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
3
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
基于多尺度级联网络的水下图像增强方法
被引量：
6
1
作者
米泽田
晋洁
+3 位作者
李圆圆
丁雪妍
梁政
付先平
《电子与信息学报》
EI
CSCD
北大核心
2022年第10期3353-3362,共10页
针对水下图像由于光吸收、后向散射等因素导致的严重色偏、细节丢失等问题,该文提出一种基于多尺度级联网络的水下图像增强方法。针对单一网络特征利用不全面导致的图像梯度消失问题,该方法通过级联多尺度原始图像与相应的特征图像,以...
针对水下图像由于光吸收、后向散射等因素导致的严重色偏、细节丢失等问题,该文提出一种基于多尺度级联网络的水下图像增强方法。针对单一网络特征利用不全面导致的图像梯度消失问题,该方法通过级联多尺度原始图像与相应的特征图像,以获得更优异的细节保持效果,并实现从较浅层到较深层快速预测残差的能力。此外,引入联合密集网络块和递归块,通过特征重用有效解决多尺度网络参数过多的问题。为有效解决单一损失造成的图像细节恢复不均的问题,提出Charbonnier和结构相似度(SSIM)联合损失函数。经仿真实验分析,所提网络在处理水下图像严重色偏、细节丢失等方面都取得了显著的效果。
展开更多
关键词
水下图像增强
多尺度级联网络
多尺度
特征提取
梯度消失
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
2
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
改进YOLOv8n的林业害虫检测方法
被引量：
1
3
作者
陈万志
袁航
《北京林业大学学报》
北大核心
2025年第2期119-131,共13页
【目的】针对现有林业害虫检测方法检测速度慢,检测类别少,小目标害虫检测效果差等问题,提出了一种改进YOLOv8n的林业害虫检测方法。【方法】首先,采用高效多尺度级联注意力特征提取网络EfficientViT作为改进模型的主干网络,降低计算复...
【目的】针对现有林业害虫检测方法检测速度慢,检测类别少,小目标害虫检测效果差等问题,提出了一种改进YOLOv8n的林业害虫检测方法。【方法】首先,采用高效多尺度级联注意力特征提取网络EfficientViT作为改进模型的主干网络,降低计算复杂度,提高检测速度;其次,通过构建多尺度自适应特征融合模块DA-C2F提升模型在复杂背景下害虫目标的聚焦能力和识别精度,此外新增的小目标检测头XSH能够进一步提升小目标害虫的检测能力;最后,采用基于最小点距离交并比损失函数MPDIoU作为模型的边界框损失,提升网络收敛速度,进一步增强害虫目标的定位准确率。【结果】改进模型的检测精确率、召回率、平均精度、平均精度均值(mAP50-95)和F_(1)分数分别达到98.6%、95.7%、98.3%、85.6%和0.979,前4者较原模型分别提升了3.9、2.6、2.8、2.5个百分点,F_(1)分数提升了4.4%;检测速度(帧率)达到了95帧/秒,提升了15.9%,优于更轻量级的模型。此外,对比其他检测模型,改进模型对飞蛾类害虫的检测精确率提升了11.2个百分点,并且两种独立飞蛾害虫综合检测的表现也更为优异。【结论】本研究提出的方法对于林业害虫的检测准确度更高,检测速度更快,且对多类别害虫的检测精度更高,改进模型的泛化能力更强。
展开更多
关键词
深度学习
卷积神经
网络
(CNN)
林业害虫检测
YOLOv8n
多尺度
级联
注意力特征提取
网络
多尺度
自适应特征融合
小目标检测头
在线阅读
下载PDF
职称材料
题名
基于多尺度级联网络的水下图像增强方法
被引量：
6
1
作者
米泽田
晋洁
李圆圆
丁雪妍
梁政
付先平
机构
大连海事大学信息科学技术学院
鹏城实验室
安徽大学互联网学院
出处
《电子与信息学报》
EI
CSCD
北大核心
2022年第10期3353-3362,共10页
基金
国家自然科学基金(62176037)
辽宁省重点研发计划(201801728)。
文摘
针对水下图像由于光吸收、后向散射等因素导致的严重色偏、细节丢失等问题,该文提出一种基于多尺度级联网络的水下图像增强方法。针对单一网络特征利用不全面导致的图像梯度消失问题,该方法通过级联多尺度原始图像与相应的特征图像,以获得更优异的细节保持效果,并实现从较浅层到较深层快速预测残差的能力。此外,引入联合密集网络块和递归块,通过特征重用有效解决多尺度网络参数过多的问题。为有效解决单一损失造成的图像细节恢复不均的问题,提出Charbonnier和结构相似度(SSIM)联合损失函数。经仿真实验分析,所提网络在处理水下图像严重色偏、细节丢失等方面都取得了显著的效果。
关键词
水下图像增强
多尺度级联网络
多尺度
特征提取
梯度消失
Keywords
Underwater image enhancement
Multi-scale cascade network
Multi-scale feature extraction
Gradient disappears
分类号
TN911.73 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
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
2
作者
钟铁
王玮钰
王伟
董士琦
卢绍平
董新桐
机构
现代电力系统仿真控制与绿色电能新技术教育部重点实验室
东北电力大学电气工程学院
国网四川省电力公司资阳供电公司
中国石油勘探开发研究院西北分院
中山大学地球科学与工程学院
吉林大学仪器科学与电气工程学院
出处
《石油地球物理勘探》
EI
CSCD
北大核心
2023年第6期1332-1342,共11页
基金
国家自然科学青年基金项目“基于多尺度可迁移深度学习方法的多井DAS地震数据“智普”消噪技术研究”(42204114)
第6批博士后创新人才支持计划项目“基于对抗式深度学习策略的DAS地震资料智能消噪系统构建”(BX2021111)
+2 种基金
吉林省科技厅面上基金项目“基于深度学习框架的复杂地震勘探资料智能消噪技术研究”(20220101190JC)
中国石油天然气集团公司前瞻性基础性项目“物探岩石物理与前沿储备技术研究”(2021DJ3505)
中国石油股份公司科技项目“川南页岩气开发区应力变化、构造活化与可能诱发地震机理研究”(2022DJ8004)联合资助。
文摘
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。
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
Keywords
distributed optical fiber acoustic sensing(DAS)
complex background noise
multiscale enhanced cascade residual network
low signal-to-noise ratio
noise attenuation
分类号
P631 [天文地球—地质矿产勘探]
在线阅读
下载PDF
职称材料
题名
改进YOLOv8n的林业害虫检测方法
被引量：
1
3
作者
陈万志
袁航
机构
辽宁工程技术大学软件学院
出处
《北京林业大学学报》
北大核心
2025年第2期119-131,共13页
基金
辽宁省教育厅科学研究基金面上项目(2021LJKZ0327)
辽工程GPU资源支持项目(2024-02)。
文摘
【目的】针对现有林业害虫检测方法检测速度慢,检测类别少,小目标害虫检测效果差等问题,提出了一种改进YOLOv8n的林业害虫检测方法。【方法】首先,采用高效多尺度级联注意力特征提取网络EfficientViT作为改进模型的主干网络,降低计算复杂度,提高检测速度;其次,通过构建多尺度自适应特征融合模块DA-C2F提升模型在复杂背景下害虫目标的聚焦能力和识别精度,此外新增的小目标检测头XSH能够进一步提升小目标害虫的检测能力;最后,采用基于最小点距离交并比损失函数MPDIoU作为模型的边界框损失,提升网络收敛速度,进一步增强害虫目标的定位准确率。【结果】改进模型的检测精确率、召回率、平均精度、平均精度均值(mAP50-95)和F_(1)分数分别达到98.6%、95.7%、98.3%、85.6%和0.979,前4者较原模型分别提升了3.9、2.6、2.8、2.5个百分点,F_(1)分数提升了4.4%;检测速度(帧率)达到了95帧/秒,提升了15.9%,优于更轻量级的模型。此外,对比其他检测模型,改进模型对飞蛾类害虫的检测精确率提升了11.2个百分点,并且两种独立飞蛾害虫综合检测的表现也更为优异。【结论】本研究提出的方法对于林业害虫的检测准确度更高,检测速度更快,且对多类别害虫的检测精度更高,改进模型的泛化能力更强。
关键词
深度学习
卷积神经
网络
(CNN)
林业害虫检测
YOLOv8n
多尺度
级联
注意力特征提取
网络
多尺度
自适应特征融合
小目标检测头
Keywords
deep learning
convolutional neural networks(CNN)
forestry pest detection
YOLOv8n
multi scale cascaded attention feature extraction network
multi-scale adaptive feature fusion
small object detection head
分类号
S763.305 [农业科学—森林保护学]
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
作者
出处
发文年
被引量
操作
1
基于多尺度级联网络的水下图像增强方法
米泽田
晋洁
李圆圆
丁雪妍
梁政
付先平
《电子与信息学报》
EI
CSCD
北大核心
2022
6
在线阅读
下载PDF
职称材料
2
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
钟铁
王玮钰
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
1
在线阅读
下载PDF
职称材料
3
改进YOLOv8n的林业害虫检测方法
陈万志
袁航
《北京林业大学学报》
北大核心
2025
1
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
