基于深度卷积神经网络的雷达伺服转台消隙策略

1

作者 鲍子威 吴影生 房景仕 《雷达科学与技术》 北大核心 2025年第1期101-108,118,共9页

精密雷达伺服转台传动机构会随着装备不断运行使用逐渐磨损,表现为齿隙随着机构的磨损逐渐增大。传统双电机消隙控制策略能够消除齿隙,但该策略需要基于控制经验及装备初始传动机构齿隙一次性配置完成,这会导致随着机构磨损消隙效果逐... 精密雷达伺服转台传动机构会随着装备不断运行使用逐渐磨损,表现为齿隙随着机构的磨损逐渐增大。传统双电机消隙控制策略能够消除齿隙,但该策略需要基于控制经验及装备初始传动机构齿隙一次性配置完成,这会导致随着机构磨损消隙效果逐渐变差,影响雷达跟踪精度。针对此缺陷,本文提出一种基于深度卷积神经网络(DCNN)的精密雷达伺服转台消隙策略,通过采集位置闭环传动轴振动数据,利用连续小波变换(CWT)得到时频图,作为DCNN训练输入,训练后得到识别模型,最后根据模型识别出伺服转台传动机构磨损程度来调整双电机消隙控制的偏置电流和拐点电流,通过对比实验验证了调整后消隙效果优于传统消隙方式,极大提高装备运行的可靠性,降低雷达伺服转台的维护成本。 展开更多

关键词 深度卷积神经网络 精密雷达伺服转台 双电机消隙 可靠性

在线阅读 下载PDF 职称材料

双注意力驱动的微小缺陷识别方法研究

2

作者 邹林丰 邓耀华 +1 位作者 陈冠浩 张紫琳 《中国测试》 北大核心 2025年第3期162-169,共8页

针对深度卷积提取过程中微小缺陷特征消失问题,该文提出融合双注意力机制和跃进残差结构的微小缺陷识别深度卷积网络模型,该模型在训练过程中分别在通道维度和空间维度将权重更多地偏向目标特征,更多地关注到微小缺陷特征,抑制冗余缺陷... 针对深度卷积提取过程中微小缺陷特征消失问题,该文提出融合双注意力机制和跃进残差结构的微小缺陷识别深度卷积网络模型,该模型在训练过程中分别在通道维度和空间维度将权重更多地偏向目标特征,更多地关注到微小缺陷特征,抑制冗余缺陷特征;同时为了进一步缓解深度卷积中微小缺陷特征消失的问题,设计跃进残差结构通过少量的支路连接将微小缺陷特征传递到深层网络,既减少微小缺陷特征漏检,同时提高支路卷积计算速度。以实际采集的布匹缺陷数据集开展模型测试实验。该文提出的模型相比于ResNet50、ResNet101,微小缺陷的识别率分别提高6.79%和6.88%,证明该文模型在微小缺陷识别任务中的有效性。 展开更多

关键词 微小缺陷识别 双注意力机制 残差网络 深度卷积神经网络

在线阅读 下载PDF 职称材料

基于对偶贝叶斯U-Net的波阻抗不确定性反演方法研究

3

作者 王梓旭 王守东 +1 位作者 周晨 程万里 《石油物探》 北大核心 2025年第1期138-150,共13页

传统的深度神经网络通常只能实现确定性的预测,无法对反演结果进行不确定性分析,即无法对反演结果的可靠性进行评价。为实现标签数据不足条件下精确的波阻抗反演和对反演结果的不确定性分析,提出了一种基于对偶贝叶斯U-Net的波阻抗不确... 传统的深度神经网络通常只能实现确定性的预测,无法对反演结果进行不确定性分析,即无法对反演结果的可靠性进行评价。为实现标签数据不足条件下精确的波阻抗反演和对反演结果的不确定性分析,提出了一种基于对偶贝叶斯U-Net的波阻抗不确定性反演方法。首先,开展基于对偶贝叶斯U-Net、前沿深度学习反演方法和传统不确定性反演方法的模拟数据实验,对比分析3种方法的反演精度。然后,将对偶贝叶斯U-Net和传统不确定性反演方法的反演可靠性和对于含噪数据反演的鲁棒性进行对比分析。最后,将对偶贝叶斯U-Net应用于实际地震资料波阻抗反演中。模拟数据实验结果表明,该方法的对偶贝叶斯U-Net在少量标签数据条件下具有较高反演精度并对含噪数据反演有较强鲁棒性。此外,不确定性分析表明,该方法的反演结果可靠性强。实际数据测试结果表明,对偶贝叶斯U-Net能在实际工区数据反演中获得合理并可靠的反演结果。 展开更多

关键词 波阻抗反演 不确定性反演 深度神经网络 少量标签数据 对偶贝叶斯U-Net

在线阅读 下载PDF 职称材料

基于深度学习的木材缺陷智能检测的研究进展与展望 被引量：5

4

作者 王明涛 项晓扬 +2 位作者 崔文燕 院霖享 多化琼 《林产工业》 北大核心 2024年第3期38-44,共7页

木材作为天然生物材料很容易受到内外界影响从而产生不符合人们生产需求的缺陷,人们为了准确高效的识别木材缺陷进行了大量的研究。本文对近年来基于深度学习的木材缺陷检测技术进行梳理,根据使用方法的侧重点不同将其分类,并针对典型... 木材作为天然生物材料很容易受到内外界影响从而产生不符合人们生产需求的缺陷,人们为了准确高效的识别木材缺陷进行了大量的研究。本文对近年来基于深度学习的木材缺陷检测技术进行梳理,根据使用方法的侧重点不同将其分类,并针对典型方法加以细分归类和对比分析,总结了每种方法的优缺点及其应用面。此外,提出了基于深度学习的木材缺陷检测技术目前所存在的难点与所陷困境。 展开更多

关键词 木材缺陷 单阶段目标检测 双阶段目标检测 神经网络 深度学习

在线阅读 下载PDF 职称材料

基于双输入输出卷积神经网络代理模型的油藏自动历史拟合研究

5

作者 陈旭 张凯 +3 位作者 刘晨 张金鼎 张黎明 姚军 《油气地质与采收率》 CAS CSCD 北大核心 2024年第3期165-177,共13页

传统油藏自动历史拟合方法需进行多次计算耗时的油藏数值模拟,而深度学习代理模型可以实现高效且精度近似的油藏数值模拟替代计算。在基于深度学习代理模型的油藏自动历史拟合方法中,通常将采用油藏自动历史拟合方法进行调整的油藏不确... 传统油藏自动历史拟合方法需进行多次计算耗时的油藏数值模拟,而深度学习代理模型可以实现高效且精度近似的油藏数值模拟替代计算。在基于深度学习代理模型的油藏自动历史拟合方法中,通常将采用油藏自动历史拟合方法进行调整的油藏不确定性参数作为深度学习代理模型的输入参数。现有的深度学习代理模型常为单一输入输出的神经网络模型架构,并未考虑油藏自动历史拟合方法需要对多个油藏不确定性参数进行调整,且需要训练多个深度学习代理模型以实现对油藏含水饱和度场分布及压力场分布的预测。为此,提出了一种基于双输入输出卷积神经网络代理模型的油藏自动历史拟合方法,将油藏渗透率场分布及相对渗透率参数作为输入,使用双输入输出卷积神经网络同时对油藏含水饱和度场分布及压力场分布进行预测,利用Peaceman方程计算产量,并耦合到多重数据同化集合平滑器(ES-MDA)方法中,对油藏渗透率场分布及相对渗透率参数进行反演更新,实现较为高效的油藏自动历史拟合求解。研究结果表明:双输入输出卷积神经网络代理模型在指定时间步的油藏含水饱和度场分布、压力场分布的预测精度均为93%以上。相较于传统油藏自动历史拟合方法,基于双输入输出卷积神经网络代理模型的油藏自动历史拟合方法避免了多次调用油藏数值模拟器的计算耗时问题,提高了拟合效率。 展开更多

关键词 油藏自动历史拟合 油藏数值模拟 深度学习 代理模型 双输入输出卷积神经网络

在线阅读 下载PDF 职称材料

基于空间特征融合的双路径图像去噪网络

6

作者 祖雅婷 李梦琪 +1 位作者 张艺萌 王赫 《红外》 CAS 2024年第7期29-34,共6页

深度卷积神经网络(Convolutional Neural Network,CNN)在图像去噪领域受到广泛关注。然而,随着网络深度的增加,大多数深度CNN会出现性能饱和、学习能力下降等问题。提出了一种结合局部和全局特征的双路径去噪网络,将两个不同结构的网络... 深度卷积神经网络(Convolutional Neural Network,CNN)在图像去噪领域受到广泛关注。然而,随着网络深度的增加,大多数深度CNN会出现性能饱和、学习能力下降等问题。提出了一种结合局部和全局特征的双路径去噪网络,将两个不同结构的网络组合后构成一个双路径模型,增加网络的宽度,从而获得更多不同的特征。通过长路径连接融合全局和局部特征,增强层间相关性。注意力机制利用当前阶段引导前一阶段的输入,获得更多的特征。实验结果表明,我们提出的网络模型在Set12和BSD68两个数据集中的峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)分别达到了32.95 dB和31.74dB。同时,主观视觉效果(如图像的边缘等细节)恢复得更好、更清晰。 展开更多

关键词 图像去噪 深度学习 注意力机制 卷积神经网络 双路径

在线阅读 下载PDF 职称材料

基于多分区注意力的行人重识别方法 被引量：1

7

作者 薛丽霞 朱正发 +1 位作者 汪荣贵 杨娟 《光电工程》 CAS CSCD 北大核心 2020年第11期21-30,共10页

行人重识别是计算机视觉中一项具有挑战性和实际意义的重要任务,具有广泛的应用前景。背景干扰、任意变化的行人姿态和无法控制的摄像机角度等都会给行人重识别研究带来较大的阻碍。为提取更具有辨别力的行人特征,本文提出了基于多分区... 行人重识别是计算机视觉中一项具有挑战性和实际意义的重要任务,具有广泛的应用前景。背景干扰、任意变化的行人姿态和无法控制的摄像机角度等都会给行人重识别研究带来较大的阻碍。为提取更具有辨别力的行人特征,本文提出了基于多分区注意力的网络架构,该网络能同时从全局图像和不同局部图像中学习具有鲁棒性和辨别力的行人特征表示,能高效地提高行人重识别任务的识别能力。此外,在局部分支中设计了一种双重注意力网络,由空间注意力和通道注意力共同组成,优化提取局部特征。实验结果表明,该网络在Market-1501、DukeMTMC-reID和CUHK03数据集上的平均精度均值分别达到82.94%、72.17%、71.76%。 展开更多

关键词 行人重识别 局部特征 双重注意力网络 深度神经网络

在线阅读 下载PDF 职称材料

HEVC对偶编码单元划分优化算法

8

作者 刘美琴 徐晨铭 +2 位作者 姚超 林春雨 赵耀 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2022年第8期1383-1389,共7页

为了解决视频数据量日益增长与用户享受高质量视频体验需求之间的矛盾,HEVC在H.264/AVC标准的基础上通过引入新型的编码结构和算法进一步将编码效率提升了50%,但是也极大地提升了编码复杂度。基于此,提出对偶编码单元(CU)划分网络DualN... 为了解决视频数据量日益增长与用户享受高质量视频体验需求之间的矛盾,HEVC在H.264/AVC标准的基础上通过引入新型的编码结构和算法进一步将编码效率提升了50%,但是也极大地提升了编码复杂度。基于此,提出对偶编码单元(CU)划分网络DualNet,来降低HEVC中帧内编码复杂度。该网络由预测网络和目标网络2个部分组成,其中,预测网络通过分析图像统计特征实现编码单元划分决策,从而跳过四叉树的遍历搜索,提高编码单元划分决策的时间效率;目标网络基于率失真代价评价和优化决策模型提升编码单元划分性能,实现模型互补和最优率失真估计。实验结果表明:与HEVC标准对比,所提算法在实现相近的压缩效果的前提下能够节省64.06%的编码时间。 展开更多

关键词 视频编码 H.265/HEVC 编码单元(CU)划分 深度学习 对偶神经网络

在线阅读 下载PDF 职称材料

面向智能工厂多机器人定位的无线分布式协同决策 被引量：1

9

作者 张文璐 霍子龙 +2 位作者 赵西雨 崔琪楣 陶小峰 《无线电通信技术》 2022年第4期718-727,共10页

由于未来智能工厂中智能机器人的工作环境复杂多变,机器人进行协作定位时无法获知全局信道状态,其选择的标定节点可能被其他机器人占用,导致定位性能的波动较大,稳定性差。针对该问题,提出了基于双重深度超Q神经网络(DDHQN)的多机器人... 由于未来智能工厂中智能机器人的工作环境复杂多变,机器人进行协作定位时无法获知全局信道状态,其选择的标定节点可能被其他机器人占用,导致定位性能的波动较大,稳定性差。针对该问题,提出了基于双重深度超Q神经网络(DDHQN)的多机器人协同决策算法;首先将多机器人进行协作定位时的决策系统构建为竞争加合作模型,并通过奖励函数的设计鼓励机器人参与协作;为了避免机器人之间的决策冲突,引入表示机器人决策轨迹的记录空间以实现对其他机器人的行为预估,记录空间的内容依据机器人的无线感知结果进行迭代更新;最后,仿真证明了所提出的基于DDHQN的多机器人协同决策算法使得每个机器人能够以群体性能最大为目标进行独立学习,在一定的迭代次数后可以实现精准的行为预估,并收敛到稳定有效的决策方案。 展开更多

关键词 双重深度超Q神经网络(ddhqn) 多机器人协同 标定节点选择 决策轨迹 行为预估 无线感知

在线阅读 下载PDF 职称材料

融合双注意力机制和U-Net网络的锈蚀图像分割 被引量：12

10

作者 陈法法 成孟腾 +3 位作者 杨蕴鹏 陈保家 肖文荣 肖能齐 《西安交通大学学报》 EI CAS CSCD 北大核心 2021年第12期119-128,共10页

针对传统方法难以精确分割出金属构件锈蚀区域特征的难题,构建了一种融合双注意力机制和U-Net深度学习网络的锈蚀图像区域分割模型。首先,基于U-Net网络的对称编解码架构搭建骨干网络,采用VGG16网络的预训练权重对模型参数进行初始化;其... 针对传统方法难以精确分割出金属构件锈蚀区域特征的难题,构建了一种融合双注意力机制和U-Net深度学习网络的锈蚀图像区域分割模型。首先,基于U-Net网络的对称编解码架构搭建骨干网络,采用VGG16网络的预训练权重对模型参数进行初始化;其次,在下采样和上采样之间的跨层连接中融合双注意力机制使网络聚焦于局部锈蚀特征,同时在上采样中使用深度可分离卷积加速模型的运算效率;最后采用锈蚀图像数据集对该网络进行训练从而得到锈蚀图像分割模型。通过实采的金属构件锈蚀图像对所提模型进行验证,结果表明:所构建的锈蚀图像分割模型能够有效地从复杂背景图像中分割出锈蚀区域特征,锈蚀区域特征的识别准确率达到95.5%,交并比指标为81.4%;相较于传统U-Net方法,识别准确率和交并比指标分别提升了3.3%和9.2%。 展开更多

关键词 图像分割 锈蚀 U-Net网络 注意力机制 深度神经网络

在线阅读 下载PDF 职称材料

基于双通道CNN的FMCW雷达手势识别方法 被引量：3

11

作者 屈乐乐 吴涵旭 +1 位作者 杨天虹 孙延鹏 《电子器件》 CAS 北大核心 2022年第6期1469-1475,共7页

为了提高对手势动作的分类能力,提出一种基于双通道卷积神经网络(CNN)的调频连续波(FMCW)雷达手势识别方法。首先利用具有一个发射天线、两个接收天线的FMCW雷达对不同手势动作进行探测并收集回波数据,之后对每个接收通道的回波数据进... 为了提高对手势动作的分类能力,提出一种基于双通道卷积神经网络(CNN)的调频连续波(FMCW)雷达手势识别方法。首先利用具有一个发射天线、两个接收天线的FMCW雷达对不同手势动作进行探测并收集回波数据,之后对每个接收通道的回波数据进行预处理,分别得到距离时间图、距离多普勒图与微多普勒时频谱图,然后将每个动作对应的三种彩色RGB图像进行堆叠。最后将堆叠后的彩色RGB图像输入到双通道CNN中进行手势特征提取和特征融合。实测数据处理结果表明所提基于双通道CNN手势识别方法对设计的八种手势动作的分类平均识别正确率为97.52%,与传统的单通道CNN相比,有效地提高了对手势动作的分类能力。 展开更多

关键词 调频连续波雷达 手势识别 深度学习 双通道 卷积神经网络

在线阅读 下载PDF 职称材料

双通道多感知卷积神经网络图像超分辨率重建 被引量：2

12

作者 王鑫 王翠荣 +1 位作者 王聪 苑迎 《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 2020年第11期1564-1569,1576,共7页

基于深度卷积神经网络的单幅图像超分辨率重建取得了显著研究成果.但随着深度卷积神经网络规模的不断扩大,如何降低网络构建难度和计算成本成为一个难点.为此,提出了一种双通道多感知卷积神经网络(DMCN)模型.该模型在两条具有不同卷积... 基于深度卷积神经网络的单幅图像超分辨率重建取得了显著研究成果.但随着深度卷积神经网络规模的不断扩大,如何降低网络构建难度和计算成本成为一个难点.为此,提出了一种双通道多感知卷积神经网络(DMCN)模型.该模型在两条具有不同卷积核的通道上建立了稠密连接,并构建了带有动态调节能力的层间融合结构.这种结构的设计使得小规模卷积神经网络便能获得图片特征信息的全面感知能力.实验结果表明,DMCN重建效果优于目前多数具有代表性的重建算法. 展开更多

关键词 单幅图像超分辨率重建 双通道多感知卷积神经网络 稠密连接 残差网络 深度学习

在线阅读 下载PDF 职称材料

基于递归双对抗网络模型的人脸表情生成

13

作者 郭迎春 闫帅帅 刘依 《河北工业大学学报》 CAS 2021年第1期20-27,共8页

针对目前表情生成网络中存在的人脸表情失真、不同帧间图像明暗差异明显的问题,提出一种基于递归双对抗网络模型的人脸表情生成框架。首先通过提取深度人脸特征并生成表情特征图,将其作为监督信号,生成人脸表情种子图像;然后使用生成的... 针对目前表情生成网络中存在的人脸表情失真、不同帧间图像明暗差异明显的问题,提出一种基于递归双对抗网络模型的人脸表情生成框架。首先通过提取深度人脸特征并生成表情特征图,将其作为监督信号,生成人脸表情种子图像;然后使用生成的种子图像和原始目标人脸一起作为输入,生成特征保持图像,作为当前帧的输出,同时该特征保持图像也作为下一帧种子图像生成的输入;最后,将种子图像生成网络和特征保持图像生成网络递归进行下一帧图像的生成,多次递归得到与原始输入表情一致的特征保持人脸表情视频序列。在CK+和MMI数据库上的实验结果表明,提出的方法能够生成清晰自然的人脸表情视频帧,且在目标人脸形状和驱动的表情特征图像有较大形状差异时具有鲁棒性。 展开更多

关键词 生成对抗 深度学习 表情动画 表情生成 双模型

在线阅读 下载PDF 职称材料