期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于Attention U^(2)-Net的巷道围岩钻孔采动裂隙抗干扰识别研究
1
作者 单鹏飞 康佳星 +4 位作者 来兴平 代晶晶 许慧聪 李杰宇 惠聪 《煤炭学报》 北大核心 2026年第2期1052-1067,共16页
采动裂隙演化特征是量化巷道围岩动力显现特征的关键依据之一。为了降低光照不均、噪声等对围岩钻孔成像的干扰以及孔内采动裂隙边缘模糊、形态多变等对采动裂隙识别的不利影响,提出基于Attention U^(2)-Net的巷道围岩钻孔采动裂隙抗干... 采动裂隙演化特征是量化巷道围岩动力显现特征的关键依据之一。为了降低光照不均、噪声等对围岩钻孔成像的干扰以及孔内采动裂隙边缘模糊、形态多变等对采动裂隙识别的不利影响,提出基于Attention U^(2)-Net的巷道围岩钻孔采动裂隙抗干扰识别方法。利用自主研发的巷道围岩态势全息感知装备来全天候实时采集高分辨率围岩钻孔采动裂隙影像,结合注入噪声、直方图均衡化调节、HSV中V通道色彩扰动与裂隙灰度三维投影等多种增强手段来提高非理想成像条件下图像数据环境泛化能力;通过在基准模型U^(2)-Net中融合单通道注意力(SE、ECA)、空间注意力(CBAM)与全局多通道注意力(DANet)及组合注意力(CBAM+ECA)等机制,增强对低可见度裂隙等非理想采集环境下裂隙的感知与提取能力;在训练阶段采用深度监督复合损失函数(Dice+BCE)嵌入基准模型U^(2)-Net的6个网络输出端,促进基准模型U^(2)-Net以及Attention U^(2)-Net模型的稳定训练与快速收敛,从而缓解小目标裂隙梯度消失与不连续问题。巷道围岩钻孔采动裂隙抗干扰识别实验结果表明:Attention U^(2)-Net模型的IoU提升至83.1%、F_(1)达到92.6%、E_(MA)降至0.052,相较基准模型U-Net和U^(2)-Net,训练阶段的收敛步长提前21轮次与10轮次,F_(1)提高8.4%、4.0%。Attention U^(2)-Net模型训练收敛更快,裂隙边缘检测、细长裂隙提取与复杂纹理分割能力更强,为准确分析围岩钻孔采动裂隙演化特征以及巷道围岩动力显现特征提供了可靠技术支撑。 展开更多
关键词 采动裂隙 损失函数 注意力机制 Attention U^(2)-Net cbam+eca
在线阅读 下载PDF
IC+IEffxNet:一种基于CBAM和改进通道注意力的EfficientNet的混合脑肿瘤分类方法 被引量：3
2
作者 华昕宇 祁云嵩 《计算机与现代化》 2023年第5期1-7,共7页
为进一步提高脑肿瘤影像诊断的准确性和稳健性,提出一种基于CBAM(Convolutional Block Attention Module)和改进通道注意力机制的EfficientNet神经网络(IC+IEffxNet)的新型混合脑肿瘤分类方法。该方法分为2个阶段,第一阶段由基于改进空... 为进一步提高脑肿瘤影像诊断的准确性和稳健性,提出一种基于CBAM(Convolutional Block Attention Module)和改进通道注意力机制的EfficientNet神经网络(IC+IEffxNet)的新型混合脑肿瘤分类方法。该方法分为2个阶段,第一阶段由基于改进空间注意力机制的CBAM模型提取特征。第二阶段将EfficientNet架构中的Squeeze and Excitation(SE)块替换成Efficient Channel Attention(ECA)块,将第一阶段的组合特征输出作为第二阶段的输入。实验展示了在混合脑肿瘤MRI数据集下,神经胶质瘤患者、脑膜瘤患者、脑垂体瘤患者与正常患者图像的4分类结果,实验结果显示分类平均准确率比现有方法提高约0.5~2个百分点。实验结果证明了该方法的有效性,为医疗专家能够准确判断脑肿瘤种类提供了新的参考。 展开更多
关键词 脑肿瘤 eca EfficientNet cbam 分类
在线阅读 下载PDF
基于迁移学习和改进EfficientNet-B0的脑肿瘤分类算法
3
作者 王勇 杨义龙 +2 位作者 范晓晖 周雷 孔祥勇 《电子科技》 2025年第4期46-51,共6页
针对现有脑肿瘤分类模型和方法复杂度高以及识别率低等问题,文中提出一种基于改进EfficientNet-B0的模型用于3种脑肿瘤分类。在数据预处理阶段,使用ROI(Region of Interest)特征裁剪出脑肿瘤图像的关键特征区域,并按肿瘤类型扩增数据集... 针对现有脑肿瘤分类模型和方法复杂度高以及识别率低等问题,文中提出一种基于改进EfficientNet-B0的模型用于3种脑肿瘤分类。在数据预处理阶段,使用ROI(Region of Interest)特征裁剪出脑肿瘤图像的关键特征区域,并按肿瘤类型扩增数据集。根据卷积网络设计思想重新设计了EfficientNet中的MBConv(Mobile Inverted Bottleneck Convolution)模块,在首步卷积后引入卷积注意力CBAM(Convolutional Block Attention Module)。为了更完整地进行迁移学习,在不修改原始输出结构的基础上外接3个神经元用于脑肿瘤的三分类。改进网络模型具有更低的复杂度,可更好地适应肿瘤病灶的识别。文中利用迁移学习方法在公开数据集figshare-Brain Tumor Dataset上进行微调。实验结果表明,改进模型在该公共数据集上分类准确率为99.67%,相较于原始EfficientNet-B0网络提升了约3.1百分点。 展开更多
关键词 脑肿瘤分类 深度学习 卷积神经网络 阈值化处理 类平衡 EfficientNet eca注意力机制 cbam注意力机制
在线阅读 下载PDF
基于EC-CSP和双路特征融合的红外无人机目标检测 被引量：1
4
作者 李祥 李昊瞳 周敏敏 《电脑与信息技术》 2024年第5期39-43,共5页
针对红外无人机目标检测的实时性与准确性需求不断提升的问题,提出基于EC-CSP和双路特征融合的红外无人机目标检测算法。首先,提出结合ECA-CBAM注意力机制的CSP模块(Efficient Channel Attention-Convolutional Block Attention Module-... 针对红外无人机目标检测的实时性与准确性需求不断提升的问题,提出基于EC-CSP和双路特征融合的红外无人机目标检测算法。首先,提出结合ECA-CBAM注意力机制的CSP模块(Efficient Channel Attention-Convolutional Block Attention Module-CSP,EC-CSP),使网络能关注更重要的区域。其次,提出包含5×5、9×9像素大小最大池化的STM(Small Target Maxpool)模块,抑制背景特征对小尺度目标特征的干扰;最后,提出融合1×1与3×3基本卷积操作的全局特征提取(Global Feature Extracion,GFE)模块,并与STM模块组成双路特征融合(Dual Path Feature Fuasion,DPFF)模块,提高全局特征和局部特征的融合能力。实验结果表明,新算法取得了良好的实验效果。 展开更多
关键词 YOLOv5s 红外无人机 eca-cbam EC-CSP 双路特征融合
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部