期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
改进AOD-Net的轻量级图像去雾算法
被引量：
5
1
作者
张骞
陈紫强
+1 位作者
姜弘岳
赵玖龙
《实验室研究与探索》
CAS
北大核心
2022年第7期18-22,共5页
针对AOD-Net图像去雾算法质量偏低,存在色差的问题,提出一种改进的图像快速去雾算法。该算法对AOD-Net的前两个卷积层进行位置归一化,并将提取的矩信息输入后续的网络层中进行仿射变换,在改善原有网络中的数据分布及提高网络的收敛速度...
针对AOD-Net图像去雾算法质量偏低,存在色差的问题,提出一种改进的图像快速去雾算法。该算法对AOD-Net的前两个卷积层进行位置归一化,并将提取的矩信息输入后续的网络层中进行仿射变换,在改善原有网络中的数据分布及提高网络的收敛速度后,引入PSA注意力模块,使用多尺度的卷积核提取特征信息,加权融合特征并调整网络通道的权重,抑制冗余信息,提高模型的去雾质量。利用公开数据集RESIDE与现有的轻量级去雾算法进行实验对比,改进算法的单幅图像去雾耗时仅为4.3 ms,去雾质量优于DCP、CAP和Dehaze-Net等去雾算法。与AOD-Net相比,该方法的峰值信噪比提高了2.71 dB,结构相似度达到0.95,有效提升网络的图像去雾能力。
展开更多
关键词
图像去雾
深度学习
位置归一化
注意力模块
在线阅读
下载PDF
职称材料
基于Transformer神经网络的滚动轴承故障类型识别
被引量：
18
2
作者
邱大伟
刘子辰
+3 位作者
周一青
龙隆
谭雯雯
曹欢
《高技术通讯》
EI
CAS
2021年第1期1-11,共11页
工程应用中的滚动轴承故障类型识别要求同时具有较高的识别准确度和时间效率,基于上述需求提出基于Transformer神经网络的滚动轴承故障类型识别方法。所提方法结合小波包变换时频域能量特征和快速傅里叶变换频域特征生成满足Transforme...
工程应用中的滚动轴承故障类型识别要求同时具有较高的识别准确度和时间效率,基于上述需求提出基于Transformer神经网络的滚动轴承故障类型识别方法。所提方法结合小波包变换时频域能量特征和快速傅里叶变换频域特征生成满足Transformer神经网络的输入样本矩阵,解决Transformer神经网络的输入问题。同时,提出应用于滚动轴承故障类型识别的归一化位置编码方法,解决Transformer神经网络在滚动轴承故障分析领域的位置编码问题。在此基础上,提出Transformer神经网络双向输入样本矩阵处理机制和算法训练过程中错误样本权重增强机制,提升所提方法的鲁棒性。使用KAt数据中心的滚动轴承数据集验证所提方法的识别性能,与现有常用深度学习方法相比,所提方法在时间效率和准确度性能上均有一定的优势,其中,准确度能够提升11%以上,单个样本的平均处理时间小于1 ms。
展开更多
关键词
滚动轴承
故障类型识别
Transformer神经网络
前向特征矩阵
后向特征矩阵
归一化
位置
编码
权重增强
在线阅读
下载PDF
职称材料
题名
改进AOD-Net的轻量级图像去雾算法
被引量：
5
1
作者
张骞
陈紫强
姜弘岳
赵玖龙
机构
桂林电子科技大学信息与通信学院
出处
《实验室研究与探索》
CAS
北大核心
2022年第7期18-22,共5页
基金
国家自然科学基金项目(61861011)。
文摘
针对AOD-Net图像去雾算法质量偏低,存在色差的问题,提出一种改进的图像快速去雾算法。该算法对AOD-Net的前两个卷积层进行位置归一化,并将提取的矩信息输入后续的网络层中进行仿射变换,在改善原有网络中的数据分布及提高网络的收敛速度后,引入PSA注意力模块,使用多尺度的卷积核提取特征信息,加权融合特征并调整网络通道的权重,抑制冗余信息,提高模型的去雾质量。利用公开数据集RESIDE与现有的轻量级去雾算法进行实验对比,改进算法的单幅图像去雾耗时仅为4.3 ms,去雾质量优于DCP、CAP和Dehaze-Net等去雾算法。与AOD-Net相比,该方法的峰值信噪比提高了2.71 dB,结构相似度达到0.95,有效提升网络的图像去雾能力。
关键词
图像去雾
深度学习
位置归一化
注意力模块
Keywords
image defogging
deep learning
position normalization
attention module
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于Transformer神经网络的滚动轴承故障类型识别
被引量：
18
2
作者
邱大伟
刘子辰
周一青
龙隆
谭雯雯
曹欢
机构
中国科学院计算技术研究所移动计算与新型终端北京市重点实验室
中国科学院大学
北京化工大学信息科学与技术学院
出处
《高技术通讯》
EI
CAS
2021年第1期1-11,共11页
基金
北京市自然科学基金(L172049)
中国科学院科技促进经济社会发展STS项目(KFJ-STS-ZDTP-057)
中国科学院智能农业机械装备工程实验室(GC201907-02)资助项目。
文摘
工程应用中的滚动轴承故障类型识别要求同时具有较高的识别准确度和时间效率,基于上述需求提出基于Transformer神经网络的滚动轴承故障类型识别方法。所提方法结合小波包变换时频域能量特征和快速傅里叶变换频域特征生成满足Transformer神经网络的输入样本矩阵,解决Transformer神经网络的输入问题。同时,提出应用于滚动轴承故障类型识别的归一化位置编码方法,解决Transformer神经网络在滚动轴承故障分析领域的位置编码问题。在此基础上,提出Transformer神经网络双向输入样本矩阵处理机制和算法训练过程中错误样本权重增强机制,提升所提方法的鲁棒性。使用KAt数据中心的滚动轴承数据集验证所提方法的识别性能,与现有常用深度学习方法相比,所提方法在时间效率和准确度性能上均有一定的优势,其中,准确度能够提升11%以上,单个样本的平均处理时间小于1 ms。
关键词
滚动轴承
故障类型识别
Transformer神经网络
前向特征矩阵
后向特征矩阵
归一化
位置
编码
权重增强
Keywords
rolling bearing
fault type detection
Transformer neural network
forward feature matrix
backwardfeature matrix
normalization positional encoding
weight enhancement
分类号
TH133.33 [机械工程—机械制造及自动化]
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
改进AOD-Net的轻量级图像去雾算法
张骞
陈紫强
姜弘岳
赵玖龙
《实验室研究与探索》
CAS
北大核心
2022
5
在线阅读
下载PDF
职称材料
2
基于Transformer神经网络的滚动轴承故障类型识别
邱大伟
刘子辰
周一青
龙隆
谭雯雯
曹欢
《高技术通讯》
EI
CAS
2021
18
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
