行了实验验证,在3种工况下将其与深度神经网络(DNN)、CNN方法、结合注意力机制的残差网络方法(ResNet)进行了对比。研究结果表明:该方法在变负载条件下的平均RMSE为0.033,较其他方法的RMSE值分别降低了86%、78%和69%,在预测精度和泛化能力方面具有明显优势。

关键词：滚动轴承剩余使用寿命 Inception V1模块卷积注意力机制模块卷积神经网络全局最大池化批量归一化

来源：评论

学校读者我要写书评

暂无评论

面向密集场景结合TC-YOLOX的小目标检测方法

引用

电子测量技术 2023年第15期46卷 133-142页

作者：李翔宇王伟王峰萍韩岩江西安工程大学西安710048

密集场景下小目标的高效精确检测是目标检测领域的关键问题。为了解决环境的多样性和小目标自身复杂性存在着特征难以提取、检测精度低等问题,提出一种面向密集场景结合TC-YOLOX的小目标检测方法。首先,通过在CSPNet中引入Transformer E... 详细信息

密集场景下小目标的高效精确检测是目标检测领域的关键问题。为了解决环境的多样性和小目标自身复杂性存在着特征难以提取、检测精度低等问题,提出一种面向密集场景结合TC-YOLOX的小目标检测方法。首先,通过在CSPNet中引入Transformer Encode模块,不断更新目标权重实现增强目标特征信息,提高网络的特征提取能力;其次,在特征金字塔网络中增加卷积注意力机制模块,关注重要特征并抑制不必要特征,提高不同尺度目标的检测准确度;然后,采用CIoU代替IoU作为回归损失函数,使得模型训练过程中网络收敛更快,性能更好;最后在PASCAL VOC 2007数据集上验证。实验结果表明,所设计的TC-YOLOX模型能够有效的检测出多样化场景中正常、密集、稀疏、黑暗条件下的小目标物体,mAP和检测速度可以达到94.6%和38 fps,与原始模型相比提升了10.9%和1 fps,对多种密集场景下的小目标检测任务均具有较好的适用性。

关键词：小目标检测 YOLOX 卷积注意力机制模块 Transformer Encode CIoU回归损失函数

来源：评论

学校读者我要写书评

暂无评论

基于CBAM Faster R-CNN的食道癌检测

引用

中南民族大学学报（自然科学版） 2021年第6期40卷 631-638页

作者：佘逸飞高军峰闵祥德徐胜舟盘安思蓝文威中南民族大学计算机科学学院&湖北省制造企业智能管理工程技术研究中心武汉430074 中南民族大学生物医学工程学院武汉430074 华中科技大学同济医学院附属同济医院影像科武汉430030

为解决钡餐造影图像经Faster R-CNN的骨干网络得出的特征图中的食管区域不明显以及背景区域占比较大等问题,提出了CBAM Faster R-CNN,它是在原Faster R-CNN模型的基础上添加卷积注意力模块CBAM,以提升特征图中食管区域的特征的显著性.采... 详细信息

为解决钡餐造影图像经Faster R-CNN的骨干网络得出的特征图中的食管区域不明显以及背景区域占比较大等问题,提出了CBAM Faster R-CNN,它是在原Faster R-CNN模型的基础上添加卷积注意力模块CBAM,以提升特征图中食管区域的特征的显著性.采用CBAM Faster R-CNN模型对数据增强后的训练集进行了训练,并采用Recall值、Precision值、AP值进行了评价分析.实验结果表明:在不同的IOU阈值下,CBAM Faster R-CNN模型的检测效果明显优于Faster R-CNN,且对实际的临床研究具有一定的意义.

关键词：食道癌目标检测更快速的R-CNN 卷积注意力机制模块计算机视觉

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv5算法的密集遮挡零件检测

引用

工具技术 2023年第10期57卷 150-155页

作者：张新伟陈东闫昊马兆昆青岛科技大学机电工程学院山东省青岛市266061

针对零件在密集遮挡等复杂场景下存在视觉识别难度大、检测精度低和实时性差的问题,提出YOLOv5零件目标检测的改进算法。在YOLOv5的主干网络中添加卷积注意力机制模块,进而增强算法对零件的特征提取能力;将抑制准则改为考虑真实框与预... 详细信息

针对零件在密集遮挡等复杂场景下存在视觉识别难度大、检测精度低和实时性差的问题,提出YOLOv5零件目标检测的改进算法。在YOLOv5的主干网络中添加卷积注意力机制模块,进而增强算法对零件的特征提取能力;将抑制准则改为考虑真实框与预测框重叠区域且同时计算两个框之间中心点距离的DIoU-NMS,并以此作为后处理方法,进而提高零件检测精度。试验结果表明,相比原始YOLOv5算法,本改进算法将mAP@0.5提升1.6%,识别速度达58.8帧/s,可以更好地完成检测密集遮挡零件的任务,同时保证了实时性。

关键词：目标检测 YOLOv5 卷积注意力机制模块 DIoU-NMS

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的番茄叶部病害识别系统研究

基于深度学习的番茄叶部病害识别系统研究

引用

作者：刘江川四川农业大学

学位级别：硕士

番茄在我国果蔬种植中占据重要地位,气候、地理、温度、病害以及土壤湿度等因素均会影响番茄生长,其中病害的侵袭会造成番茄的品质和产量下降,使得我国番茄在国际市场缺乏竞争力。在智慧农业的推动作用下,深度学习在农业生产领域取得很... 详细信息

番茄在我国果蔬种植中占据重要地位,气候、地理、温度、病害以及土壤湿度等因素均会影响番茄生长,其中病害的侵袭会造成番茄的品质和产量下降,使得我国番茄在国际市场缺乏竞争力。在智慧农业的推动作用下,深度学习在农业生产领域取得很大的成功,结合计算机视觉技术辅助人工操作,能够极大减少工作量。在番茄生长过程中,几种常见易感染病害对番茄产量具有很深的影响,因此本论文针对叶部病害研究得到高准确率、便捷高效的识别方法。在算法改进方面,基于EfficientNet-b0网络进行改进优化,通过嵌入卷积注意力机制CBAM,优化全连接层层级,提升病害细粒度分类的识别能力;同时,为进一步提升病害识别准确率,本文还研究了不同批次、优化器以及训练方式等因素对模型训练和分类的影响。此外对模型的卷积学习能力进行特征可视化分析,能够清晰明了地展现番茄叶部病害的特征信息,方便对模型参数和结构进行优化。实验表明本文的改进可以实现精准的细粒度分类,在番茄叶部病害验证集的识别准确率达到99.32%。最后基于Flask+Express框架开发了识别应用系统,提供一种便捷的番茄病害识别方法,能在野外进行快速准确识别。该系统实现了样本图片上传、病害检测、结果返回等功能,同时给出相应的诊治方案,指导用户对番茄进行科学种植和病害预防。此外,在用户端打造了交流社区,提供用户经验交流分享、咨询专家等服务,对番茄科学种植和病害防治具有参考价值,有助于推动智慧农业的发展。

关键词：番茄病害 EfficientNet 迁移学习识别系统卷积注意力机制模块

来源：评论

学校读者我要写书评

暂无评论

基于全卷积网络的人群计数研究

基于全卷积网络的人群计数研究

引用

作者：汪传皇南昌大学

学位级别：硕士

近几年,卷积神经网络(CNN)已是深度学习中的各类研究的首选网络。受益于CNN强大的特征表示能力,早期的模型通过基础CNN进行人群计数研究,与传统的手工特征相比,获得了显著的性能改善。目前,更加有效的基于全卷积网络(FCN)的模型成为人... 详细信息

近几年,卷积神经网络(CNN)已是深度学习中的各类研究的首选网络。受益于CNN强大的特征表示能力,早期的模型通过基础CNN进行人群计数研究,与传统的手工特征相比,获得了显著的性能改善。目前,更加有效的基于全卷积网络(FCN)的模型成为人群计数研究中的主流模型。然而目前的深度模型,在处理尺度变化问题时,仅粗略的分为几个等级,在获取人群的特征时,直接使用VGG16提取特征。这将导致在应对复杂背景和尺度广泛的场景中提取的特征不够充分有效的问题。为有效处理上述问题,本文基于全卷积网络架构设计了两个人群计数网络模型。为了有效处理尺度变化的问题,本文提出了一种基于残差U＿blocks的连续尺度特征提取器(CSE),它可以获取更广泛的尺度特征。利用CSE设计了一种新颖的人群计数网络(ERUNet),该网络可以从不同水平特征捕获更多的尺度信息,融合不同层次的特征。此网络是U型结构设计,主要由编码、解码和注意力密度图生成器(AMG)三部分组成。编码提供多级语义特征信息。解码提取更广泛的尺度特征,融合不同层次的语义特征信息,输出用于生成注意图和密度图的特征图。AMG用于增强人群区域的识别。为了验证残差U＿blocks的有效性,通过对比实验进行了有效性分析,同时在4个主流的数据集上进行了性能评估实验。实验结果表明ERUNet具有较强的鲁棒性来应对尺度变化、密度变化等问题,且有较高的计数准确度。此外,本文还设计出了一种基于卷积注意力机制模块(CBAM)的计数模型(FCN-CBAM),利用CBAM对VGG16提取的特征进行处理,产生更有效的特征,从而生成高质量的密度图。整个网络框架的结构设计同样是U型结构的全卷积结构,因此输入图片可以是任意尺寸。为了验证CBAM的有效性,进行了对比模型的验证,同样在4个主流的数据集上进行了性能评估实验。实验证明CBAM对网络的效果有显著提升,且FCN-CBAM具有较高的计算准确度和较好的泛化性能。通过上述两种网络,可以有效的缓解尺度变化所带来的问题,并且为人群计数模型的设计提供了一种新思路。

关键词：人群计数全卷积网络残差U_blocks 卷积注意力机制模块

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：