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2篇文章
< 1 >
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Vision Mamba模型的渔业监测物种分类性能比较
1
作者 张泽海 黄小双 +2 位作者 孔祥洪 刘必林 陈新军 《上海海洋大学学报》 北大核心 2026年第2期508-519,共12页
渔业电子观察员(Electronic monitoring)是实施渔业智能化监管的重要手段,图像识别是其支撑的关键技术之一,如何解决边缘计算场景下部署高性能、轻量化模型是目前面临的挑战。本研究引入深度学习领域的Vision Mamba(ViM)模型,该模型利... 渔业电子观察员(Electronic monitoring)是实施渔业智能化监管的重要手段,图像识别是其支撑的关键技术之一,如何解决边缘计算场景下部署高性能、轻量化模型是目前面临的挑战。本研究引入深度学习领域的Vision Mamba(ViM)模型,该模型利用选择性状态空间机制(State space model,SSM)构建双向编码器,在保持线性计算复杂度的同时实现了对图像长距离依赖关系的全局建模。研究以自然保护协会渔业监测数据集为基础,与ResNet、EfficientNet、DeiT等主流模型开展了系统性的性能对比研究。结果显示,ViM模型在效率与精度上均表现出卓越性能。在轻量级模型中,ViM-Tiny在比ResNet-18基线模型少44.28%参数量的情况下,准确率提升了1.12%,F1分数提升了2.19%。在中量级模型中,ViM-Small在参数量相较ResNet-101基线模型减少44.65%的情况下,仍能实现与之接近持平的准确率(0.960 3)与F1分数(0.964 5)。研究表明,ViM模型能够在显著降低模型复杂度的同时,仍保持强大的渔业物种分类能力,在轻量化与高精度之间取得了很好的平衡。研究为构建高效、智能的渔业监管系统提供了新的技术路径。 展开更多
关键词 渔业电子观察员 图像分类 vision mamba模型 深度学习 渔业监测数据集
原文传递
UltraLight CrackNet:基于VMamba的轻量化裂缝分割网络
2
作者 成荣 朱文忠 王文 《电子测量技术》 北大核心 2025年第22期224-234,共11页
裂缝检测在土木基础设施维护中具有关键作用。传统人工视觉检测方法存在诸多缺陷,推动了裂缝检测技术的持续发展。然而,现有裂缝检测技术仍面临复杂背景干扰、特征多样性干扰及高计算资源需求的挑战。本研究挖掘Mamba模型在视觉任务中... 裂缝检测在土木基础设施维护中具有关键作用。传统人工视觉检测方法存在诸多缺陷,推动了裂缝检测技术的持续发展。然而,现有裂缝检测技术仍面临复杂背景干扰、特征多样性干扰及高计算资源需求的挑战。本研究挖掘Mamba模型在视觉任务中的潜力,提出一种超轻量裂缝检测网络(UltraLight CrackNet),其包含3个核心模块:并行轻量化视觉Mamba模块(通过高效建模长程依赖关系提取深层语义特征)、多尺度残差视觉状态空间模块(增强多尺度特征表征能力),以及改进的语义-细节融合模块(优化编码器-解码器架构的跳跃连接机制)。实验表明,该方法仅需0.13 M参数量与1.96 G浮点运算量,在超轻量模型设计下,于DeepCrack和Crack500数据集分别取得87.85%和77.92%的平均交并比mIoU,达到最优性能;在SteelCrack数据集获得可比结果,且参数量较现有对比模型中参数量最小的模型降低87.85%。 展开更多
关键词 裂缝检测 视觉mamba 轻量化模型 语义分割 特征融合
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 下一页 到第 页
使用帮助 返回顶部