检索结果-维普期刊中文期刊服务平台

融合高效通道注意力的复杂场景违禁品检测被引量：1: 1; 作者崔丽群李万欣《辽宁工程技术大学学报（自然科学版）》 CAS 北大核心 2024年第4期494-505,共12页; 针对X射线在违禁品检测任务中安检图像色彩存在对比度低、检测精度低、极易出现漏检错检的问题,在快速区域卷积神经网络(Faster R-CNN)算法基础上,通过K-means聚类算法改进锚框(Anchor)的生成方式;提出将高效通道注意力机制(ECANet)引... 展开更多; 关键词目标检测 X射线图像残差网络特征金字塔 K均值聚类快速区域卷积神经网络高效通道注意力机制; 在线阅读下载PDF 职称材料

强噪声背景下基于CEEMDAN与BRECAN的船舶电机故障诊断: 2; 作者朱仁杰宋恩哲 +1 位作者姚崇柯赟《中国舰船研究》北大核心 2025年第2期20-29,共10页; [目的]针对船舶航行中机舱背景噪声导致故障诊断方法在实际使用时精度差的问题,提出一种基于自适应噪声的完备经验模态分解(CEEMDAN)和贝叶斯残差高效通道注意力网络(BRECAN)的船舶电机故障诊断方法。[方法]首先,通过CEEMDAN将含噪声电... 展开更多; 关键词电动机故障分析故障诊断人工智能完全集合经验模态分解(CEEMDAN) 贝叶斯残差高效通道注意力网络(brecan); 在线阅读下载PDF 职称材料

基于自适应ECA的串联故障电弧检测: 3; 作者袁建华黄淘卢云《燕山大学学报》北大核心 2025年第2期137-145,共9页; 在用户侧负载不断增加和复杂的情况下,串联故障电弧变得更加难以有效识别,威胁到了线路的安全和系统的运行。以往的检测方法多采用二维或三维模型,相比于一维模型通常需要更大的计算量,且较少关注特征通道间的信息。由此提出一种基于自... 展开更多; 关键词串联故障电弧高效通道注意力残差结构卷积神经网络电弧检测; 在线阅读下载PDF 职称材料

基于改进高分辨率神经网络的多目标行人跟踪被引量：4: 4; 作者张红颖贺鹏艺彭晓雯《光学精密工程》 EI CAS CSCD 北大核心 2023年第6期860-871,共12页; 针对行人多目标跟踪过程中目标被遮挡时产生的检测、跟踪失败问题,提出了一种改进型高分辨率神经网络作为检测网络。首先,为了增强网络对于行人目标的初始特征提取能力,在高分辨率神经网络的基础上,对网络的主干部分引入二代瓶颈残差块... 展开更多; 关键词目标身份切换高分辨率神经网络高效通道注意力模块二代瓶颈残差块 FairMOT; 在线阅读下载PDF 职称材料

矿井图像超分辨率重建研究被引量：2: 5; 作者王媛彬刘佳 +1 位作者郭亚茹吴冰超《工矿自动化》 CSCD 北大核心 2023年第11期76-83,120,共9页; 受井下粉尘大、照度低等环境影响,矿井图像存在分辨率低、细节模糊等问题,现有的图像超分辨率重建算法应用于矿井图像时,难以获取不同尺度图像信息、网络参数过大而影响重建速度,且重建图像易出现细节丢失、边缘轮廓模糊、伪影等问题。... 展开更多; 关键词矿井图像超分辨率重建超分辨率生成对抗网络多尺度密集通道注意力残差块高效通道注意力模块深度可分离卷积纹理损失; 在线阅读下载PDF 职称材料

题名融合高效通道注意力的复杂场景违禁品检测被引量：1: 1; 作者崔丽群李万欣; 机构辽宁工程技术大学软件学院; 出处《辽宁工程技术大学学报（自然科学版）》 CAS 北大核心 2024年第4期494-505,共12页; 基金辽宁省高等学校基本研究项目(LJKMZ20220699)。; 文摘针对X射线在违禁品检测任务中安检图像色彩存在对比度低、检测精度低、极易出现漏检错检的问题,在快速区域卷积神经网络(Faster R-CNN)算法基础上,通过K-means聚类算法改进锚框(Anchor)的生成方式;提出将高效通道注意力机制(ECANet)引入到感兴趣池化层(ROIpooling)后,突出违禁品的轮廓、色彩等信息。本文算法在S_DXray数据集上的m AP达到92.06%,改进后网络模型检测精度提高5.06个百分点。有效提高X射线图像违禁品检测的精度和小尺度目标的检测能力,有效避免错检、漏检的现象。; 关键词目标检测 X射线图像残差网络特征金字塔 K均值聚类快速区域卷积神经网络高效通道注意力机制; Keywords target detection X-ray images ResNet FPN K-means Faster R-CNN ECANet; 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

题名强噪声背景下基于CEEMDAN与BRECAN的船舶电机故障诊断: 2; 作者朱仁杰宋恩哲姚崇柯赟; 机构哈尔滨工程大学动力与能源工程学院哈尔滨工程大学烟台研究院; 出处《中国舰船研究》北大核心 2025年第2期20-29,共10页; 基金山东省自然科学基金资助项目(ZR2023QE009) 中央高校基本科研业务费专项资金资助项目(3072024XX2709) 内燃机与动力系统全国重点实验室开放课题(skler-2023-011)。; 文摘 [目的]针对船舶航行中机舱背景噪声导致故障诊断方法在实际使用时精度差的问题,提出一种基于自适应噪声的完备经验模态分解(CEEMDAN)和贝叶斯残差高效通道注意力网络(BRECAN)的船舶电机故障诊断方法。[方法]首先,通过CEEMDAN将含噪声电机故障信号分解为多个本征模态函数(IMF)分量,并基于去趋势波动分析(DFA)划分IMF中噪声和信息的主导信号,对于噪声主导信号使用经验小波变化(EWT)予以降噪;然后,构建BRECAN网络,基于变分贝叶斯理论,使用网络参数代替传统网络点估计的训练方式,使用参数建模,拟合噪声对模型训练的干扰,并通过残差高效通道注意力(RECA)模块引导网络提取故障差异特征;最后,通过电机故障模拟实验台,验证所提方法的有效性。[结果]结果表明,所提方法在强噪声下能够实现船舶电机故障的精确诊断,在信噪比为-12dB的条件下仍能保持90%以上的诊断精度。[结论]研究成果可为强噪声下船舶电机故障诊断提供参考。; 关键词电动机故障分析故障诊断人工智能完全集合经验模态分解(CEEMDAN) 贝叶斯残差高效通道注意力网络(brecan); Keywords electric motors failure analysis fault diagnosis artificial intelligence complementary ensemble empirical mode decomposition with adaptive noise Bayesian residual efficient channel attention network; 分类号 U672.7 [交通运输工程—船舶及航道工程] U664.14 [交通运输工程—船舶及航道工程]; 在线阅读下载PDF 职称材料

题名基于自适应ECA的串联故障电弧检测: 3; 作者袁建华黄淘卢云; 机构三峡大学电气与新能源学院三峡大学新能源微电网湖北省协同创新中心; 出处《燕山大学学报》北大核心 2025年第2期137-145,共9页; 基金湖北省自然科学基金资助项目(2020CFB248)。; 文摘在用户侧负载不断增加和复杂的情况下,串联故障电弧变得更加难以有效识别,威胁到了线路的安全和系统的运行。以往的检测方法多采用二维或三维模型,相比于一维模型通常需要更大的计算量,且较少关注特征通道间的信息。由此提出一种基于自适应高效通道注意力的串联故障电弧检测方法,自适应地提取电流信号中的有效特征。首先,使用高效通道注意力及残差结构对一维的卷积网络进行改进,构建出网络模型结构。然后,通过搭建的故障电弧实验平台,采集正常工况和故障电弧情况下的各类负载电流数据,建立相应的数据库。最后,利用构建的一维网络模型对数据样本进行训练和分类,使其能够有效地识别故障电弧。结果表明,该模型对故障电弧的平均识别准确率为98.68%,具有良好的识别效果。; 关键词串联故障电弧高效通道注意力残差结构卷积神经网络电弧检测; Keywords series are fault efficient channel attention residual structure convolutional neural network are detection; 分类号 TM501.2 [电气工程—电器]; 在线阅读下载PDF 职称材料

题名基于改进高分辨率神经网络的多目标行人跟踪被引量：4: 4; 作者张红颖贺鹏艺彭晓雯; 机构中国民航大学电子信息与自动化学院; 出处《光学精密工程》 EI CAS CSCD 北大核心 2023年第6期860-871,共12页; 基金国家重点研发计划资助项目(No.2018YFB1601200)。; 文摘针对行人多目标跟踪过程中目标被遮挡时产生的检测、跟踪失败问题,提出了一种改进型高分辨率神经网络作为检测网络。首先,为了增强网络对于行人目标的初始特征提取能力,在高分辨率神经网络的基础上,对网络的主干部分引入二代瓶颈残差块结构,提升感受野和特征表达力;其次,设计了添加二层高效通道注意力模块的残差检测块架构,并通过该架构替换了原有网络在多尺度信息交换阶段中的残差检测块,以提高了整个网络系统的测试性能;最后,通过选择适当的参数对网络进行了全面地训练,并通过多个测试集对算法测试。测试结果显示,本文算法相较于FairMOT在2DMOT15,MOT17,MOT20数据集上的跟踪准确度分别提升0.1%,1.6%,0.8%。本文算法可以良好地应用在目标较多且遮挡面积较大的特殊情景,同时对于较长时间视频序列的追踪稳定性也大大提高。; 关键词目标身份切换高分辨率神经网络高效通道注意力模块二代瓶颈残差块 FairMOT; Keywords ID switch high-resolution feature extraction network Efficient Channel Attention(ECA) Bottle2neck FairMOT; 分类号 TP391.4 [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

题名矿井图像超分辨率重建研究被引量：2: 5; 作者王媛彬刘佳郭亚茹吴冰超; 机构西安科技大学电气与控制工程学院西安市电气设备状态监测与供电安全重点实验室; 出处《工矿自动化》 CSCD 北大核心 2023年第11期76-83,120,共9页; 基金国家自然科学基金资助项目(52174198) 陕西省重点研发计划项目(2023YBSF-133)。; 文摘受井下粉尘大、照度低等环境影响,矿井图像存在分辨率低、细节模糊等问题,现有的图像超分辨率重建算法应用于矿井图像时,难以获取不同尺度图像信息、网络参数过大而影响重建速度,且重建图像易出现细节丢失、边缘轮廓模糊、伪影等问题。提出了一种基于多尺度密集通道注意力超分辨率生成对抗网络(SRGAN)的矿井图像超分辨率重建算法。设计了多尺度密集通道注意力残差块替代SRGAN原有的残差块,采用2路并行且卷积核大小不同的密集连接块,可充分获取图像特征;融入高效通道注意力模块,加强对高频信息的关注度;采用深度可分离卷积对网络进行轻量化,抑制网络参数的增加;利用纹理损失约束网络训练,避免网络加深时产生伪影。在井下数据集和公共数据集上对提出的矿井图像超分辨率重建算法和经典超分辨率重建算法BICUBIC,SRCNN,SRRESNET,SRGAN进行实验,结果表明:所提算法在主客观评价上总体优于对比算法,网络参数较SRGAN减少了2.54%,峰值信噪比与结构相似度较经典算法指标均值分别提高了0.764 dB和0.05358,能更好地关注图像的纹理、轮廓等细节信息,重建图像更符合人眼视觉。; 关键词矿井图像超分辨率重建超分辨率生成对抗网络多尺度密集通道注意力残差块高效通道注意力模块深度可分离卷积纹理损失; Keywords mine image super resolution reconstruction super-resolution generative adversarial network multi scale dense channel attention residual blocks efficient channel attention module depthwise separable convolution texture loss; 分类号 TD67 [矿业工程—矿山机电]; 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	融合高效通道注意力的复杂场景违禁品检测	崔丽群李万欣	《辽宁工程技术大学学报（自然科学版）》 CAS 北大核心	2024	1	在线阅读下载PDF 职称材料
2	强噪声背景下基于CEEMDAN与BRECAN的船舶电机故障诊断	朱仁杰宋恩哲姚崇柯赟	《中国舰船研究》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于自适应ECA的串联故障电弧检测	袁建华黄淘卢云	《燕山大学学报》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于改进高分辨率神经网络的多目标行人跟踪	张红颖贺鹏艺彭晓雯	《光学精密工程》 EI CAS CSCD 北大核心	2023	4	在线阅读下载PDF 职称材料
5	矿井图像超分辨率重建研究	王媛彬刘佳郭亚茹吴冰超	《工矿自动化》 CSCD 北大核心	2023	2	在线阅读下载PDF 职称材料