检索结果-维普期刊中文期刊服务平台

嵌套网络模型下的相似图像检索方法被引量：2: 1; 作者倪翠王朋 +1 位作者朱元汀张东《应用科学学报》 CAS CSCD 北大核心 2022年第3期400-410,共11页; 对深度学习领域的稠密卷积网络(dense convolutional network,DenseNet)进行改进,提出了一种嵌套网络模型下的相似图像检索方法。该方法主要通过嵌入压缩和激励网络(squeeze-and-excitation network,SENet),调整原DenseNet网络结构,优... 展开更多; 关键词稠密卷积网络压缩和激励网络嵌套抑制无效特征图像检索; 在线阅读下载PDF 职称材料

基于Tri-SE-CNN的风电机组叶片结冰检测研究被引量：1: 2; 作者孙坚杨宇兵《太阳能学报》 CSCD 北大核心 2024年第12期360-369,共10页; 针对现有风力机叶片结冰检测方法未能充分利用无标签数据,且分类性能差的问题,提出一种基于改进的三重训练和卷积神经网络(Tri-SE-CNN)的结冰检测方法。首先建立基于最优加权策略的三重训练(Tri-training)模型,对无标签样本的状态进行判... 展开更多; 关键词风电机组叶片无标签数据卷积神经网络三重训练压缩和激励网络结冰检测; 在线阅读下载PDF 职称材料

基于Conformer的端到端语音识别方法被引量：3: 3; 作者胡从刚申艺翔 +1 位作者孙永奇赵思聪《计算机应用研究》 CSCD 北大核心 2024年第7期2018-2024,共7页; 针对Conformer编码器的声学输入网络对FBank语音信息提取不足和通道特征信息缺失问题,提出一种RepVGG-SE-Conformer的端到端语音识别方法。首先,利用RepVGG的多分支结构,增强模型的语音信息提取能力,而在模型推理时通过结构重参数化将... 展开更多; 关键词语音识别 CONFORMER RepVGG 压缩和激励网络; 在线阅读下载PDF 职称材料

一种改进的深度学习的道路交通标识识别算法被引量：12: 4; 作者何锐波狄岚梁久祯《智能系统学报》 CSCD 北大核心 2020年第6期1121-1130,共10页; 针对复杂的环境,结合图像预处理与深度学习神经网络,提出了一种道路交通标识识别算法。该方法不仅利用图像分割技术,而且利用卷积神经网络模型对道路交通标识进行了更准确的识别。首先,通过调节光照影响、去除复杂背景、数据增强和归一... 展开更多; 关键词道路交通标识识别图像分割卷积神经网络去除复杂背景数据增强归一化压缩和激励网络残差连接; 在线阅读下载PDF 职称材料

融合空间和通道特征的等离子弧焊熔池熔透状态预测方法被引量：4: 5; 作者陈宸周方正 +3 位作者李成龙刘新锋贾传宝徐瑶《焊接学报》 EI CAS CSCD 北大核心 2023年第4期30-38,I0005,共10页; 为了提高等离子弧焊熔池熔透状态预测的准确率,满足工业应用的需求,提出了一种融合图像空间和通道特征的熔池熔透状态预测模型PCSCNet.在该模型中对残差网络(residual network,ResNet50)结构进行改造,并融入压缩和激励网络来同时提取熔... 展开更多; 关键词深度学习等离子弧焊空间和通道特征压缩和激励网络残差网络; 在线阅读下载PDF 职称材料

融合空间和通道特征的高精度乳腺癌分类方法被引量：1: 6; 作者许学斌张佳达 +2 位作者刘伟路龙宾赵雨晴《计算机应用》 CSCD 北大核心 2021年第10期3025-3032,共8页; 组织病理学图像是鉴别乳腺癌的黄金标准,所以对乳腺癌组织病理学图像的自动、精确的分类具有重要的临床应用价值。为了提高乳腺组织病理图像的分类准确率,从而满足临床应用的需求,提出了一种融合空间和通道特征的高精度乳腺癌分类方法... 展开更多; 关键词深度学习乳腺癌组织病理学图像图像分类特征融合压缩和激励网络(SENet); 在线阅读下载PDF 职称材料

融合残差及通道注意力机制的单幅图像去雨方法被引量：6: 7; 作者张世辉闫晓蕊桑榆《计量学报》 CSCD 北大核心 2021年第1期20-28,共9页; 为了去除雨天图像上附着的雨滴并恢复图像的清晰度,提出一种基于深度学习思想结合图像增强技术融合残差及通道注意力机制来实现的单幅图像去雨方法。首先,利用导向滤波将有雨图像分解为平滑基本层和高频细节层;其次,提出自适应Gamma校... 展开更多; 关键词计量学单幅图像去雨图像处理压缩和激励残差网络注意力机制深度学习 GAMMA校正; 在线阅读下载PDF 职称材料

题名嵌套网络模型下的相似图像检索方法被引量：2: 1; 作者倪翠王朋朱元汀张东; 机构山东交通学院信息科学与电气工程学院山东省科学院自动化研究所; 出处《应用科学学报》 CAS CSCD 北大核心 2022年第3期400-410,共11页; 基金国家自然科学基金青年基金(No.61502277) 山东省重点研发计划基金(No.2019GHZ006) 山东省科学院科教产融合创新试点工程项目基金(No.2020KJC-GH05)资助; 文摘对深度学习领域的稠密卷积网络(dense convolutional network,DenseNet)进行改进,提出了一种嵌套网络模型下的相似图像检索方法。该方法主要通过嵌入压缩和激励网络(squeeze-and-excitation network,SENet),调整原DenseNet网络结构,优化特征提取模块,从而提高图像检索的准确率。在整个深度学习的过程中,给图像特征通道设置合理的权值,抑制图像中的无效特征,能够进一步提高图像的检索速度。实验结果表明,所提算法能够加强图像有效特征的传递,无论从精度和速度方面均可得到较好的图像检索结果。; 关键词稠密卷积网络压缩和激励网络嵌套抑制无效特征图像检索; Keywords dense convolutional network(DenseNet) squeezing-and-excitation network(SENet) nesting suppress invalid feature image retrieval; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] TP391.3 [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Tri-SE-CNN的风电机组叶片结冰检测研究被引量：1: 2; 作者孙坚杨宇兵; 机构三峡大学电气与新能源学院新能源微电网湖北省协同创新中心(三峡大学); 出处《太阳能学报》 CSCD 北大核心 2024年第12期360-369,共10页; 基金国家自然科学基金(52077120) 三峡大学科学基金(KJ20A016)。; 文摘针对现有风力机叶片结冰检测方法未能充分利用无标签数据,且分类性能差的问题,提出一种基于改进的三重训练和卷积神经网络(Tri-SE-CNN)的结冰检测方法。首先建立基于最优加权策略的三重训练(Tri-training)模型,对无标签样本的状态进行判别,用以扩充训练集;接着将压缩与激励(SE)模块嵌入到卷积神经网络(CNN)中,并用SE-CNN分类器学习扩充后的样本集。结合提取的叶片结冰主控特征,以2017年工业大数据创新竞赛平台中15号和21号风力机数据为例进行仿真,并用云南某风场历史数据进行验证。实验结果表明,所提方法的准确度优于CNN、支持向量机等方法,在15号风力机上达到99.96%,可为风力机叶片结冰预警提供有益参考。; 关键词风电机组叶片无标签数据卷积神经网络三重训练压缩和激励网络结冰检测; Keywords wind turbine blades unlabeled data convolutional neural networks Tri-training squeeze and excitation networks icing detection; 分类号 TM315 [电气工程—电机]; 在线阅读下载PDF 职称材料

题名基于Conformer的端到端语音识别方法被引量：3: 3; 作者胡从刚申艺翔孙永奇赵思聪; 机构交通大数据与人工智能教育部重点实验室北京交通大学计算机与信息技术学院北京航天晨信科技有限责任公司; 出处《计算机应用研究》 CSCD 北大核心 2024年第7期2018-2024,共7页; 基金科技创新2030——“新一代人工智能”重大资助项目(2021ZD0113002)。; 文摘针对Conformer编码器的声学输入网络对FBank语音信息提取不足和通道特征信息缺失问题,提出一种RepVGG-SE-Conformer的端到端语音识别方法。首先,利用RepVGG的多分支结构,增强模型的语音信息提取能力,而在模型推理时通过结构重参数化将多分支融合为单分支,以降低计算复杂度、加快模型推理速度。然后,利用基于压缩和激励网络的通道注意力机制弥补缺失的通道特征信息,以提高语音识别准确率。最后,在公开数据集Aishell-1上的实验结果表明:相较于Conformer,所提出方法的字错误率降低了10.67%,验证了方法的先进性。此外,RepVGG-SE声学输入网络能够有效提高多种Transformer变体的端到端语音识别模型的整体性能,具有很好的泛化能力。; 关键词语音识别 CONFORMER RepVGG 压缩和激励网络; Keywords speech recognition Conformer RepVGG squeeze-and-excitation network; 分类号 TP912.34 [自动化与计算机技术]; 在线阅读下载PDF 职称材料

题名一种改进的深度学习的道路交通标识识别算法被引量：12: 4; 作者何锐波狄岚梁久祯; 机构江南大学人工智能与计算机学院中国电子科技集团公司第二十八研究所常州大学信息科学与工程学院; 出处《智能系统学报》 CSCD 北大核心 2020年第6期1121-1130,共10页; 基金江苏省研究生科研与实践创新计划项目(KYCX18_1872).; 文摘针对复杂的环境,结合图像预处理与深度学习神经网络,提出了一种道路交通标识识别算法。该方法不仅利用图像分割技术,而且利用卷积神经网络模型对道路交通标识进行了更准确的识别。首先,通过调节光照影响、去除复杂背景、数据增强和归一化等批量预处理操作,形成一个完整的数据集;然后,结合squeeze-andexcitation思想和残差网络结构,充分训练出自己的卷积神经网络模型;最后,将优化的网络模型用于道路交通标识的识别。实验结果表明,该方法使训练时间缩短了12%左右,识别精度可达99.26%。; 关键词道路交通标识识别图像分割卷积神经网络去除复杂背景数据增强归一化压缩和激励网络残差连接; Keywords road traffic identification image segmentation convolutional neural network complex background elimination data enhancement normalization squeeze-and-excitation network residual connection; 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

题名融合空间和通道特征的等离子弧焊熔池熔透状态预测方法被引量：4: 5; 作者陈宸周方正李成龙刘新锋贾传宝徐瑶; 机构山东建筑大学山东大学; 出处《焊接学报》 EI CAS CSCD 北大核心 2023年第4期30-38,I0005,共10页; 基金国家自然科学基金资助项目(51975332,62102235) 山东建筑大学博士基金资助项目(X19023Z0101)。; 文摘为了提高等离子弧焊熔池熔透状态预测的准确率,满足工业应用的需求,提出了一种融合图像空间和通道特征的熔池熔透状态预测模型PCSCNet.在该模型中对残差网络(residual network,ResNet50)结构进行改造,并融入压缩和激励网络来同时提取熔池正面图像的空间和通道特征信息.采用恒定电流等离子弧焊试验的数据集进行测试,建立了熔池正面图像与熔池熔透状态的对应关系.结果表明,模型预测准确率提升到95%以上.采用GradCAM方法对模型进行可视化,分析并揭示了模型预测的聚焦区域,与实际熔池的图像特征进行对比,验证了模型的合理性.; 关键词深度学习等离子弧焊空间和通道特征压缩和激励网络残差网络; Keywords deep learning plasma arc welding spacial and channel features squeeze and excitation network residual network; 分类号 TG444 [金属学及工艺—焊接]; 在线阅读下载PDF 职称材料

题名融合空间和通道特征的高精度乳腺癌分类方法被引量：1: 6; 作者许学斌张佳达刘伟路龙宾赵雨晴; 机构西安邮电大学计算机学院陕西省网络数据分析与智能处理重点实验室(西安邮电大学); 出处《计算机应用》 CSCD 北大核心 2021年第10期3025-3032,共8页; 基金国家自然科学基金面上项目(61673316) 陕西省重点研发计划项目(2017GY-071,2018GY-135) +3 种基金陕西省教育厅项目(16JK1697) 西安邮电大学研究生创新基金资助项目(CXJJLY202004)。; 文摘组织病理学图像是鉴别乳腺癌的黄金标准,所以对乳腺癌组织病理学图像的自动、精确的分类具有重要的临床应用价值。为了提高乳腺组织病理图像的分类准确率,从而满足临床应用的需求,提出了一种融合空间和通道特征的高精度乳腺癌分类方法。该方法使用颜色归一化来处理病理图像并使用数据增强扩充数据集,基于卷积神经网络(CNN)模型DenseNet和压缩和激励网络(SENet)融合病理图像的空间特征信息和通道特征信息,并根据压缩-激励(SE)模块的插入位置和数量,设计了三种不同的BCSCNet模型,分别为BCSCNetⅠ、BCSCNetⅡ、BCSCNetⅢ。在乳腺癌癌组织病理图像数据集(BreaKHis)上展开实验。通过实验对比,先是验证了对图像进行颜色归一化和数据增强能提高乳腺的分类准确率,然后发现所设计的三种乳腺癌分类模型中精度最高为BCSCNetⅢ。实验结果表明,BCSCNetⅢ的二分类准确率在99.05%~99.89%,比乳腺癌组织病理学图像分类网络(BHCNet)提升了0.42个百分点;其多分类的准确率在93.06%~95.72%,比BHCNet提升了2.41个百分点。证明了BCSCNet能准确地对乳腺癌组织病理图像进行分类,同时也为计算机辅助乳腺癌诊断提供了可靠的理论支撑。; 关键词深度学习乳腺癌组织病理学图像图像分类特征融合压缩和激励网络(SENet); Keywords deep learning breast cancer histopathological image image classification feature fusion Squeeze-and-Excitation Network(SENet); 分类号 TP391.41 [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

题名融合残差及通道注意力机制的单幅图像去雨方法被引量：6: 7; 作者张世辉闫晓蕊桑榆; 机构燕山大学信息科学与工程学院河北省计算机虚拟技术与系统集成重点实验室; 出处《计量学报》 CSCD 北大核心 2021年第1期20-28,共9页; 基金国家自然科学基金(61379065) 河北省自然科学基金(F2019203285)。; 文摘为了去除雨天图像上附着的雨滴并恢复图像的清晰度,提出一种基于深度学习思想结合图像增强技术融合残差及通道注意力机制来实现的单幅图像去雨方法。首先,利用导向滤波将有雨图像分解为平滑基本层和高频细节层;其次,提出自适应Gamma校正算法增强平滑基本层以提高对比度;然后,构建融合残差块和通道注意力机制的深度神经网络实现高频细节层去雨;最后,将去雨后的高频细节层与增强后的平滑基本层融合实现单幅图像去雨功能。实验结果表明:与具有代表性的单幅图像去雨方法相比,所提方法效果较好并可保留更多的图像细节信息。; 关键词计量学单幅图像去雨图像处理压缩和激励残差网络注意力机制深度学习 GAMMA校正; Keywords metrology single image rain removal image processing squeeze and excitation residual network attention mechanism deep learning Gamma correction; 分类号 TB96 [机械工程—光学工程]; 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	嵌套网络模型下的相似图像检索方法	倪翠王朋朱元汀张东	《应用科学学报》 CAS CSCD 北大核心	2022	2	在线阅读下载PDF 职称材料
2	基于Tri-SE-CNN的风电机组叶片结冰检测研究	孙坚杨宇兵	《太阳能学报》 CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
3	基于Conformer的端到端语音识别方法	胡从刚申艺翔孙永奇赵思聪	《计算机应用研究》 CSCD 北大核心	2024	3	在线阅读下载PDF 职称材料
4	一种改进的深度学习的道路交通标识识别算法	何锐波狄岚梁久祯	《智能系统学报》 CSCD 北大核心	2020	12	在线阅读下载PDF 职称材料
5	融合空间和通道特征的等离子弧焊熔池熔透状态预测方法	陈宸周方正李成龙刘新锋贾传宝徐瑶	《焊接学报》 EI CAS CSCD 北大核心	2023	4	在线阅读下载PDF 职称材料
6	融合空间和通道特征的高精度乳腺癌分类方法	许学斌张佳达刘伟路龙宾赵雨晴	《计算机应用》 CSCD 北大核心	2021	1	在线阅读下载PDF 职称材料
7	融合残差及通道注意力机制的单幅图像去雨方法	张世辉闫晓蕊桑榆	《计量学报》 CSCD 北大核心	2021	6	在线阅读下载PDF 职称材料