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321篇文章
< 1 2 … 17 >
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：
复杂背景下基于MobileNets的花卉识别与模型剪枝 被引量：20
1
作者 孔英会 朱成诚 车辚辚 《科学技术与工程》 北大核心 2018年第19期84-88,共5页
为了准确识别复杂背景下的花卉目标,并兼顾模型的大小,提出了复杂背景下基于MobileNets的花卉识别与模型剪枝的方法。通过布尔显著性检测出前景花卉目标,进而结合GrabCut算法对花卉目标前背景分离,最终由MobileNets卷积神经网络进行识... 为了准确识别复杂背景下的花卉目标,并兼顾模型的大小,提出了复杂背景下基于MobileNets的花卉识别与模型剪枝的方法。通过布尔显著性检测出前景花卉目标,进而结合GrabCut算法对花卉目标前背景分离,最终由MobileNets卷积神经网络进行识别和表达,识别率在应用布尔显著性结合GrabCut算法前后分别为0.851和0.903。为使模型占用更小的存储空间,采用L2范数方法对模型进一步剪枝,存储空间在剪枝前后分别为46.2 MB和24.3 MB,能够满足移动端的应用需求。 展开更多
关键词 显著性 GRABCUT mobilenets 剪枝 L2范数 移动端
在线阅读 下载PDF
基于MobileNets的果园害虫分类识别模型研究 被引量：9
2
作者 樊景超 《天津农业科学》 CAS 2018年第9期11-13,26,共4页
为在小数据集上构建果园害虫分类识别模型,并在普通安卓手机运行,本研究收集了6种常见果园害虫共计3 058张图像,首先对害虫图像进行反卷积遴选,再通过Mobile Nets构建深度学习模型进行分类识别。结果表明,所构建模型在安卓手机上运行流... 为在小数据集上构建果园害虫分类识别模型,并在普通安卓手机运行,本研究收集了6种常见果园害虫共计3 058张图像,首先对害虫图像进行反卷积遴选,再通过Mobile Nets构建深度学习模型进行分类识别。结果表明,所构建模型在安卓手机上运行流畅,可对所采集的6种果园害虫进行识别,其准确率均在90%以上,效果良好。 展开更多
关键词 果园害虫 mobilenets 分类识别
在线阅读 下载PDF
基于MobileNet轻量化模型的滑坡智能识别
3
作者 马建良 张紫杉 +2 位作者 李建光 刘欣 介玉新 《岩土工程技术》 2026年第1期18-25,共8页
传统的滑坡编录统计通常采用人工现场踏勘形式,效率低下且可能遗漏部分区域。目前,主流的基于图像识别的滑坡编录技术通常需要高性能设备,并需要较高的模型训练成本,因而不适合在滑坡现场快速筛查中应用。本研究引入MoblieNet轻量化模型... 传统的滑坡编录统计通常采用人工现场踏勘形式,效率低下且可能遗漏部分区域。目前,主流的基于图像识别的滑坡编录技术通常需要高性能设备,并需要较高的模型训练成本,因而不适合在滑坡现场快速筛查中应用。本研究引入MoblieNet轻量化模型,使用DeepLabV3架构对航空摄影图像中的滑坡进行快速智能识别和边界定位。与传统的卷积神经网络(CNN)图像分割方法相比,该方法可以在传统方案10%的训练时间内,实现超过90%的准确度,可以更好地契合工程上对于显性滑坡快速智能识别需求,适用于大面积区域滑坡点的快速筛查与编录。 展开更多
关键词 滑坡 智能识别 深度学习 MobileNet网络
在线阅读 下载PDF
基于改进YOLOv7的复杂果园环境下苹果识别
4
作者 张伟 侯畅 +2 位作者 陈雪 何思毅 陈勇 《中国农业科技导报(中英文)》 北大核心 2026年第2期107-115,共9页
针对复杂果园环境下的苹果识别准确率低、效率低的问题,提出了一种改进的YOLOv7模型。首先,引入MobileNet V3作为模型的骨干网络,减少网络参数;其次,引入SimAM注意力机制,有效地提取苹果特征;再次,将损失函数改为可伸缩交并比损失函数,... 针对复杂果园环境下的苹果识别准确率低、效率低的问题,提出了一种改进的YOLOv7模型。首先,引入MobileNet V3作为模型的骨干网络,减少网络参数;其次,引入SimAM注意力机制,有效地提取苹果特征;再次,将损失函数改为可伸缩交并比损失函数,提高模型的训练速度和识别能力;最后,使用k-means++算法改进初始锚框尺寸,提升对近距离苹果的识别能力。结果表明,改进的YOLOv7模型的准确率、平均精度均值比原模型分别提高3.5%、1.1%,识别时间减少0.0034 s·幅^(-1);对比Faster R-CNN、YOLOv5和YOLOX模型,改进的YOLOv7模型的综合性能最好;在复杂光照和遮挡情况下,改进的模型表现出极强的适应性和鲁棒性。改进的模型能够满足苹果采摘机器人在复杂果园环境下的识别要求,为苹果采摘的研究奠定基础。 展开更多
关键词 复杂果园环境 苹果识别 YOLOv7 MobileNet V3 SimAM注意力机制 损失函数
在线阅读 下载PDF
基于深度学习的口罩佩戴状态智能检测技术研究
5
作者 张米港 张富春 归静如 《物联网技术》 2026年第3期12-16,共5页
在工业生产及特定高风险场所,规范佩戴口罩是保障人员安全与健康、维持生产合规性的关键环节。传统人工监督方式存在效率低、覆盖面有限且易受主观因素影响等局限性。文中系统研究了该领域的核心模型与应用技术,重点分析了卷积神经网络(... 在工业生产及特定高风险场所,规范佩戴口罩是保障人员安全与健康、维持生产合规性的关键环节。传统人工监督方式存在效率低、覆盖面有限且易受主观因素影响等局限性。文中系统研究了该领域的核心模型与应用技术,重点分析了卷积神经网络(CNN)、YOLOv5和MobileNetV2三种模型的性能特点。研究涵盖数据集构建、预处理方法、检测流程设计及模型评估体系,并通过对比实验验证各模型在复杂工业环境中的表现。实验结果表明,YOLOv5在速度与精度间取得最佳平衡,F1分数达97.6%,检测速度为45 f/s,适合工业实时检测场景;MobileNetV2则以低计算开销(1.3 GFLOPs)和小模型体积(14 MB)实现62 f/s高效推理,适用于移动端部署。该研究为智能口罩检测技术的实际应用提供了理论支持与技术参考。 展开更多
关键词 口罩佩戴检测 深度学习 CNN YOLOv5 MobileNet 实时检测
在线阅读 下载PDF
基于MobileNetV3的IGBT故障监测方法
6
作者 肖凯文 钱欣辰 《智能城市》 2026年第1期84-88,共5页
绝缘栅双极型晶体管(IGBT)是电力行业变流器设备的主要器件,其健康状态影响电力设备和电力系统的安全稳定运行。为适应电力设备采用的嵌入式控制系统,文章提出基于MobileNetV3的IGBT故障监测方法。对IGBT的失效机理进行分析,进一步确定... 绝缘栅双极型晶体管(IGBT)是电力行业变流器设备的主要器件,其健康状态影响电力设备和电力系统的安全稳定运行。为适应电力设备采用的嵌入式控制系统,文章提出基于MobileNetV3的IGBT故障监测方法。对IGBT的失效机理进行分析,进一步确定能够表征IGBT运行状态的特征变化参数,将其作为算法模型的输入量;将MobileNetV3方法应用于IGBT故障监测,通过减小瓶颈模块中扩展层通道参数,对MobileNetV3进行进一步轻量化改进,构建MobileNetV3故障监测模型,以适应嵌入式系统的较小资源消耗实现高精度的故障监测;通过实验对所提故障监测方法的有效性进行验证。实验结果表明,优化后模型在保持95.98%准确率的同时,参数量降至896 676,内存占用仅为4.4 MB,在精度与资源消耗间取得了良好平衡。 展开更多
关键词 MobileNet IGBT 故障监测 深度学习
在线阅读 下载PDF
改进Faster-R-CNN的输送带表面损伤检测 被引量：2
7
作者 袁媛 赵鹏举 +1 位作者 孟文俊 王航 《机械设计与制造》 北大核心 2025年第3期199-203,共5页
针对输送带在长期运转过程中易出现划伤、撕裂和破裂的损伤问题,提出了一种改进Faster-R-CNN的输送带表面损伤检测方法。该检测方法在Faster-R-CNN神经网络的基础上,首选MobileNet网络进行图像轻量化特征提取,然后在RPN模块中引入ancho... 针对输送带在长期运转过程中易出现划伤、撕裂和破裂的损伤问题,提出了一种改进Faster-R-CNN的输送带表面损伤检测方法。该检测方法在Faster-R-CNN神经网络的基础上,首选MobileNet网络进行图像轻量化特征提取,然后在RPN模块中引入anchor原始特征与卷积相融合的背景分类,以加强输送带的损伤特征信息;最后构建输送带表面损伤的数据集进行数据试验,并分别采用VGG-19,ResNet-18骨干网络进行试验对比,结果表明改进的Faster-R-CNN的算法,针对输送带划伤、撕裂和破损的损伤状态均能够有效识别。 展开更多
关键词 输送带 损伤检测 Faster-R-CNN MobileNet
在线阅读 下载PDF
改进YOLOv8n的复杂环境下垃圾轻量化检测 被引量：1
8
作者 孙世政 何玲玲 +1 位作者 郑帅 何泽银 《光学精密工程》 北大核心 2025年第12期1984-1998,共15页
针对复杂环境下垃圾检测模型参数量大以及存在误检和漏检等问题,本文提出了基于改进YOLOv8n的轻量化垃圾检测模型。首先,提出一种MobileNet V3_ECA轻量级网络结构作为YOLOv8n的骨干网络,提升模型对垃圾特征区域的表达能力,同时减少模型... 针对复杂环境下垃圾检测模型参数量大以及存在误检和漏检等问题,本文提出了基于改进YOLOv8n的轻量化垃圾检测模型。首先,提出一种MobileNet V3_ECA轻量级网络结构作为YOLOv8n的骨干网络,提升模型对垃圾特征区域的表达能力,同时减少模型参数量;其次,在骨干网络引入上下文锚点注意力机制,增强模型对垃圾特征的提取能力;然后,在颈部网络采用全维动态卷积替换标准卷积,细化局部特征映射,实现垃圾局部细粒度特征的融合能力;最后,采用WIoU v3边界损失函数提升网络边界框回归性能。在自建复杂背景下的垃圾数据集进行模型验证实验,改进后模型相比原YOLOv8n,mAP@0.5提升了1.1%,检测速度FPS提高11.7%,参数量Params、模型大小Size和浮点运算量FLOPs分别降低了70.8%,66.1%和70.7%。实验结果表明,本文改进模型能有效提升检测精度并显著降低模型复杂度,对模型部署与应用至边缘端检测装备具有重要的工程意义。 展开更多
关键词 垃圾检测 轻量化 MobileNet V3_ECA YOLOv8n 深度学习
在线阅读 下载PDF
基于轻量化网络和迁移学习的岩石智能识别 被引量：2
9
作者 李顺勇 李青辉 邢煜曼 《科学技术与工程》 北大核心 2025年第5期1774-1782,共9页
在岩石图像识别中,实现岩石快速准确的识别是岩石数字化发展的关键。其中,光照、湿度等环境因素引起的图像模糊问题成为岩石智能识别的最大挑战之一。基于此,提出了一种新的深度学习方法(MbileNetV3-small-RegNetX)来识别岩石图像,其适... 在岩石图像识别中,实现岩石快速准确的识别是岩石数字化发展的关键。其中,光照、湿度等环境因素引起的图像模糊问题成为岩石智能识别的最大挑战之一。基于此,提出了一种新的深度学习方法(MbileNetV3-small-RegNetX)来识别岩石图像,其适用于移动设备等资源有限的场景。在RegNet网络的基础上采用迁移学习方法,结合MobileNetV3残差结构与通道注意力(squeeze-and-excitation,SE)模块的优势,有效地优化了特征提取与网络结构,并显著提升了检测速度。为验证该方法的准确性,将新模型与当下主流的轻量化模型(DenseNet和ShuffleNet)进行消融对比实验。结果显示,所提模型表现出高精度(82.15%)、快速(0.06 GFLOPs)的特点。此外,该模型对于光照、湿度等环境因素引起的图像模糊具有良好的适应性。 展开更多
关键词 岩石识别 深度学习 图像分类 迁移学习 MobileNet网络
在线阅读 下载PDF
基于OpenMV模组和MobileNet V2模型的葡萄图像识别 被引量：2
10
作者 戈秀龙 戴文华 +2 位作者 李积武 赵云 沈佳健 《农机化研究》 北大核心 2025年第10期259-267,共9页
为了提高葡萄种植棚内葡萄自动采摘的准确度和效率,在葡萄的图像识别中必须依靠性能优越的嵌入式计算机和轻量级低延迟的神经网络模型。为此,基于OpenMV4 H7 Plus和OpenMV IDE开发环境,在葡萄种植棚中现场采集葡萄图片,利用PyCharm的Pyt... 为了提高葡萄种植棚内葡萄自动采摘的准确度和效率,在葡萄的图像识别中必须依靠性能优越的嵌入式计算机和轻量级低延迟的神经网络模型。为此,基于OpenMV4 H7 Plus和OpenMV IDE开发环境,在葡萄种植棚中现场采集葡萄图片,利用PyCharm的Python编程,经过旋转、平移、缩放和噪声添加等操作后形成扩展的深度学习葡萄图像数据集;应用Edge Impulse搭建模型规模小、检测速度快的MobileNet V2神经网络,以像素96×96作为输入并采用迁移学习的方式训练,得到反映模型质量的Epoch Loss、Train Loss、Recall和F 1 Score等指标,显示在经过一定的学习循环后Epoch Loss、Train Loss均收敛到较小值且Recall和F 1 Score逐步趋于稳定,其验证集准确度为92.4%;同时,搭建了一个试验装置,将所得模型部署到OpenMV4 H7 Plus模块,模拟试验摄像头相对葡萄横向移动时的识别效果。研究结果表明:配置了神经网络学习算法的OpenMV4 H7 Plus模块对葡萄识别准确度较高且识别速度较快,具有一定的应用价值。 展开更多
关键词 葡萄图像识别 机器视觉 神经网络 OpenMV4 H7 Plus MobileNet V2
在线阅读 下载PDF
基于改进OpenPose网络的交通警察姿态估计 被引量：1
11
作者 伍锡如 陈麒 《计算机应用与软件》 北大核心 2025年第1期90-95,101,共7页
针对交警姿态估计存在的特征提取困难、实时性差等问题,提出一种改进的OpenPose网络交警姿态估计方法。采用MobileNet作为主干网络进行交警姿态的特征提取,解决模型随层次加深导致网络退化的问题,减少网络的参数量,加速主干网络内部特... 针对交警姿态估计存在的特征提取困难、实时性差等问题,提出一种改进的OpenPose网络交警姿态估计方法。采用MobileNet作为主干网络进行交警姿态的特征提取,解决模型随层次加深导致网络退化的问题,减少网络的参数量,加速主干网络内部特征的计算。通过跳跃连接机制将模型并行结构改进为串并同行结构,实现网络内部参数共享,降低模型的复杂度,提高检测实时性。实验结果表明,改进模型在COCO数据集以及公开交警数据集上分别获得78.9%和74.9%的mAP,检测速度可达25帧/s,为交通警察姿态估计问题提供了一种鲁棒性强、实时性高的实际应用方法。 展开更多
关键词 深度学习 交通警察姿态估计 OpenPose MobileNet
在线阅读 下载PDF
基于MobileNet V3的半导体芯片缺陷检测方法研究 被引量：1
12
作者 张志敏 陈心怡 《重庆科技大学学报(自然科学版)》 2025年第2期80-87,108,共9页
针对半导体芯片缺陷检测的挑战,提出了一种基于MobileNet V3的半导体芯片缺陷检测方法。首先,引入协调注意力机制,增强模型对缺陷特征的定位能力;其次,优化深度可分离卷积层结构,提升特征提取效率;最后,改进数据预处理流程,使模型更好... 针对半导体芯片缺陷检测的挑战,提出了一种基于MobileNet V3的半导体芯片缺陷检测方法。首先,引入协调注意力机制,增强模型对缺陷特征的定位能力;其次,优化深度可分离卷积层结构,提升特征提取效率;最后,改进数据预处理流程,使模型更好地适应半导体芯片图像特性。实验结果表明,改进后模型的准确率、召回率、F1分数和AUC均高于原模型及其他对比模型。改进后模型在半导体芯片缺陷检测任务中表现出了优异性能,可为工业级高精度缺陷检测提供可靠的技术支持。 展开更多
关键词 MobileNet V3模型 协调注意力机制 半导体芯片缺陷检测 深度学习
在线阅读 下载PDF
基于改进MobileNet v3-small模型的苹果叶片病害识别方法 被引量：3
13
作者 王浩宇 胡玉荣 +3 位作者 崔艳荣 陈华锋 李素若 刘奕 《江苏农业科学》 北大核心 2025年第5期113-120,共8页
针对真实环境下苹果叶片病害识别背景复杂、识别准确率不高的现状,提出基于改进MobileNet v3-small模型的苹果叶片病害识别方法,根据苹果叶片病害特征,在模型主干网络前嵌入Inception v2模型,不仅可增强模型对特征的多尺度感知能力,还... 针对真实环境下苹果叶片病害识别背景复杂、识别准确率不高的现状,提出基于改进MobileNet v3-small模型的苹果叶片病害识别方法,根据苹果叶片病害特征,在模型主干网络前嵌入Inception v2模型,不仅可增强模型对特征的多尺度感知能力,还能使模型更好地捕捉到病害的细微差异,有助于提升特征的多样性;同时在池化层前引入通道混洗,将输入通道分成2个组进行混洗操作,便于通道之间的信息交互,使得模型对特征的整合能力有所提升,有助于提升模型对复杂背景下病害特征的识别效果。采用覆盖斑点落叶病、褐斑病、花叶病、灰斑病和锈病等5种常见病害的图像数据集进行试验。结果表明,改进的模型比原模型平均召回率提升1.98百分点,平均F1分数提升1.97百分点,Top-1准确率提升1.89百分点,平均精确率提升1.88百分点,而参数量仅为17.7 M,与其他经典网络模型相比,性能评估指标均有不同程度的提升。改进的模型可为真实场景下苹果叶片病害的识别提供一种新颖且有效的方法。 展开更多
关键词 苹果叶片病害 图像识别 MobileNet v3-small模型 通道混洗 Inception v2模型
在线阅读 下载PDF
基于MobileNet的轻量化云检测模型 被引量：1
14
作者 叶武剑 谢林峰 +2 位作者 刘怡俊 温晓卓 李扬 《自然资源遥感》 北大核心 2025年第3期95-103,共9页
针对现有云检测算法计算量和模型规模庞大、在边缘设备上的部署几乎不可行的问题,提出了一种基于MobileNet网络的轻量化云检测模型。该方法在下采样阶段,使用基于注意力机制的残差模块,通过分组卷积降低模型参数量,并结合通道重排机制... 针对现有云检测算法计算量和模型规模庞大、在边缘设备上的部署几乎不可行的问题,提出了一种基于MobileNet网络的轻量化云检测模型。该方法在下采样阶段,使用基于注意力机制的残差模块,通过分组卷积降低模型参数量,并结合通道重排机制和挤压激励(squeeze-and-excitation,SE)注意力模块来增强通道间的信息交流。通过这种方式,既减少了参数量和计算复杂度,又保持了对重要特征的提取能力。在上采样阶段,使用了RepConv模块和改进的空洞空间金字塔池化模块(atrous spatial pyramid pooling,ASPP),以提高网络的学习能力和捕捉图像细节与空间信息的能力。实验结果证明,该文模型在参数量和模型复杂度降低的情况下,能够实现较高精度的云检测,具备实用性和可行性。 展开更多
关键词 云检测 MobileNet网络 注意力机制 多尺度特征 空洞空间金字塔池化模块
在线阅读 下载PDF
应用MCCW-YOLOv7-tiny研究轻量级玉米田间杂草识别算法 被引量：2
15
作者 王希如 贾仁山 +4 位作者 曹玉莹 刘银川 高新悦 吴佳鑫 贾银江 《东北农业大学学报》 北大核心 2025年第1期124-138,共15页
针对玉米田间杂草传统目标检测模型存在体积大、实时性差、精准度低、移动端部署难等问题,提出了改进的轻量级目标检测算法MCCW-YOLOv7-tiny。通过将YOLOv7-tiny主干网络CSPDarknet替换为MobileNet V3模块,降低模型冗余和参数量,满足实... 针对玉米田间杂草传统目标检测模型存在体积大、实时性差、精准度低、移动端部署难等问题,提出了改进的轻量级目标检测算法MCCW-YOLOv7-tiny。通过将YOLOv7-tiny主干网络CSPDarknet替换为MobileNet V3模块,降低模型冗余和参数量,满足实时性要求。添加并行网络至主干网络,并在检测头部引入CBAM注意力机制,增强对小目标的关注,提高整体识别精度。损失函数改进为WIoUv3,以动态平衡样本质量,提升模型泛化能力。结果表明:MCCW-YOLOv7-tiny较YOLOv7-tiny,mAP从93.7%提升至95.3%,计算复杂度从13.3 GFLOPs降至6.2 GFLOPs,模型参数量为3.71 M,为复杂环境下的玉米田间杂草检测提供有效技术支持。 展开更多
关键词 YOLOv7-tiny MobileNet V3 CBAM注意力机制 WIoUv3 玉米 杂草识别
在线阅读 下载PDF
基于深度可分离卷积与注意力机制的单导联心房颤动轻量级分类网络 被引量：2
16
作者 洪永 张鑫 +2 位作者 林铭俊 吴秋岑 陈超敏 《南方医科大学学报》 北大核心 2025年第3期650-660,共11页
目的设计一个深度学习模型,实现模型复杂度和模型性能的平衡,以便于集成到可穿戴心电监护设备上,实现本地的房颤自动诊断。方法从公开数据集LTAFDB、AFDB和NSRDB上分别收集了84例、25例房颤患者和18例无明显心律失常受试者的数据进行实... 目的设计一个深度学习模型,实现模型复杂度和模型性能的平衡,以便于集成到可穿戴心电监护设备上,实现本地的房颤自动诊断。方法从公开数据集LTAFDB、AFDB和NSRDB上分别收集了84例、25例房颤患者和18例无明显心律失常受试者的数据进行实验和测试。提出了一个基于深度可分离卷积并融合通道空间信息的轻量级注意网络—DSC-AttNet,引入深度可分离卷积代替标准卷积,降低模型参数量和计算量,实现模型的高效和轻量化;并嵌入多层混合注意力机制以在不同尺度上计算通道信息和空间信息的注意权重,提高模型的特征表达能力。在LTAFDB上进行十折交叉验证,并在AFDB和NSRDB上进行外部独立测试。结果DSC-AttNet在测试集上的十折平均准确率达到97.33%,精确率达到97.30%,均优于其他4个对比模型以及3个经典模型。模型在外部测试集上的准确率分别达到92.78%和99.97%,优于3个经典模型。且DSC-AttNet的参数量为1.01M,计算量为27.19 G,小于3个经典模型。结论该房颤分类方法具有较小的复杂度,达到了更好的分类性能,并且泛化能力较好,具有良好的临床应用前景和推广能力。 展开更多
关键词 心电图 心房颤动 卷积块注意模块 MobileNet 轻量级卷积神经网络
在线阅读 下载PDF
基于MobileNet-DOA的无人机射频信号识别方法 被引量：2
17
作者 晏行伟 孔令轩 +1 位作者 刘坤 刘安娜 《雷达科学与技术》 北大核心 2025年第1期57-66,共10页
针对当前低信噪比环境下,基于射频信号的无人机型号和飞行模式识别率低的问题,本文提出了一种基于MobileNet-DOA模型的无人机射频信号识别方法。该方法首先对原始无人机射频信号进行基于变分模态分解的信号预处理,降低背景噪声和同频干... 针对当前低信噪比环境下,基于射频信号的无人机型号和飞行模式识别率低的问题,本文提出了一种基于MobileNet-DOA模型的无人机射频信号识别方法。该方法首先对原始无人机射频信号进行基于变分模态分解的信号预处理,降低背景噪声和同频干扰,然后利用短时傅里叶变换将预处理信号转换为时频图,最后利用MobileNet-DOA模型完成无人机射频信号识别。在模型方面,本文首先将DOConv卷积融合到MobileNetv4模型中,在增强模型特征提取能力的同时,提高了训练和运算速度。其次,使用FA注意力机制进一步提升了模型在低信噪比环境下的识别准确率。实验结果表明,该方法在-15~15 dB信噪比范围内的平均检测准确率达到了94.83%,可应用于无人机实时检测识别系统中。 展开更多
关键词 无人机射频信号识别 变分模态分解 MobileNet模型 DOConv卷积 FA注意力机制
在线阅读 下载PDF
基于医学图像研发医疗器械AI软件算法——以肺部CT图像为例
18
作者 李伟铭 刘昊天 +11 位作者 李强 焦丹阳 杨润煌 于思琪 张彦飞 赵元凯 梁志刚 王风 张凤 陶丽新 张静波 郭秀花 《中国卫生统计》 北大核心 2025年第3期457-461,共5页
目的介绍基于医学图像的医疗器械产品研发常用方法,分析并评价目前人工智能产品研发过程中的核心分类算法。方法基于肺部CT图像应用ResNet50、VGG16、EfficientNet、DenseNet121、InceptionV3、Xception、MobileNet等常见AI产品设计的... 目的介绍基于医学图像的医疗器械产品研发常用方法,分析并评价目前人工智能产品研发过程中的核心分类算法。方法基于肺部CT图像应用ResNet50、VGG16、EfficientNet、DenseNet121、InceptionV3、Xception、MobileNet等常见AI产品设计的算法构建肺结节性质分类诊断模型并进行模型评价并以肺部CT图像为例进行各类产品的设计与比较,筛选医学影像AI产品常见方法的最优模型。结果本研究通过326例患者3254张肺结节图像,构建肺结节诊断AI产品,MobileNet模型获得的AUC可达0.96(95%CI:0.92~0.99),略优于Xception模型的0.94(95%CI:0.91~0.96),且具有更快的模型反应速度。结论基于肺部CT图像为例进行各类产品的比较,Xception、MobileNet等算法均能够获得较高的准确率与灵敏度。 展开更多
关键词 AI产品 深度学习 AI软件算法 MobileNet 肺部CT图像
暂未订购
基于多阶段特征融合的MobileNet v3-ULAM茶叶病害识别
19
作者 董虎胜 鲜学丰 +1 位作者 孙逊 杨元峰 《江苏农业科学》 北大核心 2025年第15期200-211,共12页
为了实现对茶园种植的智能化与精准化管理,针对自然场景下茶叶病害的快速与准确识别问题,提出了应用多阶段特征融合策略与ULAM超轻量注意力对MobileNet v3网络作改进的轻量级茶叶病害识别模型。该模型在MobileNet v3网络中新增了1个分支... 为了实现对茶园种植的智能化与精准化管理,针对自然场景下茶叶病害的快速与准确识别问题,提出了应用多阶段特征融合策略与ULAM超轻量注意力对MobileNet v3网络作改进的轻量级茶叶病害识别模型。该模型在MobileNet v3网络中新增了1个分支,对网络各中间阶段的特征作拼接与变换处理,然后与原主干网络提取的特征融合,实现对中间阶段特征的复用,有效增强特征的判别力。为了改进MobileNet v3网络中SE注意力对空间信息处理不足和运算量较大的问题,还设计了一款ULAM注意力模块;ULAM不仅实现了对空间与通道信息的协同处理,还借助转置卷积运算显著降低了运算量,在该注意力模块中只有54个需要学习的参数,具有极为轻量的优势。在CIFAR10通用图像分类任务上,改进后的模型达到94.18%的识别准确率,比原MobileNet v3提高4.13百分点,综合性能优于常见CNN模型。在自建的茶叶常见病害数据集上,直接使用原始数据训练本研究模型可达到95.46%的平均识别准确率,相较于MobileNet v3提升3.34百分点。进一步采用数据平衡处理后,模型平均识别精度提升至98.88%,能够准确地识别白星病、藻斑病、炭疽病等茶叶病害。本研究模型在参数量上比原始MobileNet v3进一步降低,因而适合在移动设备与农机等资源受限的场景中部署。 展开更多
关键词 茶叶病害识别 MobileNet v3 注意力机制 边缘计算 卷积神经网络
在线阅读 下载PDF
基于YOLOv5和MobileNet级联的物理实验设备状态识别方法
20
作者 王芙蓉 刘立程 郝禄国 《激光杂志》 北大核心 2025年第7期50-56,共7页
学生物理实验操作过程的准确评估对中考具有重要意义。要实现实验操作的自动评分,关键在于通过检测实验设备状态的变化来推断实验操作的过程。考虑到物理实验设备状态多样且实验环境复杂,本研究提出了一种结合YOLOv5和MobileNet的级联... 学生物理实验操作过程的准确评估对中考具有重要意义。要实现实验操作的自动评分,关键在于通过检测实验设备状态的变化来推断实验操作的过程。考虑到物理实验设备状态多样且实验环境复杂,本研究提出了一种结合YOLOv5和MobileNet的级联网络模型来对实验设备状态进行自动检测。该模型首先通过改进的YOLOv5进行设备定位和初步识别,改进后的YOLOv5网络模型平均精度提升了3.6%,参数量减少了11.0%。随后,选取MobileNet对实验设备状态进行细粒度分类。最终,通过融合YOLOv5和MobileNet的输出,该模型实现了对实验设备状态的精确检测,为自动评分系统提供了有效的技术支持。 展开更多
关键词 状态识别 YOLOv5 图像分类 MobileNet Ghost卷积 EIOU SimAM
原文传递
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 2 … 17 下一页 到第 页
使用帮助 返回顶部