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
2
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
一种快速的多尺度多输入编码树单元互补分类网络
1
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...
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%。
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M2-MHA Block轻量化模型的小样本跨工况轴承故障诊断
2
作者
邓兴超
朱冠华
+2 位作者
张清华
张发振
赵乾惠
《机床与液压》
北大核心
2025年第7期31-39,共9页
针对轴承故障诊断中存在的训练数据不充分、模型泛化能力差以及计算复杂度大等问题,提出一种基于轻量化卷积神经网络的小样本跨工况轴承故障诊断方法。采用原始振动信号与量纲一量辅助数据集的并行输入方式,搭建基于深度可分离卷积的多...
针对轴承故障诊断中存在的训练数据不充分、模型泛化能力差以及计算复杂度大等问题,提出一种基于轻量化卷积神经网络的小样本跨工况轴承故障诊断方法。采用原始振动信号与量纲一量辅助数据集的并行输入方式,搭建基于深度可分离卷积的多输入多尺度(M2)特征提取架构,避免了仅使用原始振动信号可能导致的特征不充分问题。此外,提出一种多头注意力块(MHA Block),以提升训练效率和诊断性能。最后,通过迁移学习技术实现了基于小样本的跨工况诊断,并在凯斯西储大学数据集上进行实验验证。结果表明:所提方法在源域下的平均诊断精度达99.8%,且模型参数量和模型大小仅分别为28 789和540.5 kB;在小样本跨工况迁移诊断中,采用100个样本进行训练、500个样本进行测试,平均诊断精度高达99.3%;文中所提方法能够在低计算量条件下,实现高准确率与良好的泛化性能。
展开更多
关键词
故障诊断
轻量化
多输入多尺度
多头注意力块
小样本
跨工况
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
1
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
重庆市教育委员会科学技术研究重大项目(KJZD-M202300101)
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M2-MHA Block轻量化模型的小样本跨工况轴承故障诊断
2
作者
邓兴超
朱冠华
张清华
张发振
赵乾惠
机构
吉林化工学院信息与控制工程学院
广东石油化工学院自动化学院
出处
《机床与液压》
北大核心
2025年第7期31-39,共9页
基金
国家自然科学基金重点项目(61933013)。
文摘
针对轴承故障诊断中存在的训练数据不充分、模型泛化能力差以及计算复杂度大等问题,提出一种基于轻量化卷积神经网络的小样本跨工况轴承故障诊断方法。采用原始振动信号与量纲一量辅助数据集的并行输入方式,搭建基于深度可分离卷积的多输入多尺度(M2)特征提取架构,避免了仅使用原始振动信号可能导致的特征不充分问题。此外,提出一种多头注意力块(MHA Block),以提升训练效率和诊断性能。最后,通过迁移学习技术实现了基于小样本的跨工况诊断,并在凯斯西储大学数据集上进行实验验证。结果表明:所提方法在源域下的平均诊断精度达99.8%,且模型参数量和模型大小仅分别为28 789和540.5 kB;在小样本跨工况迁移诊断中,采用100个样本进行训练、500个样本进行测试,平均诊断精度高达99.3%;文中所提方法能够在低计算量条件下,实现高准确率与良好的泛化性能。
关键词
故障诊断
轻量化
多输入多尺度
多头注意力块
小样本
跨工况
Keywords
fault diagnosis
lightweight
multiple scales multiple inputs
multi-head attention block
small sample
cross-condition
分类号
TH133.33 [机械工程—机械制造及自动化]
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
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
2
基于M2-MHA Block轻量化模型的小样本跨工况轴承故障诊断
邓兴超
朱冠华
张清华
张发振
赵乾惠
《机床与液压》
北大核心
2025
0
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
