基于自适应时空图卷积网络的航空发动机剩余寿命预测

1

作者 许丹阳 尚洁 +2 位作者 蒋琛 邱浩波 高亮 《计算机集成制造系统》 北大核心 2025年第6期2165-2177,共13页

为了深入挖掘传感器监测信号的时间域和空间域特征,全面反映健康状态进而提高故障预测精度,提出一种基于自适应时空图卷积网络(ASTGCN)的航空发动机剩余使用寿命(RUL)预测方法。首先以基于互信息的静态邻接矩阵为基础,结合参数可学习的... 为了深入挖掘传感器监测信号的时间域和空间域特征,全面反映健康状态进而提高故障预测精度,提出一种基于自适应时空图卷积网络(ASTGCN)的航空发动机剩余使用寿命(RUL)预测方法。首先以基于互信息的静态邻接矩阵为基础,结合参数可学习的动态邻接矩阵表示方法建立自适应邻接矩阵,自动调整传感器节点的空间关联,高质量构建航空发动机健康监测场景下的图结构数据;其次建立时空图卷积网络模块,分别利用一维和图卷积网络同步学习监测信号的时间和空间依赖关系,捕捉监测数据的动态时空相关性;最后将全连接层用于退化特征融合和RUL预测。采用公开的航空发动机退化数据集验证了ASTGCN的有效性和先进性。 展开更多

关键词 航空发动机 剩余使用寿命预测 数据驱动 时空图卷积网络 自适应邻接矩阵

在线阅读 下载PDF 职称材料

基于多尺度自适应时空图卷积网络与BERT模型的多节点短期负荷预测

2

作者 吴兴扬 戴剑丰 《电网技术》 北大核心 2025年第9期3756-3766,I0072-I0075,共15页

“双碳”目标旨在推动能源转型与减排,新型电力系统作为关键,促进清洁能源接入与利用,减碳效果显著。但其多元化负荷结构增大了预测难度。为应对“双碳”要求,解决新型电力系统中多节点负荷预测的复杂时空依赖性和非线性问题,文章提出... “双碳”目标旨在推动能源转型与减排,新型电力系统作为关键,促进清洁能源接入与利用,减碳效果显著。但其多元化负荷结构增大了预测难度。为应对“双碳”要求,解决新型电力系统中多节点负荷预测的复杂时空依赖性和非线性问题,文章提出了一种基于多尺度自适应时空图卷积网络(adaptive spatio-temporal graph convolutional network,ASTGCN)与基于Transformer的双边编码器表示(bidirectional encoder representations from transformers,BERT)模型的多节点短期负荷预测方法。首先,采用Prophet算法对负荷数据进行拟合分解,获取不同尺度下的负荷数据分量,并与强相关的天气数据共同构建多元数据集;其次,引入可膨胀的滑动时空窗口和时空图卷积算子构建ASTGCN,同时捕捉空间和时间上的复杂依赖关系,并引入BERT模型对时间序列数据进行编码,利用其强大的处理能力来捕捉负荷数据中的长期依赖性;最后,用门控融合网络对两个模型进行融合。基于美国纽约州的公开数据集进行测试,单日和单周的测试结果均表明所提模型不仅能有效挖掘节点的耦合特性,还能补充挖掘中长期时序特征,并显著提升预测精度,降低预测误差。 展开更多

关键词 Prophet算法 自适应时空图卷积网络 BERT 门控融合网络 多节点负荷预测

在线阅读 下载PDF 职称材料

基于多头注意力时空图卷积网络的交通事故预测

3

作者 姜天豪 王瑞 《上海大学学报(自然科学版)》 北大核心 2025年第4期678-690,共13页

提出一种结合多头注意力(multi-head attention, MHA)机制和自适应邻接矩阵的新型时空图卷积网络(spatio-temporal graph convolutional network, STGCN)模型. MHA机制对时空特征和外部环境因素进行加权融合,自适应邻接矩阵对道路网络... 提出一种结合多头注意力(multi-head attention, MHA)机制和自适应邻接矩阵的新型时空图卷积网络(spatio-temporal graph convolutional network, STGCN)模型. MHA机制对时空特征和外部环境因素进行加权融合,自适应邻接矩阵对道路网络的连接权重进行动态调整,提升了对空间依赖性的刻画能力.结果表明,该模型在伦敦道路网络数据集上的表现优于已有模型,在多个指标上显著提升了预测精度. 展开更多

关键词 交通事故预测 时空图卷积网络 多头注意力机制 自适应邻接矩阵

在线阅读 下载PDF 职称材料

基于双流自适应时空增强图卷积网络的手语识别 被引量：2

4

作者 金彦亮 吴筱溦 《应用科学学报》 CAS CSCD 北大核心 2024年第2期189-199,共11页

针对提取手语特征过程中出现的信息表征能力差、信息不完整问题,设计了一种双流自适应时空增强图卷积网络(two-stream adaptive enhanced spatial temporal graph convolutional network,TAEST-GCN)实现基于孤立词的手语识别。该网络使... 针对提取手语特征过程中出现的信息表征能力差、信息不完整问题,设计了一种双流自适应时空增强图卷积网络(two-stream adaptive enhanced spatial temporal graph convolutional network,TAEST-GCN)实现基于孤立词的手语识别。该网络使用人体身体、手部和面部节点作为输入,构造基于人体关节和骨骼的双流结构。通过自适应时空图卷积模块生成不同部位之间的连接,并充分利用其中的位置和方向信息。同时采用残差连接方式设计自适应多尺度时空注意力模块,进一步增强该网络在空域和时域的卷积能力。将双流网络提取到的有效特征进行加权融合,可以分类输出手语词汇。最后在公开的中文手语孤立词数据集上进行实验,在100类词汇和500类词汇分类任务中准确率达到了95.57%和89.62%。 展开更多

关键词 骨架数据 双流结构 自适应时空图卷积模块 自适应多尺度时空注意力模块 特征融合

在线阅读 下载PDF 职称材料

一种自适应残差卷积自编码网络及其故障诊断应用

5

作者 潘天成 陈龙 +1 位作者 蒲春雷 陈志强 《机电工程》 北大核心 2025年第3期529-538,共10页

针对传统卷积自编码器(CAE)会将不同故障产生的相似信号进行相同的非线性变换,导致故障诊断准确率下降的问题,提出了一种自适应残差卷积自编码网络(ARCAE),并将其应用于滚动轴承故障诊断中。首先,在残差模块的基础上,引入了自适应参数... 针对传统卷积自编码器(CAE)会将不同故障产生的相似信号进行相同的非线性变换,导致故障诊断准确率下降的问题,提出了一种自适应残差卷积自编码网络(ARCAE),并将其应用于滚动轴承故障诊断中。首先,在残差模块的基础上,引入了自适应参数化修正线性单元(APReLU),建立了自适应残差模块(ARM),ARM可以对相似的输入特征进行自适应非线性变换,避免了特征的错误识别;其次,在CAE中嵌入多级ARM,构建了ARCAE,增加了CAE的深度,提取了更具鉴别性的深层次特征,同时有效防止了网络加深而造成的性能退化;最后,基于ARCAE建立了针对一维信号的故障诊断新方法,将其应用于无监督滚动轴承故障诊断中,并通过两个不同类型的实验,对上述方法的有效性进行了验证。研究结果表明:在恒定转速工况下,ARCAE的诊断准确率最高,平均准确率达到了97.05%,且标准差仅为0.007,远低于其他几种传统CAE网络;在变转速工况下,ARCAE模型诊断准确率仍然是最高的,平均准确率达到了93.25%,由此说明ARCAE具有较高的特征提取能力和分类准确率;此外,变转速工况下,由于转速变化导致不同状态的振动信号特征差异变大,诊断难度加大,但与其他几种传统CAE网络相比,ARCAE诊断准确率下降最少,仅为5.37%,说明ARCAE具有更强的鲁棒性和稳定性。 展开更多

关键词 滚动轴承 自适应残差卷积自编码网络 自适应参数化修正线性单元 自适应残差模块 无监督故障诊断 特征提取

在线阅读 下载PDF 职称材料

基于实时滑动分解的融合时空图卷积流量预测研究

6

作者 牛帅 王景升 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第10期4002-4013,共12页

为解决目前数据分解方法存在的信息泄露以及训练和测试时分量个数不一致的问题,提出一种新颖的模型−无信息泄露的实时滑动自适应噪声完备集合经验模态分解和注意力机制的融合时空图卷积,称之为EASTGCN。在模型输入前端,提出一种实时滑... 为解决目前数据分解方法存在的信息泄露以及训练和测试时分量个数不一致的问题,提出一种新颖的模型−无信息泄露的实时滑动自适应噪声完备集合经验模态分解和注意力机制的融合时空图卷积,称之为EASTGCN。在模型输入前端,提出一种实时滑动分解方法,此方法使得训练集随着时间轴动态变化,在每次分解过程中使用的均是实时和历史信息并未使用未来信息,更加符合实时预测任务需求。紧接着,利用自适应噪声完备集合经验模态分解技术将交通流数据进行分解得到一系列本征模态函数分量,将分量分别按照邻近、日和周相关等时段构建多尺度输入以表达时序数据的时间相似性;然后,构建一个时空融合网络有向图,有向图由表示时间相似性的时间图和反映空间连通流向性的空间图组成,用以表达路网节点所包含的时空相似性信息;同时,在模型训练过程中通过引入时空注意力机制使得模型自适应为时空关系分配不同的权重以便关注相似性更强的关键节点来提高模型预测精度。最后,为了验证EASTGCN模型的稳定性和鲁棒性,分别设计了多因素输入实验和多步长对比实验,并在公开的数据集上进行了实例验证。研究结果表明,EASTGCN模型在多步长预测任务中指标增幅跨度最小且性能最稳定;多因素输入的EASTGCN模型在PEMS04数据集的MAE、RMSE指标上相对于单因素输入模型来说分别降低3.83%~27.03%、4.24%~12.77%,在PEMS08数据集的MAE、RMSE指标上降低0.91%~38.69%、0.07%~31.21%。总的来说,EASTGCN模型不论是在长期预测任务还是在预测精度上均有更好的表现,实时滑动分解方法为“分解+预测”组合模型提供了一种新的思路。 展开更多

关键词 流量预测 时空图卷积 自适应噪声完备集合经验模态分解 多尺度输入 实时滑动

在线阅读 下载PDF 职称材料

基于可解释深度卷积网络的空时自适应处理方法 被引量：1

7

作者 廖志鹏 段克清 +2 位作者 何锦浚 邱梓洲 王永良 《雷达学报（中英文）》 EI CSCD 北大核心 2024年第4期917-928,共12页

在实际应用中,空时自适应处理(STAP)算法的性能受限于足够多独立同分布(IID)样本的获取。然而,目前可有效减少IID样本需求的算法仍面临一些问题。针对这些问题,该文融合数据驱动和模型驱动思想,构建了具有明确数学含义的多模块深度卷积... 在实际应用中,空时自适应处理(STAP)算法的性能受限于足够多独立同分布(IID)样本的获取。然而,目前可有效减少IID样本需求的算法仍面临一些问题。针对这些问题,该文融合数据驱动和模型驱动思想,构建了具有明确数学含义的多模块深度卷积神经网络(MDCNN),实现了小样本条件下对杂波协方差矩阵快速、准确、稳定估计。所构建MDCNN网络由映射模块、数据模块、先验模块和超参数模块组成。其中,前后端映射模块分别对应数据的预处理和后处理;单组数据模块和先验模块共同完成一次迭代优化,网络主体由多组数据模块和先验模块构成,可实现多次等效迭代优化;超参数模块则用来调整等效迭代中可训练参数。上述子模块均具有明确数学表述和物理含义,因此所构造网络具有良好的可解释性。实测数据处理结果表明,在实际非均匀杂波环境下该文所提方法杂波抑制性能优于现有典型小样本STAP方法,且运算时间较后者大幅降低。 展开更多

关键词 多模块深度卷积神经网络 空时自适应处理 稀疏恢复 非均匀杂波 杂波抑制

在线阅读 下载PDF 职称材料

用于人体动作识别的多尺度时空图卷积算法 被引量：11

8

作者 赵登阁 智敏 《计算机科学与探索》 CSCD 北大核心 2023年第3期719-732,共14页

基于骨骼数据的时空图卷积人体动作识别网络(ST-GCN)存在时间卷积层结构单一、固定的问题,难以全面提取每个动作类别所需的全部重要阶段特征。针对这一问题,提出了包含多个不同尺度卷积核和多种结构的时间图卷积层,构造了多尺度时空图... 基于骨骼数据的时空图卷积人体动作识别网络(ST-GCN)存在时间卷积层结构单一、固定的问题,难以全面提取每个动作类别所需的全部重要阶段特征。针对这一问题,提出了包含多个不同尺度卷积核和多种结构的时间图卷积层,构造了多尺度时空图卷积网络(SMT-GCN),利用不同的时间图卷积操作抽取并融合不同尺度的时间轨迹特征。同时,为了强化人体长距离关联信息和空间结构化特征,在SMT-GCN中融合了构造的变换残差模块(Tran-Res)和轻量级注意力模块(CBAM),构造了多尺度时空图注意卷积网络(SAMTGCN)。实验在NTU RGB+D数据集和HDM05数据集上进行,提出的SMT-GCN和SAMT-GCN均获得了识别精度的提升;另外,设计的多尺度时间图卷积模块可以融合于其他基线网络中并提高性能。为探究卷积核尺度及结构对算法的影响,设计了相应消融实验,实验结果表明卷积核大小为1、5、9的SAMT-GCN性能最优,并且具有稠密结构的网络识别精度要高于具有串行和并行结构的网络。 展开更多

关键词 人体动作识别 时空图卷积网络(ST-GCN) 多尺度时间图卷积 变换残差模块(Tran-Res) 轻量级注意力

在线阅读 下载PDF 职称材料

基于时空注意图卷积的人体动作识别

9

作者 赵登阁 智敏 《计算机应用与软件》 北大核心 2024年第7期165-170,254,共7页

针对基于骨骼数据的人体动作识别中关键节点及特征应用度不高的问题,构建一种基于时空图卷积和通道-空间联合注意力模块融合改进的人体动作识别系统。算法首先通过空间图卷积获得结构化特征,由通道-空间联合注意力模块强化关键节点和关... 针对基于骨骼数据的人体动作识别中关键节点及特征应用度不高的问题,构建一种基于时空图卷积和通道-空间联合注意力模块融合改进的人体动作识别系统。算法首先通过空间图卷积获得结构化特征,由通道-空间联合注意力模块强化关键节点和关键结构信息,再由时间图卷积获取高级时空特征,最后用全局池化层和softmax分类器得出识别结果。实验结果表明,在关键节点和结构特征得以强化的同时,也保留了原始特征信息。该算法在基于骨骼数据的人体动作识别上具有更高的精度。 展开更多

关键词 人体动作识别 骨骼数据 注意力模块 关键节点 时空图卷积

在线阅读 下载PDF 职称材料

基于速度门控时空图卷积网络的交通流预测 被引量：1

10

作者 杨国亮 温钧林 +1 位作者 赖振东 张硕 《传感器与微系统》 CSCD 北大核心 2022年第8期128-130,135,共4页

现有的交通流预测模型大多数仅以交通流数据的角度进行预测,但交通速度和交通流数据之间也存在着一定的联系。因此,提出一种基于速度门控时空图卷积网络(SGSTGCN)的交通流预测模型,同时以交通流和交通速度的角度来解决交通流预测问题。S... 现有的交通流预测模型大多数仅以交通流数据的角度进行预测,但交通速度和交通流数据之间也存在着一定的联系。因此,提出一种基于速度门控时空图卷积网络(SGSTGCN)的交通流预测模型,同时以交通流和交通速度的角度来解决交通流预测问题。SGSTGCN通过门控扩张卷积和图卷积分别对交通数据的时间和空间相关性进行建模,接着利用门控机制将交通速度特征融合到交通流特征中,使模型更精确地感知交通路网的动态变化,以实现准确的交通流预测。在真实高速公路交通流数据集上的实验表明,SGSTGCN模型比其他时空图网络预测模型DCRNN,STGCN具有更高的预测精度。 展开更多

关键词 智能交通 交通流预测 速度门控模块 时空图卷积

在线阅读 下载PDF 职称材料

鬼影卷积自适应视网膜血管分割算法 被引量：6

11

作者 梁礼明 周珑颂 +2 位作者 陈鑫 余洁 冯新刚 《光电工程》 CAS CSCD 北大核心 2021年第10期49-63,共15页

针对视网膜血管分割存在主血管轮廓模糊、微细血管断裂和视盘边界误分割等问题,提出一种鬼影卷积自适应视网膜血管分割算法。算法一是用鬼影卷积替代神经网络中普通卷积,鬼影卷积生成丰富的血管特征图,使目标特征提取充分进行。二是将... 针对视网膜血管分割存在主血管轮廓模糊、微细血管断裂和视盘边界误分割等问题,提出一种鬼影卷积自适应视网膜血管分割算法。算法一是用鬼影卷积替代神经网络中普通卷积,鬼影卷积生成丰富的血管特征图,使目标特征提取充分进行。二是将生成的特征图进行自适应融合并输入至解码层分类,自适应融合能够多尺度捕获图像信息和高质量保存细节。三是在精确定位血管像素与解决图像纹理损失过程中,构建双路径注意力引导结构将网络底层特征图与高层特征图有效结合,提高血管分割准确率。同时引入Cross-Dice Loss函数来抑制正负样本不均问题,减少因血管像素占比少而引起的分割误差,在DRIVE与STARE数据集上进行实验,其准确率分别为96.56%和97.32%,敏感度分别为84.52%和83.12%,特异性分别为98.25%和98.96%,具有较好的分割效果。 展开更多

关键词 视网膜血管 鬼影卷积 自适应融合模块 双路径注意力引导结构

在线阅读 下载PDF 职称材料

基于MAFM-YOLOv8的学生课堂表现检测

12

作者 莫建文 姜贵昀 +1 位作者 袁华 梁豪昌 《计算机工程与设计》 北大核心 2025年第6期1825-1831,共7页

针对智慧教室场景中学生课堂表现检测遇到的目标尺度大小不一、容易出现遮挡、目标密集度高、重叠以及小目标等问题,提出一种基于MAFM-YOLOv8的学生课堂表现检测模型。提出一个多尺度自适应特征提取模块,增强模型对不同尺度特征信息的... 针对智慧教室场景中学生课堂表现检测遇到的目标尺度大小不一、容易出现遮挡、目标密集度高、重叠以及小目标等问题,提出一种基于MAFM-YOLOv8的学生课堂表现检测模型。提出一个多尺度自适应特征提取模块,增强模型对不同尺度特征信息的自适应特征提取能力,用深度可分离卷积代替普通卷积,减少模块中卷积的计算量;采用高效多尺度注意力模块,增强模型对小目标的特征提取能力;采用WIOU损失函数来增强模型在类别不均衡数据集上的训练效果,提升检测性能。实验结果表明,改进YOLOv8算法在学生课堂表现检测中mAP50达到了87.2%,相比原模型提升了3.2%,验证该方法可以有效提高检测精度。 展开更多

关键词 智慧教室 学生课堂表现检测 MAFM-YOLOv8 多尺度自适应特征提取模块 深度可分离卷积 高效多尺度注意力 WIOU损失函数

在线阅读 下载PDF 职称材料

改进型密集递归残差U-Net的皮肤病变图像分割

13

作者 赵德春 袁杨 +2 位作者 秦璐 韦莉 叶昌荣 《中国生物医学工程学报》 北大核心 2025年第3期291-300,共10页

皮肤病变区域的准确分割对计算机辅助诊断具有重要意义。但皮肤病变图像形状不规则、边界模糊并存在噪声干扰,给皮肤病变区域准确分割造成了困难,极大影响了分割的精度。为此,提出了一种基于改进型密集递归残差U-Net模型(IDR2U-Net),实... 皮肤病变区域的准确分割对计算机辅助诊断具有重要意义。但皮肤病变图像形状不规则、边界模糊并存在噪声干扰,给皮肤病变区域准确分割造成了困难,极大影响了分割的精度。为此,提出了一种基于改进型密集递归残差U-Net模型(IDR2U-Net),实现皮肤病变区域自动分割。首先,将编码层和解码层中的原始卷积块优化为递归残差卷积模块,并且使用密集连接,缓解了梯度消失问题;其次,引入特征自适应模块,通过加强有效特征和抑制无关背景噪声,增强相邻特征之间的融合程度;接着,设计双重注意力机制,其中空间注意力增大全局信息的利用效率,通道注意力用于加强通道特征间的相关性,提升网络对皮肤病变区域分割的准确率,同时采用联合Dice系数与交叉熵的损失函数训练分割网络,解决皮肤镜图像中类别不平衡的问题;最后,采用ISIC 2017皮肤病变数据集中的2000余张图片进行了消融实验和对比实验。实验结果表明,IDR2U-Net模型在Jaccard、Dice系数和准确率上分别达到了78.86%、86.92%和94.61%。改进后的模型不仅提高了精度,还实现了更精细的图像分割,特别是在处理边界模糊图像时,能有效减少欠分割现象。 展开更多

关键词 皮肤病变图像分割 U型网络 密集递归残差卷积模块 特征自适应模块 双重注意力机制

在线阅读 下载PDF 职称材料

基于自适应残差的运动图像去模糊 被引量：4

14

作者 欧阳宁 邓超阳 林乐平 《计算机工程与设计》 北大核心 2021年第6期1684-1690,共7页

针对当前运动图像去模糊网络忽略了运动模糊图像的非均匀性,不能有效地恢复图像的高频细节及去除伪影等问题,在对抗网络基础上提出一种基于自适应残差的运动图像去模糊方法。在生成网络中构造由形变卷积模块和通道注意力模块组成的自适... 针对当前运动图像去模糊网络忽略了运动模糊图像的非均匀性,不能有效地恢复图像的高频细节及去除伪影等问题,在对抗网络基础上提出一种基于自适应残差的运动图像去模糊方法。在生成网络中构造由形变卷积模块和通道注意力模块组成的自适应残差模块。其中,形变卷积模块学习运动模糊图像特征的形变量,可以根据图像的形变信息动态调整卷积核的形状和大小,提高网络适应图像形变的能力。通道注意力模块对所提取的形变特征进行通道调整,获取更多的图像高频特征,增强恢复后图像的纹理细节。在公开的GOPRO数据集上进行实验,实验结果表明,该算法的峰值信噪比(PSNR)有较大的提升,能够重建出纹理细节丰富的高质量图像。 展开更多

关键词 运动图像去模糊 非均匀性 形变卷积模块 通道注意力模块 自适应

在线阅读 下载PDF 职称材料

基于CABFAM-Transformer的输电线路在线测距实测行波预分类方法

15

作者 唐玉涛 束洪春 +3 位作者 刘皓铭 苏萱 韩一鸣 代月 《电工技术学报》 北大核心 2025年第5期1455-1470,共16页

行波采集装置是电力系统保护与测距的重要设备,广泛应用于110 kV及以上输电线路,且正向配电网延拓。由于启动灵敏,非故障信息的采集给故障辨识与行波测距带来了挑战。该文提出了一种基于卷积注意力机制的特征聚合模块(CABFAM)与自适应Tr... 行波采集装置是电力系统保护与测距的重要设备,广泛应用于110 kV及以上输电线路,且正向配电网延拓。由于启动灵敏,非故障信息的采集给故障辨识与行波测距带来了挑战。该文提出了一种基于卷积注意力机制的特征聚合模块(CABFAM)与自适应Transformer模型的输电线路实测故障性质识别方法。首先,通过CBAM机制增强卷积层提取特征信息的表达与理解能力;然后,构建自适应编码层级调整机制的Transformer模型库,以获取多层次差异化特征信息;最后,利用云南电网110~220 kV输电线路的5076条实测数据及220 kV DL站H-P线的15924条伪实测数据进行训练与测试,针对16种典型行波数据进行分类。测试结果表明,该方法降低了模型参数量,提高了准确度,算法的多个关键指标均有不同幅度的提升,表现出优异的检测精度与识别效率。 展开更多

关键词 行波采集装置 基于卷积注意力机制的特征聚合模块 CABFAM 自适应Transformer 实测数据故障辨识

在线阅读 下载PDF 职称材料

基于自适应三元组网络的细粒度图像检索算法 被引量：2

16

作者 潘丽丽 陈蓉玉 +2 位作者 雷前慧 邵伟志 黄诗祺 《郑州大学学报（理学版）》 北大核心 2021年第4期36-43,共8页

立足于深度学习,提出面向细粒度图像的自适应三元组网络的鲁棒图像检索算法。首先,提出的视觉显著性检测方法被用来去除图像噪音,以便提取图像中目标主体辨识度更高的深度特征;然后,添加特征增强模块来提高深度特征的表征能力和鲁棒性;... 立足于深度学习,提出面向细粒度图像的自适应三元组网络的鲁棒图像检索算法。首先,提出的视觉显著性检测方法被用来去除图像噪音,以便提取图像中目标主体辨识度更高的深度特征;然后,添加特征增强模块来提高深度特征的表征能力和鲁棒性;最后设计三元组网络,弥补传统分类模型特征判别能力不足的缺陷,获取更适用于细粒度图像检索的网络模型。经实验验证,采用视觉显著性检测、特征增强模块和自适应三元组损失函数方法构建的网络模型提取的深度特征不仅加快检索效率,同时也提高了检索精度。 展开更多

关键词 细粒度图像检索 视觉显著性检测 卷积神经网络 特征增强模块 自适应三元组损失

在线阅读 下载PDF 职称材料

基于改进YOLOv8的小目标检测算法

17

作者 邓立国 吴毅麒 《现代电子技术》 北大核心 2025年第14期169-177,共9页

小目标检测在自动驾驶、医学诊断、工业质检等领域的应用需求日益凸显。针对现有小目标检测算法存在的误检、漏检以及检测精度低等问题,提出一种基于改进YOLOv8的小目标检测算法,即PGA-YOLOv8。该算法以YOLOv8为基础模型,结合注意力机... 小目标检测在自动驾驶、医学诊断、工业质检等领域的应用需求日益凸显。针对现有小目标检测算法存在的误检、漏检以及检测精度低等问题,提出一种基于改进YOLOv8的小目标检测算法,即PGA-YOLOv8。该算法以YOLOv8为基础模型,结合注意力机制来提高对小目标的定位能力;在特征融合网络中改进特征融合策略(ASFF),增加1个检测层来学习浅层的特征,以更好地利用各层次特征信息;将YOLOv8模型中部分普通卷积替换为分组重组卷积(GSConv)以优化网络结构。最后,在常用基准数据集(VOC2012)和航空图像数据集(AI-TOD)上,以YOLOv8为基准模型设置多组实验,验证改进的各种技术的有效性以及PGA-YOLOv8算法的检测能力。实验结果表明,相较于YOLOv8算法,所提算法在两个数据集中平均精度均值(mAP)分别提高了2.576%和6.389%。 展开更多

关键词 小目标检测 YOLOv8 极化自注意力模块 自适应空间特征融合策略 分组重组卷积 性能评估

在线阅读 下载PDF 职称材料

多尺度全局自适应注意力图神经网络 被引量：1

18

作者 苟茹茹 杨文柱 +1 位作者 罗梓菲 原云峰 《计算机科学与探索》 CSCD 北大核心 2023年第12期3039-3051,共13页

针对动态多尺度图神经网络的编解码网络中存在的身体部位内部关节点间关联度不高和感受野受限制导致运动预测误差偏高的问题,提出了一种用于人体运动预测的多尺度全局自适应注意力图神经网络,降低运动预测误差。提出了一种划分骨架关节... 针对动态多尺度图神经网络的编解码网络中存在的身体部位内部关节点间关联度不高和感受野受限制导致运动预测误差偏高的问题,提出了一种用于人体运动预测的多尺度全局自适应注意力图神经网络,降低运动预测误差。提出了一种划分骨架关节点的多距离分区策略,用于提高身体部位关节点信息在时间和空间上的关联程度;提出了全局自适应注意力时空卷积神经网络,以动态地加强网络对某一动作有贡献的时空关节点的关注度;将上述两处改进集成到图卷积神经网络门控循环单元中,以增强解码网络的状态传播性能,并降低预测误差。实验表明,与最新方法相比,该方法在Human 3.6M、CMU Mocap和3DPW数据集上的预测误差都有所下降。 展开更多

关键词 运动预测 多距离分区策略 全局自适应注意力 时空图卷积神经网络 门控循环单元

在线阅读 下载PDF 职称材料

基于改进YOLOv5s的面向自动驾驶场景的道路目标检测算法 被引量：5

19

作者 胡丹丹 张忠婷 《智能系统学报》 CSCD 北大核心 2024年第3期653-660,共8页

在复杂道路场景中检测车辆、行人、自行车等目标时,存在因多尺度目标及部分遮挡易造成漏检及误检等情况,提出一种基于改进YOLOv5s的面向自动驾驶场景的道路目标检测算法。首先,利用深度可分离卷积替换部分普通卷积,减少模型的参数量以... 在复杂道路场景中检测车辆、行人、自行车等目标时,存在因多尺度目标及部分遮挡易造成漏检及误检等情况,提出一种基于改进YOLOv5s的面向自动驾驶场景的道路目标检测算法。首先,利用深度可分离卷积替换部分普通卷积,减少模型的参数量以提升检测速度。其次,在特征融合网络中引入基于感受野模块(receptive field block,RFB)改进的RFB-s,通过模仿人类视觉感知,增强特征图的有效感受野区域,提高网络特征表达能力及对目标特征的可辨识性。最后,使用自适应空间特征融合(adaptively spatial feature fusion,ASFF)方式以提升PANet对多尺度特征融合的效果。实验结果表明,在PASCAL VOC数据集上,所提算法检测平均精度均值相较于YOLOv5s提高1.71个百分点,达到84.01%,在满足自动驾驶汽车实时性要求的前提下,在一定程度上减少目标检测时的误检及漏检情况,有效提升模型在复杂驾驶场景下的检测性能。 展开更多

关键词 YOLOv5s 自动驾驶 目标检测算法 深度可分离卷积 感受野模块 自适应空间特征融合 PANet 多尺度特征融合

在线阅读 下载PDF 职称材料

基于改进PV-RCNN的3D目标检测算法实验研究 被引量：4

20

作者 傅荟璇 刘凌风 王宇超 《实验技术与管理》 CAS 北大核心 2022年第2期23-28,共6页

3D目标检测结合了深度信息,能够提供目标的位置、方向和大小等空间场景信息,在自动驾驶和机器人领域发展迅速。针对PV-RCNN在3D目标检测时不能够充分适应不同的物体尺度、不同的点云密度、部分变形和杂波等问题,对3D目标检测的任务进行... 3D目标检测结合了深度信息,能够提供目标的位置、方向和大小等空间场景信息,在自动驾驶和机器人领域发展迅速。针对PV-RCNN在3D目标检测时不能够充分适应不同的物体尺度、不同的点云密度、部分变形和杂波等问题,对3D目标检测的任务进行实验研究。通过加入自适应可变形卷积、上下文融合模块和Gumbel Subset Sampling模块来训练层级特征,使得编码关键点自适应地朝着最具有判别和代表性的特征对齐,提高提案框回归精度。实验结果表明,改进后的PV-RCNN 3D目标检测精度得到了提升,尤其是在远距离物体识别和检测方面。 展开更多

关键词 3D检测 PV-RCNN 自适应可变形卷积 上下文融合模块

在线阅读 下载PDF 职称材料