基于注意力机制和多层次特征融合的目标检测算法

为了提高目标检测的准确率，提出一种基于注意力机制和多层次特征融合的图像目标检测算法。该算法在Cascade R-CNN模型的基础上，以RseNet50为主干网络，通过嵌入简单的注意力模块（SAM）来提高网络的判别能力；其次，利用深度可分离卷积改进特征金字塔网络（FPN），设计了多层次特征融合模块（MFFM），对多尺度特征进行融合，以丰富特征图的信息量，并对不同层次的特征图赋予相应的权重以平衡不同尺度的特征信息；最后，结合目标检测方法中的区域建议网络（RPN）结构获取目标的候选区域进行分类和回归处理，确定检测目标的位置和类别。实验结果表明，相较于Cascade R-CNN目标检测算法，该算法的检测精度提升了约2.0%。     

基于残差注意力机制的图像去雾算法

传统基于先验知识与基于学习的图像去雾算法依赖大气散射模型,容易出现颜色失真和去雾不彻底的现象。针对上述问题,提出一种端到端的基于残差注意力机制的图像去雾算法,该算法网络包括编码、多尺度特征提取、特征融合和解码4个模块。编码模块将输入的雾图编码为特征图像,便于后续特征提取并减少内存占用;多尺度特征提取模块包括残差平滑空洞卷积模块、残差块和高效通道注意力机制,能够扩大感受野并通过加权筛选提取的不同尺度特征以便融合;特征融合模块利用高效通道注意力机制,动态调整不同尺度特征的通道权重,学习丰富的上下文信息并抑制冗余信息,增强网络提取雾霾密度图像的能力从而使去雾更加彻底;解码模块对融合后的特征进行非线性映射得到雾霾密度图像,进而恢复无雾图像。通过在SOTS测试集和自然有雾图像上进行定量和定性的测试,所提方法取得了较好的客观和主观评价结果,并有效改善了颜色失真和去雾不彻底的现象。     

多特征融合和孪生注意力网络的高分辨率遥感图像目标检测

为提高高分辨率遥感图像目标检测效果,本文将多特征融合方法和孪生注意力网络相结合,提出一种新的目标检测方法。构建遥感图像目标检测的整体框架,基于锚框模型对遥感图像目标进行多层特征的提取及融合;运用孪生注意力网络对遥感图像目标实时视觉跟踪检测,引入通道和空间的双重自注意力机制,提高目标图像的特征表达能力,由此得到更加精准的检测结果。实验分析结果表明,本文方法的平均总体精度为93.8,F1指数平均值为0.88,Kappa系数平均值为0.93,均明显高于对比方法,说明本文方法具有较好的检测效果。     

奇异值分解与中心度量的细粒度车型识别算法

针对细粒度车型识别图像分类因存在冗余特征而导致识别率低的问题,提出一种基于奇异值分解与中心度量的细粒度车型识别算法。首先,提出一种基于奇异值分解卷积神经网络,对全连接层的权重矩阵进行奇异值分解后重新赋值并微调,可以去除具有相关性的冗余特征,学习到细粒度级别的区分性特征;其次,提出一种学习不同特征的融合损失方法,将中心距离损失和分类损失进行加权融合,使得学习的特征类内之间的距离更小。实验表明,该方法使用 Residual Network(ResNet)框架在Cars-196细粒度车型数据集上测试,准确率能够达到93.02%,优于目前表现较好的双线性和注意力模型。扩展实验证明该方法同样适用于其他网络框架。     

基于改进VGG-16和通道注意力机制的脑电图抑郁症辅助检测

利用脑电图信号，结合深度学习方法进行抑郁症辅助诊断目前仍存在特征提取不足及模型诊断准确率不高的问题。为了提取更具表征抑郁症的特征，提高抑郁症辅助诊断的准确率，本文从特征提取和网络框架两个方面进行改进，提出一种结合改进VGG-16和基于压缩激励网络的通道注意力机制（SEMod-VGG）的抑郁症辅助检测模型。首先，提取脑电图信号中α（Alpha）、θ（Theta）和β（Beta）频段的微分熵特征，与对应通道的功率谱密度特征相融合，构成一种同时具有时频属性和能量属性的四维融合特征；其次，针对该四维特征，改进现有的VGG-16模型，同时采用5*5和7*7两种不同尺度的卷积核，在提取脑电信号的时频信息和功率信息的同时，提高特征的泛化表征能力；再将基于压缩激励网络的通道注意力与改进的检测模型相结合，对电极通道的权重进行二次标定；最后采用十折交叉验证优化最小二乘支持向量机，改善传统支持向量机的局限性。本文所提模型在准确率，召回率以及网络性能这三个方面进行实验评估，在MODMA数据集上的结果表明：当使用四维融合特征作为输入时，SEMod-VGG可得到最佳的分类精度，分别为3通道92.21%，16通道93.47%以及128通道95.76%；同时模型的检测召回率也达到较高水平，分别为3通道91.57%，16通道92.46%以及128通道96.80%。相较于现有的抑郁症辅助检测模型，本文所提出的融合特征对抑郁症的表征性更强，且所提出的模型在检测准确率，召回率以及模型效率上均取得明显提升。     

基于显著性检测的害虫图像分类

针对病虫害分类时害虫种类多样,且类间与类内差异大等问题,提出了一种害虫分类模型PestNet.模型主要由目标定位模块OPM和多特征融合模块MFFM组成,OPM通过U型网络结构整合害虫图像浅层细节信息和深层空间信息,初步划定显著区域并输出空间语义特征.MFFM通过对空间语义特征和抽象语义特征进行双线性池化操作,弱化背景信息,增加细节特征.此外,通过目标区域裁剪和掩膜等方式辅助训练模型,提高模型分类精度.将该模型在病虫害数据集IP102上进行实验,分类准确率可达77.40％,能够实现复杂背景下大规模害虫图像的分类识别.     

联合多尺度与注意力机制的遥感图像目标检测

遥感图像存在背景复杂、目标尺度差异大且密集分布等不足,为提高现有算法的检测效果提出联合多尺度与注意力机制的遥感图像目标检测算法. 改进空洞空间金字塔池化模块,增大不同尺寸图像的感受野;提出注意力模块用于学习特征图通道信息和空间位置信息,提升算法对复杂背景下遥感图像目标区域的特征提取能力;引入加权双向特征金字塔网络结构与主干网结合来增进多层次特征的融合;使用基于距离的非极大值抑制方法进行后处理,改善检测框易重叠的问题. 在DIOR和NWPUVHR-10数据集上的实验结果表明：所提算法的平均精度均值mAP分别达到71.6%和91.6%,相比于主流的YOLOv5s算法分别提升了2.9%和1.5%. 所提算法对复杂遥感图像取得了更好的检测效果.     

基于改进Xception的玉米大斑病识别

利用无人机平台进行作物病害识别时，由于其拍摄图像分辨率高、目标病斑占比小，现有检测方法需要对图像进行多步骤处理，费时费力且检测效果不稳定。为减少图像处理步骤，提高检测准确率，文章以无人机拍摄图像中玉米大斑病为检测对象，首先将图像按照一定的比例进行缩小和裁剪，利用2种不同分辨率的图像重构公开数据集；然后对Xception网络进行改进，通过增加密集连接减少病斑特征信息丢失，以提高特征信息融合能力，增加注意力模块调整图像通道，以抑制无效信息；最后训练模型完成对玉米大斑病的识别并进行性能评估。实验结果表明，所提模型识别准确率达到了95.23%，单张图片识别时间减少到了0.5476 s。该模型能够有效检测无人机拍摄的图像中的玉米大斑病。     

面向无人机巡检的农村输电线螺栓锈蚀检测

针对农村地区输电线路螺栓锈蚀情况严重且不易检测的问题,提出一种利用深度学习目标检测网络的螺栓锈蚀检测方法,首先自制无人机图像数据集,然后利用二阶微分锐化和暗通道去雾对螺栓图像进行锐化和去雾处理,最后使用YOLOv5网络模型进行数据集的训练与测试,相比其他网络模型检测精度更高,其平均精度均值达93.6％.结果 表明,所提方法能够有效实现无人机巡检图像中螺栓部件的识别与锈蚀检测.     

融合注意力与卷积的系统调用异常检测

基于系统调用数据是实施主机异常检测的一种有效手段，然而现有检测技术无法有效应对混淆攻击。提出一种融合注意力与卷积的系统调用异常检测模型，能够同时关注到系统调用序列展现的进程全局行为与每一个时间窗口的局部行为。首先，设计了一种混淆攻击数据模拟生成方法解决样本数据不平衡问题，提出基于进程行为特征的序列补齐方法增强系统调用语义特征；其次，融合注意力机制与一维权重卷积网络同时从系统调用序列的全局与局部提取数据特征；最后，基于单一变量原则和交叉验证方式获得最优异常检测模型，进而得到异常检测结果。与其他传统异常检测方法对比得出，所提模型具有更高的准确率(96.6%)和较低的误报率(1.9%),同时此模型具有抵抗混淆攻击的能力。     

基于空间注意力和卷积神经网络的视觉情感分析

为了解决现有基于深度学习方法的视觉情感分析忽略了图像各局部区域情感呈现的强度差异问题,提出一种结合空间注意力的卷积神经网络spatial attention with CNN, SA-CNN用于提升视觉情感分析效果。设计一个情感区域探测神经网络用于发现图像中诱发情感的局部区域;通过空间注意力机制对情感映射中各个位置赋予注意力权重,恰当抽取各区域的情感特征表示,从而有助于利用局部区域情感信息进行分类;整合局部区域特征和整体图像特征形成情感判别性视觉特征,并用于训练视觉情感的神经网络分类器。该方法在3个真实数据集TwitterⅠ、TwitterⅡ和Flickr上的情感分类准确率分别达到82.56%、80.23%、79.17%,证明利用好图像局部区域情感表达的差异性,能提升视觉情感分类效果。     

视觉认知理论在遥感影像道路网提取中的应用

在遥感影像上,道路被认为是颜色、纹理、形状相似的狭长线状目标,整个道路网在影像上会呈现非常显著的特征,极易引起人眼的注意,称之为感兴趣区域.它是场景中最能引起用户兴趣、体现图像主要内容的区域.视觉认知理论的研究表明：通过视觉注意机制可以模拟人眼的观察过程,找出遥感影像上的显著区域.文章提出应用视觉注意机制辅助遥感影像道路网提取的思想,通过对影像的显著区域进行分析和处理,得到最终的道路网.对比实验表明该算法可以有效地提高道路网提取的准确率和完整性.     

钢构件防锈涂层工艺优化初探及加速模拟锈蚀预研

利用氰凝防锈涂料和醇酸铁红防锈涂料作为钢材表面涂料。通过模拟加速试验和对比分析,考察涂层钢件与裸钢在防锈蚀方面的性能差异。采用德国IM6工作站对锈蚀钢筋的电极电位和腐蚀电流进行了实测记录,总结了涂层钢筋的锈蚀规律,研究了涂抹方式及烧结处理对涂层耐蚀性的影响因素。研究结果表明:钢件经过全浸实验,涂层钢件的锈蚀速率比无涂层钢的明显降低,烧结处理可明显提高涂层的耐久性。     

具有清洗防锈润滑功能的金属保养液的研制

通过正交实验研制了一种新型的具有清洗防锈润滑功能的金属保养液。该保养液是由表面活性剂、分散剂、防锈剂、润滑剂、乳化剂等原料组成的微乳液,具有稳定、去污率高、抗磨减摩突出、防腐防锈性强等特点,而且无毒、无害,一次性完成清洗、防锈、润滑等多重功效,特别是便于快速反应,适合于野外装备的保养。     

融入注意力机制的弱监督水下图像增强算法

基于监督学习的水下图像增强算法中所需成对训练样本获得困难,为此提出一种融入注意力机制的弱监督水下图像增强算法. 根据不同波长的光在水中传播时衰减程度不同的物理特性,计算红通道衰减图,并将依赖红通道衰减图引导的注意力模块融入生成网络,提高生成网络修正水下图像色偏的性能;设计对抗损失函数和结构相似性损失函数相结合的多项联合损失函数,在修正水下图像色偏的同时保留更多图像细节;在全局和局部两个尺度下优化提出的弱监督水下图像增强网络模型. 实验结果表明,所提算法在主观视觉质量和客观评价指标上都优于比较算法,可以有效地提高水下图像清晰度.     

基于SK注意力残差网络的水下图像增强

针对水下图像颜色失真、关键信息模糊和细节特征丢失的问题，提出一种基于SK注意力残差网络的水下图像增强方法.该方法通过改进生成对抗网络中的生成器结构，引入残差模块，减少编码器和解码器之间的特征丢失，增强了图像细节和颜色.为了使网络能适应不同尺度的特征图提取图像关键信息，该方法在残差模块后添加SK注意力机制，采用参数修正线性单元来提高网络的拟合能力.将本文方法分别在真实和合成的水下图像数据集中进行验证，采用传统方法和深度学习的方法进行主客观评价.在主观效果分析中发现，本文方法增强后的图像颜色、关键信息和细节特征都有很大提升.在客观评价指标中发现，本文方法指标值均高于现有的水下图像增强算法，验证了该算法的有效性.     

恒定气候混凝土内钢筋锈蚀速率的时变特征与机理

为了深入研究混凝土中钢筋腐蚀龄期对钢筋锈蚀速率的影响，通过加速腐蚀试验研究了不变环境条件下混凝土中钢筋腐蚀电流强度的经时变化过程，并通过微观测试技术对混凝土中钢筋锈蚀层发展过程进行了机理分析，全面解释了钢筋腐蚀速率的经时变化过程规律．结果表明：钢筋表面锈蚀层（水泥浆体与铁锈物混合层）的形成与发展是钢筋锈蚀速率发生变化的主要原因；在气候环境条件恒定条件下，混凝土内钢筋的锈蚀速率的时变过程可分为锈蚀初期的下降阶段、平稳发展阶段和混凝土开裂后的上升阶段．     

基于注意力机制的多尺度特征融合图像去雨方法

雨纹分布和形状具有多样性，现有去雨算法在去雨的同时会产生图像背景模糊、泛化性能差等问题.因此，本文提出一种基于注意力机制的多尺度特征融合图像去雨方法.特征提取阶段由多个包含两个多尺度注意力残差块的残差组构成，多尺度注意力残差块利用多尺度特征提取模块提取及聚合不同尺度的特征信息，并通过坐标注意力进一步提高网络的特征提取能力.在组内进行局部特征融合，组间利用全局特征融合注意力模块更好地融合不同层次的特征，通过像素注意力使网络重点关注于雨纹区域.在仿真和真实雨像数据集上与其他现有图像去雨算法相比，本文方法的定量指标有着明显提高，去雨后的图像视觉效果较好且具有良好的泛化性.     

A modified method for evaluation of materials containing volatile corrosion inhibitor

1INTRODUCTION Asakindofadvancedcorrosion resistantma terial,thevolatilecorrosioninhibitor(VCI)mate rialshavebeendevelopedrapidlyandappliedex tensivelyinrecentyears.Toevaluatetheireffec tiveness,severaltechniqueshavebeendevel oped[1,2],suchasthefieldtest[3],theelectrochem icalinvestigation[4,5]andtheacceleratedcorrosion testinlaboratory[68]etc.Thefieldtestmethodisthemostreliableonebecausetheexperimentcon ditionisinaccordancewiththeactualserviceenvi ronmentofVCI,butitslongtestperiod,often…     

基于注意力机制的生成对抗网络古诗插图生成方法

古诗插图自动生成是非常具有挑战性的任务。提出了一种新的方法，通过使用注意力机制的生成对抗网络，输入古诗文字和草绘图，经由网络输出古诗插图。该模型在利用编码与解码的图片生成结构的同时，结合注意力机制，将图像色彩及轮廓特征进行了提取，生成器中加入了残差网络模块，增加了网络深度，同时提高了网络模型的效果，最终生成图像质量更高的古诗插图。实验结果表明，所提方法相较于对比方法，在图像质量和色彩渲染方面均有优势，输入的古诗和草图经过网络模型，生成了较为符合古诗意境的插图。