基于1D-SE-ResNet的含风电电力系统动态分区惯量评估

1

作者 徐艳春 任建新 +2 位作者 宋文宇 席磊 MI Lu 《南方电网技术》 北大核心 2025年第6期119-132,共14页

随着风电机组渗透率的提高,电力系统惯量水平逐年下降。同时,频率响应存在分区特性,以区域为单位评估电力系统惯量更加灵活和准确。因此,提出了一种基于一维压缩激励残差神经网络(one-dimensional squeeze and excitation residual neur... 随着风电机组渗透率的提高,电力系统惯量水平逐年下降。同时,频率响应存在分区特性,以区域为单位评估电力系统惯量更加灵活和准确。因此,提出了一种基于一维压缩激励残差神经网络(one-dimensional squeeze and excitation residual neural network,1D-SE-ResNet)的系统动态分区惯量评估方法。首先,计算频率曲线趋势和数值近似距离,采用k-means聚类方法对系统进行动态分区并由S-C指标确定分区数量。然后,通过增加压缩和激励模块对一维残差神经网络进行改进,为每个通道提供权重从而提升网络性能,采集系统不同惯量水平和负荷扰动下的区域簇中心节点频率和频率变化率数据作为一维特征输入,区域有效惯量为输出,训练网络实现区域惯量评估。最后,在含风电的IEEE 39和IEEE 118系统上进行仿真。结果表明,在动态分区的基础上,训练好的1D-SE-ResNet可实现区域惯量的准确评估。 展开更多

关键词 频率响应特性 系统分区 分区惯量 一维压缩激励残差神经网络 惯量评估

在线阅读 下载PDF 职称材料

基于深度学习SE-ResNet模型的皖江洪水调蓄区湿地类型遥感识别

2

作者 于梦琴 季青 +4 位作者 张志明 王伟 林跃胜 姚有如 刘娜娜 《南京信息工程大学学报》 北大核心 2025年第6期893-904,共12页

由于湿地类别多样且结构复杂,湿地遥感分类识别极具挑战.为了快速、准确地遥感识别湿地类型,本文以皖江洪水调蓄区为研究区,基于Sentinel-2影像获取的光谱特征、植被和水体指数特征以及纹理特征构建样本集,引入深度学习压缩-激发与残差... 由于湿地类别多样且结构复杂,湿地遥感分类识别极具挑战.为了快速、准确地遥感识别湿地类型,本文以皖江洪水调蓄区为研究区,基于Sentinel-2影像获取的光谱特征、植被和水体指数特征以及纹理特征构建样本集,引入深度学习压缩-激发与残差网络(SE_ResNet)模型开展湿地类型遥感识别研究.结果显示,SE-ResNet模型湿地类型识别显著优于传统监督分类最大似然法和机器学习随机森林法,总体精度分别提高19.00个百分点和10.25个百分点,达到了94%,Kappa系数达到0.90.SE-ResNet模型可以精细识别出不同湿地类型,特别是河流湿地、洪泛平原湿地和淡水湖湿地,识别结果比全球30 m湿地数据产品(GWL_FCS30)和湖泊型流域自然-人文综合数据集(CODCLAB)更为精细和准确. 展开更多

关键词 湿地类型 Sentinel-2 深度学习 se-resnet 长江

在线阅读 下载PDF 职称材料

基于SE-ResNet的开关柜局部放电模式识别方法研究

3

作者 卓凌荣 邵振华 《电工材料》 2025年第6期27-35,共9页

本文针对开关柜局部放电(PD)信号识别中存在的噪声干扰和特征提取困难,提出一种基于SEResNe(t Squeeze-and-Excitation Residual Network)的模式识别方法。该方法通过引入注意力机制,增强特征提取的有效性和鲁棒性,从而提高局部放电信... 本文针对开关柜局部放电(PD)信号识别中存在的噪声干扰和特征提取困难,提出一种基于SEResNe(t Squeeze-and-Excitation Residual Network)的模式识别方法。该方法通过引入注意力机制,增强特征提取的有效性和鲁棒性,从而提高局部放电信号的识别准确率。设计了一种新的网络结构,结合残差学习和通道注意力机制,优化特征表达能力。在多种噪声环境和不同放电模式下进行试验,并对该方法与经典卷积神经网络(CNN)的性能进行对比分析。结果表明,所提方法在开关柜局部放电模式识别中的准确性和稳定性均显著提升,识别率超过99%。该方法有效解决了局部放电信号识别中的不确定性和干扰问题,具有良好的适应性和应用潜力,为电力设备的在线监测和故障预警提供了新的技术支持。 展开更多

关键词 局部放电 开关柜 se-resnet 模式识别 PRPD图谱

在线阅读 下载PDF 职称材料

基于SE-ResNet34的红火蚁巢穴判别模型 被引量：6

4

作者 袁嘉辉 刘蕊 +1 位作者 梁虹 周祥 《电子测量技术》 北大核心 2023年第23期97-104,共8页

红火蚁是近年来侵害我国南方的主要外来入侵物种之一,精确识别红火蚁巢穴是防控红火蚁的关键所在。为解决传统红火蚁防控依赖人工巡视、高危险、效率低的问题,降本增效实现红火蚁巢穴的智能检视,提出了一种基于ResNet34改进的红火蚁巢... 红火蚁是近年来侵害我国南方的主要外来入侵物种之一,精确识别红火蚁巢穴是防控红火蚁的关键所在。为解决传统红火蚁防控依赖人工巡视、高危险、效率低的问题,降本增效实现红火蚁巢穴的智能检视,提出了一种基于ResNet34改进的红火蚁巢穴判别模型。该模型借助采集于不同地貌特征下的红火蚁巢穴图像,结合数据增强技术进行训练,通过在ResNet34的第1层卷积层之后和全连接层之前加入SE注意力机制模块,提升网络的自适应选择和通道权值调整能力,以提取红火蚁巢穴表面局部非线性的纹理特征。经过K折交叉验证试验和超参数探究消融试验,将SE-ResNet34与AlexNet、VGG-16、ResNet18、ResNet34、ResNet50进行对比,分析得出SE-ResNet34的峰值准确率达到了98.76%,比ResNet34的准确率提高了2.17%,较其他测试模型有训练时间短、识别精度高的特点,同时展现出较强的鲁棒性和稳定性。该方法在减少人工成本的同时可降低杀虫剂的使用,为红火蚁巢穴判别提供了一种便捷高效的解决方案。 展开更多

关键词 红火蚁巢穴判别 全地形红火蚁巢穴数据集 se-resnet34模型 K折交叉验证

原文传递

基于SE-ResNet网络的油茶果果壳与茶籽分选模型 被引量：2

5

作者 段宇飞 董庚 +1 位作者 孙记委 王焱清 《中国农机化学报》 北大核心 2023年第4期89-95,共7页

油茶果脱壳后果壳与茶籽混合在一起,采用传统的机械分选仍会出现掺杂果壳的情况,清选率有待提高。比较ResNet不同层数模型,发现在当前壳籽实验样本下ResNet18与其他模型相比每次迭代的平均训练时间最少,并且验证集平均准确率最高,同时... 油茶果脱壳后果壳与茶籽混合在一起,采用传统的机械分选仍会出现掺杂果壳的情况,清选率有待提高。比较ResNet不同层数模型,发现在当前壳籽实验样本下ResNet18与其他模型相比每次迭代的平均训练时间最少,并且验证集平均准确率最高,同时均优于其他CNN分类模型。为进一步提升分选效率,在ResNet18网络中引入注意力机制,结果表明,SE-ResNet18模型与改进前的模型相比,训练过程中每次迭代的平均时间由1.31 s下降到1.13 s,缩短0.18 s,验证集平均准确率为98.88%,提升1.4个百分点。经过测试后得出,测试集整体准确率为98.43%,与原模型相比提升1.3个百分点,说明使用ResNet18模型结合注意力机制的方法在油茶果果壳与茶籽的分选上是可行的,为油茶果在分选方法提供一种新的理论基础与思考方向。 展开更多

关键词 油茶果 深度学习 分选 se-resnet18模型 注意力机制

在线阅读 下载PDF 职称材料

基于PCA和SE-ResNet-VIT的恶意软件检测方法

6

作者 凡聪 张杰 《计算机科学与应用》 2023年第9期1785-1795,共11页

近年来,恶意软件的数量不断增加,为用户带来了严重的安全隐患。为了避免主机系统受到恶意软件的侵害,提高检测的准确率,提出一种基于主成分分析(Principal component analysis, PCA)降维和SE-ResNet-VIT集成模型的恶意软件检测方法。由... 近年来,恶意软件的数量不断增加,为用户带来了严重的安全隐患。为了避免主机系统受到恶意软件的侵害,提高检测的准确率,提出一种基于主成分分析(Principal component analysis, PCA)降维和SE-ResNet-VIT集成模型的恶意软件检测方法。由于软件数据信息具有高维度,多噪点的特征,通过PCA对待检测软件数据进行主成分提取,去除样本数据中的冗余特征项。SE-ResNet-VIT模型是将改进为双线性融合机制的SE-ResNet和VIT (Vision Transformer)中的编码器相结合的集成模型。改进的SE-ResNet模型能够从局部特征中提取更多信息,并通过组合这些特征来提高模型的表示能力。VIT模型能够通过注意力机制来学习数据之间的依赖关系,并能够处理长序列数据。该方法通过结合SE-ResNet和VIT,以两种不同的方式提取特征,能够更准确地捕捉软件的语义信息,从而提高恶意软件检测的准确性。在Ember数据集上进行了对比实验,实验结果表明,该方法的准确率分别为97.05%和98.45%,并与现有的多种检测方法进行对比,在准确率方面分别提高1.94%~5.95%,该方法有更好的检测准确率和泛化能力。 展开更多

关键词 恶意软件检测 主成分分析 se-resnet Vision Transformer 集成模型

在线阅读 下载PDF 职称材料

基于SE-ResNet模型的多角度人脸识别系统设计 被引量：3

7

作者 陈雪敏 《贵阳学院学报（自然科学版）》 2020年第4期10-13,共4页

由于在现实中人脸识别系统采集的图像大都是侧脸图像,严重影响了人脸识别的准确性。提出一种以SE-ResNet模型为基础的多角度人脸识别系统。该系统将SE-ResNet网络用于人脸特征提取器,通过在ResNet基础上嵌入SE模块,根据网络获取的特征... 由于在现实中人脸识别系统采集的图像大都是侧脸图像,严重影响了人脸识别的准确性。提出一种以SE-ResNet模型为基础的多角度人脸识别系统。该系统将SE-ResNet网络用于人脸特征提取器,通过在ResNet基础上嵌入SE模块,根据网络获取的特征重新标记,提高有效特征信息占比的同时,减少无效特征的数据信息。使用损失函数ArcFace进行图像训练,将角边距引入到余弦角度,以加强角度空间对于人脸特征限制条件,进而增加不同类型人脸的差异性与相同类型特征间紧凑性。通过实验结果分析可知:与基于ResNet的人脸识别方法相比,本文研究的多角度人脸识别方法准确率提高了1.9%。 展开更多

关键词 se-resnet模型 多角度 人脸识别系统 特征提取器

在线阅读 下载PDF 职称材料

基于SE-ResNet的民族服饰识别系统的设计与实现 被引量：4

8

作者 张玥 何茜悦 赵成龙 《电子技术与软件工程》 2022年第8期205-208,共4页

本文研究将实际场景与深度学习技术结合,采用深度学习图像识别算法,结合前后端技术设计一款民族服饰识别系统。本实验在Google公司的开源深度学习框架Tensorflow下完成网络的搭建,使用自主建立的民族服饰图像数据集进行网络训练,通过对... 本文研究将实际场景与深度学习技术结合,采用深度学习图像识别算法,结合前后端技术设计一款民族服饰识别系统。本实验在Google公司的开源深度学习框架Tensorflow下完成网络的搭建,使用自主建立的民族服饰图像数据集进行网络训练,通过对数据增强、数据预处理、深度学习卷积神经网络模型三个方面进行对比实验,并对模型的准确性和鲁棒性进行验证。实验结果显示SE-ResNet模型在民族服饰颜色、图案形状特征信息的提取与识别效果最佳。因此将高效实用的SE-ResNet识别模型部署在服务器,以Web应用为载体,显示民族服饰图案信息,并通过虚拟数字地图直观呈现民族服饰地理分布及不同图案间的联系。 展开更多

关键词 图像识别算法 民族服饰识别 se-resnet

在线阅读 下载PDF 职称材料

基于Se-ResNet101+KNN的鱼类分类研究 被引量：1

9

作者 张守棋 苏海涛 《电脑知识与技术》 2023年第18期33-37,41,共6页

在海洋科学研究中,对鱼类物种的鉴定在水生生态系统和质量评估中具有重大意义。传统的机器学习方法使用人工事先提取、标注鱼类特征,耗时、耗力且主观性太强。为了提升模型信息特征的敏感性和结果的准确率,本文提出了一种基于Se-ResNet... 在海洋科学研究中,对鱼类物种的鉴定在水生生态系统和质量评估中具有重大意义。传统的机器学习方法使用人工事先提取、标注鱼类特征,耗时、耗力且主观性太强。为了提升模型信息特征的敏感性和结果的准确率,本文提出了一种基于Se-ResNet101网络和KNN算法组合的鱼类识别方法。首先,提取并分析数据集,了解其结构和组成部分,并对图像进行预处理,如图像缩放、图像增强等。其次,Se模块中包含一个全局平均池化操作(squeeze),两个全连接层(excitation)和一个Relu,以此特征提升敏感性。将特征信息导入Se-ResNet101网络进行池化、卷积等操作。最后,将全连接层的特征信息通过KNN算法进行预分类。最终得到准确率为98.83%,和ResNet系列网络对比,Se-ResNet101网络得到的准确率最高。 展开更多

关键词 se-resnet101 KNN 图像分类

在线阅读 下载PDF 职称材料

基于SE-ResNet18模型的三疣梭子蟹性别分类方法

10

作者 王日成 郑雄胜 +1 位作者 高玉凤 黄文伟 《渔业现代化》 CSCD 北大核心 2024年第6期100-114,共15页

三疣梭子蟹(Portunus trituberculatus)是一种具有重要经济价值的甲壳类动物,性别分类的准确性对于优化水产养殖策略和提高海产品加工效率至关重要。该研究提出了一种基于深度学习的自动性别分类方法,采用了增强型卷积神经网络模型SE-Re... 三疣梭子蟹(Portunus trituberculatus)是一种具有重要经济价值的甲壳类动物,性别分类的准确性对于优化水产养殖策略和提高海产品加工效率至关重要。该研究提出了一种基于深度学习的自动性别分类方法,采用了增强型卷积神经网络模型SE-ResNet18。该模型结合了Squeeze-and-Excitation(SE)模块和全局平均池化,通过数据增强和优化算法对包含大量雌雄梭子蟹图像的数据集进行了训练和验证。结果显示,SE-ResNet18的总体分类准确率达到99.5%,相比ResNet18提高了近4个百分点,其中雄性梭子蟹的分类准确率为99.68%,雌性梭子蟹为99.74%。研究表明,SE-ResNet18在三疣梭子蟹的性别分类任务中具有极高的准确性和鲁棒性,能够高效地完成自动化分类任务。 展开更多

关键词 三疣梭子蟹 性别分类 深度学习 se-resnet18 水产养殖

在线阅读 下载PDF 职称材料

基于注意力机制的SE-Resnet50森林火灾检测算法模型设计

11

作者 汪岑晶 刘嘉怡 +1 位作者 彭宏成 马帅 《移动信息》 2022年第11期187-189,共3页

为了减轻森林火灾对生态系统和人类社会造成的损失,对森林火灾检测技术的研究一直受到广泛关注,但目前各种森林火灾检测技术仍然存在识别精度低等问题。针对这个问题,文章设计了基于注意力机制的 Resnet50 森林火灾检测算法模型,该模型... 为了减轻森林火灾对生态系统和人类社会造成的损失,对森林火灾检测技术的研究一直受到广泛关注,但目前各种森林火灾检测技术仍然存在识别精度低等问题。针对这个问题,文章设计了基于注意力机制的 Resnet50 森林火灾检测算法模型,该模型以残差神经网络(Squeeze and Excitation Residual Neural Network,下称 SE-Resnet50)算法为基础,是在以往的 Resnet50 神经网络模型中加入注意力机制来识别是否发生森林火灾,它通过卷积提取图像中的局部信息,然后利用注意力机制进行注意力判断,利用得到的火焰信息和全局信息,最终通过全连接网络得到了可观的检测结果。该模型识别精度较好,相较于 Resnet50 有了很大提升,对森林火灾识别与检测有着重要的现实意义。 展开更多

关键词 森林火灾 se-resnet50 注意力机制 残差神经网络

在线阅读 下载PDF 职称材料

基于深度学习的贫铜矿石X光图像识别算法

12

作者 习超 程少航 +2 位作者 郭江涛 余颖 张雄杰 《有色金属(选矿部分)》 2025年第8期96-102,共7页

随着可供开采的铜矿石逐渐呈现出品位降低、颗粒细化以及成分复杂化的趋势,处理低品位矿石的需求日益增加。采用单能X射线成像的废石与星散浸染状矿石在图像上并无明显特征分别,其X成像和通过处理后的图像几乎无异,因而后续分类算法也... 随着可供开采的铜矿石逐渐呈现出品位降低、颗粒细化以及成分复杂化的趋势,处理低品位矿石的需求日益增加。采用单能X射线成像的废石与星散浸染状矿石在图像上并无明显特征分别,其X成像和通过处理后的图像几乎无异,因而后续分类算法也难以对其进行分类。为解决这一问题,提出了一种基于双能X射线透射成像技术的铜矿石图像识别方法。该技术通过双能X射线获取高低能图像,有效消除矿石厚度不均对识别结果的影响,并提取矿石的元素信息,为后续分类提供更多特征。在此基础上,设计了一种基于ResNet-18架构的深度学习模型ASR-Net。该模型通过嵌入基于注意力机制的SE-Net模块和空洞卷积构建的ASPP模块,增强了特征提取和模型的泛化能力。SE-Net模块自适应调整图像特征通道的重要性,ASPP模块则通过多尺度卷积提升了网络的全局感知能力。试验表明,ASR-Net模型在自建数据集上的平均测试准确率达到了96.83%,有效分类了低品位铜矿石中的有用矿物与废石。本文的创新之处在于,提出了一种结合双能X射线成像与深度学习的图像识别方法,尤其是引入了SE-Net和ASPP模块,显著提高了分类精度。与传统方法相比,该方法不仅具有较高的分类精度,还在计算效率和参数量方面表现出色。试验结果证明,ASR-Net能够为低品位铜矿石的分选提供有效的解决方案,提高选矿效率,并降低能耗,具有广泛的应用前景。 展开更多

关键词 双能X射线 贫铜矿石 卷积神经网络 SE-Net ResNet-18

在线阅读 下载PDF 职称材料

基于深层特征融合的行人重识别方法 被引量：7

13

作者 熊炜 熊子婕 +3 位作者 杨荻椿 童磊 刘敏 曾春艳 《计算机工程与科学》 CSCD 北大核心 2020年第2期358-364,共7页

针对现有基于深度学习的行人重识别方法对于行人姿态变化、部分遮挡等引起的行人判别特征信息缺失的问题,提出了一种深层特征融合的行人重识别方法。首先,利用卷积层和池化层多次提取网络深层特征,从空间维度提升网络性能,使用融合后的... 针对现有基于深度学习的行人重识别方法对于行人姿态变化、部分遮挡等引起的行人判别特征信息缺失的问题,提出了一种深层特征融合的行人重识别方法。首先,利用卷积层和池化层多次提取网络深层特征,从空间维度提升网络性能,使用融合后的深层特征作为行人图像的全局特征属性;其次,为提高模型的泛化能力,在深层融合特征后加入一个批量归一化层,同时采用标签平滑损失函数和三元组损失函数对模型进行联合训练。实验结果表明,所提的深层特征融合方法具有很好的表达能力。在Market1501、DukeMTMC-reID、CUHK03和MSMT174个数据集上对所提方法进行了验证,其中在Market1501数据集上,Rank-1值达到了95.0%,mAP达到了85.6%。 展开更多

关键词 行人重识别 深层特征融合 se-resnet50 批量归一化 标签平滑损失 三元组损失

在线阅读 下载PDF 职称材料

基于卷积神经网络的儿童病毒性脑炎磁共振影像分类与早期诊断研究 被引量：3

14

作者 黄坚 余卓 +2 位作者 徐璐 周海春 俞刚 《磁共振成像》 CAS CSCD 北大核心 2023年第1期54-60,共7页

目的构建基于卷积神经网络的儿童病毒性脑炎MRI分类与早期诊断模型,探讨其对儿童病毒性脑炎早期诊断、精准治疗和改善患儿预后的价值。材料与方法收集浙江大学医学院附属儿童医院2020至2022年期间颅脑MRI影像数据1077例,其中病毒性脑炎... 目的构建基于卷积神经网络的儿童病毒性脑炎MRI分类与早期诊断模型,探讨其对儿童病毒性脑炎早期诊断、精准治疗和改善患儿预后的价值。材料与方法收集浙江大学医学院附属儿童医院2020至2022年期间颅脑MRI影像数据1077例,其中病毒性脑炎患儿577例,非病毒性脑炎儿童500例。运用卷积神经网络中的Squeeze-and-Excitation Residual Networks(SE-ResNet)模型构建儿童病毒性脑炎MRI分类与早期诊断模型并与Convolutional Block Attention Module Residual Networks(CBAM-ResNet)、Mobile Networks(MobileNet)、Residual Networks(ResNet)、Shuffle Networks(ShuffleNet)模型进行了对比。结果所有模型在训练集上都达到了收敛。SE-ResNet、CBAM-ResNet、MobileNet和ShuffleNet模型在训练集训练100轮后准确率都达到90%以上,而只有CBAM-ResNet模型和本研究选用的SE-ResNet模型在验证集上同样取得了90%以上的准确率。在测试集上,CBAM-ResNet具有最高的准确率73.91%,ResNet具有最高的召回率75.45%,但只有本文所用SE-ResNet模型在准确率和召回率都达到较高水平,并且取得最好的F1得分和曲线下面积(area under the curve,AUC)值:准确率为70.83%,召回率为72.73%,AUC为0.77,F1得分为0.7183。结论运用人工智能技术结合MRI实现儿童病毒性脑炎早期诊断是可行的,本研究为进一步实现全面的儿童脑炎早期诊断、精准治疗和改善脑炎患儿预后提供了理论和应用基础。 展开更多

关键词 儿童疾病 病毒性脑炎 磁共振成像 se-resnet 深度学习 分类模型 早期诊断

暂未订购

基于卷积神经网络的肾小球病理图像分类算法 被引量：2

15

作者 孙晓晗 孔祥勇 +4 位作者 吴滢 王平 蔡健 彭瑞阳 王钰泽 《中国医学物理学杂志》 CSCD 2022年第10期1313-1320,共8页

病理切片中肾小球自动分类是诊断肾脏病变程度和病变类型的关键。为解决肾小球分类问题,设计了一个基于卷积神经网络的完整肾小球分类框架,选用SE-Resnet作为图像分类模型,将原有模块中卷积层改为参数量更小的卷积块,在保证网络性能的... 病理切片中肾小球自动分类是诊断肾脏病变程度和病变类型的关键。为解决肾小球分类问题,设计了一个基于卷积神经网络的完整肾小球分类框架,选用SE-Resnet作为图像分类模型,将原有模块中卷积层改为参数量更小的卷积块,在保证网络性能的前提下减少网络参数。实验结果表明,相比于其他分类算法,该算法表现最优,在肾小球系膜细胞增生、肾小球新月体形成、肾小球局灶性节段性硬化、正常肾小球的分类任务中达到了96.93%的准确率,说明该分类算法能够较好地对肾小球病变进行识别。 展开更多

关键词 卷积神经网络 se-resnet 图像分类 肾小球 病理图像

在线阅读 下载PDF 职称材料

用于体质量估测的黄羽鸡姿态关键帧识别与分析 被引量：1

16

作者 张小敏 徐涛 +3 位作者 张延宁 高源 朱逸航 饶秀勤 《农业机械学报》 EI CAS CSCD 北大核心 2022年第12期254-263,共10页

体质量是评价家禽生长状况的关键指标,但家禽姿态的变化会影响体质量估测精度。本研究提出了一种SE-ResNet18+fLoss网络对平养模式下黄羽鸡姿态关键帧进行识别,融合了注意力机制SE模块和残差结构,并改进了损失函数,通过Focal Loss监督... 体质量是评价家禽生长状况的关键指标,但家禽姿态的变化会影响体质量估测精度。本研究提出了一种SE-ResNet18+fLoss网络对平养模式下黄羽鸡姿态关键帧进行识别,融合了注意力机制SE模块和残差结构,并改进了损失函数,通过Focal Loss监督信号来解决样本不平衡问题,同时引入梯度加权类激活图对末端分类规则的合理性进行解释。利用4295幅鸡只图像构建数据集,测试集中鸡只的站立、低头、展翅、梳理羽毛、坐姿和遮挡6类姿态情况识别的F1值分别为94.34%、91.98%、76.92%、93.75%、100%和93.68%;黄羽鸡姿态关键帧的识别精确率为97.38%、召回率为97.22%、F1值为97.26%、识别速度为19.84 f/s,识别精度、召回率和F1值均优于ResNet18、MobileNet18 V2和SE-ResNet18网络,在提高黄羽鸡姿态关键帧识别精度的同时保证了实时性,为准确估测家禽体质量提供了技术支持。 展开更多

关键词 黄羽鸡 姿态识别 体质量估测 se-resnet Focal Loss

在线阅读 下载PDF 职称材料

基于对抗注意力机制的水下遮挡目标检测算法 被引量：1

17

作者 罗偲 李凯扬 +1 位作者 吴吉花 任鹏 《计算机工程》 CAS CSCD 北大核心 2024年第10期313-321,共9页

水下环境复杂,遮挡目标信息缺失严重而难以提取到足够的特征信息,导致水下遮挡目标易被漏检。为解决该问题,提出一种基于对抗注意力机制的水下目标检测算法。以Faster R-CNN算法为框架,提出基于空间注意力机制的对抗生成遮挡样本网络(AO... 水下环境复杂,遮挡目标信息缺失严重而难以提取到足够的特征信息,导致水下遮挡目标易被漏检。为解决该问题,提出一种基于对抗注意力机制的水下目标检测算法。以Faster R-CNN算法为框架,提出基于空间注意力机制的对抗生成遮挡样本网络(AOGN)。AOGN与Faster R-CNN网络相互竞争,通过三阶段训练过程,在不增加推理负担的情况下学习生成检测网络难以正确区分的样本,提高Faster R-CNN网络对水下遮挡目标的检测精度。使用Focal loss增加困难样本的损失比重,解决水下数据集难易样本不平衡的问题。在此基础上,为获得更丰富的水下目标特征信息,使用SE-ResNet50代替VGG16作为骨干网络,通过残差网络和SE模块的结合获得更有效、更丰富的水下目标信息,提高对检测目标的特征提取能力,同时加入多条ROIpooling支路实现多尺度特征融合,增加特征的丰富性。实验结果表明,该算法在URPC数据集和水下垃圾数据集上分别取得了73.76%和86.85%的平均精度均值(mAP),遮挡目标漏检率分别达到2%和7%,相较于其他检测算法能够有效提升检测性能。 展开更多

关键词 机器视觉 水下目标检测 对抗样本 损失函数 se-resnet50网络 特征融合

在线阅读 下载PDF 职称材料

基于改进YOLOv4-Tiny的蔗芽识别方法 被引量：4

18

作者 刘姣娣 何捷 +2 位作者 许洪振 段玉龙 沈漫林 《中国农机化学报》 北大核心 2023年第11期169-175,共7页

为解决蔗芽识别在蔗种定向机械化种植速度不匹配问题,提出基于改进YOLOv4-Tiny的蔗芽快速识别方法。将主干网络融合SE-Resnet模块实现注意力机制以增强蔗芽的特征;颈部网络结构多增加一层预测尺度并进行锚框的K-means重聚类,利用浅层网... 为解决蔗芽识别在蔗种定向机械化种植速度不匹配问题,提出基于改进YOLOv4-Tiny的蔗芽快速识别方法。将主干网络融合SE-Resnet模块实现注意力机制以增强蔗芽的特征;颈部网络结构多增加一层预测尺度并进行锚框的K-means重聚类,利用浅层网络的细节信息来提高模型对小目标蔗芽的检测能力;设计人机交互界面实时显示蔗芽识别定位信息。该研究将改进YOLOv4-Tiny算法和NCS2加速推理部署在树莓派4B设备中测试,试验结果表明:识别蔗芽精度达到95.87%,平均精度均值mAP为92.46%,基于树莓派检测速度为0.61 s,模型大小仅为23.2 MB。实现部署在嵌入式设备中准确快速识别蔗芽,解决蔗种蔗芽识别速度慢制约蔗种机械化播种速度问题,为蔗种机械化定向种植提供解决方案。 展开更多

关键词 蔗芽识别 YOLOv4-Tiny 树莓派4B se-resnet K-means重聚类

在线阅读 下载PDF 职称材料

基于SE模块和ResNet的番茄病虫害识别方法 被引量：14

19

作者 胡文艺 王洪坤 杜育佳 《农业工程》 2022年第9期33-40,共8页

番茄病虫害是引起番茄减产的重要因素。精确识别病虫害种类是当前国际热点问题之一,有助于及时有效采取针对性的病虫防治办法,减少和避免因番茄减产导致的经济损失。针对传统虫害识别方法存在效率和精确率低的问题,利用Kaggle网站上的To... 番茄病虫害是引起番茄减产的重要因素。精确识别病虫害种类是当前国际热点问题之一,有助于及时有效采取针对性的病虫防治办法,减少和避免因番茄减产导致的经济损失。针对传统虫害识别方法存在效率和精确率低的问题,利用Kaggle网站上的Tomato数据集,构建基于压缩和激励(SE)模块的深度残差网络模型(ResNet),优化番茄病虫害识别方法。结果表明:通过Pytorch框架下的迁移学习,改进后的网络模型对番茄病虫害图像的平均识别准确率最高为97.96%;基于SE模块的ResNet网络模型有助于增强特征区分能力,增加模型的通用性和鲁棒性。研究结果对番茄病虫害的及时监测和处理、提高番茄产量具有重要意义。 展开更多

关键词 番茄 病虫害识别 迁移学习 压缩和激励模块 深度残差网络模型 Pytorch

在线阅读 下载PDF 职称材料

基于扩散模型的拓扑优化研究

20

作者 崔富豪 姜滔 +2 位作者 韩佳辰 张楠 马朝青 《传感器技术与应用》 2024年第1期16-26,共11页

拓扑优化是工业设计领域中常见的数学方法,旨在给定的物理领域内,满足各种约束条件、负载和其他边界条件等前提下,生成最佳的拓扑结构。传统的拓扑优化大多都依赖有限元方法(FEM),然而有限元方法的迭代计算很大程度上增加了拓扑优化的... 拓扑优化是工业设计领域中常见的数学方法,旨在给定的物理领域内,满足各种约束条件、负载和其他边界条件等前提下,生成最佳的拓扑结构。传统的拓扑优化大多都依赖有限元方法(FEM),然而有限元方法的迭代计算很大程度上增加了拓扑优化的时间成本和算力成本。如今,机器学习和深度学习在图像生成领域内的快速发展为拓扑优化的发展带来了机遇。扩散模型是一种无监督图像生成模型,因生成效果优秀、细节完美等特点等得到广泛使用。本文将在扩散模型的基础上提出新的网络结构,让其适应拓扑优化生成特性,根据特定信息生成与之对应的最优拓扑优化结果。 展开更多

关键词 DDIM 拓扑优化 U-NET DeepLearning se-resnet

在线阅读 下载PDF 职称材料