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66篇文章
< 1 2 … 4 >
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：
基于Ⅰ-Ⅴ曲线全局特征提取的光伏组串Swin-Transformer故障诊断方法
1
作者 昌千琳 罗永捷 +2 位作者 王强钢 任博 周念成 《电工技术学报》 北大核心 2025年第23期7664-7676,共13页
为提高光伏系统自动化运维水平,该文提出一种基于Ⅰ-Ⅴ曲线全局特征提取的光伏组串Swin-Transformer故障诊断方法,以实现准确可靠的智能化光伏状态监测。首先,通过校正与归一化预处理提升Ⅰ-V曲线数据的规范性;其次,采用格拉姆角场、递... 为提高光伏系统自动化运维水平,该文提出一种基于Ⅰ-Ⅴ曲线全局特征提取的光伏组串Swin-Transformer故障诊断方法,以实现准确可靠的智能化光伏状态监测。首先,通过校正与归一化预处理提升Ⅰ-V曲线数据的规范性;其次,采用格拉姆角场、递归图和相对位置矩阵多维度刻画Ⅰ-Ⅴ曲线的动态特性,提取表征光伏组串状态信息的Ⅰ-Ⅴ全局特征;然后,针对特征图的局部区域周期性重复等特点,提出Swin Transformer故障诊断模型,采用分层结构聚合局部特征实现层次化表示,设计移位窗口机制融合局部与全局特征,通过局部自注意力计算实现高效故障诊断;最后,3.75 kW光伏系统的仿真和现场实验表明,所提方法在相对位置矩阵特征变换下性能最佳,可精确诊断不同条件和严重程度的多种故障。在每类样本数低至25个时模型准确率为99.67%,在30 dB噪声干扰下模型准确率为99.56%。采用多种特征数据与不同算法进行消融实验,验证了所提特征提取法与故障诊断模型的优越性,该研究为光伏组串稳定运行提供了可靠的技术支持。 展开更多
关键词 光伏组串 故障诊断 Ⅰ-Ⅴ曲线 全局特征 swin-transformer
在线阅读 下载PDF
基于Swin-Transformer的多尺度多源域自适应轴承故障诊断 被引量：1
2
作者 周玉国 张志凯 +2 位作者 张金超 于春风 周立俭 《机床与液压》 北大核心 2025年第1期32-42,共11页
针对当前多源域自适应方法无法充分挖掘多源域中不同尺度故障信息的问题,提出一种基于Swin-Transformer(Swin-T)的多尺度多源域自适应轴承故障诊断方法。通过连续小波变换,获得振动信号在不同频带的特征。为更充分地利用多源域中不同尺... 针对当前多源域自适应方法无法充分挖掘多源域中不同尺度故障信息的问题,提出一种基于Swin-Transformer(Swin-T)的多尺度多源域自适应轴承故障诊断方法。通过连续小波变换,获得振动信号在不同频带的特征。为更充分地利用多源域中不同尺度的故障信息,提出基于Swin-T的多尺度特征提取网络。为了减小各域之间的数据分布差异,构建基于最大均值差异的特征对齐网络,并根据不同尺度对分类的贡献赋予权值。此外,构建多尺度特征融合模块,对不同尺度的特征信息进行融合,得到故障特征集。最后,利用Softmax对特征集进行故障分类,并通过最小化多分类器预测差异损失得到最终分类结果。在凯斯西储大学和青岛理工大学轴承数据集上,该方法的故障分类准确度分别达到99.63%和99.40%。 展开更多
关键词 轴承 故障诊断 多源域自适应 swin-transformer 多尺度特征提取 最大均值差异
在线阅读 下载PDF
基于ARM架构与Docker的Swin-Transformer遥感影像云检测方法研究
3
作者 陆俊南 戴山 胡昌苗 《无线电工程》 2025年第12期2373-2384,共12页
针对特定平台下遥感影像分割、分类应用,提出了一种基于ARM架构与Docker容器化部署的Swin-Transformer遥感影像云检测方法。通过构建无符号16位的图像-标签样本,保持地物的光谱细节不被压缩丢失,与传统的8位自然图像相比,提升了云与雪... 针对特定平台下遥感影像分割、分类应用,提出了一种基于ARM架构与Docker容器化部署的Swin-Transformer遥感影像云检测方法。通过构建无符号16位的图像-标签样本,保持地物的光谱细节不被压缩丢失,与传统的8位自然图像相比,提升了云与雪高亮类别的可分性和检测精度。同时,针对ARM架构硬件及操作系统,采用基于Docker容器化技术的跨平台部署方案,实现算法环境的一致性封装与灵活迁移。数据实验表明,利用基于ImageNet-1k样本预训练的Swin-Transformer模型进行小块推理并添加精细化调整进行模型迭代,结合模型迭代的主动学习策略,提升了复杂场景下的地物分类准确率,同时基于ARM的Docker部署方案保持了跨平台的兼容性,为特定环境中的遥感智能解译提供了可行技术路径。 展开更多
关键词 ARM DOCKER swin-transformer 分割 云检测
在线阅读 下载PDF
改进Swin-Transformer的地震数据噪声压制方法研究
4
作者 易玺 罗仁泽 《软件导刊》 2025年第1期35-42,共8页
随机噪声作为非相干噪声的主要组成部分,一直是地震资料处理的重点和难点。传统随机噪声压制方法在处理地震数据时容易出现伪影、边缘信息模糊等问题,有必要开发一种基于深度学习的随机噪声压制方法,通过直接学习图像的深层特征实现去... 随机噪声作为非相干噪声的主要组成部分,一直是地震资料处理的重点和难点。传统随机噪声压制方法在处理地震数据时容易出现伪影、边缘信息模糊等问题,有必要开发一种基于深度学习的随机噪声压制方法,通过直接学习图像的深层特征实现去噪。鉴于Swin-Transformer能够有效挖掘图像的深层信息,提出一种基于Swin-Transformer的改进去噪方法。该方法采用编码器—解码器的Unet框架,采用一长一短双通道并行提取编码器中的多个维度特征,并引入新的特征融合机制来合并这些特征,最终由解码器重现提取到的有用信息。采用实际工区数据进行测试,实验结果表明,与当前主流深度学习模型相比,所提方法的SNR和SSIM分别最高提升2.33 dB和0.07,去噪性能优异。 展开更多
关键词 swin-transformer Unet 图像去噪 地震数据
在线阅读 下载PDF
基于CBAM-Swin-Transformer迁移学习的海上微动目标分类方法
5
作者 何肖阳 陈小龙 +3 位作者 杜晓林 苏宁远 袁旺 关键 《系统工程与电子技术》 北大核心 2025年第4期1155-1167,共13页
雷达作为海上目标监测和识别的重要手段,海上目标运动特征精细化描述与分类是其关键技术。基于深度学习的卷积网络分类方法不依赖于模型,但仍难以适应复杂多变的海洋环境、多样性海上目标,泛化能力有限。将卷积注意力机制模块(convoluti... 雷达作为海上目标监测和识别的重要手段,海上目标运动特征精细化描述与分类是其关键技术。基于深度学习的卷积网络分类方法不依赖于模型,但仍难以适应复杂多变的海洋环境、多样性海上目标,泛化能力有限。将卷积注意力机制模块(convolutional block attention module,CBAM)融入Swin-Transformer网络,并基于迁移学习(transfer learning,TL)策略,提出一种兼顾舰船目标和低空旋翼飞行目标的海上微动目标分类方法(简称为TL-CBAM-Swin-Transformer),提升多种观测条件下的模型分类适应能力。首先,建立海上微动目标模型,并基于3种雷达实测数据构建海面非匀速平动、三轴转动、直升机、固定翼无人机的微动时频数据集。然后,设计TL-CBAM-Swin-Transformer网络,CBAM从通道维和空间维提取特征,提高其小尺度中多头注意力信息的提取能力。实测数据验证结果表明,相比Swin-Transformer,所提网络的分类准确度提升3.43%。采用TL法,将所提网络在ImageNet数据上进行预训练,将智能像素处理(intelligent pixel processing,IPIX)雷达微动目标作为源域进行预训练,并迁移至科学与工业研究委员会(Council for Scientific and Industrial Research,CSIR)雷达微动目标,分类概率达97.9%,将直升机旋翼作为源域进行预训练并迁移至固定翼无人机,分类概率达98.8%,验证了所提算法具有较强的泛化能力。 展开更多
关键词 雷达目标分类 海上微动目标 迁移学习 swin-transformer网络 注意力机制 时频分析
在线阅读 下载PDF
医学图像分割中YOLO与Swin-Transformer的多模态融合研究
6
作者 齐豪 刘玮 齐静 《信息系统工程》 2025年第10期117-120,共4页
本文基于医学图像分割主流方法回顾,研究了YOLO模型的快速定位能力与Swin-Transformer的全局建模优势,提出一种多模态融合分割方法。该方法设计了双分支结构,一方面利用YOLO系列模型实现病灶区域的初步检测与特征提取,另一方面引入Swin-... 本文基于医学图像分割主流方法回顾,研究了YOLO模型的快速定位能力与Swin-Transformer的全局建模优势,提出一种多模态融合分割方法。该方法设计了双分支结构,一方面利用YOLO系列模型实现病灶区域的初步检测与特征提取,另一方面引入Swin-Transformer进行长距离依赖建模与上下文理解,并利用融合机制集成两者特征,提升其分割性能。在多个医学图像数据集上进行了实验,分析了不同模块对整体性能的影响。结果表明,该方法在保持推理速度的同时,显著提高了分割的准确性与鲁棒性,优于现有主流方法。 展开更多
关键词 医学图像分割 YOLO swin-transformer 多模态融合 深度学习
在线阅读 下载PDF
基于Swin-Transformer的短波协议信号识别 被引量：5
7
作者 朱政宇 陈鹏飞 +3 位作者 王梓晅 巩克现 吴迪 王忠勇 《通信学报》 EI CSCD 北大核心 2022年第11期127-135,共9页
针对短波复杂信道环境下信号所属协议识别困难的问题,提出一种基于Swin-Transformer神经网络模型的短波协议信号识别算法。首先使用时频分析方法得到信号的灰度时频图作为神经网络的输入;其次设计一种基于Swin-Transformer的神经网络模... 针对短波复杂信道环境下信号所属协议识别困难的问题,提出一种基于Swin-Transformer神经网络模型的短波协议信号识别算法。首先使用时频分析方法得到信号的灰度时频图作为神经网络的输入;其次设计一种基于Swin-Transformer的神经网络模型,对信号时频图进行特征提取;最后将特征与协议建立映射关系,从而实现信号协议的识别。仿真实验结果表明,在信噪比大于−4 dB的高斯信道下,所提算法的识别准确率接近100%,高于现有算法。此外,在强干扰以及多径时延衰落的信道条件下,所提算法仍具有较高的短波协议信号识别率。 展开更多
关键词 短波协议信号识别 神经网络 时频分析 多径时延衰落 swin-transformer
在线阅读 下载PDF
基于Swin-Transformer的黑色素瘤图像病灶分割研究 被引量：1
8
作者 赵宏 王枭 《计算机工程》 CAS CSCD 北大核心 2024年第8期249-258,共10页
黑色素瘤图像病灶分割的主流模型大多基于卷积神经网络(CNN)或Vision Transformer(ViT)网络,但是CNN模型受限于感受野大小,无法获取全局上下文信息,而ViT模型只能提取固定分辨率的特征,无法提取不同粒度的特征。为解决该问题,建立一种基... 黑色素瘤图像病灶分割的主流模型大多基于卷积神经网络(CNN)或Vision Transformer(ViT)网络,但是CNN模型受限于感受野大小,无法获取全局上下文信息,而ViT模型只能提取固定分辨率的特征,无法提取不同粒度的特征。为解决该问题,建立一种基于Swin-Transformer的融合双分支的混合模型SwinTransFuse。在编码阶段,首先利用Noise Reduction图像降噪模块去除图像中的毛发等噪声,然后采用CNN和Swin-Transformer构成的双分支特征提取模块来提取图像的局部细粒度信息和全局上下文信息,并对来自Swin-Transformer分支的全局上下文信息使用SE模块进行通道注意力操作以增强全局特征的提取,对来自CNN分支的局部细粒度信息使用卷积块注意力机制模块(CBAM)进行空间注意力操作以增强局部细粒度特征的提取,接下来利用Hadamard积运算对两个分支输出的特征进行特征交互以实现特征的融合,最后将SE模块输出的特征、CBAM模块输出的特征和特征融合后的特征进行拼接以实现多层次特征融合,并通过一个残差块输出交互后的特征。在解码阶段,将特征输入到上采样模块得到图像最终的分割结果。实验结果表明,该模型在ISIC2017和ISIC2018皮肤病数据集上的平均交并比分别为78.72%和78.56%,优于同类型的其他医学分割模型,具有更高的实用价值。 展开更多
关键词 swin-transformer模型 黑色素瘤 特征融合 降噪 ISIC2018数据集
在线阅读 下载PDF
基于改进Swin-Transformer的柑橘病叶分类模型 被引量：3
9
作者 方俊泽 郭正 +2 位作者 李歌 邢素霞 王瑜 《中国农机化学报》 北大核心 2024年第1期252-258,共7页
针对柑橘病害人工检测效率低、成本高、准确度低等问题,结合人工智能技术对柑橘病叶进行分类识别。首先,建立模拟复杂环境下的柑橘病叶数据集。其次,提出一种改进的Swin-Trasnformer柑橘病叶分类模型,包含局部感知通道增强注意力模块(LP... 针对柑橘病害人工检测效率低、成本高、准确度低等问题,结合人工智能技术对柑橘病叶进行分类识别。首先,建立模拟复杂环境下的柑橘病叶数据集。其次,提出一种改进的Swin-Trasnformer柑橘病叶分类模型,包含局部感知通道增强注意力模块(LPCE),以提升模型的感受野和特征表达能力,通过通道之间的相关性进行加权,使模型更容易提取关键特征。试验证明本文模型的分类识别准确率达到98.52%,精确率、召回率和F 1-score分别达到98.17%、98.24%、98.28%,均超过基线模型。该模型为柑橘病害的检测提供技术支撑。 展开更多
关键词 柑橘病叶 深度学习 分类识别 swin-transformer 注意力模块
在线阅读 下载PDF
融合Swin-Transformer网络模型的水体高光区域提取 被引量：3
10
作者 陈毅夫 何敬 +1 位作者 刘刚 毛佳琪 《遥感信息》 CSCD 北大核心 2023年第4期129-136,共8页
在强光的照射下,水体的镜面反射往往会对遥感影像产生很大影响,其主要表现就是在图像上产生大小不同、形状各异的亮斑。这些亮斑附近的地物信息基本上都被淹没,对后期的影像分析会造成不同程度的影响,因此对这些亮斑的检测识别就显得尤... 在强光的照射下,水体的镜面反射往往会对遥感影像产生很大影响,其主要表现就是在图像上产生大小不同、形状各异的亮斑。这些亮斑附近的地物信息基本上都被淹没,对后期的影像分析会造成不同程度的影响,因此对这些亮斑的检测识别就显得尤为重要。文章以DeeplabV3plus为主要网络,提出一种融合Swin-Transformer模块的网络模型。该模型将Swin-Transformer网络作为一个模块与卷积骨干网络并行提取特征。提取出的两类特征经上采样后进行特征融合,再经多次卷积等实现了水体亮斑的识别与分割。实验结果表明,该模型能够对不同类型、不同形状的水体亮斑进行识别分割,其平均交并比为93.44%。 展开更多
关键词 水体高光区域提取 swin-transformer DeeplabV3plus 特征并行提取 特征融合
在线阅读 下载PDF
基于改进Swin-Transformer模型的铜矿X射线图像分类研究 被引量：1
11
作者 黄永进 何剑锋 +5 位作者 李卫东 夏菲 王杉 汪雪元 钟国韵 瞿金辉 《有色金属（选矿部分）》 CAS 2024年第12期112-118,138,共8页
针对铜矿图像分类中传统神经网络因感受野限制和维度信息阻塞面临的问题,提出了基于X射线透射成像技术改进的Swin-Transformer模型。该模型以Swin-Transformer为基础框架,在主干网络的第二和第三阶段中添加Mixing Block,通过局部窗口自... 针对铜矿图像分类中传统神经网络因感受野限制和维度信息阻塞面临的问题,提出了基于X射线透射成像技术改进的Swin-Transformer模型。该模型以Swin-Transformer为基础框架,在主干网络的第二和第三阶段中添加Mixing Block,通过局部窗口自注意力和深度卷积之间的的双向交互,使模型的感受野得到显著增大,从而增强了特征表示和建模能力;同时,引入的EMA(Efficient Multi-Scale Attention)模块,将部分通道重塑为批量维度,并将通道维度分组为多个子特征,使空间语义特征在每个特征组中均匀分布,提升了模型在通道和多尺度空间维度信息融合方面的能力,并增强了对感兴趣区域特征的表征效果。试验以铜矿X射线透射图像为研究对象,选取总计5000张图像,按8∶2划分训练集和测试集,在与传统网络的性能对比试验中选取Swin-Transformer作为模型的主干网络。在选取主干网络的基础之上向模型引入Mixing Block模块和EMA模块进行优化改进。试验结果表明,改进模型解决了感受野和维度信息受限的问题,并在铜矿智能识别任务上达到了94.40%的准确率,而消融试验则证明了改进模块对于模型识别性能的提升,进一步证明了改进方法的有效性。 展开更多
关键词 深度学习 X射线成像 矿石识别 swin-transformer
在线阅读 下载PDF
基于Swin-Transformer改进的目标跟踪算法 被引量：2
12
作者 刘时 朱明 《液晶与显示》 CAS CSCD 北大核心 2024年第11期1569-1580,共12页
基于STARK目标跟踪方法中采用ResNet为骨干网络,其特征提取能力不足,跟踪效果较差。针对此问题,本文基于Swin-Transformer网络,提出了一种改进的目标跟踪算法。首先,对Swin-Transformer内窗口注意力机制进行多尺度改进,设计多尺度窗口模... 基于STARK目标跟踪方法中采用ResNet为骨干网络,其特征提取能力不足,跟踪效果较差。针对此问题,本文基于Swin-Transformer网络,提出了一种改进的目标跟踪算法。首先,对Swin-Transformer内窗口注意力机制进行多尺度改进,设计多尺度窗口模块MW-MSA,旨在提取更为丰富的局部细节信息,与全局上下文信息共同构成多尺度判别性特征。接着,结合Transformer的编码-解码结构作为特征融合网络,采用优化的多层感知机作为更新分数判断网络构成状态感知模块。最后,针对目标消失、重现挑战,提出了一种多跟踪器融合方法。融合多尺度改进的跟踪算法和SuperDiMP跟踪算法,设计消失状态判断模块,综合考虑两种跟踪器的置信度分数及目标在预测框附近的可能性估计。实验结果表明,相较STARK跟踪算法,本文算法在GOT-10K数据集上的平均重叠率(AO)提升2.7%、成功率SR_(0.5)提高3.3%。在L-LaSOT数据集上,相较于STARK算法,成功率(AUC)提升0.8%,在目标消失重现挑战下成功率提升1%。 展开更多
关键词 目标跟踪 多尺度窗口 swin-transformer 模板更新 多模型融合
在线阅读 下载PDF
基于Swin-Transformer与生成对抗网络的地震随机噪声压制方法 被引量：2
13
作者 周鸿帅 程冰洁 徐天吉 《石油物探》 CSCD 北大核心 2024年第1期116-128,共13页
目前深度学习类地震数据去噪方法大多基于卷积神经网络,而此类方法受限于卷积核的局部操作,缺少对地震数据全局特征的分析,因而降低了去噪效果。另外,以L 1,L 2损失函数为指标的网络模型容易出现过度平滑效应,产生虚假同相轴以及虚高的... 目前深度学习类地震数据去噪方法大多基于卷积神经网络,而此类方法受限于卷积核的局部操作,缺少对地震数据全局特征的分析,因而降低了去噪效果。另外,以L 1,L 2损失函数为指标的网络模型容易出现过度平滑效应,产生虚假同相轴以及虚高的峰值信噪比(PSNR)与结构相似性(SSIM)值。为此,提出一种基于Swin-Transformer(Swin-T)和生成对抗网络的去噪方法(ST-GAN)。该方法以Swin-Transformer作为生成对抗网络中的生成网络对地震数据去噪,判别网络基于卷积神经网络。Transformer的自注意力机制是全局操作,可以有效提取地震数据的全局特征,并能与卷积神经网络的局部操作互补,提升网络模型的特征提取能力。而对抗损失则提升了网络模型的细节恢复能力,有效避免因过度平滑效应产生的同相轴假象。将该方法应用于地震数据去噪,并与现有去噪方法进行对比分析,实验结果表明,该方法具有更加优异的特征提取能力,能在有效压制随机噪声的同时,恢复和保留更多的细节信息,提高了地震信号的信噪比。 展开更多
关键词 深度学习 噪声压制 swin-transformer 自注意力机制 生成对抗网络 卷积神经网络 损失函数
在线阅读 下载PDF
Swin-Transformer故障信息挖掘的海底观测网故障定位方法 被引量：1
14
作者 栾韶泽 李光炬 +3 位作者 甘维明 季桂花 邢炜光 赵赞善 《网络新媒体技术》 2024年第3期47-56,共10页
海底观测网长期受海洋环境与人为因素影响,易使光电复合缆绝缘破损与海水接触形成电学故障点。如何准确地定位电学故障点,对提高海底观测网输电与信息传输的可靠性至关重要。首先根据海底观测网输电结构建立海底观测网输电模型,推导与... 海底观测网长期受海洋环境与人为因素影响,易使光电复合缆绝缘破损与海水接触形成电学故障点。如何准确地定位电学故障点,对提高海底观测网输电与信息传输的可靠性至关重要。首先根据海底观测网输电结构建立海底观测网输电模型,推导与模拟电学故障点传播至观测点的暂态电流,然后由连续小波变换提取暂态电流与故障点对应的内在关联特征量,最后通过Swin-Transformer神经网络挖掘内在关联特征量与故障距离的匹配关系来定位电学故障点。研究结果表明,在内在关联特征量样本测试集条件下,光电复合缆≤160 km的电学故障点定位误差小于400 m,可为长距离光电复合缆的海底观测网电学故障点定位提供参考。 展开更多
关键词 海底观测网 光电复合缆 电学故障点 暂态电流 swin-transformer 故障点定位
在线阅读 下载PDF
融合残差块与Swin-Transformer机制的刀具磨损监测方法 被引量：1
15
作者 李泽稷 周学良 孙培禄 《现代制造工程》 CSCD 北大核心 2024年第8期126-135,共10页
为进一步提高切削加工过程刀具磨损值监测的精度,提出一种融合残差块与Swin-Transformer模型的刀具磨损监测模型。首先,采用分组卷积残差块提取信号的特征;然后,利用Swin-Transformer模型中的分块滑动窗口自注意力机制对提取的特征进行... 为进一步提高切削加工过程刀具磨损值监测的精度,提出一种融合残差块与Swin-Transformer模型的刀具磨损监测模型。首先,采用分组卷积残差块提取信号的特征;然后,利用Swin-Transformer模型中的分块滑动窗口自注意力机制对提取的特征进行平移融合;最后,通过回归层实现刀具磨损值监测。试验结果表明,融合一层残差块与一层stage机制的Swin-Transformer模型可以有效融合刀具磨损状态监测信号的全局信息,相比其他Swin-Transformer模型,不仅模型结构简单,而且具有更高的监测精度,利用PHM2010数据集验证的MSE、MAE和R2分别达到4.471 9、1.467 5和0.995 8。 展开更多
关键词 刀具 磨损监测 残差卷积神经网络 swin-transformer模型
在线阅读 下载PDF
结合Swin-Transformer的改进YOLOv5s包装盒缺陷检测算法 被引量：2
16
作者 赵敏 范英 +2 位作者 高思伟 谢佳泽 王潇 《制造业自动化》 2024年第12期34-40,共7页
针对已有目标检测算法在缺陷检测方面识别精度低、泛化能力差的问题,提出一种基于改进YOLOv5s的包装盒缺陷检测方法。首先,针对包装盒缺陷特征复杂难以识别分类的问题,主干特征提取网络CSPDarknet结构替换为Swin-Transformer结构,提高... 针对已有目标检测算法在缺陷检测方面识别精度低、泛化能力差的问题,提出一种基于改进YOLOv5s的包装盒缺陷检测方法。首先,针对包装盒缺陷特征复杂难以识别分类的问题,主干特征提取网络CSPDarknet结构替换为Swin-Transformer结构,提高模型对缺陷特征信息的获取能力和检测精度;其次,在预测端加入Dropout和Label smoothing正则化方法,解决破损包装盒图像中不同缺陷特征交叉分布导致模型识别能力差的问题。试验结果表明,改进后YOLOv5s模型检测精度平均精度均值mAP提升了10.7%,测试时,能有效检测出更多的包装盒缺陷。该模型在包装盒缺陷检测识别任务中检测精度提高,误检率和漏检率降低,有效提高了模型泛化能力。 展开更多
关键词 缺陷检测 YOLOv5s swin-transformer结构 正则化
在线阅读 下载PDF
基于Swin-Transformer的野生动物检测
17
作者 姜福豪 隋晨红 +5 位作者 欧世峰 王中训 胡国英 杨国斌 潘云豪 胡健 《人工智能与机器人研究》 2021年第4期281-291,共11页
野生动物检测对于更好地开展野生动物保护、维持生物多样性和生态系统平衡具有重要意义。随着科技的进步,野生动物检测已从传统的人工寻觅、人眼识别发展到利用机器学习技术进行快速检测的阶段。然而,当前各种检测模型存在检测精度不高... 野生动物检测对于更好地开展野生动物保护、维持生物多样性和生态系统平衡具有重要意义。随着科技的进步,野生动物检测已从传统的人工寻觅、人眼识别发展到利用机器学习技术进行快速检测的阶段。然而,当前各种检测模型存在检测精度不高的问题。因此,本文将Swin-Transformer技术应用到野生动物目标检测模型,并与其他的优秀的检测模型进行性能比较。实验结果表明与其他优秀的检测器相比,Swin-Transformer检测的平均检测精度为0.958,领先于其他检测模型至少5%,并且该检测器对绝大多数动物的检测均可取得最优结果,即使是对于样本数量较少的稀有类别,检测精度依然能够达到91%,极大提高了野生动物检测的准确率。 展开更多
关键词 深度学习 目标检测 野生动物 swin-transformer
在线阅读 下载PDF
基于Swin-Transformer的目标检测算法的研究 被引量：1
18
作者 程骏峰 邓洪敏 《自动化应用》 2023年第10期157-160,164,共5页
YOLOv4算法作为目前最杰出的目标检测算法之一,已在许多应用中取得了很好的成就,但受限于CNN网络的局限性,其只能在局部区域建立一定联系,而无法与更远的位置建立远程依赖关系。Swin-Transformer因为其独特的自注意力机制,并在任意位置... YOLOv4算法作为目前最杰出的目标检测算法之一,已在许多应用中取得了很好的成就,但受限于CNN网络的局限性,其只能在局部区域建立一定联系,而无法与更远的位置建立远程依赖关系。Swin-Transformer因为其独特的自注意力机制,并在任意位置之间均能建立联系。针对以上问题,本文将Swin-Transformer与YOLOv4算法相结合,取长补短,以获得更好地捕捉远程依赖关系的能力。在YOLOv4的基础上,采用Swin-Transformer网络模型作为骨干特征提取网络,并引入了ASFF模块来增强特征提取能力。实验结果表明,在Pascal VOC数据集检测出的精度比标准YOLOv4高出8.1%,证实了该方法的有效性。 展开更多
关键词 swin-transformer 目标检测 深度学习 YOLOv4 ASFF
在线阅读 下载PDF
基于Swin-Transformer的YOLOX交通标志检测 被引量：5
19
作者 嵇文 刘全金 +3 位作者 黄崇文 杨瑞 黄汇磊 徐光豪 《无线电通信技术》 2023年第3期547-555,共9页
交通标志检测是驾驶辅助系统和自动驾驶系统的关键因素之一。在交通标志检测过程中,交通标志距离不同导致目标尺度变化很大,远距离小尺度交通标志对基于卷积网络的目标检测器提出了巨大挑战。YOLOX-Swin算法将Swin-Transformer作为YOLO... 交通标志检测是驾驶辅助系统和自动驾驶系统的关键因素之一。在交通标志检测过程中,交通标志距离不同导致目标尺度变化很大,远距离小尺度交通标志对基于卷积网络的目标检测器提出了巨大挑战。YOLOX-Swin算法将Swin-Transformer作为YOLOX的骨干网络以提取交通标志图像特征,通过移动窗口获取足够的全局上下文信息,并利用多头自注意力机制提取更多差异化特征;利用YOLOX自身的路径增强特征金字塔网络(Path Aggregation Feature Pyramid Network, PAFPN)提取、融合包括交通标志低层信息在内的多尺度特征信息,提升小目标交通标志检测精度。由于小目标交通标志在图像中所占像素较少,同时考虑到Transformer需要的训练样本多于卷积网络,在原本的复制粘贴法上进行改进,增加交通标志样本数量,以进一步提高交通标志检测精度。在TT100K数据集上的测试结果表明,所提目标检测方法较其他几种方法具有更高的交通标志检测精度,能满足交通标志检测准确性和实时性要求。 展开更多
关键词 深度学习 YOLOX swin-transformer 小目标检测 复制粘贴法
在线阅读 下载PDF
基于UNet+Swin-Transformer的西瓜叶片病害识别的研究 被引量：4
20
作者 向宇杰 向元平 《软件工程》 2024年第1期55-57,73,共4页
诊断与识别植物叶片的病虫害是农业生产中的一大难题。为了解决西瓜叶片病虫害的诊断与识别问题,方便瓜农评估西瓜叶片的健康状况,提出了一种先分割、后识别的西瓜叶片病害识别算法。该算法首先采用UNet模型对叶片进行分割,其次使用Swin... 诊断与识别植物叶片的病虫害是农业生产中的一大难题。为了解决西瓜叶片病虫害的诊断与识别问题,方便瓜农评估西瓜叶片的健康状况,提出了一种先分割、后识别的西瓜叶片病害识别算法。该算法首先采用UNet模型对叶片进行分割,其次使用Swin-Transformer模型进行病虫害识别。通过在自建的西瓜叶片数据集上进行对比实验,文章所提算法识别准确率达到92.9%,相比直接在原始图像上使用Swin-Transformer模型进行病虫害识别,准确率提高了3.2%。实验结果表明,使用分割后的图像进行病虫害分类可以显著提高识别准确率。 展开更多
关键词 UNet swin-transformer 语义分割 病虫害识别
在线阅读 下载PDF
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 … 4 下一页 到第 页
使用帮助 返回顶部