基于改进EfficientNetV2网络的垃圾图像分类算法

1

作者 张振利 陈源 +1 位作者 付豪 曾璐 《科学技术与工程》 北大核心 2025年第10期4229-4238,共10页

目前主流垃圾图像分类算法中存在数据集普适性差、垃圾识别种类少、分类算法局限于特定环境等问题。针对这些问题,结合垃圾图像分类的快速性与准确率的要求,提出了一种基于改进EfficientNetV2网络的垃圾图像分类算法。该算法以Efficient... 目前主流垃圾图像分类算法中存在数据集普适性差、垃圾识别种类少、分类算法局限于特定环境等问题。针对这些问题,结合垃圾图像分类的快速性与准确率的要求,提出了一种基于改进EfficientNetV2网络的垃圾图像分类算法。该算法以EfficientNetV2网络作为基准模型,通过添加SK(selective kernel)注意力机制提升分类的快速性,使用迁移学习策略提升分类的准确率。该算法利用深度学习模型框架对垃圾图像进行处理,无需对数据集图像特征进行人工提取,在实现对垃圾图像快速准确分类的同时增加了垃圾识别的种类。实验表明,新的算法在自建数据集上的准确率为99.71%,相较于GoogleNet等其他算法,提升了至少4.77%。在时间上相较于VggNet19算法等,提升了至少50%。通过改进EfficientNetV2网络,实现了更为准确快速的垃圾分类,为日益激增的垃圾问题提供了一种科学高效的解决方案。 展开更多

关键词 垃圾分类 深度学习 efficientnetv2 卷积神经网络 SK注意力机制

在线阅读 下载PDF 职称材料

基于改进EfficientNetV2网络的脑肿瘤分类方法 被引量：8

2

作者 崔博 贾兆年 +2 位作者 姬鹏 李秀华 侯阿临 《吉林大学学报（理学版）》 CAS 北大核心 2023年第5期1169-1177,共9页

针对脑肿瘤磁共振图像分类问题中过拟合及分类准确率较低的问题,提出一种基于改进EfficientNetV2网络的脑肿瘤分类方法.该方法在EfficientNetV2网络中引入坐标注意力机制,该注意力机制将同时从垂直和水平两个方向获取脑肿瘤的特征信息,... 针对脑肿瘤磁共振图像分类问题中过拟合及分类准确率较低的问题,提出一种基于改进EfficientNetV2网络的脑肿瘤分类方法.该方法在EfficientNetV2网络中引入坐标注意力机制,该注意力机制将同时从垂直和水平两个方向获取脑肿瘤的特征信息,精准识别脑肿瘤的病灶特征,从而帮助模型更全面、准确地定位和识别病灶区域信息,有效抑制背景信息对检测结果的影响,使模型分类精度更高,解决了因获取特征信息不足导致分类精度低的问题.为进一步提升分类准确率,引入Hard-Swish激活函数,该激活函数不仅可以提升脑肿瘤分类网络模型的运算速度,也可有效提高分类精度.同时,改进后的模型搭配了Dropout层和归一化层,可更好抑制过拟合的发生,加快模型收敛速度,提高模型的鲁棒性,且分类精度有明显提升.实验结果表明,改进后的模型在验证集中获得了98.4%的分类准确率,通过对比实验和消融实验验证了改进后的模型在脑肿瘤分类任务中的有效性. 展开更多

关键词 磁共振图像 脑肿瘤分类 efficientnetv2网络 注意力机制

在线阅读 下载PDF 职称材料

基于EfficientNetV2和迁移学习的葡萄病害识别研究 被引量：2

3

作者 滕明洪 谭立新 《软件》 2022年第11期43-49,共7页

针对当前基于深度学习的葡萄叶片病害识别模型网络参数过多、精确度低、推理时间较长和移动端模型部署困难等问题,探索一种新的病害识别方法。选取轻量卷积神经网络模型EfficientNetV2并结合迁移学习方法对葡萄叶片病害进行识别,采用迁... 针对当前基于深度学习的葡萄叶片病害识别模型网络参数过多、精确度低、推理时间较长和移动端模型部署困难等问题,探索一种新的病害识别方法。选取轻量卷积神经网络模型EfficientNetV2并结合迁移学习方法对葡萄叶片病害进行识别,采用迁移学习中特征提取、全部权重迁移、微调与全新训练4种方式进行训练后获得4种模型。通过多组对比试验,结果显示使用学习率为0.01的全部权重参数进行迁移学习训练出的模型精度最高,训练时间最短,模型体积较小。在数据集上平均测试识别准确率达到99.76%,且重用训练后的模型平均单张病害识别耗时仅为0.2s,能够有效提高葡萄叶片病害识别的精度与效率,为移动端部署葡萄叶片病害识别模型提供参考。 展开更多

关键词 efficientnetv2网络 迁移学习 葡萄叶片 病害识别

在线阅读 下载PDF 职称材料

基于改进EfficientNetV2的网络流量分类方法研究

4

作者 覃匡宇 唐海洋 谢霄阳 《大众科技》 2023年第12期1-5,共5页

针对传统的网络流量分类方法效率低下、对数据集的需求量依赖过大、极度耗费计算资源等问题,文章提出了一种基于改进EfficientNetV2的网络流量分类方法,运用迁移学习的方法,把在大型数据集ImageNet训练达标的预训练模型EfficientNetV2... 针对传统的网络流量分类方法效率低下、对数据集的需求量依赖过大、极度耗费计算资源等问题,文章提出了一种基于改进EfficientNetV2的网络流量分类方法,运用迁移学习的方法,把在大型数据集ImageNet训练达标的预训练模型EfficientNetV2迁移至网络流量数据集进行实验,并依据网络流量数据的特点,将原有网络的输入分辨率进行合理的缩放,在缩短数据训练时长的同时提升了整体精确度;进行多次超参数优化实验后,选用Adam(Adaptive Moment Estim afion)作为优化器并加入CosineAnnealing-Warm-up策略。实验结果表明:改进EfficientNetV2与ResNet50模型、原生EfficientNetV2相比,准确率分别上升了1.19%和1.21%,且模型整体训练时长分别缩减了11 min和5.5 min,在缩短数据训练时长的同时,实现了网络流量的精准分类。 展开更多

关键词 网络流量分类 改进efficientnetv2 迁移学习 超参数优化

在线阅读 下载PDF 职称材料

基于EfficientNetV2的车刀磨损检测方法 被引量：2

5

作者 陈娜 孔繁星 +2 位作者 王彦旭 何腾飞 李胜男 《吉林化工学院学报》 CAS 2024年第3期21-24,共4页

刀具磨损会对工业生产造成不良影响,在智能制造带动工业加工的发展态势下,自动化刀具磨损智能识别系统的研究逐渐出现,旨在提高加工效率,延长车刀使用寿命以降低成本。利用一种基于EfficientNetV2网络的数控机床车削刀具磨损分类方法,... 刀具磨损会对工业生产造成不良影响,在智能制造带动工业加工的发展态势下,自动化刀具磨损智能识别系统的研究逐渐出现,旨在提高加工效率,延长车刀使用寿命以降低成本。利用一种基于EfficientNetV2网络的数控机床车削刀具磨损分类方法,解决当前磨损信息识别不准确、模型参数多计算量大、准确率不高的问题。EfficientNetV2网络能自动选取特征,这种方法更加直观和准确,实现较高的分类准确率,从而判别车削刀具的磨损情况。 展开更多

关键词 卷积神经网络 efficientnetv2 车刀磨损 磨损分类

在线阅读 下载PDF 职称材料

基于改进EfficientNetV2的苹果叶片病害识别模型 被引量：5

6

作者 王浩宇 崔艳荣 +1 位作者 胡玉荣 胡施威 《山东农业科学》 北大核心 2024年第9期124-132,共9页

斑点落叶病、褐斑病、灰斑病、花叶病和锈病是常见的5种苹果树叶部病害,严重影响苹果产量。针对实际生产中叶片病害识别准确率不高以及现有模型参数量大难以迁移到移动设备的问题,本研究基于Ef-ficientNetV2-b0模型,经过改进后提出了轻... 斑点落叶病、褐斑病、灰斑病、花叶病和锈病是常见的5种苹果树叶部病害,严重影响苹果产量。针对实际生产中叶片病害识别准确率不高以及现有模型参数量大难以迁移到移动设备的问题,本研究基于Ef-ficientNetV2-b0模型,经过改进后提出了轻量级的EGV2-CA网络。该网络在保留EfficientNetV2-b0主干网络的基础上,一是引入GhostNetV2网络中的核心Ghost Module,并选用original分支替换第一层卷积结构,可以进一步优化网络的计算效率,减少冗余计算,从而在提高模型速度和可移植性的同时保持较高的识别准确率;二是将EfficientNetV2-b0模型中Fused-MBConv模块的SE注意力机制替换为更高效的坐标注意力(CA)机制,通过将空间信息编码为坐标信息以更好地捕捉和表达空间上的细粒度特征。实验结果显示,相较于原始网络,EGV2-CA网络的识别精确率提高2.94个百分点,召回率提高2.53个百分点,F1得分提高2.67个百分点,Top-1准确率提高2.47个百分点,而参数量仅为48.9 M,可迁移至移动设备上使用,为真实场景下苹果叶片病害的快速、准确识别提供了一种有效的解决方案。 展开更多

关键词 苹果叶片病害 轻量级网络 深度学习算法 efficientnetv2 Ghost模块 坐标注意力机制

在线阅读 下载PDF 职称材料

基于改进EfficientNetv2模型的多品种南药叶片分类方法 被引量：2

7

作者 孙道宗 刘锦源 +4 位作者 丁郑 刘欢 彭家骏 谢家兴 王卫星 《华中农业大学学报》 CAS CSCD 北大核心 2023年第1期258-267,共10页

为提高南药叶片的分类和分拣效率,本研究对EfficientNetv2网络模型进行改进,引入迁移学习机制训练模型,选取自适应矩估计优化算法,通过多次测试进行超参数优化,确定学习率;采用MultiMarginLoss损失函数改善复杂背景信息对识别效果的影... 为提高南药叶片的分类和分拣效率,本研究对EfficientNetv2网络模型进行改进,引入迁移学习机制训练模型,选取自适应矩估计优化算法,通过多次测试进行超参数优化,确定学习率;采用MultiMarginLoss损失函数改善复杂背景信息对识别效果的影响。应用改进后的EfficientNetv2模型与其他轻量级模型对实地采集的复杂背景下的8种南药叶片进行分类效果对比试验,试验结果显示,改进模型对复杂背景下的南药叶片图像样本识别准确率为99.12%,相较于初始模型EfficientNetv2-S,准确率提高1.17%,并且参数量和模型大小均下降约85%,平均训练时间下降47.62%。与DenseNet121、ShuffleNet和RegNet等模型相比,改进模型在模型存储空间大小、准确率和训练时间3个指标上有明显优势。研究结果表明,在多品种南药叶片分类任务中,改进模型取得优良表现,模型的轻量化程度和性能得到进一步的提升。 展开更多

关键词 图像识别 南药叶片 种类识别 卷积神经网络 改进efficientnetv2网络 超参数优化

在线阅读 下载PDF 职称材料

基于L-DeepLabV3+的风机组件图像分割方法

8

作者 王先知 邬满 +1 位作者 王高才 周雨晨 《计算机工程与设计》 北大核心 2025年第7期2089-2098,共10页

为提高风机组件图像的分割准确度和速度,提出一种L-DeepLabV3+的高效语义分割模型。采用改进后的EfficientNetV2-S1作为骨干网络,引入双融合注意力机制和深度可分离空洞卷积改进空洞空间卷积金字塔池化(atrous spatial pyramid pooling,... 为提高风机组件图像的分割准确度和速度,提出一种L-DeepLabV3+的高效语义分割模型。采用改进后的EfficientNetV2-S1作为骨干网络,引入双融合注意力机制和深度可分离空洞卷积改进空洞空间卷积金字塔池化(atrous spatial pyramid pooling,ASPP)模块,提高图像特征提取的准确性。损失函数采用Dice+Focal,使得模型在训练过程中会更加专注于复杂样本。实验结果表明,L-DeepLabV3+模型总体分类的准确率(Ac)提高了8.08%,mIoU值提高了7.59%。对比主流的语义分割模型,L-DeepLabV3+模型的分割精度得到进一步提升。 展开更多

关键词 图像分割 语义分割 DeepLabV3+ 注意力机制 efficientnetv2网络 平均交并比 风机叶片

在线阅读 下载PDF 职称材料

基于卷积神经网络的普氏野马个体识别

9

作者 刘泽宇 刘宏广 +3 位作者 李基才 张赫凡 沙丽塔娜提⋅木巴拉克 侯仲娥 《动物学杂志》 北大核心 2025年第5期641-650,共10页

普氏野马(Equus ferus przewalskii)被重引入卡拉麦里国家公园已逾20年。普氏野马个体的准确识别成为监测其群体变化及空间行为研究的关键技术。为此,本研究以卡拉麦里国家公园20匹普氏野马的31477张图像为研究对象,基于卷积神经网络构... 普氏野马(Equus ferus przewalskii)被重引入卡拉麦里国家公园已逾20年。普氏野马个体的准确识别成为监测其群体变化及空间行为研究的关键技术。为此,本研究以卡拉麦里国家公园20匹普氏野马的31477张图像为研究对象,基于卷积神经网络构建普氏野马的个体识别体系。该体系首先通过YOLOv8神经网络自动检测和分割普氏野马头部图像作为感兴趣区域(ROI),以构建ROI数据集,然后使用EfficientNetV2模型对该数据集进行特征提取和识别。为了验证个体识别模型的性能,将EfficientNetV2模型与相同数据集下训练的VGG19模型和YOLOv8模型进行比较,识别准确率分别为96.44%、89.51%和89.33%。结果表明,EfficientNetV2模型的识别准确率最高,具有较好的个体识别性能。使用卷积神经网络可以快速且准确地获取普氏野马的个体信息,为濒危物种保护及种群动态监测提供技术支持。 展开更多

关键词 普氏野马 个体识别 深度学习 卷积神经网络 efficientnetv2

原文传递

基于深度学习的岩石钻孔全景图像识别

10

作者 先永利 陈学健 +2 位作者 彭真明 汪杰 彭波 《数据采集与处理》 北大核心 2025年第3期675-685,共11页

岩土钻孔监测作为一种最常见的隧道超前探测技术,可真实、原位反映岩土的材质、特征及地下水情况等,对确保施工安全至关重要。根据岩土钻孔监测目标特点,本文研制了一套基于全景摄像的适用于岩土长孔道内壁近距离、动态高分辨成像的智... 岩土钻孔监测作为一种最常见的隧道超前探测技术,可真实、原位反映岩土的材质、特征及地下水情况等,对确保施工安全至关重要。根据岩土钻孔监测目标特点,本文研制了一套基于全景摄像的适用于岩土长孔道内壁近距离、动态高分辨成像的智能视觉系统。通过EfficientNetV2网络的改进和滑动窗口预测,实现了8类岩石钻孔图像的智能识别。实验结果表明,视觉系统能满足长孔道的近距离高分辨全景成像,且实现岩石材质的智能状态评估,在测试集上的识别成功率达到91.49%,基本具备了岩土钻孔状态的综合智能化评估能力。 展开更多

关键词 钻孔监测 全景成像 efficientnetv2网络 智能识别

在线阅读 下载PDF 职称材料

结合多尺度混合注意力机制的轻量级建筑物变化检测网络

11

作者 唐琪勇 卢志刚 《国土资源导刊》 2025年第1期129-138,共10页

针对当前建筑物变化检测模型难以满足实时性能需求的问题,提出了一种适用于快速准确检测建筑物变化情况的轻量级变化检测网络EBCDNet。编码结构部分特征提取网络采用孪生轻量高效的EfficientNetV2前4层切片网络,缩减了网络的计算复杂度... 针对当前建筑物变化检测模型难以满足实时性能需求的问题,提出了一种适用于快速准确检测建筑物变化情况的轻量级变化检测网络EBCDNet。编码结构部分特征提取网络采用孪生轻量高效的EfficientNetV2前4层切片网络,缩减了网络的计算复杂度和参数量。通过引入空间注意力模块与通道注意力模块按特定顺序串联的多尺度CBAM模块,将骨干网络提取到的前后时相不同尺度特征合并,形成富含时空语义信息的融合特征,实现变化建筑物的准确提取。解码结构部分通过引入带跳跃连接结构使检测出的建筑物变化轮廓边界更精确。模型用LEVIR-CD公开数据集进行实验,IoU和F1值分别为84.22%和91.44%,相较于6种对比模型具有更高的变化检测精度和更少的参数量和计算量。 展开更多

关键词 建筑物变化检测 efficientnetv2 卷积块注意力模块 轻量级网络 多尺度特征

在线阅读 下载PDF 职称材料

基于运动特征提取和2D卷积的鱼类摄食行为识别研究 被引量：4

12

作者 张铮 沈彦兵 张泽扬 《农业机械学报》 EI CAS CSCD 北大核心 2024年第6期246-253,共8页

为了促进渔业装备智能化,近年来基于视频流的鱼类摄食行为识别研究受到了广泛关注。针对基于视频流的传统识别方法模型过于复杂,难以在边缘计算设备部署的问题,提出了一种轻量级的2D卷积运动特征提取网络Motion-EfficientNetV2,该网络... 为了促进渔业装备智能化,近年来基于视频流的鱼类摄食行为识别研究受到了广泛关注。针对基于视频流的传统识别方法模型过于复杂,难以在边缘计算设备部署的问题,提出了一种轻量级的2D卷积运动特征提取网络Motion-EfficientNetV2,该网络以视频流为输入,能够有效识别鱼类摄食行为。提出的模型以EfficientNetV2为主干网络,基于TEA和ECANet构建了运动特征提取模块Motion,并将该模块嵌入到EfficientNetV2的每个Fused-MBConv模块中,使改进后的EfficientNetV2具有运动特征提取能力。同时使用ECANet对EfficientNetV2网络中的MBConv进行改进,增强其通道特征提取能力。在此基础上利用空洞卷积扩大感受野,提高大范围特征提取能力。试验结果表明,Motion-EfficientNetV2的参数量和浮点运算量分别为9.3×106和1.31×1010,优于EfficientNetV2。在TSN-ResNet50、TSN-EfficientNetV2、C3D以及R3D模型上进行对比试验,本文模型在降低参数量和浮点运算量的同时,使识别准确率提高到93.97%。该研究对于渔业装备智能化升级和科学养殖具有推动作用。 展开更多

关键词 鱼类摄食行为 运动特征 深度学习 卷积神经网络 轻量化 efficientnetv2

在线阅读 下载PDF 职称材料

改进U-Net的高分辨率遥感图像轻量化分割 被引量：4

13

作者 胡伟 文武 魏敏 《计算机系统应用》 2022年第12期135-146,共12页

针对传统图像分割方法分割效率低下,遥感图像特征复杂多样,复杂场景下分割性能受到限制等问题,在基于U-Net网络架构的基础上,提出一种能够较好提取遥感图像特征并兼顾效率的改进U-Net模型.首先,以EfficientNetV2作为U-Net的编码网络,增... 针对传统图像分割方法分割效率低下,遥感图像特征复杂多样,复杂场景下分割性能受到限制等问题,在基于U-Net网络架构的基础上,提出一种能够较好提取遥感图像特征并兼顾效率的改进U-Net模型.首先,以EfficientNetV2作为U-Net的编码网络,增强特征提取能力,提高训练和推理效率,然后在解码部分使用卷积结构重参数化方法并结合通道注意力机制,几乎不增加推理时间的前提下提升网络性能,最后结合多尺度卷积融合模块,提高网络对不同尺度目标的特征提取能力和更好地结合上下文信息.实验表明,改进的网络在遥感图像分割性能提升的同时分割效率也提高. 展开更多

关键词 遥感图像 图像分割 U-Net efficientnetv2 结构重参数化 多尺度卷积 注意力机制 卷积神经网络

在线阅读 下载PDF 职称材料