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8篇文章
< 1 >
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：
基于混合数据增强的MSWI过程燃烧状态识别 被引量：4
1
作者 郭海涛 汤健 +1 位作者 丁海旭 乔俊飞 《自动化学报》 EI CAS CSCD 北大核心 2024年第3期560-575,共16页
国内城市固废焚烧(Municipal solid waste incineration, MSWI)过程通常依靠运行专家观察炉内火焰识别燃烧状态后再结合自身经验修正控制策略以维持稳定燃烧,存在智能化水平低、识别结果具有主观性与随意性等问题.由于MSWI过程的火焰图... 国内城市固废焚烧(Municipal solid waste incineration, MSWI)过程通常依靠运行专家观察炉内火焰识别燃烧状态后再结合自身经验修正控制策略以维持稳定燃烧,存在智能化水平低、识别结果具有主观性与随意性等问题.由于MSWI过程的火焰图像具有强污染、多噪声等特性,并且存在异常工况数据较为稀缺等问题,导致传统目标识别方法难以适用.对此,提出一种基于混合数据增强的MSWI过程燃烧状态识别方法.首先,结合领域专家经验与焚烧炉排结构对燃烧状态进行标定;接着,设计由粗调和精调两级组成的深度卷积生成对抗网络(Deep convolutional generative adversarial network, DCGAN)以获取多工况火焰图像;然后,采用弗雷歇距离(Fréchet inception distance, FID)对生成式样本进行自适应选择;最后,通过非生成式数据增强对样本进行再次扩充,获得混合增强数据构建卷积神经网络以识别燃烧状态.基于某MSWI电厂实际运行数据实验,表明该方法有效地提高了识别网络的泛化性与鲁棒性,具有良好的识别精度. 展开更多
关键词 城市固废焚烧 深度卷积生成对抗网络 燃烧状态识别 非生成式数据增强 混合数据增强
在线阅读 下载PDF
基于候选区域生成的弱监督图像语义分割算法
2
作者 王祎 汪洋 《计算机与数字工程》 2024年第2期572-577,共6页
针对现有弱监督语义分割方法依赖于初始响应以及分类任务,只关注区分目标对象区域,无法通过完整的区域来优化损失函数的问题。论文提出了一种基于候选区域生成的语义分割算法,用于图像级标注的弱监督图像语义分割。该算法首先在分类网... 针对现有弱监督语义分割方法依赖于初始响应以及分类任务,只关注区分目标对象区域,无法通过完整的区域来优化损失函数的问题。论文提出了一种基于候选区域生成的语义分割算法,用于图像级标注的弱监督图像语义分割。该算法首先在分类网络中引入混合数据增强方案,再通过制定相应的策略,对图像特征进行聚类,构建子类目标并生成子类标签,从而使得训练过程不仅仅依赖于可区分的对象区域。在PASCAL VOC 2012数据集上进行了全面的实验和分析,与其他弱监督语义分割算法相比,论文提出的算法表现出良好的性能:通过使用混合数据增强以及自监督的候选区域生成的方法,使原始图像产生更加完整的响应映射,将交并比(IoU)提高了2.1%,提高了最终分割网络的性能。 展开更多
关键词 弱监督学习 图像语义分割 混合数据增强 候选区域生成
在线阅读 下载PDF
DenseNet结合空间通道注意力机制的环境声音分类 被引量：2
3
作者 董绍江 刘伟 《重庆理工大学学报（自然科学）》 北大核心 2023年第11期179-187,共9页
音乐信息识别(MIR)和自动语音识别(ASR)都是以结构化声音为特点的声音识别,环境声音识别在声音识别领域的难度很大。为了充分利用从环境声中提取的Log-Mel谱图的空间特征与通道特征,提出了一种基于密集连接卷积网络(DenseNet)的空间通... 音乐信息识别(MIR)和自动语音识别(ASR)都是以结构化声音为特点的声音识别,环境声音识别在声音识别领域的难度很大。为了充分利用从环境声中提取的Log-Mel谱图的空间特征与通道特征,提出了一种基于密集连接卷积网络(DenseNet)的空间通道注意力机制。使用DenseNet对Log-Mel谱图进行特征提取,引入空间通道注意力机制使网络更加关注显著特征;为了解决数据不足导致的过拟合问题,将混合数据增强的方法应用于Log-Mel谱图,从而保证了数据的多样性;在2个公共数据集(ESC-50和ESC-10)验证所提方法的有效性。结果表明:所提的空间通道注意力机制模型能够使神经网络对环境声音的识别率分别达到79.3%(ESC-50)和94.3%(ESC-10)。 展开更多
关键词 环境声音分类 空间通道注意力机制 密集连接卷积网络 混合数据增强
在线阅读 下载PDF
一种基于改进YOLOv5s的车道线检测方法 被引量：6
4
作者 韩逸 舒小华 杨明俊 《湖南工业大学学报》 2022年第3期51-58,共8页
为提高车道线检测的实时性与准确性,在机器学习的框架下,提出了一种基于改进的YOLOv5s模型检测方法。该方法在图像预处理后增加了一个二值化通道与原图像一起更新数据集;为了高效提取车道线特征,加入anchor-free改进其锚框问题;为节省GP... 为提高车道线检测的实时性与准确性,在机器学习的框架下,提出了一种基于改进的YOLOv5s模型检测方法。该方法在图像预处理后增加了一个二值化通道与原图像一起更新数据集;为了高效提取车道线特征,加入anchor-free改进其锚框问题;为节省GPU内存、增强机器对目标的识别能力,采用mixup与mosaic结合的方式增强数据;为加快收敛速度和提高识别准确率,将损失函数改进为EIOU。实验结果表明,所提检测算法能够实现较为准确的车道线检测,实时性和准确性比YOLOv3的高很多,mAP增加了约30%,与YOLOv5s相比,其mAP约增加了11%,且改进方法具有良好的鲁棒性。 展开更多
关键词 YOLO系列 车道线检测 EIOU损失函数 anchor-free 混合数据增强
在线阅读 下载PDF
基于多流卷积和数据增强的声场景分类方法 被引量：5
5
作者 曹毅 费鸿博 +1 位作者 李平 张小勇 《华中科技大学学报（自然科学版）》 EI CAS CSCD 北大核心 2022年第4期40-46,共7页
针对单特征输入时,现有声场景分类方法分类准确率不高且泛化能力不强的问题,提出了一种基于多流卷积和数据增强的声场景分类方法.首先,介绍了卷积神经网络和混合数据增强的基本原理;其次,基于网络并行输入理论,设计了一种多流卷积神经... 针对单特征输入时,现有声场景分类方法分类准确率不高且泛化能力不强的问题,提出了一种基于多流卷积和数据增强的声场景分类方法.首先,介绍了卷积神经网络和混合数据增强的基本原理;其次,基于网络并行输入理论,设计了一种多流卷积神经网络模型以期实现多流特征融合,其由特征提取模块和特征融合模块组成;然后,为进一步提升模型的准确率并降低模型过拟合的概率,提出了一种多维混合数据增强方法以实现特征数据的平滑处理;最后,采用9种特征组合方案,基于Urbansound8K,ESC50和ESC10数据集分别开展了声场景分类实验.实验结果表明:模型的准确率分别为88.29%,77.75%和96.25%,验证了当使用该方法进行声场景分类研究时,模型具有较高的准确率和较强的泛化能力. 展开更多
关键词 声场景分类 多流特征融合 多流卷积神经网络 过拟合 多维混合数据增强
原文传递
基于细节增强的级联多分类光电船舶检测 被引量：1
6
作者 徐志京 谢安东 《光电子．激光》 CAS CSCD 北大核心 2023年第3期241-249,共9页
为提升无人船航行环境中船舶目标的感知精度,提出一种基于细节增强的级联多分类船舶检测模型。首先,提出混合平移数据增强(pan-mixed data augmentation,PMDA)算法,减少模型对船舶整体轮廓的依赖;其次,设计可变卷积平衡特征金字塔(defor... 为提升无人船航行环境中船舶目标的感知精度,提出一种基于细节增强的级联多分类船舶检测模型。首先,提出混合平移数据增强(pan-mixed data augmentation,PMDA)算法,减少模型对船舶整体轮廓的依赖;其次,设计可变卷积平衡特征金字塔(deformable convolution-balanced feature pyramid,DC-BFP),提高模型对船体细节特征的提取能力;再次,将全连接层和卷积层联合构成级联交叉检测器(cascaded cross detector,CCD),提高模型对船体细节特征的解析能力;最后,采用标签平滑正则化(label smoothing regularization,LSR)方法,改善多分类检测的过拟合问题。在自建11分类光电船舶检测数据集MCSD11上进行消融和对比实验,特征提取结果和实验结果数据可视化表明,模型的各个改进部分能够提升船舶检测效果,平均精度达到了91.53%,相比主流的检测模型,算法得到大幅提升。 展开更多
关键词 光电船舶检测 可变卷积平衡特征金字塔(DC-BFP) MCSD11数据集 细节增强 混合平移数据增强算法(PMDA)
原文传递
基于多通道注意力网络的调制信号分类识别算法
7
作者 周俊 文鸿 《电脑知识与技术》 2025年第6期1-4,11,共5页
传统神经网络在区分易混淆调制信号方面表现不足,限制了识别精度的进一步提升。为克服这一局限,文章提出了一种基于多通道注意力网络的调制信号分类识别算法。该算法结合混合数据增强技术,提升模型的泛化能力,并设计了融合残差网络、LST... 传统神经网络在区分易混淆调制信号方面表现不足,限制了识别精度的进一步提升。为克服这一局限,文章提出了一种基于多通道注意力网络的调制信号分类识别算法。该算法结合混合数据增强技术,提升模型的泛化能力,并设计了融合残差网络、LSTM网络和专家特征网络的多通道架构,全面提取调制信号的关键特征,包括时间动态特征、空间结构特征以及易混淆信号的区分性特征。为了进一步提升分类性能,算法引入了自适应多头注意力网络,对提取的特征进行加权融合。实验结果表明,该算法在调制信号分类任务中实现了高达95%的分类准确率,显著优于现有主流网络模型。 展开更多
关键词 自动调制识别 多通道注意力网络 混合数据增强 特征融合 残差网络
在线阅读 下载PDF
基于CutMix算法和改进Xception网络的深度伪造检测研究 被引量：6
8
作者 耿鹏志 唐云祁 +1 位作者 樊红兴 朱新同 《激光与光电子学进展》 CSCD 北大核心 2022年第16期348-355,共8页
随着深度伪造技术的发展,生成的图片视频质量越来越逼真,给社会带来了巨大的安全风险。针对现有的检测方法参数量大、网络较深、模型结构复杂等情况,首先对取证领域的经典检测模型XceptionNet进行优化,提出一种轻量化的取证模型Xcep_Blo... 随着深度伪造技术的发展,生成的图片视频质量越来越逼真,给社会带来了巨大的安全风险。针对现有的检测方法参数量大、网络较深、模型结构复杂等情况,首先对取证领域的经典检测模型XceptionNet进行优化,提出一种轻量化的取证模型Xcep_Block8,在减少模型参数量的同时,仍保持较高的检测精度。其次,针对类别不均衡问题,通过提高较少类别样本的采样概率,较好地解决了正负样本不均的情况。最后使用混合式数据增强方法CutMix增强样本之间的线性表达。实验结果表明,所提模型的测试结果较基线结果提升约1.01个百分点,同时在参数量方面较其他方法也有一定优势。 展开更多
关键词 机器视觉 深度伪造 伪造检测 Xception网络 混合式数据增强
原文传递
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 下一页 到第 页
使用帮助 返回顶部