特征融合的密集连接卷积网络识别鸟鸣声 被引量：1

1

作者 陈晓 颜灏 曾昭优 《电子测量与仪器学报》 北大核心 2025年第5期241-250,共10页

针对目前鸟鸣声识别的深度学习方法提取深层特征单一导致准确率不高的问题,提出一种改进密集连接卷积网络的鸟鸣声识别方法。从鸟鸣声信号中提取梅尔语谱图作为输入,在所有密集块的标准卷积层之后添加卷积块注意力模块,卷积块注意力模... 针对目前鸟鸣声识别的深度学习方法提取深层特征单一导致准确率不高的问题,提出一种改进密集连接卷积网络的鸟鸣声识别方法。从鸟鸣声信号中提取梅尔语谱图作为输入,在所有密集块的标准卷积层之后添加卷积块注意力模块,卷积块注意力模块通过学习训练集的特征表示,判断不同层次鸟鸣声特征信息的重要性和关联性,并按照通道维度和空间维度对其进行更深一步的加权融合,使网络更加关注鸟鸣声特征中重要的特征通道和空间位置,从而提高网络学习鸟鸣声特征的能力;在密集块的标准卷积层之后添加丢弃块算法,促使网络对于不同区域的特征进行更加均衡的学习,提高网络对于新鸟鸣声数据的适应能力,使网络能够更好地捕获数据中的共性特征;再利用Transformer编码器为网络建立一条深层特征提取分支,以提高对于鸟鸣声特征中全局信息和长距离依赖信息的捕捉能力。最后将两个分支提取的深层特征融合以提升深层特征的信息丰富度。该方法在Xeno-Canto数据集进行了7组实验。实验结果表明方法对鸟鸣声识别的平均准确率为88.65%。相较于EMSCNN(ensemble multi-scale convolutional neural network)方法高10.83%,AlexNet方法高20.14%,VGGNet方法高16.3%,DenseNet方法高4.28%。实验证明了方法的有效性和先进性。提出的方法对鸟鸣声识别更准确,可用于实际鸟鸣声的识别。 展开更多

关键词 声音识别 鸟声识别 密集连接卷积网络 特征融合 TRANSFORMER 深度学习

在线阅读 下载PDF 职称材料

融合密集连接卷积网络的PSPNet水体提取方法研究

2

作者 垢元培 于立民 +1 位作者 高孝敏 杨晶晶 《海洋测绘》 北大核心 2025年第2期63-67,72,共6页

为了快速准确的在亚米级卫星遥感影像中提取水体,改进了一种深度学习模型进行水体提取实验。该方法将密集连接卷积网络与PSPNet融合,实现了对原有模型的优化。研究以亚米级卫星遥感影像数据为底图、以国土变更调查数据为参照对象、以山... 为了快速准确的在亚米级卫星遥感影像中提取水体,改进了一种深度学习模型进行水体提取实验。该方法将密集连接卷积网络与PSPNet融合,实现了对原有模型的优化。研究以亚米级卫星遥感影像数据为底图、以国土变更调查数据为参照对象、以山区和平原区两种不同地形条件下的水体为研究对象,重点研究了融合密集连接卷积网络的PSPNet提取水体的方法。研究结果表明,该方法既发挥了PSPNet网络的优势,又利用了密集连接卷积网络规避PSPNet的劣势,提高了水体的提取精度,从而实现了高效的水体提取工作的目的。 展开更多

关键词 水体提取 深度学习 密集连接卷积网络 金字塔场景解析网络 提取方法 精度评定

在线阅读 下载PDF 职称材料

基于改进密集连接卷积网络的射流管伺服阀磨损故障诊断

3

作者 戴航 戴晓强 +2 位作者 丁建军 刘成业 刘虎 《机床与液压》 北大核心 2025年第20期168-174,共7页

射流管式电液伺服阀使用过程中精密元件易发生磨损,影响液压系统的工作性能,其磨损故障诊断研究中存在磨损样本数据较少、变化幅度微弱、多模态数据融合困难等问题。针对此提出一种融合密集连接卷积网络(DenseNet)与加权通道注意力机制(... 射流管式电液伺服阀使用过程中精密元件易发生磨损,影响液压系统的工作性能,其磨损故障诊断研究中存在磨损样本数据较少、变化幅度微弱、多模态数据融合困难等问题。针对此提出一种融合密集连接卷积网络(DenseNet)与加权通道注意力机制(WCA)的射流管伺服阀磨损故障诊断方法。利用DenseNet中各卷积层密集连接的特点对伺服阀磨损小样本进行特征复用,实现深层特征提取。在模型中加入WCA层,针对不同磨损部位对射流管特性参数中的压力、流量及动态响应时间等分配不同的权重,从而有效改善DenseNet数据冗余问题并提升故障分类准确性。结果表明:所提方法能够准确、有效地对射流管式电液伺服阀磨损故障进行诊断,在测试集上取得了98.7%的准确率,相较于相同深度的CNN和普通DenseNet网络模型具有更高的准确率和稳定性。 展开更多

关键词 射流管伺服阀 冲蚀磨损 密集连接卷积网络 加权通道注意力 故障诊断

在线阅读 下载PDF 职称材料

基于加权密集连接卷积网络的深度强化学习方法 被引量：9

4

作者 夏旻 宋稳柱 +1 位作者 施必成 刘佳 《计算机应用》 CSCD 北大核心 2018年第8期2141-2147,共7页

针对深度强化学习中卷积神经网络(CNN)层数过深导致的梯度消失问题,提出一种将密集连接卷积网络应用于强化学习的方法。首先,利用密集连接卷积网络中的跨层连接结构进行图像特征的有效提取;然后,在密集连接卷积网络中加入权重系数,加权... 针对深度强化学习中卷积神经网络(CNN)层数过深导致的梯度消失问题,提出一种将密集连接卷积网络应用于强化学习的方法。首先,利用密集连接卷积网络中的跨层连接结构进行图像特征的有效提取;然后,在密集连接卷积网络中加入权重系数,加权密集连接卷积网络中的每一层都接收到前面几层产生的所有特征图,且之前所有层在跨层连接中被赋予不同的初始权重;最后,在训练中动态调整每层的权重,从而更加有效地提取特征。与常规深度强化学习方法相比,在GridWorld仿真实验中,在相同训练步数内的平均奖励值提升了85.67%;在FlappyBird仿真中,平均奖励值提升了55.05%。实验结果表明所提方法能在不同难度的游戏仿真实验中获得更好的性能。 展开更多

关键词 密集连接卷积网络 深度强化学习 GridWorld FlappyBird 跨层连接

在线阅读 下载PDF 职称材料

基于密集连接卷积网络的小面积指纹识别方法 被引量：7

5

作者 陈文燕 范文博 杨钧宇 《计算机工程与应用》 CSCD 北大核心 2020年第10期134-140,共7页

针对基于细节特征点的传统指纹识别方法在小面积指纹识别时识别率明显下降的问题,提出一种基于密集连接卷积网络的小面积指纹识别方法。对指纹原图进行图像增强处理,充分利用密集连接卷积网络特征复用的优点构建提取指纹特征的深度学习... 针对基于细节特征点的传统指纹识别方法在小面积指纹识别时识别率明显下降的问题,提出一种基于密集连接卷积网络的小面积指纹识别方法。对指纹原图进行图像增强处理,充分利用密集连接卷积网络特征复用的优点构建提取指纹特征的深度学习模型,并将二值特征引进训练模型,依据指纹图像的二值特征和特征向量实现小面积指纹的注册和识别。实验结果表明,所提出的方法在自建数据集中正确识别率达到98.57%,高于基于细节特征点的传统指纹识别方法,基本满足智能移动端的应用要求。 展开更多

关键词 指纹识别 密集连接卷积网络 二值特征 深度学习

在线阅读 下载PDF 职称材料

基于经验模式分解和一维密集连接卷积网络的电液换向阀内泄漏故障诊断方法 被引量：11

6

作者 师冲 任燕 +3 位作者 汤何胜 向家伟 孟彬 阮健 《液压与气动》 北大核心 2021年第1期36-41,共6页

内泄漏作为电液换向阀常见的故障类型,其故障振动信号具有非平稳性、非线性等特点,且容易被其他信号淹没、破坏。对此提出了一种经验模式分解(Empirical Mode Decomposition,EMD)和一维密集连接卷积网络(Densely Connected Convolutiona... 内泄漏作为电液换向阀常见的故障类型,其故障振动信号具有非平稳性、非线性等特点,且容易被其他信号淹没、破坏。对此提出了一种经验模式分解(Empirical Mode Decomposition,EMD)和一维密集连接卷积网络(Densely Connected Convolutional Networks,DenseNet)的电液换向阀内泄漏故障诊断方法。该方法首先利用EMD对振动信号进行分解得到一系列本征模态分量(Instrinsic Mode Function,IMF),并将IMF分量和原始振动信号依次进行并联堆叠;然后将并联堆叠信号作为一维密集连接卷积网络的输入进行特征的自动提取,并进行故障分类;最后通过DenseNet与传统的一维卷积神经网络(CNN)对比验证得出,该方法能准确、有效地对电液换向阀内泄漏故障进行诊断。 展开更多

关键词 内泄漏 经验模式分解 密集连接卷积网络 电液换向阀 故障诊断

在线阅读 下载PDF 职称材料

改进密集连接卷积网络的滚动轴承故障诊断方法 被引量：14

7

作者 牛锐祥 丁华 +1 位作者 施瑞 孟祥龙 《振动与冲击》 EI CSCD 北大核心 2022年第11期252-258,共7页

针对滚动轴承工作环境噪声干扰较大、模型泛化能力不足、变工况诊断较难的问题,提出了一种改进密集连接卷积网络的故障诊断方法。将采集到的滚动轴承的原始时域信号作为模型输入,不需要任何数据处理,实现端到端的特征提取和分类任务。... 针对滚动轴承工作环境噪声干扰较大、模型泛化能力不足、变工况诊断较难的问题,提出了一种改进密集连接卷积网络的故障诊断方法。将采集到的滚动轴承的原始时域信号作为模型输入,不需要任何数据处理,实现端到端的特征提取和分类任务。改进密集连接卷积网络在密集块中强调信息流动,增强特征复用,通过多尺度卷积层提取特征,利用注意力机制对多尺度特征通道加权。在堆叠的密集块和池化层完成主要特征提取后,采用多分类函数实现故障诊断。选用凯斯西储大学轴承数据集验证改进密集连接卷积网络的诊断能力,结果表明,改进密集连接卷积网络在理想试验下的识别率为99.8%、在抗噪试验下的识别率为98.22%,在泛化试验下的识别率为97.19%,识别率明显高于其他深度学习模型,证明了其在滚动轴承故障诊断方面的优越性。 展开更多

关键词 滚动轴承 故障诊断 密集连接卷积网络 多尺度 注意力机制

在线阅读 下载PDF 职称材料

自学习稀疏密集连接卷积神经网络图像分类方法 被引量：3

8

作者 吴鹏 林国强 +1 位作者 郭玉荣 赵振兵 《信号处理》 CSCD 北大核心 2019年第10期1747-1752,共6页

通道剪枝是深度模型压缩的主要方法之一。针对密集连接卷积神经网络中,每一层都接收其前部所有卷积层的输出特征图作为输入,但并非每个后部层都需要所有先前层的特征,网络中存在很大冗余的缺点。本文提出一种自学习剪枝密集连接网络中... 通道剪枝是深度模型压缩的主要方法之一。针对密集连接卷积神经网络中,每一层都接收其前部所有卷积层的输出特征图作为输入,但并非每个后部层都需要所有先前层的特征,网络中存在很大冗余的缺点。本文提出一种自学习剪枝密集连接网络中冗余通道的方法,得到稀疏密集连接卷积神经网络。首先,提出了一种衡量每个卷积层中每个输入特征图对输出特征图贡献度大小的方法,贡献度小的输入特征图即为冗余特征图;其次,介绍了通过自学习,网络分阶段剪枝冗余通道的训练过程,得到了稀疏密集连接卷积神经网络,该网络剪枝了密集连接网络中的冗余通道,减少了网络参数,降低了存储和计算量;最后,为了验证本文方法的有效性,在图像分类数据集CIFAR-10/100上进行了实验,在不牺牲准确率的前提下减小了模型冗余。 展开更多

关键词 剪枝冗余通道 自学习 稀疏化密集连接卷积神经网络 图像分类

在线阅读 下载PDF 职称材料

结合图卷积网络的弱监督三维人脸重建方法

9

作者 常高祥 刘大明 +2 位作者 陈宗民 李冉冉 梁登玉 《计算机应用与软件》 北大核心 2025年第1期197-204,共8页

针对目前深度学习方法在三维人脸重建任务中存在的训练数据不足、重建纹理不够真实等问题,提出一种弱监督混合模型。利用单幅二维人脸图像,通过密集连接卷积网络(DenseNet)回归人脸三维形变模型(3DMM)系数,结合不同层级的特征差异作为... 针对目前深度学习方法在三维人脸重建任务中存在的训练数据不足、重建纹理不够真实等问题,提出一种弱监督混合模型。利用单幅二维人脸图像,通过密集连接卷积网络(DenseNet)回归人脸三维形变模型(3DMM)系数,结合不同层级的特征差异作为弱监督信号,进而提高模型泛化能力。在此基础上使用图卷积网络(GCN)提取输入图像的面部细节特征来优化重建纹理。实验结果表明,该方法可以在无训练标签的数据下重建出精细的人脸三维模型,在归一化平均误差等指标上优于现有方法。 展开更多

关键词 三维人脸重建 弱监督 密集连接卷积网络 三维形变模型 图卷积网络

在线阅读 下载PDF 职称材料

对称式密集连接网络的地基云图分割方法 被引量：5

10

作者 沈慧想 夏旻 +1 位作者 施必成 刘佳 《计算机工程与应用》 CSCD 北大核心 2019年第17期207-213,共7页

为了提高地基云图分割的精度,提出一种对称式密集连接卷积神经网络的云图分割方法进行地基云图分割研究。提出的新的网络结构通过普通卷积层提取地基云图特征,通过连续的密集连接块和上采样模块对特征图进一步处理,通过并联方式融合网... 为了提高地基云图分割的精度,提出一种对称式密集连接卷积神经网络的云图分割方法进行地基云图分割研究。提出的新的网络结构通过普通卷积层提取地基云图特征,通过连续的密集连接块和上采样模块对特征图进一步处理,通过并联方式融合网络浅层和网络深层的特征图从而实现对地基云图精确的分割。其中,密集块中采用跨层连接的方式实现了网络中所用层的特征传递,使得云图特征得到复用,同时一定程度上减轻了训练过程中的梯度消失问题,通过并联浅层网络和深层网络的特征图实现了对地基云图的进一步精确分割。实验结果表明,该方法与其他用于地基云图分割的机器学习方法相比,能够提高地基云图的分割准确率,具有良好的泛化效果。 展开更多

关键词 深度学习 对称式密集连接卷积神经网络 图像分割 地基云图

在线阅读 下载PDF 职称材料

基于深度卷积神经网络的遥感图像飞机目标检测方法 被引量：29

11

作者 郭智 宋萍 +3 位作者 张义 闫梦龙 孙显 孙皓 《电子与信息学报》 EI CSCD 北大核心 2018年第11期2684-2690,共7页

飞机检测是遥感图像分析领域的研究热点,现有检测方法的检测流程分为多步,难以进行整体优化,并且对于飞机密集区域或背景复杂区域的检测精度较低。针对以上问题,该文提出一种端到端的检测方法MDSSD来提高检测精度。该方法基于单一网络... 飞机检测是遥感图像分析领域的研究热点,现有检测方法的检测流程分为多步,难以进行整体优化,并且对于飞机密集区域或背景复杂区域的检测精度较低。针对以上问题,该文提出一种端到端的检测方法MDSSD来提高检测精度。该方法基于单一网络目标多尺度检测框架(SSD),以一个密集连接卷积网络(DenseNet)作为基础网络提取特征,后面连接一个由多个卷积层构成的子网络对目标进行检测和定位。该方法融合了多层次特征信息,同时设计了一系列不同长宽比的候选框,以实现不同尺度飞机的检测。该文的检测方法完全摒弃了候选框提取阶段,将所有检测流程整合在一个网络中,更加简洁有效。实验结果表明,在多种复杂场景的遥感图像中,该方法能够达到较高的检测精度。 展开更多

关键词 遥感图像处理 飞机检测 密集连接卷积网络

在线阅读 下载PDF 职称材料

基于卷积神经网络和频率域特征的视频拷贝检测方法 被引量：1

12

作者 石慧杰 《高技术通讯》 EI CAS 北大核心 2019年第12期1201-1205,共5页

为了解决视频特征鲁棒性差、计算复杂度高等问题,提出一种新的视频拷贝检测方法。该算法将深度卷积网络特征和传统手工特征相结合,提升特征检测的维数,提升检测准确度。方法首先使用密集连接卷积网络(DenseNet)提取关键帧的深度特征,并... 为了解决视频特征鲁棒性差、计算复杂度高等问题,提出一种新的视频拷贝检测方法。该算法将深度卷积网络特征和传统手工特征相结合,提升特征检测的维数,提升检测准确度。方法首先使用密集连接卷积网络(DenseNet)提取关键帧的深度特征,并对关键帧进行离散余弦变换(DCT)提取系数特征,然后使用基于典型相关分析(CCA)的特征融合算法将2种特征进行有效融合,最后使用融合特征进行特征匹配。在标准数据集上的实验表明,本文提出的算法检测效果较好,在常见的拷贝变化下可以得到更高的检测精度。该算法可以作为一种有效的数字视频版权保护技术应用于数字视频的监管领域。 展开更多

关键词 视频拷贝检测 特征表示 卷积神经网络(CNN) 典型相关分析(CCA) 离散余弦变换(DCT) 密集连接卷积网络(DenseNet)

在线阅读 下载PDF 职称材料

基于DenseNet和多域特征融合的表面肌电手势识别研究

13

作者 金亚辉 刘鑫 +1 位作者 连大山 郭一娜 《传感器与微系统》 北大核心 2026年第1期30-34,共5页

基于表面肌电(sEMG)信号的手势识别在人机交互领域应用广泛,快速准确识别手势动作可以提供更好的用户体验。由于个体差异性导致在多任务中,整体识别准确率低。提出一种密集连接卷积网络(DenseNet)和多域特征融合的sEMG手势识别方法。首... 基于表面肌电(sEMG)信号的手势识别在人机交互领域应用广泛,快速准确识别手势动作可以提供更好的用户体验。由于个体差异性导致在多任务中,整体识别准确率低。提出一种密集连接卷积网络(DenseNet)和多域特征融合的sEMG手势识别方法。首先,从sEMG信号中提取时域和频域特征构成特征集,并与原始信号融合作为网络输入,增强网络输入数据的表达能力。其次,使用融合挤压—激励(SE)注意力和多尺度空洞卷积的DenseNet进行特征提取与分类识别。实验结果表明,在NinaPro DB2数据集中,手势识别整体准确率达到了88.06%,在整体和分类运动中识别性能都有所提升。 展开更多

关键词 表面肌电信号 手势识别 挤压—激励注意力 多尺度空洞卷积 密集连接卷积网络

在线阅读 下载PDF 职称材料

基于循环一致性对抗网络的数码迷彩伪装生成方法 被引量：6

14

作者 滕旭 张晖 +2 位作者 杨春明 赵旭剑 李波 《计算机应用》 CSCD 北大核心 2020年第2期566-570,共5页

针对传统的数码迷彩生成方法无法根据背景实时生成数码迷彩的问题,提出一种基于循环一致性对抗网络的数码迷彩生成方法。首先,使用密集连接卷积网络提取图像特征,将学习到的数码迷彩特征映射到背景图像中;其次,加入颜色保持损失来提高... 针对传统的数码迷彩生成方法无法根据背景实时生成数码迷彩的问题,提出一种基于循环一致性对抗网络的数码迷彩生成方法。首先,使用密集连接卷积网络提取图像特征,将学习到的数码迷彩特征映射到背景图像中;其次,加入颜色保持损失来提高数码迷彩的生成质量,保证生成的数码迷彩与周围的背景颜色相一致;最后,在判别器中加入自归一化神经网络以提高模型对噪声的鲁棒性。由于缺乏数码迷彩伪装效果的客观评价标准,采用边缘检测算法与结构相似性(SSIM)算法对生成的数码迷彩的伪装效果进行评估。实验结果表明,该方法在自制数据集上生成的数码迷彩伪装的SSIM得分比已有算法的得分降低了30%以上,验证了它在数码迷彩生成任务上的有效性。 展开更多

关键词 深度学习 生成对抗式网络 数码迷彩 边缘检测 密集连接卷积网络

在线阅读 下载PDF 职称材料

基于CWT-IDenseNet的滚动轴承故障诊断方法 被引量：1

15

作者 贾广飞 梁汉文 +2 位作者 杨金秋 武哲 韩雨欣 《河北科技大学学报》 北大核心 2025年第2期129-140,共12页

针对一维信号所含信息不全面和DenseNet网络在变工况下存在过拟合等问题,提出了基于连续小波变换时频图像和改进密集连接卷积网络(improved DenseNet,IDenseNet)的滚动轴承故障诊断方法CWT-IDenseNet。首先,将一维振动信号通过CWT转为... 针对一维信号所含信息不全面和DenseNet网络在变工况下存在过拟合等问题,提出了基于连续小波变换时频图像和改进密集连接卷积网络(improved DenseNet,IDenseNet)的滚动轴承故障诊断方法CWT-IDenseNet。首先,将一维振动信号通过CWT转为二维时频图像;其次,对DenseNet网络进行改进,将DenseNet第1个卷积块中的ReLU激活函数替换为Swish激活函数(Swish激活函数更平滑);同时,在网络中引入基于风格的卷积神经网络重校准模块(style-based recalibration module,SRM)和空间与通道注意力机制模块(convolutional block attention module,CBAM),SRM关注特征通道权重,CBAM则从通道和空间2个维度增强特征表达能力,进而得到IDenseNet;最后,将二维时频图像输入到IDenseNet模型中进行特征提取和故障诊断,通过模型的Softmax层输出故障诊断结果。结果表明,所提方法在恒定工况及变工况下的平均故障识别准确率均达到97.80%,且在迁移学习模型中,平均故障识别准确率达到了99.44%。CWT-IDenseNet方法可以有效提高模型的泛化能力,在恒定工况及变工况下具有显著优势,对提高滚动轴承故障诊断的准确率和可靠性具有参考价值。 展开更多

关键词 机械动力学与振动 滚动轴承故障诊断 连续小波变换 密集连接卷积网络 注意力机制

在线阅读 下载PDF 职称材料

改进Stacking集成学习的指纹识别算法 被引量：8

16

作者 苏赋 罗海波 《计算机工程与科学》 CSCD 北大核心 2022年第12期2153-2161,共9页

针对传统卷积神经网络对多传感器指纹识别泛化能力降低、准确率不高的问题,提出改进的Stacking集成学习算法。首先将AlexNet进行改进,在AlexNet中引入深度可分离卷积减少参数量,加快训练速度;引入空间金字塔池化,提升网络获取全局信息... 针对传统卷积神经网络对多传感器指纹识别泛化能力降低、准确率不高的问题,提出改进的Stacking集成学习算法。首先将AlexNet进行改进,在AlexNet中引入深度可分离卷积减少参数量,加快训练速度;引入空间金字塔池化,提升网络获取全局信息的能力;引入批归一化,加快网络收敛速度,同时提升网络在测试集上的准确率;使用全局平均池化替代全连接层,防止过拟合。然后将DenseNet和改进的AlexNet 2种卷积神经网络作为Stacking的基学习器对指纹进行分类,获得预测结果。最后对相同基学习器训练得到的各个模型,根据预测精度对各预测结果赋权,得到的预测结果再由元分类器分类。改进的Stacking算法在多传感器指纹数据库上进行实验,最终识别准确率达98.43%,相对AlexNet提升了20.05%,相对DenseNet提升了4.25%。 展开更多

关键词 指纹识别 密集连接卷积网络(DenseNet) AlexNet Stacking集成学习 卷积神经网络

在线阅读 下载PDF 职称材料

DenseNet结合空间通道注意力机制的环境声音分类 被引量：4

17

作者 董绍江 刘伟 《重庆理工大学学报（自然科学）》 北大核心 2023年第11期179-187,共9页

音乐信息识别(MIR)和自动语音识别(ASR)都是以结构化声音为特点的声音识别,环境声音识别在声音识别领域的难度很大。为了充分利用从环境声中提取的Log-Mel谱图的空间特征与通道特征,提出了一种基于密集连接卷积网络(DenseNet)的空间通... 音乐信息识别(MIR)和自动语音识别(ASR)都是以结构化声音为特点的声音识别,环境声音识别在声音识别领域的难度很大。为了充分利用从环境声中提取的Log-Mel谱图的空间特征与通道特征,提出了一种基于密集连接卷积网络(DenseNet)的空间通道注意力机制。使用DenseNet对Log-Mel谱图进行特征提取,引入空间通道注意力机制使网络更加关注显著特征;为了解决数据不足导致的过拟合问题,将混合数据增强的方法应用于Log-Mel谱图,从而保证了数据的多样性;在2个公共数据集(ESC-50和ESC-10)验证所提方法的有效性。结果表明:所提的空间通道注意力机制模型能够使神经网络对环境声音的识别率分别达到79.3%(ESC-50)和94.3%(ESC-10)。 展开更多

关键词 环境声音分类 空间通道注意力机制 密集连接卷积网络 混合数据增强

在线阅读 下载PDF 职称材料

基于特征融合的提升机逆变器故障诊断 被引量：8

18

作者 吴传龙 陈伟 +3 位作者 刘晓文 史新国 刘柯 任晓红 《工矿自动化》 北大核心 2021年第5期46-51,共6页

矿井提升机逆变器故障诊断的难点在于提取表征故障的特征,目前主要利用信号处理方法得到故障统计特征,或通过神经网络提取故障深度特征。提升机逆变器在实际工作环境中,受背景噪声和负载变化等因素影响,运用单一的特征提取方法难以获得... 矿井提升机逆变器故障诊断的难点在于提取表征故障的特征,目前主要利用信号处理方法得到故障统计特征,或通过神经网络提取故障深度特征。提升机逆变器在实际工作环境中,受背景噪声和负载变化等因素影响,运用单一的特征提取方法难以获得能有效表征故障的特征,导致提升机逆变器故障诊断准确率低。针对上述问题,提出了一种基于统计特征与深度特征融合的提升机逆变器故障诊断方法。首先,利用希尔伯特-黄变换(HHT)对逆变器输出电流信号进行优化集合经验模态分解(MEEMD),提取故障统计特征,同时利用压缩激励密集连接卷积网络(SE-DenseNet)提取输出电流信号的深度特征;然后,利用局部线性判别分析(LFDA)对2种特征的组合进行融合降维处理,得到统计特征和深度特征的低维融合特征;最后,将低维融合特征输入极限学习机,实现逆变器故障分类。针对提升机逆变器中单个IGBT开路故障进行实验,结果表明,该方法得到的低维融合特征比单一特征的故障表征能力更强,有效提高了故障识别准确率。 展开更多

关键词 矿井提升机 逆变器开路 故障诊断 特征融合 特征降维 希尔伯特-黄变换 优化集合经验模态分解 压缩激励密集连接卷积网络

在线阅读 下载PDF 职称材料

基于GAF和DenseNet的滚动轴承故障诊断方法 被引量：16

19

作者 姜家国 郭曼利 杨思国 《工矿自动化》 北大核心 2021年第8期84-89,共6页

基于模型和基于信号的滚动轴承故障诊断方法存在建模困难、信号分析较繁琐等问题;基于数据驱动的滚动轴承故障诊断方法多采用卷积神经网络,但网络训练时随着网络层数增多会出现梯度消失问题,且将滚动轴承振动信号直接作为网络输入会造... 基于模型和基于信号的滚动轴承故障诊断方法存在建模困难、信号分析较繁琐等问题;基于数据驱动的滚动轴承故障诊断方法多采用卷积神经网络,但网络训练时随着网络层数增多会出现梯度消失问题,且将滚动轴承振动信号直接作为网络输入会造成特征提取不全。针对上述问题,提出了一种基于格拉姆角场(GAF)与密集连接卷积网络(DenseNet)的滚动轴承故障诊断方法。将滚动轴承振动信号一维时间序列通过GAF转换为二维图像,保留了时间序列数据之间的相关信息;将二维图像作为DenseNet的输入,通过DenseNet对二维图像进行特征提取,提升了特征信息利用率,进而实现故障分类。采用凯斯西储大学轴承数据集上的数据进行实验,结果表明,该方法能有效识别滚动轴承故障类型,故障诊断准确率达99.75%。为进一步证明该方法的优越性,选取灰度图+DenseNet、GAF+残差网络(ResNet)、灰度图+ResNet故障诊断方法进行对比,结果表明:GAF+DenseNet方法准确率最高,灰度图+ResNet方法准确率最低;经过GAF转换的二维图像与灰度图相比,保留了原始时间序列数据之间的相关信息;与ResNet相比,DenseNet由于采取更加密集的连接方式,能够更充分地提取故障特征。 展开更多

关键词 矿用机械 滚动轴承 故障诊断 格拉姆角场 密集连接卷积网络

在线阅读 下载PDF 职称材料

基于改进SSD算法的行人检测方法 被引量：14

20

作者 董永昌 单玉刚 袁杰 《计算机工程与设计》 北大核心 2020年第10期2921-2926,共6页

针对行人检测中利用SSD算法不易训练、检测精度低等问题提出一种改进算法。以DenseNet作为SSD的基础网络,在其后添加四层卷积层构建新的网络;为充分利用不同深度卷积层的信息,取新建网络的后四层和DenseNet中最后两个Dense_Block来提取... 针对行人检测中利用SSD算法不易训练、检测精度低等问题提出一种改进算法。以DenseNet作为SSD的基础网络,在其后添加四层卷积层构建新的网络;为充分利用不同深度卷积层的信息,取新建网络的后四层和DenseNet中最后两个Dense_Block来提取目标框。实验结果表明,与其它算法相比,该方法对于不同场景下行人目标检测具有更强的鲁棒性,对行人的检测率超过92%,相比改进前的算法提高10%以上。 展开更多

关键词 单次多重检测器 密集连接卷积网络 行人检测 深度学习 鲁棒性

在线阅读 下载PDF 职称材料