检索结果-维普期刊中文期刊服务平台

基于轻量级卷积神经网络的多视觉特征图像分割研究被引量：7: 1; 作者陈攀王绍东《现代电子技术》北大核心 2024年第15期60-64,共5页; 研究基于轻量级卷积神经网络的多视觉特征图像分割方法,以适应资源受限环境并满足实时性需求。在Linknet网络基础上设计轻量级多视觉特征图像分割模型,以原始多视觉特征图像为编码器输入,经过初步特征提取后,多尺度特征提取模块利用不... 展开更多; 关键词轻量级多视觉特征图像分割通道注意力反卷积双向特征金字塔; 在线阅读下载PDF 职称材料

基于图像处理的单晶硅金字塔织构测量方法研究: 2; 作者周飞王大镇 +1 位作者许志龙陈俊英《现代电子技术》北大核心 2020年第15期65-69,共5页; 化学制绒可在单晶硅表面制备出金字塔陷光织构。针对单晶硅电池表面的金字塔高度对其光电转换效率有着显著影响,通过对单晶硅金字塔织构形貌特征进行分析,采用一种基于滤波、二值化、分割、形态学处理的图像处理技术对化学制绒后单晶硅... 展开更多; 关键词单晶硅金字塔图像处理特征分析图像滤波图像二值化图像分割形态学处理; 在线阅读下载PDF 职称材料

基于物理多层随机空间模型的深度去雾网络: 3; 作者王宝熠蒋虎 +4 位作者付之深王健汪子恒张思奇柴蓉梦《探测与控制学报》北大核心 2025年第4期88-97,共10页; 当前图像去雾方法面临在复杂场景中恢复高质量去雾图像的挑战,特别是在细节保留方面,传统的物理先验方法存在一定的局限性。深度学习方法通常依赖于数据驱动的方式,尽管在多种场景下取得了不错的效果,但缺乏对雾霾退化过程的理解。针对... 展开更多; 关键词图像去雾暗通道先验大气光估计轻量级注意力金字塔特征池化; 在线阅读下载PDF 职称材料

面向驾驶场景的多尺度特征融合目标检测方法被引量：4: 4; 作者黄仝宇胡斌杰 +1 位作者朱婷婷黄哲文《计算机工程与应用》 CSCD 北大核心 2021年第14期134-141,共8页; 针对驾驶场景中目标检测卷积神经网络模型检测精度较低的问题,提出一种基于改进RefineDet网络结构的多尺度特征融合目标检测方法。在RefineDet网络结构中嵌入LFIP(Light-weightFeaturizedImagePyramid,轻量级特征化的图像金字塔)网络,将... 展开更多; 关键词深度学习卷积神经网络目标检测 RefineDet算法感受野模块(RFB) 轻量级特征化的图像金字塔(lfip) 参数化修正线性单元(PReLU) 损失函数遮挡目标; 在线阅读下载PDF 职称材料

一种SOFC燃烧室燃烧状态识别方法: 5; 作者王阳付晓薇李曦《计算机应用研究》 CSCD 北大核心 2023年第8期2531-2536,共6页; 针对固体氧化物燃料电池(SOFC)燃烧室燃烧状态识别问题,提出一种基于注意力机制与图像特征金字塔的SOFC燃烧室燃烧状态识别方法。该方法使用加权分布的自适应伽马矫正算法(AGCWD)进行数据前处理,对数据进行标准化;利用两个附加1×1... 展开更多; 关键词固体氧化物燃料电池卷积神经网络混合注意力机制轻量级网络图像特征金字塔; 在线阅读下载PDF 职称材料

题名基于轻量级卷积神经网络的多视觉特征图像分割研究被引量：7: 1; 作者陈攀王绍东; 机构内蒙古师范大学; 出处《现代电子技术》北大核心 2024年第15期60-64,共5页; 基金内蒙古自治区社会科学基金项目(2024DY05) 内蒙古师范大学基本科研业务费专项资金资助(2023JBQN034)。; 文摘研究基于轻量级卷积神经网络的多视觉特征图像分割方法,以适应资源受限环境并满足实时性需求。在Linknet网络基础上设计轻量级多视觉特征图像分割模型,以原始多视觉特征图像为编码器输入,经过初步特征提取后,多尺度特征提取模块利用不同尺度卷积核学习其颜色、纹理等特征,通道注意力模块采用压缩-激励块对不同尺度特征作重定向,利用引入深度可分离卷积的特征提取模块A学习更抽象的特征表示,解码器利用特征提取模块B、反卷积层和标准卷积层对编码器提取的特征表示作转换处理,生成包含语义信息的特征图。通过双向特征金字塔网络融合编解码器输出特征,利用Sigmoid函数获得多视觉特征图像分割结果。实验结果表明:该方法训练损失仅为0.08;可实现多视觉特征图像的精准分割,MIoU、F1-score指标分别为0.9128、0.9068;分割模型参数量、计算量、存储空间分别为6.14 MB、1.52 GMac、0.146 GB,满足轻量级要求。; 关键词轻量级多视觉特征图像分割通道注意力反卷积双向特征金字塔; Keywords lightweight multi-visual feature image segmentation channel attention deconvolution bidirectional feature pyramid; 分类号 TN911.73-34 [电子电信—通信与信息系统] 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

题名基于图像处理的单晶硅金字塔织构测量方法研究: 2; 作者周飞王大镇许志龙陈俊英; 机构集美大学机械与能源工程学院; 出处《现代电子技术》北大核心 2020年第15期65-69,共5页; 基金国家自然科学基金资助项目(51676085) 福建省自然科学基金资助项目(2019J01327)。; 文摘化学制绒可在单晶硅表面制备出金字塔陷光织构。针对单晶硅电池表面的金字塔高度对其光电转换效率有着显著影响,通过对单晶硅金字塔织构形貌特征进行分析,采用一种基于滤波、二值化、分割、形态学处理的图像处理技术对化学制绒后单晶硅金字塔织构的高度进行计算,得到了单晶硅金字塔织构的高度分布。检测结果表明,基于图像处理技术对单晶硅金字塔织构的高度计算分析,可以准确地反映金字塔织构的高度分布情况。; 关键词单晶硅金字塔图像处理特征分析图像滤波图像二值化图像分割形态学处理; Keywords monocrystalline silicon pyramid image processing feature analysis image filtering image binarization image segmentation morphological processing; 分类号 TN911.73-34 [电子电信—通信与信息系统] 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

题名基于物理多层随机空间模型的深度去雾网络: 3; 作者王宝熠蒋虎付之深王健汪子恒张思奇柴蓉梦; 机构沈阳理工大学装备工程学院北京理工大学自动化学院; 出处《探测与控制学报》北大核心 2025年第4期88-97,共10页; 基金辽宁省教育厅基金科研项目(LJ212510144027) 辽宁省大学生创新训练计划项目(S202410144009)。; 文摘当前图像去雾方法面临在复杂场景中恢复高质量去雾图像的挑战,特别是在细节保留方面,传统的物理先验方法存在一定的局限性。深度学习方法通常依赖于数据驱动的方式,尽管在多种场景下取得了不错的效果,但缺乏对雾霾退化过程的理解。针对以上问题,提出一种基于物理多层随机空间模型的深度去雾网络,该网络结合了物理先验和深度学习,通过大气光估计和暗通道先验进行物理先验估计,并引入多层传输率以细化透射率,网络结构采用改进的U-net架构,结合轻量级注意力模块和金字塔特征池化模块,以在多个尺度上增强图像细节并有效恢复全局和局部特征。实验结果表明,在复杂场景中所提出的去雾方法在图像细节恢复方面的表现和计算的数据指标,优于典型的传统去雾物理模型和深度学习去雾网络。; 关键词图像去雾暗通道先验大气光估计轻量级注意力金字塔特征池化; Keywords image dehazing dark channel prior atmospheric light estimation lightweight attention pyramid feature pooling; 分类号 TH741 [机械工程—光学工程]; 在线阅读下载PDF 职称材料

题名面向驾驶场景的多尺度特征融合目标检测方法被引量：4: 4; 作者黄仝宇胡斌杰朱婷婷黄哲文; 机构华南理工大学电子与信息学院广东白云学院大数据与计算机学院广州市生发科技服务有限公司技术部; 出处《计算机工程与应用》 CSCD 北大核心 2021年第14期134-141,共8页; 基金国家自然科学基金(61871193) 广东省自然科学基金重点项目(2018B030311049) 广东省重点科技领域研发计划(2019B090912001)。; 文摘针对驾驶场景中目标检测卷积神经网络模型检测精度较低的问题,提出一种基于改进RefineDet网络结构的多尺度特征融合目标检测方法。在RefineDet网络结构中嵌入LFIP(Light-weightFeaturizedImagePyramid,轻量级特征化的图像金字塔)网络,将LFIP网络生成的多尺度特征图与RefineDet中的ARM(AnchorRefinement Module,锚点框修正模块)输出的主特征图相融合,提升特征层中锚点框初步分类和回归的输出效果,为ODM(ObjectDetectionModule,目标检测模块)模块提供修正的锚点框以便于进一步回归和多类别预测;在RefineDet网络结构中的ODM之后嵌入多分支结构RFB(ReceptiveFieldBlock,感受野模块),在检测任务中获得不同尺度的感受野以改善主干网络中提取的特征。将模型中的激活函数替换为带有可学习参数的非线性激活函数PReLU(Parametric RectifiedLinearUnit,参数化修正线性单元),加快网络模型的收敛速度;将RefineDet的边界框回归损失函数替换为排斥力损失函数RepulsionLoss,使目标检测中的某预测框更靠近其对应的目标框,并使该预测框远离附近的目标框及预测框,可以提升遮挡情况下目标检测的精度;构建驾驶视觉下的目标检测数据集,共计48260张,其中38608张作为训练集,9652张作为测试集,并在主流的GPU硬件平台进行验证。该方法的mAP为85.59%,优于RefineDet及其他改进算法;FPS为41.7 frame/s,满足驾驶场景目标检测的应用要求。实验结果表明,该方法在检测速度略微下降的情况,能够较好地提升驾驶视觉下的目标检测的精确度,并能够一定程度上解决驾驶视觉下的遮挡目标检测和小目标检测的问题。; 关键词深度学习卷积神经网络目标检测 RefineDet算法感受野模块(RFB) 轻量级特征化的图像金字塔(lfip) 参数化修正线性单元(PReLU) 损失函数遮挡目标; Keywords deep learning convolutional neural network object detection RefineDet algorithm Receptive Field Block(RFB) Light-weight Featured Image Pyramid(lfip) Parametric Rectified Linear Unit(PReLU) loss function occlusion object; 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

题名一种SOFC燃烧室燃烧状态识别方法: 5; 作者王阳付晓薇李曦; 机构武汉科技大学计算机科学与技术学院武汉科技大学智能信息处理与实时工业系统湖北省重点实验室华中科技大学人工智能与自动化学院; 出处《计算机应用研究》 CSCD 北大核心 2023年第8期2531-2536,共6页; 基金国家自然科学基金资助项目(61873323,U2066202) 武汉市科技计划资助项目(2018010401011292) +2 种基金深圳科技创新计划重点项目(JCYJ20210324115606017)。; 文摘针对固体氧化物燃料电池(SOFC)燃烧室燃烧状态识别问题,提出一种基于注意力机制与图像特征金字塔的SOFC燃烧室燃烧状态识别方法。该方法使用加权分布的自适应伽马矫正算法(AGCWD)进行数据前处理,对数据进行标准化;利用两个附加1×1卷积的全连接改进了压缩—激励结构,并结合空间注意力,提出了一种混合注意力结构,提升了网络特征提取能力;为增强特征的多尺度信息交流能力,使用双向计算和多尺度融合,提出了多尺度双向融合金字塔。实验表明,所提方法在参数量为3.98 M、浮点运算数(FLOPs)为397 M的前提下,识别准确率达到99.22%,能够有效识别SOFC燃烧室燃烧状态。; 关键词固体氧化物燃料电池卷积神经网络混合注意力机制轻量级网络图像特征金字塔; Keywords solid oxide fuel cell(SOFC) convolutional neural network mixed attention mechanism lightweight network image feature pyramid; 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	作者	出处	发文年	被引量	操作
1	基于轻量级卷积神经网络的多视觉特征图像分割研究	陈攀王绍东	《现代电子技术》北大核心	2024	7	在线阅读下载PDF 职称材料
2	基于图像处理的单晶硅金字塔织构测量方法研究	周飞王大镇许志龙陈俊英	《现代电子技术》北大核心	2020	0	在线阅读下载PDF 职称材料
3	基于物理多层随机空间模型的深度去雾网络	王宝熠蒋虎付之深王健汪子恒张思奇柴蓉梦	《探测与控制学报》北大核心	2025	0	在线阅读下载PDF 职称材料
4	面向驾驶场景的多尺度特征融合目标检测方法	黄仝宇胡斌杰朱婷婷黄哲文	《计算机工程与应用》 CSCD 北大核心	2021	4	在线阅读下载PDF 职称材料
5	一种SOFC燃烧室燃烧状态识别方法	王阳付晓薇李曦	《计算机应用研究》 CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料