融合多层级特征的遥感图像地面弱小目标检测 被引量：29

1

作者 闫钧华 张琨 +3 位作者 施天俊 朱桂熠 刘勇 张寅 《仪器仪表学报》 EI CAS CSCD 北大核心 2022年第3期221-229,共9页

为解决遥感图像地面弱小目标检测中弱小目标信息量少、信息真假混杂的难题,本文提出一种融合多层级特征的遥感图像地面弱小目标检测算法CC-YOLO。该算法首先利用深度卷积神经网络逐级对目标图像进行特征提取,得到高低层特征空间金字塔图... 为解决遥感图像地面弱小目标检测中弱小目标信息量少、信息真假混杂的难题,本文提出一种融合多层级特征的遥感图像地面弱小目标检测算法CC-YOLO。该算法首先利用深度卷积神经网络逐级对目标图像进行特征提取,得到高低层特征空间金字塔图;然后,对空间金字塔图进行跨层级通道特征融合,结合新增的位置注意力机制CA,分别沿两个空间方向聚合特征,保留弱小目标精确的位置信息;最后,在聚合后生成的双支路特征图上进行端到端的目标检测,联合多通道检测信息输出检测结果。为解决算法实验中图像数据匮乏的问题,构建了遥感图像地面弱小目标数据集GDSTD。实验结果表明,算法AP;达到42.3%,AP;达到94.6%,检测速率FPS达到58.8帧/s,具有一定的鲁棒性和实时性。 展开更多

关键词 弱小目标检测 多层级特征 融合 位置注意力机制 遥感图像

下载PDF 职称材料

基于改进SSD的输电线路销钉缺陷检测 被引量：26

2

作者 李瑞生 张彦龙 +1 位作者 翟登辉 许丹 《高电压技术》 EI CAS CSCD 北大核心 2021年第11期3795-3802,共8页

销钉在输电线路中起着连接关键部件的重要作用,其缺陷直接引起部件变形、不稳定甚至造成电力停电事故。针对已有单发多盒探测器(single shot multibox detector,SSD)模型对输电线路复杂背景下销钉缺陷检测能力不足的问题,提出基于残差... 销钉在输电线路中起着连接关键部件的重要作用,其缺陷直接引起部件变形、不稳定甚至造成电力停电事故。针对已有单发多盒探测器(single shot multibox detector,SSD)模型对输电线路复杂背景下销钉缺陷检测能力不足的问题,提出基于残差网络和多层级特征融合策略的改进SSD模型。首先,改进SSD网络结构,引入残差网络,增加浅层特征层,并将深层特征进行融合,替换SSD原特征层,以提升网络的鲁棒性,增强特征层的信息提取能力。其次,采用卷积拆分压缩网络参数量,采用权值量化减小模型部署占用空间。最后,通过实验对所提方法的有效性进行了验证。实验结果表明,该方法在输电线路销钉缺陷检测上召回率达到80%以上,较原SSD模型及其他目标检测算法具有明显提升。同时,该方法在其他输电线路小目标缺陷测试中,也取得了较好的效果。 展开更多

关键词 改进SSD 残差网络 多层级特征融合 卷积拆分 权值量化

下载PDF 职称材料

多尺度特征提取和多级别特征融合的显著性目标检测方法 被引量：7

3

作者 黎玲利 孟令兵 李金宝 《工程科学与技术》 EI CAS CSCD 北大核心 2021年第1期170-177,共8页

显著性目标检测已经被广泛应用到图像检索、图像分割、行人重识别等领域。目前主流的显著性目标检测方法通常采用短连接加权的方式融合多级别特征信息,这种方式无法精准有效地控制信息流的传递。而且,现有的检测方法通常采用单一的特征... 显著性目标检测已经被广泛应用到图像检索、图像分割、行人重识别等领域。目前主流的显著性目标检测方法通常采用短连接加权的方式融合多级别特征信息,这种方式无法精准有效地控制信息流的传递。而且,现有的检测方法通常采用单一的特征检测,导致显著性目标区域与背景的边界不连续、易模糊。因此,本文提出一种多尺度特征提取和多级别特征融合的显著性目标检测方法。首先,利用不同扩张率的空洞卷积获取多尺度的上下文信息,弥补单一特征检测带来的不足。其次,提出一个多级别特征融合模块,该模块有效地利用浅层特征信息、深层特征信息和全局上下文特征信息之间的分布特性进行融合,不仅可以抑制噪声的传递,而且可以更有效地恢复显著性目标的空间细节结构信息。同时构建一个简洁的注意力模块,该模块有效保留特征图融合后的通道信息。本文对综合指标、平均绝对误差、结构化度量、精确率-召回率曲线和F-measure曲线进行了实验评估,在5个公开的数据集上进行的实验结果表明:相比于其他13种主流的检测方法,本文方法在不同的评估指标上均有明显的提升,在4个数据集上的综合指标和结构化度量指标均超过其他方法;并且,本文方法的可视化检测的显著图边缘轮廓连续性更好,空间结构细节信息更清晰。 展开更多

关键词 显著性检测 多尺度特征提取 多级别特征融合 显著图 深度学习

下载PDF 职称材料

一种用于方面级情感分析的知识增强双图卷积网络 被引量：1

4

作者 万宇杰 陈羽中 《小型微型计算机系统》 CSCD 北大核心 2024年第1期37-44,共8页

近年来,深度神经网络特别是图神经网络在方面级情感分析任务上取得了较大进展,但是仍存在未充分利用外部知识信息、句法依赖树的边关系信息以及知识图谱结构信息的缺陷.针对上述问题,本文提出了一种知识增强的双图卷积网络BGCN-KE(Knowl... 近年来,深度神经网络特别是图神经网络在方面级情感分析任务上取得了较大进展,但是仍存在未充分利用外部知识信息、句法依赖树的边关系信息以及知识图谱结构信息的缺陷.针对上述问题,本文提出了一种知识增强的双图卷积网络BGCN-KE(Knowledge-enhanced Bi-Graph Convolutional Network).首先,提出一种融合句法依赖关系与外部知识的子图构造算法,得到节点间语义关系更紧密的知识子图.其次,提出了双图卷积网络,分别利用两个图卷积网络在句法依赖知识子图中引导评论文本的节点学习邻接节点的外部知识,以及在评论文本的句法依赖图中融合特定方面相关的语义信息,从而增强评论文本的特定方面知识表示和语义表示.再次,BGCN-KE引入边关系注意力机制,更好地捕获特定方面和上下文词语间的语义关系.最后,提出了一种多级特征融合机制,充分融合特定方面相关的外部知识、语义信息和边关系特征.多个公共数据集上的实验证明,BGCN-KE的性能优于最新的对比模型. 展开更多

关键词 图卷积网络 知识图谱 多级特征融合 边关系注意力 方面级情感分析

下载PDF 职称材料

基于注意力和多级特征融合的铁路场景小尺度行人检测算法 被引量：6

5

作者 石瑞姣 陈后金 +3 位作者 李居朋 李艳凤 李丰 万成凯 《铁道学报》 EI CAS CSCD 北大核心 2022年第5期76-83,共8页

行人入侵是影响铁路行车安全的重要因素。为有效解决短焦距摄像机在大视场中小尺度行人检测精度低的问题,提出一种注意力机制引导下的多级特征融合网络模型。首先,将YOLOv3作为主干网络,针对多次降采样后行人特征丢失的问题,设计四倍降... 行人入侵是影响铁路行车安全的重要因素。为有效解决短焦距摄像机在大视场中小尺度行人检测精度低的问题,提出一种注意力机制引导下的多级特征融合网络模型。首先,将YOLOv3作为主干网络,针对多次降采样后行人特征丢失的问题,设计四倍降采样分支以利用高分辨率特征有效提取小尺度行人信息。其次,特征融合阶段引入通道-空间注意力机制以抑制低层特征中背景噪声干扰。最后,引入CIoU损失函数用于行人目标框的回归,解决均方误差损失函数存在的优化不一致及尺度敏感问题。实验结果表明,相较于经典YOLOv3以及现阶段主流目标检测算法,本算法具有更高的检测精度,在自建铁路私有数据集和Caltech公开数据集的各子集上对数平均漏检率均有明显降低。 展开更多

关键词 铁路行车安全 小尺度行人检测 多级特征融合 通道-空间注意力 CIoU损失函数

下载PDF 职称材料

多层次时空特征自适应集成与特有-共享特征融合的双模态情感识别 被引量：1

6

作者 孙强 陈远 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第2期574-587,共14页

在结合脑电(EEG)信号与人脸图像的双模态情感识别领域中,通常存在两个挑战性问题:(1)如何从EEG信号中以端到端方式学习到更具显著性的情感语义特征;(2)如何充分利用双模态信息,捕捉双模态特征中情感语义的一致性与互补性。为此,提出了... 在结合脑电(EEG)信号与人脸图像的双模态情感识别领域中,通常存在两个挑战性问题:(1)如何从EEG信号中以端到端方式学习到更具显著性的情感语义特征;(2)如何充分利用双模态信息,捕捉双模态特征中情感语义的一致性与互补性。为此,提出了多层次时空特征自适应集成与特有-共享特征融合的双模态情感识别模型。一方面,为从EEG信号中获得更具显著性的情感语义特征,设计了多层次时空特征自适应集成模块。该模块首先通过双流结构捕捉EEG信号的时空特征,再通过特征相似度加权并集成各层次的特征,最后利用门控机制自适应地学习各层次相对重要的情感特征。另一方面,为挖掘EEG信号与人脸图像之间的情感语义一致性与互补性,设计了特有-共享特征融合模块,通过特有特征的学习和共享特征的学习来联合学习情感语义特征,并结合损失函数实现各模态特有语义信息和模态间共享语义信息的自动提取。在DEAP和MAHNOB-HCI两种数据集上,采用跨实验验证和5折交叉验证两种实验手段验证了提出模型的性能。实验结果表明,该模型取得了具有竞争力的结果,为基于EEG信号与人脸图像的双模态情感识别提供了一种有效的解决方案。 展开更多

关键词 双模态情感识别 脑电 人脸图像 多层次时空特征 特征融合

下载PDF 职称材料

自适应特征融合与cosIoU-NMS的目标检测算法 被引量：1

7

作者 马素刚 李宁博 +2 位作者 彭冠升 杨小宝 侯志强 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2024年第1期112-121,共10页

针对经典的有锚框检测算法RetinaNet、无锚框检测算法FCOS等目标检测算法中存在漏检以及重复检测的问题,提出一种自适应特征融合与cosIoU-NMS的目标检测算法.首先采用自适应特征融合模块对多尺度特征中相邻3层特征加权融合,获取丰富的... 针对经典的有锚框检测算法RetinaNet、无锚框检测算法FCOS等目标检测算法中存在漏检以及重复检测的问题,提出一种自适应特征融合与cosIoU-NMS的目标检测算法.首先采用自适应特征融合模块对多尺度特征中相邻3层特征加权融合,获取丰富的上下文信息和空间信息;然后采用cosIoU计算检测框之间的余弦相似度与重叠面积,使目标定位更准确;最后使用cosIoU-NMS代替Greedy-NMS抑制置信度分数较高的冗余框,保留更准确的检测结果.以RetinaNet和FCOS为基准,在PASCAL VOC数据集上的实验结果表明,所提算法的检测精度达到81.3%和82.3%,分别提升2.8个百分点和1.2个百分点;在MSCOCO数据集上检测精度达到36.8%和38.0%,分别提升1.0个百分点和0.7个百分点;该算法能够增强特征表征能力,筛除多余的检测框,有效地提高检测性能. 展开更多

关键词 深度学习 目标检测 多尺度特征融合 交并比 非极大值抑制 余弦相似度

下载PDF 职称材料

改进YOLOv8的农作物叶片病虫害识别算法

8

作者 张书贵 陈书理 赵展 《中国农机化学报》 北大核心 2024年第7期255-260,共6页

针对传统检测网络难以准确、高效地提取农作物叶片病虫害特征信息的问题,通过改进YOLOv8网络,提出一种多层级多尺度特征融合的农作物叶片病虫害识别算法。通过学习不同层级特征直接的特征关系,构建多层级特征编码模块,学习全面的特征表... 针对传统检测网络难以准确、高效地提取农作物叶片病虫害特征信息的问题,通过改进YOLOv8网络,提出一种多层级多尺度特征融合的农作物叶片病虫害识别算法。通过学习不同层级特征直接的特征关系,构建多层级特征编码模块,学习全面的特征表达;在Transformer的基础上设计多尺度空间—通道注意力模块,利用学习细粒度、粗粒度等多尺度全面的特征表达模式,捕获不同尺度特征之间的互补关系,并将所有特征表示有效融合起来,构成完整的图像特征表示,进而获取更佳的识别结果。在Plant Village公开数据集进行试验验证,结果表明:提出的改进方法能够有效提升配准精度,准确地识别出农作物叶片上同时存在的不同病虫害,对番茄叶片检测的mAP 0.5达到88.74%,比传统YOLOv8方法提升8.53%,且计算耗时没有明显增加。消融试验也充分证明所提各个模块的有效性,能够更好地实现高精度识别叶片病虫害,为农田智慧化管理提供有力支持和保障。 展开更多

关键词 叶片病虫害识别 多层级特征编码 多尺度特征融合 通道注意力 特征表达

下载PDF 职称材料

多层特征融合与语义增强的盲图像质量评价

9

作者 赵文清 许丽娇 +1 位作者 陈昊阳 李梦伟 《智能系统学报》 CSCD 北大核心 2024年第1期132-141,共10页

针对现有盲图像质量评价算法在面对真实失真图像时性能较差的问题,本文提出多层特征融合和语义信息增强相结合的无参考图像质量评价算法。提取图像的局部和全局失真特征,利用特征融合模块对特征进行多层融合;利用多层扩张卷积增强语义信... 针对现有盲图像质量评价算法在面对真实失真图像时性能较差的问题,本文提出多层特征融合和语义信息增强相结合的无参考图像质量评价算法。提取图像的局部和全局失真特征,利用特征融合模块对特征进行多层融合;利用多层扩张卷积增强语义信息,进而指导失真图像到质量分数的映射过程;考虑预测分数和主观分数之间的相对排名关系,对L_(1)损失函数和三元组排名损失函数进行融合,构建新的损失函数L_(mix)。为了验证本文方法的有效性,在野生图像质量挑战数据集上进行了验证和对比实验,该算法的斯皮尔曼等级相关系数与皮尔逊线性相关系数指标相比原算法分别提升2.3%和2.3%;在康斯坦茨真实图像质量数据数据集和野生图像质量挑战数据集上进行了跨数据集实验,该算法在面对真实失真图像时表现出了良好的泛化性能。 展开更多

关键词 深度学习 图像质量 卷积神经网络 特征提取 通道注意力结构 多层次特征融合 扩张卷积 三元组损失函数

下载PDF 职称材料

采用多层次特征融合SPP-net的暂态稳定多任务预测 被引量：5

10

作者 陈庆超 韩松 毛钧毅 《控制与决策》 EI CSCD 北大核心 2022年第5期1279-1288,共10页

为提升基于卷积神经网络(CNN)的电力系统暂态稳定预测性能并呈现更全面的预测结果,提出一种基于多层次特征融合空间金字塔池化网络(MSPP-net)的暂态稳定多任务预测方法.首先,通过同步相量测量装置(PMUs)获取故障清除后各发电机功角、机... 为提升基于卷积神经网络(CNN)的电力系统暂态稳定预测性能并呈现更全面的预测结果,提出一种基于多层次特征融合空间金字塔池化网络(MSPP-net)的暂态稳定多任务预测方法.首先,通过同步相量测量装置(PMUs)获取故障清除后各发电机功角、机端母线电压幅值及相角数据,构造出一个三维输入矩阵;其次,在CNN的基础上采用空间金字塔池化层提取高层特征的多尺度信息,通过跳跃链接获取不同卷积层多层次特征信息,并进行特征融合;最后,通过硬参数共享机制建立MSPP-net多任务学习模型,以实现暂态稳定性判断、临界发电机识别和稳定裕度预测.在IEEE 10机39母线系统、IEEE 50机145母线系统和中国某省简化系统上进行仿真验证.与传统浅层及深度学习方法相比,结果验证了所提方法的有效性和更优的预测性能,以及该方法在噪声环境或PMUs非100%覆盖条件下的适用性. 展开更多

关键词 多层次特征融合 空间金字塔池化网络 暂态稳定预测 多任务预测 卷积神经网络

原文传递

基于集成改进卷积注意力块的SAR图像目标分类算法

11

作者 孙靖森 李宗豫 +3 位作者 杨森 钟芝怡 艾加秋 史骏 《海军航空大学学报》 2024年第4期445-452,共8页

在合成孔径雷达(Synthetic Aperture Radar,SAR)图像中,目标的轮廓和细节通常比较复杂。传统的卷积神经网络(Convolutional Neural Network,CNN)只使用单一均值参数进行无差别的特征提取,不能很好地区分SAR特征之间的差异。为了解决此问... 在合成孔径雷达(Synthetic Aperture Radar,SAR)图像中,目标的轮廓和细节通常比较复杂。传统的卷积神经网络(Convolutional Neural Network,CNN)只使用单一均值参数进行无差别的特征提取,不能很好地区分SAR特征之间的差异。为了解决此问题,文章提出了1种基于集成改进卷积注意力块(Improved Convolutional Block Attention Module,ICBAM)的SAR图像目标分类算法ICBAM_CNN。首先,该模块通过引入方差参数至传统CBAM模块中,设计了1种改进的CBAM注意力机制,有助于分类识别网络更好地学习SAR图像不同目标卷积层输出与通道注意力之间的差异信息,提升不同SAR目标特征的可分离性;然后,ICBAM设计了1种中心坐标注意力机制,能更好地捕捉SAR图像中目标的中心分布特征,有效抑制杂波对SAR目标分类影像的干扰;最后,为了提高效率,将改进后的ICBAM模块集成到CNN网络中,实现SAR图像目标分类。ICBAM_CNN深度融合了SAR图像目标的多层级特征,提升了SAR目标特征的可分离性,可实现SAR图像目标的高精度、高效率识别分类。通过MSTAR数据集进行实验,结果表明,相比于传统CBAM方法,改进ICBAM方法的精确率提升了2.44%,召回率提升了2.24%,F1-score提升了2.34%。 展开更多

关键词 SAR图像目标分类 改进卷积注意力块 集成ICBAM的CNN网络 中心坐标注意力机制 多层级特征融合

下载PDF 职称材料

注意力机制下的多层次特征融合图像去雾算法

12

作者 连文杰 叶少珍 《福州大学学报（自然科学版）》 CAS 北大核心 2024年第1期7-13,共7页

提出一种基于注意力机制的多层次特征融合的图像去雾算法.该算法通过残差密集网络和自校准卷积网络来提取不同尺度的特征,再利用双重注意单元和像素注意力将特征融合重建.同时采用一种由均方误差损失、边缘损失和鲁棒性损失函数相结合... 提出一种基于注意力机制的多层次特征融合的图像去雾算法.该算法通过残差密集网络和自校准卷积网络来提取不同尺度的特征,再利用双重注意单元和像素注意力将特征融合重建.同时采用一种由均方误差损失、边缘损失和鲁棒性损失函数相结合的损失函数,可以更好地保留细节特征.实验表明,该算法与其他去雾算法相比在峰值信噪比和结构相似度指标上得到一定的提高,去雾图像在主观视觉上取得了较好表现. 展开更多

关键词 图像去雾 注意力机制 多层次 特征融合

下载PDF 职称材料

融合多级特征与注意力机制的路面裂缝检测

13

作者 苏天成 郑津津 +3 位作者 张广强 丰穗 张健康 周洪军 《传感器与微系统》 CSCD 北大核心 2024年第6期157-160,共4页

针对深度学习模型应用在道路裂缝检测时,存在裂缝提取不完整及检测速度慢等问题,提出了一种基于ResNet34骨干网络并结合通道注意力和空间注意力机制对特征图进行多级特征融合学习的算法。提出的算法由特征提取网络、多级特征融合模块构... 针对深度学习模型应用在道路裂缝检测时,存在裂缝提取不完整及检测速度慢等问题,提出了一种基于ResNet34骨干网络并结合通道注意力和空间注意力机制对特征图进行多级特征融合学习的算法。提出的算法由特征提取网络、多级特征融合模块构成,能够生成清晰准确的裂缝分割图像。其中,特征提取网络提取三原色(RGB)图像的分层级特征,多级特征融合模块学习ResNet34分层级特征信息,且各层的输出采用分层监督方式引导网络快速训练。为证明网络的有效性,在公开裂缝数据集上进行了测试,测试结果显示提出的算法在F1、平均交并比(MIoU)和帧率(FPS)上均超过了其他经典网络。 展开更多

关键词 多级特征融合 注意力机制 裂缝检测 图像分割

下载PDF 职称材料

一种基于对偶学习的场景分割模型

14

作者 刘思纯 王小平 +1 位作者 裴喜龙 罗航宇 《计算机科学》 CSCD 北大核心 2024年第8期133-142,共10页

城市场景分割等复杂任务存在特征图空间信息利用率低下、分割边界不够精准以及网络参数量过大的问题。为解决这些问题,提出了一种基于对偶学习的场景分割模型DualSeg。首先,采用深度可分离卷积使模型参数量显著减少;其次,融合空洞金字... 城市场景分割等复杂任务存在特征图空间信息利用率低下、分割边界不够精准以及网络参数量过大的问题。为解决这些问题,提出了一种基于对偶学习的场景分割模型DualSeg。首先,采用深度可分离卷积使模型参数量显著减少;其次,融合空洞金字塔池化与双重注意力机制模块获取准确的上下文信息;最后,利用对偶学习构建闭环反馈网络,通过对偶关系约束映射空间,同时训练“图像场景分割”和“对偶图像重建”两个任务,辅助场景分割模型的训练,帮助模型更好地感知类别边界、提高识别能力。实验结果表明,在自然场景分割数据集PASCAL VOC中,基于Xception骨架网络的DualSeg模型的mIoU和全局准确率分别达到81.3%和95.1%,在CityScapes数据集上mIoU达到77.4%,并且模型参数量减少18.45%,验证了模型的有效性。后续将探索更有效的注意力机制,进一步提高分割精度。 展开更多

关键词 场景分割 图像重建 对偶学习 注意力机制 深度可分离卷积 多层次特征融合

下载PDF 职称材料

多级特征融合的掩码自编码声纹识别方法

15

作者 林泽文 郑景元 +2 位作者 何允栋 余文敬 徐翀 《福建电脑》 2024年第10期23-27,共5页

基于AudioMAE的自监督声纹识别具有良好的泛化性且不需要大量标注数据,但在重构原始梅尔频谱图时,AudioMAE仅使用编码器最后一层的输出,而忽略了编码器浅层包含的特征信息。为了解决这个问题,本文提出一种多级特征融合策略,首先将浅层... 基于AudioMAE的自监督声纹识别具有良好的泛化性且不需要大量标注数据,但在重构原始梅尔频谱图时,AudioMAE仅使用编码器最后一层的输出,而忽略了编码器浅层包含的特征信息。为了解决这个问题,本文提出一种多级特征融合策略,首先将浅层的特征经过投影层与最后一层特征进行对齐,然后使用动态权重策略融合不同层级的特征,最后将融合后的特征送到解码器进行重构。实验的结果显示,本文方法在top1分类准确率上达到了95.95%,在top5分类准确率上达到了98.44%,较原始的AudioMAE分别提升了0.68%和0.24%。 展开更多

关键词 声纹识别 自监督学习 掩码自编码器 多级特征融合

下载PDF 职称材料

基于改进蜣螂算法优化CNN-BiLSTM-Attention的串联电弧故障检测方法

16

作者 李海波 《电器与能效管理技术》 2024年第8期57-68,共12页

针对故障电弧特征提取不足、检测精度不高等问题,提出一种多特征融合的改进蜣螂算法(IDBO)优化融合注意力(Attention)机制的卷积神经网络(CNN)和双向长短期记忆(BiLSTM)神经网络的串联电弧故障检测方法。通过实验平台提取电流的时域、... 针对故障电弧特征提取不足、检测精度不高等问题,提出一种多特征融合的改进蜣螂算法(IDBO)优化融合注意力(Attention)机制的卷积神经网络(CNN)和双向长短期记忆(BiLSTM)神经网络的串联电弧故障检测方法。通过实验平台提取电流的时域、频域、时频域以及信号自回归参数模型特征;利用核主成分分析(KPCA)对特征进行降维融合,并将求取的特征向量作为CNN-BiLSTM-Attention的输入向量;引入Cubic混沌映射、螺旋搜索策略、动态权重系数、高斯柯西变异策略对蜣螂算法进行改进,利用改进蜣螂算法对CNN-BiLSTM-Attention超参数优化实现串联电弧故障诊断。结果表明,所提方法故障电弧检测准确率达到97.92%,可高效识别串联电弧故障。 展开更多

关键词 电弧故障 改进蜣螂算法 多特征融合 CNN-BiLSTM-Attention

下载PDF 职称材料

基于特征融合和损失优化的点云语义分割网络

17

作者 刘起源 路锦正 黄炳森 《计算机技术与发展》 2024年第5期66-72,共7页

针对目前大多数方法仅利用单尺度特征而忽视了具有不同感受野的多尺度特征信息、无法有效处理点云数据集中类别权重不平衡的问题,提出一种基于全阶段特征融合(FSFF)和平衡损失(BL)的分割网络(FFBL-Net)。首先,FSFF模块通过将不同编码阶... 针对目前大多数方法仅利用单尺度特征而忽视了具有不同感受野的多尺度特征信息、无法有效处理点云数据集中类别权重不平衡的问题,提出一种基于全阶段特征融合(FSFF)和平衡损失(BL)的分割网络(FFBL-Net)。首先,FSFF模块通过将不同编码阶段的可学习特征与当前阶段特征进行融合,促进了浅层和深层语义信息互补;融合后的特征被传递到编码融合模块(EFM)和解码融合模块(DFM),实现了特征的跨阶段融合。此外,为了解决数据集中类别分布不平衡的问题,引入BL损失调整类别间的梯度差异。实验结果表明,FFBL-Net在主流的大规模点云数据集S3DIS上,平均交并比达到了69.7%,总体准确率达到了89.9%。与PointNet++相比,FFBL-Net分别提升了12.4%和6.1%。 展开更多

关键词 点云 语义分割 多尺度特征融合 损失优化 神经网络优化

下载PDF 职称材料

基于多尺度特征融合的中分辨率遥感场景分类算法 被引量：5

18

作者 张军 张敏 +1 位作者 郝小可 解鹏 《河北大学学报（自然科学版）》 CAS 北大核心 2019年第6期666-672,共7页

在对中分辨率遥感图像进行场景分类时,传统的特征提取方法无法提取全面的特征,若使用卷积神经网络进行场景分类,同一大小的卷积核无法提取尺寸大小各异的地物特征,导致分类精度降低.为了提取不同尺寸的地物特征,提高分类精度,本文提出... 在对中分辨率遥感图像进行场景分类时,传统的特征提取方法无法提取全面的特征,若使用卷积神经网络进行场景分类,同一大小的卷积核无法提取尺寸大小各异的地物特征,导致分类精度降低.为了提取不同尺寸的地物特征,提高分类精度,本文提出一种基于多尺度特征融合的中分辨率遥感场景分类算法.对传统的卷积神经网络进行改进以适应中分辨率遥感数据集,并在其基础上添加多尺度池化,将连接多层次的特征图谱输入到全连接层进行分类.实验表明,多层特征融合方法提取的特征信息比单层多尺度池化方法提取的特征信息更全面,分类效果更优.与其他的传统分类方法相比,本文方法获得更好的分类结果. 展开更多

关键词 卷积神经网络 多层特征融合 多尺度池化 遥感图像场景分类

下载PDF 职称材料

基于改进单步多框目标检测的道路小目标检测算法 被引量：1

19

作者 吴晨曦 应保胜 +2 位作者 许小伟 刘光华 程书瑾 《科学技术与工程》 北大核心 2023年第5期2051-2058,共8页

针对单步多框目标检测(single shot multibox detector,SSD)算法运用于自动驾驶领域时,在检测道路上小目标容易发生漏检错检的情况,提出一种改进的SSD目标检测算法。该算法首先在SSD模型的主干网络中嵌入感受野增强模块,扩大特征层的感... 针对单步多框目标检测(single shot multibox detector,SSD)算法运用于自动驾驶领域时,在检测道路上小目标容易发生漏检错检的情况,提出一种改进的SSD目标检测算法。该算法首先在SSD模型的主干网络中嵌入感受野增强模块,扩大特征层的感受野,以获取更多小目标的特征信息;其次,在主干网络后加入4次U形特征提取结构,构建4个不同层级的特征金字塔;最后,合并成一个多层级特征金字塔用于检测。结果表明,该改进SSD模型在KITTI数据集上的检测精度较原始SSD模型提升了6%,检测速度达到27.9帧/s。在兼顾检测效率的同时,有效提高了对道路上小目标的检测精度,更适用于自动驾驶领域。 展开更多

关键词 感受野 目标检测 多层级特征融合 SSD

下载PDF 职称材料

基于注意力机制和多层次特征融合的目标检测算法 被引量：1

20

作者 周秋艳 肖满生 范双南 《湖南工业大学学报》 2023年第1期61-68,共8页

为了提高目标检测的准确率,提出一种基于注意力机制和多层次特征融合的图像目标检测算法。该算法在Cascade R-CNN模型的基础上,以RseNet50为主干网络,通过嵌入简单的注意力模块(SAM)来提高网络的判别能力;其次,利用深度可分离卷积改进... 为了提高目标检测的准确率,提出一种基于注意力机制和多层次特征融合的图像目标检测算法。该算法在Cascade R-CNN模型的基础上,以RseNet50为主干网络,通过嵌入简单的注意力模块(SAM)来提高网络的判别能力;其次,利用深度可分离卷积改进特征金字塔网络(FPN),设计了多层次特征融合模块(MFFM),对多尺度特征进行融合,以丰富特征图的信息量,并对不同层次的特征图赋予相应的权重以平衡不同尺度的特征信息;最后,结合目标检测方法中的区域建议网络(RPN)结构获取目标的候选区域进行分类和回归处理,确定检测目标的位置和类别。实验结果表明,相较于Cascade R-CNN目标检测算法,该算法的检测精度提升了约2.0%。 展开更多

关键词 目标检测 注意力模块 多层次特征融合 深度可分离卷积

下载PDF 职称材料