基于多尺度残差网络的隔震构造质量检测研究

1

作者 党育 何亚 《东南大学学报(自然科学版)》 北大核心 2025年第1期183-193,共11页

为实现隔震构造质量的自动化检测,提出了一种基于计算机视觉的隔震构造质量检测方法。按照隔震构造图像特征和缺陷情况,将隔震构造分为7类。通过收集和拍摄全国已建的315栋隔震工程图片,构建了隔震构造数据集。参考多尺度残差网络模型Re... 为实现隔震构造质量的自动化检测,提出了一种基于计算机视觉的隔震构造质量检测方法。按照隔震构造图像特征和缺陷情况,将隔震构造分为7类。通过收集和拍摄全国已建的315栋隔震工程图片,构建了隔震构造数据集。参考多尺度残差网络模型Res2Net50,设计搭建了一个隔震构造质量初步检测模型ISDNet V2,该模型在Res2Net50的基础上,采用多个小卷积核堆叠,测试集结果表明:模型对各类隔震构造的识别平均准确率达到95.98%,F1分值均大于0.93,说明该模型对复杂背景的各类别隔震构造实拍图片具有很高的检测精度,检测结果偏于工程安全。对设置水平隔震缝的隔震构造,模型不仅能区别是否有缺陷,还可确定出缺陷位置。 展开更多

关键词 多尺度残差网络 隔震构造 数据集 质量检测

在线阅读 下载PDF 职称材料

多尺度残差网络模型的研究及其应用 被引量：16

2

作者 王飞 张莹 +2 位作者 卲豪 张东波 牟清萍 《电子测量与仪器学报》 CSCD 北大核心 2019年第4期19-28,共10页

针对传统的卷积神经网络不能充分利用图像的多尺度信息,以及网络层数的增加导致优化参数增加的问题。提出多尺度残差网络模型通过多尺度跨通道的卷积融合提高图像的特征表征能力;然后把大的卷积核分解成小的非对称卷积核降低网络的参数... 针对传统的卷积神经网络不能充分利用图像的多尺度信息,以及网络层数的增加导致优化参数增加的问题。提出多尺度残差网络模型通过多尺度跨通道的卷积融合提高图像的特征表征能力;然后把大的卷积核分解成小的非对称卷积核降低网络的参数计算;接着利用残差网络原理来降低深层网络的梯度消失问题;最后将提出的多尺度卷积模块嵌入到Lenet网络中。在Mnist数据集上的测试结果证明分类准确率比原始Lenet网络提高了0. 24%,在LFW数据集上的测试结果表明分类准确率优于Deep Face、Web Face等传统算法。 展开更多

关键词 多尺度残差网络 卷积神经网络 跨通道卷积 核分解

在线阅读 下载PDF 职称材料

基于多尺度残差网络的单应估计方法 被引量：1

3

作者 唐云 帅鹏飞 +2 位作者 蒋沛凡 邓飞 杨强 《计算机应用研究》 CSCD 北大核心 2022年第10期3179-3185,共7页

单应估计是许多计算机视觉任务中一个基础且重要的步骤。传统单应估计方法基于特征点匹配,难以在弱纹理图像中工作。深度学习已经应用于单应估计以提高其鲁棒性,但现有方法均未考虑到由于物体尺度差异导致的多尺度问题,所以精度受限。... 单应估计是许多计算机视觉任务中一个基础且重要的步骤。传统单应估计方法基于特征点匹配,难以在弱纹理图像中工作。深度学习已经应用于单应估计以提高其鲁棒性,但现有方法均未考虑到由于物体尺度差异导致的多尺度问题,所以精度受限。针对上述问题,提出了一种用于单应估计的多尺度残差网络。该网络能够提取图像的多尺度特征信息,并使用多尺度特征融合模块对特征进行有效融合,此外还通过估计四角点归一化偏移进一步降低了网络优化难度。实验表明,在MS-COCO数据集上,该方法平均角点误差仅为0.788个像素,达到了亚像素级的精度,并且在99%情况下能够保持较高的精度。由于综合利用了多尺度特征信息且更容易优化,该方法精度显著提高,并具有更强的鲁棒性。 展开更多

关键词 单应估计 多尺度残差网络 特征融合 四角点归一化偏移 平均角点误差

在线阅读 下载PDF 职称材料

基于多尺度残差网络的MRI脑肿瘤分类 被引量：6

4

作者 黄敏 熊正云 朱俊琳 《磁共振成像》 CAS CSCD 北大核心 2023年第1期124-129,共6页

目的研究和搭建人工智能深度学习网络,在两个公开的大脑MRI图像数据集上实现高准确率的MRI脑肿瘤的四分类。材料与方法提出一种多尺度残差网络的MRI脑肿瘤分类模型,实现脑肿瘤的四分类任务。模型包括多尺度输入、改进残差、下采样和双... 目的研究和搭建人工智能深度学习网络,在两个公开的大脑MRI图像数据集上实现高准确率的MRI脑肿瘤的四分类。材料与方法提出一种多尺度残差网络的MRI脑肿瘤分类模型,实现脑肿瘤的四分类任务。模型包括多尺度输入、改进残差、下采样和双通道池化共四个模块。将Kaggle中正常人和Figshare中肿瘤患者的脑部MRI图像进行数据集组合,对提出的模型进行训练和性能评估,优化网络超参数,提高分类准确率。结果在352张MRI图像上测试模型,仅使用多尺度输入模块时,得到平均分类准确率为96.59%。添加下采样模块后,准确率达到98.58%。对比最大池化、均值池化和双通道池化,准确率分别为96.02%、97.16%、98.58%。多尺度残差网络对脑肿瘤具有很好的分类效果,对胶质瘤、脑膜瘤、垂体瘤和正常无肿瘤图像的分类准确率分别为99.14%、99.14%、99.42%和99.42%。结论MRI是一种典型的检查脑肿瘤的医学成像方法,但放射科专家手工对脑肿瘤进行准确分类极具主观性和不确定性。提出的多尺度残差网络能为脑肿瘤自动分类提供有效的方法,且该网络提高了MRI脑肿瘤分类的准确率,很好地解决了梯度消失问题,提升了模型的泛化能力。 展开更多

关键词 人工智能 深度学习 磁共振成像 脑肿瘤分类 多尺度残差网络 下采样 双通道池化 卷积神经网络

在线阅读 下载PDF 职称材料

基于多尺度残差网络和小波变换的LPI雷达信号识别 被引量：6

5

作者 刘赢 田润澜 董会旭 《电讯技术》 北大核心 2019年第12期1423-1428,共6页

针对复杂战场电磁环境下的低截获概率(Low Probability of Intercept,LPI)雷达信号识别问题,提出了一种基于小波变换和多尺度残差网络的识别方法。首先利用离散小波变换提取LPI雷达信号的时频特征;然后利用多尺度残差网络的多层特征提... 针对复杂战场电磁环境下的低截获概率(Low Probability of Intercept,LPI)雷达信号识别问题,提出了一种基于小波变换和多尺度残差网络的识别方法。首先利用离散小波变换提取LPI雷达信号的时频特征;然后利用多尺度残差网络的多层特征提取网络对输入信号进行深层自主学习,以获取原信号时频数据的分布式特征,从而实现对雷达信号的识别预测。在不同信噪比条件下对不同调制样式信号进行实验,证明了所提方法的可行性与有效性,以及较高的识别率和泛化能力。 展开更多

关键词 低截获概率雷达 信号识别 多尺度残差网络 小波变换

在线阅读 下载PDF 职称材料

基于改进多尺度残差网络的行人检测方法 被引量：5

6

作者 孙佩珺 张仲荣 +1 位作者 李琦铭 李俊 《计算机工程与设计》 北大核心 2023年第3期762-769,共8页

针对行人检测的尺度变化问题,提出一种基于改进多尺度残差网络无锚检测算法(IMSNet)。将Res2Net残差模块中多尺度特征提取融入ResNeXt,将改进后的网络作为主干网络(Res2NeXt*),使主干网络包含不同数量、不同组合的感受野;利用多个较小... 针对行人检测的尺度变化问题,提出一种基于改进多尺度残差网络无锚检测算法(IMSNet)。将Res2Net残差模块中多尺度特征提取融入ResNeXt,将改进后的网络作为主干网络(Res2NeXt*),使主干网络包含不同数量、不同组合的感受野;利用多个较小卷积核等效替代单个较大卷积核,增加网络深度并减少网络参数量;对细化的多尺度卷积特征级联融合做卷积运算,将行人检测简化为中心点和尺度预测任务。实验结果表明,IMSNet对CityPersons和Caltech数据集Reasonable设置分别实现了10.6%和2.6%的平均漏检率,检测每张图像仅需0.28 s。 展开更多

关键词 机器视觉 行人检测 深度学习 尺度变化 多尺度残差网络 特征融合 级联融合 感受野

在线阅读 下载PDF 职称材料

基于多尺度残差网络的域适应轴承故障识别方法

7

作者 赵志宏 孙美玲 窦广鉴 《机电工程》 CAS 北大核心 2023年第12期1898-1906,共9页

不同工况下的故障轴承原始振动信号存在分布差异较大的问题,在进行故障诊断时也会存在特征提取不充分,从而导致故障诊断模型诊断精度较低的问题,为此,提出了一种基于多尺度残差网络的对数相关对齐(logCORAL-MsRN)的域适应轴承故障识别方... 不同工况下的故障轴承原始振动信号存在分布差异较大的问题,在进行故障诊断时也会存在特征提取不充分,从而导致故障诊断模型诊断精度较低的问题,为此,提出了一种基于多尺度残差网络的对数相关对齐(logCORAL-MsRN)的域适应轴承故障识别方法(模型)。首先,对轴承原始振动信号进行了预处理,将其转换为二维灰度图像;然后,使用多尺度残差块和空洞卷积对残差神经网络ResNet50的网络结构进行了改进,设计了一种多尺度残差网络(MsRN),以充分提取轴承的故障特征,避免深层网络结构的梯度消失问题;提出了一种对数相关对齐(logCORAL)域适应方法,更好地进行了域间分布对齐;最后,采用交叉熵损失和logCORAL损失作为目标优化函数,对上述模型(方法)进行了训练,在美国凯斯西储大学(CWRU)公开数据集上进行了变工况下的对比实验和消融实验。研究结果表明:logCORAL-MsRN方法在变工况条件下的轴承故障诊断的平均准确率高达96.53%,并且优于其他对比方法,即特征提取网络MsRN可以提取出不同尺度的、更加丰富的轴承故障信息,域适应方法logCORAL可以有效地对齐源域和目标域之间的特征分布,验证了该方法的有效性及优越性。 展开更多

关键词 多尺度残差网络对数相关对齐 域适应 深度学习 迁移学习 变工况对比实验 消融实验

在线阅读 下载PDF 职称材料

基于格拉姆角场和多尺度残差神经网络的地震事件分类方法 被引量：2

8

作者 刘蔚 黄永明 +2 位作者 卢永 刘高川 章国宝 《地震学报》 CSCD 北大核心 2024年第1期69-80,共12页

以江苏地震台网中心搜集并标注的天然地震、人工爆破和塌陷事件为试验数据样本,提出了一种基于格拉姆角场和多尺度残差神经网络的新的地震事件分类方法。首先对波形数据进行滤波、归一化等预处理,然后应用格拉姆角场对地震波形数据进行... 以江苏地震台网中心搜集并标注的天然地震、人工爆破和塌陷事件为试验数据样本,提出了一种基于格拉姆角场和多尺度残差神经网络的新的地震事件分类方法。首先对波形数据进行滤波、归一化等预处理,然后应用格拉姆角场对地震波形数据进行二维编码得到二维图像,再将此经过编码后的图像作为多尺度残差神经网络的输入进行分类模型的训练和测试,从而得出分类结果。采用上述方法对1078个天然地震台站记录、981个爆破台站记录和830个塌陷台站记录进行试验,结果显示:最终以单条波形为单位的地震事件分类准确率为92.55%,以单个台站为单位的分类准确率为96.36%,这表明基于格拉姆角场和多尺度残差神经网络的地震分类方法具有良好的效果。 展开更多

关键词 地震分类 格拉姆角场(GAF) 深度学习 多尺度残差网络

在线阅读 下载PDF 职称材料

基于深度卷积自编码器和多尺度残差收缩网络的滚动轴承寿命状态识别 被引量：1

9

作者 潘雪娇 董绍江 +2 位作者 周存芳 肖家丰 宋锴 《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第5期124-132,共9页

针对滚动轴承早期故障识别困难、退化性能难以准确评估的问题,提出了基于深度卷积自编码器(DCAE)和多尺度残差收缩网络(MSRSN)的滚动轴承寿命状态识别方法。首先,为获得清晰的故障特征频率及倍频,将原始数据样本转换为包络谱输入深度卷... 针对滚动轴承早期故障识别困难、退化性能难以准确评估的问题,提出了基于深度卷积自编码器(DCAE)和多尺度残差收缩网络(MSRSN)的滚动轴承寿命状态识别方法。首先,为获得清晰的故障特征频率及倍频,将原始数据样本转换为包络谱输入深度卷积自编码器中,实现轴承寿命状态特征的自动提取与表达,并基于多维尺度分析(MDS)算法约简寿命状态特征获得低维特征,然后计算低维特征空间内样本间的欧几里得距离(ED),即为轴承性能衰退评估指标;其次,为全面提取轴承性能衰退特征,提出了改进的多尺度残差收缩网络识别模型,并开发了ReLU与DropBlock正则化相结合的新激活策略增强模型的抗噪性;最后,将所提方法及对比方法应用于轴承全寿命实验数据。实验结果表明:笔者提出的性能衰退评估指标能够精准地识别轴承性能退化起始点以及刻画轴承的退化趋势,所提出的改进的多尺度残差收缩网络识别模型在S SNR=-4~6 dB环境中平均识别正确率为91.75%,能够准确识别轴承寿命状态,验证了方法的实用性以及有效性。 展开更多

关键词 车辆与机电工程 深度卷积自编码器 性能衰退指标 多尺度残差收缩网络 寿命状态识别

在线阅读 下载PDF 职称材料

基于多尺度记忆残差网络的网络流量异常检测模型 被引量：28

10

作者 王馨彤 王璇 孙知信 《计算机科学》 CSCD 北大核心 2022年第8期314-322,共9页

基于深度学习的网络流量异常检测模型通常存在现实环境适应性差、表征能力有限以及泛化能力弱的问题。为此,提出了一种基于多尺度记忆残差网络的网络流量异常检测模型。基于高维特征空间分布分析,证明网络流量数据预处理方法的有效性;... 基于深度学习的网络流量异常检测模型通常存在现实环境适应性差、表征能力有限以及泛化能力弱的问题。为此,提出了一种基于多尺度记忆残差网络的网络流量异常检测模型。基于高维特征空间分布分析,证明网络流量数据预处理方法的有效性;将多尺度一维卷积与长短期记忆网络相结合,通过深度学习算法提高模型的表征能力;基于残差网络的思想,实现深度特征提取,同时防止梯度消失、梯度爆炸、过拟合及网络退化现象,加快模型收敛速度,从而实现准确高效的网络流量异常检测。数据预处理可视化结果表明,经独热编码处理后,相较于标准化处理,归一化处理可使正常流量与异常流量数据有效分离;有效性验证实验及性能评估实验结果表明,通过增加恒等映射可加快模型收敛速度,并有效解决网络退化问题;对比实验结果表明,多尺度一维卷积及长短期记忆网络可提升模型的表征能力并使模型具备较强的泛化能力,且本文模型相比当前部分深度学习模型呈现更优的性能指标。 展开更多

关键词 网络流量异常检测 多尺度记忆残差网络 多尺度一维卷积 长短期记忆网络 残差网络 网络入侵检测

在线阅读 下载PDF 职称材料

基于多尺度残差注意力网络的全色锐化方法 被引量：1

11

作者 吴燕燕 王亚杰 谢延延 《重庆理工大学学报（自然科学）》 北大核心 2023年第8期222-230,共9页

针对传统深度学习的遥感图像全色锐化方法未考虑源图像多尺度方向信息和通道间的关联紧密性,导致融合图像出现空间信息丢失和光谱失真问题,提出了一种基于多尺度残差注意力网络的遥感图像全色锐化方法。将低空间分辨率多光谱(low-resolu... 针对传统深度学习的遥感图像全色锐化方法未考虑源图像多尺度方向信息和通道间的关联紧密性,导致融合图像出现空间信息丢失和光谱失真问题,提出了一种基于多尺度残差注意力网络的遥感图像全色锐化方法。将低空间分辨率多光谱(low-resolution multi-spectral, LRMS)图像经过双三次插值上采样与高空间分辨率全色(panchromatic, PAN)图像级联,得到一个5通道图像作为输入;设计3个并行的多尺度残差注意力网络从空间和通道两方面提取源图像不同频度的特征,每个子网络包含浅层特征提取、深层特征提取、特征融合、特征重建过程,将三者的输出进行跳连接获得最终融合图像,将光谱角映射、平均绝对误差和几何梯度权重相加作为一种新的损失函数来训练参数,以提高网络的信息表征能力;选择在WorldView-2和WorldView-3数据集上与其他7种融合方法进行对比实验,并在WorldView-3数据集上对模型的网络结构及损失函数性能进行验证,实验结果表明:该方法在光谱信息和空间信息保持方面具有明显优势。 展开更多

关键词 多光谱图像 全色图像 全色锐化 多尺度残差注意力网络 损失函数

在线阅读 下载PDF 职称材料

基于多尺度增强级联残差网络的DAS地震资料背景噪声衰减方法 被引量：1

12

作者 钟铁 王玮钰 +3 位作者 王伟 董士琦 卢绍平 董新桐 《石油地球物理勘探》 EI CSCD 北大核心 2023年第6期1332-1342,共11页

由于复杂强背景噪声的影响,分布式光纤声学传感(Distributed Optical Fiber Acoustic Sensing,DAS)采集的地震记录普遍信噪比较低。如何有效抑制背景噪声,恢复弱上行反射信息,切实提升DAS记录信噪比,已成为资料处理领域的热点问题之一... 由于复杂强背景噪声的影响,分布式光纤声学传感(Distributed Optical Fiber Acoustic Sensing,DAS)采集的地震记录普遍信噪比较低。如何有效抑制背景噪声,恢复弱上行反射信息,切实提升DAS记录信噪比,已成为资料处理领域的热点问题之一。针对复杂DAS背景噪声消减问题,提出了一种多尺度增强级联残差网络(Multiscale Enhanced Cascade Residual Network,MECRN)。MECRN具有双路径级联残差网络结构,通过双路径机制提取DAS记录浅层信息。在此基础上,引入空洞卷积和多尺度模块提取DAS记录的多尺度特征,并通过跳跃连接导入浅层特征,在避免有效特征损失的同时,提升网络的特征提取能力。最后,通过残差学习整合局部和全局特征,并对重建特征细化,进一步提升了MECRN的去噪能力。模拟和实际DAS资料处理结果均表明,MECRN可以有效地压制DAS记录中的复杂背景噪声,准确恢复弱反射信号,显著提升处理DAS资料的能力。 展开更多

关键词 分布式光纤声学传感(DAS) 复杂背景噪声 多尺度增强级联残差网络 低信噪比 噪声衰减

在线阅读 下载PDF 职称材料

基于多尺度自适应残差卷积神经网络的新能源配电网故障定位技术 被引量：6

13

作者 杨鹏杰 徐宇 郑晨一 《水利水电技术(中英文)》 北大核心 2023年第S02期439-446,共8页

随着新型电力系统建设的推进,分布式新能源接入配电网的比例不断提升,使得电网潮流分布更加复杂,对配电网的故障定位要求越来越高,导致现有的故障定位方法准确率低、稳定性差。对此提出一种基于多尺度自适应残差卷积神经网络的新能源配... 随着新型电力系统建设的推进,分布式新能源接入配电网的比例不断提升,使得电网潮流分布更加复杂,对配电网的故障定位要求越来越高,导致现有的故障定位方法准确率低、稳定性差。对此提出一种基于多尺度自适应残差卷积神经网络的新能源配电网故障定位方法。首先,对故障电流使用变分模态分解,得到一系列征模态函数;然后,使用多尺度自适应卷积动态调整卷积核尺寸、残差卷积提升网络学习能力的方式构建多尺度自适应残差卷积神经网络模型,特征学习输入的故障电流本征模态函数;最后,经过Softmax分类器实现故障区段分类,完成故障定位。仿真结果表明,所提方法面对新能源接入的配电网能够实现不同故障的准确定位,并且对高阻接地故障仍然具有较高的准确率。和常见的卷积神经网络、支持向量机相比,配电网故障定位准确率分别提升了5.63%、9.31%,验证了该方法的有效性。 展开更多

关键词 新型电力系统 新能源 配电网 故障定位 多尺度自适应残差卷积神经网络

在线阅读 下载PDF 职称材料

基于双分支多尺度残差融合嵌套的SAR和多光谱图像融合架构与实验 被引量：4

14

作者 董张玉 许道礼 +5 位作者 张晋 安森 于金秋 李金徽 彭鹏 汪燕 《地理与地理信息科学》 CSCD 北大核心 2023年第1期23-30,共8页

基于深度学习融合合成孔径雷达(SAR)和多光谱(MS)图像的方法主要通过增加卷积层数量描述网络模型尺度,但未能提高算法对不同尺度空间细节特征的提取能力。该文设计双分支的多尺度残差融合嵌套连接网络架构(Double-branch Multiscale Res... 基于深度学习融合合成孔径雷达(SAR)和多光谱(MS)图像的方法主要通过增加卷积层数量描述网络模型尺度,但未能提高算法对不同尺度空间细节特征的提取能力。该文设计双分支的多尺度残差融合嵌套连接网络架构(Double-branch Multiscale Residual-fusion Nested-connections Net,DMRN-Net),将融合任务划分为细节提升和光谱保持两部分:在细节提升分路中,将SAR和MS图像中的高频信息分别经过多深度特征提取层、多尺度残差融合网络层及嵌套连接解码器得到重建图像;在光谱保持分路中,通过融合上采样后的MS图像和细节提升分路结果,将光谱信息注入融合图像中,从而得出融合结果。通过DMRN-Net和传统算法以及普通双分支网络的对比实验表明,DMRN-Net在主观判断和客观评价上均取得较好的融合结果,能在保持光谱信息的基础上,进一步增加图像的空间细节信息,验证了DMRN-Net在图像融合领域的重要价值。 展开更多

关键词 合成孔径雷达图像 多光谱图像 双分支 多尺度残差融合网络 嵌套连接

在线阅读 下载PDF 职称材料

基于多尺度残差子域适应的轴承故障诊断方法 被引量：2

15

作者 刘晶 宁森 +2 位作者 徐伟杰 盛译瑶 季海鹏 《郑州大学学报（理学版）》 CAS 北大核心 2023年第5期39-46,共8页

针对不同工况下轴承监测数据分布差异性大且带有标签数据稀缺的问题,提出一种基于多尺度残差子域适应的轴承故障诊断方法。首先,构建多尺度残差网络,提取源域与目标域的可迁移特征;其次,通过局部中心距差异对齐源域和目标域中同一类别... 针对不同工况下轴承监测数据分布差异性大且带有标签数据稀缺的问题,提出一种基于多尺度残差子域适应的轴承故障诊断方法。首先,构建多尺度残差网络,提取源域与目标域的可迁移特征;其次,通过局部中心距差异对齐源域和目标域中同一类别的相关子域分布;最后,将局部中心距差异和分类器损失作为目标优化函数,完成模型训练,实现目标域数据的状态识别,并通过实验表明,该方法在目标域数据无标签的情况下准确率可以达到98%以上,满足工程应用的实际需求。 展开更多

关键词 轴承故障诊断 子域适应 多尺度残差网络 局部中心距差异 状态识别

在线阅读 下载PDF 职称材料

多尺度渐近特征融合的遥感目标检测算法研究

16

作者 王海群 赵涛 王柄楠 《电光与控制》 CSCD 北大核心 2024年第12期33-40,共8页

针对遥感图像目标尺度多样、小目标密集、背景环境复杂导致检测时出现的漏检及误检等问题,提出一种基于YOLOv8n改进的多尺度渐近特征融合的遥感目标检测算法。首先,构建结合多尺度残差网络的Res2C2f模块,更有效地捕捉不同尺度的特征;其... 针对遥感图像目标尺度多样、小目标密集、背景环境复杂导致检测时出现的漏检及误检等问题,提出一种基于YOLOv8n改进的多尺度渐近特征融合的遥感目标检测算法。首先,构建结合多尺度残差网络的Res2C2f模块,更有效地捕捉不同尺度的特征;其次,设计跨级连接金字塔池化模块来改善原金字塔池化模块特征提取能力不足的问题;然后,重构多尺度的渐近特征融合网络来实现多尺度信息的交换,充分利用不同层级的特征来增强特征融合效果;最后,增加160×160尺寸的小目标检测层,提升模型在密集场景下对小目标的检测效果。在DOTA数据集中,相比基线模型,改进算法的精确率、召回率、平均精度均值分别提升了4.8、4.0和3.7个百分点。 展开更多

关键词 YOLOv8 遥感图像 渐近特征融合 多尺度残差网络 金字塔池化 小目标检测层

在线阅读 下载PDF 职称材料

基于时频重排算法的LPI雷达信号识别

17

作者 姬丽彬 朱岩 +2 位作者 崔天舒 王栋 黄永辉 《北京航空航天大学学报》 北大核心 2025年第4期1324-1331,共8页

针对低截获概率(LPI)雷达信号在低信噪比(SNR)情况下识别效果不理想、网络模型复杂的问题,提出一种基于时频重排和多尺度残差网络的LPI雷达信号识别方法。该方法以魏格纳-维尔分布(WVD)为基础,通过时频重排算法提高信号的聚集性,得到信... 针对低截获概率(LPI)雷达信号在低信噪比(SNR)情况下识别效果不理想、网络模型复杂的问题,提出一种基于时频重排和多尺度残差网络的LPI雷达信号识别方法。该方法以魏格纳-维尔分布(WVD)为基础,通过时频重排算法提高信号的聚集性,得到信号的时频分布图像,输入到多尺度残差网络中完成信号的分类。通过构建多径莱斯衰落信道完成复杂电磁环境仿真,实验结果表明:所提方法在SNR为-8 dB时,对Costas、Frank、P1~P4等13类LPI雷达典型调制样式能达到94%的识别准确率,相比其他方法在低信噪比下具有更好的识别性能。 展开更多

关键词 低截获概率雷达 信号识别 时频重排 多尺度残差网络 调制样式

在线阅读 下载PDF 职称材料

通道门控Res2Net卷积神经网络自动调制识别 被引量：3

18

作者 陈昊 郭文普 康凯 《电讯技术》 北大核心 2023年第12期1869-1875,共7页

针对低信噪比条件下自动调制识别准确率不高的问题,提出了通道门控Res2Net卷积神经网络自动调制识别模型。该模型主要由二维卷积神经(Two-dimensional Convolutional Neural Network,2D-CNN)网络、多尺度残差网络(Residual 2-network,Re... 针对低信噪比条件下自动调制识别准确率不高的问题,提出了通道门控Res2Net卷积神经网络自动调制识别模型。该模型主要由二维卷积神经(Two-dimensional Convolutional Neural Network,2D-CNN)网络、多尺度残差网络(Residual 2-network,Res2Net)、压缩与激励网络(Squeeze-and-Excitation Network,SENet)和长短期记忆(Long Short-Term Memory,LSTM)网络组成,通过卷积从原始I/Q数据中提取多尺度特征,结合门控机制对特征通道进行权重调整,并利用LSTM对卷积所得特征进行序列建模,确保数据特征被有效挖掘,从而提升自动调制识别的准确率。在基准数据集RML2016.10a下的调制识别实验表明,所提模型在信噪比为12 dB时识别精度为92.68%,在信噪比2 dB以上时平均识别精度大于91%,较经典CLDNN模型、LSTM模型和同类型PET-CGDNN模型、CGDNet模型能取得更高的调制类型识别准确率。 展开更多

关键词 自动调制识别 卷积神经网络 压缩与激励网络 多尺度残差网络 长短期记忆网络

在线阅读 下载PDF 职称材料

基于眼动信号的感兴趣检测方法研究

19

作者 王新志 曾洪 +1 位作者 张华宇 宋爱国 《传感器与微系统》 CSCD 北大核心 2024年第3期14-17,共4页

为了使机器智能达到人类的识别能力,需要提供标注的难例样本。常用的键盘、鼠标等标注方式效率较低,基于眼动信号的标注方式无需手动操作,但目前研究多采用依赖特征工程的浅层模型实现感兴趣检测以标注样本。针对浅层模型存在的问题,基... 为了使机器智能达到人类的识别能力,需要提供标注的难例样本。常用的键盘、鼠标等标注方式效率较低,基于眼动信号的标注方式无需手动操作,但目前研究多采用依赖特征工程的浅层模型实现感兴趣检测以标注样本。针对浅层模型存在的问题,基于特征通道权重重分配多尺度残差网络模型对注视序列分类以实现感兴趣检测,并通过对比实验验证本文方法的有效性。实验结果表明:提出的多尺度残差网络模型分类精度达到96%,较现有基于浅层模型的方法和未改进的基于深层模型的方法,显著提升了感兴趣检测的精度和鲁棒性。 展开更多

关键词 视线追踪 眼动事件检测 时间序列分类 多尺度残差网络 感兴趣检测

在线阅读 下载PDF 职称材料

基于MAResnet的脑电情感识别研究 被引量：6

20

作者 柳长源 孙雨涵 +1 位作者 李文强 兰朝凤 《仪器仪表学报》 EI CAS CSCD 北大核心 2020年第7期235-242,共8页

情感是大脑活动的一种表现形式,与心理活动和日常生活密切相关。利用脑电情感数据库并依据心理效价和唤醒度情感划分模型,对压力、平静、轻松、沮丧和快乐5种情感进行研究分析。针对脑电信号时空特征结合的特点,以深度学习中的残差神经... 情感是大脑活动的一种表现形式,与心理活动和日常生活密切相关。利用脑电情感数据库并依据心理效价和唤醒度情感划分模型,对压力、平静、轻松、沮丧和快乐5种情感进行研究分析。针对脑电信号时空特征结合的特点,以深度学习中的残差神经网络为基础,提出基于多尺度注意力残差网络(MAResnet)的脑电情感信号分类模型。通过在传统的残差学习模块中加入注意力机制并在同一空间位置并联使用不同尺寸的卷积核,从而对脑电情感信号进行了多尺度特征提取,并对神经网络通过残差学习来避免网络退化。实验结果表明,改进后的多尺度注意力残差网络的分类精度为85.2%,较传统残差网络的分类精度提升了17.7%,较已有相似研究如应用SVM、KNN等方法在分类类型和识别精度上都有显著提升,证明该方法的有效性。 展开更多

关键词 脑电信号 情感识别 注意力机制 多尺度残差神经网络

在线阅读 下载PDF 职称材料