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
共找到9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：
基于多尺度空洞卷积神经网络的滚动轴承故障识别方法
1
作者 汪小虎 赵荣珍 +1 位作者 邓林峰 郑玉巧 《兰州理工大学学报》 北大核心 2025年第3期55-63,共9页
针对现有卷积神经网络模型参数偏多导致滚动轴承智能诊断效率低和识别准确率受限于训练样本数量的问题,提出了基于多尺度空洞卷积神经网络的滚动轴承故障识别方法.该方法首先在模型的输入层采用大尺寸的空洞卷积核和标准卷积核提取一维... 针对现有卷积神经网络模型参数偏多导致滚动轴承智能诊断效率低和识别准确率受限于训练样本数量的问题,提出了基于多尺度空洞卷积神经网络的滚动轴承故障识别方法.该方法首先在模型的输入层采用大尺寸的空洞卷积核和标准卷积核提取一维振动信号的多尺度敏感特征,然后使用尺寸为1×1和3×1的小卷积核以及2×1的最大池化操作对输入层所提取敏感特征进一步提取深层抽象特征,最后用全局平均池化层代替传统卷积神经网络的全连接层.同时,分别采用西储大学轴承故障数据和实验室轴承故障数据进行实验验证.结果表明,该方法泛化性能良好,并且能够在训练样本较少的情况下出色地完成故障识别任务,即使在一定噪声干扰下也能够对轴承微弱故障准确识别. 展开更多
关键词 多尺度空洞卷积神经网络 滚动轴承 故障识别 小样本 微弱故障
在线阅读 下载PDF
基于Dropout-多尺度空洞卷积神经网络的轴承故障诊断 被引量：5
2
作者 陈伟 王复淞 +2 位作者 郭婧 黄博昊 白艺硕 《机电工程》 CAS 北大核心 2023年第5期644-654,共11页
为了提高故障诊断模型对故障轴承低信噪比信号的特征提取能力,使模型在强噪声环境下仍能发挥作用,提出了一种基于Dropout-多尺度空洞卷积神经网络(D-MDCNN)的滚动轴承故障诊断模型。首先,通过Dropout数据预处理,对训练数据进行“损坏”... 为了提高故障诊断模型对故障轴承低信噪比信号的特征提取能力,使模型在强噪声环境下仍能发挥作用,提出了一种基于Dropout-多尺度空洞卷积神经网络(D-MDCNN)的滚动轴承故障诊断模型。首先,通过Dropout数据预处理,对训练数据进行“损坏”,强迫模型仅依靠少量特征便可进行故障诊断,以提高模型的抗噪声能力;然后,使用不同扩张率的空洞卷积扩充了多尺度信息,并利用CNN模块来完成对特征的提取与故障诊断;同时,在模型中加入批量归一化处理操作,用来加快模型训练的收敛速度,提高了模型的性能;最后,利用美国凯斯西储大学轴承数据集和东南大学齿轮箱数据集对基于D-MDCNN的模型进行了实验验证,并将实验结果与采用其他深度学习模型所得的实验结果进行了对比分析。实验结果表明:在无噪声至4dB的噪声环境下,D-MDCNN在西储大学和东南大学两个数据集上均可取得99%的诊断准确率;相比于其他同类模型,基于D-MDCNN的模型具有更高的诊断准确率和抗噪声能力。研究结果表明:基于D-MDCNN的模型是一种有效的轴承故障诊断模型。 展开更多
关键词 强噪声环境 低信噪比信号 滚动轴承故障诊断 故障特征提取 Dropout-多尺度空洞卷积神经网络 损坏训练数据 抗噪声能力
在线阅读 下载PDF
基于多尺度串联空洞卷积的轻量化UNet香蕉图像分割 被引量：17
3
作者 朱立学 伍荣达 +4 位作者 付根平 张世昂 杨尘宇 陈天赐 黄沛琛 《农业工程学报》 EI CAS CSCD 北大核心 2022年第13期194-201,共8页
针对香蕉果串识别系统中传统的UNet网络存在实时性差、参数量多、下采样后丢失空间信息等问题,该研究提出基于UNet模型的轻量化分割网络,构造一个轻量级的主干特征提取模块,在降低模型参数量和计算量的同时增强网络提取特征的能力,使用... 针对香蕉果串识别系统中传统的UNet网络存在实时性差、参数量多、下采样后丢失空间信息等问题,该研究提出基于UNet模型的轻量化分割网络,构造一个轻量级的主干特征提取模块,在降低模型参数量和计算量的同时增强网络提取特征的能力,使用膨胀率为[2,1,2]锯齿波形的多尺度串联空洞卷积组合在增大感受野的同时保持对细节的敏感度。该研究算法在自建香蕉果串数据集上的试验结果表明,网络参数量为0.45 M时,香蕉果串识别分割速度可达41.0帧/s,平均像素分类准确率为97.32%、交并比为92.57%。相比于其他模型具有准确率高、参数量小等优点,能够较好地实现精度和速度的均衡。该算法对自然种植环境下的香蕉果串具有良好的识别效果,可为智能化香蕉采摘等应用提供视觉识别技术支持。 展开更多
关键词 轻量化Unet 语义分割 多尺度串联空洞卷积 香蕉识别
在线阅读 下载PDF
基于多尺度自适应残差网络的轴承故障诊断
4
作者 朱海龙 董绍江 +1 位作者 赵兴新 黄翔 《组合机床与自动化加工技术》 北大核心 2025年第5期189-193,200,共6页
针对轴承故障诊断过程中传统模型在高噪声背景下依赖单一高维特征预测的局限性及其特征学习能力的不足,提出了一种基于多尺度自适应混合残差神经网络结构(MSCNN-FFDRSN)深度学习模型,该方法首先通过应用多尺度混合空洞卷积模块,增加模... 针对轴承故障诊断过程中传统模型在高噪声背景下依赖单一高维特征预测的局限性及其特征学习能力的不足,提出了一种基于多尺度自适应混合残差神经网络结构(MSCNN-FFDRSN)深度学习模型,该方法首先通过应用多尺度混合空洞卷积模块,增加模型的感受野和特征融合能力,减少参数量,实现高噪声背景下提升模型的性能和泛化能力。其次,对于深度残差收缩网络模块,通过引入可变核卷积,根据输入数据的变化自主进行动态改变卷积核大小,引入concat连接,使深层特征和浅层特征进一步融合,利用注意力模块和软阈值对逐通道特征赋不同阈值并降噪。实验表明,所提方法在XJTU-SY公开轴承数据集上平均准确率表现为98.70%,并在某公司自制的轴承故障数据集(CME)上也表现出了极高的准确率和较快的收敛速度。 展开更多
关键词 多尺度空洞卷积 深度残差收缩网络 可变核卷积 注意力机制
在线阅读 下载PDF
基于多尺度注意力卷积神经网络的苹果叶部病害识别方法 被引量：6
5
作者 张会敏 谢泽奇 《江苏农业科学》 北大核心 2023年第16期154-161,共8页
针对传统苹果叶部病害识别方法识别率低和现有卷积神经网络(CNN)训练时间长的问题,提出一种基于多尺度注意力卷积神经网络的苹果叶部病害识别方法。该方法由多尺度空洞卷积模块Inception与改进的残差模块组成,其中,多尺度空洞卷积模块In... 针对传统苹果叶部病害识别方法识别率低和现有卷积神经网络(CNN)训练时间长的问题,提出一种基于多尺度注意力卷积神经网络的苹果叶部病害识别方法。该方法由多尺度空洞卷积模块Inception与改进的残差模块组成,其中,多尺度空洞卷积模块Inception用于图像的多尺度特征提取,在卷积模块中引入双注意力机制增强网络模型,显著表示图像中叶部病斑区域特征,降低非病斑区域与背景区域对识别结果的干扰,在原始残差模块上引入卷积层与非线性激活函数改进的残差模块,增加鲁棒性判别特征的跨层融合,在苹果病害叶片图像数据集上的识别准确率达96%以上。结果表明,所提出的方法具有参数量少、占用内存小以及性能好的优势,可进一步应用于田间苹果叶部病害智能识别系统。 展开更多
关键词 苹果病害识别 卷积神经网络 多尺度空洞卷积模块 双注意力机制 多尺度注意力卷积网络
在线阅读 下载PDF
基于孪生多尺度空洞胶囊网络的黄瓜叶部病害检测方法 被引量：2
6
作者 张善文 许新华 齐国红 《江苏农业学报》 CSCD 北大核心 2023年第9期1827-1833,共7页
在黄瓜叶部病害检测中,传统方法简单但检测正确率低,难以处理多种多样的病害叶片图像,深度卷积网络的检测正确率高,但依赖于大量训练样本,训练时间长。本研究提出一种基于孪生多尺度空洞胶囊网络(Siamese multi-scale dilated capsule n... 在黄瓜叶部病害检测中,传统方法简单但检测正确率低,难以处理多种多样的病害叶片图像,深度卷积网络的检测正确率高,但依赖于大量训练样本,训练时间长。本研究提出一种基于孪生多尺度空洞胶囊网络(Siamese multi-scale dilated capsule network,SMSDCNet)的黄瓜叶部病害检测方法,该方法整合了孪生网络、空洞卷积网络和胶囊网络的优势,将多尺度空洞卷积模块Inception引入胶囊网络,作为孪生网络的子网络,构建孪生多尺度空洞胶囊网络模型,提取多尺度判别特征,再进行矢量化处理,最后经动态路由算法得到具有空间位置信息的胶囊向量,进行病害检测与识别。SMSDCNet克服了深度卷积网络需要大量训练样本、训练时间长以及对旋转和仿射变换敏感的问题,并且克服了多尺度卷积网络训练参数较多的问题。在一个较小的黄瓜病害叶片图像数据集上进行试验,病害检测精度达90%以上。结果表明,该方法能够实现小训练样本集的黄瓜叶部病害检测,为训练样本有限情况下的作物病害检测提供了一种新方法。 展开更多
关键词 黄瓜病害 孪生网络 多尺度空洞卷积 胶囊网络 孪生多尺度空洞胶囊网络
在线阅读 下载PDF
基于空洞空间金字塔池化U-Net的遥感图像多目标检测方法 被引量：4
7
作者 张善文 许新华 齐国红 《弹箭与制导学报》 北大核心 2023年第5期1-8,共8页
针对遥感图像(RSI)中的目标相对较小、形变多样,且包含分布不均匀的非目标和背景等问题,提出一种基于空洞空间金字塔池化U-Net的遥感图像多目标检测方法。该方法利用空洞多尺度卷积提取多尺度目标的分类特征,运用空洞空间池化金字塔模... 针对遥感图像(RSI)中的目标相对较小、形变多样,且包含分布不均匀的非目标和背景等问题,提出一种基于空洞空间金字塔池化U-Net的遥感图像多目标检测方法。该方法利用空洞多尺度卷积提取多尺度目标的分类特征,运用空洞空间池化金字塔模块扩大卷积特征图的感受野,提取更充分的目标特征,并采用注意力机制、残差连接和长跳跃连接充分保留卷积层提取的RSI的敏感特征。在公开遥感图像数据库EORSSD上的实验结果表明,所提出的方法能够从复杂多样的RSI中检测多尺度目标,检测精度为96.56%。 展开更多
关键词 遥感图像多目标检测 空洞多尺度卷积 空洞空间金字塔池化 空洞空间金字塔池化U-Net
在线阅读 下载PDF
基于改进的IIE-SegNet的快速图像语义分割方法 被引量：1
8
作者 李庆 王宏健 +2 位作者 李本银 肖瑶 迟志康 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2024年第2期314-323,共10页
针对IIE-SegNet计算复杂度高、计算量大等问题,本文提出一种基于IIE-SegNet的改进方法。编码结构中引入经ImageNet训练过的VGG16和多尺度空洞卷积空间金字塔池化来获得丰富的编码信息;解码结构中,设计全局加平均模块来解决IIE-SegNet计... 针对IIE-SegNet计算复杂度高、计算量大等问题,本文提出一种基于IIE-SegNet的改进方法。编码结构中引入经ImageNet训练过的VGG16和多尺度空洞卷积空间金字塔池化来获得丰富的编码信息;解码结构中,设计全局加平均模块来解决IIE-SegNet计算量大的问题;研究Focal损失函数来解决正、负采样不平衡的问题。实验结果表明:与IIE-SegNet相比,本方法在PASCAL VOC 2012数据集上的语义分割速度更快,平均每次迭代快0.6 s左右,测试单张图像的时间平均减少了0.94 s;分割精度更高,MIoU提升了2.1%。在扩展的PASCAL VOC 2012(Exp-PASCAL VOC 2012)数据集上的语义分割速度更快,平均每次迭代快0.4 s左右,测试单张图像的时间平均减少了0.92 s;分割精度更高,MPA和MIoU分别提升了2.6%和2.8%,特别是对于小尺度目标分割边界更清晰,性能得到了很大的提升。 展开更多
关键词 语义分割 深度学习 多尺度空洞卷积空间金字塔池化 图像信息熵 全局加平均 VGG16 IIE-SegNet
在线阅读 下载PDF
融合LR编码网络和扩散模型的遥感图像超分辨率算法 被引量：1
9
作者 许晓阳 张梦飞 《计算机工程与应用》 CSCD 北大核心 2024年第22期271-281,共11页
针对遥感图像超分辨率重建效果模糊、重建过程中细节纹理丢失的问题,提出一种适用于多尺度任务的遥感图像超分辨率网络模型pDDPMSR(denoising diffusion probabilistic model of super-resolution)。通过组合移位卷积和串联多注意力机... 针对遥感图像超分辨率重建效果模糊、重建过程中细节纹理丢失的问题,提出一种适用于多尺度任务的遥感图像超分辨率网络模型pDDPMSR(denoising diffusion probabilistic model of super-resolution)。通过组合移位卷积和串联多注意力机制构建高效像素移位卷积模块SCAM(shifted convolution attention module),扩大感受野以增强对局部特征的提取能力,从而提高图像清晰度,同时使用多注意力在通道和空间维度关注图像高频信息,以增强轮廓细节信息的表达。为了防止细节纹理丢失,设计了融合坐标注意力与多尺度空洞卷积金字塔网络结构CA-ASPP(coordinate attention and atrous spatial pyramid pooling),以便捕获不同尺度的上下文信息。引入去噪扩散概率模型(denoising diffusion probabilistic model,DDPM)生成高分辨率图像,采用跳层采样加快DDPM图像推理速度。设计非线性噪声调度方案解决DDPM加噪结束时噪声过大的问题。在公开数据集RSSCN7上的实验结果表明,pDDPMSR在峰值信噪比(peak signal-to-noise ratio,PSNR)和结构相似度(structural similarity,SSIM)上较对比算法重建效果更加显著,并且跳层采样方法使扩散模型推理过程加快10倍。 展开更多
关键词 遥感图像 超分辨率重建 扩散模型 注意力机制 多尺度空洞卷积
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部