基于注意力机制与条件卷积的行人重识别方法 被引量：1

1

作者 姬广凯 王蓉 彭舒凡 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第2期655-662,共8页

行人重识别是计算机视觉领域的一个重要部分,但是容易受到行人图片实际采集环境的影响,导致行人特征表达不充分,进一步导致模型精度不高。提出一种基于注意力机制和条件卷积改进的行人重识别方法,使行人特征得到更充分的表达。将注意力... 行人重识别是计算机视觉领域的一个重要部分,但是容易受到行人图片实际采集环境的影响,导致行人特征表达不充分,进一步导致模型精度不高。提出一种基于注意力机制和条件卷积改进的行人重识别方法,使行人特征得到更充分的表达。将注意力机制引入特征提取网络ResNet50中,对输入图像空间和通道上的关键信息进行加权强化,同时抑制可能的噪声;将条件卷积模块引入主干网络,动态调整卷积核参数,使模型能够在保持高效推理的同时提高容量和性能;利用Market1501、MSMT17和DukeMTMC-ReID主流数据集对改进方法进行评估,Rank1分别提升1.1%、2.4%、1.3%,mAP分别提升0.5%、2.3%、1.3%,结果表明:改进方法能够使行人特征得到更好的表达,识别精度得到提升。 展开更多

关键词 注意力机制 条件卷积 ResNet50 行人重识别 深度学习

在线阅读 下载PDF 职称材料

用于个性化推荐的条件卷积隐因子模型 被引量：4

2

作者 李南星 盛益强 倪宏 《计算机工程》 CAS CSCD 北大核心 2020年第4期85-90,96,共7页

在推荐系统中,传统的矩阵分解无法提取用户和物品特征,而神经协同过滤(NCF)在分解模型中增加多层感知器,但不能有效利用用户和物品ID之外的辅助信息.为此,提出一种新的条件卷积方法.通过将物品特征作为输入,将用户特征作为卷积核,达到... 在推荐系统中,传统的矩阵分解无法提取用户和物品特征,而神经协同过滤(NCF)在分解模型中增加多层感知器,但不能有效利用用户和物品ID之外的辅助信息.为此,提出一种新的条件卷积方法.通过将物品特征作为输入,将用户特征作为卷积核,达到权值不共享的目的,使得条件卷积具有更强的特征提取和组合能力以及不增加参数量的特性.在此基础上,条件卷积能够融入多种辅助信息进行个性化推荐.实验结果表明,与NCF模型相比,该方法在隐性反馈数据中推荐命中率提升3.11%,在显性反馈数据中评分预测误差降低2.47%. 展开更多

关键词 推荐系统 深度神经网络 神经协同过滤 条件卷积 矩阵分解

在线阅读 下载PDF 职称材料

基于改进YOLOv8模型的木材缺陷检测

3

作者 颜世运 张慧斌 +3 位作者 籍浩恺 丁禹程 白岩 杨春梅 《森林工程》 北大核心 2025年第4期750-760,共11页

为解决目标检测算法在木材表面缺陷检测中容易出现漏检及检测精度不足的问题,提出一种改进的YOLOv8模型(YOLOv8-CBW,C、B、W分别为CondSiLU、BiFPN、Wise-IoU的缩写),并构建包含多种木材缺陷的自制数据集。通过对原有的YOLOv8算法进行优... 为解决目标检测算法在木材表面缺陷检测中容易出现漏检及检测精度不足的问题,提出一种改进的YOLOv8模型(YOLOv8-CBW,C、B、W分别为CondSiLU、BiFPN、Wise-IoU的缩写),并构建包含多种木材缺陷的自制数据集。通过对原有的YOLOv8算法进行优化,将条件卷积(conditional convolution,CondConv)与SiLU(sigmoid-weighted linear unit)结合后形成CondSiLU模块替代传统卷积模块,提升特征提取的灵活性;引入双向特征金字塔网络(bidirectional feature pyramid network,BiFPN),增强模型多尺度特征融合能力;并用Wise-IoU(weighted intersection over union)损失函数替代CIoU(complete intersection over union),提高模型对低质量样本的适应性和泛化性能。试验结果表明,改进后的YOLOv8-CBW模型与YOLOv8模型相比,mAP50(即IoU(交并比)阈值为0.50时的平均精度均值)和mAP50-95(是指IoU(交并比)阈值在0.50~0.95时的平均精度均值)分别提高了3.7%和3.9%,且在复杂木材缺陷检测任务中表现出更高的精度和稳定性。研究结果为木材缺陷检测任务提供新思路,并具有良好的实际应用前景。 展开更多

关键词 木材检测 深度学习 损失函数 条件卷积 特征融合 YOLOv8 缺陷识别

在线阅读 下载PDF 职称材料

基于深度卷积生成对抗网络场景生成的间歇式分布式电源优化配置 被引量：30

4

作者 顾洁 刘书琪 +1 位作者 胡玉 孟璐 《电网技术》 EI CSCD 北大核心 2021年第5期1742-1749,共8页

风电和光伏等间歇性分布式电源(distributed generation,DG)在配电网中接入比例不断提高,对配电网规划影响显著,需对其出力的不确定性进行建模,以提升含DG的配电网规划的效益与实用性。建立了考虑出力不确定性的DG双层优化配置模型。通... 风电和光伏等间歇性分布式电源(distributed generation,DG)在配电网中接入比例不断提高,对配电网规划影响显著,需对其出力的不确定性进行建模,以提升含DG的配电网规划的效益与实用性。建立了考虑出力不确定性的DG双层优化配置模型。通过改进的条件深度卷积生成对抗网络模型对DG出力的不确定性进行建模,并在模型中加入月份标签信息以生成面向规划的风光联合出力场景;基于高斯混合模型确定月份标签对应的风光出力的上下限,从而刻画DG出力的不确定性范围。最后,考虑DG出力的运行边界,建立了社会综合成本最小化的DG双层优化配置模型。IEEE 33节点算例验证表明,提出的DG优化配置方案能够提升DG的接入容量,有效降低社会综合成本,提高配电网运行的经济性。 展开更多

关键词 不确定性 场景生成 条件深度卷积生成对抗网络 高斯混合模型 双层优化配置

在线阅读 下载PDF 职称材料

转子系统数模联动故障诊断方法研究

5

作者 马康 王红军 +2 位作者 乔琦 王正 余成龙 《电子测量与仪器学报》 北大核心 2025年第1期165-175,共11页

针对燃气轮机转子系统故障样本少,样本不均以及跨工况故障诊断的问题,提出一种基于转子系统数模联动的故障诊断方法。基于经典集中质量法建立了转子系统动力学模型,将不对中故障,不平衡故障引入动力学模型建立了转子系统故障动力学微分... 针对燃气轮机转子系统故障样本少,样本不均以及跨工况故障诊断的问题,提出一种基于转子系统数模联动的故障诊断方法。基于经典集中质量法建立了转子系统动力学模型,将不对中故障,不平衡故障引入动力学模型建立了转子系统故障动力学微分方程,最后通过龙格库塔法(ode-4/5)对转子系统故障动力学微分方程进行求解,最终得到故障位移仿真信号,为之后数据增强以及数模联动方法做准备。建立结合正交梯度惩罚算法的条件深度卷积生成对抗网络,用此模型将机理模型所得仿真信号作为生成器输入,生成信号样本与真实实验信号作为判别器输入,获得融合机理特性与实际机械特性为一体的生成信号;其次,基于迁移学习理论建立跨工况域适应故障诊断模型,使用结合反卷积算法的短时分数阶傅里叶变换对数据进行视频转换,获得分辨率以及特征更为明显的二维时频图像样本,将结合机理特性与机械特性的数据作为源域、待测其他工况数据作为目标域训练故障诊断模型,通过实验验证,将5种不同故障类别在不同转速与不同故障量下的诊断准确率均达到91%以上,并通过混淆矩阵对结果进行了解释分析,该方法能够有效提高模型的泛化性,并实现转子系统跨工况故障诊断,同条件下优于其他主流诊断方法。 展开更多

关键词 转子系统 故障诊断 条件深度卷积生成对抗 迁移学习 数模联动

在线阅读 下载PDF 职称材料

适用于具有多分类器的卷积神经网络训练方法 被引量：7

6

作者 李建更 李立杰 +2 位作者 张岩 王朋飞 左国玉 《北京工业大学学报》 CAS CSCD 北大核心 2018年第10期1291-1296,共6页

为了提升视条件而定的深度卷积网络(conditional deep learning network,CDLN)的分类准确率,提出一种多分类器联合训练的方法.在训练网络时将多个分类器的输出误差同时进行反向传播,以校正网络权重.以Le Net-5、Alex Net为基础构造神经... 为了提升视条件而定的深度卷积网络(conditional deep learning network,CDLN)的分类准确率,提出一种多分类器联合训练的方法.在训练网络时将多个分类器的输出误差同时进行反向传播,以校正网络权重.以Le Net-5、Alex Net为基础构造神经网络CDLN-L和CDLN-A,以MNIST、CIFAR-100和Pascal Voc数据集为实验样本进行实验,网络的分类准确率均得到提升,最高提升了4.39%.实验表明,提出的联合训练方法能够提升CDLN的分类准确率. 展开更多

关键词 深度学习 卷积神经网络(CNN) 视条件而定的深度卷积网络(CDLN) 多分类器 多分类器联合训练 图像分类 分类准确率

在线阅读 下载PDF 职称材料

基于知识蒸馏的轻量级番茄叶部病害识别模型 被引量：10

7

作者 汤文亮 黄梓锋 《江苏农业学报》 CSCD 北大核心 2021年第3期570-578,共9页

目前,基于迁移学习诊断农作物病害已经成为一种趋势,然而大多数研究使用的模型参数众多,占用了大量设备空间并且推理演算耗时较长,导致对存储和计算资源有严格限制的设备无法利用深度神经网络的优势。为此,本研究以PlantVillage数据集... 目前,基于迁移学习诊断农作物病害已经成为一种趋势,然而大多数研究使用的模型参数众多,占用了大量设备空间并且推理演算耗时较长,导致对存储和计算资源有严格限制的设备无法利用深度神经网络的优势。为此,本研究以PlantVillage数据集中的番茄病害样本为研究对象,基于条件卷积及通道注意力机制,提出1种新颖的轻量级模型,同时使用知识蒸馏法指导模型训练,在保证模型性能的前提下压缩模型大小。将AlexNet、VGG16、GoogLeNet、ResNet50及DenseNet121进行对比,并利用类激活图(CAM)可视化模型分类决策的图像区域。结果表明,经过蒸馏的自定义模型可以精准定位番茄病叶的发病区域,在测试集中的平均识别准确率达97.6%,不仅优于其他模型,而且模型大小仅为4.4 M。 展开更多

关键词 番茄病害 识别模型 条件卷积 注意力机制 知识蒸馏

在线阅读 下载PDF 职称材料

基于三目注意力机制的高效轻量化麦穗检测算法

8

作者 董燕 刘运东 +2 位作者 李卫杰 刘洲峰 李春雷 《计算机工程与设计》 北大核心 2023年第7期2062-2069,共8页

针对复杂大田环境下基于卷积神经网络的麦穗检测方法实时性差、检测精度低的问题,提出一种基于三目注意力机制的高效轻量化麦穗检测算法。采用MobileNetV3作为主干网络对特征进行高效提取;通过融合通道、空间和位置的特征信息设计三目... 针对复杂大田环境下基于卷积神经网络的麦穗检测方法实时性差、检测精度低的问题,提出一种基于三目注意力机制的高效轻量化麦穗检测算法。采用MobileNetV3作为主干网络对特征进行高效提取;通过融合通道、空间和位置的特征信息设计三目注意力机制,提升模型对关键特征的敏感度;基于条件卷积设计全局多头自注意力机制,增强全局特征的提取能力;选择CIOU作为边框回归损失函数,增强遮挡及重叠目标的检测效果。实验结果表明,与其它优秀的算法相比,所提算法在减少模型容量的同时,提升了检测精度和速度。 展开更多

关键词 复杂场景 麦穗检测 深度学习 轻量化 三目注意力机制 全局多头自注意力机制 条件卷积

在线阅读 下载PDF 职称材料

基于改进的U-Net肺结节分割方法研究 被引量：8

9

作者 苗语 丰振航 +2 位作者 杨华民 蒋振刚 师为礼 《计算机应用与软件》 北大核心 2021年第12期213-219,共7页

由于肺部CT图像的特征信息复杂程度高,经典U型卷积网络对肺结节分割存在准确率较低和误分割等问题。针对这一问题,提出一种改进的U型卷积网络模型。该模型将U-Net网络和DenseNet网络融合,将解码器浅层特征连接至深层特征来增强特征的复... 由于肺部CT图像的特征信息复杂程度高,经典U型卷积网络对肺结节分割存在准确率较低和误分割等问题。针对这一问题,提出一种改进的U型卷积网络模型。该模型将U-Net网络和DenseNet网络融合,将解码器浅层特征连接至深层特征来增强特征的复用性。通过U-Net网络与卷积条件随机场(ConvCRF)的端到端结合训练来增强边缘特征,解决了边界模糊的问题。提出一种改进的focal loss损失函数,该函数提高了结节所占的权重,解决了正负样本不平衡的问题。在LUNA16数据集中作对比实验验证了模型的性能,分割精准度达到0.9374,敏感度为0.941,该结果证明了改进模型在肺结节分割中更优。 展开更多

关键词 肺结节分割 U型卷积网络 密集连接 损失函数 卷积条件随机场

在线阅读 下载PDF 职称材料

基于深度学习的产品色彩情感化设计 被引量：12

10

作者 丁满 袁云磊 +1 位作者 张新新 孙鸣宇 《计算机集成制造系统》 EI CSCD 北大核心 2023年第5期1647-1656,共10页

为准确把握用户对于产品色彩的情感意象感知规律,创新性生成符合用户情感偏好的产品色彩设计方案,提出一种基于深度学习的产品色彩情感化设计方法。首先运用语义差异法和GoogLeNet模型构建产品色彩情感意象数据集;然后,基于产品色彩情... 为准确把握用户对于产品色彩的情感意象感知规律,创新性生成符合用户情感偏好的产品色彩设计方案,提出一种基于深度学习的产品色彩情感化设计方法。首先运用语义差异法和GoogLeNet模型构建产品色彩情感意象数据集;然后,基于产品色彩情感意象数据集与条件深度卷积生成对抗网络(C-DCGAN)搭建产品色彩设计方案生成模型,创新性生成产品色彩设计方案。最后,以出租车色彩设计为例,验证了所提方法的有效性与适用性。 展开更多

关键词 意象 产品色彩情感化设计 GoogLeNet模型 条件深度卷积生成对抗网络

在线阅读 下载PDF 职称材料

基于CCGAN和ResNet34的滚动轴承故障诊断方法 被引量：6

11

作者 骆耀谱 王衍学 李孟 《机电工程》 CAS 北大核心 2023年第6期852-859,共8页

在实际的工业过程中,由于滚动轴承故障数据的小样本或样本分布不平衡问题很常见,导致许多算法难以准确地识别不同故障。针对这一问题,提出了一种基于条件卷积生成对抗网络(CCGAN)和ResNet34的深度神经网络故障诊断方法。首先,采集了滚... 在实际的工业过程中,由于滚动轴承故障数据的小样本或样本分布不平衡问题很常见,导致许多算法难以准确地识别不同故障。针对这一问题,提出了一种基于条件卷积生成对抗网络(CCGAN)和ResNet34的深度神经网络故障诊断方法。首先,采集了滚动轴承振动信号数据,并将振动信号转换为灰度图像,并增强了其数据特征;然后,采用CCGAN网络学习了原始小样本数据的特征,扩展了小样本不平衡数据集;最后,在滚动轴承振动信号的数据扩充和特征增强的基础上,采用ResNet34深度网络进行了一维振动信号的小样本不平衡故障诊断和分类。研究结果表明:随着小样本不平衡数据集逐步扩展到多维平衡数据集,该方法在不同数据集中故障诊断的准确性均得到了有效提高,在分类精度上达到了99.5%;诊断证明了其特征提取能力优于典型的机器学习和深度学习网络,从而验证了该方法在小样本不平衡故障诊断中的优势。 展开更多

关键词 小样本故障诊断 数据扩充 深度学习 生成对抗网络 残差结构 条件卷积生成对抗网络 改进的特征提取并增强方法

在线阅读 下载PDF 职称材料

高比例新能源接入下计及工业负荷特性的电网需求响应调控策略 被引量：25

12

作者 陈光宇 杨锡勇 +4 位作者 江海洋 崔雨 张仰飞 郝思鹏 张玉卓 《电力自动化设备》 EI CSCD 北大核心 2023年第4期177-184,共8页

为挖掘需求侧调节潜力,提出一种高比例新能源接入下计及工业负荷特性的电网需求响应调控策略。设计一种基于工业负荷需求响应的滚动调度框架,通过分析不同类型工业负荷的生产特性,挖掘工业负荷的需求响应潜力;针对新能源和负荷的不确定... 为挖掘需求侧调节潜力,提出一种高比例新能源接入下计及工业负荷特性的电网需求响应调控策略。设计一种基于工业负荷需求响应的滚动调度框架,通过分析不同类型工业负荷的生产特性,挖掘工业负荷的需求响应潜力;针对新能源和负荷的不确定性,提出一种结合特征损失的条件深度卷积生成对抗网络场景生成方法,为系统调控提供不同时间尺度下的典型场景集;基于生成的场景集,以系统总运行成本最小为目标,提出多场景随机规划结合随机模型预测控制方法,构建多时间尺度滚动调度优化模型,求得不同阶段工业负荷需求响应的最优策略。改进IEEE 30和IEEE 118节点系统的仿真结果验证了所提模型及策略的适用性和有效性。 展开更多

关键词 需求响应 条件深度卷积生成对抗网络 多场景随机规划 随机模型预测控制 多时间尺度

在线阅读 下载PDF 职称材料

基于残差SDE-Net的深度神经网络不确定性估计 被引量：2

13

作者 王永光 姚淑珍 谭火彬 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2023年第8期1991-2000,共10页

神经随机微分方程模型(SDE-Net)可以从动力学系统的角度来量化深度神经网络(DNNs)的认知不确定性。但SDE-Net面临2个问题,一是在处理大规模数据集时,随着网络层次的增加会导致性能退化;二是SDE-Net在处理具有噪声或高丢失率的分布内数... 神经随机微分方程模型(SDE-Net)可以从动力学系统的角度来量化深度神经网络(DNNs)的认知不确定性。但SDE-Net面临2个问题,一是在处理大规模数据集时,随着网络层次的增加会导致性能退化;二是SDE-Net在处理具有噪声或高丢失率的分布内数据所引起的偶然不确定性问题时性能较差。为此设计了一种残差SDE-Net(ResSDE-Net),该模型采用了改进的残差网络(ResNets)中的残差块,并应用于SDE-Net以获得一致稳定性和更高的性能;针对具有噪声或高丢失率的分布内数据,引入具有平移等变性的卷积条件神经过程(ConvCNPs)进行数据修复,从而提高ResSDE-Net处理此类数据的性能。实验结果表明:ResSDE-Net在处理分布内和分布外的数据时获得了一致稳定的性能,并在丢失了70%像素的MNIST、CIFAR10及实拍的SVHN数据集上,仍然分别获得89.89%、65.22%和93.02%的平均准确率。 展开更多

关键词 神经随机微分方程 卷积条件神经过程 不确定性估计 残差块 深度神经网络

在线阅读 下载PDF 职称材料

基于TTUR的C⁃DCGAN机械故障诊断模型稳定训练方法 被引量：1

14

作者 罗佳 黄晋英 马健程 《振动．测试与诊断》 EI CSCD 北大核心 2022年第4期733-740,827,共9页

针对条件深度卷积生成式对抗网络(conditional deep convolutional generative adversarial network,简称C⁃DCGAN)在训练过程中出现的不稳定性问题,提出具有随机梯度下降的双时间尺度更新规则(two time⁃scale update rule,简称TTUR)用于... 针对条件深度卷积生成式对抗网络(conditional deep convolutional generative adversarial network,简称C⁃DCGAN)在训练过程中出现的不稳定性问题,提出具有随机梯度下降的双时间尺度更新规则(two time⁃scale update rule,简称TTUR)用于C⁃DCGAN机械故障诊断模型训练中,在判别器和生成器具有单独学习速率的情况下提高模型的稳定性。首先,给出了TTUR在C⁃DCGAN模型中收敛性证明;其次,在西储大学轴承数据集(Case Western Reserve University,简称CWUR)和实验室行星齿轮箱数据集上验证其有效性;最后,引入Jensen⁃Shannon散度(Jensen⁃Shannon divergence,简称JSD)指标评估模型捕获到的真实数据和生成数据之间的相似度。实验结果表明,TTUR提高了C⁃DCGAN的学习能力,优于传统的C⁃DCGAN。 展开更多

关键词 条件深度卷积生成式对抗网络 稳定训练方法 双时间尺度更新规则 JSD散度 机械故障诊断

在线阅读 下载PDF 职称材料

生成式对抗网络在抑郁症分类中的应用 被引量：7

15

作者 刘宁 杨剑 《计算机应用与软件》 北大核心 2018年第6期163-168,233,共7页

深度学习领域中的条件深度卷积生成式对抗网络(CDCGAN)是一种能够生成与训练数据同分布样本的生成模型。针对抑郁症f MRI(functional Magnetic Resonance Imaging)数据难采集、用于研究的被试数远小于数据特征维数的问题,首次将CDCGAN... 深度学习领域中的条件深度卷积生成式对抗网络(CDCGAN)是一种能够生成与训练数据同分布样本的生成模型。针对抑郁症f MRI(functional Magnetic Resonance Imaging)数据难采集、用于研究的被试数远小于数据特征维数的问题,首次将CDCGAN应用于生成抑郁症f MRI数据并提出一种混合特征选择方法用于分析f MRI数据。采用组独立成分分析提取41名被试的独立成分并构建全脑动态功能连接网络;通过肯德尔排序相关系数法选出具有较强辨别能力的特征并使用CDCGAN扩充数据;采用所提出的混合特征选择法进行特征选择;对41名被试的数据进行分类。实验结果表明,采用CDCGAN的分类正确率为92.68%,明显优于不应用CDCGAN的分类结果 68.29%,同时说明了抑郁症f MRI数据采用CDCGAN方法扩充数据的可行性以及混合特征选择方法能选出更有效的特征。 展开更多

关键词 条件深度卷积生成式对抗网络 分类 动态功能连接 独立成分分析

在线阅读 下载PDF 职称材料

改进SSD算法在交通标志检测中的应用 被引量：2

16

作者 孙超 温蜜 景俐娜 《计算机工程与应用》 CSCD 北大核心 2023年第4期147-155,共9页

针对交通标志检测存在误检率高、鲁棒性差等问题,提出了一种改进SSD(single shot multibox detector)的交通标志检测方法。首先从不同维度提取交通标志的位置和方向感知信息,改善目标在浅层特征图上的感受野区域。其次使用特例化的卷积... 针对交通标志检测存在误检率高、鲁棒性差等问题,提出了一种改进SSD(single shot multibox detector)的交通标志检测方法。首先从不同维度提取交通标志的位置和方向感知信息,改善目标在浅层特征图上的感受野区域。其次使用特例化的卷积内核对深层特征图进行条件参数卷积,增强交通标志的特征表达能力。最后对通道注意力机制进行改进,在特征通道中融入目标空间信息,提升交通标志目标的显著性。实验结果表明,提出的方法相较于原始SSD在CCTSDB数据集上的检测精度提升了7.6个百分点,检测速度达到87.5 FPS;在LISA数据集上的平均准确率为94.6%,检测速率为85.0 FPS。相比于其他的检测方法,改进后的SSD算法在复杂的自然场景中对交通标志具有更好的鲁棒性。 展开更多

关键词 交通标志检测 SSD 特征提取 条件参数卷积 注意力机制

在线阅读 下载PDF 职称材料