期刊文献+
共找到402篇文章
< 1 2 21 >
每页显示 20 50 100
基于蜉蝣优化算法的时空融合交通流预测研究 被引量:1
1
作者 张红 巩蕾 +1 位作者 曹洁 张玺君 《哈尔滨工程大学学报》 北大核心 2025年第4期764-771,796,共9页
针对复杂交通流的动态时空特性难以精准建模、现有深度学习模型超参数难以确定而导致模型预测精度低的问题,本文提出基于蜉蝣优化算法的门控时空卷积网络交通流预测方法。利用时间卷积网络结合门控线性单元挖掘交通数据隐藏的时间依赖性... 针对复杂交通流的动态时空特性难以精准建模、现有深度学习模型超参数难以确定而导致模型预测精度低的问题,本文提出基于蜉蝣优化算法的门控时空卷积网络交通流预测方法。利用时间卷积网络结合门控线性单元挖掘交通数据隐藏的时间依赖性,通过门控机制融合ChebNet捕获的静态空间特征与图卷积网络结合注意力机制捕获的动态空间特征,构建考虑动态时空特征的预测模型,并借助蜉蝣优化算法优化超参数。研究表明:在PeMSD7(M)数据集上,15、30和45 min下该模型MAE的预测精度较T-GCN提高了5.91%、9.06%和10.72%,本文方法具有有效性与优越性。 展开更多
关键词 交通流预测 动态时空特性 超参数 蜉蝣优化算法 时间卷积网络 门控线性单元 注意力机制 图卷积网络
在线阅读 下载PDF
改进抗噪1D-CNN的旋转车轮动平衡状态监测 被引量:1
2
作者 周海超 关浩东 +2 位作者 王国林 张宇 赵春来 《振动.测试与诊断》 北大核心 2025年第2期309-315,412,413,共9页
针对实车旋转车轮动平衡状态难以实时监测及预判的问题,提出了一种融合注意力机制的抗噪一维卷积神经网络(noise resistant 1D convolutional neural network,简称NRCNN)的旋转车轮动平衡健康状态监测方法。首先,构建NRCNN模型,以在实... 针对实车旋转车轮动平衡状态难以实时监测及预判的问题,提出了一种融合注意力机制的抗噪一维卷积神经网络(noise resistant 1D convolutional neural network,简称NRCNN)的旋转车轮动平衡健康状态监测方法。首先,构建NRCNN模型,以在实车车轮上添加3种不同质量平衡块的方式获得3种不同速度下对应的旋转车轮动不平衡状态下的振动信息;其次,以高斯白噪声为噪声输入,对所测旋转车轮不同动平衡状态的振动信息进行处理,获得试验样本数据,并用其进行模型训练;然后,综合运用卷积运算机制和特征变换进行t分布随机邻域嵌入(t-distributed stochastic neighbor embedding,简称t-SNE)可视化显示,实现对不同动平衡状态的分类输出。结果表明,在不同信噪比的工况下,所提出的改进NRCNN模型旋转车轮的动平衡状态监测方法相比于传统一维卷积神经网络(1D convolutional neural network,简称1D-CNN)模型,展现出更高的诊断准确性,最高可达到99.95%。 展开更多
关键词 卷积神经网络 注意力机制 车轮动平衡 状态监测 高斯白噪声
在线阅读 下载PDF
基于CWT-IDenseNet的滚动轴承故障诊断方法 被引量:1
3
作者 贾广飞 梁汉文 +2 位作者 杨金秋 武哲 韩雨欣 《河北科技大学学报》 北大核心 2025年第2期129-140,共12页
针对一维信号所含信息不全面和DenseNet网络在变工况下存在过拟合等问题,提出了基于连续小波变换时频图像和改进密集连接卷积网络(improved DenseNet,IDenseNet)的滚动轴承故障诊断方法CWT-IDenseNet。首先,将一维振动信号通过CWT转为... 针对一维信号所含信息不全面和DenseNet网络在变工况下存在过拟合等问题,提出了基于连续小波变换时频图像和改进密集连接卷积网络(improved DenseNet,IDenseNet)的滚动轴承故障诊断方法CWT-IDenseNet。首先,将一维振动信号通过CWT转为二维时频图像;其次,对DenseNet网络进行改进,将DenseNet第1个卷积块中的ReLU激活函数替换为Swish激活函数(Swish激活函数更平滑);同时,在网络中引入基于风格的卷积神经网络重校准模块(style-based recalibration module,SRM)和空间与通道注意力机制模块(convolutional block attention module,CBAM),SRM关注特征通道权重,CBAM则从通道和空间2个维度增强特征表达能力,进而得到IDenseNet;最后,将二维时频图像输入到IDenseNet模型中进行特征提取和故障诊断,通过模型的Softmax层输出故障诊断结果。结果表明,所提方法在恒定工况及变工况下的平均故障识别准确率均达到97.80%,且在迁移学习模型中,平均故障识别准确率达到了99.44%。CWT-IDenseNet方法可以有效提高模型的泛化能力,在恒定工况及变工况下具有显著优势,对提高滚动轴承故障诊断的准确率和可靠性具有参考价值。 展开更多
关键词 机械动力学与振动 滚动轴承故障诊断 连续小波变换 密集连接卷积网络 注意力机制
在线阅读 下载PDF
基于深度学习的钻孔冲煤量智能识别方法 被引量:1
4
作者 李小军 赵明炀 李淼 《煤田地质与勘探》 北大核心 2025年第1期257-270,共14页
【目的】为解决人工统计钻孔冲煤量不准确以及效率低等问题,提出一种YOLOv8n、Res-Net34和PP-OCRv4算法相结合的智能识别方法。【方法】该方法首先使用YOLOv8n算法完成一级检测,同时并行级联ResNet34算法与PP-OCRv4算法进行二级处理,并... 【目的】为解决人工统计钻孔冲煤量不准确以及效率低等问题,提出一种YOLOv8n、Res-Net34和PP-OCRv4算法相结合的智能识别方法。【方法】该方法首先使用YOLOv8n算法完成一级检测,同时并行级联ResNet34算法与PP-OCRv4算法进行二级处理,并结合基于追踪帧数的分类状态判别方法,建立了冲煤量自动计算的算法框架。其次,在YOLOv8n的C2f模块中引入可变形卷积DCNv2模块,以削弱点状强光照对特征采集的影响,并将其默认的检测头替换为Dynamic Head检测头模块,以强化算法在尺度,空间和通道维度的特征提取能力,以及将CIoU损失函数替换为SIoU损失函数,以加速预测框与真实框的匹配,并利用自建的数据集对改进后的YOLOv8n算法进行验证。【结果和结论】结果表明:(1)与原算法相比,平均类别检测精度提高了7.6%,召回率提高了3.5%,精确率提高了6.4%,验证了改进策略对提升模型性能的有效性和稳定性。(2)对4个不同的瓦斯抽采水力冲孔钻场的实时视频进行测试,识别准确率分别为100.0%、93.3%、95.7%和93.1%,平均达到95.5%,满足了水力冲孔钻孔冲煤量自动识别的精度要求。(3)采用追踪帧数确定ResNet34分类状态的方法,解决了分类状态单次识别结果不可靠的问题。研究成果为YOLO系列算法与其他深度学习技术的融合和广泛应用提供了技术与实践基础,对促进瓦斯抽采钻场等煤矿井下复杂场景的智能化进步具有参考价值。 展开更多
关键词 瓦斯抽采 冲煤量 YOLOv8n ResNet34 PaddleOCR 可变形卷积 动态检测头 智能识别 煤矿
在线阅读 下载PDF
基于时序聚合异构图的高价值专利识别方法 被引量:1
5
作者 邓娜 喻卓群 +3 位作者 孙俊杰 陈旭 刘树栋 孙湘怡 《情报杂志》 北大核心 2025年第6期127-137,共11页
[研究目的]提出一种基于时序聚合异构图的高价值专利识别模型,旨在解决现有高价值专利识别方法在利用专利异构关联和时序特征方面不足的问题,以更精确地识别高价值专利。[研究方法]通过整合专利多模态信息并设计时序-引用影响力动态更... [研究目的]提出一种基于时序聚合异构图的高价值专利识别模型,旨在解决现有高价值专利识别方法在利用专利异构关联和时序特征方面不足的问题,以更精确地识别高价值专利。[研究方法]通过整合专利多模态信息并设计时序-引用影响力动态更新机制,生成反映专利价值变化的时序聚合异构图。构建融入双向注意力机制的异构图卷积网络模型,提高对专利异构特征的提取能力,实现对高价值专利的精确识别。[研究结果/结论]实验表明,该文方法在智能电网领域的专利数据集上准确率和F1值分别达到84.61%和84.59%,优于常规方法,验证了方法的有效性,为专利筛选和价值评估提供了新的视角和方法。 展开更多
关键词 高价值专利识别 异构图卷积网络 双向注意力机制 动态更新机制 多维特征
在线阅读 下载PDF
融合多种注意力机制和Wise-IoUv3的水下目标检测算法 被引量:1
6
作者 肖振久 高凯歌 李士博 《广东海洋大学学报》 北大核心 2025年第2期109-117,共9页
【目的】针对水下目标图像存在成像模糊和复杂背景下检测精度低的问题,提出融合多种注意力机制和Wise-IoUv3的水下目标检测算法。【方法】首先,设计多尺度特征增强机制,在主干网络部分采用全维动态卷积(ODConv)替代部分卷积并引入高效... 【目的】针对水下目标图像存在成像模糊和复杂背景下检测精度低的问题,提出融合多种注意力机制和Wise-IoUv3的水下目标检测算法。【方法】首先,设计多尺度特征增强机制,在主干网络部分采用全维动态卷积(ODConv)替代部分卷积并引入高效的多尺度注意力机制(EMA),提升主干网络对模糊目标和小目标特征提取能力。其次,改进快速空间金字塔池化(SPPF)模块,增加平均池化分支补充空间信息,提升全局上下文感知能力并在两个分支融入轻量级BiFormer注意力机制,降低模型计算复杂度,增强对小目标检测性能。然后,在预测阶段,用Wise-IoUv3代替原损失函数,平衡不同质量图像模型训练结果。最后,用动态检测头(DynamicHead)替代原检测头,增强检测头的尺度感知、空间感知和任务感知能力,提高对象位置的识别准确性。【结果与结论】在RUOD和URPC数据集上实验结果表明,模型的检测精度、参数量和计算量较目前其他的主流模型表现良好,特别是与YOLOv8n算法相比,改进后算法在平均精度均值上提升3.6%和1.7%,尤其在包含大量小目标的类别(如海胆、扇贝)中表现更优;模型的参数量和计算量分别减少了0.26×10^(6)和0.4 GFLOPs。实验结果表明,该方法减少了在复杂情况下模糊目标和小目标漏检和误检情况,提高了检测性能,同时保持了模型的轻量性。 展开更多
关键词 水下目标检测 多尺度特征增强机制 多尺度注意力机制 全维动态卷积 Wise-IoUv3
在线阅读 下载PDF
融合混合空洞卷积和动态卷积的敦煌壁画修复
7
作者 刘仲民 李耀龙 胡文瑾 《计算机工程与设计》 北大核心 2025年第2期595-602,共8页
为有效修复壁画破损区域的语义信息、解决壁画深层特征信息提取不足导致的修复伪影以及修复失真等问题,提出一种融合混合空洞卷积与动态卷积的敦煌壁画修复模型。针对修复伪影问题,在模型编码阶段设计一种混合残差模块;针对修复失真问题... 为有效修复壁画破损区域的语义信息、解决壁画深层特征信息提取不足导致的修复伪影以及修复失真等问题,提出一种融合混合空洞卷积与动态卷积的敦煌壁画修复模型。针对修复伪影问题,在模型编码阶段设计一种混合残差模块;针对修复失真问题,通过在动态核预测分支和动态语义及图像滤波分支中加入动态卷积来提高网络的预测和滤波性能。实验结果表明,所提模型具有更高的评价指标,且视觉效果上具有更细致的纹理,语义信息更丰富,边缘结构更连贯。 展开更多
关键词 信息处理技术 壁画修复 混合空洞卷积 动态卷积 图像滤波 残差网络 深度学习
在线阅读 下载PDF
动态特征聚合与多层次协同的无人机红外目标实例分割
8
作者 何自芬 王启刚 +3 位作者 张印辉 黄滢 彭伟 陈光晨 《红外与激光工程》 北大核心 2025年第8期246-258,共13页
针对无人机红外成像中因距离较远导致的图像轮廓模糊及目标尺度变化致使分割精度下降的问题,文中提出动态特征聚合与多层次协同的无人机红外目标实例分割模型(Dynamic feature aggregation and multi-level collaboration,DFMCNet)。首... 针对无人机红外成像中因距离较远导致的图像轮廓模糊及目标尺度变化致使分割精度下降的问题,文中提出动态特征聚合与多层次协同的无人机红外目标实例分割模型(Dynamic feature aggregation and multi-level collaboration,DFMCNet)。首先,设计区域特征自适应卷积模块(Spatial attention dynamic convolution,SADConv),采用动态卷积核和注意力机制,有效缓解特征图降维引发的细节丢失,抑制背景噪声干扰;其次,构建特征感知重组上采样模块(Feature sensing recombination upsampling module,FRUM),利用并行化可学习权重实现特征重组,在恢复特征图分辨率时保留空间特征并增强空间结构信息关注;最后,引入多尺度上下文聚合模块(Multi-scale context aggregation feature extraction module,MSFE),通过跨层级特征融合捕获多尺度上下文信息,提升模型对尺寸差异目标的泛化性。在红外航拍交通数据集Aerial-Mancar上的实验表明,DFMCNet的mAP50精度为78.4%较基准模型提升9.7%,mAP50-95精度为51.1%提升5.6%,与YOLOv12n-seg相比mAP50提高7.2%,验证了其在无人机红外场景下实现红外目标精确分割的有效性。 展开更多
关键词 无人机红外 动态卷积核 特征重组 多尺度聚合
在线阅读 下载PDF
基于动态图卷积Transformer的瓦斯浓度预测模型
9
作者 董立红 赵楠楠 +1 位作者 王丹 秦昳 《工矿自动化》 北大核心 2025年第9期72-80,共9页
准确预测瓦斯浓度对预防瓦斯灾害事故至关重要,预测精度受瓦斯浓度时间变化规律和瓦斯扩散时空分布特征的双重影响。现有的模型驱动预测方法难以胜任长期和大规模瓦斯浓度预测任务,而数据驱动预测方法未考虑动态空间维度特征的影响,导... 准确预测瓦斯浓度对预防瓦斯灾害事故至关重要,预测精度受瓦斯浓度时间变化规律和瓦斯扩散时空分布特征的双重影响。现有的模型驱动预测方法难以胜任长期和大规模瓦斯浓度预测任务,而数据驱动预测方法未考虑动态空间维度特征的影响,导致模型泛化性能较差。为了捕获瓦斯浓度变化的时空依赖性,提高瓦斯预测精确性,提出一种融合多尺度机制的时序−动态图卷积Transformer(TDMformer)并用于构建瓦斯浓度预测模型。在ITransformer框架基础上,设计了时序−变量注意力机制,用于同时建模时序与变量维度特征;融合动态图卷积网络,用于描述井下瓦斯传感器网络拓扑结构,捕获瓦斯浓度数据的空间依赖性;引入多尺度门控Tanh单元,以增强多尺度特征提取能力。实验结果表明,与Graph−WaveNet,GRU,Transformer,AGCRN,DSformer,STAEformer,FourierGNN等模型相比,TDMformer模型的均方根误差分别降低了24.87%,26.37%,21.69%,19.57%,11.90%,10.84%,9.20%,平均绝对误差分别降低了17.09%,25.58%,26.89%,14.56%,11.10%,5.75%,4.53%,拟合系数分别提高了5.94%,6.51%,4.79%,4.12%,2.21%,2.08%,1.76%,验证了该模型具有更高的预测精度和数据拟合度。 展开更多
关键词 瓦斯浓度预测 TRANSFORMER ITransformer 动态图卷积网络 时序-变量注意力机制
在线阅读 下载PDF
基于多尺度动态卷积和GRU的轴承故障诊断
10
作者 董绍江 彭银山 +1 位作者 邹松 黄翔 《组合机床与自动化加工技术》 北大核心 2025年第3期150-154,共5页
针对传统轴承故障诊断过程中忽略轴承振动信号的关联时间维度信息的问题,提出了基于多尺度动态扩张卷积神经网络(MSDDCNN)和门控循环单元网络(GRU)的轴承故障诊断方法。首先利用不同尺寸宽卷积核从各个维度捕捉振动信号多维特征以增大... 针对传统轴承故障诊断过程中忽略轴承振动信号的关联时间维度信息的问题,提出了基于多尺度动态扩张卷积神经网络(MSDDCNN)和门控循环单元网络(GRU)的轴承故障诊断方法。首先利用不同尺寸宽卷积核从各个维度捕捉振动信号多维特征以增大感受野;其次引入动态加权层自适应选择卷积核尺度的大小并自动地给予特征序列中的不同部分不同的权重,更加充分提升特征表示的能力;最后利用门控循环单元充分提取振动信号中不同尺度的时序特征,以加强各个维度间前后时间维度关联信息。实验结果表明,所提方法在PU和JNU公开数据集上平均准确率分别为98.79%和98.65%。为验证所提网络模型诊断有效性,所提方法在某公司自制的轴承故障数据集(CME)也表现出较高的准确率和较大抗噪声能力,为有效诊断旋转部件故障提供了实际依据。 展开更多
关键词 多尺度 动态卷积 扩张卷积 GRU 故障诊断
在线阅读 下载PDF
基于改进RT-DETR的织物疵点检测方法
11
作者 李敏 周双 +2 位作者 朱萍 崔树芹 颜小运 《电子测量技术》 北大核心 2025年第14期176-184,共9页
针对织物疵点种类有限、尺度变化大以及模型检测精度低等问题,提出了一种基于RT-DETR的织物疵点检测方法DHR-DETR。首先,创新性地设计了多路径坐标注意力机制模块(MPCA),并将其与可变形卷积模块(DCNv2)深度融合,构建动态可变形卷积模块... 针对织物疵点种类有限、尺度变化大以及模型检测精度低等问题,提出了一种基于RT-DETR的织物疵点检测方法DHR-DETR。首先,创新性地设计了多路径坐标注意力机制模块(MPCA),并将其与可变形卷积模块(DCNv2)深度融合,构建动态可变形卷积模块,以应对复杂多样的疵点形状。其次,采用高水平筛选特征金字塔(HS-FPN)替换跨尺度特征融合模块(CCFM),实现多层次特征的高效融合并有效降低了模型复杂度。最后,构建了兼具轻量化和特征增强能力的RetBlockC3模块,并集成至HS-FPN网络,进一步强化模型对局部信息的捕捉能力,同时显著提升模型的轻量化性能。试验结果表明,DHR-DETR方法在公开和自制织物数据集上的mAP@0.5分别达到了50.9%和97.5%,相较原模型提高了2.9%和0.6%,参数量仅为17.9 M,计算量降低了37%,显著提升了模型的检测性能和部署效率,具备在实际工业检测任务中的应用潜力。 展开更多
关键词 RT-DETR 疵点检测 动态可变形卷积 高水平筛选特征金字塔 轻量化
在线阅读 下载PDF
强噪声环境下基于MSDCNN的滚动轴承故障诊断方法
12
作者 雷春丽 史佳硕 +3 位作者 马淑珍 缪成翔 万会元 李建华 《北京航空航天大学学报》 北大核心 2025年第9期2906-2915,共10页
针对传统基于深度学习的轴承故障诊断方法存在抗噪性能差、计算复杂度高和泛化性能不足的问题,提出了一种基于多尺度动态卷积神经网络(MSDCNN)的滚动轴承故障诊断方法。采用傅里叶变换将滚动轴承一维振动信号转换到频域进行表示,并通过... 针对传统基于深度学习的轴承故障诊断方法存在抗噪性能差、计算复杂度高和泛化性能不足的问题,提出了一种基于多尺度动态卷积神经网络(MSDCNN)的滚动轴承故障诊断方法。采用傅里叶变换将滚动轴承一维振动信号转换到频域进行表示,并通过宽卷积核进一步提取特征;提出一种多尺度动态卷积结构,利用改进的通道注意力机制,对不同大小的卷积核提取的特征信息赋予不同的权重;设计一种自校准空间注意力机制(SCSAM),将提取的特征信息输入到空间注意力机制中,捕获不同区域的重要程度;通过小卷积核进一步提取特征,利用Softmax分类器进行故障类别分类。使用2种不同数据集验证所提模型的故障诊断性能,实验结果表明:与多尺度深度卷积神经网络(MSD-CNN)、宽卷积核卷积神经网络(WKCNN)等智能模型相比,所提模型在强噪声背景下具有更高的分类精度、更好的泛化能力和更强的鲁棒性。 展开更多
关键词 故障诊断 傅里叶变换 多尺度动态卷积 注意力机制 滚动轴承
在线阅读 下载PDF
复杂场景伪装小目标机载偏振遥感检测方法
13
作者 沈英 张硕 +3 位作者 王舒 苏云 薛芳 黄峰 《兵工学报》 北大核心 2025年第7期337-348,共12页
无人机遥感探测在军事侦察领域发挥着重要作用,偏振探测利用偏振光与物体相互作用产生的偏振变化来提高目标对比度。然而在复杂场景下,伪装小目标与背景特征差异较小且空间信息不足,存在检测困难的问题。为此提出一种偏振伪装小目标检... 无人机遥感探测在军事侦察领域发挥着重要作用,偏振探测利用偏振光与物体相互作用产生的偏振变化来提高目标对比度。然而在复杂场景下,伪装小目标与背景特征差异较小且空间信息不足,存在检测困难的问题。为此提出一种偏振伪装小目标检测算法(Polarization Camouflaged Small Object Detection-YOLO,PCSOD-YOLO),设计了高效层注意力模块-坐标注意力特征提取模块和空间金字塔池化跨阶段局部通道-3D权重注意力感受野模块,捕获目标的偏振特征和语义信息,增强上下文信息理解能力;设计了动态小目标检测头,通过动态卷积增强对小目标特征提取能力的同时,利用不同尺度的特征信息,联合多通道特征信息输出小目标检测结果。构建伪装小目标偏振图像数据集(Polarization Image of Camouflaged Small Objects,PICSO)。在PICSO数据集上的实验表明,所提出的方法可以有效检测伪装小目标,mAP_(0.5)达到92.4%,mAP_(0.5:0.95)达到47.8%,检测速率达到60.6帧/s,满足实时性要求。 展开更多
关键词 无人机 小目标检测 深度学习 偏振成像 动态卷积
在线阅读 下载PDF
基于动态蛇形卷积的钢轨RGB图像光带分割方法
14
作者 程雨 刘金朝 +5 位作者 姜昕良 张长伦 张国粹 顾子晨 王乐 宋浩然 《中国铁道科学》 北大核心 2025年第2期37-48,共12页
针对钢轨光带边缘存在的锯齿状现象导致对灰度图像进行光带分割算法精度不高的问题,提出基于动态蛇形卷积的钢轨RGB图像光带分割方法。设计和实现基于彩色线阵相机与白激光光源的RGB图像采集模块,通过嵌入动态蛇形卷积加强锯齿状不规则... 针对钢轨光带边缘存在的锯齿状现象导致对灰度图像进行光带分割算法精度不高的问题,提出基于动态蛇形卷积的钢轨RGB图像光带分割方法。设计和实现基于彩色线阵相机与白激光光源的RGB图像采集模块,通过嵌入动态蛇形卷积加强锯齿状不规则特征的提取,改进DeepLabv3+分割网络,完成基于RGB图像光带与轨面的一体化分割,实现对光带的分类检测。结果表明:对非道岔区段RGB图像分割的平均交并比为93.50%,类别平均像素准确率为96.39%,像素准确率为98.85%;包含道岔区段RGB图像分割的平均交并比、类别平均像素准确率以及像素准确率分别为91.87%,96.04%和98.60%;RGB图像可较好地还原钢轨表面的真实状态,加入动态蛇形卷积改进的分割网络能够实现对钢轨光带区域的精确提取,比现有方法的平均交并比提升了2.25%。 展开更多
关键词 钢轨 光带分割 检测 RGB图像 动态蛇形卷积
在线阅读 下载PDF
融合动态蛇形卷积的山区道路提取
15
作者 戴激光 马争 +2 位作者 李宛潼 秦志伟 王继承 《遥感信息》 北大核心 2025年第4期11-18,共8页
针对山区道路曲率变化大、阴影遮挡等特点导致的提取精度低的问题,提出了一种新的山区道路提取模型。该方法以MANet为基础,首先,采用动态蛇形卷积(dynamic snake convolution,DSCov)自适应聚焦细长和弯曲的局部结构,来准确捕捉道路结构... 针对山区道路曲率变化大、阴影遮挡等特点导致的提取精度低的问题,提出了一种新的山区道路提取模型。该方法以MANet为基础,首先,采用动态蛇形卷积(dynamic snake convolution,DSCov)自适应聚焦细长和弯曲的局部结构,来准确捕捉道路结构的特征,聚焦道路曲率变化大的问题;其次,提出多卷积上下文提取模块(multiple convolution context extraction,MCCE)关注道路的远程依赖关系,有效地捕获长距离的道路环境,增强阴影遮挡情况下模型的稳定性与泛化性。为验证该方法的有效性,在自主绘制的GF-2山区道路数据集和Massachusetts数据集上进行实验,F1分数分别达到了82.41%、88.87%;同时,在GF-2山区道路数据集上进行消融实验,F1分数相较于MANet提高2.24个百分点。通过对比分析,该方法在道路曲率大和遮挡处的提取效果均优于其他模型。 展开更多
关键词 山区道路提取 动态蛇形卷积 多卷积上下文提取 深度学习 卷积神经网络
在线阅读 下载PDF
长期Transformer和自适应傅里叶变换的动态图卷积交通流预测研究
16
作者 张红 伊敏 +2 位作者 张玺君 李扬 张鹏程 《电子与信息学报》 北大核心 2025年第7期2249-2262,共14页
针对交通流长期趋势性与非平稳性不易有效建模,以及交通流的隐藏动态时空特征难以捕捉的问题,该文提出一种基于长期Transformer和自适应傅里叶变换的动态图卷积交通流预测模型(ADGformer)。其中,长期门控卷积层通过掩码子序列Transforme... 针对交通流长期趋势性与非平稳性不易有效建模,以及交通流的隐藏动态时空特征难以捕捉的问题,该文提出一种基于长期Transformer和自适应傅里叶变换的动态图卷积交通流预测模型(ADGformer)。其中,长期门控卷积层通过掩码子序列Transformer从长历史序列中学习压缩的、上下文信息丰富的子序列表示,并利用膨胀门控卷积从子序列的时间表示中有效捕捉交通流的长期趋势特征。并设计一种动态图构造器生成动态可学习图,并利用可学习动态图卷积对节点间潜在的和时变的空间依赖关系进行建模以有效捕获交通流的动态隐藏空间特征。其次,自适应频谱块利用傅里叶变换来增强特征表示并捕获长短期的交互作用,同时通过自适应阈值处理来降低交通流的非平稳性。实验结果表明,所提ADGformer模型具有较好的预测性能。 展开更多
关键词 交通流预测 动态图卷积 长期Transformer 傅里叶变换 非平稳性
在线阅读 下载PDF
改进YOLOv11的药包玻璃瓶缺陷检测方法
17
作者 陈宏彩 程煜 任亚恒 《包装工程》 北大核心 2025年第9期203-208,共6页
目的针对药包玻璃瓶缺陷检测中目标检测精度低及小目标漏检率高的问题,提出一种改进YOLOv11的药包玻璃瓶外观缺陷检测方法。方法首先,在YOLOv11的主干网络中引入动态蛇形卷积网络,通过其自适应地关注不同缺陷特性,有效聚焦不同形状和大... 目的针对药包玻璃瓶缺陷检测中目标检测精度低及小目标漏检率高的问题,提出一种改进YOLOv11的药包玻璃瓶外观缺陷检测方法。方法首先,在YOLOv11的主干网络中引入动态蛇形卷积网络,通过其自适应地关注不同缺陷特性,有效聚焦不同形状和大小的缺陷特征,增强模型对缺陷局部结构特征的提取能力;其次,在浅层网络中构建多尺度空洞注意力机制,全面捕捉并整合多尺度特征信息;最后,设计微小目标检测层,捕捉网络结构浅层特征中丰富的细节信息,进一步提高微小缺陷目标的检测能力。结果实验结果表明,该方法在预灌封注射器数据集上的检测平均准确率达到88.38%,较基准模型提升3.8%,特别是在小目标检测上表现突出。结论改进方法能够有效提高药包玻璃瓶缺陷的检测精度,为自动化检测领域提供一种切实可行的解决方案。 展开更多
关键词 药包玻璃瓶 缺陷检测 YOLOv11 动态蛇形卷积 多尺度空洞注意力 小目标
在线阅读 下载PDF
基于动态自适应门控图卷积网络的交通拥堵预测
18
作者 王庆荣 高桓伊 +2 位作者 朱昌锋 何润田 慕壮壮 《华南理工大学学报(自然科学版)》 北大核心 2025年第9期31-47,共17页
随着城市机动车保有量的持续攀升,交通拥堵程度不断加剧,这种现象对环境保护与城市运行效率造成不利影响。因此,精确预测交通拥堵对于交通管理与优化具有重要意义。然而,现有研究在建模交通数据的动态时变特性及复杂路段间交互关系方面... 随着城市机动车保有量的持续攀升,交通拥堵程度不断加剧,这种现象对环境保护与城市运行效率造成不利影响。因此,精确预测交通拥堵对于交通管理与优化具有重要意义。然而,现有研究在建模交通数据的动态时变特性及复杂路段间交互关系方面仍存在一定局限性。针对这一问题,该文提出了一种基于图神经网络的门控时空卷积网络模型,以更有效地刻画和预测交通拥堵状况。首先,通过改进的K-均值聚类算法将原始数据划分为多个拥堵状态类别,并将其作为辅助特征融入预测模型,以增强特征表达能力;然后,引入门控时间卷积网络以捕捉交通数据间的时序特性与动态依赖关系,并构建动态自适应门控图卷积网络,通过信号生成模块与双层调制机制实现特征融合与动态权重分配,从而完成对时空特征的有效提取;最后,引入残差连接以增强训练过程的稳定性,并利用跳跃连接对多层次与多尺度特征进行有效整合。在真实交通数据集PeMS08与PeMS04上对所提模型的有效性进行了验证,结果表明,该模型的预测精度优于其他基线模型。 展开更多
关键词 交通拥堵预测 图神经网络 动态自适应门控 聚类算法 门控时间卷积网络
在线阅读 下载PDF
基于MOMP-YOLOv8的交通标志检测算法研究
19
作者 王海瑞 贺存龙 朱贵富 《计量学报》 北大核心 2025年第9期1385-1394,共10页
针对交通标志的图像背景较复杂和小目标占比较大的问题,提出了一种基于MOMP-YOLOv8的交通标志检测改进算法。首先,在颈部网络引入混合局部通道注意力模块,其通过结合使用局部信息和全局信息以提高网络检测精度,增强特征提取网络的表达能... 针对交通标志的图像背景较复杂和小目标占比较大的问题,提出了一种基于MOMP-YOLOv8的交通标志检测改进算法。首先,在颈部网络引入混合局部通道注意力模块,其通过结合使用局部信息和全局信息以提高网络检测精度,增强特征提取网络的表达能力;其次,在主干网络使用全维动态卷积,以提升模型的目标特征提取能力;然后,提出一种多层次的自适应空间特征融合检测头,其在检测层增加一个160×160的小目标检测头来提高对小目标的检测能力;最后,通过使用PIoU改进损失函数,进一步提升模型收敛速度与检测性能。在中国交通标志检测数据集CCTSDB 2021进行实验验证,结果表明,改进算法相较于基线YOLOv8n算法检测精确率、召回率、mAP值分别领先了0.9%、1.8%和1.4%,总体检测性能优于其他主流目标检测算法。 展开更多
关键词 交通标志检测 MOMP-YOLOv8 混合局部通道注意力 全维动态卷积 PIoU损失函数
在线阅读 下载PDF
基于自适应动态图卷积和无参注意力的点云分类分割方法
20
作者 李维刚 李歆怡 +1 位作者 王永强 赵云涛 《计算机应用》 北大核心 2025年第6期1980-1986,共7页
针对传统卷积在处理点云时难以精确提取邻域特征信息和有效融合上下文信息的问题,提出一种基于自适应动态图卷积和无参注意力的点云分类分割方法。首先,通过自适应动态图卷积模块(ADGC)学习不同邻域的特征信息,生成自适应卷积核,并更新... 针对传统卷积在处理点云时难以精确提取邻域特征信息和有效融合上下文信息的问题,提出一种基于自适应动态图卷积和无参注意力的点云分类分割方法。首先,通过自适应动态图卷积模块(ADGC)学习不同邻域的特征信息,生成自适应卷积核,并更新边缘特征,从而精确提取点云的局部邻域特征;其次,设计残差结构学习点云的空间位置信息,以精确捕获点对之间的几何结构,更好地保留和提取细节特征;最后,为了更好地关注和提取局部几何特征,结合无参注意力模块(PFA)与卷积操作,增强邻域之间的联系和模型的上下文感知能力。实验结果表明,与PointNet相比,所提方法在多种任务上具有显著优势,具体地,所提方法的分类任务的总体精度(OA)提升了4.6个百分点,部件分割任务实例的平均交并比(mIoU)提升了2.3个百分点,语义分割任务的mIoU提升了24.6个百分点。可见,所提方法进一步增强了对复杂几何结构的理解和表征能力,在各种任务中实现了更精确的特征提取和实验性能。 展开更多
关键词 点云 分类分割 自适应 动态图卷积 注意力机制
在线阅读 下载PDF
上一页 1 2 21 下一页 到第
使用帮助 返回顶部