检索结果-维普期刊中文期刊服务平台

基于WATD-MTF与改进的残差网络齿轮箱故障诊断研究: 1; 作者沈景涛武哲 +2 位作者张强崔彦平曹亚超《振动与冲击》北大核心 2025年第7期247-257,共11页; 针对齿轮箱工作环境复杂多变含噪声大、不同工况下模型泛化性能弱而导致训练准确率低等问题,提出一种小波自适应阈值降噪(wavelet adaptive threshold denoise,WATD)结合马尔可夫转移场(Markov transition field,MTF)与改进的残差网络... 展开更多; 关键词故障诊断 sknet注意力网络小波自适应阈值降噪(WATD) 马尔可夫转移场(MTF) 残差网络; 在线阅读下载PDF 职称材料

小样本条件下的典型海洋承灾体识别算法研究: 2; 作者文莉莉张炜 +1 位作者邬满赵绪成《应用海洋学学报》北大核心 2025年第2期346-354,共9页; 海洋承灾体的单体识别和精细化管理,对海洋灾害的精准预警和评估具有重要意义。由于海洋承灾体获取大量样本数据困难且成本高,难以满足传统深度学习模型的训练要求,因此本研究针对房屋、码头吊机、养殖网箱、养殖蚝排、危化品储存罐5种... 展开更多; 关键词小样本学习 sknet ResNet-101 孪生神经网络海洋承灾体; 在线阅读下载PDF 职称材料

基于SK-EfficientNet的番茄叶片病害识别模型被引量：12: 3; 作者帖军隆娟娟 +2 位作者郑禄牛悦宋衍霖《广西师范大学学报（自然科学版）》 CAS 北大核心 2022年第4期104-114,共11页; 针对目前番茄叶片病害识别的深度学习模型网络参数量多、精确度低、移动端模型部署难的问题,提出一种基于SK-EfficientNet的番茄叶片病害识别方法。该方法采用轻量级模型EfficientNet作为基准模型,并利用选择性卷积核机制SKNet替换Effic... 展开更多; 关键词番茄叶片病害识别 EfficientNet网络 sknet MBConv; 在线阅读下载PDF 职称材料

基于改进Faster-RCNN的绝缘子检测算法被引量：21: 4; 作者马耀名张雨《计算机应用》 CSCD 北大核心 2022年第2期631-637,共7页; 为了提高高压输电线路巡检效率,提出改进Faster-RCNN的绝缘子检测算法。首先,在特征提取网络中添加具有注意力机制动态选择机制网络(SKNet),从而使网络着重学习与绝缘子特征相关通道;其次,借助滤波器响应归一化(FRN)层替代原批归一化(BN... 展开更多; 关键词绝缘子检测 Faster-RCNN 动态选择机制网络距离交并比滤波器响应归一化; 在线阅读下载PDF 职称材料

基于SK-YOLOV3的遥感图像目标检测方法被引量：6: 5; 作者郭智超丛林虎 +2 位作者刘爱东邓建球应新永《兵器装备工程学报》 CSCD 北大核心 2021年第7期165-171,共7页; 针对传统的特征融合方式参数量高、无法反映通道和卷积核重要性、检测效果差等劣势,提出了一种基于SK-YOLOV3的遥感图像目标检测方法,在YOLOV3的基础上引入了SKNet视觉注意力机制,并对锚框算法进行优化。为了增强实验对比,在自建的数据... 展开更多; 关键词遥感图像目标检测 sknet网络特征融合 SK-YOLOV3算法; 在线阅读下载PDF 职称材料

多分辨率融合密集网络的图像去雨方法: 6; 作者刘忠洋周杰 +3 位作者陆加新缪则林江凯强高伟《电光与控制》 CSCD 北大核心 2023年第7期57-62,共6页; 针对现有的去雨方法无法彻底去除雨纹并且去雨后图像存在细节丢失问题,提出一种多分辨率融合密集网络的图像去雨方法。网络主体由多个多分辨并行融合模块构成,始终保持空间精确的高分辨率并从低分辨率中接收大量的上下文信息。使用一种... 展开更多; 关键词图像去雨多分辨率密集网络 sknet 特征融合; 在线阅读下载PDF 职称材料

题名基于WATD-MTF与改进的残差网络齿轮箱故障诊断研究: 1; 作者沈景涛武哲张强崔彦平曹亚超; 机构河北科技大学机械工程学院中国北方车辆研究所坦克传动国防重点实验室; 出处《振动与冲击》北大核心 2025年第7期247-257,共11页; 基金中央引导地方科技发展资金项目(226Z1906G,246Z4502G) 河北省教育厅科学研究项目资助(CXY2024038) 石家庄市科技局驻冀高校基础研究项目(241791157A)。; 文摘针对齿轮箱工作环境复杂多变含噪声大、不同工况下模型泛化性能弱而导致训练准确率低等问题,提出一种小波自适应阈值降噪(wavelet adaptive threshold denoise,WATD)结合马尔可夫转移场(Markov transition field,MTF)与改进的残差网络齿轮箱故障诊断方法。在ResNet18模型的基础上融合了SKNet注意力网络,构成了SK-ResNet18模型,来提高ResNet18模型对重要特征的提取能力。利用WATD算法对一维信号进行去噪,将去噪后的一维信号生成包含时序信息的MTF二维特征图,并输入到改进后的网络中进行特征提取,最终利用网络全连接层实现对故障种类的精确识别。利用东南大学齿轮故障数据集和QPZZ-II试验台采集的齿轮故障数据对该方法进行试验验证,结果表明:该方法能有效识别故障类型,相比其它智能算法,该方法在数据降噪后与不同工况下均表现出较高的优越性和可泛化性能。所提方法可为实际工业的齿轮箱故障诊断任务提供一定的参考价值。; 关键词故障诊断 sknet注意力网络小波自适应阈值降噪(WATD) 马尔可夫转移场(MTF) 残差网络; Keywords fault diagnosis sknet attention network wavelet adaptive threshold denoise(WATD) Markov transition field(MTF) residual network; 分类号 TH132.41 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名小样本条件下的典型海洋承灾体识别算法研究: 2; 作者文莉莉张炜邬满赵绪成; 机构广西科学院、广西近海海洋环境科学重点实验室、广西壮族自治区北部湾碳汇与低碳工程研究中心广西电网有限责任公司、电力科学研究院、广西电力装备智能控制与运维重点实验室广西大学电气工程学院广西科技项目评估中心有限公司评估二部; 出处《应用海洋学学报》北大核心 2025年第2期346-354,共9页; 基金广西科技重大专项(桂科AA22068072) 国家重点研发计划重点专项(2022YFD2401200) 国家自然科学基金重点支持项目区域创新发展联合基金(U20A20105)。; 文摘海洋承灾体的单体识别和精细化管理,对海洋灾害的精准预警和评估具有重要意义。由于海洋承灾体获取大量样本数据困难且成本高,难以满足传统深度学习模型的训练要求,因此本研究针对房屋、码头吊机、养殖网箱、养殖蚝排、危化品储存罐5种典型海洋承灾体,提出一种小样本条件下基于注意力机制和孪生残差网络的海洋承灾体识别方法。为增强小样本条件下模型的关键特征提取能力和泛化能力,本研究从两个方面进行了改进:①引入注意力机制SKNet对残差网络进行改进,设计了具有多尺度自适应能力的SKNet-ResNet-101网络,提高了模型的关键特征提取能力;②利用孪生网络度量学习的原理,以SKNet-ResNet-101网络为主干网络,构建基于注意力机制的双路孪生残差网络,以减少网络训练对大量样本的依赖,同时增强网络在小样本条件下的泛化能力。经过与FSOD、Meta R-CNN等算法在海洋承灾体、VOC、COCO数据集上的对比测试,改进后的双路孪生残差网络在识别准确率上均有所提高,其中,在海洋承灾体数据集上提高了0.89%,在VOC数据集上平均提高了0.97%,在COCO数据集上平均提高了0.33%。该模型增强了小样本条件下网络针对复杂场景图像特征的提取能力,为构建精细化的海洋承灾体脆弱性评价和灾变预警模型提供了技术基础。; 关键词小样本学习 sknet ResNet-101 孪生神经网络海洋承灾体; Keywords few-shot learning sknet ResNet-101 twin neural networks marine disaster-bearing body; 分类号 P76 [天文地球—海洋科学]; 在线阅读下载PDF 职称材料

题名基于SK-EfficientNet的番茄叶片病害识别模型被引量：12: 3; 作者帖军隆娟娟郑禄牛悦宋衍霖; 机构中南民族大学计算机科学学院湖北省制造企业智能管理工程技术研究中心; 出处《广西师范大学学报（自然科学版）》 CAS 北大核心 2022年第4期104-114,共11页; 基金湖北省技术创新专项重大项目(2019ABA101) 湖北省科技重大专项(2020AEA011) 武汉市科技计划应用基础前沿项目(2020020601012267)。; 文摘针对目前番茄叶片病害识别的深度学习模型网络参数量多、精确度低、移动端模型部署难的问题,提出一种基于SK-EfficientNet的番茄叶片病害识别方法。该方法采用轻量级模型EfficientNet作为基准模型,并利用选择性卷积核机制SKNet替换EfficientNet核心模块MBConv中的SENet,使得卷积核根据输入特征的多尺度信息自适应选择感受野大小,提高图像特征提取能力同时更有效地利用参数。多组对比实验结果显示,改进后的模型在训练精度上得到进一步提高,且模型参数仅为3.83 MiB。在PlantVillage数据集上平均准确率达到99.64%,且验证SK-EfficientNet-B2的识别精度最高;在自然场景下平均准确率较原模型提高3.81个百分点。结果表明,改进后模型能有效提高自然场景下番茄叶片病害识别精度,可为移动端部署番茄叶片病害识别模型提供参考。; 关键词番茄叶片病害识别 EfficientNet网络 sknet MBConv; Keywords tomato leaves disease identification EfficientNet network sknet MBConv; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于改进Faster-RCNN的绝缘子检测算法被引量：21: 4; 作者马耀名张雨; 机构辽宁工程技术大学电气与控制工程学院; 出处《计算机应用》 CSCD 北大核心 2022年第2期631-637,共7页; 文摘为了提高高压输电线路巡检效率,提出改进Faster-RCNN的绝缘子检测算法。首先,在特征提取网络中添加具有注意力机制动态选择机制网络(SKNet),从而使网络着重学习与绝缘子特征相关通道;其次,借助滤波器响应归一化(FRN)层替代原批归一化(BN)层,以避免模型陷入梯度饱和区域;最后,使用距离交并比(DIoU)代替原交并比(IoU)方法,以精确表达特征候选区域框位置。对开源航拍绝缘子数据集进行平移、旋转、Cutout和CutMix等操作来进行增强,将数据集扩充到3000张并从中随机选择2500张作为训练集,其余500张作为测试集。相较于原Faster-RCNN算法,所提算法平均准确率提高了3.46个百分点,平均召回率提高了2.76个百分点。实验结果表明:所提算法具有较高检测精度和稳定性,可满足电力巡线绝缘子检测应用场景需求。; 关键词绝缘子检测 Faster-RCNN 动态选择机制网络距离交并比滤波器响应归一化; Keywords insulator detection Faster Region-based Convolutional Neural network(Faster-RCNN) Selective Kernel Neural network(sknet) Distance Intersection Over Union(DIoU) Filter Response Normalization(FRN); 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于SK-YOLOV3的遥感图像目标检测方法被引量：6: 5; 作者郭智超丛林虎刘爱东邓建球应新永; 机构海军航空大学岸防兵学院 [; 出处《兵器装备工程学报》 CSCD 北大核心 2021年第7期165-171,共7页; 基金国家自然科学基金项目(51605487)。; 文摘针对传统的特征融合方式参数量高、无法反映通道和卷积核重要性、检测效果差等劣势,提出了一种基于SK-YOLOV3的遥感图像目标检测方法,在YOLOV3的基础上引入了SKNet视觉注意力机制,并对锚框算法进行优化。为了增强实验对比,在自建的数据集中使用大量复杂环境下拍摄的遥感卫星图片。实验结果表明,该检测模型对于提升目标分辨率效果明显,在检验不同样本图像时平均精度可达到87.33%,检测速率可达27.7 FPS,相比于其他检测方法,该检测方法存在较大优势。; 关键词遥感图像目标检测 sknet网络特征融合 SK-YOLOV3算法; Keywords remote sensing image target detection sknet network feature fusion SK-YOLOV3 algorithm; 分类号 TP3 [自动化与计算机技术—计算机科学与技术]; 在线阅读下载PDF 职称材料

题名多分辨率融合密集网络的图像去雨方法: 6; 作者刘忠洋周杰陆加新缪则林江凯强高伟; 机构南京信息工程大学人工智能学院(未来技术学院) 南京信息工程大学电子与信息工程学院; 出处《电光与控制》 CSCD 北大核心 2023年第7期57-62,共6页; 基金国家自然科学基金面上项目(62101274,61971167,62101275)。; 文摘针对现有的去雨方法无法彻底去除雨纹并且去雨后图像存在细节丢失问题,提出一种多分辨率融合密集网络的图像去雨方法。网络主体由多个多分辨并行融合模块构成,始终保持空间精确的高分辨率并从低分辨率中接收大量的上下文信息。使用一种基于选择性卷积核机制SKNet的多尺度特征融合模块,通过非线性的方法有效聚合来自不同分辨率流的特征。在不同的分辨率流中使用一种改进的残差模块,采用相邻层次的多种尺度的卷积来获取丰富的雨纹信息。模块间使用密集连接,加强不同模块之间的特征传播。实验表明,所提方法在合成及真实雨像数据集上的评价指标与其他去雨方法相比有所提高,去除雨纹的同时能够保留更多的细节信息。; 关键词图像去雨多分辨率密集网络 sknet 特征融合; Keywords image rain removal multi-resolution dense networks sknet feature fusion; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于WATD-MTF与改进的残差网络齿轮箱故障诊断研究	沈景涛武哲张强崔彦平曹亚超	《振动与冲击》北大核心	2025	0	在线阅读下载PDF 职称材料
2	小样本条件下的典型海洋承灾体识别算法研究	文莉莉张炜邬满赵绪成	《应用海洋学学报》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于SK-EfficientNet的番茄叶片病害识别模型	帖军隆娟娟郑禄牛悦宋衍霖	《广西师范大学学报（自然科学版）》 CAS 北大核心	2022	12	在线阅读下载PDF 职称材料
4	基于改进Faster-RCNN的绝缘子检测算法	马耀名张雨	《计算机应用》 CSCD 北大核心	2022	21	在线阅读下载PDF 职称材料
5	基于SK-YOLOV3的遥感图像目标检测方法	郭智超丛林虎刘爱东邓建球应新永	《兵器装备工程学报》 CSCD 北大核心	2021	6	在线阅读下载PDF 职称材料
6	多分辨率融合密集网络的图像去雨方法	刘忠洋周杰陆加新缪则林江凯强高伟	《电光与控制》 CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料