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
基于卷积神经网络的Retinex低照度图像增强
被引量：
4
1
作者
赵征鹏
李俊钢
普园媛
《计算机科学》
CSCD
北大核心
2022年第6期199-209,共11页
利用传统Retinex模型进行低照度图像分解和增强时,需要人工不断地进行参数调试以达到最优解,这会降低整个过程的效率。此外,现有的基于Retinex理论的低照度图像增强方法在进行图像增强时未能很好地兼顾反射分量和光照分量,会存在低照度...
利用传统Retinex模型进行低照度图像分解和增强时,需要人工不断地进行参数调试以达到最优解,这会降低整个过程的效率。此外,现有的基于Retinex理论的低照度图像增强方法在进行图像增强时未能很好地兼顾反射分量和光照分量,会存在低照度图反射分量噪点多、光照分量亮度低且细节不够突出的问题。基于此,提出了一种数据驱动的深层网络来学习低照度图像的分解和增强,通过端到端的网络训练来进行模型参数的学习。该网络先将低照度图分解为反射分量和光照分量,针对反射分量噪点多的问题,采用改进的去噪卷积神经网络(New Denoising Convolutional Neural Network,NDnCNN)模型进行去噪;针对光照分量亮度低、细节不够突出的问题,引入卷积块注意力模型(Convolutional Block Attention Model,CBAM)进行细节增强并指导网络进行光照分量的修正;最后用去噪后的反射分量和修正后的光照分量进行图像重建。经测试,增强后的低照度图亮度提升,细节突出,信息丰富,图像失真小且真实自然。
展开更多
关键词
低照度图像增强
RETINEX理论
卷积
神经网络
改进的DnCNN
模型
卷积块注意力模型
在线阅读
下载PDF
职称材料
基于TCN-CBAM-LSTM的工业用户非侵入式负荷分解方法
2
作者
李博心
徐永海
+3 位作者
李明
夏勇
袁金斗
潘明明
《电工电能新技术》
北大核心
2025年第9期55-69,共15页
目前非侵入式负荷分解研究主要针对居民负荷,对工业负荷研究较少,且未考虑负荷运行有功功率的时序特征,为此本文提出了基于时间卷积神经网络(TCN)-卷积块注意力模型(CBAM)-长短时记忆神经网络(LSTM)相结合的工业用户非侵入式负荷分解算...
目前非侵入式负荷分解研究主要针对居民负荷,对工业负荷研究较少,且未考虑负荷运行有功功率的时序特征,为此本文提出了基于时间卷积神经网络(TCN)-卷积块注意力模型(CBAM)-长短时记忆神经网络(LSTM)相结合的工业用户非侵入式负荷分解算法。首先构建TCN-CBAM模块,该模块利用TCN膨胀因果卷积扩大卷积核感受野并结合CBAM的空间和通道注意力机制实现特征的有效提取,之后通过2个TCN-CBAM模块从用户总进线有功功率中提取设备运行特征,最后利用LSTM学习训练运行特征与各设备运行有功功率的关系,实现负荷分解。通过某炼钢厂和某纺织厂的实际运行数据及HIPE数据集算例分析,相比于CNN、LSTM和TCN等算法,本文模型的分解准确率更高。
展开更多
关键词
工业负荷
非侵入式负荷分解
时间
卷积
神经网络
卷积块注意力模型
长短时记忆神经网络
在线阅读
下载PDF
职称材料
题名
基于卷积神经网络的Retinex低照度图像增强
被引量：
4
1
作者
赵征鹏
李俊钢
普园媛
机构
云南大学信息学院
云南省高校物联网技术及应用重点实验室
出处
《计算机科学》
CSCD
北大核心
2022年第6期199-209,共11页
基金
国家自然科学基金(61271361,61761046,U1802271)
云南省科技厅应用基础研究计划重点项目(202001BB050043)
云南省教育厅科学研究项目(2019Y0004)。
文摘
利用传统Retinex模型进行低照度图像分解和增强时,需要人工不断地进行参数调试以达到最优解,这会降低整个过程的效率。此外,现有的基于Retinex理论的低照度图像增强方法在进行图像增强时未能很好地兼顾反射分量和光照分量,会存在低照度图反射分量噪点多、光照分量亮度低且细节不够突出的问题。基于此,提出了一种数据驱动的深层网络来学习低照度图像的分解和增强,通过端到端的网络训练来进行模型参数的学习。该网络先将低照度图分解为反射分量和光照分量,针对反射分量噪点多的问题,采用改进的去噪卷积神经网络(New Denoising Convolutional Neural Network,NDnCNN)模型进行去噪;针对光照分量亮度低、细节不够突出的问题,引入卷积块注意力模型(Convolutional Block Attention Model,CBAM)进行细节增强并指导网络进行光照分量的修正;最后用去噪后的反射分量和修正后的光照分量进行图像重建。经测试,增强后的低照度图亮度提升,细节突出,信息丰富,图像失真小且真实自然。
关键词
低照度图像增强
RETINEX理论
卷积
神经网络
改进的DnCNN
模型
卷积块注意力模型
Keywords
Low-light image enhancement
Retinex theory
Convolutional neural network
Improved DnCNN model
Convolutional block attention model
分类号
TP391 [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TCN-CBAM-LSTM的工业用户非侵入式负荷分解方法
2
作者
李博心
徐永海
李明
夏勇
袁金斗
潘明明
机构
华北电力大学电气与电子工程学院
国家电网有限公司
中国电力科学研究院有限公司
出处
《电工电能新技术》
北大核心
2025年第9期55-69,共15页
基金
国家电网有限公司总部科技项目(5108-202218280A-2-O-XG)。
文摘
目前非侵入式负荷分解研究主要针对居民负荷,对工业负荷研究较少,且未考虑负荷运行有功功率的时序特征,为此本文提出了基于时间卷积神经网络(TCN)-卷积块注意力模型(CBAM)-长短时记忆神经网络(LSTM)相结合的工业用户非侵入式负荷分解算法。首先构建TCN-CBAM模块,该模块利用TCN膨胀因果卷积扩大卷积核感受野并结合CBAM的空间和通道注意力机制实现特征的有效提取,之后通过2个TCN-CBAM模块从用户总进线有功功率中提取设备运行特征,最后利用LSTM学习训练运行特征与各设备运行有功功率的关系,实现负荷分解。通过某炼钢厂和某纺织厂的实际运行数据及HIPE数据集算例分析,相比于CNN、LSTM和TCN等算法,本文模型的分解准确率更高。
关键词
工业负荷
非侵入式负荷分解
时间
卷积
神经网络
卷积块注意力模型
长短时记忆神经网络
Keywords
industrial load
non-intrusive load decomposition
temporal convolutional network
convolutional block attention module
long short-term memory
分类号
TM714 [电气工程—电力系统及自动化]
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
基于卷积神经网络的Retinex低照度图像增强
赵征鹏
李俊钢
普园媛
《计算机科学》
CSCD
北大核心
2022
4
在线阅读
下载PDF
职称材料
2
基于TCN-CBAM-LSTM的工业用户非侵入式负荷分解方法
李博心
徐永海
李明
夏勇
袁金斗
潘明明
《电工电能新技术》
北大核心
2025
0
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
