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485篇文章
< 1 2 … 25 >
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：
基于融合特征和残差神经网络的10 kV高压断路器机械故障声纹识别方法
1
作者 段梵 李先允 +2 位作者 单光瑞 陈兰杭 杨凯 《高压电器》 北大核心 2025年第3期205-213,共9页
针对传统10 kV高压断路器故障诊断方法过于依赖主观经验、准确率不高、泛化能力差的问题。提出了一种基于声学特征的10 kV高压断路器常见机械故障识别方法。首先,以(ZN63)12/630A型高压户内真空断路器为研究对象,设置常见的8种机械故障... 针对传统10 kV高压断路器故障诊断方法过于依赖主观经验、准确率不高、泛化能力差的问题。提出了一种基于声学特征的10 kV高压断路器常见机械故障识别方法。首先,以(ZN63)12/630A型高压户内真空断路器为研究对象,设置常见的8种机械故障,采集其分合闸时的声音作为检测信号;其次,将采集的故障声纹信号进行预处理,提取故障声纹信号的梅尔倒频谱系数(MFCC)特征、色度特征(chroma features)以及一维平均能量和频谱质心,并利用Fisher比舍弃贡献率低的分量,构成融合特征;最后以提取的融合特征作为诊断依据,构建基于残差神经网络的10 kV断路器机械故障诊断模型。结果表明文中方法对10 kV高压断路器常见的8种机械故障诊断识别准确率为99.99%。可作为当前检测手段的有效补充,提高高压断路器综合检测和潜伏性缺陷识别能力。 展开更多
关键词 10 kV高压断路器 声纹识别 融合特征 残差神经网络 故障诊断
在线阅读 下载PDF
基于深度残差金字塔的皮肤病变分割与特征提取研究
2
作者 董春序 李雪 陈思光 《传感技术学报》 北大核心 2025年第2期263-271,共9页
由于皮肤病的类内差异大、类间差异小及样本分布不均衡导致恶性皮肤病智能诊断误诊率极高,因此提出一种基于深度残差金字塔的皮肤病变分割与特征提取机制。具体地,对比主流的单一尺度网络输出,为了提高特征提取和训练结果的准确度,构建... 由于皮肤病的类内差异大、类间差异小及样本分布不均衡导致恶性皮肤病智能诊断误诊率极高,因此提出一种基于深度残差金字塔的皮肤病变分割与特征提取机制。具体地,对比主流的单一尺度网络输出,为了提高特征提取和训练结果的准确度,构建了一个深度残差金字塔多尺度编码网络,将瓶颈层划分为多尺度编码网络,通过提取多尺度特征,实现网络分割与提取结果的输出。进一步,为了解决样本不均衡问题,设计了基于焦点损失的损失梯度监督机制,即通过焦点损失增加模型对难分样本的关注度,同时通过梯度协调机制减小难分样本和离群点对模型整体准确率的影响,从而达到减小类别不平衡对诊断结果的影响。实验结果表明,所提机制的分割与提取与现有相关方案相比,Jaccard系数提高了3%~10%,达到82.3%。 展开更多
关键词 皮肤病变 深度残差网络 特征金字塔 损失函数
在线阅读 下载PDF
面向小目标检测的自适应多维度特征融合网络
3
作者 柳尧凯 任德均 +1 位作者 刘重宜 卢宇东 《计算机与现代化》 2025年第3期106-112,共7页
小目标在图像中占有很少的像素,导致目标严重缺乏特征信息,小目标检测是目标检测的一大挑战。为解决这一问题,设计一种面向小目标检测的自适应多维度特征融合网络(AMDFF-Net)算法以提高小目标检测的准确率。首先,整合池化层和注意力机制... 小目标在图像中占有很少的像素,导致目标严重缺乏特征信息,小目标检测是目标检测的一大挑战。为解决这一问题,设计一种面向小目标检测的自适应多维度特征融合网络(AMDFF-Net)算法以提高小目标检测的准确率。首先,整合池化层和注意力机制,构建池化注意力模块,使模型获得更大的接受域以实现自我注意中的自适应和长程相关性;其次,设计自适应选择多维度特征融合模块(ASMFF),并基于ASMFF模块设计自适应多维度特征金字塔网络,自适应融合不同尺度的图像特征,强化小目标的信息。为了验证模型的性能和泛用性,分别在VisDrone2019数据集、AI-TOD数据集以及TinyPerson数据集上进行实验,实验结果表明,AMDFF-Net提高了小目标检测的精度,通过与其他主流算法对比,验证了本文模型在小目标检测方面的有效性。 展开更多
关键词 小目标检测 特征金字塔网络 注意力机制 特征融合
在线阅读 下载PDF
基于全局上下文注意力特征融合金字塔网络的遥感目标检测 被引量：1
4
作者 孙文赟 车嘉航 金忠 《计算机系统应用》 2024年第9期114-122,共9页
遥感目标检测往往具有图像尺度变化大、目标微小、密集排列和宽高比过大的特性,给高精度定向目标检测造成困难.本文提出了一种全局上下文注意力特征融合金字塔网络.首先,本文设计了一种三重注意力特征融合模块,它能够更好地融合语义和... 遥感目标检测往往具有图像尺度变化大、目标微小、密集排列和宽高比过大的特性,给高精度定向目标检测造成困难.本文提出了一种全局上下文注意力特征融合金字塔网络.首先,本文设计了一种三重注意力特征融合模块,它能够更好地融合语义和尺度不一致的特征.然后引入层内调节方法改进并提出了一个全局上下文信息增强网络,对含有高级语义信息的深层特征的进行细化,提升表征能力.在此基础上,以全局集中调节的思想设计了全局上下文注意力特征融合金字塔网络,利用注意力调制特征自上而下地调节浅层多尺度特征.在几个公开数据集中进行了广泛实验,实验结果的高精度评价指标均优于目前先进的模型. 展开更多
关键词 遥感图像 定向目标检测 注意力特征融合 特征金字塔网络
在线阅读 下载PDF
RBAT:基于融合特征和残差网络的入侵检测模型 被引量：1
5
作者 李婧 杨兴凯 《中国工程机械学报》 北大核心 2024年第2期258-263,共6页
面对海量不平衡网络流量数据,传统入侵检测技术的准确度不高。为解决此问题,提出了一种基于融合特征和残差网络的入侵检测模型RBAT。利用SMOTE过采样和TOMEK LINK欠采样结合的综合采样方法解决原始数据不平衡问题。利用双向门控循环神... 面对海量不平衡网络流量数据,传统入侵检测技术的准确度不高。为解决此问题,提出了一种基于融合特征和残差网络的入侵检测模型RBAT。利用SMOTE过采样和TOMEK LINK欠采样结合的综合采样方法解决原始数据不平衡问题。利用双向门控循环神经网络GRU、卷积神经网络CNN提取数据的时间特征和空间特征,添加注意力机制,强化2种特征关键信息的重要程度,再将2种特征通过跨层连接的方式融合,融合的特征模块与残差网络结合,提高模型拟合能力和准确度。实验采用经典的NSLKDD作为基准数据集进行仿真测试,结果表明:与其他模型相比,该模型检测准确度为99.62%。 展开更多
关键词 入侵检测 深度学习 融合特征 注意力机制 残差网络
在线阅读 下载PDF
基于残差网络多尺度特征融合的滚动轴承故障诊断 被引量：1
6
作者 樊立萍 张晗 《制造技术与机床》 北大核心 2024年第6期52-57,共6页
针对传统故障诊断方法在面临复杂工况时出现的特征提取不足、分类器选取困难、诊断精度不高等问题,提出了一种基于残差神经元网络多尺度特征融合的滚动轴承故障诊断模型并用于电机轴承的故障诊断。首先,采用小波变换将轴承振动信号转换... 针对传统故障诊断方法在面临复杂工况时出现的特征提取不足、分类器选取困难、诊断精度不高等问题,提出了一种基于残差神经元网络多尺度特征融合的滚动轴承故障诊断模型并用于电机轴承的故障诊断。首先,采用小波变换将轴承振动信号转换为二维时频图作为输入数据集;然后,在残差网络中构建多尺度特征融合模块,提取故障样本不同尺度下的特征;最后,将轴承数据集输入到网络中,实现特征提取及故障诊断。实验结果表明,基于残差网络多尺度特征融合的故障诊断模型可以有效提取信号特征,提高了故障诊断的准确性。 展开更多
关键词 滚动轴承 故障诊断 小波变换 残差网络 多尺度特征融合
在线阅读 下载PDF
基于残差网络融合多关系评论特征的虚假评论检测
7
作者 雒泽阳 田华 +2 位作者 窦英通 李曼文 张泽华 《计算机科学》 CSCD 北大核心 2024年第4期314-323,共10页
随着电子商务和短视频社区平台的兴起,涌现出的虚假评论严重影响了用户体验。甚至为了对抗平台检测,伪装的评论(Review Camouflage)更加难以辨别。当前基于图神经网络(Graph Neural Networks,GNNs)的虚假评论检测方法在深层训练过程中... 随着电子商务和短视频社区平台的兴起,涌现出的虚假评论严重影响了用户体验。甚至为了对抗平台检测,伪装的评论(Review Camouflage)更加难以辨别。当前基于图神经网络(Graph Neural Networks,GNNs)的虚假评论检测方法在深层训练过程中容易出现网络退化和梯度消失问题。同时评论伪装导致评论标记更加倾斜,从而影响GNNs检测模型的鲁棒性。针对以上问题,提出了一种基于残差网络的检测方法MRDRN,可融合多关系评论特征进行虚假评论识别。首先,为了减缓网络退化,结合残差网络进行深层评论特征提取,并给出一种新的邻居混合采样策略,可根据评论之间的特征相似性进行低阶及高阶邻居混合采样,从而缓解评论标记不均衡的问题并学习更加丰富的评论特征。其次,提出了一种多关系评论特征融合策略,通过关系内评论网络拓扑与多关系间评论特征的整体融合,来减小评论伪装的影响。在3个真实数据集上进行实验,结果表明,MRDRN相比基准方法具有更高的检测能力和更强的鲁棒性。 展开更多
关键词 虚假评论检测 图神经网络 残差网络 评论伪装 多关系特征融合
在线阅读 下载PDF
多尺度特征融合的改进残差网络乳腺癌病理图像分类
8
作者 庄建军 吴晓慧 +1 位作者 景生华 孟东东 《中国生物医学工程学报》 CAS CSCD 北大核心 2024年第4期419-428,共10页
现有模型病理特征提取不充分以及开源数据集各类型数量不平衡等问题,使得乳腺癌病理图像的多分类研究仍具挑战性。本研究提出了一种多尺度特征融合的改进残差网络乳腺癌病理图像多分类方法。首先,以ResNet101残差网络作为基础,将CBAM注... 现有模型病理特征提取不充分以及开源数据集各类型数量不平衡等问题,使得乳腺癌病理图像的多分类研究仍具挑战性。本研究提出了一种多尺度特征融合的改进残差网络乳腺癌病理图像多分类方法。首先,以ResNet101残差网络作为基础,将CBAM注意力模块插入到每一个残差块中;接着,为了优化特征提取,将横向和纵向的多尺度特征融合集成到残差网络中;最后,引入焦点损失函数以解决数据分配不平衡问题。经BreakHis公开数据集混合放大倍数1582张病理图像训练验证,所提出的改进残差网络在乳腺癌病理图像八分类上的识别准确率为94.4%,较原始模型提升2.8%,优于大多数已有公开深度学习模型。该模型的提出为女性乳腺癌的筛查诊断和病理分类提供了更为有效的方法。 展开更多
关键词 乳腺癌病理图像 深度学习 残差网络 注意力机制 多尺度特征融合
在线阅读 下载PDF
用于胸片分类的自校正特征融合金字塔网络
9
作者 宫霄霖 程琦 李锵 《天津大学学报（自然科学与工程技术版）》 EI CAS CSCD 北大核心 2024年第5期511-520,共10页
胸部疾病的病灶区域面积差异较大,易受健康部位的影响,难以定位,并且用于诊断疾病的X射线胸片样本数据分布不平衡,导致胸部疾病分类网络的分类准确度较低.针对胸部疾病分类任务中仍然存在的问题和挑战,本文提出了一种自校正特征融合金... 胸部疾病的病灶区域面积差异较大,易受健康部位的影响,难以定位,并且用于诊断疾病的X射线胸片样本数据分布不平衡,导致胸部疾病分类网络的分类准确度较低.针对胸部疾病分类任务中仍然存在的问题和挑战,本文提出了一种自校正特征融合金字塔网络.该网络使用自校正卷积增强疾病部位在特征图上以及通道之间的位置联系,在不引入额外参数量的条件下增大了卷积的感受野,避免无病区域的信息干扰;然后通过特征融合金字塔网络整合多尺度图像特征信息,在获取高分辨率特征图的同时,能够准确地定位病变区域,可以更好地识别不同尺度疾病的特征,在多标签分类任务上具有独特的优势;同时引入频率通道注意力机制强化网络对疾病特征的提取能力,在上采样和特征融合变换之前,减少全局平均池化过程中造成的特征丢失;最后提出一种轮次焦点损失函数区分不同种类胸部疾病的训练程度,根据分类难易程度区分样本,并在不同的训练轮次调整权重,以解决胸部疾病样本分布不平衡问题.在ChestX-ray14数据集上的平均AUC值可达0.853,在CheXpert数据集上的平均AUC值可达0.903,超过了近年来较为先进的网络模型.实验结果表明,该网络与传统的胸部疾病分类网络相比能有效地提高胸部疾病的分类精度,并且具有较强的泛化能力. 展开更多
关键词 胸部疾病 自校正卷积 特征融合金字塔网络 频率通道注意力 轮次焦点损失函数
在线阅读 下载PDF
基于双向特征金字塔和残差网络的危化品运输车辆检测 被引量：3
10
作者 谢耀华 代玉 +1 位作者 周欣 李刚 《计算机系统应用》 2022年第1期218-225,共8页
危化品运输车辆的主要特征是车顶的危险标志和车牌下的危险品标志,这对于大多数目标检测算法来说检测起来比较困难.为了在提高检测精度的同时加快检测速度,本文提出了一种融合残差网络和双向特征金字塔网络的危化品车辆检测算法.首先通... 危化品运输车辆的主要特征是车顶的危险标志和车牌下的危险品标志,这对于大多数目标检测算法来说检测起来比较困难.为了在提高检测精度的同时加快检测速度,本文提出了一种融合残差网络和双向特征金字塔网络的危化品车辆检测算法.首先通过对高速公路监控视频进行截取,制作危化品车辆数据集,然后通过残差网络进行特征提取,在本文中,使用循环残差模块替换残差块的中间卷积层.接下来通过双向特征金字塔网络进行特征融合,最后通过预测网络得到预测结果.在测试集上进行性能验证,结果显示本文模型的各项指标整体上均要优于其他网络,其中检测精度达到0.961,每秒可以检测43.5张图片,整体性能表现优异,达到了检测精度和速度的均衡. 展开更多
关键词 双向特征金字塔 残差网络 循环残差模块 危险品车辆检测
在线阅读 下载PDF
融合残差网络和特征金字塔的小尺度行人检测方法 被引量：1
11
作者 张阳 张帅锋 刘伟铭 《交通信息与安全》 CSCD 北大核心 2023年第3期111-118,156,共9页
针对小尺度行人检测中存在的过拟合、特征不易对齐,以及易忽略多尺度特征等问题,研究了1种融合残差网络和特征金字塔的小尺度行人检测方法。考虑到原始残差网络在检测小尺度行人时过于依赖训练集而出现过拟合问题,构建带有丢弃层的残差... 针对小尺度行人检测中存在的过拟合、特征不易对齐,以及易忽略多尺度特征等问题,研究了1种融合残差网络和特征金字塔的小尺度行人检测方法。考虑到原始残差网络在检测小尺度行人时过于依赖训练集而出现过拟合问题,构建带有丢弃层的残差块代替残差网络结构中的标准残差块来解决这一局限,同时利用丢弃层的正则作用降低计算过程的复杂程度。通过在特征金字塔网络的侧向连接部分嵌入特征选择模块和特征对齐模块,对输入图像中重要的行人特征加强和对齐,提升算法对行人的多尺度特征学习能力,弥补特征金字塔网络出现特征不易对齐和易忽略多尺度特征的缺陷,提高小尺度行人的检测精度。在Caltech Pedestrian数据集上对模型进行训练、测试和验证,实验结果表明:小尺度行人检测精度为73.6%,AP50检测精度为95.6%。在同为50层残差网络和特征金字塔网络下,改进后的模型可以使AP值提高17.2%,AP50提高7.8%,小尺度行人检测精度提高了21.6%;在同为101层残差网络和特征金字塔网络下,可以使AP值提高24.5%,AP50提高8.2%,小尺度行人检测精度提高32.3%。同时与RefindDet512、GHM800算法相比,AP值分别提高20.8%和17.7%,AP50分别提高5.5%和3.6%,小尺度行人检测精度分别提高26.8%和20.6%,由此证明提出的模型性能优于经典检测算法,可以有效地提高小尺度行人检测精度。 展开更多
关键词 交通安全 小尺度行人检测 多尺度特征融合 残差网络 特征金字塔
在线阅读 下载PDF
多尺度和多层级特征融合的人体姿态估计
12
作者 王燕妮 胡敏 +2 位作者 韩世鹏 陈艺瑄 吕昊 《计算机工程与应用》 北大核心 2025年第6期199-209,共11页
人体姿态估计的精度提升通常依赖于特征融合,但是现有特征融合策略往往忽略了尺度特征和层级特征之间的交互作用。为了充分利用不同特征之间的互补性,提出了一种新特征融合策略用以提升人体姿态估计精度,即多尺度和多层级特征融合网络(m... 人体姿态估计的精度提升通常依赖于特征融合,但是现有特征融合策略往往忽略了尺度特征和层级特征之间的交互作用。为了充分利用不同特征之间的互补性,提出了一种新特征融合策略用以提升人体姿态估计精度,即多尺度和多层级特征融合网络(multi-scale and multi-level network,MSLNet)。采用高分辨率网络(high-resolution network,HRNet)作为主干,通过跨尺度信息交互,实现不同分辨率特征图之间的信息交换,获取同时包含细粒度和粗粒度的姿态特征;引入期望最大化注意力-加权双向特征金字塔网络(expectation maximization attention-bidirectional feature pyramid network,EMA-BiFPN),实现多尺度特征融合后的多层级特征聚合,从局部到全局捕捉人体姿态的细节和关联信息;设计由残差结构组成的关键点检测头,完成输出特征的最终融合并提升人体关键点检测准确率。实验结果表明,MSLNet在COCO和MPII数据集上分别取得了75.8%和91.1%的准确率,实现了最优精度,充分验证了MSLNet能够融合尺度和层级之间的互补特征,进而提升人体姿态估计精度。 展开更多
关键词 高分辨率网络(HRNet) 人体姿态估计 期望最大化注意力 双向特征金字塔网络 特征融合
在线阅读 下载PDF
基于残差卷积网络的多传感器融合永磁同步电机故障诊断
13
作者 邱建琪 沈佳晨 +2 位作者 史涔溦 史婷娜 李鸿杰 《电机与控制学报》 EI CSCD 北大核心 2024年第7期24-33,42,共11页
作为工业生产与日常生活的常见设备,永磁同步电机的故障诊断研究具有十分重要的意义。以永磁同步电机的匝间短路、退磁、轴承故障为诊断目标,提出一种新型的多传感器特征融合网络(MSFFN),结合多传感器融合技术与卷积神经网络实现永磁同... 作为工业生产与日常生活的常见设备,永磁同步电机的故障诊断研究具有十分重要的意义。以永磁同步电机的匝间短路、退磁、轴承故障为诊断目标,提出一种新型的多传感器特征融合网络(MSFFN),结合多传感器融合技术与卷积神经网络实现永磁同步电机的可靠故障诊断。网络采用2个带有残差模块的卷积神经网络,对输入的电流信号与振动信号并行提取隐藏特征,并设计一种中间特征融合模块(IFFM)有效融合电流和振动的各层隐藏特征,IFFM基于注意力机制对网络中的电流特征与振动特征进行筛选,自适应关注不同信号的内在相关特征,以实现更好的诊断效果。搭建了故障样机测试平台进行数据采集与实验验证,实验结果表明,提出方法具有更高的诊断准确率,同时在叠加了强噪声的条件下,具备更强的抗干扰能力。 展开更多
关键词 多传感器融合 卷积神经网络 中间特征融合模块 残差模块 永磁同步电机 故障诊断
在线阅读 下载PDF
用于单图像超分辨率的全局特征高效融合网络
14
作者 张玉波 田康 徐磊 《化工自动化及仪表》 CAS 2024年第2期207-214,300,共9页
现有图像超分辨率网络中普遍存在对层间特征利用水平较低的现象,使得在图像重建过程中有细节特征丢失,最终处理结果纹理模糊、图像质量欠佳。为此提出一种用于图像超分辨率的全局特征高效融合网络模型。主体使用对称卷积神经网络实现浅... 现有图像超分辨率网络中普遍存在对层间特征利用水平较低的现象,使得在图像重建过程中有细节特征丢失,最终处理结果纹理模糊、图像质量欠佳。为此提出一种用于图像超分辨率的全局特征高效融合网络模型。主体使用对称卷积神经网络实现浅层特征的逐级提取,并结合Transformer完成浅层与深层特征的融合利用。设计的对称自指导残差模块可以在浅层网络实现不同层间特征更具表达性的融合,同时提升网络的特征提取能力;特征互导融合模块可以增强网络对浅层特征与深层特征的融合能力,促进更多的特征信息参与到细图像重建过程。在Set5、Set14、BSD100和Urban100数据集上同近年来的经典网络(HR、CARN、IMDN、MADNet、LBNet)进行性能对比,实验结果表明:所提网络模型在峰值信噪比上有所提升,并在视觉直观对比中取得了较好的图像超分辨率效果,可改善超分辨率图像质量欠佳的问题。 展开更多
关键词 单图像超分辨率 全局特征高效融合网络模型 对称自指导残差模块 特征互导融合模块 深度学习
在线阅读 下载PDF
基于残差网络特征融合的高光谱图像分类 被引量：10
15
作者 韩彦岭 崔鹏霞 +3 位作者 杨树瑚 刘业锟 王静 张云 《国土资源遥感》 CSCD 北大核心 2021年第2期11-19,共9页
深度学习技术因其在深度挖掘地物特征方面的独特优势为高光谱图像分类提供了技术手段。但是在高光谱图像的像素级地物分类中,由于样本输入尺寸的影响导致深度学习的层数受限,不能充分挖掘高光谱图像中的深度特征,为此提出基于残差网络... 深度学习技术因其在深度挖掘地物特征方面的独特优势为高光谱图像分类提供了技术手段。但是在高光谱图像的像素级地物分类中,由于样本输入尺寸的影响导致深度学习的层数受限,不能充分挖掘高光谱图像中的深度特征,为此提出基于残差网络特征融合的高光谱图像分类方法。首先通过主成分分析(principal component analysis,PCA)方法提取原始高光谱图像中的第一主成分,利用残差网络有效提取地物空谱特征;再通过反卷积算法实现特征图的扩充,将反卷积后不同维度的特征进行多尺度特征融合,充分挖掘高光谱图像中的深度特征信息,进一步提升高光谱图像分类精度。对“珠海一号”卫星拍摄的江苏太湖和安徽巢湖两个区域进行地物分类实验,结果表明,与其他方法相比,该方法有效解决了高光谱图像分类中深度特征提取不足的问题,获得了更好的分类性能。 展开更多
关键词 反卷积 特征融合 残差网络 高光谱图像分类
在线阅读 下载PDF
基于残差网络和特征融合的小麦图像修复模型 被引量：6
16
作者 陶兆胜 宫保国 +3 位作者 李庆萍 赵瑞 伍毅 吴浩 《农业机械学报》 EI CAS CSCD 北大核心 2023年第3期318-327,共10页
针对基于生成对抗网络的多数图像修复算法所修复的图像纹理细节不清晰,不能充分融合神经网络提取的纹理细节信息和语义信息的问题,本文提出一种基于残差网络和特征融合的双阶段生成网络图像修复模型,通过修复训练集中被遮挡的图像,获取... 针对基于生成对抗网络的多数图像修复算法所修复的图像纹理细节不清晰,不能充分融合神经网络提取的纹理细节信息和语义信息的问题,本文提出一种基于残差网络和特征融合的双阶段生成网络图像修复模型,通过修复训练集中被遮挡的图像,获取符合训练集整体分布的修复图像。首先,设计一种轻量型多尺度感受野残差模块,通过多个感受野不同的卷积核提取特征信息,提升粗化生成网络保留纹理信息的能力。其次构建一种双边精细修复网络结构,分别处理纹理细节信息和语义信息并进行聚合,实现图像的精细修复。最后基于GWHD数据集进行实验,验证本文算法的有效性。实验结果表明,本文模型较CE、GL、PEN-Net、CA算法,客观评价指标L1-loss降低0.56~3.79个百分点,PSNR和SSIM提升0.2~1.8 dB和0.02~0.08,并在人眼直观感受中实现了纹理结构清晰、语义特征合理的修复效果。相较于原GWHD数据集,在基于本文模型所扩充的小麦数据集中,运用YOLO v5s预测小麦麦穗的mAP提升1.41个百分点,准确率提升3.65个百分点,召回率提升0.36个百分点。 展开更多
关键词 小麦 图像修复 生成对抗网络 残差网络 特征融合
在线阅读 下载PDF
一种面向散乱点云语义分割的深度残差-特征金字塔网络框架 被引量：9
17
作者 彭秀平 仝其胜 +2 位作者 林洪彬 冯超 郑武 《自动化学报》 EI CAS CSCD 北大核心 2021年第12期2831-2840,共10页
针对当前基于深度学习的散乱点云语义特征提取方法通用性差以及特征提取不足导致的分割精度和可靠性差的难题,提出了一种散乱点云语义分割深度残差-特征金字塔网络框架.首先,针对当前残差网络在卷积方式上的局限性,定义一种立方体卷积运... 针对当前基于深度学习的散乱点云语义特征提取方法通用性差以及特征提取不足导致的分割精度和可靠性差的难题,提出了一种散乱点云语义分割深度残差-特征金字塔网络框架.首先,针对当前残差网络在卷积方式上的局限性,定义一种立方体卷积运算,不仅可以通过二维卷积运算实现三维表示点的高层特征的抽取,还可以解决现有的参数化卷积设计通用性差的问题;其次,将定义的立方体卷积计算与残差网络相结合,构建面向散乱点云语义分割的深度残差特征学习网络框架;进一步,将深度残差网络与特征金字塔网络相结合,实现三维表示点高层特征多尺度学习与散乱点云场景语义分割.实验结果表明,本文提出的立方体卷积运算具有良好的适用性,且本文提出的深度残差-特征金字塔网络框架在分割精度方面优于现存同类方法. 展开更多
关键词 散乱点云 语义分割 立方体卷积 残差网络 特征金字塔网络
在线阅读 下载PDF
基于多尺度特征融合残差神经网络的旋转机械故障诊断 被引量：19
18
作者 邓飞跃 丁浩 郝如江 《振动与冲击》 EI CSCD 北大核心 2021年第24期22-28,35,共8页
轴承、齿轮等旋转部件常在复杂工况下运行,环境噪声干扰大,导致故障特征微弱而难以准确诊断。基于此,该研究提出一种新的多尺度特征融合残差块(multi-scale feature fusion residual block,MSFFRB)设计方法,基于此构建了一维残差神经网... 轴承、齿轮等旋转部件常在复杂工况下运行,环境噪声干扰大,导致故障特征微弱而难以准确诊断。基于此,该研究提出一种新的多尺度特征融合残差块(multi-scale feature fusion residual block,MSFFRB)设计方法,基于此构建了一维残差神经网络用于旋转机械故障诊断。该模型能够将不同尺度的网络卷积层级联在一起提取多尺度特征信息,在残差块内部实现了多尺度特征信息的有效融合,兼顾了残差网络跨层恒等映射与多尺度特征提取的优势,克服了传统卷积操作只能提取单一尺度特征信息的缺点。所构建的残差神经网络可以直接输入样本数据,不需要进行任何数据预处理,而且模型结构具有较高的灵活性,易于扩展。试验分析表明,所提网络可有效用于旋转机械的故障诊断,相比传统CNNs、ResNets、1D-LeNets、1D-AlexNets、MC-CNNs等5种当前常用网络,具有更好的抗噪性能,故障分类准确率更高,这为旋转机械故障诊断提供了一种新的途径。 展开更多
关键词 旋转机械 故障诊断 残差神经网络 多尺度特征融合
在线阅读 下载PDF
基于残差网络和改进特征金字塔的油田作业现场目标检测算法 被引量：5
19
作者 梁鸿 李洋 +2 位作者 邵明文 李传秀 张兆雷 《科学技术与工程》 北大核心 2020年第11期4442-4450,共9页
针对单点多盒检测器(single shot multibox detector,SSD)对小目标识别率低的问题,提出一种基于残差网络和改进特征金字塔(feature pyramid networks,FPN)的RP-SSD(residual and pyramid SSD)算法,并将其应用于油田安防领域。为了得到... 针对单点多盒检测器(single shot multibox detector,SSD)对小目标识别率低的问题,提出一种基于残差网络和改进特征金字塔(feature pyramid networks,FPN)的RP-SSD(residual and pyramid SSD)算法,并将其应用于油田安防领域。为了得到小物体更多的信息,首先在特征金字塔中增加上采样模块,并在上采样模块之后添加预测模块,之后采用空洞卷积增大Conv43的感受野。RP-SSD网络变深,针对RP-SSD在反向传播过程中存在梯度爆炸或梯度消失的问题,采用跳层连接的方式改进基础网络。RP-SSD在PASCAL VOC测试的准确率(meanaverage precision,mAP)为78.9%,比SSD提高了1.7%,其中对于目标较小的bottle类提高了8.9%。实验结果表明,RP-SSD对小目标检测的性能提高显著,同时RP-SSD在GTX 1080Ti上测试的速度为32帧/s,可见RP-SSD可以达到实时处理的要求。 展开更多
关键词 深度学习 单点多盒检测器(SSD) 小目标检测 特征金字塔 残差网络 空洞卷积 油田安防
在线阅读 下载PDF
基于高低频特征分解的深度多模态医学图像融合网络 被引量：4
20
作者 王欣雨 刘慧 +2 位作者 朱积成 盛玉瑞 张彩明 《图学学报》 CSCD 北大核心 2024年第1期65-77,共13页
多模态医学图像融合旨在利用跨模态图像的相关性和信息互补性,以增强医学图像在临床应用中的可读性和适用性。然而,现有手工设计的模型无法有效地提取关键目标特征,从而导致融合图像模糊、纹理细节丢失等问题。为此,提出了一种新的基于... 多模态医学图像融合旨在利用跨模态图像的相关性和信息互补性,以增强医学图像在临床应用中的可读性和适用性。然而,现有手工设计的模型无法有效地提取关键目标特征,从而导致融合图像模糊、纹理细节丢失等问题。为此,提出了一种新的基于高低频特征分解的深度多模态医学图像融合网络,将通道注意力和空间注意力机制引入融合过程,在保持全局结构的基础上保留了局部纹理细节信息,实现了更加细致的融合。首先,通过预训练模型VGG-19提取两种模态图像的高频特征,并通过下采样提取其低频特征,形成高低频中间特征图。其次,在特征融合模块嵌入残差注意力网络,依次从通道和空间维度推断注意力图,并将其用来指导输入特征图的自适应特征优化过程。最后,重构模块形成高质量特征表示并输出融合图像。实验结果表明,该算法在Harvard公开数据集和自建腹部数据集峰值信噪比提升8.29%,结构相似性提升85.07%,相关系数提升65.67%,特征互信息提升46.76%,视觉保真度提升80.89%。 展开更多
关键词 多模态医学图像融合 预训练模型 深度学习 高低频特征提取 残差注意力网络
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 … 25 下一页 到第 页
使用帮助 返回顶部