期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于窗口自注意力网络与YOLOv5融合的输电线路通道异物检测
被引量：
3
1
作者
薛昂
姜恩宇
+2 位作者
张文涛
林顺富
米阳
《上海交通大学学报》
北大核心
2025年第3期413-423,共11页
针对输电线路通道异物检测背景复杂以及小目标情况下检测效果不佳等问题,提出一种基于窗口自注意力网络与YOLOv5模型融合的输电线路通道安全检测算法.首先,选用窗口自注意力(S-T)网络优化主干网络,扩大模型感受视野,增强提取有效信息的...
针对输电线路通道异物检测背景复杂以及小目标情况下检测效果不佳等问题,提出一种基于窗口自注意力网络与YOLOv5模型融合的输电线路通道安全检测算法.首先,选用窗口自注意力(S-T)网络优化主干网络,扩大模型感受视野,增强提取有效信息的能力.其次,改进自适应空间特征融合(ASFF)模块,增强多尺度特征融合能力.最后,考虑到真实框与预测框不匹配的问题,引入结构相似性交并比(SIoU),优化边界误差,提高小目标定位准确性.实验结果表明,本文模型对线路通道多目标入侵检测精度达到90.2%,且提升了小目标检测效果;与主流目标检测算法相比,可以更好地满足输电线路通道中的异物检测需求.
展开更多
关键词
智能化巡检
输电线路通道
目标检测
窗口自注意力网络
自适应空间特征融合
在线阅读
下载PDF
职称材料
基于位移窗口自注意力网络和迁移学习的地震面波分离
2
作者
杨晨睿
沈鸿雁
+2 位作者
车晗
孙云鹏
刘帅
《西安石油大学学报（自然科学版）》
CAS
北大核心
2024年第6期39-50,共12页
反射地震资料中的面波也携带了丰富的地质信息,充分利用这类面波解决地质问题的前提条件是将其完整地分离出来。针对现有深度学习方法没有充分利用面波与体波表现在时空域图像中的分布位置和纹理细节等问题,提出一种基于深度学习的地震...
反射地震资料中的面波也携带了丰富的地质信息,充分利用这类面波解决地质问题的前提条件是将其完整地分离出来。针对现有深度学习方法没有充分利用面波与体波表现在时空域图像中的分布位置和纹理细节等问题,提出一种基于深度学习的地震面波分离方法。通过融合位移窗口自注意力机制和U-net主干网络,构建出面波智能分离网络,并使用数据增广后的模拟数据与实际数据构建面波数据集来提升神经网络的泛化性;在充分利用面波全局数据特征的同时,为避免波场分离过程中的面波损伤问题,提出一种对边界、结构和纹理信息敏感的混合损失函数以进一步提高面波分离的质量。通过数值模拟地震记录测试了本文方法的正确性,进而将该方法应用于实际地震资料处理。研究结果表明,在模拟地震记录训练的模型基础上进行迁移学习,可进一步提升神经网络的泛化性;相较于低通滤波法和去噪卷积神经网络方法,本文方法分离的面波更为完整,能大幅度提高能量混叠区域的面波分离质量。
展开更多
关键词
地震信号处理
面波
波场分离与去噪
深度学习
窗口自注意力网络
U-net
网络
迁移学习
在线阅读
下载PDF
职称材料
基于窗口自注意力网络的单图像去雨算法
被引量：
6
3
作者
高涛
文渊博
+1 位作者
陈婷
张静
《上海交通大学学报》
EI
CAS
CSCD
北大核心
2023年第5期613-623,共11页
单图像去雨研究旨在利用退化的雨图恢复出无雨图像,而现有的基于深度学习的去雨算法未能有效地利用雨图的全局性信息,导致去雨后的图像损失部分细节和结构信息.针对此问题,提出一种基于窗口自注意力网络(Swin Transformer)的单图像去雨...
单图像去雨研究旨在利用退化的雨图恢复出无雨图像,而现有的基于深度学习的去雨算法未能有效地利用雨图的全局性信息,导致去雨后的图像损失部分细节和结构信息.针对此问题,提出一种基于窗口自注意力网络(Swin Transformer)的单图像去雨算法.该算法网络主要包括浅层特征提取模块和深度特征提取网络两部分.前者利用上下文信息聚合输入来适应雨痕分布的多样性,进而提取雨图的浅层特征.后者利用Swin Transformer捕获全局性信息和像素点间的长距离依赖关系,并结合残差卷积和密集连接强化特征学习,最后通过全局残差卷积输出去雨图像.此外,提出一种同时约束图像边缘和区域相似性的综合损失函数来进一步提高去雨图像的质量.实验表明,与目前单图像去雨表现优秀的算法MSPFN、 MPRNet相比,该算法使去雨图像的峰值信噪比提高0.19 dB和2.17 dB,结构相似性提高3.433%和1.412%,同时网络模型参数量下降84.59%和34.53%,前向传播平均耗时减少21.25%和26.67%.
展开更多
关键词
计算机视觉
单图像去雨
窗口自注意力网络
残差
网络
自注意力
机制
空洞卷积
在线阅读
下载PDF
职称材料
题名
基于窗口自注意力网络与YOLOv5融合的输电线路通道异物检测
被引量：
3
1
作者
薛昂
姜恩宇
张文涛
林顺富
米阳
机构
上海电力大学电气工程学院
出处
《上海交通大学学报》
北大核心
2025年第3期413-423,共11页
基金
国家自然科学基金(51977127)
上海市科学技术委员会资助项目(19020500800)
上海市教育发展基金会和上海市教育委员会“曙光计划”(20SG52)。
文摘
针对输电线路通道异物检测背景复杂以及小目标情况下检测效果不佳等问题,提出一种基于窗口自注意力网络与YOLOv5模型融合的输电线路通道安全检测算法.首先,选用窗口自注意力(S-T)网络优化主干网络,扩大模型感受视野,增强提取有效信息的能力.其次,改进自适应空间特征融合(ASFF)模块,增强多尺度特征融合能力.最后,考虑到真实框与预测框不匹配的问题,引入结构相似性交并比(SIoU),优化边界误差,提高小目标定位准确性.实验结果表明,本文模型对线路通道多目标入侵检测精度达到90.2%,且提升了小目标检测效果;与主流目标检测算法相比,可以更好地满足输电线路通道中的异物检测需求.
关键词
智能化巡检
输电线路通道
目标检测
窗口自注意力网络
自适应空间特征融合
Keywords
intelligent inspection
transmission line channel
object detection
Swin Transformer(S-T)
adaptive spatial feature fusion(ASFF)
分类号
TM721 [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
基于位移窗口自注意力网络和迁移学习的地震面波分离
2
作者
杨晨睿
沈鸿雁
车晗
孙云鹏
刘帅
机构
西安石油大学地球科学与工程学院
陕西省油气成藏地质学重点实验室
出处
《西安石油大学学报（自然科学版）》
CAS
北大核心
2024年第6期39-50,共12页
基金
陕西省自然科学基础研究计划项目(2017JZ007)
陕西省重点研发计划项目(2022GY-148)。
文摘
反射地震资料中的面波也携带了丰富的地质信息,充分利用这类面波解决地质问题的前提条件是将其完整地分离出来。针对现有深度学习方法没有充分利用面波与体波表现在时空域图像中的分布位置和纹理细节等问题,提出一种基于深度学习的地震面波分离方法。通过融合位移窗口自注意力机制和U-net主干网络,构建出面波智能分离网络,并使用数据增广后的模拟数据与实际数据构建面波数据集来提升神经网络的泛化性;在充分利用面波全局数据特征的同时,为避免波场分离过程中的面波损伤问题,提出一种对边界、结构和纹理信息敏感的混合损失函数以进一步提高面波分离的质量。通过数值模拟地震记录测试了本文方法的正确性,进而将该方法应用于实际地震资料处理。研究结果表明,在模拟地震记录训练的模型基础上进行迁移学习,可进一步提升神经网络的泛化性;相较于低通滤波法和去噪卷积神经网络方法,本文方法分离的面波更为完整,能大幅度提高能量混叠区域的面波分离质量。
关键词
地震信号处理
面波
波场分离与去噪
深度学习
窗口自注意力网络
U-net
网络
迁移学习
Keywords
seismic data processing
surface wave
wave field separation and denoising
deep learning
window self-attention network
U-net
transfer learning
分类号
TE19 [石油与天然气工程—油气勘探]
P315 [天文地球—地震学]
在线阅读
下载PDF
职称材料
题名
基于窗口自注意力网络的单图像去雨算法
被引量：
6
3
作者
高涛
文渊博
陈婷
张静
机构
长安大学信息工程学院
澳大利亚国立大学工程与计算机学院
出处
《上海交通大学学报》
EI
CAS
CSCD
北大核心
2023年第5期613-623,共11页
基金
国家重点研发计划项目(2019YFE0108300)
国家自然科学基金项目(52172379,62001058)
+1 种基金
陕西省重点研发计划(2019GY-039)
中央高校基本科研业务费专项资金项目(300102242901,300102112601)。
文摘
单图像去雨研究旨在利用退化的雨图恢复出无雨图像,而现有的基于深度学习的去雨算法未能有效地利用雨图的全局性信息,导致去雨后的图像损失部分细节和结构信息.针对此问题,提出一种基于窗口自注意力网络(Swin Transformer)的单图像去雨算法.该算法网络主要包括浅层特征提取模块和深度特征提取网络两部分.前者利用上下文信息聚合输入来适应雨痕分布的多样性,进而提取雨图的浅层特征.后者利用Swin Transformer捕获全局性信息和像素点间的长距离依赖关系,并结合残差卷积和密集连接强化特征学习,最后通过全局残差卷积输出去雨图像.此外,提出一种同时约束图像边缘和区域相似性的综合损失函数来进一步提高去雨图像的质量.实验表明,与目前单图像去雨表现优秀的算法MSPFN、 MPRNet相比,该算法使去雨图像的峰值信噪比提高0.19 dB和2.17 dB,结构相似性提高3.433%和1.412%,同时网络模型参数量下降84.59%和34.53%,前向传播平均耗时减少21.25%和26.67%.
关键词
计算机视觉
单图像去雨
窗口自注意力网络
残差
网络
自注意力
机制
空洞卷积
Keywords
computer vision
single image deraining
Swin Transformer
residual network
self-attention mechanism
dilated convolution
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
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
基于窗口自注意力网络与YOLOv5融合的输电线路通道异物检测
薛昂
姜恩宇
张文涛
林顺富
米阳
《上海交通大学学报》
北大核心
2025
3
在线阅读
下载PDF
职称材料
2
基于位移窗口自注意力网络和迁移学习的地震面波分离
杨晨睿
沈鸿雁
车晗
孙云鹏
刘帅
《西安石油大学学报（自然科学版）》
CAS
北大核心
2024
0
在线阅读
下载PDF
职称材料
3
基于窗口自注意力网络的单图像去雨算法
高涛
文渊博
陈婷
张静
《上海交通大学学报》
EI
CAS
CSCD
北大核心
2023
6
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
