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94篇文章
< 1 2 … 5 >
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ECA-TCN的数据中心磁盘故障预测 被引量：1
1
作者 张铭泉 王宝兴 《智能系统学报》 北大核心 2025年第2期389-399,共11页
随着数据中心规模的不断扩大,磁盘故障对数据中心的运行稳定性产生越来越大的影响。当前预测方法在面对大规模、高维度和长序列的磁盘运行数据时仍存在不足。本文提出了一种高效通道注意力时间卷积网络(efficient channel attention-tem... 随着数据中心规模的不断扩大,磁盘故障对数据中心的运行稳定性产生越来越大的影响。当前预测方法在面对大规模、高维度和长序列的磁盘运行数据时仍存在不足。本文提出了一种高效通道注意力时间卷积网络(efficient channel attention-temporal convolutional network,ECA-TCN)模型,通过结合传统卷积神经网络一维卷积的优势,融入扩张卷积和残差结构,并引入注意力机制,该模型能够提高磁盘故障预测的准确性和稳定性。在实验中,将ECA-TCN模型与其他经典深度学习方法进行了比较,实验结果表明,ECA-TCN模型在磁盘故障预测任务上具有较高的准确性和稳定性。 展开更多
关键词 磁盘故障预测 长短时记忆网络 循环神经网络 扩张卷积 高效通道注意力机制 神经网络模型 时间序列预测 深度学习优化
在线阅读 下载PDF
基于改进DeepLabv3+的安全帽佩戴分割算法
2
作者 邵晓艳 董文永 +2 位作者 赵雪专 李玲玲 薄树奎 《西南大学学报(自然科学版)》 北大核心 2025年第7期185-195,共11页
针对物流园区空间跨度大、作业设备繁多导致安全帽佩戴检测分割难度增加的问题,提出一种基于改进DeepLabv3+的安全帽佩戴分割算法。该算法采用ResNet-101膨胀残差网络进行特征提取;在编码阶段引入卷积注意力机制融合模块,有效增强特征... 针对物流园区空间跨度大、作业设备繁多导致安全帽佩戴检测分割难度增加的问题,提出一种基于改进DeepLabv3+的安全帽佩戴分割算法。该算法采用ResNet-101膨胀残差网络进行特征提取;在编码阶段引入卷积注意力机制融合模块,有效增强特征区域表征能力;在特征提取阶段引入图像特征网格化模块,将低分辨率图像进行平均切分,有助于获得局部图像的小目标特征。将该算法在SHWD(Safety Helmet Wearing Detect)数据集中训练测试,结果表明:算法的像素准确率达到89.23%,相比DeepLabv3+提升了2.21个百分点,有效提高了复杂场景下物流园区安全帽佩戴分割精度。 展开更多
关键词 神经网络 注意力机制 膨胀卷积 语义分割
在线阅读 下载PDF
基于无意调相边带信息的雷达辐射源个体识别
3
作者 黄湘松 王振 +1 位作者 潘大鹏 赵一洋 《电子与信息学报》 北大核心 2025年第6期1762-1771,共10页
无意调相是雷达辐射源个体识别中的关键信息,能够提供细微的相位变化信息,捕捉到不同辐射源的微小差异,在区分具有相似硬件结构的雷达辐射源时具有显著优势。针对同一厂家生产的同型号辐射源无意调相特性区分性不明显的问题,该文提出一... 无意调相是雷达辐射源个体识别中的关键信息,能够提供细微的相位变化信息,捕捉到不同辐射源的微小差异,在区分具有相似硬件结构的雷达辐射源时具有显著优势。针对同一厂家生产的同型号辐射源无意调相特性区分性不明显的问题,该文提出一种基于无意调相边带信息与深度学习相结合的个体识别方法。通过深入挖掘无意调相特性中的边带信息,增强不同辐射源个体间的差异性,并引入双路循环膨胀卷积网络增加神经网络感受野。实验实测数据显示,该方法在信噪比为5 dB的条件下,仍能对10台同型号的辐射源实现87.58%的平均识别准确率,对比1维残差网络,识别精度提高了21.41%。 展开更多
关键词 辐射源个体识别 无意调相 边带信息 循环膨胀卷积网络 同步压缩小波变换
在线阅读 下载PDF
基于组卷积和膨胀卷积的轻量注意力模块
4
作者 张恩淘 郝晓丽 牛保宁 《计算机工程与设计》 北大核心 2025年第2期493-499,共7页
为解决目前的注意力模块中参数量大、通道压缩导致信息丢失、空间信息学习不充分的缺点,提出一种基于组卷积、通道清洗和膨胀卷积的轻量注意力模块。采取组卷积和通道清洗的方式学习通道权重,能够在不压缩通道的前提下减少大量参数,使... 为解决目前的注意力模块中参数量大、通道压缩导致信息丢失、空间信息学习不充分的缺点,提出一种基于组卷积、通道清洗和膨胀卷积的轻量注意力模块。采取组卷积和通道清洗的方式学习通道权重,能够在不压缩通道的前提下减少大量参数,使不同组之间产生交互,充分学习通道信息。采取连续的膨胀卷积,合理设置膨胀率充分且均衡的学习空间信息。通过CIFAR100和VOC 2007+2012数据集对所提模块在图像分类和目标检测中进行实验,验证其能够在较少的花费下带来较大的提升。 展开更多
关键词 深度学习 卷积神经网络 注意力机制 组卷积 膨胀卷积 图像分类 目标检测
在线阅读 下载PDF
基于时序卷积特征过滤模型的地下水位预测方法
5
作者 孙均雨 徐佳磊 +2 位作者 张黎明 王在泉 文金浩 《水文》 北大核心 2025年第4期22-28,共7页
针对神经网络模型预测长时地下水位准确度低、运算资源消耗大的问题,提出了一种基于时序卷积特征过滤网络的地下水位预测方法,该方法能保持水文时序数据信息的完整性,拥有比卷积神经网络更大的感受野,能够精准捕捉地下水位的复杂时空关... 针对神经网络模型预测长时地下水位准确度低、运算资源消耗大的问题,提出了一种基于时序卷积特征过滤网络的地下水位预测方法,该方法能保持水文时序数据信息的完整性,拥有比卷积神经网络更大的感受野,能够精准捕捉地下水位的复杂时空关系。首先对水文数据进行预处理,然后采用空洞因果卷积方法作为特征提取器,结合注意力过滤模块提取水文数据特征,最后引入残差连接缓解模型训练过程中存在的网络层数过深、梯度消失和梯度爆炸问题。分别采用本文方法(DAR)、长短期神经网络(LSTM)、门控循环单元(GRU)、卷积门控循环单元(CNN-GRU)、时序卷积网络(TCN)预测意大利Petrignano水文数据变化,本文方法训练耗时最短,预测地下水位变化最为准确,验证了本文方法的可靠性。 展开更多
关键词 地下水位预测 时序卷积特征过滤 神经网络 空洞因果卷积 注意力过滤
在线阅读 下载PDF
血清HBsAg感染的Vis-NIR光谱模式识别研究
6
作者 高乔基 吴振邦 +6 位作者 徐茜 陈敏 刘文轩 曹诚诚 廖敬龙 欧超 潘涛 《分析测试学报》 北大核心 2025年第6期1016-1023,共8页
乙肝表面抗原(HBsAg)是乙肝病毒感染的重要标志物。该文建立了血清HBsAg感染的无试剂可见-近红外(Vis-NIR)光谱模式识别新方法。收集到临床血清样品1243例(HBsAg阳性601、阴性642),采用训练-预测-检验实验设计,搭建了基于多尺度卷积、压... 乙肝表面抗原(HBsAg)是乙肝病毒感染的重要标志物。该文建立了血清HBsAg感染的无试剂可见-近红外(Vis-NIR)光谱模式识别新方法。收集到临床血清样品1243例(HBsAg阳性601、阴性642),采用训练-预测-检验实验设计,搭建了基于多尺度卷积、压缩-激励网络(SE Net)注意力机制和多尺度膨胀卷积的新型卷积神经网络(CNN)集成算法,连同经典的偏最小二乘-判别分析(PLS-DA)和普通浅层CNN算法,被用于建立HBsAg阳性和阴性血清的Vis-NIR光谱判别模型。该研究采用标准正态变量(SNV)变换进行光谱预处理。基于近红外区(780~1118 nm)经SNV处理的光谱的PLS-DA模型和新型CNN模型取得更优的建模效果,新型CNN模型的灵敏度(SEN)达到99.3%,漏诊率(FNR)达到0.7%。结果表明,采用Vis-NIR光谱精准判别HBsAg阳性和阴性血清具有可行性,提出的新型深度学习算法可望应用于其他光谱分析领域。 展开更多
关键词 可见-近红外光谱模式识别 血清HBsAg感染判别 偏最小二乘-判别分析(PLS-DA) 卷积神经网络(CNN) SE Net注意力机制 多尺度膨胀卷积
在线阅读 下载PDF
基于多尺度残差特征融合网络的绵羊计数方法
7
作者 谢其宏 刘东宝 刘盛 《中国农机化学报》 北大核心 2025年第5期58-67,共10页
针对牧场内绵羊计数中目标尺度变化大、遮挡严重等导致的漏检误检、计数精度低的问题,提出一种基于改进CSRNet的多尺度残差特征融合网络的草原绵羊数估计方法。该方法在CSRNet基础上进行改进,利用密集扩张卷积构建密集多尺度残差模块,... 针对牧场内绵羊计数中目标尺度变化大、遮挡严重等导致的漏检误检、计数精度低的问题,提出一种基于改进CSRNet的多尺度残差特征融合网络的草原绵羊数估计方法。该方法在CSRNet基础上进行改进,利用密集扩张卷积构建密集多尺度残差模块,嵌入到模型骨干网络中,用于提取绵羊目标的多尺度特征,更好地适应绵羊的多尺度变化。此外,构建多分支特征提取网络,优化骨干网络输出特征图信息,加强模型整体特征提取能力,进而提高计数精度。同时,引入CBAM注意力模块,加强绵羊位置特征的表达能力,进一步修正输出密度图。试验结果表明,所提方法的平均绝对误差MAE和均方根误差RMSE分别为12.3、13.9,明显优于CSRNet、MCNN、DSNet、PaDNet和HA—CCN五种主流计数方法;且在羊群密集分布、遮挡严重和光照不足的情况下展现出较高的鲁棒性和准确性,证明其在草原羊群计数任务中的优越性能。 展开更多
关键词 绵羊计数 卷积神经网络 多尺度 扩张卷积 深度估计
在线阅读 下载PDF
空间信息引导的双分支实时语义分割算法
8
作者 侯志强 戴楠 +3 位作者 程敏捷 李富成 马素刚 范九伦 《北京航空航天大学学报》 北大核心 2025年第1期19-29,共11页
针对实时语义分割模型大量缩减参数造成特征空间信息损失,以及特征缺少上下文信息导致分割类别预测不准确的问题,提出一种基于空间信息引导的双分支实时语义分割算法。该算法采用双分支结构分别获取特征的空间信息和语义信息,为更好地... 针对实时语义分割模型大量缩减参数造成特征空间信息损失,以及特征缺少上下文信息导致分割类别预测不准确的问题,提出一种基于空间信息引导的双分支实时语义分割算法。该算法采用双分支结构分别获取特征的空间信息和语义信息,为更好地保留空间信息,设计了一种空间引导模块(SGM),同时捕获特征的局部信息和周围上下文信息,并通过通道加权给予重要信息更高的权重,有效弥补了图像高分辨率特征在降采样过程中的信息损失;为进一步强化特征的上下文信息表征能力,设计了池化特征增强模块(PFEM),采用不同尺寸的池化核捕获多尺度特征信息,并采用条状池化核对特征之间的长距离依赖关系进行建模,更好地确定分割区域的类别。在Cityscapes和CamVid数据集上对所提算法进行验证,平均交并比分别达到77.4%和74.0%,检测速度分别达到49.1帧/s和124.5帧/s,在保证实时分割的情况下有效提升了精度,获得了良好的语义分割性能。 展开更多
关键词 图像处理 实时语义分割 卷积神经网络 空洞卷积 上下文信息
在线阅读 下载PDF
基于深度学习的煤岩Micro-CT裂隙智能提取与应用 被引量：4
9
作者 王登科 房禹 +8 位作者 魏建平 张宏图 赵立桢 王龙航 夏缘帝 李璐 王少璞 张强 任海慧 《煤炭学报》 EI CAS CSCD 北大核心 2024年第8期3439-3452,共14页
为解决煤岩CT裂隙图像识别中矸石影响以及不同尺度裂隙识别的问题,设计并实现了一种基于深度学习的煤岩裂隙提取网络模型(MCSN),该模型基于U-Net网络,利用其编码器-解码器结构和跳跃连接,可实现从复杂煤岩体中分割出完整的裂隙结构图像... 为解决煤岩CT裂隙图像识别中矸石影响以及不同尺度裂隙识别的问题,设计并实现了一种基于深度学习的煤岩裂隙提取网络模型(MCSN),该模型基于U-Net网络,利用其编码器-解码器结构和跳跃连接,可实现从复杂煤岩体中分割出完整的裂隙结构图像。首先,通过煤岩工业CT扫描系统获取煤岩体内部扫描图片后,人工标注出CT图像中的裂隙结构,并利用数据增强扩充标注的原始数据制作出煤岩CT裂隙数据集;然后,将训练好的VGG16模型权重通过迁移学习技术移至U-Net编码器部分,使得整个主干特征提取网络具有更强的裂隙结构特征提取能力;同时采用深度可分离空洞卷积模块(DCAC)和残差模块对U-Net模型中解码器部分进行改进,有效提升了CT图像中裂隙结构的识别能力,展现出了优越的分割精度和鲁棒性。为验证提出的煤岩裂隙提取网络模型的有效性,将MCSN的提取结果与经典的卷积神经网络及阈值分割方法的结果进行了对比,实验对比结果显示,提出的模型在定性分析和定量分析方面优势明显。这种多尺度融合的策略可以有效提取出复杂煤岩体图像中的裂隙,提高了裂隙识别效率和精度。将该模型应用到巷道围岩钻孔裂隙识别中,通过对钻孔成像仪采集到的窥孔视频和平面展开图进行裂隙提取,并结合二者提取结果进行交叉验证,得到了精准的巷道围岩裂隙分布范围,给出了穿层抽采钻孔的注浆封孔范围,提高了煤层瓦斯抽采体积分数。 展开更多
关键词 裂隙识别与提取 CT扫描 深度学习 卷积神经网络 空洞卷积
在线阅读 下载PDF
数据驱动的半无限介质裂纹识别模型研究 被引量：2
10
作者 江守燕 邓王涛 +1 位作者 孙立国 杜成斌 《力学学报》 EI CAS CSCD 北大核心 2024年第6期1727-1739,共13页
缺陷识别是结构健康监测的重要研究内容,对评估工程结构的安全性具有重要的指导意义,然而,准确确定结构缺陷的尺寸十分困难.论文提出了一种创新的数据驱动算法,将比例边界有限元法(scaled boundary finite element methods,SBFEM)与自... 缺陷识别是结构健康监测的重要研究内容,对评估工程结构的安全性具有重要的指导意义,然而,准确确定结构缺陷的尺寸十分困难.论文提出了一种创新的数据驱动算法,将比例边界有限元法(scaled boundary finite element methods,SBFEM)与自编码器(autoencoder,AE)、因果膨胀卷积神经网络(causal dilated convolutional neural network,CDCNN)相结合用于半无限介质中的裂纹识别.在该模型中,SBFEM用于模拟波在含不同裂纹状缺陷半无限介质中的传播过程,对于不同的裂纹状缺陷,仅需改变裂纹尖端的比例中心和裂纹开口处节点的位置,避免了复杂的重网格过程,可高效地生成足够的训练数据.模拟波在半无限介质中传播时,建立了基于瑞利阻尼的吸收边界模型,避免了对结构全域模型进行计算.搭建了CDCNN,确保了时序数据的有序性,并获得更大的感受野而不增加神经网络的复杂性,可捕捉更多的历史信息,AE具有较强的非线性特征提取能力,可将高维的原始输入特征向量空间映射到低维潜在特征向量空间,以获得低维潜在特征用于网络模型训练,有效提升了网络模型的学习效率.数值算例表明:提出的模型能够高效且准确地识别半无限介质中裂纹的量化信息,且AE-CDCNN模型的识别效率较单CDCNN模型提高了约2.7倍. 展开更多
关键词 数据驱动 比例边界有限元法 自编码器 因果膨胀卷积神经网络 裂纹识别
在线阅读 下载PDF
基于纹理先验的扩张残差注意力相似性去噪网络 被引量：1
11
作者 周先春 史振婷 +2 位作者 王子威 李婷 张影 《电子测量与仪器学报》 CSCD 北大核心 2024年第5期75-89,共15页
目前,大多数基于卷积神经网络的图像去噪模型不能充分利用图像数据的冗余性,这限制了模型的表达能力。而且,为了有效去噪,往往将边缘信息用作先验知识,而纹理信息通常被忽略。针对这些问题,提出一种新的图像去噪网络,该网络首先使用注... 目前,大多数基于卷积神经网络的图像去噪模型不能充分利用图像数据的冗余性,这限制了模型的表达能力。而且,为了有效去噪,往往将边缘信息用作先验知识,而纹理信息通常被忽略。针对这些问题,提出一种新的图像去噪网络,该网络首先使用注意力相似性模块提取图像的全局相似性特征,通过平均池化来平滑和抑制注意力相似性模块中的噪声,以进一步提高网络性能;其次使用扩张残差模块来提取图像的局部和全局特征;最后使用全局残差学习增强网络从浅层到深层的去噪效果。此外,还设计一种纹理提取网络从噪声图像中提取局部二值模式以获取纹理信息,利用纹理信息作为先验知识,可在去噪过程中保留演化图像中的细节。实验结果表明,与一些先进的去噪网络相比,新提出的去噪网络在图像视觉上有很大改善、效率更高且峰值信噪比提高了2 dB左右,结构相似性提高了3%左右,更有利于实际应用。 展开更多
关键词 图像去噪 卷积神经网络 纹理信息 注意力相似性模块 扩张残差模块
在线阅读 下载PDF
多层特征融合与语义增强的盲图像质量评价 被引量：1
12
作者 赵文清 许丽娇 +1 位作者 陈昊阳 李梦伟 《智能系统学报》 CSCD 北大核心 2024年第1期132-141,共10页
针对现有盲图像质量评价算法在面对真实失真图像时性能较差的问题,本文提出多层特征融合和语义信息增强相结合的无参考图像质量评价算法。提取图像的局部和全局失真特征,利用特征融合模块对特征进行多层融合;利用多层扩张卷积增强语义信... 针对现有盲图像质量评价算法在面对真实失真图像时性能较差的问题,本文提出多层特征融合和语义信息增强相结合的无参考图像质量评价算法。提取图像的局部和全局失真特征,利用特征融合模块对特征进行多层融合;利用多层扩张卷积增强语义信息,进而指导失真图像到质量分数的映射过程;考虑预测分数和主观分数之间的相对排名关系,对L_(1)损失函数和三元组排名损失函数进行融合,构建新的损失函数L_(mix)。为了验证本文方法的有效性,在野生图像质量挑战数据集上进行了验证和对比实验,该算法的斯皮尔曼等级相关系数与皮尔逊线性相关系数指标相比原算法分别提升2.3%和2.3%;在康斯坦茨真实图像质量数据数据集和野生图像质量挑战数据集上进行了跨数据集实验,该算法在面对真实失真图像时表现出了良好的泛化性能。 展开更多
关键词 深度学习 图像质量 卷积神经网络 特征提取 通道注意力结构 多层次特征融合 扩张卷积 三元组损失函数
在线阅读 下载PDF
RIB-NER:基于跨度的中文命名实体识别模型 被引量：1
13
作者 田红鹏 吴璟玮 《计算机工程与科学》 CSCD 北大核心 2024年第7期1311-1320,共10页
命名实体识别是自然语言处理领域中诸多下游任务的重要基础。汉语作为重要的国际语言,在许多方面具有独特性。传统上,中文命名实体识别任务模型使用序列标记机制,该机制需要条件随机场捕获标签的依赖性,然而,这种方法容易出现标签的错... 命名实体识别是自然语言处理领域中诸多下游任务的重要基础。汉语作为重要的国际语言,在许多方面具有独特性。传统上,中文命名实体识别任务模型使用序列标记机制,该机制需要条件随机场捕获标签的依赖性,然而,这种方法容易出现标签的错误分类。针对这个问题,提出基于跨度的命名实体识别模型RIB-NER。首先,以RoBERTa-wwm-ext作为模型嵌入层,提供字符级嵌入,以获得更多的上下文语义信息和词汇信息。其次,利用IDCNN的并行卷积核来增强词之间的位置信息,从而使词与词之间联系更加紧密。同时,在模型中融合BiLSTM网络来获取上下文信息。最后,采用双仿射模型对句子中的开始标记和结束标记评分,使用这些标记探索跨度。在MSRA和Weibo 2个语料库上的实验结果表明,RIB-NER能够较为准确地识别实体边界,并分别获得了95.11%和73.94%的F1值。与传统深度学习相比,有更好的识别效果。 展开更多
关键词 中文命名实体识别 双仿射模型 迭代膨胀卷积神经网络 预训练模型 跨度
在线阅读 下载PDF
联合多连接特征编解码与小波池化的轻量级语义分割
14
作者 易清明 王渝 +1 位作者 石敏 骆爱文 《电子科技大学学报》 EI CAS CSCD 北大核心 2024年第3期366-375,共10页
语义分割是当前场景理解领域的基础技术之一。现存的语义分割网络通常结构复杂、参数量大、图像特征信息损失过多和计算效率低。针对以上问题,基于编-解码器框架和离散小波变换,设计了一个联合多连接特征编解码与小波池化的轻量级语义... 语义分割是当前场景理解领域的基础技术之一。现存的语义分割网络通常结构复杂、参数量大、图像特征信息损失过多和计算效率低。针对以上问题,基于编-解码器框架和离散小波变换,设计了一个联合多连接特征编解码与小波池化的轻量级语义分割网络MLWP-Net(Multi-Link Wavelet-Pooled Network),在编码阶段利用多连接策略并结合深度可分离卷积、空洞卷积和通道压缩设计了轻量级特征提取瓶颈结构,并设计了低频混合小波池化操作替代传统的下采样操作,有效降低编码过程造成的信息丢失;在解码阶段,设计了多分支并行空洞卷积解码器以融合多级特征并行实现图像分辨率的恢复。实验结果表明,MLWP-Net仅以0.74 MB的参数量在数据集Cityscapes和CamVid上分别达到74.1%和68.2%mIoU的分割精度,验证了该算法的有效性。 展开更多
关键词 实时语义分割 轻量级神经网络 多连接特征融合 小波池化 多分支空洞卷积
在线阅读 下载PDF
复杂场景下自适应注意力机制融合实时语义分割
15
作者 陈丹 刘乐 +2 位作者 王晨昊 白熙茹 王子晨 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第8期3334-3342,共9页
实现高准确度和低计算负担是卷积神经网络(CNN)实时语义分割面临的严峻挑战。针对复杂城市街道场景目标种类众多、光照变化大等特点,该文设计了一种高效的实时语义分割自适应注意力机制融合网络(AAFNet)分别提取图像空间细节和语义信息... 实现高准确度和低计算负担是卷积神经网络(CNN)实时语义分割面临的严峻挑战。针对复杂城市街道场景目标种类众多、光照变化大等特点,该文设计了一种高效的实时语义分割自适应注意力机制融合网络(AAFNet)分别提取图像空间细节和语义信息,再经过特征融合网络(FFN)获得准确语义图像。AAFNet采用扩展的深度可分离卷积(DDW)可增大语义特征提取感受野,提出自适应平均池化(Avp)和自适应最大池化(Amp)构成自适应注意力机制融合模块(AAFM),可细化目标边缘分割效果并降低小目标的漏分率。最后在复杂城市街道场景Cityscapes和CamVid数据集上分别进行了语义分割实验,所设计的AAFNet以32帧/s(Cityscapes)和52帧/s(CamVid)的推理速度获得73.0%和69.8%的平均分割精度(mIoU),且与扩展的空间注意力网络(DSANet)、多尺度上下文融合网络(MSCFNet)以及轻量级双边非对称残差网络(LBARNet)相比,AAFNet平均分割精度最高。 展开更多
关键词 卷积神经网络 复杂城市街道场景 扩展的深度可分离卷积 自适应注意力机制融合 分割精度
在线阅读 下载PDF
比例融合与多层规模感知的人群计数方法
16
作者 孟月波 张娅琳 王宙 《智能系统学报》 CSCD 北大核心 2024年第2期307-315,共9页
针对密集场景下人群图像拍摄视角或距离多变造成的多尺度特征获取不足、融合不佳和全局特征利用不充分等问题,提出一种比例融合与多层规模感知的人群计数网络。首先采用骨干网络VGG16提取人群密度初始特征;其次,设计多层规模感知模块,... 针对密集场景下人群图像拍摄视角或距离多变造成的多尺度特征获取不足、融合不佳和全局特征利用不充分等问题,提出一种比例融合与多层规模感知的人群计数网络。首先采用骨干网络VGG16提取人群密度初始特征;其次,设计多层规模感知模块,获得人群多尺度信息的丰富表达;再次,提出比例融合策略,根据卷积层捕获的特征权重重构多尺度信息,提取显著性人群特征;最后,采用卷积回归策略进行密度图的回归。同时,提出一种局部一致性损失函数,通过区域化密度图的方式增强生成密度图与真实密度图的相似度,提高计数性能。在多个人群数据集上的试验结果表明,所提模型优于近年人群计数的先进方法,且在车辆计数上有较好推广性。 展开更多
关键词 人群密度估计与计数 卷积神经网络 多层规模感知 比例融合 局部一致性损失 密度图回归 多尺度信息 空洞卷积
在线阅读 下载PDF
基于卷积神经网络的抽油机故障诊断 被引量：6
17
作者 吴昊臻 许燕 +2 位作者 周建平 谢欣岳 彭东 《燕山大学学报》 北大核心 2024年第1期30-38,共9页
抽油机故障诊断对于保障油气田的稳定运行至关重要.针对已有基于深度学习的故障诊断模型参数量大导致应用范围受限的问题提出一种基于空洞卷积和惩罚机制的卷积神经网络模型.该模型在浅层神经网络部署不同空洞卷积率的空洞残差模块高效... 抽油机故障诊断对于保障油气田的稳定运行至关重要.针对已有基于深度学习的故障诊断模型参数量大导致应用范围受限的问题提出一种基于空洞卷积和惩罚机制的卷积神经网络模型.该模型在浅层神经网络部署不同空洞卷积率的空洞残差模块高效获取示功图轮廓特征的同时降低了模型参数量.其次将惩罚机制融入Softmax损失函数增强模型诊断气体影响等难分样本的故障准确率.采用抽油机实况数据集进行实验验证结果表明该模型参数量为0.94 M浮点型计算量为165.24 M.与MobileNetV3相比改进后的算法模型在准确率同为96.6%的前提下参数量减少了3.30 M浮点型计算量减少了52.22 M更易部署在资源受限的故障诊断平台. 展开更多
关键词 卷积神经网络 抽油机 故障诊断 空洞卷积 损失函数
在线阅读 下载PDF
融合多特征嵌入的中文医疗命名实体识别模型MF-MNER 被引量：1
18
作者 常远 季长伟 +1 位作者 张春玲 胡强 《小型微型计算机系统》 CSCD 北大核心 2024年第12期2915-2922,共8页
医疗问诊数据中的命名实体识别不仅面临着实体交叉与边界模糊,而且问诊数据通常存在表述不准确、不规范和口语化等问题,已有医疗命名实体识别方法在问诊数据中适用效果较差.为此,提出一种适用于问诊数据的多特征嵌入中文医疗命名实体识... 医疗问诊数据中的命名实体识别不仅面临着实体交叉与边界模糊,而且问诊数据通常存在表述不准确、不规范和口语化等问题,已有医疗命名实体识别方法在问诊数据中适用效果较差.为此,提出一种适用于问诊数据的多特征嵌入中文医疗命名实体识别模型MF-MNER.该模型从字符、部首、词汇、边界和句法依赖等不同视角下获取字符的语义特征,并将融合后的语义特征经过扩张卷积神经网络进行卷积聚合,最后采用CRF模型进行序列解码.在医疗问诊数据集中开展的实验表明,多特征嵌入能明显提升命名实体的识别质量,MF-MNER相对于其他方法能够更适用于问诊数据中的医疗命名实体识别.此外,在公开的电子病例集中的实验表明,MF-MNER的高性能医疗命名实体识别具有普适性. 展开更多
关键词 命名实体 问诊数据 多特征嵌入 扩张卷积神经网络 CRF模型
在线阅读 下载PDF
基于变分模态分解与空洞卷积神经网络的配电网故障选线方法 被引量：3
19
作者 李成钢 刘亚东 +4 位作者 杨雪凤 侍哲 于非桐 刘乃毓 罗国敏 《电网与清洁能源》 CSCD 北大核心 2024年第2期110-118,126,共10页
小电流接地系统发生单相接地故障时,零序电流故障特征微弱且繁杂多变,传统选线方法可靠性有待提高。提出了一种基于变分模态分解(variational mode decomposition,VMD)与空洞卷积神经网络的配电网故障选线方法。首先,分析配电网健全线... 小电流接地系统发生单相接地故障时,零序电流故障特征微弱且繁杂多变,传统选线方法可靠性有待提高。提出了一种基于变分模态分解(variational mode decomposition,VMD)与空洞卷积神经网络的配电网故障选线方法。首先,分析配电网健全线路和故障线路的电气特征,采用零序电流作为故障特征信号,为选线模型的输入量提供理论依据;其次,通过变分模态分解把零序电流序列分成不同频率的固有模态函数,提高故障信号特征的平稳性和差异性;然后,采用空洞卷积神经网络作为选线网络,以增大卷积操作感受野的方式增强模型的自适应分类能力;最后,在MATLAB/Simulink中构建10kV配电网进行算例分析,结果表明,该方法在不同故障场景条件下均有较高的选线效果,验证了所提方法的鲁棒性与准确性。 展开更多
关键词 变分模态分解 空洞卷积神经网络 单相接地故障 故障选线 配电网
在线阅读 下载PDF
基于空洞卷积神经网络的红壤有机质含量预测研究
20
作者 邓昀 吴蔚 +1 位作者 石媛媛 陈守学 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2024年第10期2941-2952,共12页
土壤有机质(SOM)含量是衡量土壤肥力的重要指标之一,从高光谱遥感图像中有效预测SOM含量具有重要意义。传统的机器学习方法需要复杂的特征工程且精度不高,而以卷积神经网络(CNN)为代表的深度学习方法在土壤高光谱领域研究较少,且对小样... 土壤有机质(SOM)含量是衡量土壤肥力的重要指标之一,从高光谱遥感图像中有效预测SOM含量具有重要意义。传统的机器学习方法需要复杂的特征工程且精度不高,而以卷积神经网络(CNN)为代表的深度学习方法在土壤高光谱领域研究较少,且对小样本数据建模精度较差,光谱数据的空间特征提取不足。因此,提出了一种使用通道注意力机制的一维空洞卷积网络模型(SE-DCNN)。以广西国有黄冕林场和国有雅长林场采集的207个土壤样本为研究对象,对比分析了3种机器学习方法和4种深度学习方法在不同光谱预处理下的建模效果。结果表明,SE-DCNN模型因为使用了空洞卷积和通道注意力机制,扩大感受野并提取多尺度特征,有较好的建模精确度和泛化拟合能力。最佳预测模型是基于S-G降噪(SGD)和一阶微分(DR)的光谱预处理方式建立的SE-DCNN模型,验证集的决定系数(R^(2))为0.971,均方根误差(RMSE)为2.042 g·kg^(-1),相对分析误差(RPD)为5.273。因此,使用SE-DCNN能够对广西林地红壤有机质含量进行准确预测。 展开更多
关键词 土壤 高光谱 有机质 通道注意力机制 空洞卷积神经网络
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 … 5 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