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2,198篇文章
< 1 2 … 110 >
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GAN和多尺度空间注意力的多模态医学图像融合 被引量：3
1
作者 林予松 李孟娅 +1 位作者 李英豪 赵哲 《郑州大学学报（工学版）》 CAS 北大核心 2025年第1期1-8,共8页
针对多模态医学图像融合过程中多尺度特征和纹理细节信息丢失的问题,提出一种基于生成对抗网络和多尺度空间注意力的图像融合算法。首先,生成器采用自编码器结构,分别利用编码器和解码器对输入图像进行特征提取、融合和重建,生成融合图... 针对多模态医学图像融合过程中多尺度特征和纹理细节信息丢失的问题,提出一种基于生成对抗网络和多尺度空间注意力的图像融合算法。首先,生成器采用自编码器结构,分别利用编码器和解码器对输入图像进行特征提取、融合和重建,生成融合图像;其次,整个对抗网络框架采用双鉴别器结构,使得生成器生成的融合图像同时保留多个模态图像的显著特征;最后,构建一种多尺度空间注意力作为编码器进行特征提取的基本模块,利用多尺度结构充分捕获并保留源图像的多尺度特征,并且引入空间注意力更好地保留源图像的结构和细节信息。全脑图谱数据库上的实验结果表明:所提算法生成的融合图像不仅纹理细节更为丰富,有助于人类视觉观察,而且在3种不同类型的医学图像融合任务上平均梯度、峰值信噪比、互信息、视觉信息保真度等客观评价指标的平均值分别达到0.3023、20.7207、1.4414、0.6498,与其他先进的算法相比具有一定的优势。 展开更多
关键词 图像融合 多模态医学图像 生成对抗网络 特征金字塔 注意力机制
在线阅读 下载PDF
基于SE-AdvGAN的图像对抗样本生成方法研究 被引量：1
2
作者 赵宏 宋馥荣 李文改 《计算机工程》 北大核心 2025年第2期300-311,共12页
对抗样本是评估深度神经网络(DNN)鲁棒性和揭示其潜在安全隐患的重要手段。基于生成对抗网络(GAN)的对抗样本生成方法(AdvGAN)在生成图像对抗样本方面取得显著进展,但该方法生成的扰动稀疏性不足且幅度较大,导致对抗样本的真实性较低。... 对抗样本是评估深度神经网络(DNN)鲁棒性和揭示其潜在安全隐患的重要手段。基于生成对抗网络(GAN)的对抗样本生成方法(AdvGAN)在生成图像对抗样本方面取得显著进展,但该方法生成的扰动稀疏性不足且幅度较大,导致对抗样本的真实性较低。为解决这一问题,基于AdvGAN提出一种改进的图像对抗样本生成方法(SE-AdvGAN)。SE-AdvGAN通过构造SE注意力生成器和SE残差判别器来提高扰动的稀疏性。SE注意力生成器用于提取图像关键特征,限制扰动生成位置,SE残差判别器指导生成器避免生成无关扰动。同时,在SE注意力生成器的损失函数中加入以l_(2)范数为基准的边界损失以限制扰动的幅度,从而提高对抗样本的真实性。实验结果表明,在白盒攻击场景下,SE-AdvGAN相较于现有方法生成的对抗样本扰动稀疏性更高、幅度更小,并且在不同目标模型上均取得了更好的攻击效果,说明SE-AdvGAN生成的高质量对抗样本可以更有效地评估DNN模型的鲁棒性。 展开更多
关键词 对抗样本 生成对抗网络 稀疏扰动 深度神经网络 鲁棒性
在线阅读 下载PDF
基于改进ACGAN算法的带钢小样本数据增强方法 被引量：1
3
作者 师红宇 王嘉鑫 李怡 《计算机集成制造系统》 北大核心 2025年第1期211-218,共8页
为了解决带钢小样本数据集在深度学习中出现的模式崩溃、图像模糊和错判等问题,提出一种改进的ACGAN数据增强方法。首先,模型中引入带梯度惩罚项的Wasserstein距离作为损失函数,解决了模式崩溃和训练不稳定问题;其次,生成器网络中改进... 为了解决带钢小样本数据集在深度学习中出现的模式崩溃、图像模糊和错判等问题,提出一种改进的ACGAN数据增强方法。首先,模型中引入带梯度惩罚项的Wasserstein距离作为损失函数,解决了模式崩溃和训练不稳定问题;其次,生成器网络中改进标签反卷积网络,使标签信息更好地贯穿整个生成网络,并在其末端设计了去噪结构,提高了生成图像质量;接着,判别器网络中引入级联融合思想,增强了网络判别能力;最后,将改进前后的模型在NEU带钢表面缺陷数据集和MNIST数据集上进行对比实验,结果表明:所提模型生成各类样本图像的清晰度、准确性明显提高,并且客观指标FID的平均值在NEU带钢表面缺陷数据集上下降了15.8%,在MNIST数据集下降了73%,为带钢小样本数据集的扩充提供了一种新方法。 展开更多
关键词 图像生成 生成对抗网络 数据增强 小样本
在线阅读 下载PDF
一种高性能的多任务图像生成RL-GAN模型
4
作者 叶学义 石悦 +2 位作者 韩卓 李文杰 王浩 《电光与控制》 北大核心 2025年第5期47-52,73,共7页
为了将GAN扩展到多任务模式并构建高性能模型,将强化学习(RL)代理与GAN结合,构建多任务图像生成RL-GAN模型,并通过更换RL代理训练算法、设置更合理的AC网络损失函数及替换网络结构三个方面进行优化,旨在提升模型性能。实验结果显示,在... 为了将GAN扩展到多任务模式并构建高性能模型,将强化学习(RL)代理与GAN结合,构建多任务图像生成RL-GAN模型,并通过更换RL代理训练算法、设置更合理的AC网络损失函数及替换网络结构三个方面进行优化,旨在提升模型性能。实验结果显示,在两种多任务图像修复实验中,所提模型的生成结果均满足视觉需求,且与当前多任务模式的主流方法--多GAN叠加相比,RL-GAN模型具有更快的收敛速度和图像处理速度以及更高的输出质量,且引入RL代理后模型的精度与效率也更优,优化后的模型多任务处理能力显著提升。 展开更多
关键词 多任务图像生成 强化学习 生成对抗网络
在线阅读 下载PDF
基于CDoubleGAN的电网时序暂态数据生成
5
作者 张启飞 陈润泽 +2 位作者 张亶 叶瑞涛 梁秀波 《计算机工程与设计》 北大核心 2025年第1期159-165,共7页
为解决电力系统人工智能应用中样本数量不足的问题,对时序数据生成方法进行研究,提出一种CDoubleGAN模型。结合编解码器和两对生成器-鉴别器,采用ARFNN替代RNN解决Lipschitz连续性问题,实现使用Wasserstein距离对目标函数的稳定优化。... 为解决电力系统人工智能应用中样本数量不足的问题,对时序数据生成方法进行研究,提出一种CDoubleGAN模型。结合编解码器和两对生成器-鉴别器,采用ARFNN替代RNN解决Lipschitz连续性问题,实现使用Wasserstein距离对目标函数的稳定优化。将数据类别标签融入模型中,生成特定类别的样本。在IEEE-39系统的实验结果表明,CDoubleGAN在类别生成上的准确度超过98%,与TimeGAN相比,生成的数据与原数据具有更高的相似度,更好保留了数据原始特性以应用于数据生产。 展开更多
关键词 人工智能 深度学习 电力系统 暂态稳定 数据生成 编解码器 生成对抗网络 时序数据
在线阅读 下载PDF
基于改进CycleGAN与YOLOv8s的混凝土坝水下裂缝识别方法
6
作者 赵阳 康飞 万刚 《水电能源科学》 北大核心 2025年第4期158-162,共5页
针对受水下环境影响造成的混凝土坝水下裂缝图像获取困难、样本稀缺,裂缝检测效率低、精度差、主观性强等问题,提出基于生成对抗网络CycleGAN和目标检测网络YOLOv8s的水下裂缝检测方法。首先,引入梯度惩罚WGAN-GP损失与相似性度量LPIPS... 针对受水下环境影响造成的混凝土坝水下裂缝图像获取困难、样本稀缺,裂缝检测效率低、精度差、主观性强等问题,提出基于生成对抗网络CycleGAN和目标检测网络YOLOv8s的水下裂缝检测方法。首先,引入梯度惩罚WGAN-GP损失与相似性度量LPIPS损失,提出一种改进的CycleGAN图像风格迁移网络,以此生成高质量水下裂缝图像,解决数据样本不足的问题;之后,添加SimAM无参注意力并引入WIoU损失,提出改进的YOLOv8s水下裂缝识别网络,以提高水下裂缝图像识别的精度。试验结果表明,改进CycleGAN方法起到了良好的数据扩充作用,能有效提升后续检测任务的精度;改进YOLOv8s方法在消融、对比试验中,裂缝识别精度较原网络、Faster R-CNN、YOLOX-s、YOLOv5s分别提高2.4%、5.4%、2.4%、1.2%,检测效果满足高效、精确的要求,可为混凝土坝水下裂缝识别提供技术支持。 展开更多
关键词 水下裂缝识别 生成对抗网络 数据扩充 损失函数 注意力机制
在线阅读 下载PDF
基于MTF-DCGAN的齿轮箱故障诊断方法研究
7
作者 杨敏 孙文磊 +4 位作者 刘志远 钟荟玄 辜英政 王云浩 张宇 《机床与液压》 北大核心 2025年第12期17-24,共8页
为解决齿轮箱故障诊断过程中因样本分布不均衡导致的模型泛化性能不足和识别准确度不高的问题,提出基于MTF-DCGAN和改进EfficientNet网络的故障诊断方法。根据马尔可夫转移场(MTF)图像编码原理将收集的一维振动信号转换成二维可视化图像... 为解决齿轮箱故障诊断过程中因样本分布不均衡导致的模型泛化性能不足和识别准确度不高的问题,提出基于MTF-DCGAN和改进EfficientNet网络的故障诊断方法。根据马尔可夫转移场(MTF)图像编码原理将收集的一维振动信号转换成二维可视化图像,按比例划分训练集和测试集;将训练集数据与随机向量输入至深度卷积生成对抗网络(DCGAN)模型中,交替训练生成器和判别器直至实现纳什均衡,生成与原始样本特征相似的新增样本,以此扩充故障数据集;最后,对EfficientNet的MBConv模块数量和激活函数进行改进,并将原始样本及增广后的样本集导入改进后的EfficientNet中进行特征提取,实现齿轮箱故障的识别与分类。结果表明:所提方法显著提高了样本不均衡情况下齿轮箱故障的诊断准确率,具有维度变换简单和模型参数量小的优势,加快了收敛速率。 展开更多
关键词 故障诊断 马尔可夫转移场 深度卷积生成对抗网络 改进EfficientNet 齿轮箱
在线阅读 下载PDF
基于改进GAN的图像去雨方法及其在车辆检测上的应用
8
作者 应保胜 刘畅然 +2 位作者 熊豪 石兵华 许小伟 《计算机应用与软件》 北大核心 2025年第3期183-189,共7页
针对雨天行车时,车载摄像头拍摄的图像被镜头前的雨滴或者空中的雨线条纹所遮挡,影响车辆检测的准确度的问题,使用先去雨后检测的思路,提出一种基于改进的生成对抗网络(Generative Adversarial Networks,GAN)图像去雨方法。该方法在GAN... 针对雨天行车时,车载摄像头拍摄的图像被镜头前的雨滴或者空中的雨线条纹所遮挡,影响车辆检测的准确度的问题,使用先去雨后检测的思路,提出一种基于改进的生成对抗网络(Generative Adversarial Networks,GAN)图像去雨方法。该方法在GAN的生成网络中加入注意力模块,并在patch-GAN判别网络中加入一层卷积,提取注意力掩码图,进行局部鉴别,提升去雨效果并保留图像细节。对图像进行去雨处理后,再使用YOLOv4算法对去雨后图像进行车辆检测。实验使用多种数据集将该方法与其他方法进行对比实验,结果表明该方法有良好的去雨效果,并能有效提高雨天车辆检测准确率。 展开更多
关键词 图像去雨 生成对抗网络 注意力模块 自编码器 车辆检测
在线阅读 下载PDF
基于VAE-WGAN的矿井提升机主轴承小样本故障诊断方法
9
作者 江帆 宋泓炎 +2 位作者 沈熙 朱真才 程舒曼 《煤炭科学技术》 北大核心 2025年第S1期468-482,共15页
作为提升机的关键组件,主轴承在长时间高速重载服役过程中,其性能会发生退化并导致故障产生,故开展提升机主轴承故障诊断对保障矿井提升机安全高效运行具有重要意义。然而,矿井提升机运行状态监测的数据中正常服役与故障状态的比重严重... 作为提升机的关键组件,主轴承在长时间高速重载服役过程中,其性能会发生退化并导致故障产生,故开展提升机主轴承故障诊断对保障矿井提升机安全高效运行具有重要意义。然而,矿井提升机运行状态监测的数据中正常服役与故障状态的比重严重失调,呈现出正常样本多、故障样本少、标签样本不足等特点,导致矿井提升机主轴承故障模型训练效果不理想、诊断准确度低。针对小样本下矿井提升机主轴承故障诊断准确率低的问题,通过融合变分自编码器和Wasserstein生成对抗网络,构建基于VAE-WGAN的矿井提升机主轴承样本增广模型,进而提出基于CBAM-MoblieNetV2的故障诊断方法,实现小样本数据下的矿井提升机主轴承故障诊断。在算法层面上,引入Wasserstein距离度量,解决生成对抗网络训练梯度消失问题。在数据层面上,使用凯斯西储大学数据集对VAE-WGAN进行测试,并通过量化指标评价VAE-WGAN生成能力的方式优选超参数,再用矿井提升机模拟实验台轴承数据集训练VAE-WGAN,实现小样本数据集增广扩容。为了提升故障诊断模型的特征提取能力和故障诊断准确率,在轻量化卷积神经网络MobileNetV2的基础上,将卷积块注意力机制CBAM融合到MobileNetV2深层特征映射,搭建注意力机制卷积分类网络CBAMMobileNetV2,通过融合跨通道信息和空间信息实现更多地关注故障特征。最后与WGAN_GP、DCGAN,VAE以及WGAN等传统生成模型进行了对比分析,VAE-WGAN+CBAM-MobileNetV2在4种小样本比例数据集上的准确率均高于其他4种方法,证明了所提样本增广和故障诊断方法在不同小样本比例故障数据集上的故障诊断准确率更高,能够满足小样本下的故障诊断要求。 展开更多
关键词 生成对抗网络 小样本 矿井提升机 主轴承 故障诊断
在线阅读 下载PDF
基于改进GAN的人机交互手势行为识别方法
10
作者 张富强 白筠妍 穆慧 《郑州大学学报(工学版)》 北大核心 2025年第2期43-50,共8页
为改善现有手势识别算法需要大量训练数据的现状,针对识别准确率不高、识别过程复杂等问题,基于生成式对抗网络(GAN)和变分自编码器,引入标签信息,提出一种基于改进GAN模型的人机交互手势行为识别方法。首先,在编码器和解码器中分别添... 为改善现有手势识别算法需要大量训练数据的现状,针对识别准确率不高、识别过程复杂等问题,基于生成式对抗网络(GAN)和变分自编码器,引入标签信息,提出一种基于改进GAN模型的人机交互手势行为识别方法。首先,在编码器和解码器中分别添加改进InceptionV2和InceptionV2-trans结构增强模型的特征还原能力;其次,在各组成网络中进行条件批量归一化(CBN)处理改善过拟合,以Mish激活函数代替ReLU函数提升网络性能;最后,通过实验证明该方法能够以较少的样本获得100%的分类准确率,且收敛时间短,验证了该方法的可靠性。 展开更多
关键词 人机交互 生成对抗网络 变分自编码器 手势识别 条件批量归一化
在线阅读 下载PDF
基于改进CycleGAN的非配对CMR图像增强
11
作者 郑伟 吴禹波 +2 位作者 冯晓萌 马泽鹏 宋铁锐 《河北大学学报(自然科学版)》 北大核心 2025年第2期204-215,共12页
心脏磁共振成像(cardiac magnetic resonance,CMR)过程中患者误动、异常幅度的呼吸运动、心律失常会造成CMR图像质量下降,为解决现有的CMR图像增强网络需要人为制作配对数据,且图像增强后部分组织纹理细节丢失的问题,提出了基于空频域... 心脏磁共振成像(cardiac magnetic resonance,CMR)过程中患者误动、异常幅度的呼吸运动、心律失常会造成CMR图像质量下降,为解决现有的CMR图像增强网络需要人为制作配对数据,且图像增强后部分组织纹理细节丢失的问题,提出了基于空频域特征学习的循环一致性生成对抗网络(cycle-consistent generative adversavial network based on spatial-frequency domain feature learning,SFFL-CycleGAN).研究结果表明,该网络无须人为制作配对数据集,增强后的CMR图像组织纹理细节丰富,在结构相似度(structural similarity,SSIM)和峰值信噪比(peak signal to noise ratio,PSNR)等方面均优于现有的配对训练网络以及原始的CycleGAN网络,图像增强效果好,有效助力病情诊断. 展开更多
关键词 心脏磁共振成像 图像增强 空频域特征 循环一致性生成对抗网络
在线阅读 下载PDF
不均衡样本下轴承故障的LSGAN‑Swin Transformer诊断方法
12
作者 刘杰 谭玉涛 +1 位作者 谷艳玲 杨娜 《振动工程学报》 北大核心 2025年第8期1775-1787,共13页
针对轴承在复杂环境下工作时故障数据难以大量获取,正常数据与故障数据比例严重失衡造成的深度模型训练不充分、诊断精度低等问题,提出一种基于LSGAN-Swin Transformer的轴承故障诊断方法,利用最小二乘生成对抗网络(LSGAN)扩充不均衡或... 针对轴承在复杂环境下工作时故障数据难以大量获取,正常数据与故障数据比例严重失衡造成的深度模型训练不充分、诊断精度低等问题,提出一种基于LSGAN-Swin Transformer的轴承故障诊断方法,利用最小二乘生成对抗网络(LSGAN)扩充不均衡或缺少的轴承数据集,引入窗口自注意力网络进行轴承故障状态识别,使用两种数据集验证所提方法的有效性,并分别与SGAN、WGAN进行对比,证明LSGAN生成的数据训练模型具有更高的准确率。在小样本条件下训练LSGAN,将所提Swin Transformer(Swin-T)模型与CNN、AlexNe和SqueezeNet进行对比,诊断准确率分别提升了34.85%、13.45%和12.95%。通过t-SNE可视化分析对模型分类效果进行评估,结果表明,LSGAN-Swin-T模型在训练样本数量较少时仍能较好地满足故障诊断中的需求,为不均衡数据下的轴承故障诊断研究提供思路。 展开更多
关键词 故障诊断 滚动轴承 不均衡样本 最小二乘生成对抗网络 Swin Transformer
在线阅读 下载PDF
改进的GAN和迁移学习的轴承故障诊断方法
13
作者 郝旺身 冀科伟 +1 位作者 杜应军 韦广 《机械设计与制造》 北大核心 2025年第1期140-143,148,共5页
针对实际设备运行中轴承故障样本往往比较匮乏,传统的人工智能算法越来越难以满足实际情况故障诊断需要的问题,提出了一种改进的生成对抗神经网络模型,并结合迁移学习提出了一种智能故障诊断方法。该方法将机械故障时所采集的原始数据... 针对实际设备运行中轴承故障样本往往比较匮乏,传统的人工智能算法越来越难以满足实际情况故障诊断需要的问题,提出了一种改进的生成对抗神经网络模型,并结合迁移学习提出了一种智能故障诊断方法。该方法将机械故障时所采集的原始数据与大量源域数据通过生成对抗网络中得到大量与原始数据相似的新样本数据,然后从新样本数据中学习特征优化神经网络的参数,并通过样本的分布相应的调节神经网络的结构,最后,将部分原始故障数据输入已训练好的神经网络,得到诊断结果。实验结果表明,所提方法较传统的深度学习和迁移学习在诊断准确率上分别提高了28.10%和24.42%,能够为实际制造中轴承故障诊断任务提供可行的解决方案。 展开更多
关键词 轴承故障 样本生成 迁移学习 生成式对抗网络 卷积神经网络
在线阅读 下载PDF
基于GAN目标数据增强的海面小目标检测
14
作者 尹翔 李婉华 《现代雷达》 北大核心 2025年第4期20-28,共9页
由于海面存在大量背景杂波,以及目标的多样性,海面小目标检测一直是一个具有挑战性的问题。近年来,基于深度学习的海面小目标检测逐渐流行,具有较好的性能。然而,这类方法严重依赖于训练样本的数量和质量,通常情况下,目标样本数量远少... 由于海面存在大量背景杂波,以及目标的多样性,海面小目标检测一直是一个具有挑战性的问题。近年来,基于深度学习的海面小目标检测逐渐流行,具有较好的性能。然而,这类方法严重依赖于训练样本的数量和质量,通常情况下,目标样本数量远少于海杂波样本数量,这会给训练带来困难同时降低检测性能。基于此,文中提出了一种基于目标数据增强的海面小目标检测方法。通过对目标的时频特征进行分析,基于生成对抗网络(GAN)生成相似的特征分布样本,从而扩展目标数据集,缩小目标样本和海杂波样本之间的数量差距,使更多的目标信息被用于检测器的训练过程中,以提高检测器性能。在IPIX数据集上的实验结果表明该方法可以获得更好的检测性能,及所提出的检测器可以实现虚警率的控制。 展开更多
关键词 数据增强 生成对抗网络 卷积神经网络 小目标检测 可控虚警
在线阅读 下载PDF
基于GAN的测井仪器遇阻预测实验设计
15
作者 高雅田 刘志文 《实验技术与管理》 北大核心 2025年第6期211-217,共7页
以测井仪器遇阻预测为典型教学案例,针对仪器遇阻导致相关测井数据(涉及油气开发核心信息)不足且获取渠道受限问题,提出一种基于生成式对抗网络(GAN)的预测方法,通过在教学过程中生成测井数据以补充样本,为学生提供大量训练数据集,从而... 以测井仪器遇阻预测为典型教学案例,针对仪器遇阻导致相关测井数据(涉及油气开发核心信息)不足且获取渠道受限问题,提出一种基于生成式对抗网络(GAN)的预测方法,通过在教学过程中生成测井数据以补充样本,为学生提供大量训练数据集,从而提升深度学习模型的预测性能,助力教学任务的开展。实验结果表明,该实验过程能够帮助学生理解生成式对抗网络的原理及其应用,培养学生的动手实践能力与科研思维能力。此外,该方法在复杂地层条件下的预测精度显著优于传统方法,展示出良好的应用潜力。 展开更多
关键词 生成式对抗网络 仪器遇阻 测井数据 深度学习 教学案例
在线阅读 下载PDF
基于GAN的语义对齐网络半监督跨模态哈希方法
16
作者 刘华咏 朱婷 《计算机科学》 北大核心 2025年第6期159-166,共8页
监督方法在跨模态检索中已有不少成果,是比较热门的方法。然而,这类方法过于依赖标记的数据,没有充分利用无标签数据所包含的丰富信息。为了解决这一问题,人们开始研究无监督方法,但是仅依靠未标记数据的效果并不理想。对此,提出了基于... 监督方法在跨模态检索中已有不少成果,是比较热门的方法。然而,这类方法过于依赖标记的数据,没有充分利用无标签数据所包含的丰富信息。为了解决这一问题,人们开始研究无监督方法,但是仅依靠未标记数据的效果并不理想。对此,提出了基于GAN的语义对齐网络半监督跨模态哈希方法(GAN-SASCH)。该模型基于生成对抗网络,结合了语义对齐的概念。生成对抗网络分为两个模块,分别是生成器和判别器,生成器学习拟合未标记数据的相关性分布并生成虚假的数据样本,判别器则用于判断数据对样本是来自数据集还是生成器。通过这两个模块之间展开极大极小的对抗博弈游戏,不断提升生成对抗网络的性能。语义对齐能充分利用不同模态之间的相互作用和对称性,统一不同模态的相似性信息,有效地指导哈希代码的学习过程。除此之外,还引入了自适应学习优化参数以提升模型性能。在NUS-WIDE和MIRFLICKR25K数据集上,对比了所提方法与9种相关前沿方法,使用MAP与PR图两种评价指标验证了所提方法的有效性。 展开更多
关键词 跨模态哈希 生成对抗网络 语义对齐 半监督 自适应学习
在线阅读 下载PDF
基于MSIPGAN的地震数据随机噪声压制方法
17
作者 罗仁泽 李治岐 《石油物探》 北大核心 2025年第4期653-666,共14页
在地震勘探中,采集得到的地震数据通常会受到严重的随机噪声污染,对后续的数据处理和解释产生负面影响。常规的地震数据噪声压制方法在压制噪声时无法有效分离信号和噪声,导致数据图像细节信息丢失、产生伪纹理等问题。为提高地震图像质... 在地震勘探中,采集得到的地震数据通常会受到严重的随机噪声污染,对后续的数据处理和解释产生负面影响。常规的地震数据噪声压制方法在压制噪声时无法有效分离信号和噪声,导致数据图像细节信息丢失、产生伪纹理等问题。为提高地震图像质量,提出了基于多尺度信息感知生成对抗网络(MSIPGAN)的地震数据随机噪声压制方法。首先,设计了多尺度信息感知生成网络来去除地震数据中的随机噪声,降噪网络以传统的深度卷积神经网络为基础框架,结合并行多尺度模块、多通道信息融合模块、一致性正则化模块来改善纹理结构的准确性并保留更多细节信息;其次,构建了判别网络的判别标签数据并将其与生成网络的生成图像相结合来辅助生成网络的训练;最后,设计了一种复合损失函数指导生成网络,提升生成网络恢复图像细节信息的能力。将该方法应用于大庆油田实际工区的地震数据处理,处理结果表明,与目前的主流模型和工业软件相比,其噪声压制效果提升显著;将该方法应用于荷兰近海的海底F3地震数据的噪声压制,结果表明该方法具有较强的泛化能力。 展开更多
关键词 地震数据噪声压制 随机噪声 深度学习 生成对抗网络 地震勘探
在线阅读 下载PDF
改进CycleGAN的半监督建筑物提取算法
18
作者 卢鹏 仲闯 《计算机工程》 北大核心 2025年第3期241-251,共11页
建筑物提取需要大量的标注数据进行训练,收集和标注数据需要耗费大量时间。为了在小样本遥感图像数据集上基于半监督学习实现建筑物提取的目的,构建4组建筑物提取数据集,提出了一种基于循环一致性生成对抗网络(CycleGAN)的建筑物提取算... 建筑物提取需要大量的标注数据进行训练,收集和标注数据需要耗费大量时间。为了在小样本遥感图像数据集上基于半监督学习实现建筑物提取的目的,构建4组建筑物提取数据集,提出了一种基于循环一致性生成对抗网络(CycleGAN)的建筑物提取算法。首先,在生成器中引入全局注意力机制(GAM)以增强对建筑物和图像背景细节特征的区分;其次,在判别器中加入谱归一化层以增强训练稳定性,解决了训练过程中梯度消失问题;最后,改进对抗损失和循环一致性损失以提高生成图像的质量,避免生成图像的过度平滑化,并引入Identity损失以限制生成器不会自主修改输入图像的颜色,保证输入图像与输出图像颜色组成的一致性。实验结果表明,在第1组小样本数据集上,与UNIT、MUNIT、U-GAT-IT、SPatchGAN、QS-Attn模型进行半监督实验对比,结构相似性(SSIM)值和准确率分别至少提高了3、8.1百分点,在扩充数据规模的数据集上,使用改进后的算法进行全监督和半监督实验对比,验证了改进后的算法在小样本遥感图像数据集上实现建筑物半监督提取的有效性。 展开更多
关键词 建筑物提取 循环一致性生成对抗网络 谱归一化 全局注意力机制 半监督
在线阅读 下载PDF
基于WGAN的智能超表面辅助系统的信道估计研究
19
作者 康晓非 王甜 《电波科学学报》 北大核心 2025年第1期164-171,共8页
针对智能超表面(reconfigurable intelligent surface,RIS)辅助的毫米波通信中系统复杂和难以获取准确信道状态信息(channel state information,CSI)的问题,设计了一种基于Chan-SRWGAN网络算法的信道估计方案。该方案采用混合有源/无源... 针对智能超表面(reconfigurable intelligent surface,RIS)辅助的毫米波通信中系统复杂和难以获取准确信道状态信息(channel state information,CSI)的问题,设计了一种基于Chan-SRWGAN网络算法的信道估计方案。该方案采用混合有源/无源RIS架构,首先利用最小二乘(least square,LS)算法获取有源元件处信道估计值,再通过插值得到信道初步估计,最后利用Chan-SRWGAN深度学习网络将其重构为信道精确估计。仿真结果表明,所提方案的归一化均方误差(normalized mean squared error,NMSE)性能优于LS、正交匹配追踪(orthogonal matching pursuit,OMP)、同步OMP(simultaneous OMP,SOMP)、深度神经网络(deep neural network,DNN)、超分辨率卷积神经网络(super-resolution convolutional neural network,SRCNN)信道估计算法,证明了方案的可行性。 展开更多
关键词 智能超表面(RIS) 信道估计 深度学习 Wasserstein生成对抗网络(Wgan) 超分辨率卷积神经网络(SRCNN)
在线阅读 下载PDF
基于自编码器GAN数据增强的工业小目标缺陷检测 被引量：2
20
作者 周思聪 向峰 +1 位作者 李红军 左颖 《现代制造工程》 北大核心 2025年第2期101-108,共8页
工业缺陷图像样本是工业产品缺陷检测、分类和分级的基础数据。针对工业缺陷检测目前仍存在复杂环境下的目标检测困难、样本数量不足导致特征提取差等问题,提出了一种预训练的自编码器生成对抗网络。用预训练的自编码器代替基础生成对... 工业缺陷图像样本是工业产品缺陷检测、分类和分级的基础数据。针对工业缺陷检测目前仍存在复杂环境下的目标检测困难、样本数量不足导致特征提取差等问题,提出了一种预训练的自编码器生成对抗网络。用预训练的自编码器代替基础生成对抗网络(GAN)的生成网络,引导生成网络更好地融合数据特征。结合目标图像的特征重新设计一个编码器-解码器损失函数来替换GAN的对抗损失函数。利用钢卷端面缺陷数据集进行试验。试验结果表明,经过改进GAN数据增强后,平均精度均值mAP0.5最高提升了0.118,对单类缺陷的检测准确率最高提升了0.138。 展开更多
关键词 生成对抗网络 工业图像生成 预训练自编码器 缺陷检测
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 … 110 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