基于HPO优化ECA-CNN-BiLSTM的变压器运行状态分类与识别方法 被引量：1

1

作者 邹德旭 毛雅婷 +5 位作者 权浩 周涛 彭庆军 洪志湖 代维菊 王山 《南京信息工程大学学报》 北大核心 2025年第3期301-314,共14页

变压器运行状态分类与准确识别对于变压器稳定运行和电力系统安全供电至关重要,此类研究目前还存在对变压器负荷数据的关注使用较少、机理模型复杂度高以及油温等数据和过负荷状态并不明确对应等问题.因此,本文提出一种改进的混合模型,... 变压器运行状态分类与准确识别对于变压器稳定运行和电力系统安全供电至关重要,此类研究目前还存在对变压器负荷数据的关注使用较少、机理模型复杂度高以及油温等数据和过负荷状态并不明确对应等问题.因此,本文提出一种改进的混合模型,结合了猎人猎物优化(Hunter-Prey Optimization,HPO)算法和高效通道注意力(Efficient Channel Attention,ECA)模块,应用于卷积神经网络(Convolutional Neural Network,CNN)和双向长短时记忆(Bidirectional Long Short-Term Memory,BiLSTM)神经网络,用于变压器运行状态分类和过负荷故障识别.选取某主变包含9种变压器负荷相关特征的数据作为样本,通过K-Means++聚类和变压器正常周期性负荷分析选定负荷状态类别,基于HPO优化混合模型参数,提高模型的性能和泛化能力.通过对变压器负荷数据进行预处理和特征提取,使用优化后的模型进行负荷阶段的准确识别.实验结果表明,所提出方法的识别准确率可达99.24%,在变压器运行状态的分类和识别上取得了良好的效果. 展开更多

关键词 电力变压器 状态分类识别 高效通道注意力 卷积神经网络 双向长短时记忆

在线阅读 下载PDF 职称材料

基于ECA-BiLSTM-MLP的高速列车牵引电机温度预测模型

2

作者 初宪武 高嘉彩 +1 位作者 王运明 王新屏 《电力机车与城轨车辆》 2025年第4期44-50,共7页

高速列车牵引电机温度的精准预测对于其安全运行至关重要。针对现有模型时序特征提取不充分的问题,文章提出一种基于ECA-BiLSTM-MLP的高速列车牵引电机温度预测模型。该模型以双向长短期记忆网络(Bi-LSTM)为核心,采用编码器-解码器架构... 高速列车牵引电机温度的精准预测对于其安全运行至关重要。针对现有模型时序特征提取不充分的问题,文章提出一种基于ECA-BiLSTM-MLP的高速列车牵引电机温度预测模型。该模型以双向长短期记忆网络(Bi-LSTM)为核心,采用编码器-解码器架构。编码器通过多层感知器(MLP)提取数据中更为丰富的特征;同时引入高效通道注意力(ECA)机制与键-查询-值(KQV)机制,捕捉时间序列数据中的长期依赖关系,并关注特征通道间的局部联系;解码器采用Bi-LSTM进行后续时刻的温度预测。不同模型实验对比结果表明,该预测模型的平均绝对误差和均方误差指标显著降低,对实际数据集有较好的预测精度和泛化性。 展开更多

关键词 牵引电机 温度预测 高效通道注意力(eca) 双向长短期记忆网络(Bi-LSTM)

原文传递

基于ECA-FV-CNN的水稻单籽粒质量分级方法 被引量：7

3

作者 陈孟燕 王敏娟 +3 位作者 宋青峰 朱新广 李民赞 郑立华 《农业机械学报》 EI CAS CSCD 北大核心 2023年第S02期235-243,共9页

为解决传统水稻质量分级依靠人工分拣,工作量大、错误率高、分级标准不严格等问题,本文提出一种基于ECA改进的双流卷积神经网络模型对水稻单粒质量分级进行研究。首先,获取每组水稻单籽粒(本文以7颗水稻单籽粒为1组)正视和俯视图像,对于... 为解决传统水稻质量分级依靠人工分拣,工作量大、错误率高、分级标准不严格等问题,本文提出一种基于ECA改进的双流卷积神经网络模型对水稻单粒质量分级进行研究。首先,获取每组水稻单籽粒(本文以7颗水稻单籽粒为1组)正视和俯视图像,对于5种简单的监督模型(朴素贝叶斯、决策树、随机森林、最邻近结点算法、支持向量机)、基于遗传算法和投票机制优化的模型(GA-SVM)、集成模型(RF+GA-SVM),通过图像预处理轮廓检测分离出单籽粒图像,利用颜色矩、LBP(Local binary pattern)和Canny算子提取籽粒颜色、纹理和边缘特征,并采用PCA(Principal component analysis)降维后进行训练;而对于单流卷积神经网络模型、双流卷积神经网络模型(FV-CNN)以及本文提出并构建的基于ECA改进的双流卷积神经网络模型(EA-FV-CNN),则使用预处理后的图像进行训练。将上述多种模型进行对比分析,发现基于ECA改进的双流卷积神经网络模型性能最好,其在单粒质量三分级、四分级和五分级准确率分别达94.0%、92.3%和71.0%。实验结果表明,使用基于ECA改进的双流卷积神经网络模型能够提高水稻单粒质量的分级精度,弥补传统方法的不足,规范籽粒筛选分级标准。 展开更多

关键词 水稻 质量分级 机器学习 eca 双流卷积神经网络

在线阅读 下载PDF 职称材料

基于ECA改进1D-CNN的柱塞泵故障诊断 被引量：4

4

作者 杨光乔 李颖 +3 位作者 王国程 刘明魁 柳小勤 邓云楠 《石油机械》 北大核心 2023年第11期34-40,162,共8页

往复式柱塞泵是油田作业的关键设备,其健康状况直接影响作业区的生产运行效率。针对变工况柱塞泵的复杂振动特性,提出基于高效通道注意力(Efficient Channel Attention,ECA)的一维卷积神经网络(One-dimensional Convolutional Neural Ne... 往复式柱塞泵是油田作业的关键设备,其健康状况直接影响作业区的生产运行效率。针对变工况柱塞泵的复杂振动特性,提出基于高效通道注意力(Efficient Channel Attention,ECA)的一维卷积神经网络(One-dimensional Convolutional Neural Network,1D-CNN)油田柱塞泵故障诊断方法。在油田柱塞泵体关键部位安装加速度传感器,并使用测振系统采集泵前轴承等关键部位振动信号;利用一维卷积神经网络对油田柱塞泵振动监测信号进行学习,以识别柱塞泵故障特征,通过高效通道注意力(ECA)机制实现减少特征维度损失同时捕获特征通道信息交互,以提高柱塞泵故障诊断精度;借助SoftMax分类器实现振动加速度信号分析的多故障诊断。现场数据采集及试验分析证明,提出的故障诊断模型具有较强的数据特征提取能力,并在油田实际运行数据分析中取得了高性能的诊断效果。验证结果表明,该技术在柱塞泵监测应用中具有较强的鲁棒性和准确性,与其他单一深度学习相比有显著的故障特征提取和诊断优势,能够为柱塞泵及类似设备的故障诊断提供理论依据和技术指导。 展开更多

关键词 柱塞泵 故障诊断 卷积神经网络 高效通道注意力

在线阅读 下载PDF 职称材料

基于ECA和三分支卷积融合网络的脑电信号解码研究 被引量：1

5

作者 周凯 艾尔肯·亥木都拉 《现代电子技术》 北大核心 2024年第23期89-97,共9页

基于运动想象脑电信号的脑机接口系统可以实现大脑和外部设备的交互,能够帮助残疾人控制辅助设备,提高他们的生活质量。然而,有限的脑电信号解码性能限制了脑机接口产业的大规模发展。文中提出一种基于高效通道注意力(ECA)和三分支卷积... 基于运动想象脑电信号的脑机接口系统可以实现大脑和外部设备的交互,能够帮助残疾人控制辅助设备,提高他们的生活质量。然而,有限的脑电信号解码性能限制了脑机接口产业的大规模发展。文中提出一种基于高效通道注意力(ECA)和三分支卷积融合网络的ECA-TBCFNet模型用于基于脑电图的运动想象(MI-EEG)信号解码。ECA模块可自动捕捉脑电信号中的跨通道交互,三分支卷积融合网络能够多尺度地提取信号中的时空特征。ECA-TBCFNet模型在BCI竞赛IV-2a数据集上的四分类任务中取得了83.3%的准确率和0.78的kappa系数;此外,在Physionet MI-EEG数据集上两分类和四分类任务中,ECA-TBCFNet模型的准确率分别为87.87%和69.01%。结果表明,提出的ECA-TBCFNet模型可以有效提高运动想象脑电信号的识别准确率,并具有较高的鲁棒性。 展开更多

关键词 脑机接口 脑电图 运动想象 高效通道注意力 三分支卷积神经网络 特征融合

在线阅读 下载PDF 职称材料

基于改进ShuffleNet V2网络的路面类型识别

6

作者 张缓缓 冯屹轩 吴宏超 《江苏大学学报(自然科学版)》 北大核心 2026年第1期48-54,共7页

针对路面类型识别模型体积大、精确度低的问题,提出基于改进ShuffleNet V2网络的路面类型识别模型.在ShuffleNet V2网络结构中添加高效通道注意力(ECA)模块,通过注意力机制实现跨通道信息交互,并能根据输入的通道数量调整卷积核的大小;... 针对路面类型识别模型体积大、精确度低的问题,提出基于改进ShuffleNet V2网络的路面类型识别模型.在ShuffleNet V2网络结构中添加高效通道注意力(ECA)模块,通过注意力机制实现跨通道信息交互,并能根据输入的通道数量调整卷积核的大小;使用LeakyRelu函数替代ReLU函数,避免激活函数失效;引入由膨胀卷积组成的模块,在图像分辨率不变的同时,获取更广泛的图像信息,以提高模型的特征提取能力及泛化能力;根据路面类型的分类特点,调整各个模块的堆叠次数和网络的整体架构,降低模型的运算量和参数量.将改进后的算法在道路表面分类数据集(RSCD)上进行验证.结果表明:改进后的ShuffleNet V2模型参数量为4.67×10^(6)个,比原模型减少了1.4×10^(5)个;准确率为95.53%,比改进前提高了0.71百分点;推理时间减少了31%,新模型提高了对路面类型识别的准确率和响应速度. 展开更多

关键词 路面类型识别 卷积神经网络 ShuffleNet模型 eca注意力机制 膨胀卷积模块 轻量化模型

在线阅读 下载PDF 职称材料

基于ECA-TCN的电力系统短期负荷预测研究 被引量：18

7

作者 梁露 刘远龙 +1 位作者 刘韶华 张智晟 《电力系统及其自动化学报》 CSCD 北大核心 2022年第11期52-57,共6页

为充分挖掘蕴含在电力负荷数据中有效时序信息,科学、准确地进行短期电力负荷预测,提出了一种基于高效通道注意力ECA(efficient channel attention)模块优化的时间卷积神经网络TCN(temporal convolutional network)模型。将轻量级ECA模... 为充分挖掘蕴含在电力负荷数据中有效时序信息,科学、准确地进行短期电力负荷预测,提出了一种基于高效通道注意力ECA(efficient channel attention)模块优化的时间卷积神经网络TCN(temporal convolutional network)模型。将轻量级ECA模块与具有强大时序数据挖掘能力的TCN相结合,搭建ECA-TCN负荷预测框架。以可并行计算的TCN为基础学习负荷数据特征,改进基本TCN残差块的下采样位置,嵌入ECA模块,通过一维卷积生成通道权重进而实现不降维的局部跨通道交互,捕获重要信息。该模型能够在增加极少参数的同时提升模型性能,高效地完成负荷预测任务。经实际电网负荷数据仿真,结果表明所提出的ECA-TCN模型可以在保持较快训练速度的同时有效地提高预测精度。 展开更多

关键词 短期负荷预测 时间卷积神经网络 高效通道注意力

在线阅读 下载PDF 职称材料

基于BP神经网络的ECAS系统故障诊断策略研究 被引量：3

8

作者 黄启科 宁佐归 +3 位作者 张玉林 郭红铄 旷水章 方瑜 《内燃机与配件》 2020年第21期112-113,共2页

ECAS系统根据汽车行驶速度与路况进行实时高度调节,在恶劣工况下长期运行易发生故障。为了快速诊断相关故障成因,本文围绕BP神经网络开展了结构设计、诊断策略分析、中小样本的诊断训练。相关测试验证了BP神经网络在ECAS系统故障诊断策... ECAS系统根据汽车行驶速度与路况进行实时高度调节,在恶劣工况下长期运行易发生故障。为了快速诊断相关故障成因,本文围绕BP神经网络开展了结构设计、诊断策略分析、中小样本的诊断训练。相关测试验证了BP神经网络在ECAS系统故障诊断策略方面的准确有效。 展开更多

关键词 BP神经网络 ecaS系统 故障诊断策略

在线阅读 下载PDF 职称材料

基于迁移学习和改进EfficientNet-B0的脑肿瘤分类算法

9

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 职称材料

基于Transformer的报纸版面分割方法研究

10

作者 朱一凡 高华 业宁 《南京师大学报(自然科学版)》 北大核心 2025年第1期109-118,共10页

大数据背景下信息的检索与研究对海量传统纸媒的数字化提出了挑战,得益于不断发展的计算机视觉与人工智能方法,DETR模型可被应用于报纸版面分割.针对原模型在版面分割中存在的检测速度慢、参数量大及分类不精准等问题,本文提出了采用Shu... 大数据背景下信息的检索与研究对海量传统纸媒的数字化提出了挑战,得益于不断发展的计算机视觉与人工智能方法,DETR模型可被应用于报纸版面分割.针对原模型在版面分割中存在的检测速度慢、参数量大及分类不精准等问题,本文提出了采用ShuffleNet V2轻量级主干网络的改进模型,该方法可有效提升计算效率并减少模型参数量,从而缓解Transformer结构的计算压力.同时,通过特征金字塔结构,该模型能够充分融合全局信息及细节信息,显著增强多尺度目标的识别能力.此外,该模型还引入高效通道注意力(ECA)模块来提取关键目标特征,以此有效抑制无关背景信息,在保证分割性能的同时实现轻量化设计.实验结果表明,改进模型在报纸版面分割任务中的参数量为38.5 M,帧率(FPS)高达47.5 img/s,mAP_(0.5)达到了0.806.与原DETR模型相比,改进模型在参数量上减少了2.8 M,帧率提高了28.3 img/s,mAP_(0.5)提升了3.2%.本文提出的模型还可以为报纸版面的OCR识别提供前期技术支持. 展开更多

关键词 版面分割 DETR ShuffleNet V2 特征金字塔 eca通道注意力

在线阅读 下载PDF 职称材料

基于轻量型高分辨率网络的手部姿态估计研究

11

作者 刘春宏 王松 +2 位作者 王赋攀 钦耀 田东生 《计算机与数字工程》 2025年第4期1106-1112,1213,共8页

针对手部姿态估计误差较大、手的姿态特征提取不充分等问题,论文提出一种以HRNet(High-Resolution Net-work)为基础的手部姿态估计算法。该算法采用并行连接高低分辨率子网的设计,增强手部姿态特征表示;结合高效通道注意力模块(ECA-Net)... 针对手部姿态估计误差较大、手的姿态特征提取不充分等问题,论文提出一种以HRNet(High-Resolution Net-work)为基础的手部姿态估计算法。该算法采用并行连接高低分辨率子网的设计,增强手部姿态特征表示;结合高效通道注意力模块(ECA-Net)和Ghost模块,提出一种轻量型网络模块Geff,用于替换原HRNet网络中的基础模块,达到降低网络参数量、提高关键点估计的准确度的效果。在多个公开数据集上进行手部姿态估计实验测试,实验结果验证了该算法的有效性和可行性。 展开更多

关键词 手部姿态估计 HRNet网络 轻量型 eca-Net Ghost模块

在线阅读 下载PDF 职称材料

基于域泛化的轻量化图像分类算法 被引量：2

12

作者 张倡倡 吕卫东 +1 位作者 蔡子杰 刘炎奎 《计算机工程》 北大核心 2025年第1期182-189,共8页

现有睡岗数据集较少,且现阶段分类算法存在泛化性差、推理速度慢等问题,为此,构建一个包含4 708张图像的睡岗数据集,用于验证模型的识别精度和泛化能力,并提出一种基于域泛化的轻量化图像分类算法Stable_MobileNet。首先,对输入的图片... 现有睡岗数据集较少,且现阶段分类算法存在泛化性差、推理速度慢等问题,为此,构建一个包含4 708张图像的睡岗数据集,用于验证模型的识别精度和泛化能力,并提出一种基于域泛化的轻量化图像分类算法Stable_MobileNet。首先,对输入的图片填充短边,使其保持图像中的人物比例;其次,进行图像增强和随机擦除,用于扩充数据集;接着,引入高效的ECA注意力模块改进MobileNetv3_large网络;最后,使用稳定学习StableNet方法提高模型的泛化性,通过学习训练样本的权重来消除特征之间的依赖关系,这有助于模型摆脱环境的变化,更专注于人物特征。在睡岗数据集上的实验结果表明,Stable_MobileNet平均推理速度相较MobileNetv3_large更快,识别精度可达93.56%,比MobileNetv3_large提高了2.23%。在与训练样本具有不同分布的测试集中,Stable_MobileNet的识别精度相较MobileNetv3_large提高了2.23%。 展开更多

关键词 域泛化 轻量化网络 睡岗识别 eca模块 StableNet

在线阅读 下载PDF 职称材料

基于Ghost卷积与自适应注意力的点云分类 被引量：2

13

作者 舒密 王占刚 《现代电子技术》 北大核心 2025年第6期106-112,共7页

点云Transformer网络在提取三维点云的局部特征和携带的多级自注意力机制方面展现出了卓越的特征学习能力。然而,多级自注意力层对计算和内存资源的要求极高,且未充分考虑特征融合中层级间以及通道间的区分度与关联性。为解决上述问题,... 点云Transformer网络在提取三维点云的局部特征和携带的多级自注意力机制方面展现出了卓越的特征学习能力。然而,多级自注意力层对计算和内存资源的要求极高,且未充分考虑特征融合中层级间以及通道间的区分度与关联性。为解决上述问题,提出一种基于点云Transformer的轻量级特征增强融合分类网络EFF-LPCT。EFF-LPCT使用一维化Ghost卷积对原始网络进行重构,以降低计算复杂度和内存要求;引入自适应支路权重,以实现注意力层级间的多尺度特征融合;利用多个通道注意力模块增强特征的通道交互信息,以提高模型分类效果。在ModelNet40数据集进行的实验结果表明,EFF-LPCT在达到93.3%高精度的同时,相较于点云Transformer减少了1.11 GFLOPs的浮点计算量和0.86×10^(6)的参数量。 展开更多

关键词 点云分类 Transformer网络 Ghost卷积 特征增强融合模块 eca通道注意力 特征学习

在线阅读 下载PDF 职称材料

一种基于卷积神经网络的轻量级焊缝缺陷识别算法 被引量：3

14

作者 徐飞虎 李丹 赵文杰 《安徽工业大学学报(自然科学版)》 2025年第3期298-305,共8页

针对传统焊缝缺陷检测方法在处理大量工业数据时存在识别效率和准确率低的问题,提出一种基于卷积神经网络的轻量级焊缝缺陷识别算法。该算法在原MobileNetV3基础上引入fire模块以减小参数量,并结合通道注意力(ECA)模块增强特征通道学习... 针对传统焊缝缺陷检测方法在处理大量工业数据时存在识别效率和准确率低的问题,提出一种基于卷积神经网络的轻量级焊缝缺陷识别算法。该算法在原MobileNetV3基础上引入fire模块以减小参数量,并结合通道注意力(ECA)模块增强特征通道学习能力,从而优化计算资源分配并提升特征提取性能。为验证所提算法的有效性,将其与常见分类模型算法在焊缝缺陷测试数据集上进行对比实验。结果表明:相比于其他分类模型算法,所提算法在fire模块的轻量化设计和ECA模块的特征增强双重作用下,对工业场景中常见的凹陷、孔洞、毛刺等缺陷的平均识别准确率达98.50%,较原算法显著提升。同时,改进的MobileNetv3算法在保持较高识别准确率的情况下,模型参数量和浮点运算量显著降低,使其适合部署在计算资源有限的工业检测设备上。本文研究为智能制造领域的实时质量检测提供了切实可行的解决方案。 展开更多

关键词 焊缝缺陷 卷积神经网络 MobileNetV3 fire模块 eca模块 轻量级 智能识别

在线阅读 下载PDF 职称材料

基于改进DeepLabV3+模型的花炮厂建筑物识别提取

15

作者 李珏 《长江信息通信》 2025年第10期7-9,12,共4页

针对提取花炮厂厂区建筑物边界和轮廓范围的传统方法需要大量的人力物力和获取花炮厂厂区动态信息不及时不准确的问题,提出一种改进DeepLabV3+的语义分割模型。首先,将MobileNetV2轻量化网络替换掉原本的Xception主干网络,减少模型运行... 针对提取花炮厂厂区建筑物边界和轮廓范围的传统方法需要大量的人力物力和获取花炮厂厂区动态信息不及时不准确的问题,提出一种改进DeepLabV3+的语义分割模型。首先,将MobileNetV2轻量化网络替换掉原本的Xception主干网络,减少模型运行参数量,使得模型运行效率更高。其次,在空洞空间金字塔池化中引入ECA注意力机制,增强了提取花炮厂厂区特征并更有效地捕捉输入特征图中不同通道之间的关系,同时提升了模型分割性能。实验结果表明:本文所改进的DeepLabV3+模型与原始模型相比,MIoU提升了12.92%、MPA提升了6.84%、Accuracy提升了0.76%,并且参数量下降了近九成。与其它语义分割模型(包括Danet、U-Net、DeepLabV3、PSPNet)相比,改进的DeepLabV3+模型也实现了更高的分割精度。 展开更多

关键词 花炮厂厂区 DeepLabV3+模型 MobileNetV2轻量化网络 eca注意力机制

在线阅读 下载PDF 职称材料

面向番茄病害识别的改进型SqueezeNet轻量级模型 被引量：8

16

作者 胡玲艳 周婷 +2 位作者 许巍 汪祖民 裴悦琨 《郑州大学学报（理学版）》 北大核心 2022年第4期71-77,共7页

针对番茄病害识别中深度神经网络参数过多、识别精度较低的问题,从网络轻量化和提取特征精准化的角度出发,对SqueezeNet结构进行改进。为精简fire模块,对其中Expand层的卷积核大小、网络层数以及通道数进行调整。同时,将模型与ECA模块结... 针对番茄病害识别中深度神经网络参数过多、识别精度较低的问题,从网络轻量化和提取特征精准化的角度出发,对SqueezeNet结构进行改进。为精简fire模块,对其中Expand层的卷积核大小、网络层数以及通道数进行调整。同时,将模型与ECA模块结合,利用局部跨通道交互的方式获得各通道的注意力值,强化网络对关键特征的学习能力。实验结果表明,与LeNet、MobileNet和SqueezeNet模型相比,改进型SqueezeNet的模型大小和识别准确率均具有明显优势,为嵌入式设备在实际生产中的番茄病害识别提供一种技术方法。 展开更多

关键词 番茄病害 卷积神经网络 eca模块 轻量级 SqueezeNet结构

在线阅读 下载PDF 职称材料

面向知识图谱的作战体系运行机制研究 被引量：12

17

作者 杨婷婷 刘忠 +1 位作者 朱先强 黄金才 《指挥控制与仿真》 2018年第2期15-21,共7页

面向知识图谱的作战体系运行机制的研究对于构建知识图谱、支持作战体系运行和推理的具有基础支撑作用,是作战体系研究中的重要环节。从作战体系的概念模型出发,针对作战体系运行机制的语义、过程、使命和不确定性处理等方面内容,研究... 面向知识图谱的作战体系运行机制的研究对于构建知识图谱、支持作战体系运行和推理的具有基础支撑作用,是作战体系研究中的重要环节。从作战体系的概念模型出发,针对作战体系运行机制的语义、过程、使命和不确定性处理等方面内容,研究了作战体系运作机制的本体描述方法、规则驱动的机制描述方法和任务驱动的机制描述方法。 展开更多

关键词 作战体系 机制 本体 SWRL规则 eca规则 贝叶斯网络

在线阅读 下载PDF 职称材料

融合注意力的ConvNeXt视网膜病变自动分级 被引量：8

18

作者 黄文博 黄钰翔 +1 位作者 姚远 燕杨 《光学精密工程》 EI CAS CSCD 北大核心 2022年第17期2147-2154,共8页

由于视网膜病变的类间图像特征差别小及分类临界值相对模糊,自动分级算法存在识别与分级准确率低的问题,提出了融合高效通道注意力(Efficient Channel Attention,ECA)特征的ConvNeXt视网膜病变自动分级模型。针对数据集中数据不足的问题... 由于视网膜病变的类间图像特征差别小及分类临界值相对模糊,自动分级算法存在识别与分级准确率低的问题,提出了融合高效通道注意力(Efficient Channel Attention,ECA)特征的ConvNeXt视网膜病变自动分级模型。针对数据集中数据不足的问题,采用水平翻转左右变换的方法扩充数据,并引入相关数据集来均衡数据的分布。针对眼底图像中出现的图像模糊、光照不均等问题,采用Graham方法对图像进行预处理突出病变特征。提出了融合注意力的ConvNeXt网络来辅助医生诊断视网膜病变,引入ECA机制,并设计了E-Block模块,该模块具有高性能、低参数的特性,能够在训练过程中有效捕捉跨通道交互的信息,同时避免降维。采用迁移学习方法训练网络的所有层参数,加入dropout方法避免ConvNeXt网络的学习能力过强导致的过拟合问题。实验结果表明,所提出的模型敏感性为95.20%,特异度为98.80%,准确率为95.21%。与常用的网络相比,本文方法针对视网膜病变自动分级各项性能指标均有提高。 展开更多

关键词 视网膜病变识别与分级 迁移学习 ConvNeXt网络 高效通道注意力 E-Block

在线阅读 下载PDF 职称材料

基于改进U-Net的遥感影像建筑物识别

19

作者 郭辉 刘新哲 《安徽理工大学学报（自然科学版）》 CAS 2024年第5期18-27,共10页

目的近年来,深度学习用于提取影像中的建筑物信息已经成为遥感领域研究热点之一,为了准确高效地提取遥感影像中的建筑物信息。方法使用ResNet替换U-Net的骨干网络,并以此为基础进行改进,融合自校正卷积(SCCnov)和高效通道注意力(ECA),... 目的近年来,深度学习用于提取影像中的建筑物信息已经成为遥感领域研究热点之一,为了准确高效地提取遥感影像中的建筑物信息。方法使用ResNet替换U-Net的骨干网络,并以此为基础进行改进,融合自校正卷积(SCCnov)和高效通道注意力(ECA),构建了一种新的建筑物提取网络模型。使用马萨诸塞州建筑物数据集设计消融实验,对所构建的网络模型的提取精度和实际效果进行对比分析,并使用WHU数据集验证网络的普适性,同时使用安徽某矿区的无人机影像数据集设计了迁移性实验,验证所构建网络的迁移能力。结果所构建的网络在mIoU、mPrecision和mRecall 3个指标上分别达到了82.89%、92.26%和88.32%,较改进前分别提升了1.70%、1.08%和1.19%;另外,在迁移性实验中,网络在mIoU、mPrecision和mRecall 3个指标上分别达到88.66%、94.37%和93.19%。结论本文所提出的SCEC-Unet在建筑物提取中具有良好的效果,且在独立小建筑物,异形建筑以及边缘建筑物的提取中表现较好,同时该网络具有良好的迁移能力,可用于矿区建筑物提取任务的迁移学习。 展开更多

关键词 自校正卷积 高效通道注意力 卷积神经网络 深度学习 遥感信息提取

在线阅读 下载PDF 职称材料

注意力机制CNN结合肌电特征矩阵的手势识别研究 被引量：9

20

作者 赵世昊 周建华 伏云发 《电子测量与仪器学报》 CSCD 北大核心 2023年第6期59-67,共9页

当前基于卷积神经网络(CNN)的手势识别研究集中于增加网络深度,较少关注改善样本数据分布带来的性能提升。针对此类问题,提出一种量化表面肌电信号(sEMG)特征相关性的肌电特征矩阵(EFM)样本输入有效通道注意力(ECA)机制CNN,用于识别Nina... 当前基于卷积神经网络(CNN)的手势识别研究集中于增加网络深度,较少关注改善样本数据分布带来的性能提升。针对此类问题,提出一种量化表面肌电信号(sEMG)特征相关性的肌电特征矩阵(EFM)样本输入有效通道注意力(ECA)机制CNN,用于识别NinaproDB1中52类手势。首先使用时间窗截取低通滤波后的sEMG,计算多种信号时域特征;然后利用笛卡尔积组合并相乘不同特征,对特征相乘值进行归一化后得到EFM。同时,引入ECA机制使网络关注重要的深层特征,从而提升手势分类效果。分别输入sEMG、肌电时域特征和EFM到注意力机制CNN进行手势识别,EFM识别准确率最高,达到了86.39%,高于近年来手势识别研究方法精度。验证了提出方法的有效性,为多类别手势准确分类提供可行新方案。 展开更多

关键词 手势识别 肌电特征矩阵 有效通道注意力 卷积神经网络

原文传递