期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
基于条件扩散模型的结直肠图像染色归一化
1
作者 李子成 贾伟 +1 位作者 赵雪芬 高宏娟 《电子测量技术》 北大核心 2024年第13期136-147,共12页
由于现有染色归一化方法无法准确提取结直肠病理图像的复杂结构特征,导致丢失部分结直肠病理图像的结构信息,无法生成高质量的染色归一化结直肠病理图像。为解决该问题,提出一种基于条件扩散模型的结直肠病理图像染色归一化方法,该方法... 由于现有染色归一化方法无法准确提取结直肠病理图像的复杂结构特征,导致丢失部分结直肠病理图像的结构信息,无法生成高质量的染色归一化结直肠病理图像。为解决该问题,提出一种基于条件扩散模型的结直肠病理图像染色归一化方法,该方法包括条件扩散模型和图像特征重建。在条件扩散模型中,首先,使用马尔科夫链前向过程对结直肠病理原图像进行加噪声。然后,将噪声图像和条件图像输入到增强去噪网络中进行去噪,在这过程中利用增强激活模块,学习结直肠病理图像的深层特征,捕获更多的图像上下文信息。在编码器和解码器之间引入跳跃连接空间注意力模块,准确提取结直肠病理图像的位置空间信息。在图像特征重建中,设计金字塔特征提取模块,提取多尺度条件图像与生成图像的特征,并构建重建损失函数,优化整个网络的性能。实验结果表明,与现有方法相比,所提染色归一化方法在公共数据集GlaS和CRAG上的能生成质量更高的染色归一化结直肠病理图像。 展开更多
关键词 条件扩散模型 结直肠病理图像 染色归一化 去噪网络
在线阅读 下载PDF
基于改进条件生成扩散模型的新能源日前场景生成方法
2
作者 王长刚 刘伟 +3 位作者 曹宇 梁栋 李扬 莫静山 《电网技术》 北大核心 2025年第4期1358-1368,I0022-I0025,共15页
在新能源发电占比不断提高的背景下,如何准确生成新能源出力场景对电力系统日前调度至关重要。基于深度学习的场景生成方法能够完成上述任务,但其黑盒性质使之存在可解释性差等问题。对此,文章提出一种基于改进条件生成扩散模型的新能... 在新能源发电占比不断提高的背景下,如何准确生成新能源出力场景对电力系统日前调度至关重要。基于深度学习的场景生成方法能够完成上述任务,但其黑盒性质使之存在可解释性差等问题。对此,文章提出一种基于改进条件生成扩散模型的新能源日前场景生成方法。该方法的构建基于马尔可夫链和变分推理的理论框架,先通过扩散过程将历史数据转化为纯噪声,再由条件信息引导去噪过程从而生成满足条件分布的场景。并改进噪声表为余弦形式,提高生成场景质量。最后,将方法应用于实际风光出力数据中,结果表明,该方法能够有效生成新能源出力场景,且适应性较好。 展开更多
关键词 新能源 不确定性 场景生成 改进条件生成扩散模型 余弦噪声表
在线阅读 下载PDF
条件扩散和多通道高低频并行的红外与可见光图像融合
3
作者 邸敬 王鹤然 +2 位作者 梁婵 刘冀钊 廉敬 《光学精密工程》 北大核心 2025年第1期148-163,共16页
针对去噪扩散模型在红外与可见光图像融合任务中缺少基准真实值和可见光信息利用不足的问题,提出一种条件扩散和多通道高低频并行的红外与可见光图像融合模型。条件扩散模型利用拼接技术将拼接源图像作为基准真实值进行训练,获得红外与... 针对去噪扩散模型在红外与可见光图像融合任务中缺少基准真实值和可见光信息利用不足的问题,提出一种条件扩散和多通道高低频并行的红外与可见光图像融合模型。条件扩散模型利用拼接技术将拼接源图像作为基准真实值进行训练,获得红外与可见光图像特征提取任务的最优先验分布,在反向去噪过程中引入多通道似然校正模块,更有效地模拟红外与可见光图像的多通道复杂分布。然后,提出细节自适应去噪网络来完成红外与可见光图像的多通道高低频特征提取任务。最后,在融合网络中设计了一种多通道高低频并行融合模块,采用区域一致性融合网络和多通道低频特征融合网络分别完成高低频特征的融合。该模型为红外与可见光图像融合任务提供了一种可训练的扩散模型范式用于特征提取,使用特定的卷积神经网络进行特征融合。通过与近年来提出的9种高水平方法相比,在MSRS和RoadScene数据集上的实验结果表明,本文方法的8种客观评价指标平均提升了4.52%~59.62%。本文方法在色彩保真度和纹理细节保持等方面都优于其他方法,符合人眼视觉特性,能够很好地处理各种光照和环境场景下的红外与可见光图像融合任务。 展开更多
关键词 图像融合 红外与可见光 条件扩散模型 细节自适应去噪网络 多通道高低频并行融合模块
在线阅读 下载PDF
基于扩散模型的节假日高速公路交通流预测方法
4
作者 林培群 陈泽沐 周楚昊 《交通运输系统工程与信息》 北大核心 2025年第2期169-179,共11页
交通管理部门需要依赖精准的交通需求预测来制定科学的交通管控措施。然而,节假日期间交通流的高度不确定性和突发性使得在假期开始前进行精确预测变得困难。本文基于扩散概率模型理论,构建一种适用于节假日交通流预测的扩散框架,并进... 交通管理部门需要依赖精准的交通需求预测来制定科学的交通管控措施。然而,节假日期间交通流的高度不确定性和突发性使得在假期开始前进行精确预测变得困难。本文基于扩散概率模型理论,构建一种适用于节假日交通流预测的扩散框架,并进一步开发了一个融合流量时空特征、节假日特性和天气因素的多特征提取条件扩散模型(Conditional Diffusion Model with Multi-feature Extraction, CDMME),以实现节假日高速公路路段的长时交通流预测。本文选取广东省内28段繁忙高速公路路段在元旦、端午节和中秋节假期的15 min及1 h流量数据进行模型训练和测试。实验结果表明,与随机森林模型相比,CDMME在15 min和1 h总流量预测任务中的加权平均绝对误差百分比(Weighted Mean Absolute Percentage Error,WMAPE)分别下降了12.98%和34.88%,平均绝对误差(Mean Absolute Error, MAE)分别增大了1.47%和下降了23.54%;与长短时记忆网络模型相比,WMAPE分别降低了16.10%和32.39%,MAE分别降低了9.42%和27.55%。与15 min总流量预测、1 h客车流量预测和1 h货车流量预测相比,1 h总流量预测的WMAPE分别下降了29.57%、12.23%和30.42%,表明在数据量级更大的任务中,CDMME的性能更为优越。可视化结果显示,CDMME在捕捉流量峰值方面表现更出色。此外,提前1天进行预测时,CDMME的平均预测准确率最高,1 h总流量预测的精度可达到87.27%。 展开更多
关键词 智能交通 长时交通流预测 条件扩散模型 高速公路 节假日
在线阅读 下载PDF
基于扩散模型的流场超分辨率重建方法 被引量:2
5
作者 韩阳 朱军鹏 +2 位作者 郭春雨 范毅伟 汪永号 《力学学报》 EI CAS CSCD 北大核心 2023年第10期2309-2320,共12页
低分辨率的流场数据具有较少的信息量,不能充分捕捉流场中的细节演化过程.尤其对于湍流的随机脉动特征和小尺度涡旋细节特征更加难以获取,这限制了对流场演化机理进行深入研究.为了解决这一局限性,并从低分辨率流场中重建高分辨率数据,... 低分辨率的流场数据具有较少的信息量,不能充分捕捉流场中的细节演化过程.尤其对于湍流的随机脉动特征和小尺度涡旋细节特征更加难以获取,这限制了对流场演化机理进行深入研究.为了解决这一局限性,并从低分辨率流场中重建高分辨率数据,文章提出一种流场超分辨率重建的生成扩散模型FlowDiffusionNet.该模型以低分辨率流场数据输入作为约束条件,采用去噪分数匹配方法,来实现高分辨率流场数据的复现.FlowDiffusionNet在结构设计上充分考虑了流场数据的低频信息与高频空间特征,采用基于扩散过程的建模方法,用于重建高分辨率流场数据的残差.该模型结构便于实现迁移学习,可在不同程度的退化流场上应用.将该方法在多种经典流场数据集上进行测试,并与双三次插值(bicubic)、超分辨率生成对抗网络(SRGAN)、超分辨率卷积神经网络(SRCNN)等方法进行比较.结果表明,该方法在各种流场上的重建性能达到最佳水平,特别是对于包含小尺度涡结构的4倍下采样流场数据,客观评价指标SSIM达到0.999. 展开更多
关键词 流场超分辨率重建 条件扩散模型 深度学习 流场残差 迁移学习
在线阅读 下载PDF
基于FDVI和CDDPM的小样本岸桥齿轮箱多类故障诊断
6
作者 袁九海 张氢 +2 位作者 张建群 冯文宗 孙远韬 《振动与冲击》 北大核心 2025年第6期306-317,共12页
岸桥齿轮箱零部件数量多、故障类型丰富,且故障数据难以获取,其诊断面临小样本、多分类的问题。针对上述问题,提出了一种基于频域振动图(frequency domain vibration image,FDVI)和条件去噪扩散概率模型(conditional denoising diffusio... 岸桥齿轮箱零部件数量多、故障类型丰富,且故障数据难以获取,其诊断面临小样本、多分类的问题。针对上述问题,提出了一种基于频域振动图(frequency domain vibration image,FDVI)和条件去噪扩散概率模型(conditional denoising diffusion probabilistic model,CDDPM)的故障诊断方法。首先,将获取的振动信号转为FDVI图像,充分表征各故障的振动信号的特征信息;然后,使用CDDPM对小样本数据进行扩充,将标签信息输入到模型以控制生成故障样本类别,同时采用跳层采样加快样本生成速度;最后,将扩充后的样本集输入卷积神经网络分类器中进行训练,提升分类器对小样本多类故障诊断的效果。在对CWRU数据集的17种故障类型和岸桥缩尺试验台数据集的29种故障类型的小样本诊断试验表明:样本扩充后CWRU数据集故障识别率由89.86%提高到99.30%;岸桥数据集故障识别率由68.63%提高到95.75%。上述分析表明所提方法能完成小样本条件下岸桥齿轮箱多类故障诊断任务。 展开更多
关键词 频域振动图 条件去噪扩散概率模型 小样本 岸桥齿轮箱 故障诊断
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部