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297篇文章
< 1 2 … 15 >
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：
基于改进DeepLabV3+的轻量化语义分割网络
1
作者 惠飞 王悦华 +3 位作者 穆柯楠 徐源 张宇 龙姝静 《计算机工程与设计》 北大核心 2025年第7期1990-1997,共8页
为在硬件资源受限的嵌入式平台中实现高效语义分割,提出一种改进Deep Lab V3+的轻量化语义分割网络。采用Mobile NetV2主干网络并引入深度可分离卷积减少参数,编码器引入SE模块,增强多尺度特征融合,解码器引入CBAM模块,突出特征提取信息... 为在硬件资源受限的嵌入式平台中实现高效语义分割,提出一种改进Deep Lab V3+的轻量化语义分割网络。采用Mobile NetV2主干网络并引入深度可分离卷积减少参数,编码器引入SE模块,增强多尺度特征融合,解码器引入CBAM模块,突出特征提取信息;设计并行与主干网络低级特征的分支,提高目标边缘分割精度;优化损失函数改善正负样本不平衡问题。实验结果表明,改进网络在PASCALVOC数据集上m IoU和m PA分别提高1.54%和2.44%,参数量减少47.84M,改进效果明显。 展开更多
关键词 深度学习 语义分割 轻量化网络 注意力机制 深度可分离卷积 特征提取 损失函数
在线阅读 下载PDF
基于轻量级残差网络的信号调制识别研究
2
作者 张承畅 王艺培 +1 位作者 李吉利 罗元 《实验技术与管理》 北大核心 2025年第3期114-122,共9页
针对高复杂度的神经网络难以被部署在对低延迟和存储有严格要求的场景和接收设备中的问题,该文提出了一种基于轻量级残差网络的自动调制识别(AMR)框架。该框架将蓝图可分离卷积(BSConv)与CoordGate相结合以实现轻量化的设计。为了弥补... 针对高复杂度的神经网络难以被部署在对低延迟和存储有严格要求的场景和接收设备中的问题,该文提出了一种基于轻量级残差网络的自动调制识别(AMR)框架。该框架将蓝图可分离卷积(BSConv)与CoordGate相结合以实现轻量化的设计。为了弥补轻量化设计造成的性能损失,该文提出了使用改进的基于软池化(SoftPool)的卷积注意力模块(CBAM)以提升模型的泛化能力和分类性能。实验结果表明,该文提出的轻量级AMR框架在性能提升的情况下参数量大幅减少,平均识别准确率为98.23%,参数量为87057。 展开更多
关键词 自动调制识别(AMR) 轻量级神经网络 深度学习 注意力机制
在线阅读 下载PDF
基于改进U-Net网络的PCB缺陷检测方法 被引量：1
3
作者 彭勇 刘慧民 +1 位作者 李伟松 王石 《计算技术与自动化》 2025年第1期183-188,共6页
针对PCB表面小尺寸缺陷难以检测的问题,提出了一种改进的U-Net语义分割网络,实现PCB表面缺陷图像的精确检测。首先,将U-Net的四层网络层次修改为三层,可以减少整体的计算工作量、提升网络模型收敛速度、缩短训练时间;其次,在U-Net网络... 针对PCB表面小尺寸缺陷难以检测的问题,提出了一种改进的U-Net语义分割网络,实现PCB表面缺陷图像的精确检测。首先,将U-Net的四层网络层次修改为三层,可以减少整体的计算工作量、提升网络模型收敛速度、缩短训练时间;其次,在U-Net网络中融入CBAM(Convolutional Block Attention Module)模块来提升图像中缺陷目标的显著度;然后,在编码阶段使用混合空洞卷积替换原有卷积块,增大感受野,获取更多的上下文信息。结果表明,U-Net的改进模型能够在提升模型性能的同时减少计算复杂度,能够增加PCB缺陷检测效率。 展开更多
关键词 缺陷检测 U-Net 空洞卷积 注意力机制 语义分割网络 轻量型网络 深度学习 小目标检测
在线阅读 下载PDF
基于改进MobileNetV2的烟丝种类识别
4
作者 王莉 朱雯路 +3 位作者 范磊 胡宏帅 袁强 牛群峰 《中国农机化学报》 北大核心 2025年第8期58-65,共8页
为解决烟丝形态小且不同种类烟丝之间差异小、难以识别的问题,提出一种基于改进MobileNetV2的烟丝种类识别方法。以MobileNetV2为基础网络,引入多尺度特征融合模块以获取丰富的烟丝细节信息;删除主干网络中过多的bottleneck和重新设计... 为解决烟丝形态小且不同种类烟丝之间差异小、难以识别的问题,提出一种基于改进MobileNetV2的烟丝种类识别方法。以MobileNetV2为基础网络,引入多尺度特征融合模块以获取丰富的烟丝细节信息;删除主干网络中过多的bottleneck和重新设计分类器以降低网络深度;结合知识蒸馏技术使用迁移学习后的ResNet50网络对改进后的MobileNetV2网络进行学习指导以实现模型轻量化。试验结果表明,基于改进MobileNetV2的烟丝种类识别方法对各类烟丝的识别准确率为95.37%,比基础网络提高8.6%;参数量为0.62 M,比基础网络减少1.61 M。同时,与传统的分类网络(GoogLeNet、AlexNet、ResNet50、VGG16)相比,烟丝识别准确率更高、计算量更小。 展开更多
关键词 烟丝识别 深度学习 卷积神经网络 知识蒸馏 轻量化
在线阅读 下载PDF
一种基于多尺度高阶注意力机制的PCB缺陷检测方法
5
作者 彭勇 刘慧民 +1 位作者 李伟松 王石 《微型电脑应用》 2025年第9期25-30,共6页
针对PCB表面小尺寸缺陷检测效率低的问题,设计一种优化后的U-Net语义分割网络,实现对PCB表面缺陷图像的精准检测。引入密集上采样卷积模块来捕捉并解码更精细的细节信息;采用高阶注意力机制,在下采样完成后,将提取的图像深层特征输入该... 针对PCB表面小尺寸缺陷检测效率低的问题,设计一种优化后的U-Net语义分割网络,实现对PCB表面缺陷图像的精准检测。引入密集上采样卷积模块来捕捉并解码更精细的细节信息;采用高阶注意力机制,在下采样完成后,将提取的图像深层特征输入该模块进行优化,在不引入噪声的前提下引导网络挖掘深层特征中的全局信息;在编码阶段采用多尺度特征融合模块替代原有卷积块,以扩大感受野并获取更丰富的上下文信息。实验结果表明,改进后的U-Net模型具有更高的mAP和更快的处理速度,可提升PCB缺陷检测效率,尤其在微小、复杂缺陷检测中精度更高,能更好地满足实际应用需求。 展开更多
关键词 缺陷检测 U-Net 高阶注意力机制 语义分割网络 轻量型网络 深度学习 小目标检测
在线阅读 下载PDF
轻量级深度学习网络在农作物目标检测的应用进展 被引量：1
6
作者 许毓超 吴茜 +3 位作者 张兵园 周玲莉 任妮 张美娜 《中国农机化学报》 北大核心 2025年第3期261-270,共10页
随着计算机视觉领域中深度学习网络模型应用的发展,各类农业场景中的目标检测性能得到极大的推动。与部署在云端服务器的大规模深度学习网络不同,轻量级深度学习网络因其较小的参数量和运算量,在硬件资源有限且实时性要求更高的农业场... 随着计算机视觉领域中深度学习网络模型应用的发展,各类农业场景中的目标检测性能得到极大的推动。与部署在云端服务器的大规模深度学习网络不同,轻量级深度学习网络因其较小的参数量和运算量,在硬件资源有限且实时性要求更高的农业场景中展现出潜力,完成果蔬采摘机器人的目标检测、作物病虫草害目标检测以及作物表型检测等任务。概述当前主流轻量级深度学习网络的模型结构、关键技术模块与模型性能,进行对比分析。归纳总结轻量级深度学习网络在果实目标检测、谷物穗部检测、作物病虫害检测3大类应用场景的研究进展。指出轻量级深度学习网络在农作物目标检测应用上还存在普适性数据集稀缺、模型泛化能力弱、模型检测精度与检测效率的平衡难以把握等问题,并展望通过农业数据集数量、质量与多样性提升,轻量级深度学习网络结构优化,迁移学习应用以及边缘设备硬件加速技术等进一步提升目标检测性能。 展开更多
关键词 农作物 目标检测 深度学习 轻量级网络 边缘计算
在线阅读 下载PDF
空间混洗与链式残差增强的轻量级视频人群计数
7
作者 陈永 张娇娇 周方春 《北京航空航天大学学报》 北大核心 2025年第2期397-408,共12页
针对现有视频人群计数方法网络模型复杂度高、精确度和实时性差的问题,提出了一种空间混洗与链式残差增强的轻量级视频人群计数方法。所提模型由多尺度深度可分离反向卷积编码器、尺度回归解码器和预测输出层构成。在编码器部分,设计多... 针对现有视频人群计数方法网络模型复杂度高、精确度和实时性差的问题,提出了一种空间混洗与链式残差增强的轻量级视频人群计数方法。所提模型由多尺度深度可分离反向卷积编码器、尺度回归解码器和预测输出层构成。在编码器部分,设计多尺度深度可分离反向残差块,提取不同分辨率的人群特征及相邻帧之间的时域特征信息,提高模型的轻量化程度;提出空间混洗模块嵌入到编码骨干网络中,增强不同尺度人群特征提取能力。在解码器部分,改进多分辨率融合模块及链式残差模块,对编码器输出的不同分辨率特征逐层聚合,减少细节特征丢失。通过解码器预测输出,得到回归人群密度图,并通过对密度图逐像素求和输出计数结果。所提方法在Mall、UCSD、FDST、ShanghaiTech等人群视频数据集上进行对比实验,结果表明:所提方法检测帧率和参数量等评价指标均优于对比方法;在Mall数据集上,相较于ConvLSTM人群计数方法,所提方法的平均绝对误差(MAE)、均方误差(MSE)的误差值分别降低了43.75%、72.71%,对不同场景视频人群计数具有更高的准确率和实时性。 展开更多
关键词 人群计数 空间混洗 深度可分离反向残差 多分辨率融合 轻量级网络
原文传递
基于YOLOv8的竹笋分割方法研究 被引量：1
8
作者 郑镇辉 张淡然 +3 位作者 王槊 韦丽娇 吴海韵 肖景丰 《中国农机化学报》 北大核心 2025年第4期114-119,共6页
现有的竹笋精准分割方法计算复杂度高,且模型庞大不利于在算力有限的边缘设备上部署。为解决这一问题,采用一种基于深度卷积网络的轻量化方法进行竹笋分割。首先,设计野外竹笋图像采集试验,通过人工标记构建训练集和测试集。然后,采用YO... 现有的竹笋精准分割方法计算复杂度高,且模型庞大不利于在算力有限的边缘设备上部署。为解决这一问题,采用一种基于深度卷积网络的轻量化方法进行竹笋分割。首先,设计野外竹笋图像采集试验,通过人工标记构建训练集和测试集。然后,采用YOLOv8深度卷积网络模型作为竹笋分割的基础模型,并进行模型训练和验证。最后,设计两组对比试验,验证其精准性和高效性。结果表明,所设计的竹笋分割方法在测试集上的检测平均精度和分割平均精度分别为0.927、0.931,较YOLOv7模型分别提升3.6%、5.7%,较YOLOv8_x模型分别提升0.1%、0.4%。此外,所设计的分割方法速度为169帧/s,参数量为43.8M,模型尺寸为92.3MB,相比YOLOv7模型,分割速度提高71帧/s;相比YOLOv8_x模型,分割速度提高51帧/s,参数量减少24.6 M,模型尺寸减少51.6 MB。为进一步验证该方法的实际部署可行性和高效性,将YOLOv8_l模型部署到英伟达边缘设备上,部署后的竹笋分割算法在测试集上的检测平均精度均值和分割平均精度均值分别为0.896、0.891,单帧图像推理时间仅为0.0914 s,所需显存为12.2 GB。 展开更多
关键词 竹笋 深度卷积网络 分割 轻量化 YOLOv8
在线阅读 下载PDF
D3F-DET:轻量化多尺度融合的路面缺陷检测算法 被引量：1
9
作者 贾翔宇 张永宏 +2 位作者 阚希 朱灵龙 李旭 《计算机工程与应用》 北大核心 2025年第17期159-170,共12页
针对当前道路缺陷检测算法检测精度低、漏检误检率高、泛化能力欠佳的问题,提出了一种改进的轻量化检测模型,模型包含三种核心模块:轻量化双分支动态融合网络、动态重排列自注意力机制和跨分支交叉特征融合金字塔架构。轻量化双分支动... 针对当前道路缺陷检测算法检测精度低、漏检误检率高、泛化能力欠佳的问题,提出了一种改进的轻量化检测模型,模型包含三种核心模块:轻量化双分支动态融合网络、动态重排列自注意力机制和跨分支交叉特征融合金字塔架构。轻量化双分支动态融合网络通过在双分支主干间共享信息,减少参数量的同时实现了特征空间的高效融合;动态重排列自注意力机制提供动态范围内的自适应特征聚合,显著提高了对动态范围变化目标的检测精度;跨分支交叉特征融合金字塔架构采用双向特征交互,增强了全局语义信息和局部细节特征的融合能力。实验结果表明,该模型在NRDD-2024数据集上的mAP@0.5达到了77.2%,对比最新的实时目标检测器RT-DETR参数量降低了29.63%,计算量降低了40.35%,精度提升了2个百分点,热力图对比显示模型可以给予更合适的注意力,同时对于新数据集展现出良好的泛化能力,为嵌入式设备上的实时路面缺陷检测提供了高效可靠的解决方案。 展开更多
关键词 道路缺陷检测 目标检测 轻量化网络 深度学习 RT-DETR
在线阅读 下载PDF
基于轻量级深度神经网络的核磁共振波谱降噪 被引量：1
10
作者 詹昊霖 房启元 +4 位作者 刘佳伟 史晓琦 陈心语 黄玉清 陈忠 《物理化学学报》 北大核心 2025年第2期90-97,共8页
核磁共振(NMR)波谱是一种用于探测分子结构和提供定量分析的稳健的非侵入性表征技术。然而,进一步的NMR应用通常受到低灵敏度性能的限制,尤其是对于异核实验。在此,我们提出了一种轻量级的深度学习协议,用于高质量、可靠和快速的NMR波... 核磁共振(NMR)波谱是一种用于探测分子结构和提供定量分析的稳健的非侵入性表征技术。然而,进一步的NMR应用通常受到低灵敏度性能的限制,尤其是对于异核实验。在此,我们提出了一种轻量级的深度学习协议,用于高质量、可靠和快速的NMR波谱降噪。该深度学习(DL)协议具有轻量级的网络优势和快速的计算效率,有效地抑制噪声和伪峰信号,并恢复几乎完全淹没在严重噪声中的目标弱峰,从而实现了可观的信噪比提升。此外,它仅使用物理驱动的仿真NMR数据学习,在频域中实现令人满意的波谱去噪,并允许区分真实信号和噪声伪影。此外,训练的轻量级网络模型通用于一维和多维NMR波谱,并适用于不同的化学样品。因此,本研究呈现的深度学习方法在化学、生物学、材料和生命科学等领域具有应用潜力。 展开更多
关键词 核磁共振波谱 人工智能 深度学习 谱图去噪 轻量级网络
在线阅读 下载PDF
MCNet:融合多层感知机和卷积的轻量级病变区域分割网络 被引量：2
11
作者 申华磊 上官国庆 +2 位作者 袁成雨 陈艳浩 刘栋 《河南师范大学学报(自然科学版)》 北大核心 2025年第3期96-103,共8页
针对现有医学图像分割网络存在计算量大、对硬件资源要求高和推理速度慢等不足,提出一种轻量级快速分割网络MCNet.MCNet采用编码器-解码器架构,使用多层感知机(MLP)和卷积分别提取并融合医学图像的全局特征和局部特征,以减少网络参数量... 针对现有医学图像分割网络存在计算量大、对硬件资源要求高和推理速度慢等不足,提出一种轻量级快速分割网络MCNet.MCNet采用编码器-解码器架构,使用多层感知机(MLP)和卷积分别提取并融合医学图像的全局特征和局部特征,以减少网络参数量并提高分割精度.在编码阶段使用卷积分支和多层感知机分支分别提取多尺度的局部特征和全局特征.通过跳跃连接融合这些特征并送入解码器.在解码阶段使用注意力门控机制进行特征增强.在BUSI和ISIC2018数据集上进行实验.和当前最优方法相比,MCNet的Dice相似系数和均交并比在BUSI数据集上分别提高0.11%和0.09%、在ISIC2018数据集上分别提高0.64%和0.95%.同时,MCNet显著减少了网络参数量、降低了浮点运算次数并缩短了CPU推理时间. 展开更多
关键词 医学图像分割 深度神经网络 多层感知机(MLP) 轻量级网络
在线阅读 下载PDF
基于轻量化卷积神经网络的桥梁斜拉索PE护套损伤识别方法
12
作者 刘啸宇 黄永 +1 位作者 徐峰 李惠 《土木与环境工程学报（中英文）》 北大核心 2025年第1期167-178,共12页
深度神经网络和计算机视觉技术近年来在结构健康监测中发挥了越来越重要的作用。利用无人机航拍采集的桥梁斜拉索损伤图像数据,研究基于深度学习技术的斜拉索PE护套损伤识别方法。为实现在较低运算能力设备上对大跨度桥梁斜拉索表面局... 深度神经网络和计算机视觉技术近年来在结构健康监测中发挥了越来越重要的作用。利用无人机航拍采集的桥梁斜拉索损伤图像数据,研究基于深度学习技术的斜拉索PE护套损伤识别方法。为实现在较低运算能力设备上对大跨度桥梁斜拉索表面局部损伤的智能快速识别,解决传统深度卷积神经网络的运算效率相对较低、模型参数规模较大的问题,提出轻量化处理的区域推荐型卷积神经网络模型。介绍区域推荐网络与其轻量化改进方法的理论基础,分析轻量化模型处理的必要性,其能在保证识别精度的前提下降低模型训练与预测的设备性能需求,达到节约计算资源与时间的目的;通过数据增广等多手段解决损伤样本数据量不足的问题,设置对比试验,统计分析结果,验证了轻量化神经网络模型的优越性。结果表明,轻量化网络在牺牲少量识别准确度的前提下,能够在较大程度上实现对模型复杂度与计算量的改进,在工程应用中能有效拓展神经网络的实用性。 展开更多
关键词 桥梁斜拉索 智能损伤识别 轻量化神经网络 计算机视觉 深度学习
在线阅读 下载PDF
基于LW—CBAM的荒漠草原植被盖度提取方法研究
13
作者 解一恒 张燕斌 +3 位作者 杜健民 毕玉革 李文静 高新超 《中国农机化学报》 北大核心 2025年第7期111-117,共7页
为实时、准确、快速提取荒漠草原植被盖度,基于采集的无人机高光谱遥感数据,提出一种融合注意力机制的轻量化网络模型法(LW—CBAM)。该方法将传统的2D卷积核改进为3D深度可分离卷积核,结合多支路方法和注意力机制模块,使模型轻量化的同... 为实时、准确、快速提取荒漠草原植被盖度,基于采集的无人机高光谱遥感数据,提出一种融合注意力机制的轻量化网络模型法(LW—CBAM)。该方法将传统的2D卷积核改进为3D深度可分离卷积核,结合多支路方法和注意力机制模块,使模型轻量化的同时提升模型的准确率。为获得最优模型,对模型的批处理大小和学习率进行优化。结果表明,与ResNet34、VGG16、MobileNetV2、MobileNetV3等目前流行的深度学习方法相比,LW—CBAM的分类精度更高,总体分类精度OA为98.97%,Kappa系数为97.94,且该模型对植被盖度的估算精度更高,与真实值的绝对误差仅为0.17%。相较于其他模型,LW—CBAM的参数量降低90%以上,运算量分别为其余4种模型的1.37%、0.74%、13.33%、14.81%。在模型验证阶段,LW—CBAM对植被盖度的估算误差在0.3%以下。为荒漠草原植被盖度估算提供一种切实可行的方法,为草原退化治理提供依据。 展开更多
关键词 植被盖度 高光谱遥感 深度学习 轻量化网络 注意力机制 荒漠草原
在线阅读 下载PDF
基于改进SSD的车内宠物遗落检测方法
14
作者 潘溢洲 吴恩启 +1 位作者 段函作 寇嘉铭 《传感器与微系统》 北大核心 2025年第5期115-119,共5页
针对车内宠物遗落问题,在单发多盒探测器(SSD)算法的基础上,提出了一种改进的SSD目标检测算法实时检测车内是否存在遗落宠物,通过引入MobileNetV2算法来替代SSD的主干网络,并改进MobileNetV2的网络结构来进一步减少原有网络的参数量,融... 针对车内宠物遗落问题,在单发多盒探测器(SSD)算法的基础上,提出了一种改进的SSD目标检测算法实时检测车内是否存在遗落宠物,通过引入MobileNetV2算法来替代SSD的主干网络,并改进MobileNetV2的网络结构来进一步减少原有网络的参数量,融合卷积块注意力模块(CBAM)来提高目标定位能力,采用迁移训练策略来更好地训练网络。实验结果表明,改进后算法的模型大小相对于SSD-Mo-bileNetV2减少了65.5%,平均精度均值(mAP)提高了0.9%,帧率(FPS)也有所提升,模型大小更是减少到了原始SSD算法的5%。改进后算法实际检测的效果更好,同时更加适合嵌入移动设备来检测遗落宠物。 展开更多
关键词 目标检测 MobileNetV2网络 单发多盒探测器算法 深度学习 轻量化网络
在线阅读 下载PDF
边缘资源轻量化需求下深度神经网络双角度并行剪枝方法 被引量：1
15
作者 张云翔 高圣溥 《沈阳工业大学学报》 北大核心 2025年第2期250-257,共8页
【目的】深度神经网络的应用面临庞大的计算需求和存储开销,这已成为限制其在边缘设备上广泛应用的主要瓶颈。边缘设备因受限于有限的计算资源和存储空间,难以高效运行复杂的深度神经网络模型。因此,在保证模型精度的前提下,如何降低深... 【目的】深度神经网络的应用面临庞大的计算需求和存储开销,这已成为限制其在边缘设备上广泛应用的主要瓶颈。边缘设备因受限于有限的计算资源和存储空间,难以高效运行复杂的深度神经网络模型。因此,在保证模型精度的前提下,如何降低深度神经网络的复杂度和计算量以适应边缘设备对资源轻量化的需求,已成为当前研究的重要方向。提出了一种结合蚁群算法与双角度并行剪枝的深度神经网络优化方法,以提升深度神经网络在边缘设备中的性能。【方法】分析了深度神经网络的结构特点,并构建了包含多个隐藏层的模型。通过蚁群算法模拟蚂蚁觅食过程中的信息素传递机制,在复杂空间中寻找近似最优解,对隐藏层中的相似节点进行聚类,识别并归类高度相似的神经元节点,从而缩减网络规模并降低复杂性。在聚类结果的基础上,提出了对聚类后的冗余节点及游离节点双角度并行剪枝策略:一方面,从权重矩阵的稀疏性出发,裁剪权重较小的节点,以减少计算开销;另一方面,从节点贡献度角度评估每个节点对整体输出的影响,裁剪贡献度较低的节点,从而进一步优化网络结构。【结果】实验结果表明,与未剪枝的原始模型相比,在相同的计算时间内,本文方法剪枝后的深度神经网络在保持较高精度的同时,其数据量高达120 MB、网络复杂度平均值为88.32%、可拓展性为99%。这一结果表明,在有限的资源条件下,该方法能够显著提升深度神经网络的运行效率,更好地满足边缘设备的应用需求。实验结果不仅验证了该方法的有效性,也为深度神经网络在边缘设备上的部署和应用提供了新思路。【结论】提出的优化方法通过在剪枝过程中应用蚁群算法,实现了隐藏层相似节点的精准聚类,为后续的剪枝处理提供了明确目标。同时,双角度并行剪枝策略提升了剪枝的效率和效果,确保剪枝后模型在精度和可拓展性方面的平衡。该方法不仅能够促进深度神经网络在边缘设备上的广泛应用,也为复杂网络优化问题提供了借鉴和参考价值。 展开更多
关键词 边缘资源 轻量化需求 深度神经网络 双角度并行 剪枝方法 蚁群算法 冗余节点 游离节点
在线阅读 下载PDF
基于CBAM增强的轻量级遥感影像语义分割方法
16
作者 赵效祖 苟长龙 杨扬 《测绘通报》 北大核心 2025年第10期36-42,共7页
本文针对高分辨率遥感影像语义分割中存在的目标尺度差异大、地物边界模糊及光谱特征相似等难点,提出了一种融合多尺度特征与双重注意力的轻量级分割模型。该模型以SegNeXt为基础,在其多尺度卷积注意力网络中引入卷积块注意力模块,通过... 本文针对高分辨率遥感影像语义分割中存在的目标尺度差异大、地物边界模糊及光谱特征相似等难点,提出了一种融合多尺度特征与双重注意力的轻量级分割模型。该模型以SegNeXt为基础,在其多尺度卷积注意力网络中引入卷积块注意力模块,通过通道与空间双重注意力机制精炼特征表达;在解码阶段优化采用Hamburger结构整合中高层语义信息。基于高分二号遥感影像数据集的试验表明,相较于原始SegNeXt,该模型各项指标均有一定程度提升,尤其在处理模糊边界和线状地物类别时表现优异;该方法在保持轻量化的同时实现了精度与效率的平衡,为资源受限环境下的遥感影像实时语义解译提供了可行方案。 展开更多
关键词 遥感影像 语义分割 边界增强 轻量化网络 深度学习
原文传递
基于轻量模块化设计的水下图像增强方法
17
作者 牛奔 李亿平 +1 位作者 周天薇 高宏伟 《信息与控制》 北大核心 2025年第2期299-309,320,共12页
水下成像技术面临着由于光线吸收和散射而导致的对比度降低和色彩偏移的挑战,这些问题在海洋和水下环境中的图像依赖应用中尤为明显。为了克服传统方法的局限性,本研究设计了一个轻量模块化水下网络,称为LMUW-Net(Lightweight Modular U... 水下成像技术面临着由于光线吸收和散射而导致的对比度降低和色彩偏移的挑战,这些问题在海洋和水下环境中的图像依赖应用中尤为明显。为了克服传统方法的局限性,本研究设计了一个轻量模块化水下网络,称为LMUW-Net(Lightweight Modular Underwater Network),旨在提高水下图像的视觉质量和色彩真实性,同时避免显著增加网络复杂度。该框架首先通过基础特征提取,获得并增强水下图像的结构特征。然后,结合红绿蓝三通道颜色增强和全局稀疏特征增强的强大能力,有效提取图像的全局信息,增强水下退化图像的对比度与亮度。同时显著降低了计算复杂度和内存需求,通过网络结构优化和参数共享机制,不仅保证了实时处理的可能性,还确保了增强后图像在视觉质量和色彩真实性方面的显著改善。在多个公开水下图像数据集上的实验结果显示,在LMUW-Net可训练参数值仅为9000的前提下,在峰值信噪比和结构相似性指数这两个图像评价指标上相比现有方法分别提高了5%和3%,突显了其在增强水下图像视觉效果和提高计算效率方面的明显优势。综合而言,本研究提供的网络为水下图像处理领域提供了一个综合性的增强解决方案,特别适用于需要实时处理的应用场景,有效提升水下图像的清晰度。 展开更多
关键词 图像增强 深度学习 轻量化网络
原文传递
改进YOLOv5-FireCAM网络的炸点图像识别处理算法
18
作者 杨雪龙 李翰山 《电光与控制》 北大核心 2025年第7期105-111,共7页
在兵器靶场测试中,弹丸爆炸时刻位置信息将为引信性能评估提供重要的数据支持,为快速、精准识别图像中的炸点区域,提出一种基于YOLOv5-FireCAM网络的炸点图像识别处理算法。该算法在原有YOLOv5s网络的基础上进行改进,引入轻量化Fire模块... 在兵器靶场测试中,弹丸爆炸时刻位置信息将为引信性能评估提供重要的数据支持,为快速、精准识别图像中的炸点区域,提出一种基于YOLOv5-FireCAM网络的炸点图像识别处理算法。该算法在原有YOLOv5s网络的基础上进行改进,引入轻量化Fire模块,提出一种新的C3-Fire网络替换原有的主干网络,并在主干网络末端添加了CAM色彩注意力模块以提高炸点图像特征提取能力;在检测头部分使用无锚结构,降低网络复杂度与计算量的同时增加检测精度;在模型训练时,使用带有硬负样本挖掘的Softmax损失函数作为分类损失函数,结合网络无锚结构特征,将平滑L1损失函数作为网络边界框回归的损失函数。通过试验证明:本文所提算法在炸点数据集上,mAP@0.5达到88.4%,相比于改进之前网络识别速度提高28.1%,网络参数量降低32.8%,在减少网络参数量的同时可以实现炸点区域的高精度快速识别,相比于改进前的算法更快、更准。 展开更多
关键词 炸点识别 深度学习 轻量化网络 损失函数
在线阅读 下载PDF
基于轻量级网络设计的咖啡豆烘焙状态识别研究
19
作者 杜远飞 郭仕豪 +1 位作者 吴传宇 闫轩旭 《中国农机化学报》 北大核心 2025年第9期212-219,共8页
针对当前咖啡豆烘焙状态识别耗时耗力的问题,提出一种基于局部注意力增强的轻量化网络Rep—FdNet,实现对烘焙程度的实时监控。该网络采用一种全新的分频模块,增强网络对于局部特征的关注,有助于提高网络区分高频和低频信息的能力。在推... 针对当前咖啡豆烘焙状态识别耗时耗力的问题,提出一种基于局部注意力增强的轻量化网络Rep—FdNet,实现对烘焙程度的实时监控。该网络采用一种全新的分频模块,增强网络对于局部特征的关注,有助于提高网络区分高频和低频信息的能力。在推理阶段采用重参数化方法将三分支结构融合成单路结构,在保证网络准确率的同时,加快网络推理速度并减少内存占用。试验结果表明:所提出的Rep—FdNet在分类准确率上达到98.2%,满足分类的需求;在计算量、参数量以及内存占用上分别仅有25.80 M、1.02 M和2.75 MB,有效解决计算资源有限的问题;在推理速度上达到124.99帧/s,满足工业应用上实时分类的要求。该轻量化网络Rep—FdNet能够识别咖啡豆烘焙程度,降低咖啡烘焙的人工成本和操作难度。 展开更多
关键词 咖啡豆烘焙 深度学习 轻量化网络 图像分频 重参数化
在线阅读 下载PDF
基于深度学习的陶瓷表面缺陷检测研究综述
20
作者 唐冰慧 杨伟东 +1 位作者 董文益 张龙 《现代制造工程》 北大核心 2025年第10期148-158,共11页
陶瓷表面缺陷检测对产品质量至关重要,传统检测方法具有局限性,深度学习方法为其带来了新的契机。首先,阐述了提升陶瓷表面小目标缺陷检测精度的方法,包括添加注意力机制、特征改进和网络结构优化等;其次,从轻量化模型的改进和网络模块... 陶瓷表面缺陷检测对产品质量至关重要,传统检测方法具有局限性,深度学习方法为其带来了新的契机。首先,阐述了提升陶瓷表面小目标缺陷检测精度的方法,包括添加注意力机制、特征改进和网络结构优化等;其次,从轻量化模型的改进和网络模块集成与优化两个方面对提升模型缺陷检测实时性的方法进行了分析;最后,由数据增强、迁移学习和样本分布优化等方法对在陶瓷表面进行缺陷检测时面临的小样本和不平衡样本问题进行了归纳,并总结了陶瓷表面缺陷检测技术实施中可使用的解决方案,展望了未来陶瓷表面缺陷检测的研究方向。 展开更多
关键词 陶瓷表面缺陷 缺陷检测 深度学习 注意力机制 轻量化模型 网络结构
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 … 15 下一页 到第 页
使用帮助 返回顶部