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
共找到121篇文章
< 1 2 … 7 >
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：
基于FDTRP-ALDCNN的小样本轴承故障诊断方法
1
作者 王娜 刘佳林 王子从 《铁道科学与工程学报》 北大核心 2025年第9期4271-4283,共13页
针对滚动轴承在小样本条件下诊断精度低的问题,提出一种基于频域无阈值递归图与自适应线性可变卷积神经网络(frequency domain thresholdless recurrence plot-adaptive linear deformable convolutional neural network,FDTRP-ALDCNN)... 针对滚动轴承在小样本条件下诊断精度低的问题,提出一种基于频域无阈值递归图与自适应线性可变卷积神经网络(frequency domain thresholdless recurrence plot-adaptive linear deformable convolutional neural network,FDTRP-ALDCNN)的滚动轴承故障诊断方法。首先,使用快速傅里叶变换(fast fourier transform,FFT)将一维时域信号转为频域信号,并与无阈值递归图(thresholdless recurrence plot,TRP)相结合,以有效构建初始特征,提高模型输入质量;其次,采用线性可变卷积核(linear deformable convolutional kernel,LDConv)替换卷积神经网络中方形卷积核,从而能够根据采样数据的分布来调整卷积核形状,准确获取空间信息中的关键特征,提高小样本数据的利用率;再次,设计自适应交叉熵(adaptive cross entropy,ACE)损失函数,根据样本分类损失自适应调整分类器对难分与易分样本的拟合程度,增强难分样本损失在整体分类损失中的显著性,进一步提高小样本下的模型诊断精度;最后,采用CWRU滚动轴承数据集对所提方法进行3组仿真验证。对比仿真的结果表明,所提模型在不同小样本数量下均有较高的诊断准确率,最高可达到99.82%。而对2组不平衡数据集的泛化性分析可知,本模型的诊断准确率分别达到98.56%与99.3%,泛化能力优于其他模型,且具有良好的稳定性。并通过消融实验验证了FFT、LDConv与ACE损失函数对提高故障诊断精度的有效性。综上所述,所提方法能够有效诊断出小样本轴承故障,具有较高的实际应用价值。 展开更多
关键词 故障诊断 小样本 无阈值递归图 线性可变卷积核 卷积神经网络 交叉熵损失函数
在线阅读 下载PDF
基于DCNv2和Transformer Decoder的隧道衬砌裂缝高效检测模型研究 被引量：1
2
作者 孙己龙 刘勇 +4 位作者 周黎伟 路鑫 侯小龙 王亚琼 王志丰 《图学学报》 CSCD 北大核心 2024年第5期1050-1061,共12页
为解决因衬砌裂缝性状随机、分布密集、标注框分辨率低所导致的现有模型识别精度低、检测速度慢及参数量庞大等问题,以第2版可变形卷积网络(DCNv2)和端到端变换器解码器(Transformer Decoder)为基础对YOLOv8网络框架进行改进,提出了面... 为解决因衬砌裂缝性状随机、分布密集、标注框分辨率低所导致的现有模型识别精度低、检测速度慢及参数量庞大等问题,以第2版可变形卷积网络(DCNv2)和端到端变换器解码器(Transformer Decoder)为基础对YOLOv8网络框架进行改进,提出了面向衬砌裂缝的检测模型DTD-YOLOv8。首先,通过引入DCNv2对YOLOv8主干卷积网络C2f进行融合以实现模型对裂缝形变特征的准确快速感知,同时采用Transformer Decoder对YOLOv8检测头进行替换以实现端到端框架内完整目标检测流程,从而消除因Anchor-free处理模式所带来的计算消耗。采用自建裂缝数据集对SSD,Faster-RCNN,RT-DETR,YOLOv3,YOLOv5,YOLOv8和DTD-YOLOv8的7种检测模型进行对比验证。结果表明:改进模型F1分数和mAP@50值分别为87.05%和89.58%;其中F1分数相较其他6种模型分别提高了14.16%,7.68%,1.55%,41.36%,8.20%和7.40%;mAP@50分别提高了28.84%,15.47%,1.33%,47.65%,10.14%和10.84%。改进模型参数量仅为RT-DETR的三分之一,检测单张图片的速度为16.01 ms,FPS为65.46帧每秒,对比其他模型检测速度得到提升。该模型在面向运营隧道裂缝检测任务需求时能够表现出高效的性能。 展开更多
关键词 隧道工程 目标检测 第2版可变形卷积网络 Transformer Decoder 衬砌裂缝
在线阅读 下载PDF
基于DNDCNN的地震信号去噪方法 被引量：2
3
作者 马俊卓 李钢 +2 位作者 孙嘉莹 张玲 卫超凡 《科学技术与工程》 北大核心 2024年第34期14571-14580,共10页
在复杂的勘探环境下,原始采集的地震数据包含大量随机噪声会严重影响地震资料的质量,为后续地质解释带来困难。针对该问题,提出了一种结合可变形卷积和注意力机制的地震信号去噪模型,即DnDCNN(denoising deformable convolutional neura... 在复杂的勘探环境下,原始采集的地震数据包含大量随机噪声会严重影响地震资料的质量,为后续地质解释带来困难。针对该问题,提出了一种结合可变形卷积和注意力机制的地震信号去噪模型,即DnDCNN(denoising deformable convolutional neural network)网络。首先,在DnCNN网络中引入融合可变形卷积的注意力机制,使网络更加关注有效信号区域,减少细节信息的丢失;其次,将网络中堆叠的标准卷积替换为可变形卷积和标准卷积串联模式,提高不变性特征提取能力;最后,将批量归一化和残差学习策略融合,实现网络快速收敛和信噪分离。通过对模拟和实际地震数据进行验证,结果表明该网络模型在不同噪声水平下可以有效压制随机噪声、保留更多细节信息,对微弱信号去噪表现出更优秀的信噪比。 展开更多
关键词 深度学习 地震去噪 可变形卷积 卷积神经网络 注意力机制
在线阅读 下载PDF
基于改进YOLOv8的交通场景实例分割算法 被引量：2
4
作者 赵南南 高翡晨 《计算机工程》 北大核心 2025年第1期198-207,共10页
提出一种基于改进型YOLOv8的实例分割算法(DE-YOLO)。为减少图像中复杂背景的干扰,引入高效多尺度注意力机制,跨维交互使各特征组内空间语义特征平均分布。在主干网络部分,使用可变形卷积DCNv2结合C2f卷积层,突破原始卷积限制,提升可变... 提出一种基于改进型YOLOv8的实例分割算法(DE-YOLO)。为减少图像中复杂背景的干扰,引入高效多尺度注意力机制,跨维交互使各特征组内空间语义特征平均分布。在主干网络部分,使用可变形卷积DCNv2结合C2f卷积层,突破原始卷积限制,提升可变性。为减小有害梯度并提升检测器精度,采用动态非单调聚焦机制Wise-交并比(WIoU)替代联合完全交并(CIoU)损失函数进行质量评估,优化检测框定位,提升分割精度。同时,通过开启Mixup数据增强处理,充实数据集,丰富训练特征,提升模型学习能力。实验结果表明,DE-YOLO在城市景观数据集Cityscapes中的掩模平均精度均值(mAPmask)较基准模型YOLOv8n-seg提高了2.0百分点,IoU阈值为0.5时的平均精度提升了3.2百分点,所提算法在提升精度的同时,保持了优良的检测速度和较少的参数量,模型参数量较同类模型低2.2~31.3百分点。 展开更多
关键词 YOLOv8网络 实例分割 高效多尺度注意力 可变形卷积 损失函数
在线阅读 下载PDF
基于EE-YOLOv8s的多场景火灾迹象检测算法 被引量：2
5
作者 崔克彬 耿佳昌 《图学学报》 北大核心 2025年第1期13-27,共15页
针对目前烟火场景检测中,光照变化、烟火动态性、复杂背景、目标过小等干扰因素导致的火灾迹象目标误检和漏检的问题,提出一种YOLOv8s改进模型EE-YOLOv8s。设计MBConv-Block卷积模块融入YOLOv8的Backbone部分,实现EfficientNetEasy特征... 针对目前烟火场景检测中,光照变化、烟火动态性、复杂背景、目标过小等干扰因素导致的火灾迹象目标误检和漏检的问题,提出一种YOLOv8s改进模型EE-YOLOv8s。设计MBConv-Block卷积模块融入YOLOv8的Backbone部分,实现EfficientNetEasy特征提取网络,保证模型轻量化的同时,优化图像特征提取;引入大型可分离核注意力机制LSKA改进SPPELAN模块,将空间金字塔部分改进为SPP_LSKA_ELAN,充分捕获大范围内的空间细节信息,在复杂多变的火灾场景中提取更全面的特征,从而区分目标与相似物体的差异;Neck部分引入可变形卷积DCN和跨空间高效多尺度注意力EMA,实现C2f_DCN_EMA可变形卷积校准模块,增强对烟火目标边缘轮廓变化的适应能力,促进特征的融合与校准,突出目标特征;在Head部分增设携带有轻量级、无参注意力机制SimAM的小目标检测头,并重新规划检测头通道数,加强多尺寸目标表征能力的同时,降低冗余以提高参数有效利用率。实验结果表明,改进后的EE-YOLOv8s网络模型相较于原模型,其参数量减少了13.6%,准确率提升了6.8%,召回率提升了7.3%,mAP提升了5.4%,保证检测速度的同时,提升了火灾迹象目标的检测性能。 展开更多
关键词 烟火目标检测 EfficientNetEasy主干网络 大型可分离核注意力机制 可变形卷积校准模块 小目标检测
在线阅读 下载PDF
一种3D可变形卷积结合Transformer的视频压缩感知方法
6
作者 杜秀丽 朱金耀 +2 位作者 高星 吕亚娜 邱少明 《计算机科学》 北大核心 2025年第11期150-156,共7页
面对视频的分辨率越来越高导致数据量越来越大的挑战,以更低的采样率实现视频的高质量重构可降低对通信资源的占用,进而降低采样端的部署难度。然而,现有的视频压缩感知方法对视频的帧间相关性无法充分利用,低采样率下的视频重构质量有... 面对视频的分辨率越来越高导致数据量越来越大的挑战,以更低的采样率实现视频的高质量重构可降低对通信资源的占用,进而降低采样端的部署难度。然而,现有的视频压缩感知方法对视频的帧间相关性无法充分利用,低采样率下的视频重构质量有待进一步提高。随着深度学习技术的引入,基于深度学习的分布式视频压缩感知给视频压缩感知重构提供了新思路。因此,结合3D可变形卷积与Transformer构建CS3Dformer网络,利用3D可变形卷积捕获视频的局部特征和时空特征的有效性,学习视频帧间的时空特征;同时,利用Transformer捕获长距离依赖特征的优点,一定程度上弥补了卷积神经网络方法在捕获图像的非局部相似性方面的缺陷,能更好地实现对视频的建模。所提方法是一种端到端的视频压缩感知方法,在多个数据集上的实验结果验证了该方法的有效性。 展开更多
关键词 压缩感知 视频重构 可变形卷积 TRANSFORMER 卷积神经网络
在线阅读 下载PDF
可变形卷积网络的解释性研究及其在蝴蝶物种识别模型中的应用
7
作者 王璐 刘东 刘卫光 《计算机应用》 北大核心 2025年第1期261-274,共14页
近年来,可变形卷积网络(DCN)广泛运用于图像识别和分类等领域,然而对该模型的可解释性研究较为有限,它的适用性缺乏充分理论支持。针对上述问题,提出DCN的解释性研究及其在蝴蝶物种识别模型中的应用。首先,引入可变形卷积对VGG16、ResNe... 近年来,可变形卷积网络(DCN)广泛运用于图像识别和分类等领域,然而对该模型的可解释性研究较为有限,它的适用性缺乏充分理论支持。针对上述问题,提出DCN的解释性研究及其在蝴蝶物种识别模型中的应用。首先,引入可变形卷积对VGG16、ResNet50和DenseNet121(Dense Convolutional Network121)分类模型进行改进;其次,采用反卷积和类激活映射(CAM)等可视化手段来对比可变形卷积和标准卷积在特征提取能力上的差异,且通过消融实验结果表明可变形卷积在神经网络的较低层且不连续使用时效果更佳;再次,提出显著性移除(SR)并对CAM的性能和激活特征重要性进行统一评价,同时通过设置不同的移除阈值等多个角度,提高评价的客观性;最后,基于评价结果更高的FullGrad(Full Gradient-weighted)解释模型识别的判断依据。实验结果显示,在Archive_80数据集上,所提出的D_v2-DenseNet121的准确率达到97.03%,相较于DenseNet121分类模型提高了2.82个百分点。可见,可变形卷积的引入赋予了神经网络模型不变性特征提取能力,并提高了分类模型的准确率。 展开更多
关键词 可变形卷积网络 可解释性 蝴蝶物种识别 类激活映射 显著性移除
在线阅读 下载PDF
高速动车组车体轻量化与模态匹配优化设计研究
8
作者 王浩 李凡松 +2 位作者 杜翔 王成强 邬平波 《中南大学学报(自然科学版)》 北大核心 2025年第4期1658-1672,共15页
针对高速动车组车体轻量化设计导致的一阶菱形模态频率降低问题,从车体设计出发,研究无横梁底架的车体提升一阶菱形模态频率的设计方法。基于灵敏度及模态振型分析对车体的结构进行优化、基于卷积神经网络代理模型以及协方差矩阵自适应... 针对高速动车组车体轻量化设计导致的一阶菱形模态频率降低问题,从车体设计出发,研究无横梁底架的车体提升一阶菱形模态频率的设计方法。基于灵敏度及模态振型分析对车体的结构进行优化、基于卷积神经网络代理模型以及协方差矩阵自适应演化优化算法对车体断面型材厚度进行优化。基于线路实测车轮和钢轨外形,建立考虑弹性车体的动车组刚柔耦合动力学模型。研究结果表明:优化后车体骨架质量减小680 kg,质量减小率为6.4%,整备状态下一阶菱形频率提升1.66 Hz,提升了19.1%。优化后的车体不仅轻量化程度更高,且能够有效抑制车体的异常弹性振动,提高乘客的乘坐舒适性。 展开更多
关键词 动车组 抖车 结构优化 菱形模态 卷积神经网络 优化算法
在线阅读 下载PDF
深度学习和分布式光纤传感在基坑变形监测和预测中的应用
9
作者 樊成 彭彦力 +2 位作者 赵杰 程树凯 樊一江 《河南科技大学学报(自然科学版)》 北大核心 2025年第3期79-90,共12页
随着中国城市化程度的不断增加,对深基坑变形进行监测与预测变得愈发必要。提出一种以时序监测数据为输入的卷积神经网络-长短期记忆神经网络-自注意力机制(CNN-LSTM-SAM)组合神经网络模型。针对大连东港商务区某内支撑深基坑工程,结合... 随着中国城市化程度的不断增加,对深基坑变形进行监测与预测变得愈发必要。提出一种以时序监测数据为输入的卷积神经网络-长短期记忆神经网络-自注意力机制(CNN-LSTM-SAM)组合神经网络模型。针对大连东港商务区某内支撑深基坑工程,结合分布式光纤传感(DFOS)技术,利用CNN-LSTM-SAM模型对桩顶水平位移进行预测,将得到的变形预测值与反向传播神经网络(BP)、长短期记忆神经网络(LSTM)和卷积神经网络-长短期记忆神经网络(CNN-LSTM)模型的预测结果进行对比分析。结果表明:CNN-LSTM-SAM模型相比其他3种模型具有更高的准确性。再选取其他监测点的监测数据进行训练及预测,从而更深入地验证模型的预测效果,证明了CNN-LSTM-SAM模型的适用性和鲁棒性。研究成果可为类似深基坑工程设计和施工提供参考。 展开更多
关键词 卷积神经网络 长短期记忆神经网络 自注意力机制 变形预测 分布式光纤
在线阅读 下载PDF
基于改进的YOLOv8算法的钢材缺陷检测
10
作者 彭菊红 张弛 +3 位作者 高谦 张光明 谈栋华 赵明俊 《计算机工程》 北大核心 2025年第7期152-160,共9页
在工业场景下钢材表面缺陷检测技术存在检测精度低、收敛速度慢等问题。为此,提出一种改进的YOLOv8算法YOLOv8n-MDC。首先,在骨干网络中加入多尺度交叉融合网络(MCN),通过在特征层之间建立更紧密的连接,促进信息的均匀传递,减少跨层特... 在工业场景下钢材表面缺陷检测技术存在检测精度低、收敛速度慢等问题。为此,提出一种改进的YOLOv8算法YOLOv8n-MDC。首先,在骨干网络中加入多尺度交叉融合网络(MCN),通过在特征层之间建立更紧密的连接,促进信息的均匀传递,减少跨层特征融合时的语义信息损失,从而增强模型对钢材缺陷的感知能力;其次,在模块中引入可变形卷积,自适应地改变卷积核的形状与位置,从而更灵活地捕捉不规则缺陷的边缘特征,减少信息丢失,提升检测的准确性;最后,加入坐标注意力(CA)机制,将位置信息嵌入到通道中,解决了位置信息丢失的问题,使模型能够更精确地感知缺陷的位置及其形态特征,从而提升检测的精度和稳定性。在NEU-DET数据集上的实验结果表明,YOLOv8n-MDC算法的mAP@0.5达到了81.0%,相比原基准网络提升了4.2百分点,该算法收敛速度较快、精度较高,更能满足实际工业生产的要求。 展开更多
关键词 多尺度交叉融合网络 YOLOv8网络 坐标注意力机制 钢材缺陷检测 可变形卷积
在线阅读 下载PDF
基于改进RT-DETR的葡萄叶片病害检测
11
作者 王海瑞 胡灿 +1 位作者 朱贵富 蒋晨 《湖南农业大学学报(自然科学版)》 北大核心 2025年第4期117-124,共8页
针对葡萄叶片相似表现症状的病害识别率较低及细小病害检测困难的问题,提出一种基于改进RT-DETR网络的葡萄叶片病害检测方法。首先,采用坐标注意力(CA)机制对可变形卷积网络v2(DCNv2)模块进行改进,构建DCNv2_CA模块以增强目标特征的提... 针对葡萄叶片相似表现症状的病害识别率较低及细小病害检测困难的问题,提出一种基于改进RT-DETR网络的葡萄叶片病害检测方法。首先,采用坐标注意力(CA)机制对可变形卷积网络v2(DCNv2)模块进行改进,构建DCNv2_CA模块以增强目标特征的提取能力,并在模型的主干特征提取部分加入DCNv2_CA模块来提高模型对病害深层关键特征的提取能力;其次,在模型的特征交互模块中引入高低频特征交互(HiLo)注意力机制,使模型能同时关注特征的高低频信息,提高模型对葡萄细小病害的检测能力;最后,用聚合–分发机制重构模型的跨层融合网络,使其能更充分地融合各个层级之间的信息,进一步提升模型对相似表型症状病害的识别性能。结果表明:改进RT-DETR模型的病害检测准确率、召回率和平均精度均值分别达到了90.8%、89.5%和93.4%,相较于初始模型分别提升了5.4、3.9和5.6个百分点,且相对于其他模型也具有明显的优势。综上可见,改进后的RT-DETR模型能够准确地实现葡萄叶片病害检测。 展开更多
关键词 葡萄叶片 目标检测 病害检测 RT-DETR 注意力机制 可变形卷积网络 高低频特征交互 聚合–分发机制
在线阅读 下载PDF
基于机器视觉技术的农用车辆发动机水泵气密性检测研究 被引量：1
12
作者 刘兴亚 尹斌 +3 位作者 廉洁 王胜 李赫 余永昌 《中国农机化学报》 北大核心 2025年第6期242-249,共8页
为提高农用车辆发动机生产线检测效率,研究采用多光路视觉成像与非线性光照补偿方法对发动机水泵气密性进行准确检测,并开发基于混合对抗3DCNN的气泡视频检测算法提升检测效率和准确性。此外,通过可变形深度卷积网络和迁移学习的目标检... 为提高农用车辆发动机生产线检测效率,研究采用多光路视觉成像与非线性光照补偿方法对发动机水泵气密性进行准确检测,并开发基于混合对抗3DCNN的气泡视频检测算法提升检测效率和准确性。此外,通过可变形深度卷积网络和迁移学习的目标检测方法提升微小气泡检测的精度和速度。研究结果表明:使用更新数据集的3DCNN模型的平均查准率(mAP)、平均查全率(AR)和平均精度(AP)分别提高至92.39%、95.01%和95.25%,这说明定期更新训练数据集对提升模型的识别精度和适应性有积极影响。将TDD—Net融入3DCNN模型检测发动机水泵壳体气密性,平均查准率、平均查全率和平均精度分别提高至96.27%、97.72%和96.37%,表明深度学习模型在集成先进结构中能够有效提升图像识别、分类等任务的准确度和鲁棒性。为农用车辆发动机水泵气密性检测提供一种新的技术思路和方法,为农业生产提供更加可靠、高效的技术保障。 展开更多
关键词 农用车辆发动机 水泵 气密性检测 非线性光照补偿 三维卷积神经网络 可变形卷积网络 迁移学习
在线阅读 下载PDF
基于融合卷积神经网络的车辆多目标检测方法 被引量：1
13
作者 曹佳 郑秋梅 段泓舟 《激光杂志》 北大核心 2025年第1期208-213,共6页
在实际场景中,车辆目标往往会被其他车辆、建筑物等对象遮挡,背景也可能非常复杂,为了保障检测精度,提出一种基于融合卷积神经网络的车辆多目标检测方法。采用激光雷达采集车辆目标图像,将采集的车辆行驶图像根据其车道线特征划分为两... 在实际场景中,车辆目标往往会被其他车辆、建筑物等对象遮挡,背景也可能非常复杂,为了保障检测精度,提出一种基于融合卷积神经网络的车辆多目标检测方法。采用激光雷达采集车辆目标图像,将采集的车辆行驶图像根据其车道线特征划分为两侧区域,将车道线以内的区域作为车辆多目标检测初始感兴趣区域(ROI),在ROI中采用车底阴影假设区域分割法获取车辆检测目标的假设区域。在原始卷积神经网络的基础上作进一步优化,设计可变形卷积神经网络(DF-R-CNN)模型,将得到的假设区域作为网络模型所需的车辆多目标检测候选区域,通过该模型实现车辆多目标的精准检测。实验结果表明,所提方法的召回率最高值达到了85%,损失函数最低值约为1.8,说明其具有较高的检测精度和检测效果。 展开更多
关键词 卷积神经网络 车道线划分 感兴趣区域ROI 可变形卷积神经网络 车辆多目标检测
在线阅读 下载PDF
大坝边坡测斜孔变形自动化监测及变形模式识别研究 被引量：1
14
作者 冉鲁光 周小燕 +4 位作者 李双平 张斌 刘祖强 王华为 李建川 《水电能源科学》 北大核心 2025年第3期147-151,共5页
针对大坝边坡深部位移监测的自动化需求,开发了一种基于物联网的钻孔测斜机器人系统,并创新性地结合一维卷积神经网络模型(1D CNN)实现边坡变形模式的智能预测。通过自主研发的硬件主控板,实现了测斜仪的自动化控制及数据的实时采集和... 针对大坝边坡深部位移监测的自动化需求,开发了一种基于物联网的钻孔测斜机器人系统,并创新性地结合一维卷积神经网络模型(1D CNN)实现边坡变形模式的智能预测。通过自主研发的硬件主控板,实现了测斜仪的自动化控制及数据的实时采集和传输。基于采集的深部位移数据,1D CNN模型自动提取曲线特征并进行分类,识别出多种变形模式(如变形稳定、剪切滑动等),从而对边坡变形趋势进行智能化预测,有效支持地质灾害预警。试验表明,测斜机器人在A、B向的测量精度分别达±0.82、±1.04 mm/30 m,且1D CNN模型在曲线分类上表现优异。该系统通过高精度监测与自动化分析,显著提升了大坝边坡的监测效率和预警水平,具备广泛应用的潜力。 展开更多
关键词 测斜机器人 物联网 变形模式 卷积神经网络 大坝边坡
在线阅读 下载PDF
基于运动阵列微波成像与多尺度可变形卷积网络的引信目标识别方法 被引量：1
15
作者 韩燕文 闫晓鹏 +2 位作者 高晓峰 伊光华 代健 《兵工学报》 北大核心 2025年第3期214-224,共11页
针对传统调频连续波(Frequency Modulated Continuous Wave,FMCW)引信探测维度低、方位分辨能力弱导致目标识别能力不足的问题,提出基于运动阵列微波成像与多尺度可变形卷积网络(Multi-Scale Deformable Convolutional Networks,MSDCN)... 针对传统调频连续波(Frequency Modulated Continuous Wave,FMCW)引信探测维度低、方位分辨能力弱导致目标识别能力不足的问题,提出基于运动阵列微波成像与多尺度可变形卷积网络(Multi-Scale Deformable Convolutional Networks,MSDCN)的引信目标识别方法。在充分分析引信运动过程中回波相位变化规律的基础上建立FMCW运动阵列天线模型,通过运动合成扩充引信天线虚拟阵元数,大幅度提升引信方位向分辨率,实现目标距离-方位的二维高分辨成像。同时,深入分析弹目交会过程中由于目标位置、姿态、距离等状态变化形成的图像多尺度特性,构建MSDCN目标识别模型,提高引信对复杂动态交会场景下目标成像多尺度特性的自适应识别能力。实验结果表明,该方法能够显著提高引信方位分辨能力,在不同目标场景下均取得较好的成像和识别效果,对典型目标多尺度像识别准确率达到94%,-6 dB信噪比时目标识别准确率仍能达到88%。 展开更多
关键词 引信 调频连续波 运动阵列 距离-方位二维像 多尺度可变形卷积网络 目标识别
在线阅读 下载PDF
复杂背景下苹果叶片病害严重程度自动估计
16
作者 范红宇 刘博 +1 位作者 么炜 程洪 《河北农业大学学报》 北大核心 2025年第2期88-100,共13页
为解决苹果叶片病害严重程度难以在复杂环境下进行自动估计的问题,本文以苹果锈病、疮痂病、蛙眼叶斑病为研究对象,提出了一种基于两阶段语义分割模型的苹果叶片病害严重程度估计方法。第一阶段,针对自然环境下叶片分割精度不高的问题,... 为解决苹果叶片病害严重程度难以在复杂环境下进行自动估计的问题,本文以苹果锈病、疮痂病、蛙眼叶斑病为研究对象,提出了一种基于两阶段语义分割模型的苹果叶片病害严重程度估计方法。第一阶段,针对自然环境下叶片分割精度不高的问题,对PSPNet中金字塔池化层进行优化并联加入了可变形卷积层(Deformable convolution,DCN),从复杂环境下分割苹果目标叶片。第二阶段,采用UNet网络分割目标叶片的病斑,在其骨干网络VGG16的各激活层前引入批归一化层防止过拟合;并采用双线性插值替换解码器中转置卷积进行上采样,避免转置卷积引起的棋盘效应,对第一阶段得到的叶片结果进行病斑分割,病斑与叶片的面积比即为估计的叶片病害程度。实验结果表明,本文提出的两阶段分割模型能够满足复杂环境叶片和病斑的分割需求,叶片的分割精度达到98.76%,病斑的分割精度达到99.69%。在病害严重程度估计方面,准确率、F1值均优于LD-Deeplabv3+、PUNet、DUNet等方法。此外,本文进一步分析3种病害的估计值与真实值的决定系数R^(2)与MRE,锈病、疮痂病、蛙眼叶斑病的R^(2)分别为0.9831、0.9707、0.9803,MRE分别为1.0953%、1.2401%、1.1086%。该研究可为自然环境下其他植物叶片的分割或病斑的检测等研究工作提供参考。 展开更多
关键词 苹果病害 病害严重程度估计 可变形卷积 语义分割 两阶段网络
在线阅读 下载PDF
基于图插值和可变形卷积网络的序列推荐
17
作者 刘昕悦 尹海莲 +6 位作者 臧亚磊 吴文隆 卓俊男 徐凤如 陈吕莹 马维华 李博涵 《计算机研究与发展》 北大核心 2025年第10期2583-2594,共12页
序列推荐系统(sequential recommendation system,SRS)旨在基于用户的历史行为偏好预测下一步行为.尽管针对序列推荐提出了许多有效的方法,但仍然存在根本性的挑战.首先,随着在线服务的普及,推荐系统需要同时服务于热启动用户和冷启动用... 序列推荐系统(sequential recommendation system,SRS)旨在基于用户的历史行为偏好预测下一步行为.尽管针对序列推荐提出了许多有效的方法,但仍然存在根本性的挑战.首先,随着在线服务的普及,推荐系统需要同时服务于热启动用户和冷启动用户.然而,由于难以从交互数据有限的序列中学习到有效的序列依赖关系,大多数依赖于用户-项目交互的现有模型失去了优势.其次,由于现实中用户意图的可变性和主观随机性,用户在其历史序列中的行为往往是隐含和复杂的,很难从这些用户-项目交互数据中捕获这种动态转变模式.提出了一种基于图插值和可变形卷积网络的序列推荐(graph-based interpolation sequential recommender with deformable convolutional network,GISDCN)模型.对于冷启动用户,将序列对象重新构建成图,并提取全局序列中的知识来推断用户可能的偏好.为了捕捉复杂的顺序依赖关系,使用可变形卷积网络来生成更健壮和灵活的卷积核.最后,在4个数据集上进行了综合实验,验证了模型的有效性.实验结果表明,GISDCN优于大多数主流的模型. 展开更多
关键词 序列推荐 可变形卷积 图神经网络 冷启动 动态卷积
在线阅读 下载PDF
基于YOLOv8n的鄱阳湖轻量级鸟类目标检测与识别模型研究
18
作者 王青羽 姚国清 方朝阳 《江西师范大学学报(自然科学版)》 北大核心 2025年第1期86-94,共9页
当前鄱阳湖地区鸟类野外自动监测设备的资源有限,致使在野外场景下鸟类快速精准识别存在目标特征不明显、轮廓模糊、尺寸较小等挑战.为了解决这类问题,该文提出了一种基于YOLOv8n的轻量级鸟类检测识别模型YOLOv8-Birds.首先,重新构建模... 当前鄱阳湖地区鸟类野外自动监测设备的资源有限,致使在野外场景下鸟类快速精准识别存在目标特征不明显、轮廓模糊、尺寸较小等挑战.为了解决这类问题,该文提出了一种基于YOLOv8n的轻量级鸟类检测识别模型YOLOv8-Birds.首先,重新构建模型网络结构,删除深层下采样模块,增加小目标层,以减小模型体量和提升浅层特征权重;其次,融入第3代可变形卷积(DCNv3)设计了C2f_D3模块,提高模糊目标的识别精度;再次,引入分组混洗卷积(GSConv)和加权融合拼接(Concat_BiFPN)模块对颈部网络优化,增强模型特征表达能力,适应不同尺寸目标;最后,应用Slide Loss函数强化困难样本学习.该文以鄱阳湖地区10种珍稀鸟类为研究对象开展模型试验,实验结果表明:精度均值mAP@0.50、mAP@0.75、mAP@0.50∶0.95分别达到93.7%、84.9%、72.8%,测试集鸟类目标平均的正检率提升2.3%,达到89.0%,模型的参数量、体积仅为原模型的50.0%左右. 展开更多
关键词 鄱阳湖 鸟类检测识别 YOLOv8n 网络结构优化 可变形卷积 Slide Loss函数
在线阅读 下载PDF
DR_YOLOv8s++:改进卷积注意力机制和损失函数的SAR影像船舰目标检测网络
19
作者 杨明秋 陈国坤 +1 位作者 董燕 左小清 《遥感信息》 北大核心 2025年第2期159-168,共10页
针对目前SAR影像船舰目标检测方法存在多场景下检测精度不高、漏检、模型泛化能力差的问题,尝试以YOLOv8s网络为基础,提出新的注意力机制D-CBAM,并定义新的损失函数RIoU,以及将最新的可变形卷积DCNv4替换标准卷积,引入融合空间金字塔池... 针对目前SAR影像船舰目标检测方法存在多场景下检测精度不高、漏检、模型泛化能力差的问题,尝试以YOLOv8s网络为基础,提出新的注意力机制D-CBAM,并定义新的损失函数RIoU,以及将最新的可变形卷积DCNv4替换标准卷积,引入融合空间金字塔池化focal modulation networks来提升网络性能,提出的网络命名为DR_YOLOv8s++检测网络。为验证DR_YOLOv8s++网络的有效性和通用性,在SSDD、HRSID数据集上进行实验。结果表明,所提出算法的平均精度均值分别达到98%、97.5%,优于其他经典算法,模型性能提升明显,同其他目标检测算法相比,具有较强的泛化能力。 展开更多
关键词 船舰目标检测 SAR影像 注意力机制 可变形卷积 融合空间金字塔池化 损失函数
在线阅读 下载PDF
一种针对SAR图像的舰船目标检测算法 被引量：2
20
作者 孟凡龙 齐向阳 范怀涛 《电光与控制》 北大核心 2025年第1期74-79,共6页
由于环境复杂、舰船目标散焦和尺度的多样性,基于SAR图像的舰船目标检测仍然存在一些问题。提出了一种针对SAR图像的舰船目标检测算法。首先,基于可变形卷积构建舰船目标特征细化模块,提高对大长宽比姿态的舰船目标的特征提取能力;其次... 由于环境复杂、舰船目标散焦和尺度的多样性,基于SAR图像的舰船目标检测仍然存在一些问题。提出了一种针对SAR图像的舰船目标检测算法。首先,基于可变形卷积构建舰船目标特征细化模块,提高对大长宽比姿态的舰船目标的特征提取能力;其次,在主干网络末尾引入了舰船空间金字塔聚合结构,增强对舰船目标的全局特征提取能力;最后,设计了尺度扩展特征金字塔网络,增强舰船浅层和深层特征信息的交互,提高对多尺度舰船目标的检测能力。实验结果表明,所提算法在HRSID数据集上的mAP达到了93.72%,F1分数达到了89.70%,优于所有比较算法,具有良好的检测效果。 展开更多
关键词 SAR图像 舰船检测 可变形卷积 舰船空间金字塔聚合结构 尺度扩展特征金字塔网络
在线阅读 下载PDF
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 2 … 7 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部