检索结果-维普期刊中文期刊服务平台

基于光谱-空间卷积神经网络的成矿远景区预测研究——以巴基斯坦Chagai地区为例: 1; 作者李磊佳王猛 +3 位作者胡杰张博瑞剧弘旷刘磊《地质与勘探》 2025年第5期1043-1052,共10页; 卷积神经网络(CNN)是成矿远景区预测研究中广泛使用的方法,如何提升CNN模型的泛化能力和鲁棒性仍是当前研究的热点。巴基斯坦西南部的Chagai成矿带西部发育世界级斑岩铜矿床Reko Diq和大型斑岩铜矿Saindak,是开展斑岩型铜矿床成矿远景... 展开更多; 关键词光谱-空间卷积神经网络成矿远景斑岩型铜矿 Chagai带巴基斯坦; 在线阅读下载PDF 职称材料

基于空间语义分割的多车道线检测跟踪网络被引量：3: 2; 作者石金鹏张旭《光学精密工程》 EI CAS CSCD 北大核心 2023年第9期1357-1365,共9页; 基于深度学习的目标检测网络在车道线识别领域依旧存在车道区别不明显,识别精度低,误检率、漏检率高等问题。为了解决这些问题,提出了一种基于空间实例分割的轻量级车道检测跟踪网络。该方法在编码部分使用VGG16网络和空间卷积神经网络... 展开更多; 关键词机器视觉语义分割车道线检测跟踪轻量级卷积神经网络空间卷积神经网络; 在线阅读下载PDF 职称材料

融合改进GAN网络的夜视环境车道线检测被引量：1: 3; 作者刘岩仇甜甜 +2 位作者肖艳秋朱付保王靖雯《计算机工程与应用》 CSCD 北大核心 2023年第15期214-222,共9页; 基于深度学习的车道线检测方法有效地促进了自动驾驶技术的发展,然而这些方法在处理夜视场景下车道线检测问题仍然存在一定的不足。针对夜视场景下车道线检测存在的检测精度弱问题,将基于注意力机制的生成对抗网络(attentive GAN)和空... 展开更多; 关键词夜间车道线检测注意力机制的生成对抗网络(Attentive GAN) ResNet-18网络空间卷积神经网络(SCNN); 在线阅读下载PDF 职称材料

基于去模糊空间变换RCNN的毫米波图像目标检测（英文）被引量：6: 4; 作者梁广宇程良伦 +1 位作者黄国恒徐利民《光子学报》 EI CAS CSCD 北大核心 2020年第2期188-198,共11页; 提出一种包含去模糊的空间变换区域卷积神经网络的目标检测算法.首先,基于主动毫米波圆柱扫描成像原理对人体进行三维成像(频率24~30 GHz),建立毫米波图像数据集.然后,估计毫米波图像的模糊核,通过卷积去噪网络获得图像先验知识,将其集... 展开更多; 关键词安全检测毫米波图像目标检测空间变换区域卷积神经网络非盲目去模糊; 在线阅读下载PDF 职称材料

基于DD-CycleGAN的道路检测模型研究被引量：4: 5; 作者王怀章蔡立志张娟《传感器与微系统》 CSCD 北大核心 2022年第10期47-50,54,共5页; 道路检测对于辅助驾驶而言仍具有挑战性。为了获得更准确的道路检测结果,提出一种结合深度学习与自适应检测的道路检测模型,该模型可以有效地提取道路特征并完成道路检测任务。首先,采用双判别器周期一致的生成对抗网络(DD-CycleGAN)作... 展开更多; 关键词道路检测双判别器周期一致的生成对抗网络残差密集块空间卷积神经网络; 在线阅读下载PDF 职称材料

基于RSTCNN的小麦叶片病害严重度估计被引量：9: 6; 作者鲍文霞林泽 +3 位作者胡根生梁栋黄林生杨先军《农业机械学报》 EI CAS CSCD 北大核心 2021年第12期242-252,263,共12页; 以小麦叶片条锈病和白粉病为研究对象,针对同类型病害的不同严重度之间的图像颜色及纹理特征差异较小,传统方法病害严重度估计准确率不高的问题,提出一种基于循环空间变换的卷积神经网络(Recurrent spatial transformer convolutional n... 展开更多; 关键词小麦叶片病害严重度估计循环空间变换卷积神经网络; 在线阅读下载PDF 职称材料

雾天车道线识别方法:FoggyCULane数据集的创建被引量：4: 7; 作者徐哲钧张暐 +3 位作者郭昊张洋李庆董雪《计算机工程与应用》 CSCD 北大核心 2022年第14期227-235,共9页; 为了提高深度学习算法在雾天场景下的车道线识别率,扩充雾天车道线数据集是有效途径之一。以目前最具有权威性的CULane数据集为基础,通过对该数据集内晴天车道线图片进行单幅图像深度提取,随后依照大气散射模型生成3种不同浓度的雾天车... 展开更多; 关键词车道线检测深度学习雾天图片生成 CULane数据集扩充 FoggyCULane 空间卷积神经网络(SCNN); 在线阅读下载PDF 职称材料

题名基于光谱-空间卷积神经网络的成矿远景区预测研究——以巴基斯坦Chagai地区为例: 1; 作者李磊佳王猛胡杰张博瑞剧弘旷刘磊; 机构中国冶金地质总局未来勘探系统项目组; 出处《地质与勘探》 2025年第5期1043-1052,共10页; 基金中国冶金地质总局未来勘探系统一期工程“智能找矿预测平台研发”(编号:CMGBKY202411)资助。; 文摘卷积神经网络(CNN)是成矿远景区预测研究中广泛使用的方法,如何提升CNN模型的泛化能力和鲁棒性仍是当前研究的热点。巴基斯坦西南部的Chagai成矿带西部发育世界级斑岩铜矿床Reko Diq和大型斑岩铜矿Saindak,是开展斑岩型铜矿床成矿远景区研究的有利区。本研究以高光谱遥感数据和5个已知矿床为基础,联合多源地质数据构建训练样本,结合假彩色图像合成技术,扩充训练样本。提出空间-光谱卷积神经网络(SSCNN)算法,构建成矿预测模型,对Chagai带西部斑岩型铜矿的成矿远景区进行预测。结果表明,基于Chagai成矿带5个已知矿床和数据扩充方法构建的2477个正样本和11304个负样本,使用4个SSCNN模型的验证集F1-score均超过0.94,最高可达0.98。已知的研究区内37个矿床/矿点均位于预测的成矿远景区内。前人划定的22个找矿靶区内均包含不同概率级别的成矿远景区,空间匹配率达100%。本研究提出的技术方法有助于抑制模型过拟合并提升泛化能力,为成矿远景区预测研究提供了新思路,可拓展应用于其他类型矿床的成矿远景预测工作。; 关键词光谱-空间卷积神经网络成矿远景斑岩型铜矿 Chagai带巴基斯坦; Keywords spectral-spatial convolutional neural network metallogenic prospective prediction porphyry copper deposit Chagai District Pakistan; 分类号 P627 [天文地球]; 在线阅读下载PDF 职称材料

题名基于空间语义分割的多车道线检测跟踪网络被引量：3: 2; 作者石金鹏张旭; 机构上海工程技术大学机械与汽车工程学院; 出处《光学精密工程》 EI CAS CSCD 北大核心 2023年第9期1357-1365,共9页; 基金国家科学基金资助项目(No.62101314)。; 文摘基于深度学习的目标检测网络在车道线识别领域依旧存在车道区别不明显,识别精度低,误检率、漏检率高等问题。为了解决这些问题,提出了一种基于空间实例分割的轻量级车道检测跟踪网络。该方法在编码部分使用VGG16网络和空间卷积神经网络来提高网络结构学习空间关系的能力,解决了预测车道线出现模糊、不连续等问题;基于LaneNet将编码输出后的两个分支任务相耦合,以改进前景与背景识别效果不佳和车道间区分不明显的问题。最后,该方法在TuSimple数据集中与其他5种基于语义分割的车道线算法进行对比。实验表明,本文算法的准确率评分为97.12%,误检率与漏检率均优于其他网络,并且误检率与漏检率相比于LaneNet分别降低了44.87%和12.7%,基本满足实时车道线检测跟踪的要求。; 关键词机器视觉语义分割车道线检测跟踪轻量级卷积神经网络空间卷积神经网络; Keywords machine vision semantic segmentation lane line detection tracking lightweight convolution neural network spatial convolution neural network; 分类号 U491.6 [交通运输工程—交通运输规划与管理]; 在线阅读下载PDF 职称材料

题名融合改进GAN网络的夜视环境车道线检测被引量：1: 3; 作者刘岩仇甜甜肖艳秋朱付保王靖雯; 机构郑州轻工业大学计算机与通信工程学院郑州轻工业大学机电工程学院; 出处《计算机工程与应用》 CSCD 北大核心 2023年第15期214-222,共9页; 基金国家自然科学基金(61605175) 河南省科技攻关项目(212102210427,222102210015,222102210219)。; 文摘基于深度学习的车道线检测方法有效地促进了自动驾驶技术的发展,然而这些方法在处理夜视场景下车道线检测问题仍然存在一定的不足。针对夜视场景下车道线检测存在的检测精度弱问题,将基于注意力机制的生成对抗网络(attentive GAN)和空间卷积神经网络(spatial convolutional neural network,SCNN)算法相结合,提出一种针对夜视场景的车道线检测方法。该方法利用Attentive GAN网络提高夜间道路图像质量,突出道路图像中的车道线特征,再利用ResNet-18网络提取车道线特征,随后利用SCNN网络进行图像信息的逐行逐列传递,并利用三次样条曲线进行概率图拟合,得到最终的车道线检测结果。在利用模拟后的TuSimple数据集验证了方法的检测性能,实验结果表明,提出的车道线检测方法在夜视场景下具有良好的车道线检测性能。; 关键词夜间车道线检测注意力机制的生成对抗网络(Attentive GAN) ResNet-18网络空间卷积神经网络(SCNN); Keywords lane detection at night attentive generative adversarial networks(GAN) ResNet-18 network spatial convolutional neural network(SCNN); 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

题名基于去模糊空间变换RCNN的毫米波图像目标检测（英文）被引量：6: 4; 作者梁广宇程良伦黄国恒徐利民; 机构广东工业大学计算机学院; 出处《光子学报》 EI CAS CSCD 北大核心 2020年第2期188-198,共11页; 基金 National Key Research and Development Program of China(No.2016YFB1200402-019) Special Funds for Applied Science and Technology Research and Development in Guangdong Province(No.2015B090923004) +2 种基金 National High Resolution Earth Observation Major Project(No.83-Y40G33-9001-18/20); 文摘提出一种包含去模糊的空间变换区域卷积神经网络的目标检测算法.首先,基于主动毫米波圆柱扫描成像原理对人体进行三维成像(频率24~30 GHz),建立毫米波图像数据集.然后,估计毫米波图像的模糊核,通过卷积去噪网络获得图像先验知识,将其集成到半二次分裂的优化方法中,以实现非盲目去模糊.最后,由定位网络、网格生成器和采样网络三部分组成空间变换网络,将它融入到特征提取网络中,在去模糊后实现目标检测.通过该非盲目去模糊算法得到的图像的峰值信噪比可达27.49 dB,目标检测算法的平均精度可达80.9%.实验结果表明,与现有的先进方法相比,该方法可以有效地提高图像质量和检测精度,为毫米波图像中隐藏危险品的目标检测提供了新的技术支持.; 关键词安全检测毫米波图像目标检测空间变换区域卷积神经网络非盲目去模糊; Keywords Security inspection Millimeter-wave image Object detection Spatial-transformer regional convolutional neural network Non-blind deblurring; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术] TP18 [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DD-CycleGAN的道路检测模型研究被引量：4: 5; 作者王怀章蔡立志张娟; 机构上海工程技术大学电子电气工程学院上海计算机软件技术开发中心; 出处《传感器与微系统》 CSCD 北大核心 2022年第10期47-50,54,共5页; 基金国家自然科学基金资助项目(61772328)。; 文摘道路检测对于辅助驾驶而言仍具有挑战性。为了获得更准确的道路检测结果,提出一种结合深度学习与自适应检测的道路检测模型,该模型可以有效地提取道路特征并完成道路检测任务。首先,采用双判别器周期一致的生成对抗网络(DD-CycleGAN)作为全文的基础框架网络。其次,在生成器中添加空间卷积神经网络(CNN)以及残差密集块,进一步提升生成器的性能。最后,提出一种自适应的优化模型来提高道路检测的准确度。实验结果表明:提出的模型在KITTI道路基准数据集上精度达到了92.15%,明显优于传统的道路检测算法。; 关键词道路检测双判别器周期一致的生成对抗网络残差密集块空间卷积神经网络; Keywords road detection DD-CycleGAN residual dense block spatial convolutional neural network(CNN); 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RSTCNN的小麦叶片病害严重度估计被引量：9: 6; 作者鲍文霞林泽胡根生梁栋黄林生杨先军; 机构安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心中国科学院合肥物质科学研究院; 出处《农业机械学报》 EI CAS CSCD 北大核心 2021年第12期242-252,263,共12页; 基金国家自然科学基金项目(61672032、41771463) 安徽省科技重大专项(16030701091)。; 文摘以小麦叶片条锈病和白粉病为研究对象,针对同类型病害的不同严重度之间的图像颜色及纹理特征差异较小,传统方法病害严重度估计准确率不高的问题,提出一种基于循环空间变换的卷积神经网络(Recurrent spatial transformer convolutional neural network,RSTCNN)对小麦叶片病害进行严重度估计。RSTCNN包含3个尺度网络,并由区域检测子网络进行连接。每个尺度网络以VGG19作为基础网络以提取病害的特征,同时为了统一区域检测过程中前后特征图的维度,在全连接层前引入空间金字塔池化(Spatial pyramid pooling,SPP);区域检测子网络则采用空间变换(Spatial transformer,ST)有效提取尺度网络特征图中病害的注意力区域。小麦叶片病害图像通过每个尺度网络中卷积池化层得到的特征图,一方面可作为预测病害严重度类别概率的依据,另一方面通过ST进行注意力区域检测并将检测到的区域作为下一个尺度网络的输入,通过交替促进的方式对注意力区域检测和局部细粒度特征表达进行联合优化和递归学习,最后对不同尺度网络的输出特征进行融合再并入到全连接层和Softmax层进行分类,从而实现小麦叶片病害严重度的估计。本文对采集的患有条锈病和白粉病的小麦叶片图像结合数据增强方法构建病害数据集,实验验证了改进后的RSTCNN在3层尺度融合的网络对病害严重度估计准确率较佳,达到了95.8%。相较于基础分类网络模型,RSTCNN准确率提升了7~9个百分点,相较于传统的基于颜色和纹理特征的机器学习算法,RSTCNN准确率提升了9~20个百分点。结果表明,本文方法显著提高了小麦叶片病害严重度估计的准确率。; 关键词小麦叶片病害严重度估计循环空间变换卷积神经网络; Keywords wheat leaf disease severity estimation RSTCNN; 分类号 S435.121 [农业科学—农业昆虫与害虫防治] 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

题名雾天车道线识别方法:FoggyCULane数据集的创建被引量：4: 7; 作者徐哲钧张暐郭昊张洋李庆董雪; 机构上海交通大学中英国际低碳学院; 出处《计算机工程与应用》 CSCD 北大核心 2022年第14期227-235,共9页; 文摘为了提高深度学习算法在雾天场景下的车道线识别率,扩充雾天车道线数据集是有效途径之一。以目前最具有权威性的CULane数据集为基础,通过对该数据集内晴天车道线图片进行单幅图像深度提取,随后依照大气散射模型生成3种不同浓度的雾天车道线图片,并保留原图的车道线标签,以此方法实现对CULane数据集的人为扩充。通过增加了107451张带标签的雾天车道线图像,从而将原始CULane数据集扩充了1.8倍,建立了包含雾天图像的新车道线数据集FoggyCULane。分别采用原始CULane数据集和FoggyCULane数据集对SCNN车道识别网络进行训练,并将训练结果在包含3种不同浓度雾天场景的12种复杂车道线场景中进行测试评估,以验证该方法的有效性。研究结果表明,人工生成雾天场景车道线图片以扩充数据集的方法能够在薄雾情况下将雾天车道线的识别率从74.65%提升至86.65%,在中度雾下从51.41%提升至81.53%,在浓雾下从11.09%提升至70.41%。; 关键词车道线检测深度学习雾天图片生成 CULane数据集扩充 FoggyCULane 空间卷积神经网络(SCNN); Keywords lane detection deep learning foggy image generation expansion of CULane dataset FoggyCULane spatial convolutional neural network(SCNN); 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	作者	出处	发文年	被引量	操作
1	基于光谱-空间卷积神经网络的成矿远景区预测研究——以巴基斯坦Chagai地区为例	李磊佳王猛胡杰张博瑞剧弘旷刘磊	《地质与勘探》	2025		在线阅读下载PDF 职称材料
2	基于空间语义分割的多车道线检测跟踪网络	石金鹏张旭	《光学精密工程》 EI CAS CSCD 北大核心	2023	3	在线阅读下载PDF 职称材料
3	融合改进GAN网络的夜视环境车道线检测	刘岩仇甜甜肖艳秋朱付保王靖雯	《计算机工程与应用》 CSCD 北大核心	2023	1	在线阅读下载PDF 职称材料
4	基于去模糊空间变换RCNN的毫米波图像目标检测（英文）	梁广宇程良伦黄国恒徐利民	《光子学报》 EI CAS CSCD 北大核心	2020	6	在线阅读下载PDF 职称材料
5	基于DD-CycleGAN的道路检测模型研究	王怀章蔡立志张娟	《传感器与微系统》 CSCD 北大核心	2022	4	在线阅读下载PDF 职称材料
6	基于RSTCNN的小麦叶片病害严重度估计	鲍文霞林泽胡根生梁栋黄林生杨先军	《农业机械学报》 EI CAS CSCD 北大核心	2021	9	在线阅读下载PDF 职称材料
7	雾天车道线识别方法:FoggyCULane数据集的创建	徐哲钧张暐郭昊张洋李庆董雪	《计算机工程与应用》 CSCD 北大核心	2022	4	在线阅读下载PDF 职称材料