检索结果

Select

1. 基于注意力机制的鸟类识别算法

陈天华, 朱家煊, 印杰

《计算机应用》唯一官方网站 2024, 44 (4): 1114-1120. DOI: 10.11772/j.issn.1001-9081.2023081042

摘要（158）

HTML （10）

PDF （2874KB）（178）

针对现有细粒度鸟类目标识别算法准确率不高的问题，提出一种鸟类目标检测算法YOLOv5-Bird。首先，在YOLOv5主干网络中引入基于混合域的坐标注意力（CA）机制，增大有价值的通道权重，以区分目标特征和背景中的冗余特征；其次，在原始主干网络中采用双层路由注意力（BRA）模块替换原网络中的部分C3模块，过滤低相关度的键值对信息，获得高效的长距离依赖关系；最后，使用WIoU（Wise-Intersection over Union）损失函数，增强算法对目标的定位能力。实验结果表明，YOLOv5-Bird在自建数据集上取得了82.8%的精确率和77.0%的召回率，比YOLOv5算法分别提高4.3和7.6个百分点，也优于增加其他注意力机制的算法。验证了YOLOv5-Bird在鸟类目标检测场景中具有较好的性能。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于遗传算法选优的集成手段与时序卷积网络的涡扇发动机剩余寿命预测

朱霖, 宁芊, 雷印杰, 陈炳才

计算机应用 2020, 40 (12): 3534-3540. DOI: 10.11772/j.issn.1001-9081.2020050661

摘要（442）

PDF （970KB）（1040）

涡扇发动机作为航空航天领域的核心设备之一，其健康状况决定了航空器能否稳定可靠地运行。而对涡扇发动机的剩余寿命（RUL）进行判断，是设备监测与维护的重要一环。针对涡扇发动机监测过程中存在的工况复杂、监测数据多样、时间跨度长等特点，提出了一种遗传算法优选时序卷积网络（TCN）基模型的集成方法（GASEN-TCN）的涡扇发动机剩余寿命预测模型。首先，利用TCN捕获长跨度下的数据内在关系，从而对RUL作出预测；然后，应用GASEN集成多个独立的TCN，以增强模型的泛化性能；最后，在通用的商用模块化航空推进系统模拟模型（C-MAPSS）数据集上，对所提模型与当下流行的机器学习方法和其他的深度神经网络进行了比较。实验结果表明，在多种不同的运行模式和故障条件下，与流行的双向长短期记忆（Bi-LSTM）网络相比，所提模型都有着更高的预测准确率与更低的预测误差。以FD001数据集为例，在该数据集上所提模型的均方根误差（RMSE）相较Bi-LSTM低17.08%，相对准确率（Accuracy）相较Bi-LSTM高12.16%。所提模型在设备的智能检修与维护方面有着较好的应用前景。

参考文献 | 相关文章 | 多维度评价

Select

3. 用于肺炎图像分类的优化卷积神经网络方法

邓棋, 雷印杰, 田锋

计算机应用 2020, 40 (1): 71-76. DOI: 10.11772/j.issn.1001-9081.2019061039

摘要（648）

PDF （889KB）（767）

目前，卷积神经网络（CNN）开始应用在肺炎分类领域。针对层数较浅、结构较为简单的卷积网络对肺炎识别的准确率难以提高的情况，采用深度学习方法，并针对采用深度学习方法时常常需要消耗大量的系统资源，导致卷积网络难以在用户端部署的问题，提出一种使用优化的卷积神经网络的分类方法。首先，根据肺炎图像的特征，选择具有良好图像分类性能的AlexNet与InceptionV3模型；然后，利用医学影像特点对层次更深、结构更加复杂的InceptionV3模型进行预训练；最后，通过知识蒸馏的方法，将训练好的"知识"（有效信息）提取到AlexNet模型中，从而实现在减少系统资源占用的同时，提高准确率的效果。实验数据表明，使用知识蒸馏后，AlexNet模型的准确率、特异性与灵敏度分别提高了4.1、7.45、1.97个百分点，且对图像处理器（GPU）占用相比InceptionV3模型减小了51个百分点。

参考文献 | 相关文章 | 多维度评价