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148篇文章
< 1 2 … 8 >
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SimAM注意力机制的DCN-YOLOv5水下目标检测
1
作者 刘向举 刘洋 蒋社想 《重庆工商大学学报(自然科学版)》 2025年第2期63-70,共8页
目的针对水下环境复杂,水下目标因光线折射导致的目标边界模糊或外观、形状可能会发生非刚性形变,使水下目标检测困难的问题,提出了一种基于SimAM注意力机制的DCN-YOLOv5水下目标检测方法。方法首先,采用YOLOv5所使用的双向金字塔网络(B... 目的针对水下环境复杂,水下目标因光线折射导致的目标边界模糊或外观、形状可能会发生非刚性形变,使水下目标检测困难的问题,提出了一种基于SimAM注意力机制的DCN-YOLOv5水下目标检测方法。方法首先,采用YOLOv5所使用的双向金字塔网络(BiFPN,Bi-directional Feature Pyramid Network)在多个尺度上提取和融合特征信息,从而提高目标辨别的准确度;其次,针对水下目标的外观、形状变化问题,将C3模块中的CBS模块结合可变形卷积(DCN,Deformable Convolution Network),提出DBS模块并组成D3模块替换部分C3模块,以适应水下目标的外观、形状变化;同时,融入加权注意力机制(SimAM),自适应地调节模型的关注度,进一步在复杂场景下增强特征表达能力;最后,考虑目标边界模糊,为改善目标定位精度,采用WIoU(Wise-IoU)损失函数来替换交叉熵损失,能够更好地适应不同目标类型和尺寸的特点,提高算法鲁棒性。结果实验结果表明:DCN-YOLOv5可以达到87.57%的平均精度(mAP),检测效果优于YOLOv5网络和其他经典网络,平均每张图像的识别时间仅为24.5 ms。结论通过实验结果可以证明模型在检测精度明显提升的同时兼顾检测的实时性,对水下目标检测用于实际用途有着一定的参考价值。 展开更多
关键词 水下目标检测 simam注意力机制 可变形卷积 WIoU
在线阅读 下载PDF
基于IEA-T和CNN-BiLSTM-SimAM的锂离子电池健康状态估计 被引量：1
2
作者 张朝龙 刘梦玲 +4 位作者 张俣峰 陈阳 华国庆 谢敏 江乐阳 《武汉大学学报(理学版)》 北大核心 2025年第3期385-394,共10页
为提升锂离子电池健康状态(SOH)估计的准确性,克服现有估计方法无法全面刻画电池衰退细节的局限,提出一种融合距离交并比损失函数(DIoUloss)与无参注意力机制(SimAM)的多特征卷积神经网络-双向长短期记忆网络(CNNBiLSTM)的锂电池SOH估... 为提升锂离子电池健康状态(SOH)估计的准确性,克服现有估计方法无法全面刻画电池衰退细节的局限,提出一种融合距离交并比损失函数(DIoUloss)与无参注意力机制(SimAM)的多特征卷积神经网络-双向长短期记忆网络(CNNBiLSTM)的锂电池SOH估计方法。该方法将锂离子电池增量能量面积(IEA)和充电时长(T)组成IEA-T特征用于电池SOH的估计,将DIoUloss函数和SimAM机制融合于CNN-BiLSTM模型,建立CNN-BiLSTM-SimAM锂离子电池SOH估计模型。对锂离子电池的循环老化实验进行测试,相比起GRU、SVR、CNN-LSTM和CNN-BiLSTM等方法,本文提出的方法能更有效地表征电池健康的衰退细节,决定系数高于0.96,均方根误差低于0.020,表现出良好的准确性和效率。 展开更多
关键词 锂离子电池 健康状态(SOH) 卷积神经网络-双向长短期记忆网络(CNN-BiLSTM) 距离交并比损失(DIoUloss)函数 无参注意力机制(simam) 增量能量
原文传递
基于XMem-SimAM的半监督猪只视频分割方法
3
作者 陈萌放 徐迪红 +3 位作者 李国亮 刘小磊 周明彦 黎煊 《华中农业大学学报》 北大核心 2025年第2期17-28,共12页
为解决因猪场复杂环境、猪只动态生长及体型变化等因素导致的猪只精确分割难题,以种猪性能测定过程中动态采食和生长过程的猪只为研究对象,构建一个包括234个视频序列的猪只视频数据集,提出基于XMem-SimAM的半监督猪只视频分割方法。通... 为解决因猪场复杂环境、猪只动态生长及体型变化等因素导致的猪只精确分割难题,以种猪性能测定过程中动态采食和生长过程的猪只为研究对象,构建一个包括234个视频序列的猪只视频数据集,提出基于XMem-SimAM的半监督猪只视频分割方法。通过引入SimAM注意力进行多尺度特征融合,提升模型在不同尺度下对时序信息的提取能力,捕捉猪只动态移动的时序特征;利用空间-通道注意力模块,强化模型对时序语义特征的权重提取;优化多尺度特征融合策略和上采样模块,充分利用视频序列中的时序关联信息,从细粒度层面提高视频中猪只分割精度。经过测试对比,XMem-SimAM模型在猪只视频数据集上的区域相似度Jaccard、轮廓准确度F、平均度量J&F和Dice系数分别达到96.9、95.8、98.0和98.0,优于MiVOS、STCN、DEVA、XMem++等视频对象分割方法,显示出卓越的分割性能;在推理阶段,处理速度达到58.5帧/s,内存消耗为795 MB,实现了处理效率与资源利用的良好平衡。结果表明,该方法可应用于猪场复杂环境下动态生长猪只的视频分割。 展开更多
关键词 半监督 视频分割 猪只 simam注意力
在线阅读 下载PDF
基于SimAM-ResNet18的苹果病害叶片分类研究
4
作者 吴文俊 陶俊 +2 位作者 隗一凡 侯顺智 袁冬华 《江汉大学学报(自然科学版)》 2025年第3期77-85,共9页
苹果病害叶片分类识别对于苹果种植业的病害监测和防治具有重要意义。针对苹果病害叶片分类识别的问题,提出了一种基于SimAM注意力机制的ResNet模型。该模型通过迁移学习和数据增强操作,结合SimAM注意力模块、Swish激活函数和熵权-Focal... 苹果病害叶片分类识别对于苹果种植业的病害监测和防治具有重要意义。针对苹果病害叶片分类识别的问题,提出了一种基于SimAM注意力机制的ResNet模型。该模型通过迁移学习和数据增强操作,结合SimAM注意力模块、Swish激活函数和熵权-FocalLoss损失函数,提高了对样本分布不均的苹果病害叶片的准确识别能力。实验结果显示,改进后的SimAM-ResNet18模型在测试集上实现了94.68%的准确率,相较于基准网络ResNet18提高了2.89%。与其他经典的卷积分类模型AlexNet、VGG16和GoogLeNet相比,该模型的准确率提高了7.02%、5.25%和4.31%。研究结果表明,基于SimAM注意力机制的ResNet模型在样本分布不均的苹果病害叶片分类识别上具有较高的潜力。 展开更多
关键词 苹果病害叶片 图像分类 迁移学习 simam注意力机制 ResNet18
在线阅读 下载PDF
基于LKA和SimAM的可变形卷积用于高光谱图像分类
5
作者 陈祥 张书真 严麒 《电子制作》 2025年第21期36-40,共5页
卷积神经网络(CNN)因其优异的非线性特征提取能力被广泛应用于高光谱图像分类中。然而,它的卷积层存在局部感受野限制,无法有效处理全局信息和捕捉长距离依赖关系,且对平移不变性的依赖和固定采样位置的正则卷积核,会导致信息丢失和难... 卷积神经网络(CNN)因其优异的非线性特征提取能力被广泛应用于高光谱图像分类中。然而,它的卷积层存在局部感受野限制,无法有效处理全局信息和捕捉长距离依赖关系,且对平移不变性的依赖和固定采样位置的正则卷积核,会导致信息丢失和难以适应不同尺度和形状的地物。针对这一情况,本文提出了一种基于LKA和Sim AM的可变形卷积神经网络(LSDCN)用于高光谱图像分类。具体而言,首先对原始HSI进行主成分分析(PCA)降维。然后,使用基于注意力的卷积模块进行初始特征提取。该模块结合了LKA和Sim AM增强卷积,有效解决了可变形卷积在捕获全局信息和像素之间长距离依赖关系的限制,同时减少了关键信息的损失和网络中的特征稀释。最后,以可变形卷积解决正则卷积核带来的不足,使得卷积核采样形状更接近于真实的地物覆盖形状,提高了网络的灵活几何适应性和特征提取能力。在两个广泛使用的真实HSI数据集上的实验表明,LSDCN取得了比其他方法更好的分类性能。 展开更多
关键词 高光谱图像(HSI) 大内核注意力(LKA) simam 可变形卷积(D-Conv)
在线阅读 下载PDF
融合轻量化YOLOv5与SimAM的电力设备红外图像检测算法
6
作者 李文 翁天天 +1 位作者 包海斌 周轶喆 《国外电子测量技术》 2025年第5期63-68,共6页
提出一种融合轻量化YOLOv5与SimAM注意力机制的电力设备红外图像检测算法,旨在提高电力设备故障检测的精度和效率。首先,利用高分辨率红外相机采集电力设备的红外图像,构建包含具有问题的训练数据集。然后,采用轻量化YOLOv5模型进行训练... 提出一种融合轻量化YOLOv5与SimAM注意力机制的电力设备红外图像检测算法,旨在提高电力设备故障检测的精度和效率。首先,利用高分辨率红外相机采集电力设备的红外图像,构建包含具有问题的训练数据集。然后,采用轻量化YOLOv5模型进行训练,从而对图像进行检测。为进一步提升检测性能,引入了SimAM注意力机制改进ECA(Efficient Channel Attention)模块,增强了对小目标和异常发热区域的检测能力。实验结果表明:该算法在变压器数据集中表现出色,精确率和召回率分别达到97.1%和95.2%,显著优于其他算法。在实际应用中,该算法对电力设备红外图像故障检测的有效精度在96%以上。该算法提升了设备图像检测精度和效率,有助于保障电力设备的安全运行。 展开更多
关键词 红外图像检测 simam注意力机制 电力设备 轻量化YOLOv5 故障检测
原文传递
基于可形变卷积与SimAM注意力的密集柑橘检测算法 被引量：10
7
作者 李子茂 李嘉晖 +2 位作者 尹帆 帖军 吴钱宝 《中国农机化学报》 北大核心 2023年第2期156-162,F0002,共8页
针对现有检测算法难以检测自然场景下小而密集的柑橘问题,提出一种DS-YOLO(Deformable Convolution SimAM YOLO)密集柑橘检测算法。引入可形变卷积网络(Deformable Convolution)代替原YOLOv4中的特征提取网络部分卷积层,使特征提取网络... 针对现有检测算法难以检测自然场景下小而密集的柑橘问题,提出一种DS-YOLO(Deformable Convolution SimAM YOLO)密集柑橘检测算法。引入可形变卷积网络(Deformable Convolution)代替原YOLOv4中的特征提取网络部分卷积层,使特征提取网络能自适应提取遮挡、重叠等导致柑橘形状信息缺失的位置特征,在特征融合模块中,增加新的检测尺度并融合SimAM注意力机制,增强模型对于小而密集柑橘特征的提取能力。试验结果表明:DS-YOLO算法相较于原YOLOv4准确率提高8.75%,召回率提高7.9%,F1分数提高5%,能够较准确检测自然环境下的密集柑橘目标,为密集水果产量预测和采摘机器人提供了有效的技术支持。 展开更多
关键词 目标检测 特征提取 密集柑橘 可形变卷积 simam注意力
在线阅读 下载PDF
基于SimAM模块与ResNet34网络的混合缺陷检测模型 被引量：12
8
作者 朱传军 刘荣光 +2 位作者 成佳闻 梁泽启 王林琳 《现代制造工程》 CSCD 北大核心 2023年第2期1-9,共9页
针对现表面缺陷检测方法准确率低、需要进行复杂的特征设计、特征泛化性不强、参数多和识别速度慢等问题,在残差网络卷积模块之后采用自适应全局平均池化,有效降低了分类器的特征维度,减少了信息冗余。将无参注意力机制模块SimAM与ResNe... 针对现表面缺陷检测方法准确率低、需要进行复杂的特征设计、特征泛化性不强、参数多和识别速度慢等问题,在残差网络卷积模块之后采用自适应全局平均池化,有效降低了分类器的特征维度,减少了信息冗余。将无参注意力机制模块SimAM与ResNet34网络相结合用于缺陷检测,并对不同组合结构进行研究,提出ResNet34_s_e和ResNet34_m这2种混合网络模型,该2种混合网络模型均不增加原始网络参数量。在东北大学钢铁缺陷标准数据集上进行实验,对数据集使用镜像、翻转等数据增广策略,防止模型过拟合。通过对比发现,ResNet34_s_e混合网络模型能够有效加快训练过程中误差的下降趋势,提升分类准确率。最后在武汉某制造车间采集的冲压件缺陷数据集上验证该混合网络模型的泛化性能。测试集正确率由88.34%提高到了89.19%,有效提升了车间冲压件缺陷检测准确率。 展开更多
关键词 缺陷识别 残差网络 数据增广 simam模块
在线阅读 下载PDF
基于SimAM-YOLOv4的自动驾驶目标检测算法 被引量：11
9
作者 刘丽伟 侯德彪 +2 位作者 侯阿临 梁超 郑贺伟 《长春工业大学学报》 CAS 2022年第3期244-250,共7页
针对自动驾驶场景下单阶段目标检测对小目标精度不足的问题,权衡精度与速度的共同需求,提出一种改进的YOLOv4目标检测算法。首先,在网络的残差模块中嵌入SimAM注意力模块,旨在提高网络对重要特征的提取能力,然后,利用ACON-C激活函数替... 针对自动驾驶场景下单阶段目标检测对小目标精度不足的问题,权衡精度与速度的共同需求,提出一种改进的YOLOv4目标检测算法。首先,在网络的残差模块中嵌入SimAM注意力模块,旨在提高网络对重要特征的提取能力,然后,利用ACON-C激活函数替换残差模块中的Mish激活函数,使残差模块可以自适应地激活,进而提升网络性能。在KITTI数据集上进行训练和测试,实验结果表明,该模型的平均精度均值达到91.16%,检测速度达到32帧/s,满足实时检测的要求。 展开更多
关键词 目标检测 YOLOv4 simam注意力模块 ACON-C
在线阅读 下载PDF
基于SimAM和SpinalNet的列车轮对踏面缺陷分类模型 被引量：2
10
作者 张昌凡 胡新亮 +2 位作者 何静 刘建华 侯娜 《中国安全科学学报》 CAS CSCD 北大核心 2022年第6期38-43,共6页
为解决小样本问题下轮对踏面缺陷分类难题,提出一种基于简单无参注意力模块(SimAM)和脊柱神经网络(SpinalNet)踏面缺陷分类模型。首先,预训练网络提取原始图像各个类别特征图;其次,在有限的训练样本下,利用SimAM提取对缺陷图像表示性更... 为解决小样本问题下轮对踏面缺陷分类难题,提出一种基于简单无参注意力模块(SimAM)和脊柱神经网络(SpinalNet)踏面缺陷分类模型。首先,预训练网络提取原始图像各个类别特征图;其次,在有限的训练样本下,利用SimAM提取对缺陷图像表示性更强的类别特征;然后,利用SpinalNet关联特征图的局部和整体语义,得到缺陷类别特征的强区分性表示;最后,以强区分性表示特征输入带有L2正则化的softmax分类器,得到分类结果。试验结果表明:小样本任务评估指标准确率1和准确率2分别为68.35%和100%,优于目前主流深度学习模型,能够有效分类轮对踏面缺陷从而避免列车安全事故发生。 展开更多
关键词 轮对踏面 缺陷分类 简单无参注意力模块(simam) 脊柱神经网络(SpinalNet) L2正则化
原文传递
基于Multi-WHFPN与SimAM注意力机制的版面分割 被引量：1
11
作者 杨陈慧 周小亮 +2 位作者 张恒 孙政 业宁 《电子测量技术》 北大核心 2024年第1期159-168,共10页
作为OCR的预处理工作,版面分割技术越来越受到学术界和工业界重视。针对版面分割中遇到的检测速度慢、目标区域边界不准确以及细小目标易遗漏等问题,提出了YOLOv7-MSY模型。此模型首先借鉴残差连接思想,提出了Multi-WHFPN网络结构。它... 作为OCR的预处理工作,版面分割技术越来越受到学术界和工业界重视。针对版面分割中遇到的检测速度慢、目标区域边界不准确以及细小目标易遗漏等问题,提出了YOLOv7-MSY模型。此模型首先借鉴残差连接思想,提出了Multi-WHFPN网络结构。它采用可训练的权重参数,突出特征融合过程中特征重要性,并添加了小目标检测头,从而提升对小目标的检测性能;其次,引入SimAM注意力机制,可以在不增加额外参数的基础上在3D维度评估特征权重,以增强重要特征,抑制无效特征;最后,使用YEIOU来代替原模型中的定位损失函数,提升了模型的收敛速度与回归精度。在江苏省档案馆提供的数据集上进行实验对比,YOLOv7-MSY对目标区域边界检测更加敏感,对细小目标的检测效果更好。YOLOv7-MSY的mAP@.5达到了0.871,相较于原YOLOv7模型提高了7.84%。该模型的版面分割的效果优于其他类型的版面分割算法,具有良好的泛化性能,并且版面分割速度处于较高水平。 展开更多
关键词 版面分割 YOLOv7-MSY Multi-WHFPN simam注意力机制 YEIOU
原文传递
基于结合SimAM模块的三维Densenet的阿尔茨海默症分类算法研究 被引量：1
12
作者 孙俊楠 李岳阳 罗海驰 《计算机与数字工程》 2024年第8期2279-2283,共5页
阿尔茨海默症是一种不可逆的大脑神经退行性疾病。利用深度学习技术辅助医生对提升识别阿尔茨海默症患者的效率有重要意义。论文将三维卷积技术,密集连接卷积神经网络(Densenet)和一种简单、无参数的卷积神经网络注意模块,简称SimAM的... 阿尔茨海默症是一种不可逆的大脑神经退行性疾病。利用深度学习技术辅助医生对提升识别阿尔茨海默症患者的效率有重要意义。论文将三维卷积技术,密集连接卷积神经网络(Densenet)和一种简单、无参数的卷积神经网络注意模块,简称SimAM的注意力模块相结合,设计了一个3D-SAMDensenet算法,用于对大脑的磁共振图像(MRI)进行分类。用此模型分别对阿尔茨海默症(AD)和正常人(NC),轻度认知障碍(MCI)和正常人(NC)进行两种二分类时,与对比的传统和深度学习的分类方法相比,都取得更好的分类结果,并且在图像差异较小的MCI/NC分类中,得到了比AD/NC分类更大的优势。 展开更多
关键词 阿尔茨海默症 三维卷积 密集连接卷积神经网络 simam
在线阅读 下载PDF
结合Transformer和SimAM轻量化路面损伤检测算法 被引量：5
13
作者 杨杰 蒋严宣 熊欣燕 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第9期3911-3920,共10页
道路表面的损坏不仅会严重影响驾驶舒适性,还对行车安全造成威胁。若不及时检测和修复,可能导致交通事故的发生。因此,及时检测路面损伤对路面安全和维护有重要意义。针对现有路面损伤检测模型中存在识别精确度低和计算量大的问题,提出... 道路表面的损坏不仅会严重影响驾驶舒适性,还对行车安全造成威胁。若不及时检测和修复,可能导致交通事故的发生。因此,及时检测路面损伤对路面安全和维护有重要意义。针对现有路面损伤检测模型中存在识别精确度低和计算量大的问题,提出一种结合Transformer和SimAM轻量化路面损伤检测算法。首先,结合Transformer的优势,在模型中引入COT模块加强特征提取性能,其可以利用特征图的上下文信息构建自注意力机制,有效捕获路面损伤图像的上下文信息,加强信息表征能力。其次,针对不同大小的路面缺陷,提出MSC模块捕获全局信息,其可以结合多个池化操作动态地增加感受野的大小。同时,MSC模块与COT模块相结合,不仅有效减少了模型的计算量和参数量,而且进一步提升了检测精度。随后,融入SimAM注意力机制调节特征,增强模型在复杂场景下的特征表达能力,抑制无关特征的干扰。研究结果表明,改进算法的平均准确率为70.1%,其精度与YOLOv7、YOLOv7-tiny、YOLOv6-m、YOLOv5-l相比,分别提升2.8%、10.9%、10%、1.4%。此外,所提模型的计算量为40.3 G,约为YOLOv7、YOLOv7-x、YOLOv6-m、YOLOv5-l的38.4%、21.4%、49%、35.2%。通过与主流目标检测模型相比,所提出的模型在提高检测精度的同时,兼顾了模型的计算复杂度,在公开数据集上取得了良好的识别效果,能够有效地检测路面损伤。 展开更多
关键词 路面损伤检测 YOLOv7 卷积神经网络 TRANSFORMER simam
在线阅读 下载PDF
基于SimAM-YOLOv5s的PCB缺陷检测算法 被引量：8
14
作者 胡兰兰 邓超 《无线电工程》 2024年第5期1136-1145,共10页
为解决PCB缺陷检测存在精度低、检测效果差的问题,提出一种基于SimAM-YOLOv5s的PCB缺陷检测算法。利用Kmeans++对锚框进行重新聚类,通过添加浅层尺度信息来丰富小目标数据,提高深层和浅层语义信息的融合能力;将损失函数修改为SIoU,即引... 为解决PCB缺陷检测存在精度低、检测效果差的问题,提出一种基于SimAM-YOLOv5s的PCB缺陷检测算法。利用Kmeans++对锚框进行重新聚类,通过添加浅层尺度信息来丰富小目标数据,提高深层和浅层语义信息的融合能力;将损失函数修改为SIoU,即引入角度损失来计算距离损失,以加快网络收敛速度,使回归参数更加准确;通过结合轻量化注意力机制SimAM为网络提供三维的注意力权重,过滤掉冗余信息,改善模型的准确性和鲁棒性。实验结果表明,改进后YOLOv5s算法的模型大小为27.7 MB,检测的平均精度均值为98.39%,比原网络提高了4.44%,有效提升了PCB缺陷检测的精度。 展开更多
关键词 PCB缺陷检测 simam SIoU YOLOv5s
在线阅读 下载PDF
基于轻量化SimAm-YOLOv7的煤矿输送带异物检测 被引量：4
15
作者 段宗佑 杨森 +1 位作者 孟卓 韩飞 《煤矿机械》 2024年第7期191-194,共4页
煤矿带式输送机在运行过程中会混入煤矸石、铁器等异物,导致输送带撕裂,严重影响煤矿生产。为实现煤矿输送带异物快速、准确检测,提出一种基于轻量化SimAm-YOLOv7的煤矿输送带异物检测算法。首先通过暗通道先验算法提高煤矿输送带图像... 煤矿带式输送机在运行过程中会混入煤矸石、铁器等异物,导致输送带撕裂,严重影响煤矿生产。为实现煤矿输送带异物快速、准确检测,提出一种基于轻量化SimAm-YOLOv7的煤矿输送带异物检测算法。首先通过暗通道先验算法提高煤矿输送带图像对比度,减少煤尘干扰;其次通过在YOLOv7中引入Ghost卷积减少模型参数,提高检测速度;最后通过在YOLOv7中引入SimAm注意力模块提升异物显著度,进而提高检测精度。实验结果表明,该算法相比原始YOLOv7算法mAP@0.5指标提高了3.9%,Time指标减少了1 ms。 展开更多
关键词 simam注意力模块 YOLOv7 异物检测 暗通道先验算法
原文传递
基于ResNet50_SIMAM的水下目标检测模型研究
16
作者 柏填晟 张亚婷 +2 位作者 金珊 李晓璇 刘朝霞 《计算机科学与应用》 2024年第3期58-65,共8页
水下目标检测是海洋探索和监测领域的一个关键技术挑战,具有广泛的应用。由于水下环境复杂以及视觉清晰度有限,现有检测方法效果不佳。针对这一问题,我们对现有的ResNet50模型进行改进,通过引入SIMAM注意力机制来提高检测精确度。通过... 水下目标检测是海洋探索和监测领域的一个关键技术挑战,具有广泛的应用。由于水下环境复杂以及视觉清晰度有限,现有检测方法效果不佳。针对这一问题,我们对现有的ResNet50模型进行改进,通过引入SIMAM注意力机制来提高检测精确度。通过对数据集的预处理和增强,模型成功适应了水下图像的特点。实验结果表明,该模型在水下目标检测任务上表现卓越,Map值由原来的64.6上升到68.35,验证了改进后的模型ResNet50_SIMAM在处理复杂水下视觉任务中的巨大潜力。 展开更多
关键词 水下目标检测 深度学习 ResNet50 TensorFlow simam
在线阅读 下载PDF
基于SimAM注意力机制的轴承故障迁移诊断模型 被引量：6
17
作者 包从望 朱广勇 +1 位作者 邹旺 郭灏 《机电工程》 CAS 北大核心 2024年第5期862-869,893,共9页
针对轴承故障在跨工况迁移诊断时,其域不变特征难以提取,易出现模型过拟合这一问题,提出了一种基于无参数注意力模块(SimAM)的轴承故障迁移诊断方法。首先,以一维卷积神经网络作为基本框架,利用自适应批量归一化(AdaBN)对各输出层进行... 针对轴承故障在跨工况迁移诊断时,其域不变特征难以提取,易出现模型过拟合这一问题,提出了一种基于无参数注意力模块(SimAM)的轴承故障迁移诊断方法。首先,以一维卷积神经网络作为基本框架,利用自适应批量归一化(AdaBN)对各输出层进行了归一化处理,经两层卷积层和两层池化层后,对输出特征进行了随机节点失活操作;然后,利用改进后的参数化修正线性单元(PReLU)激活函数自适应提取负值输入权值系数,分别以交叉熵损失函数监督训练有标签的源域数据,以均方对数误差(MSLE)作为损失函数训练无标签的目标数据;最后,利用自制实验台数据和凯斯西储轴承公开数据对模型进行了验证,分别以不同的单一工况作为源域,其余工况作为目标域进行了迁移诊断任务研究。研究结果表明:基于SimAM的轴承故障迁移诊断方具有较好的域不变特征提取的性能,且所提特征具有较好的聚类效果;自制实验台中的平均迁移精度在89.1%以上,最高均值可达97.85%,CWRU数据集中的平均迁移精度达98.68%。该成果可为后续轴承故障由实验向工业现场的迁移诊断奠定基础。 展开更多
关键词 轴承故障诊断 迁移学习 无参数注意力机制 自适应批量归一化 参数化修正线性单元 均方对数误差 卷积神经网络
在线阅读 下载PDF
基于优化MobileViT模型的轻量化田间杂草识别
18
作者 李亚 陈晓东 +1 位作者 王海瑞 朱贵富 《华中农业大学学报》 北大核心 2025年第4期192-203,共12页
针对农业环境中杂草与作物幼苗的识别挑战,提出一种基于优化MobileViT模型的轻量化识别方法。首先引入SimAM注意力机制,增强模型对特征的注意力能力,使用SCConv卷积模块减少卷积神经网络中特征的空间和通道冗余来降低计算成本和模型存储... 针对农业环境中杂草与作物幼苗的识别挑战,提出一种基于优化MobileViT模型的轻量化识别方法。首先引入SimAM注意力机制,增强模型对特征的注意力能力,使用SCConv卷积模块减少卷积神经网络中特征的空间和通道冗余来降低计算成本和模型存储,同时提高卷积模块性能;提出联合使用Label Smoothing Loss和Cross Entropy Loss的损失函数策略,提升模型的泛化性能,降低过拟合风险,并加速模型的收敛过程。选取12种田间常见作物幼苗与杂草图像作为训练数据集评估改进模型MobileViT-SS的性能,结果显示,改进模型的平均识别准确率、精确度、召回率、F_1分数分别达到95.91%、95.97%、95.46%、95.69%,均优于当前广泛使用的深度神经网络模型VGG-16、ResNet-18和MobileNetv3。结果表明,改进模型MobileViT-SS能够精准、快速区分多种形态相似的杂草与作物幼苗。 展开更多
关键词 作物幼苗 杂草识别 智能农业 MobileViT 轻量化 simam注意力
在线阅读 下载PDF
基于改进YOLO v8n的轻量化番茄叶片病害检测方法
19
作者 张净 华玟 +1 位作者 刘晓梅 孙月平 《农业机械学报》 北大核心 2025年第11期538-549,共12页
针对温室环境下番茄叶片重叠有遮挡,部分番茄病害病斑较小导致检测精度不高、现有检测模型参数量多和难以部署至计算资源有限的嵌入式设备端等问题,提出一种基于改进YOLO v8n的轻量化番茄叶片病害检测方法。首先,使用HGNetV2网络替换YOL... 针对温室环境下番茄叶片重叠有遮挡,部分番茄病害病斑较小导致检测精度不高、现有检测模型参数量多和难以部署至计算资源有限的嵌入式设备端等问题,提出一种基于改进YOLO v8n的轻量化番茄叶片病害检测方法。首先,使用HGNetV2网络替换YOLO v8n模型的主干网络,并引入轻量化卷积GhostConv结构,提高对多尺度病害特征的提取能力,同时减少模型的参数和计算量;其次,在颈部网络部分使用改进的C2f_Star模块,实现进一步轻量化的同时增强模型的特征表达能力;然后,引入轻量级SimAM注意力机制模块,加强模型在识别过程中对小病斑特征的有效提取与表征能力;最后,设计混合损失函数Wise_Focaler_MPDIoU代替原损失函数,提高网络边界框回归性能,加快收敛速度。试验结果表明,改进模型(GSSW-YOLO v8n)的参数量及模型权重文件大小相比原模型分别降低28.9%和26.9%,同时在本研究所使用的番茄叶片病害数据集上的平均检测精度达97.4%,相较原模型提高3.0个百分点,对比其他目标检测算法Faster R-CNN、YOLO v5n、YOLO v6n和YOLO v7-tiny,改进模型的平均检测精度分别高出13.3、5.4、9.9、9.2个百分点。改进模型(GSSW-YOLO v8n)具有更高的检测精度和更少的参数量,可为番茄叶片病害检测模型在嵌入式设备端上的部署和应用提供参考。 展开更多
关键词 番茄病害 轻量化 YOLO v8 目标检测 simam
在线阅读 下载PDF
基于TS-BiGRU的滚动轴承剩余寿命预测方法研究
20
作者 杨鹏 薛红卫 +3 位作者 张超 陈慧妮 杨晓东 李璐 《重型机械》 2025年第5期34-42,共9页
针对现有滚动轴承剩余寿命预测模型在长序列特征提取与模型泛化能力方面的不足,本文提出了一种基于时域卷积网络(Temporal Convolution Network,TCN)、SimAM模块和双向门控循环单元(Bi-directional Gated Recurrent Unit,BiGRU)的剩余... 针对现有滚动轴承剩余寿命预测模型在长序列特征提取与模型泛化能力方面的不足,本文提出了一种基于时域卷积网络(Temporal Convolution Network,TCN)、SimAM模块和双向门控循环单元(Bi-directional Gated Recurrent Unit,BiGRU)的剩余寿命预测方法。首先通过TCN进行短期特征提取,利用其膨胀卷积和残差结构实现对输入序列的高效建模;随后,SimAM模块对提取的特征进行自适应加权,抑制冗余信息并增强关键特征表达;最后,BiGRU用于捕获输入序列的长期依赖关系,整合前向和后向信息,提高对复杂数据的建模能力。基于IEEE PHM 2012数据集进行验证,结果表明该方法在长序列预测的精确度及在不同工况下的适应性方面均有显著提升。 展开更多
关键词 滚动轴承 时间卷积网络 双向门控循环单元 simam 剩余寿命预测
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 … 8 下一页 到第 页
使用帮助 返回顶部