检索结果-维普期刊中文期刊服务平台

基于多特征融合的食品图像分类: 1; 作者叶志鹏姜枫《计算机工程》 CAS CSCD 北大核心 2024年第12期254-264,共11页; 随着生活水平的提升,人们对健康饮食的需求与日俱增,食品图像识别成为热门研究课题之一。食品加工和烹饪过程的不同造成了同类食品的形状和颜色存在差异,不同类别的食品也可能会呈现相似的视觉特征,因此食品图像的识别较一般图像识别难... 展开更多; 关键词食品图像分类局部二值模式挤压和激励网络细节注意力自注意力; 在线阅读下载PDF 职称材料

基于改进LRCN的鱼群摄食强度分类模型被引量：12: 2; 作者徐立鸿黄薪刘世晶《农业机械学报》 EI CAS CSCD 北大核心 2022年第10期236-241,共6页; 实现饵料的自动投喂是自动化水产养殖的重点,对鱼群的摄食强度进行识别能够为精准投饵提供参考。目前大多数关于鱼群摄食强度的研究都是基于循环养殖池或者自制鱼缸中,并不适用于开放式养殖池塘。基于实际环境,采用水上观测方式建立了... 展开更多; 关键词水产养殖鱼群摄食强度长期卷积循环网络视频分类挤压和激励模块; 在线阅读下载PDF 职称材料

基于Seq2point和SERNet的非侵入式负荷分解及识别被引量：2: 3; 作者程志友储著增 +2 位作者杨猛章杨凡王林茂《安徽大学学报（自然科学版）》 CAS 北大核心 2022年第4期38-44,共7页; 为了提高负荷的分解及识别准确度,提出基于序列到点(sequence-to-point,简称Seq2point)和挤压与激励的残差网络(squeeze-and-excitation residual network,简称SERNet)的非侵入式负荷分解和识别方法.使用残差网络提取信息,引入注意力机... 展开更多; 关键词非侵入式负荷分解滑动窗口法序列到点残差学习挤压和激励网络; 在线阅读下载PDF 职称材料

基于Order-Aware网络内点筛选网络的电力巡线航拍图像拼接被引量：1: 4; 作者回立川李万禹陈艺琳《计算机应用》 CSCD 北大核心 2022年第5期1583-1590,共8页; 电力巡线图像纹理复杂且具有视差变化,针对传统算法获取成对匹配点数量较少、配准精度较低,严重影响电力巡线无人机图像拼接效果等问题,提出了一种基于改进OANet的图像拼接算法。首先,借助加速“风”(AKAZE)算法对待拼接电力巡线图像进... 展开更多; 关键词电力巡线图像拼接 OANet 挤压和激励网络 MPA算法内容压缩感知算法; 在线阅读下载PDF 职称材料

基于SE-DenseNet的变压器故障诊断被引量：14: 5; 作者郭如雁彭敏放曹振其《电工电能新技术》 CSCD 北大核心 2021年第1期61-69,共9页; 由于变压器故障数据有限,采用神经网络诊断容易出现过拟合。通过Wasserstein生成对抗网络(Wasserstein Generative Adversarial Networks,WGAN)数据增强,采用变压器油中溶解气体作为故障诊断参量,本文提出了SE-DenseNet神经网络模型,该... 展开更多; 关键词数据增强无编码比值法稠密神经网络特征重复利用挤压和激励权重值校准指数衰减学习率; 在线阅读下载PDF 职称材料

基于FCN的路面裂缝分割算法被引量：5: 6; 作者韩静园王育坚 +1 位作者谭卫雄李深圳《传感器与微系统》 CSCD 北大核心 2022年第6期146-149,共4页; 为了准确地对路面裂缝进行分割,提高复杂背景下路面裂缝分割的效果,将全卷积神经网络(FCN)用于路面裂缝分割。考虑FCN无法对裂缝边缘、图案和形状等特征分配权重,提出一种基于FCN的路面裂缝分割改进算法。通过分析特征通道之间的关系,在... 展开更多; 关键词全卷积神经网络裂缝挤压和激励图像分割; 在线阅读下载PDF 职称材料

基于视差图指导的无参考立体图像质量评价: 7; 作者李素梅丁义修 +1 位作者常永莉韩旭《天津大学学报（自然科学与工程技术版）》 EI CSCD 北大核心 2020年第8期854-860,共7页; 考虑到视差图在立体成像中的重要性,设计了一种双通道的卷积神经网络来实现无参考立体图像质量评价.首先,建立一个以密集连接网络为主体的卷积神经网络结构,用于提取特征.其次,基于人类视觉系统的双目融合和双目竞争的特性,将左右视图进... 展开更多; 关键词立体图像质量评价融合图像卷积神经网络视差图挤压和激励模块; 在线阅读下载PDF 职称材料

题名基于多特征融合的食品图像分类: 1; 作者叶志鹏姜枫; 机构南京理工大学泰州科技学院; 出处《计算机工程》 CAS CSCD 北大核心 2024年第12期254-264,共11页; 基金江苏省高等学校自然科学研究面上项目(19KJB520038) 江苏省“333人才工程”项目。; 文摘随着生活水平的提升,人们对健康饮食的需求与日俱增,食品图像识别成为热门研究课题之一。食品加工和烹饪过程的不同造成了同类食品的形状和颜色存在差异,不同类别的食品也可能会呈现相似的视觉特征,因此食品图像的识别较一般图像识别难度更大。为了解决上述问题,提出基于多特征融合的食品图像分类网络MTFNet。首先,将图像的RGB彩色通道数据与局部二值模式(LBP)对应的纹理特征相融合作为骨干挤压和激励网络(SENet)的输入。接着,利用细节注意力模块挖掘不同位置上各通道的权重,进而对各层特征图进行局部增强,提升特征图局部表征能力。然后,利用自注意力机制计算特征图各通道之间的自注意力权重,挖掘特征图间的相关性,提取图像的全局特征。最后,将局部增强特征和全局特征拼接融合后进行图像分类。实验结果表明,在食品图像数据集ETH Food101、ChineseFoodNet和ISIA Food-500上,与目前最佳的多尺度拼图重构网络(MJR-Net)模型相比,MTFNet模型的Top-1准确率分别提高了0.44、1.01和0.66个百分点,取得了更好的识别性能。; 关键词食品图像分类局部二值模式挤压和激励网络细节注意力自注意力; Keywords food image classification Local Binary Pattern(LBP) Squeeze and Excite Network(SENet) detail attention self-attention; 分类号 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

题名基于改进LRCN的鱼群摄食强度分类模型被引量：12: 2; 作者徐立鸿黄薪刘世晶; 机构同济大学电子与信息工程学院中国水产科学研究院渔业机械仪器研究所; 出处《农业机械学报》 EI CAS CSCD 北大核心 2022年第10期236-241,共6页; 基金国家重点研发计划项目(2017YFD0701700) 上海市科技兴农重点项目(沪农科推字(2019)第3-2号); 文摘实现饵料的自动投喂是自动化水产养殖的重点,对鱼群的摄食强度进行识别能够为精准投饵提供参考。目前大多数关于鱼群摄食强度的研究都是基于循环养殖池或者自制鱼缸中,并不适用于开放式养殖池塘。基于实际环境,采用水上观测方式建立了鱼群摄食强度视频数据集,并提出了一种基于改进长期卷积循环网络(LRCN)的鱼群摄食强度分类模型,将注意力机制SE模块嵌入卷积神经网络中,通过SE-CNN网络提取视频帧的特征,输入至双层GRU网络中,最后通过全连接分类层得出视频类别。提出的SE-LRCN模型实现了对鱼群摄食视频的强度三分类。试验结果表明,本文提出的模型分类准确率达到97%,F1值达到94.8%,与改进前的LRCN模型相比,准确率提高12个百分点,F1值提高12.4个百分点。研究模型可以更精细地识别鱼群的摄食强度,为自动化精准投饵提供参考。; 关键词水产养殖鱼群摄食强度长期卷积循环网络视频分类挤压和激励模块; Keywords aquaculture fish feeding intensity long-term recurrent convolutional networks video classification squeeze-and-excitation block; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程] TP391.41 [自动化与计算机技术—计算机应用技术] S951.2 [农业科学—水产养殖]; 在线阅读下载PDF 职称材料

题名基于Seq2point和SERNet的非侵入式负荷分解及识别被引量：2: 3; 作者程志友储著增杨猛章杨凡王林茂; 机构安徽大学教育部电能质量研究中心安徽大学电子信息工程学院; 出处《安徽大学学报（自然科学版）》 CAS 北大核心 2022年第4期38-44,共7页; 基金国家自然科学基金资助项目(61672032) 安徽省科技重大专项(18030901018)。; 文摘为了提高负荷的分解及识别准确度,提出基于序列到点(sequence-to-point,简称Seq2point)和挤压与激励的残差网络(squeeze-and-excitation residual network,简称SERNet)的非侵入式负荷分解和识别方法.使用残差网络提取信息,引入注意力机制挤压和激励网络,对提取的信息进行自适应校准.通过全连接网络映射得到负荷分解结果,进而识别负荷.算例分析结果表明:与其他4种方法比较,该方法有更高的分解及识别准确度.; 关键词非侵入式负荷分解滑动窗口法序列到点残差学习挤压和激励网络; Keywords non-intrusive load decomposition sliding window method sequence to point residual learning squeeze-and-excitation network; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程] TM714 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于Order-Aware网络内点筛选网络的电力巡线航拍图像拼接被引量：1: 4; 作者回立川李万禹陈艺琳; 机构辽宁工程技术大学电气与控制工程学院; 出处《计算机应用》 CSCD 北大核心 2022年第5期1583-1590,共8页; 基金辽宁省教育厅科学研究项目(LJ2017QL009)。; 文摘电力巡线图像纹理复杂且具有视差变化,针对传统算法获取成对匹配点数量较少、配准精度较低,严重影响电力巡线无人机图像拼接效果等问题,提出了一种基于改进OANet的图像拼接算法。首先,借助加速“风”(AKAZE)算法对待拼接电力巡线图像进行粗匹配;其次,对OANet中Order-Aware模块添加挤压和激励网络(SENet),从而增强网络对局部和全局上下文信息的抓取能力,得到更精确的成对匹配点;然后,通过MPA算法配准待拼接图像;最后,借助内容压缩感知算法计算重叠区域的最佳缝合线以完成图像拼接。改进OANet相较原OANet的正确匹配点数量增加了10%左右,耗时平均增加了10 ms;与APAP算法、AANAP算法、MPA算法等配准拼接算法相比,所提算法的拼接质量最好,其待拼接图像的重叠区域的均方根误差为0,非重叠区域未发生畸变。实验结果表明,所提算法可快速、稳定地拼接电力巡线航拍图像。; 关键词电力巡线图像拼接 OANet 挤压和激励网络 MPA算法内容压缩感知算法; Keywords power line inspection image stitching Order-Aware Network(OANet) Squeeze-and-Excitation Network(SENet) Mesh-based Photometric Alignment(MPA)algorithm content compressed sensing algorithm; 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SE-DenseNet的变压器故障诊断被引量：14: 5; 作者郭如雁彭敏放曹振其; 机构湖南大学电气与信息工程学院; 出处《电工电能新技术》 CSCD 北大核心 2021年第1期61-69,共9页; 基金国家自然科学基金项目(61973107&61472128)。; 文摘由于变压器故障数据有限,采用神经网络诊断容易出现过拟合。通过Wasserstein生成对抗网络(Wasserstein Generative Adversarial Networks,WGAN)数据增强,采用变压器油中溶解气体作为故障诊断参量,本文提出了SE-DenseNet神经网络模型,该模型使用无编码比值法,结合深度稠密神经网络(Densely Connected Convolutional Networks,DenseNet)进行数据融合,特征重复利用以及挤压和激励模块(Squeeze-and-Excitation,SE)的特征图权重值校准的优点,运用指数衰减学习率、dropout、L2正则化、损失函数Adam收敛算法等优化方法,并且在同样数据集下将深度卷积神经网络、DenseNet与SE-DenseNet的三者性能进行定量对比分析。实验结果表明,三者之中本文提出的SE-DenseNet模型收敛速度快,准确率最高,泛化能力最强。; 关键词数据增强无编码比值法稠密神经网络特征重复利用挤压和激励权重值校准指数衰减学习率; Keywords data enhancement non-encoding ratio method DenseNet feature reuse squeeze-and-excitation weight value calibration exponential decay learning rate; 分类号 TM41 [电气工程—电器] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于FCN的路面裂缝分割算法被引量：5: 6; 作者韩静园王育坚谭卫雄李深圳; 机构北京联合大学智慧城市学院; 出处《传感器与微系统》 CSCD 北大核心 2022年第6期146-149,共4页; 基金国家自然科学基金资助项目(61872042) 北京联合大学研究生科研创新资助项目(YZ2020K001)。; 文摘为了准确地对路面裂缝进行分割,提高复杂背景下路面裂缝分割的效果,将全卷积神经网络(FCN)用于路面裂缝分割。考虑FCN无法对裂缝边缘、图案和形状等特征分配权重,提出一种基于FCN的路面裂缝分割改进算法。通过分析特征通道之间的关系,在FCN的池化层加入挤压和激励模块。利用权重对原始特征在通道上进行重标定,以提升重要特征和抑制无用特征,自适应地为裂缝边缘、图案和形状等特征分配权重。使用真实的路面裂缝数据集对改进模型进行训练,完成了模型的测试和验证。实验结果表明:改进模型的路面分割效果良好,分割结果的误检率、漏检率和DSC综合评价指标等都有较好的改善。; 关键词全卷积神经网络裂缝挤压和激励图像分割; Keywords fully convolutional networks(FCN) crack squeeze and excitation image segmentation; 分类号 TP393 [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

题名基于视差图指导的无参考立体图像质量评价: 7; 作者李素梅丁义修常永莉韩旭; 机构天津大学电气自动化与信息工程学院; 出处《天津大学学报（自然科学与工程技术版）》 EI CSCD 北大核心 2020年第8期854-860,共7页; 基金国家自然科学基金资助项目(61571325,61971306).; 文摘考虑到视差图在立体成像中的重要性,设计了一种双通道的卷积神经网络来实现无参考立体图像质量评价.首先,建立一个以密集连接网络为主体的卷积神经网络结构,用于提取特征.其次,基于人类视觉系统的双目融合和双目竞争的特性,将左右视图进行R、G、B三通道融合得到彩色融合图像,并将此融合图像作为卷积神经网络的一个通道的输入;另一通道的输入为视差图,视差图起到了特征补偿的作用.然后,通过改进挤压和激励模块来实现视差图对融合图像的加权指导.这种加权策略加强了融合图像的重要信息的比重,减轻了非重要信息的比重.最后,在卷积神经网络的末端,将视差图的特征和加权校正过的融合图像的特征进行融合得到总体特征,将总体特征与主观评价方法得分进行回归分析,得到待测立体图像的质量分数.在两个公开的LIVE立体数据库上进行实验验证.结果表明:所提出的无参考立体图像质量评价方法能够有效地应对对称和非对称失真类型的立体图像,并与主观评测方法保持高度一致.; 关键词立体图像质量评价融合图像卷积神经网络视差图挤压和激励模块; Keywords stereoscopic image quality assessment cyclopean image convolution neural network disparity map squeeze and excitation block; 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	作者	出处	发文年	被引量	操作
1	基于多特征融合的食品图像分类	叶志鹏姜枫	《计算机工程》 CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
2	基于改进LRCN的鱼群摄食强度分类模型	徐立鸿黄薪刘世晶	《农业机械学报》 EI CAS CSCD 北大核心	2022	12	在线阅读下载PDF 职称材料
3	基于Seq2point和SERNet的非侵入式负荷分解及识别	程志友储著增杨猛章杨凡王林茂	《安徽大学学报（自然科学版）》 CAS 北大核心	2022	2	在线阅读下载PDF 职称材料
4	基于Order-Aware网络内点筛选网络的电力巡线航拍图像拼接	回立川李万禹陈艺琳	《计算机应用》 CSCD 北大核心	2022	1	在线阅读下载PDF 职称材料
5	基于SE-DenseNet的变压器故障诊断	郭如雁彭敏放曹振其	《电工电能新技术》 CSCD 北大核心	2021	14	在线阅读下载PDF 职称材料
6	基于FCN的路面裂缝分割算法	韩静园王育坚谭卫雄李深圳	《传感器与微系统》 CSCD 北大核心	2022	5	在线阅读下载PDF 职称材料
7	基于视差图指导的无参考立体图像质量评价	李素梅丁义修常永莉韩旭	《天津大学学报（自然科学与工程技术版）》 EI CSCD 北大核心	2020	0	在线阅读下载PDF 职称材料