检索结果-维普期刊中文期刊服务平台

基于多尺度输入图像渗透模型的公路桥梁裂缝检测被引量：1: 1; 作者黄小红《西部交通科技》 2021年第8期144-146,175,共4页; 裂缝成为影响公路桥梁安全质量的关键因素,而常规的裂缝检测方法精准度不够,无法满足实际需求。文章引入多尺度输入图像渗透模型,通过不同高斯核的采用,得到不同尺度的输入图像,继而生成裂缝地图,为公路桥梁裂缝检测提供参考。; 关键词多尺度输入图像渗透模型裂缝检测公路桥梁; 在线阅读下载PDF 职称材料

一种快速的多尺度多输入编码树单元互补分类网络: 2; 作者唐述周广义 +2 位作者谢显中赵瑜杨书丽《电子与信息学报》 EI CAS CSCD 北大核心 2024年第9期3646-3653,共8页; 深度神经网络(DNN)已被广泛应用到高效视频编码(HEVC)编码树单元(CTU)的深度划分中,显著降低了编码复杂度。然而现有的基于DNN的CTU深度划分方法却忽略了不同尺度编码单元(CU)间的特征相关性和存在着分类错误累积等缺陷。基于此,该文提... 展开更多; 关键词深度神经网络帧内高效视频编码特征表示编码树单元深度划分多尺度多输入互补分类; 在线阅读下载PDF 职称材料

基于实时滑动分解的融合时空图卷积流量预测研究: 3; 作者牛帅王景升《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第10期4002-4013,共12页; 为解决目前数据分解方法存在的信息泄露以及训练和测试时分量个数不一致的问题,提出一种新颖的模型−无信息泄露的实时滑动自适应噪声完备集合经验模态分解和注意力机制的融合时空图卷积,称之为EASTGCN。在模型输入前端,提出一种实时滑... 展开更多; 关键词流量预测时空图卷积自适应噪声完备集合经验模态分解多尺度输入实时滑动; 在线阅读下载PDF 职称材料

基于优化卷积神经网络的车辆特征识别算法研究被引量：5: 4; 作者陈暄吴吉义《电信科学》 2023年第10期101-111,共11页; 针对道路场景图像中不同距离目标车辆特征存在识别效果弱、精度低的问题,提出一种基于优化卷积神经网络的车辆特征识别算法。首先,采用基于PAN模型的多尺度输入获取不同距离的目标车辆特征;其次,在卷积神经网络结构中加入多池化、BN层和... 展开更多; 关键词车辆识别卷积神经网络多尺度输入; 在线阅读下载PDF 职称材料

基于数据增强和改进卷积神经网络的织物纬斜检测被引量：1: 5; 作者刘正吴诗豪 +1 位作者侯珏杨阳《服装学报》 CAS 2023年第5期391-399,共9页; 纬斜是织物生产和后整理加工中常见的疵点,光电设备检测纬斜的方法效率低且不精确。为了提升纬斜疵点的检测效率,将神经网络运用到纬斜检测中,结合纬斜特征改进卷积神经网络,提出具有循环训练策略的目标识别网络——纬斜检测网络,并在... 展开更多; 关键词纬斜检测数据增强卷积网络正样本回归多尺度输入; 在线阅读下载PDF 职称材料

题名基于多尺度输入图像渗透模型的公路桥梁裂缝检测被引量：1: 1; 作者黄小红; 机构广西交科集团有限公司; 出处《西部交通科技》 2021年第8期144-146,175,共4页; 文摘裂缝成为影响公路桥梁安全质量的关键因素,而常规的裂缝检测方法精准度不够,无法满足实际需求。文章引入多尺度输入图像渗透模型,通过不同高斯核的采用,得到不同尺度的输入图像,继而生成裂缝地图,为公路桥梁裂缝检测提供参考。; 关键词多尺度输入图像渗透模型裂缝检测公路桥梁; 分类号 U446.3 [建筑科学—桥梁与隧道工程]; 在线阅读下载PDF 职称材料

题名一种快速的多尺度多输入编码树单元互补分类网络: 2; 作者唐述周广义谢显中赵瑜杨书丽; 机构重庆邮电大学计算机科学与技术学院; 出处《电子与信息学报》 EI CAS CSCD 北大核心 2024年第9期3646-3653,共8页; 基金国家自然科学基金(61601070) 重庆市自然科学基金面上项目(CSTB2023NSCQ-MSX0680) +1 种基金重庆邮电大学博士研究生创新人才项目(BYJS202217)。; 文摘深度神经网络(DNN)已被广泛应用到高效视频编码(HEVC)编码树单元(CTU)的深度划分中,显著降低了编码复杂度。然而现有的基于DNN的CTU深度划分方法却忽略了不同尺度编码单元(CU)间的特征相关性和存在着分类错误累积等缺陷。基于此,该文提出一种多尺度多输入的互补分类网络(MCCN)来实现更高效且更准确的HEVC帧内CTU深度划分。首先,提出一种多尺度多输入的卷积神经网络(MMCNN),通过融合不同尺度CU的特征来建立CU间的关联,进一步提升网络的表达能力。然后,提出一种互补的分类策略(CCS),通过结合二分类和三分类,并采用投票机制来决定CTU中每个CU的最终深度值,有效避免了现有方法中存在的错误累积效应,实现了更准确的CTU深度划分。大量的实验结果表明,该文所提MCCN能够更大程度降低HEVC编码的复杂度,同时实现更准确的CTU深度划分:仅以增加3.18%的平均增量比特率(BD-BR)为代价,降低了71.49%的平均编码复杂度。同时,预测32×32 CU和16×16 CU的深度准确率分别提升了0.65%~0.93%和2.14%~9.27%。; 关键词深度神经网络帧内高效视频编码特征表示编码树单元深度划分多尺度多输入互补分类; Keywords Deep Neural Networks(DNN) Intra-mode High Efficiency Video Coding(HEVC) Features Representation Coding Tree Unit(CTU)partition Multi-scale-multi-input Complementation classification; 分类号 TN939.1 [电子电信—信号与信息处理] 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

题名基于实时滑动分解的融合时空图卷积流量预测研究: 3; 作者牛帅王景升; 机构中国人民公安大学交通管理学院; 出处《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第10期4002-4013,共12页; 基金国家重点研发计划资助项目(2023YFB4302701) 中国人民公安大学基本科研学科基础理论体系项目(2022JKF02013)。; 文摘为解决目前数据分解方法存在的信息泄露以及训练和测试时分量个数不一致的问题,提出一种新颖的模型−无信息泄露的实时滑动自适应噪声完备集合经验模态分解和注意力机制的融合时空图卷积,称之为EASTGCN。在模型输入前端,提出一种实时滑动分解方法,此方法使得训练集随着时间轴动态变化,在每次分解过程中使用的均是实时和历史信息并未使用未来信息,更加符合实时预测任务需求。紧接着,利用自适应噪声完备集合经验模态分解技术将交通流数据进行分解得到一系列本征模态函数分量,将分量分别按照邻近、日和周相关等时段构建多尺度输入以表达时序数据的时间相似性;然后,构建一个时空融合网络有向图,有向图由表示时间相似性的时间图和反映空间连通流向性的空间图组成,用以表达路网节点所包含的时空相似性信息;同时,在模型训练过程中通过引入时空注意力机制使得模型自适应为时空关系分配不同的权重以便关注相似性更强的关键节点来提高模型预测精度。最后,为了验证EASTGCN模型的稳定性和鲁棒性,分别设计了多因素输入实验和多步长对比实验,并在公开的数据集上进行了实例验证。研究结果表明,EASTGCN模型在多步长预测任务中指标增幅跨度最小且性能最稳定;多因素输入的EASTGCN模型在PEMS04数据集的MAE、RMSE指标上相对于单因素输入模型来说分别降低3.83%~27.03%、4.24%~12.77%,在PEMS08数据集的MAE、RMSE指标上降低0.91%~38.69%、0.07%~31.21%。总的来说,EASTGCN模型不论是在长期预测任务还是在预测精度上均有更好的表现,实时滑动分解方法为“分解+预测”组合模型提供了一种新的思路。; 关键词流量预测时空图卷积自适应噪声完备集合经验模态分解多尺度输入实时滑动; Keywords flow prediction spatial-temporal graph convolution complete ensemble empirical mode decomposition with adaptive noise multi-scale input real-time sliding; 分类号 U491.14 [交通运输工程—交通运输规划与管理]; 在线阅读下载PDF 职称材料

题名基于优化卷积神经网络的车辆特征识别算法研究被引量：5: 4; 作者陈暄吴吉义; 机构浙江工业职业技术学院浙江省人工智能学会浙江大学智能教育研究中心; 出处《电信科学》 2023年第10期101-111,共11页; 基金国家自然科学基金资助项目(No.61702151,No.61702320,No.61772334) 国家重点研发计划项目(No.2018YFB1003800) 浙江省哲学社会科学规划课题(No.23NDJC369YB)。; 文摘针对道路场景图像中不同距离目标车辆特征存在识别效果弱、精度低的问题,提出一种基于优化卷积神经网络的车辆特征识别算法。首先,采用基于PAN模型的多尺度输入获取不同距离的目标车辆特征;其次,在卷积神经网络结构中加入多池化、BN层和Leaky ReLU激活函数改进网络模型的性能,通过引入混合注意力机制,集中关注车辆图像中的重要特征和区域,从而增强了网络模型的泛化能力;最后,通过构建多层次卷积神经网络结构完成对车辆的特征效果识别。仿真实验结果表明,在单一场景的BIT-Vehicle数据库中,本文算法相比CNN、R-CNN、ABC-CNN、Faster R-CNN、AlexNet、VGG16和YOLOV8在单一目标和多目标识别率方面分别提高了16.75%、10.9%、4%、3.7%、2.46%、1.3%、1%和17.8%、10.5%、2.5%、3.8%、2.7%、1.1%、1.3%,在复杂场景的UA-DETRAC数据库中,本文算法相比其他算法在不同距离目标车辆识别中获得了更加精确的效果。; 关键词车辆识别卷积神经网络多尺度输入; Keywords vehicle recognition convolutional neural network multi-scale input; 分类号 TP391.14 [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

题名基于数据增强和改进卷积神经网络的织物纬斜检测被引量：1: 5; 作者刘正吴诗豪侯珏杨阳; 机构浙江理工大学浙江省服装工程技术研究中心浙江理工大学国际时装技术学院浙江理工大学服装学院武汉纺织大学武汉纺织服装数字化工程技术研究中心; 出处《服装学报》 CAS 2023年第5期391-399,共9页; 基金嘉兴市重点研发计划项目(2021BZ10001) 武汉纺织服装数字化工程技术研究中心开放基金项目。; 文摘纬斜是织物生产和后整理加工中常见的疵点,光电设备检测纬斜的方法效率低且不精确。为了提升纬斜疵点的检测效率,将神经网络运用到纬斜检测中,结合纬斜特征改进卷积神经网络,提出具有循环训练策略的目标识别网络——纬斜检测网络,并在网络中加入正样本回归和多尺度输入,以提升卷积网络的性能。为了获得充足的纬斜样本数据用于网络训练,提出一种纬斜疵点数据增强方法,通过将纬斜图像公式化生成大量纬斜样本,并采用综合比较实验评估纬斜检测网络性能。结果表明,纬斜检测网络在纬斜检测中表现出色,检测精度达到98%,平均F-score达到0.97,同时使纬斜率的误差控制在±8%以内,检测性能优于其他目标检测模型。与YOLO网络相比,纬斜检测网络在真实纬斜样本检测中性能优异,拥有良好的跨数据集检测性能。; 关键词纬斜检测数据增强卷积网络正样本回归多尺度输入; Keywords skewing detection data augmentation convolutional neural network positive sample regression multi-scale input; 分类号 TS105.112 [轻工技术与工程—纺织工程]; 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	基于多尺度输入图像渗透模型的公路桥梁裂缝检测	黄小红	《西部交通科技》	2021	1	在线阅读下载PDF 职称材料
2	一种快速的多尺度多输入编码树单元互补分类网络	唐述周广义谢显中赵瑜杨书丽	《电子与信息学报》 EI CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
3	基于实时滑动分解的融合时空图卷积流量预测研究	牛帅王景升	《铁道科学与工程学报》 EI CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
4	基于优化卷积神经网络的车辆特征识别算法研究	陈暄吴吉义	《电信科学》	2023	5	在线阅读下载PDF 职称材料
5	基于数据增强和改进卷积神经网络的织物纬斜检测	刘正吴诗豪侯珏杨阳	《服装学报》 CAS	2023	1	在线阅读下载PDF 职称材料