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268篇文章
< 1 2 … 14 >
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：
基于改进FCN的路侧激光雷达可行驶空间检测
1
作者 朱进玉 杨若楠 +3 位作者 鲍宇健 张凯 唐尔迪 汪贵平 《激光杂志》 北大核心 2025年第1期97-105,共9页
为了提高道路检测的精度,提出了一种基于改进全卷积神经网络(FCN)的路侧激光雷达可行驶空间检测方法。首先,通过建立环形栅格图并统计栅格内的点云信息,生成二维俯视图;然后,在FCN中引入混合膨胀卷积以替换标准卷积,并在池化层后添加空... 为了提高道路检测的精度,提出了一种基于改进全卷积神经网络(FCN)的路侧激光雷达可行驶空间检测方法。首先,通过建立环形栅格图并统计栅格内的点云信息,生成二维俯视图;然后,在FCN中引入混合膨胀卷积以替换标准卷积,并在池化层后添加空间特征对齐模块,在卷积层后添加通道特征对齐模块,从而构建HCS-FCN。在自主构建的16线路侧激光雷达道路数据集和32线路侧激光雷达道路数据集上,将HCS-FCN与传统的FCN和SegNet进行对比实验。实验结果显示,HCS-FCN的F_(1)分数在16线数据集和32线数据集上分别达到88.4%和89.2%;平均像素准确率在16线数据集和32线数据集上分别达到89.1%和89.7%;平均像素交并比在16线数据集和32线数据集上分别达到87.3%和88.9%;均优于传统FCN和SegNet。 展开更多
关键词 辅助驾驶 路侧激光雷达 可行驶空间 全卷积神经网络
在线阅读 下载PDF
基于LSTM-SAFCN模型的生物质锅炉NO_(x)排放浓度预测 被引量：1
2
作者 何德峰 刘明裕 +2 位作者 孙芷菲 王秀丽 李廉明 《高技术通讯》 CAS 北大核心 2024年第1期92-100,共9页
针对生物质锅炉燃烧过程的动态特性,提出一种改进的长短期记忆-自注意力机制全卷积神经网络(LSTM-SAFCN)模型用于预测NO_(x)排放浓度。首先利用完全自适应噪声集合经验模态分解法(CEEMDAN)对数据进行预处理,消除数据噪声对NO_(x)排放浓... 针对生物质锅炉燃烧过程的动态特性,提出一种改进的长短期记忆-自注意力机制全卷积神经网络(LSTM-SAFCN)模型用于预测NO_(x)排放浓度。首先利用完全自适应噪声集合经验模态分解法(CEEMDAN)对数据进行预处理,消除数据噪声对NO_(x)排放浓度预测的影响;其次融合自注意力机制与长短时记忆-全卷积神经网络(LSTM-FCN)进行特征提取与预测建模,该拓展方法能够同时兼顾时间序列数据的局部细节与长期趋势特征;最后,利用生物质热电联产系统的实际运行数据验证了所提算法的有效性。 展开更多
关键词 生物质锅炉 NO_(x)排放浓度预测 经验模态分解 长短时记忆-全卷积神经网络(LSTM-fcn) 自注意力机制
在线阅读 下载PDF
嵌入NLB模块的FCN在轴承信号降噪中的应用 被引量：2
3
作者 范啸宇 刘韬 +2 位作者 王振亚 陶佳 朱振军 《电子测量与仪器学报》 CSCD 北大核心 2024年第4期55-65,共11页
深度学习在故障诊断取得了显著的进展,然而其多为端到端的智能诊断,在信号降噪方面的应用较少。本文提出了一种基于全卷积神经网络(fully convolutional network,FCN)的降噪方法。首先,模型整体采用了encoder-decoder架构,其中encoder... 深度学习在故障诊断取得了显著的进展,然而其多为端到端的智能诊断,在信号降噪方面的应用较少。本文提出了一种基于全卷积神经网络(fully convolutional network,FCN)的降噪方法。首先,模型整体采用了encoder-decoder架构,其中encoder部分由三层卷积层组成,decoder部分由四层反卷积层组成。其次,引入了残差连接对模型的学习目标进行了约束,使得模型在传播过程中更多地关注噪声信息。并且为了增强模型的特征提取能力,在encoder和decoder中引入了非局部块(non-local block,NLB)。然后,通过仿真信号对比实验选择网络的超参数,与目前主流的降噪方法进行对比,初步验证模型的降噪效果。最后,通过实际案例对所提方法的降噪效果进行对比验证,结果表明本文提出的方法在直观观察和降噪性能指标方面均取得了良好的应用效果,能够有效提高故障诊断的准确率。 展开更多
关键词 全卷积神经网络 残差连接 反卷积 降噪 故障诊断
在线阅读 下载PDF
基于特征工程的S-FCN火灾图像检测方法
4
作者 李海 熊升华 孙鹏 《中国安全科学学报》 CAS CSCD 北大核心 2024年第9期191-201,共11页
针对复杂背景下火灾图像检测深度学习算法存在的计算复杂度高、检测实时性差等问题,提出一种基于特征工程的单隐层全连接网络(S-FCN)火灾图像检测方法。首先,从图像中提取多色彩空间颜色特征,并使用互信息量进行多色彩空间颜色特征降维... 针对复杂背景下火灾图像检测深度学习算法存在的计算复杂度高、检测实时性差等问题,提出一种基于特征工程的单隐层全连接网络(S-FCN)火灾图像检测方法。首先,从图像中提取多色彩空间颜色特征,并使用互信息量进行多色彩空间颜色特征降维;其次,简化深度学习模型的网络结构,将单隐层全连接网络作为其主干网络,其中,多色彩空间下的颜色特征能够更好地表征火灾烟雾与火焰,多色彩空间颜色特征降维能够有效降低输入特征的冗余度,单隐层全连接网络能够有效减少模型在传递过程中的参数数量;最后,将该方法在真实的复杂背景火灾图像数据集上进行试验评估。结果表明:所提方法取得的检测精度为93.83%,取得的检测实时性帧率为10869帧/s,能够实现复杂场景下高精度、高速度的火灾图像检测。 展开更多
关键词 特征工程 单隐层全连接网络(S-fcn) 火灾图像 检测方法 色彩空间 特征降维
在线阅读 下载PDF
基于样本迭代优化策略的密集连接多尺度土地覆盖语义分割
5
作者 郑宗生 高萌 +3 位作者 周文睆 王政翰 霍志俊 张月维 《自然资源遥感》 北大核心 2025年第2期11-18,共8页
针对分割结果小尺度地物遗漏、连续地物缺乏完整性问题,提出密集连接多尺度语义分割模型(densely connected multi-scale semantic segmentation network, DMS-Net),实现土地覆盖分割。通过多尺度密集连接空洞空间卷积金字塔池化(multi-... 针对分割结果小尺度地物遗漏、连续地物缺乏完整性问题,提出密集连接多尺度语义分割模型(densely connected multi-scale semantic segmentation network, DMS-Net),实现土地覆盖分割。通过多尺度密集连接空洞空间卷积金字塔池化(multi-scale dense connected atrous spatial convolution pyramid pooling module, MDCA)和条形池化(spatial pyramid pooling, SP)提取多尺度和空间连续性地物;利用特征增强双注意力并联模块(position paralleling channel attention module, PPCA)衡量特征权重,实现高效表达;采用浅层特征级联模块(cascade low-level feature fusion, CLFF)捕捉被忽略的浅层特征,进一步补充细节。实验结果表明:DMS-Net模型在迭代扩充数据集上的总体精度(overall accuracy, OA)达到89.97%,平均交并比(mean intersection over union, mIoU)达到75.59%,高于传统机器学习方法及U-Net, PSPNet, Deeplabv3+等深度学习模型。分割结果显示,地物结构完整且边缘分割明晰,在实现多尺度的土地覆盖遥感信息提取分析中具有较好的实用价值。 展开更多
关键词 深度学习 全卷积神经网络 多尺度 语义分割 土地覆盖
在线阅读 下载PDF
局部聚类分析的FCN-CNN云图分割方法 被引量：11
6
作者 毋立芳 贺娇瑜 +2 位作者 简萌 邹蕴真 赵铁松 《软件学报》 EI CSCD 北大核心 2018年第4期1049-1059,共11页
空气中的尘埃、污染物及气溶胶粒子的存在严重影响了大气预测的有效性,毫米波雷达云图的有效分割成为解决这一问题的关键.提出了一种基于超像素分析的全卷积神经网路FCN和深度卷积神经网络CNN(FCNCNN)的云图分割方法.首先通过超像素分... 空气中的尘埃、污染物及气溶胶粒子的存在严重影响了大气预测的有效性,毫米波雷达云图的有效分割成为解决这一问题的关键.提出了一种基于超像素分析的全卷积神经网路FCN和深度卷积神经网络CNN(FCNCNN)的云图分割方法.首先通过超像素分析对云图每个像素点的近邻域实现相应的聚类,同时将云图输入到不同步长的全卷积神经网络FCN 32s和FCN 8s中实现云图的预分割;FCN 32s预测结果中的"非云"区域一定是云图中的部分"非云"区域,FCN 8s预测结果中的"云"区域一定是云图中的部分"云"区域;余下的不确定的区域通过深度卷积神经网络CNN进行进一步分析.为提高效率,FCN-CNN选取了不确定区域中超像素的几个关键像素来代表超像素区域的特征,通过CNN网络来判断关键像素是"云"或者是"非云".实验结果表明,FCN-CNN的精度与MR-CNN、SP-CNN相当,但是速度相比于MR-CNN提高了880倍,相比于SP-CNN提高了1.657倍. 展开更多
关键词 云图像 超像素 全卷积神经网络 卷积神经网络 图像分割
在线阅读 下载PDF
基于FCNN和ICAE的SAR图像目标识别方法 被引量：10
7
作者 喻玲娟 王亚东 +2 位作者 谢晓春 林赟 洪文 《雷达学报（中英文）》 CSCD 北大核心 2018年第5期622-631,共10页
近年来,基于卷积神经网络(Convolutional Neural Network, CNN)的合成孔径雷达(Synthetic Aperture Radar, SAR)图像目标识别得到深入研究。全卷积神经网络(Fully Convolutional Neural Network, FCNN)是CNN结构上的改进,它比CNN能获得... 近年来,基于卷积神经网络(Convolutional Neural Network, CNN)的合成孔径雷达(Synthetic Aperture Radar, SAR)图像目标识别得到深入研究。全卷积神经网络(Fully Convolutional Neural Network, FCNN)是CNN结构上的改进,它比CNN能获得更高的识别率,但在训练过程中仍需要大量的带标签训练样本。该文提出一种基于FCNN和改进的卷积自编码器(Improved Convolutional Auto-Encoder, ICAE)的SAR图像目标识别方法,即先用ICAE无监督训练方式获得的编码器网络参数初始化FCNN的部分参数,后用带标签训练样本对FCNN进行训练。基于MSTAR数据集的十类目标分类实验结果表明,在不扩充带标签训练样本的情况下,该方法不仅能获得98.14%的平均正确识别率,而且具有较强的抗噪声能力。 展开更多
关键词 合成孔径雷达 自动目标识别 全卷积神经网络 卷积自编码器 改进的卷积自编码器
在线阅读 下载PDF
基于FCN和互信息的医学图像配准技术研究 被引量：7
8
作者 曾安 王烈基 +1 位作者 潘丹 黄殷 《计算机工程与应用》 CSCD 北大核心 2020年第18期202-208,共7页
针对传统配准方法在进行三维多模态图像配准时存在收敛速度较慢、容易陷入极值等问题,提出一种基于全卷积神经网络(Fully Convolutional Networks,FCN)和互信息的配准方法。利用FCN模型提取二维图像深层特征并进行粗配准;将得到的配准... 针对传统配准方法在进行三维多模态图像配准时存在收敛速度较慢、容易陷入极值等问题,提出一种基于全卷积神经网络(Fully Convolutional Networks,FCN)和互信息的配准方法。利用FCN模型提取二维图像深层特征并进行粗配准;将得到的配准结果作为互信息算法的初始搜索点,从而使搜索范围缩小至全局最优解附近;利用互信息算法对参数进一步微调优化,得到最优三维配准结果。实验结果表明,在进行CT-MR图像配准时,所提方法不仅可以大幅度提升配准速度,还能有效避免局部收敛的情况,具有更高的准确性。 展开更多
关键词 全卷积神经网络 互信息算法 多模态 三维图像配准
在线阅读 下载PDF
融合VGG与FCN的智能出租车订单预测模型 被引量：3
9
作者 李浩 霍雯 +2 位作者 裴春营 袁瑶瑶 康雁 《计算机工程》 CAS CSCD 北大核心 2020年第12期276-282,共7页
为提高出租车市场管理和运营效率以及实现出租车效益最大化,在地图栅格化的基础上,提出一种融合VGG网络与全卷积网络(FCN)的出租车多区域订单预测模型。将出租车轨迹数据转换为订单图像,去除VGG网络全连接层仅保留主要结构以减少模型参... 为提高出租车市场管理和运营效率以及实现出租车效益最大化,在地图栅格化的基础上,提出一种融合VGG网络与全卷积网络(FCN)的出租车多区域订单预测模型。将出租车轨迹数据转换为订单图像,去除VGG网络全连接层仅保留主要结构以减少模型参数,利用该网络中深度卷积提取不同空间区域出租车行驶特征,使用FCN中反卷积层上采样重构下一个时间段出租车订单图像,从而获得不同区域和时间段的出租车订单预测数据,并以订单图像形式呈现在地图上。实验结果表明,与BP、RBF等预测模型相比,该模型预测结果平均准确率更高且均方根误差更低,可快速预测出租车多区域订单分布情况。 展开更多
关键词 出租车订单预测 VGG网络 全卷积网络 反卷积层 融合模型
在线阅读 下载PDF
基于FCN-LSTM的工业烟尘图像分割 被引量：4
10
作者 张俊鹏 刘辉 李清荣 《计算机工程与科学》 CSCD 北大核心 2021年第5期907-916,共10页
工业生产中常根据林格曼烟气黑度判断工业烟尘的污染等级,一种有效的方式是应用计算机视觉系统对工业烟尘进行监测,其中对烟尘目标进行准确分割是该系统的关键技术。因为工业烟尘具有形状不固定、和云相似度高等特点,现有算法在复杂场... 工业生产中常根据林格曼烟气黑度判断工业烟尘的污染等级,一种有效的方式是应用计算机视觉系统对工业烟尘进行监测,其中对烟尘目标进行准确分割是该系统的关键技术。因为工业烟尘具有形状不固定、和云相似度高等特点,现有算法在复杂场景下对烟尘进行分割时容易受到干扰,分割准确度有待提高。针对这一问题,提出一种基于FCN-LSTM的工业烟尘图像分割方法,在全卷积网络对图像空间特征提取的基础上,使用长短时记忆网络提取图像序列的时间信息,通过烟尘的动态特征对运动的烟尘和背景进行区分,增强复杂场景下的抗干扰能力。实验表明,本文模型相比于全卷积网络,在复杂场景下的抗干扰能力有显著提升,能够有效克服来自云的干扰,对全卷积网络分割结果中易出现干扰点的问题也有改善,IoU指标最高有8.04%的提升。 展开更多
关键词 工业烟尘检测 图像分割 全卷积网络 长短时记忆网络
在线阅读 下载PDF
改进FCN的车道线实例分割检测方法 被引量：10
11
作者 邓天民 蒲龙忠 万桥 《计算机工程与设计》 北大核心 2022年第10期2935-2943,共9页
为准确识别车道线,提高车道线检测算法的实时性和鲁棒性,提出一种基于改进FCN的车道线实例分割检测方法。对输入图像采用压缩的VGG16网络进行编码,设计语义分割和嵌入分割双分支实现多车道线分割解码,通过DBSCAN算法聚类像素点,应用逆... 为准确识别车道线,提高车道线检测算法的实时性和鲁棒性,提出一种基于改进FCN的车道线实例分割检测方法。对输入图像采用压缩的VGG16网络进行编码,设计语义分割和嵌入分割双分支实现多车道线分割解码,通过DBSCAN算法聚类像素点,应用逆透视变换获得俯视视角下的图片,利用最小二乘法完成车道线像素点的拟合并还原回图像,得出更加精确的车道线。实验结果表明,方法图像帧处理速度为30fps,常规车道线检测准确率达97.28%,复杂场景综合准确率达89.6%,验证了其准确性和有效性。 展开更多
关键词 车道线检测 全卷积神经网络 非对称卷积 实例分割 逆透视变换
在线阅读 下载PDF
基于改进R-FCN的车辆目标检测方法 被引量：6
12
作者 胡辉 曾琛 《计算机工程与设计》 北大核心 2020年第4期1164-1168,共5页
针对传统方法对实际环境中车辆检测精度不高的问题,提出基于深度学习中R-FCN模型进行车辆检测的方法。基于全卷积网络,结合多尺度训练使模型能够学习到不同尺寸车辆的抽象特征,在训练过程中引入可变形网络提高模型对目标变换的自适应能... 针对传统方法对实际环境中车辆检测精度不高的问题,提出基于深度学习中R-FCN模型进行车辆检测的方法。基于全卷积网络,结合多尺度训练使模型能够学习到不同尺寸车辆的抽象特征,在训练过程中引入可变形网络提高模型对目标变换的自适应能力,使用软化非极大值抑制的方法减少复杂环境中目标的漏检率。利用Udacity数据集进行训练和测试,实验结果表明,提出方法与R-FCN模型相比,检测的平均准确度提高了4.3%,对实际场景下的车辆有着良好的检测效果,网络具有一定的鲁棒性。 展开更多
关键词 车辆检测 全卷积网络 Udacity数据集 多尺度训练 可变形网络 软化非极大值抑制
在线阅读 下载PDF
基于FCN的眼底图像中央凹自动检测算法 被引量：1
13
作者 燕杨 黄文博 《吉林大学学报（理学版）》 CAS 北大核心 2020年第4期893-898,共6页
针对传统算法很难识别彩色眼底图像中央凹的问题,提出一种基于全卷积网络(fully convolutional networks, FCN)的眼底图像中央凹自动检测算法.首先通过彩色眼底图像的局部上下文环境挖掘全局上下文信息,构建实现局部像素级分类的FCN模型... 针对传统算法很难识别彩色眼底图像中央凹的问题,提出一种基于全卷积网络(fully convolutional networks, FCN)的眼底图像中央凹自动检测算法.首先通过彩色眼底图像的局部上下文环境挖掘全局上下文信息,构建实现局部像素级分类的FCN模型,然后将局部像素级特征推广到全局金字塔池化模块中,使空间统计数据为全局语境理解提供了更好地描述与表达,从而有效获得了极具区分度的全局上下文信息,最后将全局与局部特征相融合,实现对中央凹的精准检测.实验结果表明,该算法提高了眼底暗病变检测的特异性,并为眼底严重病变的发现提供了有效证据. 展开更多
关键词 眼底图像 中央凹检测 全卷积网络 金字塔池化模块
在线阅读 下载PDF
信号分离在深海定位中的应用
14
作者 袁博 钱鹏 +2 位作者 赵猛 杨馥锦 鹿力成 《应用声学》 北大核心 2025年第1期155-161,共7页
声波在深海中远距离传播时海水吸收、扩展导致传播损失大,接收到的声波能量非常小,同时受到航船风浪等强噪声干扰,声波信号的信噪比非常低。在低信噪比的情况下,信号增强、信号降噪等数据处理方法的效果均降低,对水下目标定位、检测和... 声波在深海中远距离传播时海水吸收、扩展导致传播损失大,接收到的声波能量非常小,同时受到航船风浪等强噪声干扰,声波信号的信噪比非常低。在低信噪比的情况下,信号增强、信号降噪等数据处理方法的效果均降低,对水下目标定位、检测和识别造成很大影响。该文针对水下目标低信噪比定位问题,应用全卷积时域网络,基于信号幅度和相位的解耦,提出了一种快速信噪分离方法。该方法利用了端到端时域分离的深度学习框架,通过线性编码器编码信号,编码之后的信号波形可以通过一组加权函数分离出信号和噪声,最后再使用线性编码器将分离后的信号反转到时域进行目标定位。通过数据仿真验证了该方法的可行性,并对海上实验数据进行处理,取得较好结果。 展开更多
关键词 全卷积时域网络 信噪分离 被动定位系统 深海定位
在线阅读 下载PDF
基于全连接时空图的短期电力负荷预测方法
15
作者 徐智远 缪卓窈 +3 位作者 龙卓 吴公平 邓丰 邓乐 《电力科学与技术学报》 北大核心 2025年第3期123-132,共10页
短期负荷预测是电力系统中的一项重要任务。目前,对多序列负荷之间的时空邻接关系的研究较少,而一定情况下考虑这种时空邻接性可以提高预测的准确性。为此,提出一种基于全连接图的图卷积神经网络(fully-connected graph based graph con... 短期负荷预测是电力系统中的一项重要任务。目前,对多序列负荷之间的时空邻接关系的研究较少,而一定情况下考虑这种时空邻接性可以提高预测的准确性。为此,提出一种基于全连接图的图卷积神经网络(fully-connected graph based graph convolution neural network,FCGCN)。首先,FCGCN将多序列负荷数据编码成图的节点特征矩阵,结合位置编码的方法增加负荷数据的顺序信息,并利用动态时间规整(dynamic time warping,DTW)算法构建图的邻接矩阵,从而形成负荷数据的全连接时空图;然后,结合滑动窗口算法思想,将构建的全连接图连续分割为一系列子图,再利用图卷积神经网络(graph convolution neural network,GCN)对每个子图单独进行特征提取;其次,为了实现对多源负荷数据的多角度特征提取,FCGCN采用多分支并行结构,将每个分支提取的特征向量串联,并通过全连接层完成对不同负荷的预测;最后,利用来自某生产基地的实际负荷数据进行验证实验。结果表明:与常见的预测模型相比,FCGCN能取得更高的预测精度。 展开更多
关键词 电力系统 多源负荷数据 短期负荷预测 全连接时空图 图卷积神经网络
在线阅读 下载PDF
基于深度学习的神经形态芯片辐射源重构方法
16
作者 莫利楠 李燕 《电波科学学报》 北大核心 2025年第3期503-510,共8页
针对神经形态芯片辐射源建模难题,提出了一种基于卷积神经网络(convolutional neural network,CNN)和全连接网络(fully connected network,FCN)的辐射源重构方法。该方法以传统等效源理论为基础,通过近场扫描点与偶极子位置的关系构建... 针对神经形态芯片辐射源建模难题,提出了一种基于卷积神经网络(convolutional neural network,CNN)和全连接网络(fully connected network,FCN)的辐射源重构方法。该方法以传统等效源理论为基础,通过近场扫描点与偶极子位置的关系构建系数矩阵,并将其作为神经网络的输入,对应磁场幅度作为输出,利用神经网络建立偶极子与扫描场之间的映射关系。通过数值仿真和实验测量进行方法验证,结果表明,该方法通过将扫描区域外平面的系数矩阵输入训练好的神经网络可以准确预测对应的磁场幅度,其预测结果与仿真结果及测量结果的相对误差均在5%左右,具有良好的精度。 展开更多
关键词 神经形态芯片 近场扫描 卷积神经网络(CNN) 全连接网络(fcn) 辐射源重构
在线阅读 下载PDF
全卷积定位神经网络在两个地震相互干扰情形下的应用
17
作者 陈慧慧 张雄 +1 位作者 田宵 张伟 《地球物理学报》 北大核心 2025年第1期139-152,共14页
台站连续记录的弱余震或微震数据中经常会遇到两个地震发生的时间比较接近,波形存在互相干扰的情况,给震相拾取和关联等处理造成困难,进而影响地震定位结果.近年来,人们开始探索使用深度学习方法直接从波形数据中定位地震,但鲜有对两个... 台站连续记录的弱余震或微震数据中经常会遇到两个地震发生的时间比较接近,波形存在互相干扰的情况,给震相拾取和关联等处理造成困难,进而影响地震定位结果.近年来,人们开始探索使用深度学习方法直接从波形数据中定位地震,但鲜有对两个波形相互干扰的地震进行定位的情况.本研究基于全卷积神经网络模型,采用叠加两个高斯概率分布的方法,同时标记两个地震,使得同一时窗内存在两个波形相互干扰的地震事件时,神经网络能够同时定位两个地震事件.我们将该方法应用于美国南加州的Ridgecrest地震序列和样本,研究发现输入时窗只包含一个地震事件时,实际数据定位平均误差为2.8 km,当输出标签包含两个地震时,我们利用输出标签减去其中一个地震位置波峰的方法提取出两个地震的位置,估算出的干扰地震事件定位平均误差为7.9 km (定位范围89 km×72 km,包含了位置提取方法的误差).测试表明,该方法对两个波形相互干扰的地震进行定位具有一定的效果,对多事件相互干扰的定位研究具有一定启发意义,从而进一步提高地震监测的完备性. 展开更多
关键词 地震定位 相互干扰 全卷积神经网络
在线阅读 下载PDF
基于多分支结构的手写字图像特征提取自适应算法
18
作者 郭晓静 赵小源 邹松林 《工程科学与技术》 北大核心 2025年第3期247-255,共9页
飞机地面维护工卡是维修操作和归档的重要依据,分步完成其手工填写和数字化存储具有重要价值。为减少飞机运行安全隐患,受行业规范限制,工卡通常设计成可离线部署工作的识别模型。工卡书写不但字符类别数目多,还存在大量汉字、英文混用... 飞机地面维护工卡是维修操作和归档的重要依据,分步完成其手工填写和数字化存储具有重要价值。为减少飞机运行安全隐患,受行业规范限制,工卡通常设计成可离线部署工作的识别模型。工卡书写不但字符类别数目多,还存在大量汉字、英文混用情形,导致字符特征提取困难且识别精度不高。为了针对性地提升平均识别准确率和速度,减少结构相似字、结构复杂字等的错误识别,本文提出一种多分支卷积与特征融合提取结构。利用深层卷积的多尺度特征提取优势,引入改进的重参数化多分支结构来改善图像全局、局部特征提取效果;采用全卷积实现区域空间特征与图像深层特征融合,在分类过程中,提出融合全卷积分类器结构,依据字符特征复杂程度不同自适应分类,改善相似字与复杂字类间、类内的分类识别效果。与主流的手写字识别方法相比,改进后网络结构的存储大小为69.1 MB;在汉字数据集上的实验表明,识别精度与速度均大幅提升,模型首次预测准确率和前5次预测准确率分别达到97.50%和99.79%。模型对相似字符、中英文字符的识别模型优势明显,在包含了中英文和数字的数据集上,改进后结构存储大小为69.2 MB,实验结果中首次预测准确率达到97.23%,推理速度达到1 400张/s,对飞机地面维护工卡识别等特定领域有一定价值。 展开更多
关键词 脱机手写汉字识别 全卷积 重参数化结构 空间特征融合 重参数化多分支卷积算法
在线阅读 下载PDF
基于FCN与面向对象的滨海湿地植被分类 被引量：11
19
作者 谢锦莹 丁丽霞 +1 位作者 王志辉 刘丽娟 《林业科学》 EI CAS CSCD 北大核心 2020年第8期98-106,共9页
【目的】提出一种基于全卷积神经网络(FCN)与面向对象的滨海湿地植被分类方法,以提高滨海湿地植被监测效果。【方法】以浙江慈溪部分杭州湾滨海湿地为研究区,基于高分辨率QuickBird影像,采用FCN与面向对象相结合的方法监测滨海湿地植被... 【目的】提出一种基于全卷积神经网络(FCN)与面向对象的滨海湿地植被分类方法,以提高滨海湿地植被监测效果。【方法】以浙江慈溪部分杭州湾滨海湿地为研究区,基于高分辨率QuickBird影像,采用FCN与面向对象相结合的方法监测滨海湿地植被:1)融合QuickBird影像的多光谱数据和全色数据提高影像空间分辨率,运用目视判读制作标签图,以100×100窗口选取样本后进行翻转、旋转等操作,获得训练样本4904对、测试样本544对,采用FCN对样本完成训练后得到相应的模型参数用于整幅影像,获得全图分类结果;2)对原始影像进行多尺度分割,利用平均全局评分指数法确定最优分割尺度为170,以最优分割结果对FCN分类结果进行边界约束,得到最终分类结果并制作滨海湿地植被分类图;3)基于混淆矩阵对仅采用FCN处理的结果影像及采用FCN与面向对象相结合处理的结果影像进行精度评价。【结果】1)采用FCN处理的影像分类总体精度达94.39%,典型滨海湿地植被精度均在85%以上,但分类结果存在少量椒盐现象,分类误差产生的主要原因是滨海湿地下垫面背景复杂,不同植被类型空间分布杂乱;2)将面向对象与FCN相结合处理的结果影像可消除椒盐现象,总体精度达97.56%,典型滨海湿地植被精度均在90%以上。【结论】基于FCN的滨海湿地植被分类方法能够有效从高分辨率影像中提取典型滨海湿地植被信息,在此基础上结合面向对象的多尺度分割方法可有效消除椒盐现象,弥补基于像元分类的缺陷,优化滨海湿地植被分类结果,在滨海湿地植被监测方面值得推广和运用。 展开更多
关键词 滨海湿地植被 遥感监测 全卷积神经网络 面向对象 高分辨率
在线阅读 下载PDF
一种基于改进FCN的多光谱图像建筑物识别方法 被引量：7
20
作者 张永梅 付昊天 +3 位作者 孙海燕 张睿 陈立潮 潘理虎 《计算机工程》 CAS CSCD 北大核心 2019年第1期239-245,共7页
多光谱图像的建筑物目标在不同尺度下具有不同特征,利用传统全卷积神经网络(FCN)进行识别时精度较低。为此,提出一种基于改进FCN的多光谱图像建筑物识别方法。通过旋转图像进行训练集扩充,从网络的第1层～第12层提取图像在4个旋转角度... 多光谱图像的建筑物目标在不同尺度下具有不同特征,利用传统全卷积神经网络(FCN)进行识别时精度较低。为此,提出一种基于改进FCN的多光谱图像建筑物识别方法。通过旋转图像进行训练集扩充,从网络的第1层～第12层提取图像在4个旋转角度和不同尺度下的低层特征,将其归一化为同样尺寸的图像后提取更高层特征,以实现对多光谱图像建筑物的精确识别。实验结果表明,相比传统FCN方法,该方法能够提高识别的精确率与召回率。 展开更多
关键词 多光谱图像 建筑物识别 全卷积神经网络 多尺度信息 训练集扩充
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 … 14 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