-
题名基于多尺度残差网络的域适应轴承故障识别方法
- 1
-
-
作者
赵志宏
孙美玲
窦广鉴
-
机构
石家庄铁道大学信息科学与技术学院
石家庄铁道大学省部共建交通工程结构力学行为与系统安全国家重点实验室
-
出处
《机电工程》
CAS
北大核心
2023年第12期1898-1906,共9页
-
基金
国家自然科学基金资助项目(11972236,12172234)
河北省自然科学基金资助项目(A2021210022)。
-
文摘
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。
-
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
-
Keywords
multi-scale residual network log correlation alignment(logCORAL-MsRN)
domain adaptation(DA)
deep learning(DL)
transfer learning(TL)
comparative experiments under variable working conditions
ablation experiments
-
分类号
TH133.3
[机械工程—机械制造及自动化]
TP24
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名用于篡改图像检测和定位的双通道渐进式特征过滤网络
被引量：2
- 2
-
-
作者
付顺旺
陈茜
李智
王国美
卢妤
-
机构
贵州大学大数据与信息工程学院
贵州大学计算机科学与技术学院
贵州电网有限责任公司
-
出处
《计算机应用》
CSCD
北大核心
2024年第4期1303-1309,共7页
-
基金
国家自然科学基金资助项目(62062023)。
-
文摘
针对现有基于深度学习的篡改图像检测网络通常存在检测精度不高、算法可迁移性弱等问题,提出一种双通道渐进式特征过滤网络。利用两个通道并行提取图像的双域特征,一个通道提取图像空间域的浅层和深层特征,另一个通道提取图像噪声域的特征分布;同时,使用渐进式细微特征筛选机制过滤冗余特征,逐步定位篡改区域;为了更准确地提取篡改掩码,提出一个双输入细微特征提取模块,结合空间域和噪声域的细微特征,生成更准确的篡改掩码;在解码过程中,通过融合不同尺度的过滤特征和网络的上下文信息,提高网络对篡改区域的定位能力。实验结果表明,在检测和定位方面,与现有先进的篡改检测网络ObjectFormer、MVSS-Net(Multi-View multi-Scale Supervision Network)和PSCC-Net(Progressive Spatio-Channel Correlation Network)相比,所提网络的F1分数在CASIA V2.0数据集上分别提高10.4、5.9和12.9个百分点;面对高斯低通滤波、高斯噪声和JPEG压缩攻击时,相较于ManTra-Net(Manipulation Tracing Network)、SPAN(Spatial Pyramid Attention Network),所提网络的曲线下面积(AUC)分别至少提高了10.0、5.4个百分点。验证了所提网络可以有效解决篡改检测算法存在的检测精度不高、迁移性差等问题。
-
关键词
篡改图像检测
多尺度融合
全局相关性
被动取证
残差网络
-
Keywords
tampered image detection
multiscale fusion
global correlation
passive forensics
residual network
-
分类号
TP309.2
[自动化与计算机技术—计算机系统结构]
-
-
题名带旋转与尺度估计的全卷积孪生网络目标跟踪算法
被引量：2
- 3
-
-
作者
姬张建
任兴旺
-
机构
山西大学计算机与信息技术学院
山西大学大数据科学与产业研究院
-
出处
《计算机应用》
CSCD
北大核心
2021年第9期2705-2711,共7页
-
基金
国家自然科学基金青年科学基金资助项目(61602288,61703252,61702314)
山西省自然科学基金资助项目(201701D221102,201901D211176,201901D211170)。
-
文摘
针对目标跟踪任务中,全卷积孪生网络(SiamFC)跟踪算法存在因目标的旋转、尺度变化而造成跟踪错误或跟踪结果不准确的问题,提出一种带旋转与尺度估计的SiamFC跟踪算法。该算法由定位模块与旋转、尺度估计模块两部分组成。首先在定位模块中,利用SiamFC算法获得跟踪位置,并结合旋转与尺度信息对该位置进行调整;其次在旋转、尺度估计模块中,鉴于图像的旋转和尺度变化在对数极坐标系下变成了平移运动,将目标搜索区域从笛卡儿坐标系变换到对数极坐标系下,由此便可利用相关滤波技术估计待跟踪目标的尺度和旋转角度;最终实现了一个能同步估计目标位置、旋转角度以及尺度变化的目标跟踪模型。在对比实验中,该算法在OTB2015数据集上的成功率与准确率分别达到57.7%和81.4%;在包含目标旋转和尺度变化的POT数据集上的成功率与准确率分别达到51.8%和53.3%。与SiamFC算法相比,所提算法的成功率和准确率分别提高了13.5个百分点和13.4个百分点。实验结果表明,所提算法能有效应对目标旋转与尺度变化带来的跟踪挑战。
-
关键词
目标跟踪
全卷积孪生网络
相关滤波
对数极坐标
旋转
尺度
-
Keywords
object tracking
Fully-Convolutional Siamese networks(SiamFC)
correlation filtering
log-polar coordinate
rotation
scale
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
