基于扩张注意力与深度最优化校正的多视图三维重建网络

1

作者 徐蕾 雷有元 +3 位作者 朱军 周杰 邵根富 张家铭 《数据采集与处理》 北大核心 2025年第4期1023-1034,共12页

与CVP-MVSNet网络和CasMVSNet网络相比,MVSNet重建网络存在的内存消耗量问题降低了模型处理高分辨率图像时的内存消耗量以及重建点云的准确性误差,但是两者点云的完整性误差却很大。针对此问题,本文提出了基于扩张注意力与深度最优化校... 与CVP-MVSNet网络和CasMVSNet网络相比,MVSNet重建网络存在的内存消耗量问题降低了模型处理高分辨率图像时的内存消耗量以及重建点云的准确性误差,但是两者点云的完整性误差却很大。针对此问题,本文提出了基于扩张注意力与深度最优化校正的多视图三维重建网络DA-MVSNet。DA-MVSNet是以CasMVSNet作为基准网络,额外引入一个融合了深度可分离卷积的并行空洞卷积与注意力模块构成的特征增强网络,增强了重建网络对输入视图的全局特征捕获能力,提升了重建点云的完整度。为进一步提升输出深度图的精度,防止特征增强网络提取过多的视图非相关背景信息导致重建点云准确度的下降,在网络的输出部分还引入了一个基于非线性最小二乘的最优化校正机制模块。结果表明,DA-MVSNet重建网络在室内场景数据集DTU上运行得到的重建点云的准确性误差与完整性误差分别降低了2.5%和4.7%,具有较好的综合性能。但也由于额外引入了增强网络和校正机制,其内存和时间消耗均约高于CVP-MVSNet与CasMVSNet网络。 展开更多

关键词 深度学习 三维重建 注意力机制 空洞卷积 最优化校正

在线阅读 下载PDF 职称材料

融合金字塔和多尺度注意力的多曝光图像融合优化算法

2

作者 王卫苹 刁亚鹏 《智能系统学报》 北大核心 2025年第4期916-927,共12页

为解决复杂光照条件下真实场景中导致的图像噪声、模糊和细节丢失问题,本文提出一种多曝光图像融合技术DPEPA-MEF(deep pyramid exposure pyramid attention-multi-exposure fusion)。该方法通过有效结合不同曝光水平的图像,解决高对比... 为解决复杂光照条件下真实场景中导致的图像噪声、模糊和细节丢失问题,本文提出一种多曝光图像融合技术DPEPA-MEF(deep pyramid exposure pyramid attention-multi-exposure fusion)。该方法通过有效结合不同曝光水平的图像,解决高对比度、低光照以及色彩和亮度平衡等问题。该方法由3个模块组成,对DPE(deep pyramid exposure)进行改进。第1个模块专注于内容细节提取,第2个模块负责色彩映射和校正,第3个模块利用多尺度特征金字塔进行图像恢复。实验结果表明,在不同的光照条件和动态场景下,DPEPA-MEF能够更有效地融合多张曝光图像,生成的图像在细节保留、色彩还原和对比度等方面表现出色。通过定量评估指标和主观视觉评估,DPEPA-MEF均显示出显著的优势,证明了该方法在实际应用中的巨大潜力和优越性。 展开更多

关键词 图像融合 注意力机制 金字塔网络 多曝光 细节提取 色彩校正 多尺度 深度学习

在线阅读 下载PDF 职称材料

融合残差及通道注意力机制的单幅图像去雨方法 被引量：6

3

作者 张世辉 闫晓蕊 桑榆 《计量学报》 CSCD 北大核心 2021年第1期20-28,共9页

为了去除雨天图像上附着的雨滴并恢复图像的清晰度,提出一种基于深度学习思想结合图像增强技术融合残差及通道注意力机制来实现的单幅图像去雨方法。首先,利用导向滤波将有雨图像分解为平滑基本层和高频细节层;其次,提出自适应Gamma校... 为了去除雨天图像上附着的雨滴并恢复图像的清晰度,提出一种基于深度学习思想结合图像增强技术融合残差及通道注意力机制来实现的单幅图像去雨方法。首先,利用导向滤波将有雨图像分解为平滑基本层和高频细节层;其次,提出自适应Gamma校正算法增强平滑基本层以提高对比度;然后,构建融合残差块和通道注意力机制的深度神经网络实现高频细节层去雨;最后,将去雨后的高频细节层与增强后的平滑基本层融合实现单幅图像去雨功能。实验结果表明:与具有代表性的单幅图像去雨方法相比,所提方法效果较好并可保留更多的图像细节信息。 展开更多

关键词 计量学 单幅图像去雨 图像处理 压缩和激励残差网络 注意力机制 深度学习 GAMMA校正

在线阅读 下载PDF 职称材料

融合特征注意力机制的非均匀光照图像增强算法 被引量：1

4

作者 王书朋 何引弟 《计算机工程》 CAS CSCD 北大核心 2023年第8期232-239,共8页

在非均匀光照环境下用户获取到的图像往往呈现亮度分布不均、细节丢失等特点。针对现有图像增强算法在处理非均匀光照图像时容易造成局部过度增强或增强不足等问题,提出一种融合特征注意力机制的非均匀光照图像增强算法(ULIEN)。通过学... 在非均匀光照环境下用户获取到的图像往往呈现亮度分布不均、细节丢失等特点。针对现有图像增强算法在处理非均匀光照图像时容易造成局部过度增强或增强不足等问题,提出一种融合特征注意力机制的非均匀光照图像增强算法(ULIEN)。通过学习非线性Gamma函数将非均匀光照图像映射为增强图像,引入亮度注意力图和通道注意力机制分别为图像不同的亮度区域和特征通道分配不同的学习权值,实现不同区域的图像增强。在训练过程中,ULIEN增强网络无需任何参考图像,通过一组无参考损失函数的设计驱动增强网络训练。实验结果表明,经所提算法增强后的图像在主观视觉方面能有效避免细节丢失、伪影、局部过增强或增强不足等问题,在BTMQI、ENIQA、TMQI、UNIQUE客观评价指标上分别可达3.727 0、1.109 6、0.903 0、0.755 7,相较于对照增强算法具有明显优势。 展开更多

关键词 图像增强 非均匀光照图像 GAMMA校正 无监督学习 注意力机制

在线阅读 下载PDF 职称材料

视差注意力的立体图像颜色校正方法 被引量：7

5

作者 郑愈明 范媛媛 牛玉贞 《小型微型计算机系统》 CSCD 北大核心 2022年第3期611-620,共10页

立体图像左右视图间的差异影响了视觉任务对深度信息的重建.现有立体图像颜色校正方法在进行颜色校正时,颜色校正效果与整体时间效率不平衡.为了解决这个问题,本文提出一种端到端的基于视差注意力的立体图像颜色校正方法.该方法在一个... 立体图像左右视图间的差异影响了视觉任务对深度信息的重建.现有立体图像颜色校正方法在进行颜色校正时,颜色校正效果与整体时间效率不平衡.为了解决这个问题,本文提出一种端到端的基于视差注意力的立体图像颜色校正方法.该方法在一个卷积神经网络内同时进行立体图像对应关系获取和目标图像颜色校正.先采用共享参数的多尺度特征提取模块分别提取参考图像和待校正失真图像的特征,再通过视差注意力模块的双向匹配策略进行特征之间的对应关系匹配与融合,获取图像对应匹配关系,最后重建融合特征得到校正目标图像.视差注意力机制仅在图像水平视差方向进行搜索匹配像素,能够实现左右视图信息的高效融合.实验结果表明,与现有方法相比本文模型更有效,能够在保持高时间效率的同时获得更高质量的颜色校正结果. 展开更多

关键词 颜色校正 立体图像 卷积神经网络 视差注意力机制

在线阅读 下载PDF 职称材料

结合空间注意力机制与多尺度分辨率融合的低光照图像增强方法 被引量：3

6

作者 王秀君 钱蓉蓉 任文平 《激光杂志》 CAS 北大核心 2023年第6期86-91,共6页

为了解决低光照条件下拍摄造成的对比度过低、颜色失真等多种图像内容退化问题,提出了一种结合空间注意力机制与多尺度分辨率融合的图像增强方法。首先基于Retinex理论,利用带有空间注意力机制的分解网络将低光照图像分解为光照图与反射... 为了解决低光照条件下拍摄造成的对比度过低、颜色失真等多种图像内容退化问题,提出了一种结合空间注意力机制与多尺度分辨率融合的图像增强方法。首先基于Retinex理论,利用带有空间注意力机制的分解网络将低光照图像分解为光照图与反射图,并且在光照图中,采用伽玛校正对光照图拉伸光照对比度。然后在融合网络中,将校正过的光照图与反射图通过U-net网络,使高、低分辨率的特征图充分融合来生成最终的色泽度饱满、细节信息丰富的结果。提出的算法在LOL-dataset数据集的结构相似度指标为0.8032,比同类最优算法高出6.37%。 展开更多

关键词 RETINEX理论 空间注意力机制 图像增强 伽玛校正 U-net网络

在线阅读 下载PDF 职称材料

面向智慧交通的双重特征融合图像曝光校正

7

作者 杨佳钧 张金艺 陈琪 《计算机辅助设计与图形学学报》 北大核心 2025年第4期678-687,共10页

在智慧交通领域中,监控拍摄的车辆图像质量会受到场景光照条件的影响而造成关键信息损失,导致后续交通执法缺乏可靠的图像依据,而现有的图像曝光校正方法存在校正后图像颜色失真、细节模糊等问题.为此,提出一种面向智慧交通的双重特征... 在智慧交通领域中,监控拍摄的车辆图像质量会受到场景光照条件的影响而造成关键信息损失,导致后续交通执法缺乏可靠的图像依据,而现有的图像曝光校正方法存在校正后图像颜色失真、细节模糊等问题.为此,提出一种面向智慧交通的双重特征融合图像曝光校正方法.该方法通过全局子网与曝光子网提取相关特征,全局子网引入特征注意力机制提取图像全局特征,改善校正图像的整体亮度与颜色;曝光子网基于U-Net结构,引入多尺度注意力机制提取图像中不同尺度的曝光特征,提升校正图像的细节纹理;最后对双重特征进行融合,将其映射至图像空间,实现图像曝光校正.在MSEC数据集上的实验结果表明,所提方法的峰值信噪比达到21.801 5 dB,结构相似度达到0.867 7,自然图像质量评价达到11.711 8,均优于对比的曝光校正方法,能够有效地还原图像颜色信息与细节纹理,证明该方法具有良好的曝光校正效果. 展开更多

关键词 图像曝光校正 注意力机制 双重特征 智慧交通

在线阅读 下载PDF 职称材料

基于颜色校正和多尺度融合的水下图像增强 被引量：1

8

作者 陶洋 武萍 +2 位作者 刘羽婷 方文俊 周立群 《液晶与显示》 CAS CSCD 北大核心 2024年第8期1046-1056,共11页

为了解决水下图像存在的颜色失真、细节模糊问题,本文算法以Unet网络为基本框架,同时在不同编码层中输入多尺度图像,通过融合上下层间的特征流来获得更优异的细节保持效果,实现了从粗到细的细节提取能力。此外,引入颜色校正模块和双重... 为了解决水下图像存在的颜色失真、细节模糊问题,本文算法以Unet网络为基本框架,同时在不同编码层中输入多尺度图像,通过融合上下层间的特征流来获得更优异的细节保持效果,实现了从粗到细的细节提取能力。此外,引入颜色校正模块和双重注意力模块,有效解决了水下图像色偏问题和细节恢复不均匀的问题。实验结果表明,在UFO、EUVP、UIEB数据集上,本文算法增强图像的PSNR和UIQM指标比原始图像平均分别提高了21.3%和25.6%。该算法能有效改善水下图像的视觉质量,在主观视觉和客观评价指标上优于其他算法。 展开更多

关键词 水下图像增强 多尺度特征 颜色校正模块 注意力机制

在线阅读 下载PDF 职称材料

小样本下基于MTF与SSCAM-MSCNN的滚动轴承变工况故障诊断方法 被引量：1

9

作者 雷春丽 焦孟萱 +2 位作者 薛林林 张护强 史佳硕 《计算机集成制造系统》 北大核心 2025年第1期278-289,共12页

针对滚动轴承在不同工况条件下样本分布不同以及故障样本数量不足导致故障诊断精度低、泛化性能差的问题,提出一种小样本下基于MTF与SSCAM-MSCNN的滚动轴承变工况故障诊断方法。首先,运用马尔科夫转移场(MTF)将一维振动信号转化为具有... 针对滚动轴承在不同工况条件下样本分布不同以及故障样本数量不足导致故障诊断精度低、泛化性能差的问题,提出一种小样本下基于MTF与SSCAM-MSCNN的滚动轴承变工况故障诊断方法。首先,运用马尔科夫转移场(MTF)将一维振动信号转化为具有时间相关性的二维特征图。其次,提出条纹自校正注意力机制(SSCAM),它不仅可以加强模型在长距离方向上的特征提取能力,还能建立通道间依赖关系,可以对全局有效信息进行捕捉。然后,将SSCAM引入到多尺度神经网络(MSCNN)中,构建出SSCAM-MSCNN模型。最后,将MTF二维特征图输入到所提模型中进行训练,采用优化后的网络模型进行测试并输出分类结果。通过美国凯斯西储大学以及本实验室MFS滚动轴承数据集对所提方法进行验证,同时对后者进行加噪处理,与其他故障诊断模型进行对比。试验结果表明,所提方法在小样本、变工况条件下具有更高的识别精度、更强的泛化性能与抗噪性能。 展开更多

关键词 滚动轴承 马尔科夫转移场 卷积神经网络 条纹自校正注意力机制 小样本 故障诊断

在线阅读 下载PDF 职称材料

基于注意力机制的服装图像边缘特征提取方法

10

作者 肖剑锋 赵晶晶 《毛纺科技》 2025年第10期118-125,共8页

为解决服装图像识别与分类任务中边缘特征提取精度不足的问题,提出基于注意力机制的服装图像边缘特征提取方法。针对服装图像的特点,采用加权分布自适应Gamma校正算法增强边缘对比度,利用二值化处理,有效分离服装图像目标与背景,进一步... 为解决服装图像识别与分类任务中边缘特征提取精度不足的问题,提出基于注意力机制的服装图像边缘特征提取方法。针对服装图像的特点,采用加权分布自适应Gamma校正算法增强边缘对比度,利用二值化处理,有效分离服装图像目标与背景,进一步凸显服装图像边缘的清晰度。利用基于注意力机制的模型提取图像边缘特征并通过空间注意力机制选取重要边缘特征,利用反卷积生成服装边缘特征图像。实验结果表明:该方法在5类样本上的边缘轮廓结构相似性MESS值都超过了0.90,相较于传统方法有显著提升,验证了该方法在提取服装图像边缘特征方面的优越性和有效性。研究提升了服装识别与分类的精度,也为相关领域的图像处理与特征提取提供了新的思路和方法。 展开更多

关键词 注意力机制 服装图像 对比度增强 二值化 边缘特征 Gamma校正算法

在线阅读 下载PDF 职称材料

小样本下自校正卷积神经网络的滚动轴承故障识别方法 被引量：18

11

作者 雷春丽 夏奔锋 +2 位作者 薛林林 焦孟萱 史佳硕 《仪器仪表学报》 EI CAS CSCD 北大核心 2022年第9期122-130,共9页

针对实际工程中因故障样本数据稀少而导致模型识别准确率不高的问题,提出了一种基于自校正卷积神经网络(SC-CNN)的滚动轴承故障诊断模型,并将其应用于小样本条件下的故障识别研究。首先,为减少不同信号的数据分布差异,在每个卷积层后添... 针对实际工程中因故障样本数据稀少而导致模型识别准确率不高的问题,提出了一种基于自校正卷积神经网络(SC-CNN)的滚动轴承故障诊断模型,并将其应用于小样本条件下的故障识别研究。首先,为减少不同信号的数据分布差异,在每个卷积层后添加BN算法;其次,利用自校正卷积学习信号的多尺度特征,提高模型获取有用故障特征的能力;然后,引入通道自注意力机制,建立通道特征信息之间的相关性,用于突出故障特征并抑制数据过拟合;再将少量训练样本输入到模型中进行学习;最后,将各类不同条件下的故障信号输入到训练好的SC-CNN模型进行识别分类,并在两个数据集上进行实验验证。结果表明,所提模型在信噪比为-4 dB的强噪声环境下,识别准确率分别为98.64%和99.83%,在变工况条件下,识别准确率分别为94.37%和99.64%,验证了SC-CNN模型在小样本条件下具有较强的鲁棒性和泛化性能。 展开更多

关键词 故障识别 小样本 自校正卷积 通道自注意力机制 滚动轴承

在线阅读 下载PDF 职称材料

基于EAST与SVTR的芯片表面字符识别方法

12

作者 阮红进 刘强 +1 位作者 姚子锴 谢谦 《计算机工程与设计》 北大核心 2025年第1期166-173,共8页

为提高芯片表面字符识别的实时性和准确率,提出一种基于EAST与SVTR的字符识别算法。针对EAST文本检测算法,将主干特征提取网络替换为轻量化的深度神经网络FasterNet-T0,减少网络的计算量;添加通道注意力机制自适应学习不同通道的权重分... 为提高芯片表面字符识别的实时性和准确率,提出一种基于EAST与SVTR的字符识别算法。针对EAST文本检测算法,将主干特征提取网络替换为轻量化的深度神经网络FasterNet-T0,减少网络的计算量;添加通道注意力机制自适应学习不同通道的权重分配,加强对重要特征的筛选。改进获得文本区域得分的损失函数,采用Dice损失缓解因图像背景面积过大导致误检的问题。文本方向校正算法对图像中任意方向的文本进行水平校正。由单一视觉模型的文本识别算法SVTR完成对字符的识别。实验结果表明,改进后文本检测算法的精确率、召回率较原算法分别提升了2.43%和4.66%,单帧图片的检测速度提升了0.005 s;添加文本方向校正算法后,识别准确率提升了1.92%。与现有方法对比,验证了该算法的有效性。 展开更多

关键词 芯片表面字符识别 文本检测 文本方向校正 文本识别 轻量化深度神经网络 高效通道注意力机制 损失函数

在线阅读 下载PDF 职称材料

基于RAGAN的工业过程运行指标前馈-反馈多步校正

13

作者 杨宇晴 王德睿 丁进良 《自动化学报》 EI CAS CSCD 北大核心 2023年第5期999-1009,共11页

针对工业过程运行指标反馈校正存在滞后及一步推理校正模型可解释性差的问题,提出了基于递归注意力生成对抗网络(Recurrent attention generative adversarial networks, RAGAN)的运行指标前馈-反馈多步校正方法.该方法采用基于负相关... 针对工业过程运行指标反馈校正存在滞后及一步推理校正模型可解释性差的问题,提出了基于递归注意力生成对抗网络(Recurrent attention generative adversarial networks, RAGAN)的运行指标前馈-反馈多步校正方法.该方法采用基于负相关正则化的集成随机权神经网络,建立综合生产指标预报模型,为校正提供前馈信息补偿反馈校正的滞后性.提出的RAGAN校正,采用多步校正实现一次调整的思想,将当前时刻运行指标映射到低维潜变量空间简化数据复杂度,利用长短期记忆(Long short-term memory, LSTM)模型实现数据的分步输入,提高模型可解释性;采用分布式注意力(Distributed attention, DA)机制构建数据读入网络,使校正环节获取任务相关性更高的数据,降低任务复杂度,减小噪声干扰,利用校正后的运行指标,保证系统的综合指标尽可能地跟随设定值运行.采用中国西部地区最大选矿厂实际数据的仿真实验,验证了所提方法的有效性. 展开更多

关键词 复杂工业过程 运行优化 多步校正 注意力机制 前馈-反馈校正

在线阅读 下载PDF 职称材料

基于ISAM-Drsnet的故障识别模型及其应用

14

作者 朱乐文 田兴 李宪华 《机电工程》 CAS 北大核心 2024年第2期216-225,270,共11页

针对滚动轴承故障诊断时网络模型在复杂环境下有效特征提取困难,无法充分挖掘具有周期性的滚动轴承故障数据时序特征的问题,提出了一种基于改进条纹注意力机制与深度残差收缩网络的滚动轴承故障诊断模型(ISAM-Drsnet)。首先,采用递归图(... 针对滚动轴承故障诊断时网络模型在复杂环境下有效特征提取困难,无法充分挖掘具有周期性的滚动轴承故障数据时序特征的问题,提出了一种基于改进条纹注意力机制与深度残差收缩网络的滚动轴承故障诊断模型(ISAM-Drsnet)。首先,采用递归图(RP)编码方式生成了二维图像,使用ISAM和改进软阈值算法加强了Drsnet;然后,采取重叠采样的方式对数据集进行了增强处理,并将数据输入到ISAM-Drsnet中,实现了对不同故障类型的识别目的;最后,利用凯斯西储大学滚动轴承数据集进行了实验,选取了最佳数据截取长度,研究了改进软阈值、数据集规模、噪声对模型的影响;同时,将该模型与支持向量机(SVM)、反向传播神经网络(BPNN)、卷积神经网络(CNN)等进行了对比分析,并采用混淆矩阵等可视化方法对该模型进行了性能评估。实验结果表明:该模型(方法)的故障诊断性能明显优于SVM、BPNN、CNN等模型,其故障诊断精度可达99.79%,相比原始的Drsnet上升了1.60%;且在数据集规模有限和信号添加噪声的情况下,模型仍具有较高的故障诊断精度。研究结果表明:该轴承故障诊断模型不仅具有优秀的诊断性能,同时还具有较强的鲁棒性。 展开更多

关键词 滚动轴承 故障诊断性能 改进条纹注意力机制 深度收缩残差网络 递归图 鲁棒性

在线阅读 下载PDF 职称材料

基于深度学习的弹底窝痕特征点比对方法

15

作者 诸嘉翎 洪荣晶 张浩 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2024年第10期1549-1558,共10页

针对3D弹底窝痕(BFI)表面粗糙度成分中峰点、谷点、鞍点和脊点等特征点,由于击打偏心或不完全接触产生无效区域,传统的特征点检测与匹配方法比对精度低,且不适用于条纹状纹理的BFI.综合考虑,采用自监督学习模型检测特征点以及注意力机... 针对3D弹底窝痕(BFI)表面粗糙度成分中峰点、谷点、鞍点和脊点等特征点,由于击打偏心或不完全接触产生无效区域,传统的特征点检测与匹配方法比对精度低,且不适用于条纹状纹理的BFI.综合考虑,采用自监督学习模型检测特征点以及注意力机制图神经网络匹配特征点.对于特征点检测模型,首先对虚拟图像数据集有监督训练然后通过多尺度变换产生伪标签并进行自监督学习;对于特征点匹配模型,采用注意力机制图神经网络建立特征点间匹配关系,为减少无效区域干扰,添加垃圾箱通道用于表示没有对应匹配关系的特征点.采用共聚焦显微镜采集BFI表面形貌并滤波提取其中表面粗糙度成分,分别对颗粒状和条纹状纹理特征的BFI数据进行验证.与传统方法对比,以已知不匹配BFI的特征点匹配率最大值为阈值,该方法能够完全区分已知匹配和已知不匹配BFI,适用于颗粒状和条纹状纹理特征的BFI,具有抗无效区域干扰能力. 展开更多

关键词 弹底窝痕 颗粒状纹理 条纹状纹理 自监督学习 注意力机制图神经网络

在线阅读 下载PDF 职称材料

基于积极概率分布引导的水下图像增强网络

16

作者 朱立忠 王雅鑫 郭宝仁 《现代电子技术》 北大核心 2024年第23期15-21,共7页

针对水下环境复杂多变,导致现存算法难以稳定恢复水下退化图像的问题,文中提出一种基于积极概率分布引导的水下图像增强网络,该网络通过构建积极样本概率引导框架,从混合样本中估计其特征概率分布来引导网络恢复退化图像。首先,提出多... 针对水下环境复杂多变,导致现存算法难以稳定恢复水下退化图像的问题,文中提出一种基于积极概率分布引导的水下图像增强网络,该网络通过构建积极样本概率引导框架,从混合样本中估计其特征概率分布来引导网络恢复退化图像。首先,提出多分支信息提取架构获取输入特征的多空间特征,并分别在空间、像素、通道等方面增强图像特征分布;其次,结合条件变分自动编码器与自适应实例归一化获取特征分布,并改进现有风格迁移算法增强图像颜色与对比度;最后,结合多项损失函数进一步增强网络的鲁棒性,提高图像质量。实验结果表明,所提方法输出图像色泽清晰、颜色均衡,在多个数据集上的定性定量指标均优于对比的经典和新颖算法,对真实海洋工作具有重要意义。 展开更多

关键词 水下图像增强 概率分布 条件变分自动编码器 自适应实例归一化 注意力机制 色偏校正

在线阅读 下载PDF 职称材料

基于两阶段不确定性量化的光伏发电超短期功率预测 被引量：22

17

作者 张家安 郝峰 +2 位作者 董存 刘辉 李志军 《太阳能学报》 EI CAS CSCD 北大核心 2023年第1期69-77,共9页

针对光伏功率预测,提出一种光伏发电出力不确定性量化分析的两阶段模型。第1阶段,首先选取待预测日之前一段时间的光伏输出功率历史数据作为训练样本,引入模糊熵(FE)将不同天气类型量化并作为输入量;然后利用集成经验模态分解(EEMD)将... 针对光伏功率预测,提出一种光伏发电出力不确定性量化分析的两阶段模型。第1阶段,首先选取待预测日之前一段时间的光伏输出功率历史数据作为训练样本,引入模糊熵(FE)将不同天气类型量化并作为输入量;然后利用集成经验模态分解(EEMD)将光伏发电功率时间序列分解为多个模态分量,再利用Hurst指数分析将不同模态分量重构为中尺度和宏尺度2个子序列,基于双向长短期记忆神经网络并引入注意力机制对重构后的2个子序列分别进行预测;最后对中尺度子序列对应的误差序列进行修正,得到光伏发电出力的点预测结果。第2阶段,根据第1阶段点预测结果得到的误差统计,采用核密度估计(KDE)方法预测光伏发电出力的区间,分别获取在95%、90%、85%及80%置信水平下的区间覆盖率(PICP)。应用中国西北地区某光伏电站运行数据作为算例,验证了该文预测方法的有效性。 展开更多

关键词 光伏发电 预测 神经网络 注意力机制 集成经验模态分解 误差校正

在线阅读 下载PDF 职称材料

基于旋转目标检测的指针式仪表示数识别方法 被引量：7

18

作者 孙顺远 陈浩 《仪表技术与传感器》 CSCD 北大核心 2023年第3期18-23,32,共7页

针对目前指针式仪表示数识别方法实用性差、累计误差大的问题,提出了一种基于旋转目标检测网络的指针式仪表示数识别方法。首先,改进网络模型YOLOv5s,生成旋转目标检测网络,同时,引入密集编码标签,解决旋转目标检测中存在的边界问题,并... 针对目前指针式仪表示数识别方法实用性差、累计误差大的问题,提出了一种基于旋转目标检测网络的指针式仪表示数识别方法。首先,改进网络模型YOLOv5s,生成旋转目标检测网络,同时,引入密集编码标签,解决旋转目标检测中存在的边界问题,并向模型中引入注意力模块,提升模型获取目标特征的能力;其次,利用网络输出的位置与角度信息对表盘进行倾斜校正和刻度点筛选,省去了对表盘指针进行直线检测的时间;最后,利用角度法完成仪表示数读取。实验证明,该方法读数误差较小,具有一定的抗干扰能力,进一步提高了示数读取的速度和精度。 展开更多

关键词 指针式仪表 旋转目标检测 密集编码标签 注意力机制 倾斜校正 示数读取

在线阅读 下载PDF 职称材料

基于改进HRNet的单幅图像苹果果树深度估计方法 被引量：8

19

作者 龙燕 高研 张广犇 《农业工程学报》 EI CAS CSCD 北大核心 2022年第23期122-129,共8页

针对苹果自动采收获取深度信息的实际需求,以及目前单幅图像深度估计算法存在的空间分辨率低和边缘模糊问题,提出一种基于改进高分辨率网络(High-Resoultion Net,HRNet)的单幅图像苹果果树深度估计模型。首先基于HRNet构建多分支并行的... 针对苹果自动采收获取深度信息的实际需求,以及目前单幅图像深度估计算法存在的空间分辨率低和边缘模糊问题,提出一种基于改进高分辨率网络(High-Resoultion Net,HRNet)的单幅图像苹果果树深度估计模型。首先基于HRNet构建多分支并行的编码器网络,提取多尺度特征,并通过引入密集连接机制强化特征传递过程中的连续性;为了减少冗余特征造成的噪声干扰,使用卷积注意力模块在通道及像素层级对融合特征进行重标定,强化特征图结构信息。在解码器网络中,使用条纹细化模块自适应地优化特征图的边界细节信息,突出边缘特征,改善边缘模糊问题,最后经上采样生成深度图。在NYU Depth V2公共数据集和果树深度数据集上进行试验。试验结果表明,引入密集连接机制,添加卷积注意力模块、条纹细化模块均能提升模型性能。提出的改进HRNet网络在果树深度数据集上的平均相对误差、均方根误差、对数平均误差、深度边缘准确误差和边缘完整性误差分别为0.123、0.547、0.051、3.90和10.59,在1.25、1.252、1.253阈值下的准确率分别达到了0.850、0.975、0.993;在主观视觉上,改进HRNet网络生成的深度图有清晰的边缘以及较多的纹理细节。该方法在客观指标和主观效果上均有良好的表现。 展开更多

关键词 图像处理 深度学习 苹果果树 单幅图像深度估计 密集连接机制 卷积注意力模块 条纹细化模块

在线阅读 下载PDF 职称材料

基于改进U-net网络的液压管路分割方法 被引量：4

20

作者 张平 佟昆宏 王学珍 《电子测量与仪器学报》 CSCD 北大核心 2023年第1期123-129,共7页

针对液压管路背景多变、管道弯折、管道重叠排布等复杂现象且现有图像分割方法对管路分割精度不高等问题,提出一种以U-net网络为基础,结合Mobilenetv3网络、SE注意力机制模块、自校正卷积模块的液压管路分割方法。该方法以Mobilenetv3-l... 针对液压管路背景多变、管道弯折、管道重叠排布等复杂现象且现有图像分割方法对管路分割精度不高等问题,提出一种以U-net网络为基础,结合Mobilenetv3网络、SE注意力机制模块、自校正卷积模块的液压管路分割方法。该方法以Mobilenetv3-large模型作为骨干网络,结合LR-ASPP网络处理特征图;在解码过程中,融入SE注意力模块和SC自校正模块,提升了特征提取能力;最后采用Dice函数和BCE函数的组合来作为网络的损失函数,有效地提升了网络的收敛能力。实验结果表明本文提出的方法在交并比、像素精度指标上的均值分别达到90.8%、95.2%,且模型体积为16.9 M,推理每张图像所耗时间20 ms,可应用于需实时部署的场景,为液压管路渗漏的准确识别提供了基础。 展开更多

关键词 液压管路 图像分割 Mobilenetv3网络 注意力机制 SC自校正模块

在线阅读 下载PDF 职称材料