| 基于分组卷积与双注意力机制的河流水面污染图像分类 |
| |
| 引用本文： | 宋一格,王宁,李宏昌,武暕.基于分组卷积与双注意力机制的河流水面污染图像分类[J].计算机系统应用,2022,31(9):250-256. |
| |
| 作者姓名： | 宋一格 王宁 李宏昌 武暕 |
| |
| 作者单位： | 中国科学院大学, 北京 100049;中国科学院 沈阳计算技术研究所, 沈阳 110168;阜新市生态环境保护服务中心, 阜新 123008;辽宁省生态环境监测中心, 沈阳 110161 |
| |
| 基金项目： | 辽宁省中央引导地方科技发展专项(2021010211-JH6/105); 辽宁省科学技术计划(2020JH2/10300113); 沈阳市科技计划(20-203-5-50) |
| |
| 摘 要： | 河流水面污染物是危害河流资源的重要污染物, 及时发现并处理水面污染物可以有效地保护河流环境以及水资源, 能进一步实现减污降碳, 提升生态系统碳汇能力. 随着智能化的大范围推广, 传统的河流水面污染物的监测处理方法已经不能满足当今的需求. 针对辽河流域水面污染问题, 本文将计算机视觉技术应用到了河流水面污染分类上, 提出了基于分组卷积与双注意力机制的河流水面污染图像分类算法模块(grouped convolution dual attention, GCDA), 在分组卷积的基础上引入简化的双注意力机制, 使用较少的参数量增强了网络对图像的特征提取能力, 进一步提升图像分类效果. 通过固定位截取图像的方式对辽河流域中的温泉城水站取水口、王营河入细河、高台子断面、津源污水排口和清源污水处理厂溢流口5个河流监控摄像图像做了预处理工作并建立了一个河流水面污染物数据集, 图像分为污染和未污染两类, 通过实验证明在此数据集上, 添加使用GCDA模块的网络相较于原网络以及分别添加空间、通道注意力机制的网络在河流水面污染物图像的二分类任务中效果有明显提升.
|
| 关 键 词： | 分组卷积 注意力机制 特征融合 河流污染 图像分类 深度学习 卷积神经网络 |
| 收稿时间： | 2021/12/3 0:00:00 |
| 修稿时间： | 2021/12/31 0:00:00 |
Image Classification of River Water Surface Pollution Based on Grouped Convolution and Dual Attention Mechanism |
| |
| SONG Yi-Ge,WANG Ning,LI Hong-Chang,WU Jian.Image Classification of River Water Surface Pollution Based on Grouped Convolution and Dual Attention Mechanism[J].Computer Systems& Applications,2022,31(9):250-256. |
| |
| Authors: | SONG Yi-Ge WANG Ning LI Hong-Chang WU Jian |
| |
| Affiliation: | University of Chinese Academy of Sciences, Beijing 100049, China;Shenyang Institute of Computing Technology, Chinese Academy of Sciences, Shenyang 110168, China;Fuxin Ecological and Environmental Protection Service Center, Fuxin 123008, China; Liaoning Ecological and Environmental Monitoring Center, Shenyang 110161, China |
| |
| Abstract: | |
| |
| Keywords: | grouped convolution attention mechanism feature fusion river pollution image classification deep learning convolutional neural network (CNN) |
|
| 点击此处可从《计算机系统应用》浏览原始摘要信息 |
|
点击此处可从《计算机系统应用》下载全文 |
|
