检索结果-维普期刊中文期刊服务平台

自适应的归一化卷积超分辨率重建算法研究被引量：3: 1; 作者汪慧兰杨晶晶 +1 位作者毛晓辉石建平《计算机工程与应用》 CSCD 北大核心 2016年第8期191-195,共5页; 图像超分辨率重建技术是数字图像领域的一个研究热点,应用广泛。为了使重建的图像能更好地保持边缘细节,采用各向异性高斯核函数作为适用度函数,并将改进的自适应归一化卷积超分辨率重建算法应用于设计的多通道光学成像系统图像。由于... 展开更多; 关键词多通道成像系统结构张量矩阵归一化卷积图像重建; 在线阅读下载PDF 职称材料

基于改进轻量级深度卷积神经网络的果树叶片分类及病害识别模型设计被引量：2: 2; 作者买买提·沙吾提李荣鹏 +2 位作者蔡和兵赵明梁嘉曦《森林工程》北大核心 2025年第2期277-287,共11页; 新疆是中国重要的林果产业基地,特色林果业是区域经济发展的重要组成部分。为预防果树病害制约林果业发展,设计一款归一化注意力(normalization-based attention module,NAM)轻量级深度卷积神经网络(MobileNet-V2)果树叶片分类及病害识... 展开更多; 关键词新疆果树分类病害识别归一化注意力轻量级深度卷积神经网络(MobileNet-V2 NAM) 归一化注意力机制; 在线阅读下载PDF 职称材料

基于自适应高斯混合模型与ResDN的火焰检测算法: 3; 作者王文标时启衡郝友维《科学技术与工程》北大核心 2025年第4期1580-1586,共7页; 针对火焰检测算法在复杂场景下误检率高、算法适应性差、效率低等问题,设计一种轻量高效的两阶段视频火焰检测算法。第一阶段采用改进的自适应高斯混合模型(adaptive gaussian mixture model, AGMM)对视频图像序列进行快速背景建模,利... 展开更多; 关键词火焰检测自适应高斯混合模型(AGMM) 残差深度归一化卷积神经网络(ResDN) 机器视觉深度学习; 在线阅读下载PDF 职称材料

基于自归一化神经网络的电弧故障检测方法被引量：30: 4; 作者张婷王海淇 +2 位作者张认成涂然杨凯《仪器仪表学报》 EI CAS CSCD 北大核心 2021年第3期141-149,共9页; 电弧故障是电气火灾的重要原因。低压线路发生串联电弧故障时,回路电流波形的时域特征与正常工作状态类似,采用传统的特征提取方法无法完整表达时域信号的全部数据特征,限制了电弧故障的特征表达能力,导致检测结果的误报率和漏报率较高... 展开更多; 关键词串联电弧故障检测灰度数据转换自归一化卷积神经网络; 在线阅读下载PDF 职称材料

保细节自适应超分辨率融合算法被引量：1: 5; 作者杨爱萍侯正信 +1 位作者王成优何凯《天津大学学报》 EI CAS CSCD 北大核心 2009年第8期727-732,共6页; 超分辨率融合是把配准好的低分辨率图像信息进行综合,形成高分辨率栅格上的均匀采样为了改善图像超分辨率融合效果,对鲁棒超分辨率融合算法进行改进.分析图像局部模式,给出角点和连接点的识别方法,进而设计了保细节自适应适用度函数,提... 展开更多; 关键词超分辨率融合保细节自适应归一化卷积(NC); 在线阅读下载PDF 职称材料

一种实时鲁棒的超分辨率图像重建方法被引量：2: 6; 作者刘润丹潘新生《计算机工程与应用》 CSCD 2012年第9期178-180,184,共4页; 在智能交通系统中,超分辨率重建技术有着广泛的应用。提出一种新的超分辨率图像重建方法,用于提高超分辨率图像的重建质量。该方法从低分辨率图像中提取出具有独特性和鲁棒性的SURF特征描述子,进行匹配计算,采用最小二乘法估计运动参数... 展开更多; 关键词超分辨率图像重建快速鲁棒性特征(SURF) 自适应归一化卷积; 在线阅读下载PDF 职称材料

题名自适应的归一化卷积超分辨率重建算法研究被引量：3: 1; 作者汪慧兰杨晶晶毛晓辉石建平; 机构安徽师范大学物理与电子信息学院; 出处《计算机工程与应用》 CSCD 北大核心 2016年第8期191-195,共5页; 基金安徽高校省级科学研究项目(No.KJ2011Z135) 中科院光电技术研究所微细加工光学技术国家重点实验室开放基金; 文摘图像超分辨率重建技术是数字图像领域的一个研究热点,应用广泛。为了使重建的图像能更好地保持边缘细节,采用各向异性高斯核函数作为适用度函数,并将改进的自适应归一化卷积超分辨率重建算法应用于设计的多通道光学成像系统图像。由于各向异性高斯核函数邻域的尺度和方向由提出的自适应结构张量矩阵决定,其能很好地估计图像局部结构的方向和强度。实验仿真结果表明,提出的方法与其他方法相比可以保持边缘细节和提高信噪比,从而改善图像成像质量。; 关键词多通道成像系统结构张量矩阵归一化卷积图像重建; Keywords multi-channel imaging system structure tensor matrix normalized convolution image reconstruction; 分类号 TP391 [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

题名基于改进轻量级深度卷积神经网络的果树叶片分类及病害识别模型设计被引量：2: 2; 作者买买提·沙吾提李荣鹏蔡和兵赵明梁嘉曦; 机构新疆大学地理与遥感科学学院新疆绿洲生态重点试验室智慧城市与环境建模自治区普通高校重点试验室; 出处《森林工程》北大核心 2025年第2期277-287,共11页; 基金新疆自然科学计划项目(2021D01C055) 新疆大学国家级大学生创新训练计划项目(202310755002)。; 文摘新疆是中国重要的林果产业基地,特色林果业是区域经济发展的重要组成部分。为预防果树病害制约林果业发展,设计一款归一化注意力(normalization-based attention module,NAM)轻量级深度卷积神经网络(MobileNet-V2)果树叶片分类及病害识别模型。其中融入轻量型的归一化注意力机制,提高模型对特征信息的敏感度,使模型关注显著性特征。同时,将L1正则化(L1 regularization或losso)添加到损失函数中,对权重进行稀疏性惩罚,抑制非显著性权重。试验结果表明,在叶片分类中,模型对自构建植物叶片病害识别数据集(Plant Village)、混合数据集的分类结果均表现良好,准确率分别达到97.05%、98.73%、94.91%,具有较好的泛化能力。在病害识别中,MobileNet-V2 NAM模型实现94.55%的识别准确率,高于深度卷积神经网络(AlexNet)、视觉几何群网络(VGG16)经典卷积神经网络(Convolutional Neural Networks,CNN)模型,且模型参数量只有3.56 M。MobileNet-V2 NAM在具有良好准确率同时保持了较低的模型参数量,为深度学习模型嵌入到移动设备提供技术支持。; 关键词新疆果树分类病害识别归一化注意力轻量级深度卷积神经网络(MobileNet-V2 NAM) 归一化注意力机制; Keywords Xinjiang fruit tree classification disease identification MobileNet-V2 NAM normalization-based attention module; 分类号 S436.611 [农业科学—农业昆虫与害虫防治]; 在线阅读下载PDF 职称材料

题名基于自适应高斯混合模型与ResDN的火焰检测算法: 3; 作者王文标时启衡郝友维; 机构大连海事大学船舶电气工程学院; 出处《科学技术与工程》北大核心 2025年第4期1580-1586,共7页; 基金国家自然科学基金(52071047,62073054)。; 文摘针对火焰检测算法在复杂场景下误检率高、算法适应性差、效率低等问题,设计一种轻量高效的两阶段视频火焰检测算法。第一阶段采用改进的自适应高斯混合模型(adaptive gaussian mixture model, AGMM)对视频图像序列进行快速背景建模,利用火焰的闪烁和涌动特性,提取出序列中的可疑候选区域。第二阶段使用残差深度归一化卷积神经网络(residual deep normalization and convolutional neural network, ResDN)对可疑候选区域进行判别,并引入简化的残差块替换原有的卷积层进行轻量化设计,实现对火焰的检测与定位。相比于传统分类算法,所设计的两阶段视频火焰检测算法能够有效克服复杂场景下的环境干扰,准确快速地识别火焰,具有更高的检测率和适应性。; 关键词火焰检测自适应高斯混合模型(AGMM) 残差深度归一化卷积神经网络(ResDN) 机器视觉深度学习; Keywords flame detection adaptive Gaussian mixture model(AGMM) residual deep normalization and convolutional neural network(ResDN) machine vision deep learning; 分类号 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

题名基于自归一化神经网络的电弧故障检测方法被引量：30: 4; 作者张婷王海淇张认成涂然杨凯; 机构华侨大学机电及自动化学院; 出处《仪器仪表学报》 EI CAS CSCD 北大核心 2021年第3期141-149,共9页; 基金国家自然科学基金面上项目(52076084)资助; 文摘电弧故障是电气火灾的重要原因。低压线路发生串联电弧故障时,回路电流波形的时域特征与正常工作状态类似,采用传统的特征提取方法无法完整表达时域信号的全部数据特征,限制了电弧故障的特征表达能力,导致检测结果的误报率和漏报率较高。针对此问题,提出基于自归一化卷积神经网络的电弧故障检测方法。该方法将采集到的不同种类负载的电流时间序列按照半周期截取,然后进行归一化处理,将灰度矩阵变换生成电弧故障及正常工作的二维图像;利用卷积神经网络提取电弧故障的灰度变换特征;通过全连接层拟合计算下采样信息实现电弧故障卷积特征的识别。验证表明,所提方法对电弧故障的识别率达到99.67%,优于传统卷积神经网络,具有良好的泛化性能。; 关键词串联电弧故障检测灰度数据转换自归一化卷积神经网络; Keywords series arc fault detection grayscale data conversion self-normalized convolutional neural network; 分类号 TM501.2 [电气工程—电器] TH89 [机械工程—精密仪器及机械]; 在线阅读下载PDF 职称材料

题名保细节自适应超分辨率融合算法被引量：1: 5; 作者杨爱萍侯正信王成优何凯; 机构天津大学电子信息工程学院; 出处《天津大学学报》 EI CAS CSCD 北大核心 2009年第8期727-732,共6页; 基金天津市自然科学基金资助项目(07JCYBJC13800) 天津市自然科学基金资助项目(07JCZDJC05800); 文摘超分辨率融合是把配准好的低分辨率图像信息进行综合,形成高分辨率栅格上的均匀采样为了改善图像超分辨率融合效果,对鲁棒超分辨率融合算法进行改进.分析图像局部模式,给出角点和连接点的识别方法,进而设计了保细节自适应适用度函数,提出了保细节自适应超分辨率融合算法.实验结果表明,算法不仅对配准误差具有鲁棒性,而且能很好地保存图像的边缘和细节特征,提高了融合图像的质量.; 关键词超分辨率融合保细节自适应归一化卷积(NC); Keywords super-resolution fusion detail preserving adaptive normalized convolution （NC）; 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

题名一种实时鲁棒的超分辨率图像重建方法被引量：2: 6; 作者刘润丹潘新生; 机构阳江职业技术学院机电系广州星博信息技术有限公司事业三部; 出处《计算机工程与应用》 CSCD 2012年第9期178-180,184,共4页; 文摘在智能交通系统中,超分辨率重建技术有着广泛的应用。提出一种新的超分辨率图像重建方法,用于提高超分辨率图像的重建质量。该方法从低分辨率图像中提取出具有独特性和鲁棒性的SURF特征描述子,进行匹配计算,采用最小二乘法估计运动参数,采用ANC算法对图像进行插值计算。实验结果表明,该方法具有较强的鲁棒性和实时性,重建质量较之其他重建算法要高。; 关键词超分辨率图像重建快速鲁棒性特征(SURF) 自适应归一化卷积; Keywords super-resolution image reconstruction Speeded Up Robust Features （SURF） adaptive normalized convolution; 分类号 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	自适应的归一化卷积超分辨率重建算法研究	汪慧兰杨晶晶毛晓辉石建平	《计算机工程与应用》 CSCD 北大核心	2016	3	在线阅读下载PDF 职称材料
2	基于改进轻量级深度卷积神经网络的果树叶片分类及病害识别模型设计	买买提·沙吾提李荣鹏蔡和兵赵明梁嘉曦	《森林工程》北大核心	2025	2	在线阅读下载PDF 职称材料
3	基于自适应高斯混合模型与ResDN的火焰检测算法	王文标时启衡郝友维	《科学技术与工程》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于自归一化神经网络的电弧故障检测方法	张婷王海淇张认成涂然杨凯	《仪器仪表学报》 EI CAS CSCD 北大核心	2021	30	在线阅读下载PDF 职称材料
5	保细节自适应超分辨率融合算法	杨爱萍侯正信王成优何凯	《天津大学学报》 EI CAS CSCD 北大核心	2009	1	在线阅读下载PDF 职称材料
6	一种实时鲁棒的超分辨率图像重建方法	刘润丹潘新生	《计算机工程与应用》 CSCD	2012	2	在线阅读下载PDF 职称材料