基于小波分解与CBAM-CNN多噪声增强混合气体识别

1

作者 刘舒铭 周子杰 《湘潭大学学报(自然科学版)》 2025年第6期33-43,共11页

随着工业化进程的加快和环境污染问题的加剧,快速、准确地识别空气中混合气体成分已成为环境监测与智能传感领域的关键挑战.传统方法在面对高强度噪声干扰、非线性响应及多源耦合等复杂环境时性能下降显著,难以满足工业泄漏预警和城市... 随着工业化进程的加快和环境污染问题的加剧,快速、准确地识别空气中混合气体成分已成为环境监测与智能传感领域的关键挑战.传统方法在面对高强度噪声干扰、非线性响应及多源耦合等复杂环境时性能下降显著,难以满足工业泄漏预警和城市空气质量监测等实际应用需求.因此,该文旨在提出一种鲁棒性强、适应性高的混合气体识别模型,提升在多噪声干扰条件下识别准确率与模型稳定性.该文基于UCI气体传感器数据集,构建了一个融合二维小波分解与卷积块注意力模块(CBAM)-卷积神经网络(CBAM-CNN)的混合气体识别模型.首先,利用二维小波分解对传感器输出的多通道信号进行多尺度特征提取,生成包含低频主趋势与各方向高频细节的四通道图像结构.然后,设计包含通道注意力与空间注意力模块的CBAM-CNN网络结构,引导模型聚焦于对分类任务最具判别力的局部区域.在数据预处理阶段,引入多尺度高斯噪声扰动生成策略,构造不同噪声水平下的训练样本(σ^(2)分别为0、0.01^(2)、0.03^(2)、0.06^(2)),以提升模型对复杂背景扰动的鲁棒学习能力.最后,通过10次交叉验证评估模型在甲烷、乙烯和一氧化碳3类混合气体下的识别性能,并与SVM、RFC、ResNet-18和Swin Transformer等方法进行对比.实验结果表明,在无噪声条件下,所提模型的识别准确率达到98.7%,在高噪声水平(σ^(2)=0.06^(2))下依然保持91.6%的识别准确率,表现出显著的抗干扰能力.与传统SVM和CNN模型相比,在中等噪声背景下(σ^(2)=0.03^(2)),该文方法准确率分别提高15.3%和8.9%.与ResNet-18和Swin Transformer相比,该文模型在高噪声场景中识别精度分别提升2.2%和4.2%.该文提出的Wavelet-CBAM-CNN模型通过多尺度特征融合与注意力机制的协同优化,显著增强了对气体混合信号中关键特征的提取与聚焦能力,同时结合多噪声扰动训练策略,实现了模型在复杂传感环境下的稳定识别性能.该方法不仅适用于气体识别任务,还具备良好的拓展性,有望推广应用于工业有毒气体泄漏检测、智能家居空气质量监控等多类环境感知场景. 展开更多

关键词 小波分解 注意力机制 cbam-cnn 图像识别 气体检测 多噪声增强

在线阅读 下载PDF 职称材料

融合Inception V1-CBAM-CNN的轴承剩余寿命预测模型 被引量：8

2

作者 余江鸿 彭雄露 +2 位作者 刘涛 杨文 叶帅 《机电工程》 北大核心 2024年第1期107-114,共8页

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... 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。 展开更多

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

在线阅读 下载PDF 职称材料

基于CBAM-CNN的直流线路雷击干扰与短路识别模型 被引量：5

3

作者 廖志伟 庄竞 +2 位作者 王博文 郑广昱 谢汛恺 《电气传动》 2023年第9期88-96,共9页

针对直流线路保护和故障测距易受非故障性雷击干扰、传统基于时域和频域特征构造的输电线路雷击干扰识别方法存在阈值难以整定和噪声鲁棒性较差的问题,提出使用深度学习方法实现雷击干扰与短路行波特征自动提取与分类,相模解耦和小波包... 针对直流线路保护和故障测距易受非故障性雷击干扰、传统基于时域和频域特征构造的输电线路雷击干扰识别方法存在阈值难以整定和噪声鲁棒性较差的问题,提出使用深度学习方法实现雷击干扰与短路行波特征自动提取与分类,相模解耦和小波包分解后得到的电流、电压行波分量作为不同通道输入至一维卷积模块注意力模块卷积神经网络(CBAM-CNN)分类模型。通过仿真和算例分析验证了所提模型相比传统方法具有更高的识别正确率,CBAM能有效提升CNN分类模型的噪声鲁棒性,同时验证了4层小波包分解与所提CBAM-CNN模型的结合具有最佳的性能。 展开更多

关键词 卷积神经网络 卷积模块注意力模块 小波包分解 直流输电线路 雷击干扰 时频分析

在线阅读 下载PDF 职称材料

基于CBAM-CNN和压电悬臂梁的温度解耦质量感知方法 被引量：8

4

作者 闫宇楠 刘智康 +1 位作者 徐佳文 严如强 《仪器仪表学报》 EI CAS CSCD 北大核心 2024年第4期113-126,共14页

悬臂梁结构广泛用于微小质量测量,而温度变化会引起测量结果漂移。传统测量方法需要在温度稳定的环境中进行,但实际应用中通常难以满足此要求,且温度漂移对测量的影响难以直接解耦。本文提出了一种基于数据驱动,CBAM-CNN和压电悬臂梁的... 悬臂梁结构广泛用于微小质量测量,而温度变化会引起测量结果漂移。传统测量方法需要在温度稳定的环境中进行,但实际应用中通常难以满足此要求,且温度漂移对测量的影响难以直接解耦。本文提出了一种基于数据驱动,CBAM-CNN和压电悬臂梁的自适应温度解耦质量感知方法。首先,搭建谐振式压电悬臂梁温控测量平台采集不同质量负载下的阻抗响应信号,设计自适应加权预处理方法以增强结构特征并突出有限样本中的关键信息;其次,设计基于混合领域注意力机制的CBAM-CNN网络来评估信号中多个谐振峰的相对关系,实现温度解耦和质量感知。实验结果表明,该方法在25℃至55℃的温度范围内的对0.1~1 g的质量感知准确率高达99.70%,无需进行温度补偿即可实现大跨度温度下的精确质量感知。 展开更多

关键词 压电悬臂梁 深度学习 CNN CBAM 质量感知 温度解耦

原文传递

基于稀疏时频和深度学习的滚动轴承故障诊断

5

作者 虞菲洁 刘炳成 +2 位作者 阚琛 郭明超 王维民 《化工机械》 2026年第1期156-166,共11页

为解决轴承故障信号受强噪声干扰难以进行人工识别诊断的问题,提出了基于稀疏时频和深度学习的轴承故障智能诊断方法。首先,基于稀疏表示和短时傅里叶变换构建稀疏约束范数下的时频模型;其次,利用布雷格曼迭代约束优化策略求解模型,得... 为解决轴承故障信号受强噪声干扰难以进行人工识别诊断的问题,提出了基于稀疏时频和深度学习的轴承故障智能诊断方法。首先,基于稀疏表示和短时傅里叶变换构建稀疏约束范数下的时频模型;其次,利用布雷格曼迭代约束优化策略求解模型,得到具有可解释性的高聚集性和高分辨率时频图;最后,采用嵌入卷积块注意力模块(Convolutional Block Attention Module,CBAM)的改进卷积神经网络(Convolutional Neural Network,CNN)模型进行特征提取,在故障辨识中采用全局平均池化操作提升模型鲁棒性和泛化能力。采用实验台多种类轴承故障数据验证所构建的深度学习模型,识别诊断精度达到了99.636%。应用离心机实际工程数据对所提轴承故障智能诊断方法进行验证,所提方法诊断精度达到了99.276%,结果表明所提方法提高了离心机轴承微弱故障信号特征提取能力和故障辨识能力,可为旋转机械智能化发展、预测性维护提供理论基础。 展开更多

关键词 离心机轴承故障 稀疏表示 时频分析 卷积神经网络 卷积块注意力模块

在线阅读 下载PDF 职称材料

CAM-ResNet:基于ResNet的土地利用类型遥感图像分类

6

作者 王梓鉴 方建军 +1 位作者 袁涌博 刘泽宇 《北京联合大学学报》 2026年第1期49-54,共6页

在土地利用类型图像分类领域,传统分类方法在特征提取准确性与分类精度方面存在局限性,难以满足实际应用需求。本文以ResNet50为核心架构,引入卷积块注意力模块(convolutional block attention module,CBAM),强化特征提取,并采用自动混... 在土地利用类型图像分类领域,传统分类方法在特征提取准确性与分类精度方面存在局限性,难以满足实际应用需求。本文以ResNet50为核心架构,引入卷积块注意力模块(convolutional block attention module,CBAM),强化特征提取,并采用自动混合精度(automatic mixed precision,AMP)技术提高计算效率,构建了CAM-ResNet网络。实验结果显示,CAM-ResNet网络的总体精度达98.19%,较原网络高出10.16个百分点。消融实验进一步证明,CBAM注意力机制显著增强了模型的特征提取能力,AMP训练技术提高了模型的收敛速度,CAM-ResNet网络在土地利用类型遥感图像分类中具有一定的有效性和优越性。 展开更多

关键词 土地利用 ResNet50 卷积块注意力模块(CBAM) 自动混合精度(AMP) 图像分类 卷积神经网络(CNN)

在线阅读 下载PDF 职称材料

伪三维卷积注意力网络的多步信道预测

7

作者 陶静 侯萌 +5 位作者 彭薇 张国彦 戴佳明 刘卫明 王海东 王臻 《电子与信息学报》 北大核心 2026年第1期394-403,共10页

现有大规模MIMO信道预测多以广义平稳假设为前提,且多采用单步预测。面对非平稳场景,单步结果极易失效,频繁迭代亦显著抬高导频开销。为此,该文构建一套融合伪三维卷积(P3D)与注意力模块的时频联合多步预测框架。该方案以伪三维卷积替... 现有大规模MIMO信道预测多以广义平稳假设为前提,且多采用单步预测。面对非平稳场景,单步结果极易失效,频繁迭代亦显著抬高导频开销。为此,该文构建一套融合伪三维卷积(P3D)与注意力模块的时频联合多步预测框架。该方案以伪三维卷积替代3D卷积实现信道状态信息(CSI)在时域与频域的高效特征提取,并叠加通道与空间的混合注意力(CBAM),增强网络对全局依赖的表征能力,从而提升预测精度。基于实测信道的实验验证显示,该方法在多步预测任务上具有明显优势。与此同时,结合迁移学习思路,完成了由单天线到多天线场景的平滑扩展。 展开更多

关键词 大规模MIMO 多步信道状态信息预测 伪三维卷积 混合注意力 时频联合特征

在线阅读 下载PDF 职称材料

基于改进Mask R-CNN的双目视觉卸货机器人引导方法

8

作者 徐志祥 赵炎 +1 位作者 邢立冬 高东 《计算机与数字工程》 2025年第11期3287-3292,共6页

针对卸货目标堆叠摆放、难以识别和定位的问题,根据现有的直角坐标系型卸货机器人提出目标引导方法,在深度学习目标检测模型Mask R-CNN基础上根据特征金字塔FPN提出融合CBAM注意力机制的改进,优化目标区域与通道权重,并基于融合特征完... 针对卸货目标堆叠摆放、难以识别和定位的问题,根据现有的直角坐标系型卸货机器人提出目标引导方法,在深度学习目标检测模型Mask R-CNN基础上根据特征金字塔FPN提出融合CBAM注意力机制的改进,优化目标区域与通道权重,并基于融合特征完成目标货物的识别;通过SGBM双目立体视觉算法计算输入图像的三维信息,提取目标三维坐标。实验结果表明:论文提出的方法对货物目标识别的平均准确率达到90.20%,深度方向定位精度最大误差不超过15 mm,方法可以满足卸货机器人对堆叠货物的引导需求。 展开更多

关键词 卸货机器人 深度学习 Mask R-CNN CBAM注意力机制 SGBM

在线阅读 下载PDF 职称材料

基于多分类自适应聚焦损失与B-CNN的棉田昆虫细粒度图像分类研究 被引量：2

9

作者 郝月华 吕卫东 +1 位作者 张幽迪 冯俊磊 《现代电子技术》 北大核心 2025年第5期43-48,共6页

针对复杂背景下棉田昆虫细粒度图像分类问题,提出一种基于多分类自适应聚焦损失函数与双线性卷积神经网络(B-CNN)的研究方法。为更有效地提取图像特征,选取B-CNN作为主干网络,预训练的Inception V3作为特征提取网络,并加入了注意力机制C... 针对复杂背景下棉田昆虫细粒度图像分类问题,提出一种基于多分类自适应聚焦损失函数与双线性卷积神经网络(B-CNN)的研究方法。为更有效地提取图像特征,选取B-CNN作为主干网络,预训练的Inception V3作为特征提取网络,并加入了注意力机制CBAM模块。针对图像数据集类别不平衡的问题,设计了一种多分类自适应聚焦损失函数,提高模型对少数类别的识别能力。此外,在模型训练过程中加入L2正则化解决模型过拟合问题,使用Reduce LROn Plateau学习率调度器帮助模型达到最优解。实验结果显示,文中模型在验证集上的准确率达到97.52%,在测试集上的准确率达到97.14%,同时损失值、F1分数等评价指标也均优于其他对比模型。该研究不仅为棉田昆虫的图像分类提供了一种有效的技术手段,也为其他领域的细粒度图像分类问题提供了有益的参考。 展开更多

关键词 棉田昆虫 B-CNN 多分类自适应聚焦损失 InceptionV3 CBAM 细粒度图像分类

在线阅读 下载PDF 职称材料

基于改进YOLOv8s模型的隧道火灾检测 被引量：2

10

作者 王春源 刘权捷 《中国安全科学学报》 北大核心 2025年第3期69-76,共8页

为准确高效地检测复杂环境隧道火灾,提出一种基于改进YOLOv8s的隧道火灾检测算法。首先,引入跨阶段部分变换器模块(CSP-PTB)重构主干网络结构,在降低计算复杂度的同时保持特征提取能力;其次,融入卷积注意力(CBAM)增强模型对关键区域的... 为准确高效地检测复杂环境隧道火灾,提出一种基于改进YOLOv8s的隧道火灾检测算法。首先,引入跨阶段部分变换器模块(CSP-PTB)重构主干网络结构,在降低计算复杂度的同时保持特征提取能力;其次,融入卷积注意力(CBAM)增强模型对关键区域的感知能力,提升特征表征的判别性;最后,采用归一化高斯瓦瑟斯坦距离(NWD)损失函数优化训练过程,有效解决小目标检测精度不足的问题。检测试验结果表明:改进后的YOLOv8s模型平均精度均值(mAP)为0.848,比原版YOLOv8s模型提升2%;召回率为0.812,较原模型大幅提升9.3%;同时模型计算量(GFLOPS)减少6.7%,实现性能提升与效率优化的双重目标。与主流目标检测模型比,改进模型的mAP较快速区域卷积神经网络(Faster R-CNN)、单发多框检测(SSD)和YOLOv5s分别提升7.3%、10.1%和4.2%。 展开更多

关键词 YOLOv8模型 隧道火灾检测 卷积神经网络(CNN) 卷积注意力(CBAM) 损失函数

原文传递

融合CBAM的Mask R-CNN模型在球团识别与粒径测量中的应用

11

作者 王猛 刘卫星 +3 位作者 李喆 李浩 齐西伟 杨爱民 《烧结球团》 北大核心 2025年第1期85-94,125,共11页

球团粒径的大小是影响高炉透气性、高炉冶炼效率与能源消耗的主要因素之一。本文针对工业条件下球团粒径难以精准测量的问题,采用融合注意力机制Mask R-CNN模型对球团进行分割与粒径测量。在对球团图像进行预处理后,构建了球团数据集,... 球团粒径的大小是影响高炉透气性、高炉冶炼效率与能源消耗的主要因素之一。本文针对工业条件下球团粒径难以精准测量的问题,采用融合注意力机制Mask R-CNN模型对球团进行分割与粒径测量。在对球团图像进行预处理后,构建了球团数据集,对比了多种主干网络的训练表现,并与多个分割模型进行了精度对比。此外,利用像素点统计分割掩膜面积实现了球团粒径的测量。结果表明,ResNet50作为主干网络在球团的特征提取中更具优越性。引入Convolutional Block Attention Module(CBAM)的Mask R-CNN模型对比初始模型A mean提高了2.18%。对比BlendMask、SOLOv2、YOLACT以及CondInst等分割模型,改进后的模型在分割精度上也有优势,并能更好地处理分割细节。此外,与Image J测量的球团粒径相比,本文所提出的球团粒径测量方法的最大误差保持在±1.8 mm之内,A_(IoU=0.5)可达到0.9483。 展开更多

关键词 球团粒径 Mask R-CNN 迁移学习 ResNet CBAM

原文传递

基于CNN-LSTM模型的景区异常行为识别方法

12

作者 罗昆 华才健 《成都工业学院学报》 2025年第3期50-57,共8页

针对景区异常行为识别中场景复杂、难度大、视频清晰度低的问题,提出一种融合残差网络的时空异常行为识别方法--ResNet18-LSTM-CBAM。基于卷积神经网络与长短时记忆网络(CNN-LSTM)模型,首先通过使用残差神经网络(ResNet)模型替代原有的... 针对景区异常行为识别中场景复杂、难度大、视频清晰度低的问题,提出一种融合残差网络的时空异常行为识别方法--ResNet18-LSTM-CBAM。基于卷积神经网络与长短时记忆网络(CNN-LSTM)模型,首先通过使用残差神经网络(ResNet)模型替代原有的CNN模块,增强模型在提取局部特征方面的能力;其次,引入卷积块注意力机制(CBAM),进一步优化重要时空特征的表示;最后,利用LSTM提取视频序列中的时序信息,使模型能够更好地理解动态行为模式。实验结果表明,ResNet18-LSTM-CBAM模型在自建模拟景区视频数据集上提取时序信息的准确率达到83.7%,与其他方法相比有不同程度的提升,有效提高异常行为识别的准确度,为提升景区安全和管理效率提供了可行的解决方案。 展开更多

关键词 异常行为识别 视频序列 CNN-LSTM ResNet CBAM

在线阅读 下载PDF 职称材料

基于改进Mask R-CNN的航空发动机保险丝实例分割方法

13

作者 张凤飞 孙军华 《计测技术》 2025年第1期96-104,共9页

针对成像背景复杂、光照不均、目标区域占比小等因素导致的航空发动机保险丝识别精度低的问题,提出一种改进的基于掩模区域的卷积神经网络(Mask Region-based Convolutional Neural Network,Mask RCNN)保险丝实例分割模型。首先分别对... 针对成像背景复杂、光照不均、目标区域占比小等因素导致的航空发动机保险丝识别精度低的问题,提出一种改进的基于掩模区域的卷积神经网络(Mask Region-based Convolutional Neural Network,Mask RCNN)保险丝实例分割模型。首先分别对保险丝图像的R、G、B三个通道进行不同程度的伽马校正,转化得到伪彩色图像,同时增强对比度;然后,针对保险丝的细长曲线几何特征,将动态蛇形卷积融入Mask R-CNN的骨干网络Resnet中,使得网络在特征提取时自适应地聚焦细长弯曲的局部结构;最后在特征融合阶段引入卷积注意力模块(Convolution Block Attention Module,CBAM),保留小目标浅层特征,从而提高网络对小目标的感知能力。实验结果表明,改进后的模型掩码A_(AP50)达到了82.54%,较基础模型提升了5.83%,为航空发动机保险丝数字化、智能化检测提供了有力支撑。 展开更多

关键词 航空发动机保险丝 基于掩模区域的卷积神经网络 实例分割 动态蛇形卷积 特征提取 卷积注意力模块 深度学习

在线阅读 下载PDF 职称材料

基于快照集成卷积神经网络的苹果叶部病害程度识别 被引量：27

14

作者 刘斌 徐皓玮 +3 位作者 李承泽 宋鸿利 何东健 张海曦 《农业机械学报》 EI CAS CSCD 北大核心 2022年第6期286-294,共9页

针对苹果叶部病害程度识别准确率低的问题,构建了一种基于快照集成方法的苹果叶部病害程度识别模型。首先,通过多种数字图像处理技术对原始苹果叶部病害图像进行数据增强;然后,选取InceptionResNet V2作为基模型,引入CBAM模块提升网络... 针对苹果叶部病害程度识别准确率低的问题,构建了一种基于快照集成方法的苹果叶部病害程度识别模型。首先,通过多种数字图像处理技术对原始苹果叶部病害图像进行数据增强;然后,选取InceptionResNet V2作为基模型,引入CBAM模块提升网络的特征提取能力,使用焦点损失函数缓解苹果叶部病害数据集类别不平衡问题;最后,通过快照集成方法进行模型集成,得到苹果叶部病害程度识别模型。利用苹果黑星病和锈病的早期和晩期病害数据集进行了模型验证,准确率高达90.82%,比单一InceptionResNet V2模型的准确率提高了2.50个百分点。实验结果表明,基于快照集成的识别模型准确率较高,为苹果叶部病害程度识别研究提供了参考。 展开更多

关键词 苹果叶部 病害识别 卷积神经网络 CBAM模块 焦点损失函数 快照集成

在线阅读 下载PDF 职称材料

基于CBAM-InceptionV2-双流CNN的风电机组轴承故障诊断 被引量：11

15

作者 李俊卿 马亚鹏 +4 位作者 胡晓东 马志鹏 王罗 何玉灵 张承志 《智慧电力》 北大核心 2023年第6期28-33,共6页

针对风电机组轴承故障诊断中经典一维卷积神经网络和二维卷积神经网络准确率低的问题,将一维原始振动信号和二维时频图相融合,构建基于CBAM-InceptionV2-双流CNN的滚动轴承故障诊断方法。首先,通过快速傅里叶变换和小波变换,将原始振动... 针对风电机组轴承故障诊断中经典一维卷积神经网络和二维卷积神经网络准确率低的问题,将一维原始振动信号和二维时频图相融合,构建基于CBAM-InceptionV2-双流CNN的滚动轴承故障诊断方法。首先,通过快速傅里叶变换和小波变换,将原始振动信号转化为一维数据和二维时频图;其次,构建基于CBAMInceptionV2-双流CNN模型;最后,将提取到的双层特征信息进行融合,并输入到Softmax完成故障分类。实验结果表明,所提模型能够显著地提升轴承故障诊断的准确性。 展开更多

关键词 CBAM注意力机制 InceptionV2 双流CNN 故障诊断 快速傅里叶变换 小波变换

在线阅读 下载PDF 职称材料

基于DenseNet和卷积注意力模块的高精度手势识别 被引量：7

16

作者 赵雅琴 宋雨晴 +3 位作者 吴晗 何胜阳 刘璞秋 吴龙文 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第3期967-976,共10页

非接触的手势识别是一种新型人机交互方式,在增强现实(AR)/虚拟现实(VR)、智能家居、智能医疗等方面有着广阔的应用前景,近年来成为一个研究热点。由于需要利用毫米波雷达进行更精确的微动手势识别,该文提出一种新型的基于MIMO毫米波雷... 非接触的手势识别是一种新型人机交互方式,在增强现实(AR)/虚拟现实(VR)、智能家居、智能医疗等方面有着广阔的应用前景,近年来成为一个研究热点。由于需要利用毫米波雷达进行更精确的微动手势识别,该文提出一种新型的基于MIMO毫米波雷达的微动手势识别方法。采用4片AWR1243雷达板级联而成的毫米波级联(MMWCAS)雷达采集手势回波,对手势回波进行时频分析,基于距离-多普勒(RD)图和3D点云检测出人手目标。通过数据预处理,提取手势目标的距离-时间谱图(RTM)、多普勒-时间谱图(DTM)、方位角-时间谱图(ATM)和俯仰角-时间谱图(ETM),更加全面地表征手势的运动特征,并形成混合特征谱图(FTM),对12种微动手势进行识别。设计了基于DenseNet和卷积注意力模块的手势识别网络,将混合特征谱图作为网络的输入,创新性地融合了卷积注意力模块(CBAM),实验表明,识别准确率达到99.03%,且该网络将注意力放在手势动作的前半段,实现了高精度的手势识别。 展开更多

关键词 手势识别 毫米波雷达 卷积神经网络 卷积注意力模块

在线阅读 下载PDF 职称材料

基于CBAM-CGRU-SVM的Android恶意软件检测方法 被引量：7

17

作者 孙敏 成倩 丁希宁 《计算机应用》 CSCD 北大核心 2024年第5期1539-1545,共7页

随着Android恶意软件的种类和数量不断增多,检测恶意软件以保护系统安全和用户隐私变得越来越重要。针对传统的恶意软件检测模型分类准确率较低的问题,提出一种基于卷积神经网络(CNN)、门控循环单元(GRU)和支持向量机(SVM)的模型CBAM-CG... 随着Android恶意软件的种类和数量不断增多,检测恶意软件以保护系统安全和用户隐私变得越来越重要。针对传统的恶意软件检测模型分类准确率较低的问题,提出一种基于卷积神经网络(CNN)、门控循环单元(GRU)和支持向量机(SVM)的模型CBAM-CGRU-SVM。首先,在CNN中添加卷积块注意力模块(CBAM)以学习更多恶意软件的关键特征;其次,利用GRU进一步提取特征;最后,为了解决图像分类时模型泛化能力不足的问题,使用SVM代替softmax激活函数作为模型的分类函数。实验使用了Malimg公开数据集,该数据集将恶意软件数据图像化作为模型输入。实验结果表明,CBAM-CGRU-SVM模型分类准确率达到94.73%,能够更有效地对恶意软件家族进行分类。 展开更多

关键词 恶意软件 卷积神经网络 卷积块注意力模块 门控循环单元 支持向量机

在线阅读 下载PDF 职称材料

基于改进掩膜区域卷积神经网络的输电线路绝缘子自爆检测 被引量：39

18

作者 苟军年 杜愫愫 刘力 《电工技术学报》 EI CSCD 北大核心 2023年第1期47-59,共13页

由于背景复杂、目标所占像素比例较小,掩膜区域卷积神经网络(Mask R-CNN)模型对输电线路绝缘子缺陷检测能力不足,该文提出一种改进的MaskR-CNN模型。具体地,首先,在特征提取网络中引入卷积注意力模块(CBAM),分别从通道和空间提升小目标... 由于背景复杂、目标所占像素比例较小,掩膜区域卷积神经网络(Mask R-CNN)模型对输电线路绝缘子缺陷检测能力不足,该文提出一种改进的MaskR-CNN模型。具体地,首先,在特征提取网络中引入卷积注意力模块(CBAM),分别从通道和空间提升小目标特征保持性;其次,使用全局交并比(GIoU)计算目标间的相似度,提升定位准确性;最后,使用Tversky损失计算掩膜分支的损失,以提升不平衡样本下的检测效果。使用某输电运检中心无人机巡检作业所得具有自爆缺陷的绝缘子照片作为数据集对该模型进行验证,实验结果表明,与原始Mask R-CNN模型相比,该方法的平均精确率AP50:90、AP50和AP75分别提升至0.56、0.79和0.72;与三种经典目标检测算法相比,该算法具有较高的检测精度,模型的分割性能有一定提升,且比原始模型具有更好的鲁棒性,可以满足电力巡检中准确性和快速性的要求。 展开更多

关键词 绝缘子缺陷检测 掩膜区域卷积神经网络 卷积注意力模块 特征融合 全局交并比 Tversky损失

在线阅读 下载PDF 职称材料

基于混合注意力机制的动态人脸表情识别 被引量：5

19

作者 刘希未 宫晓燕 +4 位作者 赵红霞 边思宇 邵帅 戴亚平 代文鑫 《计算机应用》 CSCD 北大核心 2023年第S01期1-7,共7页

针对自然环境中存在人脸遮挡、姿势变化等复杂因素,以及卷积神经网络(CNN)中的卷积滤波器由于空间局部性无法学习大多数神经层中不同面部区域之间的长程归纳偏差的问题,提出一种用于动态人脸表情识别(DFER)的混合注意力机制模型(HA-Mode... 针对自然环境中存在人脸遮挡、姿势变化等复杂因素,以及卷积神经网络(CNN)中的卷积滤波器由于空间局部性无法学习大多数神经层中不同面部区域之间的长程归纳偏差的问题,提出一种用于动态人脸表情识别(DFER)的混合注意力机制模型(HA-Model),以提升DFER的鲁棒性和准确性。HA-Model由空间特征提取和时序特征处理两部分组成:空间特征提取部分通过两种注意力机制——Transformer和包含卷积块注意力模块(CBAM)的网格注意力模块,引导网络从空间角度学习含有遮挡、姿势变化的鲁棒面部特征并关注人脸局部显著特征;时序特征处理部分通过Transformer引导网络学习高层语义特征的时序联系,用于学习人脸表情特征的全局表示。实验结果表明,HA-Model在DFEW和AFEW基准上的准确率分别达到了67.27%和50.41%,验证了HA-Model可以有效提取人脸特征并提升动态人脸表情识别的精度。 展开更多

关键词 动态人脸表情识别 深度学习 卷积神经网络 注意力机制 TRANSFORMER 卷积块注意力模块

在线阅读 下载PDF 职称材料

融合注意力机制和卷积神经网络的电网暂态电压稳定评估及可解释性分析 被引量：13

20

作者 张哲 秦博宇 +2 位作者 高鑫 丁涛 张逸兴 《电网技术》 EI CSCD 北大核心 2024年第11期4648-4657,I0057,I0056,共12页

提升复杂多变运行场景下电网稳定评估的时效性和准确性,提出一种融合注意力机制和卷积神经网络(convolutional neural network,CNN)的暂态电压稳定评估及可解释性分析方法。首先,采用卷积块注意力模块(convolutional block attention mo... 提升复杂多变运行场景下电网稳定评估的时效性和准确性,提出一种融合注意力机制和卷积神经网络(convolutional neural network,CNN)的暂态电压稳定评估及可解释性分析方法。首先,采用卷积块注意力模块(convolutional block attention module,CB AM)提升传统CNN的特征捕获能力,考虑模型特性和网络结构设计CBAMCNN组合模块。其次,建立基于CBAM-CNN的电网暂态电压稳定评估模型,揭示运行工况多变场景下系统关键电气量和稳定状态之间的映射关系。最后,基于沙普利值加性解释(Shapley additive explanations,SHAP)理论提出数据驱动模型评估结果的可解释性分析框架,提炼影响样本稳定状态的主导特征,评估各输入特征量对模型输出结果的贡献程度。在典型受端电网仿真系统中验证了所提稳定评估方法的准确性和可解释性分析方法的有效性。 展开更多

关键词 卷积块注意力模块-卷积神经网络 暂态电压稳定评估 沙普利值加性解释理论 可解释性分析

原文传递