期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
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10篇文章
< 1 >
每页显示 20 50 100
已选0条
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SSWT和SE改进LSKNet的航空发动机中介轴承智能诊断研究 认领 引用 被引量：1
1
作者 郑煜 赵俊豪 +3 位作者 王凯 张弛 王英 齐加晖 《机电工程》 CAS 北大核心 2025年第11期2181-2188,共8页
针对航空发动机中介轴承振动信号在强噪声和多尺度耦合特性下故障特征提取困难的问题,提出了一种基于同步压缩小波变换(SSWT)与改进的大的可选择卷积核网络(LSKNet)的智能诊断方法。首先,采用了SSWT对振动信号进行了时频能量重分配,生... 针对航空发动机中介轴承振动信号在强噪声和多尺度耦合特性下故障特征提取困难的问题,提出了一种基于同步压缩小波变换(SSWT)与改进的大的可选择卷积核网络(LSKNet)的智能诊断方法。首先,采用了SSWT对振动信号进行了时频能量重分配,生成了高分辨率时频图像,克服了传统连续小波变换(CWT)因海森堡不确定性原理导致的时频分辨率不足和模态混叠问题;然后,设计了LSKNet主干中嵌入通道注意力模块的改进LSKNet,构建了动态“压缩-激励”(SE)机制,强化了多尺度特征交互,提升了复杂故障模式的区分能力;最后,进行了基于哈尔滨工业大学实测中介轴承数据集的实验验证,涵盖了不同转速、故障类型及故障程度的中介轴承工况,并开展了消融实验与样本对照分析;实验中,以1024点长度切片划分样本,采用Adam优化器,初始学习率为3.000×10-4,训练50轮后收敛。研究结果表明:改进模型在测试集的准确率达99.88%;消融实验进一步验证了SE模块的贡献;SSWT预处理相较CWT、S变换(ST)等方法,在训练效率和分类性能上均表现最优。该方法在强噪声环境下针对多工况轴承故障诊断具有鲁棒性,为航空发动机关键部件的智能诊断提供了有效解决方案。 展开更多
关键词 航空发动机 中介轴承 同步压缩小波变换 压缩-激励 大的可选择卷积核网络 连续小波变换 S变换
暂未订购 下载PDF
基于改进YOLOv5的遥感图像目标检测算法 认领 引用
2
作者 金梅 王泓沣 +2 位作者 张立国 张琦 袁煜淋 《燕山大学学报》 CAS 北大核心 2026年第2期130-137,共8页
针对遥感图像目标排列密集、尺度差异大、背景复杂等原因导致目标检测精度低的问题,提出了一种基于改进YOLOv5的遥感图像目标检测算法。首先,基于YOLOv5网络框架,在特征融合网络C3结构的基础上加入了三重注意力机制,提高模型的特征融合... 针对遥感图像目标排列密集、尺度差异大、背景复杂等原因导致目标检测精度低的问题,提出了一种基于改进YOLOv5的遥感图像目标检测算法。首先,基于YOLOv5网络框架,在特征融合网络C3结构的基础上加入了三重注意力机制,提高模型的特征融合能力。其次,在骨干网络以及特征融合网络中加入大选择性核网络,调整大空间感受野,更好地模拟遥感场景中各种物体的测距环境。接下来,将基于最小点的交并比作为新的边界框回归方式,提高边界框回归的速度和精度。最后,采用新的非极大抑制算法,以减少密集目标的漏检。将所提算法在公开遥感数据集DIOR上进行实验,结果表明,所提算法与原YOLOv5算法相比平均精度均值提高了6.6%,并且与其他YOLO检测算法及其改进算法相比,所提算法在所用的小样本数据集上检测精度最高。 展开更多
关键词 遥感图像 目标检测 三重注意力机制 大选择性核网络 边界框回归 非极大抑制
暂未订购 下载PDF
An improved YOLOv8 apple leaf disease detection algorithm 认领 引用
3
作者 Xinyu PEI Wei YUAN +1 位作者 Yuexiu ZHANG Lianjun SONG 《Optoelectronics Letters》 EI 2026年第5期314-320,共7页
This paper suggests an improved you only look once version 8n(YOLOv8n)algorithm for apple leaf disease detection,abbreviated as ALWB-YOLOv8n.The model is comprised of four essential components.Initially,arbitrary kern... This paper suggests an improved you only look once version 8n(YOLOv8n)algorithm for apple leaf disease detection,abbreviated as ALWB-YOLOv8n.The model is comprised of four essential components.Initially,arbitrary kernel convolution(AKConv)replaces the convolution module,which significantly decreases both the model’s parameter count and its overall size.Secondly,the large selective kernel network(LSKNet)attention mechanism is added in the Backbone,which can dynamically adjust the spatial sensory domain,and experiments have proved that this method is extremely advantageous for small target detection.Third,a weighted bi-directional feature pyramid network is introduced,which enables the model to achieve multi-scale feature fusion and is more concise and faster.Finally,wise intersection over union(WIoU)is used to replace complete intersection over union(CIoU)in YOLOv8,and the idea of focal loss is introduced,which effectively solves the detection problems in cases such as apple leaves occluding each other and blurred boundaries of diseased leaves.The improved algorithm exhibits superior performance compared to other common object detection algorithms.Compared with YOLOv8n,the improved algorithm achieves 2.3%improvement in precision,3.8%improvement in recall,and 2.5%and 2.7%improvement in mAP0.5 and mAP0.5:0.95,respectively.Compared with YOLOv8n,the improved model reduces the number of parameters and size of the model and realizes real-time monitoring with a frames per second(FPS)of 50.5. 展开更多
关键词 large selective kernel network arbitrary kernel convolution large selective kernel network lsknet attention kernel convolution akconv replaces weighted bi directional feature pyramid network adjust spatial sensory domainand improved YOLOv n algorithm apple leaf disease detection
暂未订购 下载PDF
基于改进YOLOv11n的煤矿带式输送机锚杆异物检测方法 认领 引用
4
作者 时志昂 张富凯 石嘉豪 《工矿自动化》 CSCD 北大核心 2026年第5期73-81,共9页
针对煤矿井下带式输送机锚杆异物检测受低照度、复杂背景及目标细长形态影响而易出现漏检、误检和边界框定位偏差的问题,提出了一种基于改进YOLOv11n的煤矿带式输送机锚杆异物检测方法。在YOLOv11n模型输入端引入自校准照明网络(SCINet)... 针对煤矿井下带式输送机锚杆异物检测受低照度、复杂背景及目标细长形态影响而易出现漏检、误检和边界框定位偏差的问题,提出了一种基于改进YOLOv11n的煤矿带式输送机锚杆异物检测方法。在YOLOv11n模型输入端引入自校准照明网络(SCINet),对低照度图像进行增强,以改善锚杆目标边缘与纹理细节不清晰的问题;在主干网络C3k2模块的Bottleneck分支中引入大核选择模块(LSK Block),构建C3k2_LSK模块替换部分传统卷积,增强模型对锚杆目标整体结构特征及其与背景空间关系的表征能力;采用InnerFocalerIoU损失函数优化边界框回归过程,提高对细长锚杆目标的定位精度。实验结果表明:改进YOLOv11n的精确率、召回率、mAP@0.5和mAP@0.5:0.95分别达90.5%,87.3%,92.8%和62.1%,较基线模型YOLOv11n分别提高了1.2%,2.1%,0.7%和1.7%;模型帧率达102.8帧/s,能够满足煤矿井下带式输送机锚杆异物在线检测任务的实时性要求;与主流目标检测模型相比,改进YOLOv11n模型在提升检测精度的同时,仍兼顾较好的实时性;在低照度、锚杆倾斜、目标与背景相似度高及局部遮挡等场景下,改进YOLOv11n模型能够稳定检测锚杆目标,检测框与目标区域匹配程度较高,表现出良好的复杂场景检测适应性。 展开更多
关键词 带式输送机 锚杆异物检测 YOLOv11n 自校准照明网络 大核选择模块 Inner-FocalerIoU损失函数
暂未订购 下载PDF
基于大选择核的脉冲神经网络目标检测方法 认领 引用
5
作者 蒲德昌 智晋宁 +3 位作者 魏亚博 达建恩 黄嘉璐 周东傲 《机械工程与自动化》 2026年第3期38-41,共4页
现有的人工神经网络(ANN)和脉冲神经网络(SNN)仍存在高延迟和高功耗的问题,为降低能耗并增加网络性能,提出了一种轻量化的直接训练脉冲神经网络目标检测模型。首先,以YOLOv3-Tiny作为基础网络结构,采用代理梯度深度训练方法,实现直接训... 现有的人工神经网络(ANN)和脉冲神经网络(SNN)仍存在高延迟和高功耗的问题,为降低能耗并增加网络性能,提出了一种轻量化的直接训练脉冲神经网络目标检测模型。首先,以YOLOv3-Tiny作为基础网络结构,采用代理梯度深度训练方法,实现直接训练的反向传播;其次,运用泄漏整合发射(LIF)脉冲神经元代替Leaky ReLU激活函数,将LIF神经元配置在卷积层之前,以降低计算能耗;最后,引入大选择核(LSK)注意力机制,以加强上下文信息提取和小目标检测的能力。实验结果表明:提出的目标检测方法和训练模型相比于同类结构的ANN模型,其平均精度均值提升了2.19个百分点,能量消耗相比同类结构ANN、基于转换的SNN和直接训练的SNN分别减少了71.6%、89.7%和68.8%,为高计算效率和低能耗硬件设备部署目标检测任务提供了可行的解决方案。 展开更多
关键词 脉冲神经网络 目标检测 大选择核注意力机制 YOLOv3-Tiny
暂未订购 下载PDF
基于改进的LSN-YOLOv8模型和无人机遥感图像的水稻稻曲病检测方法 认领 引用 被引量：2
6
作者 杨玉青 朱德泉 +4 位作者 刘凯旋 严从宽 孟凡凯 唐七星 廖娟 《江苏农业学报》 CSCD 北大核心 2025年第5期905-915,共11页
本研究针对无人机采集的水稻稻曲病图像中存在的背景复杂、病斑目标小且与背景表征相似等问题,构建了一种水稻稻曲病检测模型LSN-YOLOv8。该模型以YOLOv8模型为基本框架,在骨干网络中融入大选择性核网络(LSKNet),通过动态调整感受野范... 本研究针对无人机采集的水稻稻曲病图像中存在的背景复杂、病斑目标小且与背景表征相似等问题,构建了一种水稻稻曲病检测模型LSN-YOLOv8。该模型以YOLOv8模型为基本框架,在骨干网络中融入大选择性核网络(LSKNet),通过动态调整感受野范围增强模型对小目标的特征提取能力;在骨干网络中加入坐标注意力机制(CA)模块,将病斑空间位置信息与通道注意力相结合,增强模型对关键区域的关注度同时减少背景干扰;利用梯度加权类激活映射(Grad-CAM)技术实现检测过程的可视化分析,为模型决策提供直观解释。为验证模型性能,利用无人机拍摄不同发病时期、不同背景条件下的水稻稻曲病图像,构建水稻稻曲病数据集,用于模型训练与测试。试验结果表明,本研究提出的LSN-YOLOv8模型精准度、召回率和交并比阈值为0.50时的平均精度值均值(mAP50)分别为94.8%、87.3%和92.3%,均高于YOLOv5、YOLOv7、YOLOv8、Faster R-CNN模型等经典目标检测模型。梯度加权类激活映射(Grad-CAM)技术可视化分析结果表明,LSN-YOLOv8模型能够更准确地聚焦于图像中的病害区域。本研究提出的LSN-YOLOv8模型可为稻曲病监测、病害防治和水稻抗病性鉴定提供技术支持。 展开更多
关键词 稻曲病 病害识别 无人机 YOLOv8模型 大选择性核网络(LSKNet) 坐标注意力机制(CA)
暂未订购 下载PDF
基于YOLOv8改进的跌倒检测算法:CASL-YOLO 认领 引用 被引量：2
7
作者 徐慧英 赵蕊 +1 位作者 朱信忠 黄晓 《浙江师范大学学报（自然科学版）》 CAS 2025年第1期36-44,共9页
跌倒对老年人危害极大,是我国65岁以上老年人致残和伤害死亡的首要原因.然而,目前主流的跌倒检测技术受环境的干扰较大,在物体遮挡、光照变化等复杂场景下的检测准确率较低,且模型的参数量和计算量较高,导致成本居高不下,不能很好地部... 跌倒对老年人危害极大,是我国65岁以上老年人致残和伤害死亡的首要原因.然而,目前主流的跌倒检测技术受环境的干扰较大,在物体遮挡、光照变化等复杂场景下的检测准确率较低,且模型的参数量和计算量较高,导致成本居高不下,不能很好地部署应用于实际生活场景.针对上述问题,提出了一种在复杂环境下轻量级的基于YOLOv8模型改进的跌倒检测算法:CASL-YOLO.首先,该模型引入空间深度卷积(SPD-Conv)模块替代传统卷积模块,通过对每个特征映射进行卷积操作,保留通道维度中的全部信息,从而提高模型在低分辨率图像和小物体检测方面的性能;其次,引入基于位置信息的注意力机制,以捕获跨通道、方向和位置感知的信息,从而更准确地定位和识别人体目标;最后,在特征提取模块中引入选择性大卷积核(LSKNet)动态调整感受野,以有效处理跌倒检测场景中的复杂环境信息,提高网络的感知能力和检测精度.实验结果表明,在公开的Human Fall数据集上,CASL-YOLO的mAP@0.5达到96.8%,优于基线YOLOv8n,同时模型仅有3.4×MiB的参数量和11.7×109的计算量.相比其他检测算法,CASL-YOLO在参数量和计算量小幅增加的情况下,实现了更高的精度和性能,同时满足实际场景的部署要求. 展开更多
关键词 跌倒检测 YOLOv8 注意力机制 空间深度卷积 选择性大卷积核
暂未订购 下载PDF
基于LSK-YOLO算法的合成孔径雷达图像舰船目标检测 认领 引用
8
作者 刘宝宝 李广哲 +2 位作者 王峰萍 薛涛 薛海伟 《西安工程大学学报》 CAS 2025年第6期48-56,共9页
针对合成孔径雷达(synthetic aperture radar,SAR)图像舰船目标检测中存在的目标背景信息易忽略,以及多尺度条件下检测精度较低的问题,结合大型选择性核网络(large selective kernel network,LSKNet)和YOLO算法,给出一种LSK-YOLO算法。... 针对合成孔径雷达(synthetic aperture radar,SAR)图像舰船目标检测中存在的目标背景信息易忽略,以及多尺度条件下检测精度较低的问题,结合大型选择性核网络(large selective kernel network,LSKNet)和YOLO算法,给出一种LSK-YOLO算法。首先,使用LSKNet作为主干网络,动态调整感受野的大小,将舰船目标的背景信息考虑到检测过程中;然后,使用空间到深度卷积(space-to-depth convolution,SPDConv)改进传统卷积,减少卷积导致的细粒度信息丢失和学习特征不足的问题;最后,将高效多尺度注意力(efficient multi-scale attention,EMA)机制融入颈部段,从而提高多尺度下特征融合的能力,提高了算法的检测精度。针对平均精度值(mean average precision,mAP),实验结果表明:在HRSID据集上,该算法比YOLOv7算法提高了12.66百分点,比YOLOv8算法提高了2.09百分点,达到了96.30%;在SSDD数据集上,该算法比YOLOv7算法提高了2.62百分点,比YOLOv8算法提高了1.43百分点,达到了96.07%。 展开更多
关键词 合成孔径雷达(SAR) 目标检测 大型选择性核网络(LSKNet) YOLOv8算法 空间到深度卷积(SPDConv) 高效多尺度注意力(EMA)机制 多尺度融合
暂未订购 下载PDF
基于双流网络与双重注意力机制的人体行为识别 认领 引用 被引量：1
9
作者 王共杰 李成龙 +1 位作者 邢胜南 高新燕 《软件导刊》 2025年第7期152-160,共9页
人体行为识别的难点在于目标行为仅占视频场景的一小部分,易受复杂姿态和背景信息影响,且现有的人体行为识别方法在处理全局特征提取和长距离依赖关系上有待提升。为此,提出一种结合双流网络与双重注意力机制,并融合大选择核卷积的网络... 人体行为识别的难点在于目标行为仅占视频场景的一小部分,易受复杂姿态和背景信息影响,且现有的人体行为识别方法在处理全局特征提取和长距离依赖关系上有待提升。为此,提出一种结合双流网络与双重注意力机制,并融合大选择核卷积的网络模型。首先,该模型利用双流网络分别对静态的骨骼信息特征与动态的时序特征进行点级特征提取和初步的全局特征提取;其次,利用大选择核卷积与双重注意力网络捕获长距离依赖关系,进行全局特征提取。在NTU RGB+D、SBU Kinect Interaction数据集的实验表明,所提算法通过双重注意力机制与大选择核卷积有效提升了处理长距离依赖关系的能力,人体行为识别任务的准确率提升较大,特别在涉及远程联合互动动作时的识别准确率更优。 展开更多
关键词 人体行为识别 双流网络 大选择核卷积 双重注意力网络 骨骼信息
暂未订购 下载PDF
基于选择性大核和空间关系的文本检测方法 认领 引用
10
作者 窦泽亚 赵歆波 《中国体视学与图像分析》 2025年第2期175-186,共12页
基于分割的文本检测方法可以准确的定位到任意形状的文本区域,但目前基于分割的任意形状文本检测方法有两个需要解决的问题:①准确检测图像中的文本需要更加广泛的背景信息,不同形状的文本所需的上下文信息不同;②现存方法往往没有结合... 基于分割的文本检测方法可以准确的定位到任意形状的文本区域,但目前基于分割的任意形状文本检测方法有两个需要解决的问题:①准确检测图像中的文本需要更加广泛的背景信息,不同形状的文本所需的上下文信息不同;②现存方法往往没有结合上下文特征,没有充分利用各个尺度特征,从而忽略了各个阶段特征图之间的联系。针对上述问题,本文提出了一种任意形状场景文本检测方法LSRNet,在该网络中设计选择性大核网络,通过动态调整感受野,更有效地处理了不同形状文本所需背景信息差异,还在增加感受野的同时减少了模型参数量的增加;此外,还提出一种利用上下文特征的空间关系网络,充分利用不同阶段特征图之间的联系。在公开数据集上进行的实验表明,本文提出的方法在任意形状的文本检测方面都取得了良好的性能。 展开更多
关键词 任意形状文本检测 选择性大核网络 空间关系网络
暂未订购 下载PDF
已选0条
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
在线咨询 使用帮助 返回顶部 意见反馈