FCNN提升电大尺寸目标优化设计中RCS计算速度

1

作者 杨远鹏 王文卓 +1 位作者 郑生全 方重华 《太赫兹科学与电子信息学报》 2025年第3期272-277,共6页

为在电大尺寸目标降低雷达散射截面积(RCS)的优化设计过程中提升计算目标RCS的速度,采用启发式算法对电大尺寸目标进行低RCS优化设计时,使用电磁仿真软件计算过的模型结果训练一个多层全连接神经网络(FCNN)。优化过程中,当已计算的模型... 为在电大尺寸目标降低雷达散射截面积(RCS)的优化设计过程中提升计算目标RCS的速度,采用启发式算法对电大尺寸目标进行低RCS优化设计时,使用电磁仿真软件计算过的模型结果训练一个多层全连接神经网络(FCNN)。优化过程中,当已计算的模型数量足以完成对神经网络的训练后,使用训练好的神经网络改进电磁仿真计算。利用神经网络计算速度较电磁仿真更快的特点,实现提升电大尺寸目标低RCS优化设计速度。在本文所选的电大尺寸模型和使用模拟退火法进行优化设计的条件下,采用多层全连接神经网络改进电磁仿真计算,使模型的低RCS优化设计速度有明显提升,消耗时间从超过300 h缩减到约140 h。 展开更多

关键词 全连接神经网络(fcnn) 雷达散射截面积平均值 数据集 回归计算 加速计算

在线阅读 下载PDF 职称材料

基于FCNN和ICAE的SAR图像目标识别方法 被引量：10

2

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 职称材料

基于全连接神经网络的音乐厅音质分级评价

3

作者 闫琛 李运江 +1 位作者 许华华 范波 《声学技术》 北大核心 2025年第2期276-283,共8页

为了准确和快速地利用所获得的声学客观参量对音乐厅音质进行评价,文章采用了全连接神经网络(fully connected neural network,FCNN)方法来构建音乐厅音质分级评价模型,探索了音乐厅设计和音质优化的新方法。文章将音乐厅的3类13种声学... 为了准确和快速地利用所获得的声学客观参量对音乐厅音质进行评价,文章采用了全连接神经网络(fully connected neural network,FCNN)方法来构建音乐厅音质分级评价模型,探索了音乐厅设计和音质优化的新方法。文章将音乐厅的3类13种声学客观参量与音乐厅音质效果等级作为输入和输出,用于训练FCNN模型,得到了较精准的音乐厅音质分级评价模型。经过训练的音乐厅音质分级评价模型能够以决定系数R2=1的精度来对音乐厅音质进行分级评价。相较于传统的音质分级评价方法,基于FCNN的音质分级评价方法计算耗时约为前者的1/10。在此基础上,通过分析FCNN模型中输入层到隐藏层的权重矩阵,同时结合基于机器学习的决策树算法,文章对13种声学客观参量进行了权重优选,最终确定了影响音乐厅音质效果等级的声学客观参量排序。排序结果表明,在音乐厅音质评价中,时间类声学客观参量的权重明显高于其他类声学客观参量的权重。研究结果表明在实际音乐厅音质评价过程中使用FCNN方法可以减少传统分级评价方法导致的主观性误差影响,该方法可为优化音乐厅设计和提升听众体验提供支持。 展开更多

关键词 音乐厅音质分级评价 机器学习 全连接神经网络 音乐厅参数化设计 音乐厅声学客观参量

在线阅读 下载PDF 职称材料

基于链路质量预测的UANET改进蚁群路由算法

4

作者 曾囿钧 周劼 +3 位作者 刘友江 曹韬 杨大龙 刘羽 《太赫兹科学与电子信息学报》 2025年第3期240-246,共7页

无人机自组网(UANET)可通过多跳转发增大通信范围,其中路由算法承担数据包传输路径规划的任务。针对高动态网络下,无人机定位偏差带来的定向天线波束对不准所造成的增益衰减问题,提出一种基于链路质量预测的蚁群路由算法(LQP-ACO)。该... 无人机自组网(UANET)可通过多跳转发增大通信范围,其中路由算法承担数据包传输路径规划的任务。针对高动态网络下,无人机定位偏差带来的定向天线波束对不准所造成的增益衰减问题,提出一种基于链路质量预测的蚁群路由算法(LQP-ACO)。该算法利用双向门控循环单元-全连接神经网络(BiGRU-FCNN)预测无人机节点之间的链路质量,然后根据预测的链路质量,利用蚁群算法寻找最优的2条路径进行业务数据传输。仿真结果表明,提出的路由算法相较于传统的Dijkstra算法,在随机路点(RWP)及随机游走(RW)移动模型下,丢包率分别降低了2.75%、4.5%。 展开更多

关键词 无人机自组网路由 蚁群优化算法 双向门控循环单元 全连接神经网络(fcnn)

在线阅读 下载PDF 职称材料

基于GRU-1DFCN的硝化机搅拌系统故障诊断研究

5

作者 孙俪榕 孙琤 《工程建设与设计》 2025年第7期55-58,共4页

为提升涉火企业现场对硝化机等设备的维保效率,论文提出一种基于GRU-1DFCN的硝化机搅拌系统故障诊断方法。首先,采用GRU和1DFCN的并列式结构构建特征提取器;其次,采用Concat方法融合故障特征;最后,利用多分类算法Softmax实现对搅拌系统... 为提升涉火企业现场对硝化机等设备的维保效率,论文提出一种基于GRU-1DFCN的硝化机搅拌系统故障诊断方法。首先,采用GRU和1DFCN的并列式结构构建特征提取器;其次,采用Concat方法融合故障特征;最后,利用多分类算法Softmax实现对搅拌系统关键部件不同位置和不同故障类型的识别。故障诊断实例结果表明,论文模型在4种负载下的平均故障诊断准确率可以达到99.26%,相对于GRU、1DFCN、LSTM、CNN-LSTM、BP、SVM、KNN模型分别提高了0.57%、0.49%、3.5%、2.5%、16.14%、18.73%、19.31%,并且具有良好的泛化性和抗噪性能。 展开更多

关键词 故障诊断 门控循环单元 全卷积神经网络 硝化机搅拌系统

在线阅读 下载PDF 职称材料

FCNN深度学习模型及其在动物语音识别中的应用 被引量：10

6

作者 石鑫鑫 鱼昕 刘铭 《吉林大学学报（信息科学版）》 CAS 2021年第1期60-65,共6页

为解决使用语音信号准确识别动物以保护和研究野生动物的问题,提出一种全连接算法与稀疏连接算法相结合的全卷积神经网络(FCNN:Fully Convolutional Neural Network),用于语音的自动识别。利用全连接算法提取更多的组合特征,稀疏连接算... 为解决使用语音信号准确识别动物以保护和研究野生动物的问题,提出一种全连接算法与稀疏连接算法相结合的全卷积神经网络(FCNN:Fully Convolutional Neural Network),用于语音的自动识别。利用全连接算法提取更多的组合特征,稀疏连接算法筛选重要特征可加快收敛速度。同时给出了具体的模型结构及算法流程,并进行了动物语音识别实验。实验结果表明,该全卷积神经网络深度学习算法是一种语音自动识别的有效方法,解决了蛙声识别问题,为动物语音识别提供参考。 展开更多

关键词 语音识别 卷积神经网络 全卷积神经网络

在线阅读 下载PDF 职称材料

基于轻量级全连接张量映射网络的高光谱图像分类方法

7

作者 林知心 郑玉棒 +2 位作者 马天宇 王蕊 李恒超 《电子学报》 EI CAS CSCD 北大核心 2024年第10期3541-3551,共11页

近年来,基于卷积神经网络的深度学习模型已经在高光谱图像分类领域取得优异表现.然而,模型性能的提升通常依赖于更深、更宽的网络结构,导致参数量和计算量增长,从而限制了模型在机载或星载载荷中的实际部署.为此,本文提出基于轻量级全... 近年来,基于卷积神经网络的深度学习模型已经在高光谱图像分类领域取得优异表现.然而,模型性能的提升通常依赖于更深、更宽的网络结构,导致参数量和计算量增长,从而限制了模型在机载或星载载荷中的实际部署.为此,本文提出基于轻量级全连接张量映射网络的高光谱图像分类方法.根据全连接张量网络分解的映射思想以及高光谱图像“图谱合一”的结构特点,本文设计两种张量映射卷积单元,通过使用多个具有全连接结构的小尺寸卷积核代替原始卷积核,降低了卷积层的时间和空间复杂度.此外,基于新单元构建残差双分支张量模块.双分支结构共享同一组权重参数,并采用通道分割操作减少特征通道数,提升特征提取过程的实时性.本文所提模型通过使用新单元和新模块充分挖掘高光谱图像的局部空谱信息和全局光谱信息,有效提高了分类性能并减少硬件资源消耗.在三个常用高光谱图像数据集上的实验结果表明,所提模型相较于其他现有工作具有更高的分类性能以及更低的参数量和计算量. 展开更多

关键词 高光谱图像分类 模型压缩 全连接张量网络分解 卷积神经网络 张量神经网络 轻量卷积模块

在线阅读 下载PDF 职称材料

基于改进全卷积神经网络的体育运动员动作识别方法 被引量：1

8

作者 郝俊峰 《数字通信世界》 2024年第7期55-57,共3页

传统的体育运动员动作识别方法,直接对运动员动作识别结果进行输出未对运动区域进行提取,识别精度低。该文提出基于改进全卷积神经网络的体育运动员动作识别方法,使用摄像机对体育运动员动作图像进行采集,并对图像进行基于改进全卷积神... 传统的体育运动员动作识别方法,直接对运动员动作识别结果进行输出未对运动区域进行提取,识别精度低。该文提出基于改进全卷积神经网络的体育运动员动作识别方法,使用摄像机对体育运动员动作图像进行采集,并对图像进行基于改进全卷积神经网络的运动区域提取,体育运动员动作识别流程,输入动作图像并对结果进行输出,实现基于改进全卷积神经网络的体育运动员动作识别。实验结果表明该研究方法识别精度高,具有一定优势。 展开更多

关键词 改进全卷积神经网络 体育运动 动作识别 识别方法

在线阅读 下载PDF 职称材料

光学遥感图像中舰船识别方法研究

9

作者 丁梦磊 《舰船科学技术》 北大核心 2024年第16期143-147,共5页

光遥感图像舰船目标在检测识别过程中会存在诸多干扰,导致无法精准识别出舰船目标,对此,研究光学遥感图像中舰船识别方法。首先,在光学遥感图像内提取舰船目标显著性区域,抑制云雾、海杂波与海域陆地等背景信息对舰船目标识别的影响,完... 光遥感图像舰船目标在检测识别过程中会存在诸多干扰,导致无法精准识别出舰船目标,对此,研究光学遥感图像中舰船识别方法。首先,在光学遥感图像内提取舰船目标显著性区域,抑制云雾、海杂波与海域陆地等背景信息对舰船目标识别的影响,完成光学遥感图像舰船目标的粗识别。然后,基于提取到的光学遥感图像显著性区域,利用CNN网络对其进行舰船目标精识别。实验结果表明,设计方法可以有效提取光学遥感图像的舰船目标显著性区域,并提取显著性区域的舰船目标特征;舰船目标识别精度始终高于95%,具有实用性。 展开更多

关键词 卷积神经网络 光学遥感图像 舰船目标识别 谱残差模型 最大值-均值 全连接层

在线阅读 下载PDF 职称材料

基于全卷积神经网络的非对称并行语义分割模型 被引量：12

10

作者 李宝奇 贺昱曜 +1 位作者 何灵蛟 强伟 《电子学报》 EI CAS CSCD 北大核心 2019年第5期1058-1064,共7页

针对RGB图像具有丰富的色彩细节特征,红外图像对目标轮廓、尺寸、边界等外形特征有较高敏感度的特点,提出了一种非对称并行语义分割模型APFCN(Asymmetric Parallelism Fully Convolutional Networks).APFCN上路设计了一个卷积核尺寸非... 针对RGB图像具有丰富的色彩细节特征,红外图像对目标轮廓、尺寸、边界等外形特征有较高敏感度的特点,提出了一种非对称并行语义分割模型APFCN(Asymmetric Parallelism Fully Convolutional Networks).APFCN上路设计了一个卷积核尺寸非统一的五层空洞卷积网络来提取红外图像目标高层轮廓特征;下路沿用卷积加池化网络提取RGB图像三个尺度上的细节特征;后端将红外图像高层特征与RGB图像三个尺度的细节特征进行融合,并将4倍上采样后的融合特征作为语义分割输出.结果表明,APFCN在像素精度和交并比等方面均优于FCN(输入为RGB图像或红外图像),适用于背景一致下地面目标的语义分割任务. 展开更多

关键词 语义分割 全卷积神经网络 非对称并行全卷积神经网络 空洞卷积 空洞率

在线阅读 下载PDF 职称材料

区域生长全卷积神经网络交互分割肝脏CT图像 被引量：6

11

作者 张丽娟 章润 +2 位作者 李东明 李阳 王晓坤 《液晶与显示》 CAS CSCD 北大核心 2021年第9期1294-1304,共11页

由于医疗图像质量差、对比度低、患者之间差异大导致全自动分割方法很难获得足够准确、鲁棒的结果。为了解决全自动分割方法的局限性,本文提出一种基于神经网络改进的区域生长法,并与全卷积神经网络相结合对肝脏CT图像进行交互式分割。... 由于医疗图像质量差、对比度低、患者之间差异大导致全自动分割方法很难获得足够准确、鲁棒的结果。为了解决全自动分割方法的局限性,本文提出一种基于神经网络改进的区域生长法,并与全卷积神经网络相结合对肝脏CT图像进行交互式分割。首先对图像进行预处理,突出待分割肝脏区域;接着计算像素在不同边缘检测算子下的梯度值作为该像素的特征,形成像素特征向量训练网络该网络以一对像素特征向量为输入,以两像素的关联度系数为输出;然后将训练好的神经网络模型作为区域生长算法的生长准则,手动交互选取一点产生分割结果;最后将分割结果作为原图的交互信息和原图灰度通道连接在一起一同输入全卷积神经网络。实验结果表明平均Dice系数达到96.69%,像素准确率达到99.62%,平均交并比达到96.65%。不同的腹部CT图像序列中肝脏的分割结果表明,该方法能精确提取肝脏区域,满足临床应用的需求。 展开更多

关键词 全卷积神经网络 区域生长法 交互式分割

在线阅读 下载PDF 职称材料

基于深度神经网络的综采工作面视频目标检测 被引量：7

12

作者 杨艺 付泽峰 +2 位作者 高有进 崔科飞 王科平 《工矿自动化》 北大核心 2022年第8期33-42,共10页

综采工作面环境较复杂,地形狭长,多目标多设备经常出现在同一场景当中,使得目标检测难度加大。目前应用于煤矿井下的目标检测方法存在特征提取难度较大、泛化能力较差、检测目标类别较为单一等问题,且主要应用于巷道、井底车场等较为空... 综采工作面环境较复杂,地形狭长,多目标多设备经常出现在同一场景当中,使得目标检测难度加大。目前应用于煤矿井下的目标检测方法存在特征提取难度较大、泛化能力较差、检测目标类别较为单一等问题,且主要应用于巷道、井底车场等较为空旷场景,较少应用于综采工作面场景。针对上述问题,提出了一种基于深度神经网络的综采工作面视频目标检测方法。首先,针对综采工作面环境复杂多变、光照不均、煤尘大等不利条件,针对性挑选包含各角度、各环境条件下的综采工作面关键设备和人员的监控视频,并进行剪辑、删选,制作尽可能涵盖工作面现场各类场景的目标检测数据集。然后,通过对YOLOv4模型进行轻量化改进,构建了LiYOLO目标检测模型。该模型利用CSPDarknet、SPP、PANet等加强特征提取模块对视频特征进行充分提取,使用6分类YoloHead进行目标检测,对综采工作面环境动态变化、煤尘干扰等具有较好的鲁棒性。最后,将LiYOLO目标检测模型部署到综采工作面,应用Gstreamer对视频流进行管理,同时使用TensorRT对模型进行推理加速,实现了多路视频流的实时检测。与YOLOv3、YOLOv4模型相比,LiYOLO目标检测模型具有良好的检测能力,能够满足综采工作面视频目标检测的实时性和精度要求,在综采工作面数据集上的平均准确率均值为96.48%,召回率为95%,同时视频检测帧率达67帧/s。工程应用效果表明,LiYOLO目标检测模型可同时检测、展示6路视频,且对于不同场景下的检测目标都有较好的检测效果。 展开更多

关键词 智能开采 综采工作面 目标检测 人员检测 视频流 卷积神经网络

在线阅读 下载PDF 职称材料

面向场景解析的空间结构化编码深度网络 被引量：2

13

作者 张国印 王泽宇 +1 位作者 吴艳霞 布树辉 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2017年第12期1928-1936,共9页

为了研究有效的特征提取和精确的空间结构化学习对提升场景解析效果的作用,本文提高出基于全卷积神经网络空间结构化编码深度网络,网络内嵌的结构化学习层有机地结合了图模型网络和空间结构化编码算法,算法能够比较准确地描述物体所处... 为了研究有效的特征提取和精确的空间结构化学习对提升场景解析效果的作用,本文提高出基于全卷积神经网络空间结构化编码深度网络,网络内嵌的结构化学习层有机地结合了图模型网络和空间结构化编码算法,算法能够比较准确地描述物体所处空间的物体分布以及物体间的空间位置关系。通过空间结构化编码深度网络,网络不仅能够提取包含多层形状信息的多维视觉特征,而且可以生成包含结构化信息的空间关系特征,从而得到更为准确表达图像语义信息的混合特征。实验结果表明:在SIFT FLOW和PASCAL VOC 2012标准数据集上,空间结构化编码深度网络较现有方法能够显著地提升场景解析的准确率。 展开更多

关键词 场景解析 全卷积神经网络 图模型 空间结构化编码算法 多维视觉特征 空间关系特征 混合特征

在线阅读 下载PDF 职称材料

TCS-Net:一种核电安全壳细小裂缝分割网络 被引量：1

14

作者 佃松宜 黄儆进 +1 位作者 吴克江 钟羽中 《工程科学与技术》 EI CSCD 北大核心 2022年第5期249-256,共8页

针对核电安全壳表面裂缝视觉检查任务面临的裂缝细小且占像素少、裂缝与背景对比度低、相似纹理干扰多、光照不均衡等问题,作者提出了一种细小裂缝分割模型(segmentation network of tiny cracks,TCS-Net)。该模型具有与U-Net网络相似... 针对核电安全壳表面裂缝视觉检查任务面临的裂缝细小且占像素少、裂缝与背景对比度低、相似纹理干扰多、光照不均衡等问题,作者提出了一种细小裂缝分割模型(segmentation network of tiny cracks,TCS-Net)。该模型具有与U-Net网络相似的编码-解码结构,在下采样过程使用软池化(soft pooling)可实现在编码过程中保存原始图像基本特征的同时又保持了高响应特征信息的放大,从而减少信息损失实现裂缝边缘细节及位置信息保留;解码端在上采样过程中加入兼顾通道注意力和空间注意力的语义补偿模块以融合编码端的各层特征,可增强裂缝的多尺度细节信息;鉴于裂缝分割任务存在数据不平衡的分类问题,为避免训练过程被多数类(背景像素)所主导,TCS-Net模型结合二元交叉熵损失和Dice系数作为目标损失函数,以解决单一损失关注度倾向带来的训练不稳定的问题,也可优化准确率、交并比、召回率等性能指标。该模型在真实的安全壳图像上实验,结果表明,与现有的主流语义分割模型相比,TCS-Net裂缝分割模型的交并比指标可提高5%~9%,召回率指标可提高9%~13%,由此说明该模型具有检测率和检测精度更高,能有效适用于目标与背景严重不平衡、背景复杂且干扰较多情况下的细小裂缝分割任务。 展开更多

关键词 裂缝分割 注意力机制 卷积神经网络

在线阅读 下载PDF 职称材料

复杂场景下特征增强的显著性目标检测方法 被引量：1

15

作者 李波 饶浩波 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2021年第11期135-144,共10页

全卷积神经网络(FCN)高效的特征提取能力极大地提升了显著性目标检测算法的性能。然而现有算法依靠简单的特征拼接或相加等融合策略无法有效地增强特征,导致算法在复杂场景中的目标误检和漏检问题依然突出。文中提出基于场景的针对性特... 全卷积神经网络(FCN)高效的特征提取能力极大地提升了显著性目标检测算法的性能。然而现有算法依靠简单的特征拼接或相加等融合策略无法有效地增强特征,导致算法在复杂场景中的目标误检和漏检问题依然突出。文中提出基于场景的针对性特征增强方法来提高显著性目标检测算法的性能。首先,目标误检多发生于背景复杂且目标和背景元素交织的场景,文中分别从特征全局性增强和特征结构化增强角度解决目标误检问题;其次,针对目标漏检一般发生在目标的内部和边缘,基于残差学习从背景中学习丢失目标的信息,修复丢失的目标内部和边缘区域;最后,在5个基准数据集上与其他13种先进的方法进行实验对比,结果表明文中所提模型的各性能评价指标均优于其他13种方法,显著地解决了复杂场景中的目标误检和漏检问题。 展开更多

关键词 全卷积神经网络 显著性目标检测 特征增强 目标误检 目标漏检

在线阅读 下载PDF 职称材料

基于全卷积神经网络的植物叶片分割算法 被引量：4

16

作者 胡静 陈志泊 +2 位作者 杨猛 张荣国 崔亚稷 《北京林业大学学报》 CAS CSCD 北大核心 2018年第11期131-136,共6页

【目的】植物叶片分割旨在从背景中分割出叶片区域,去除背景对象干扰。这对植物病害识别和物种鉴定具有重大意义。【方法】本文设计了基于全卷积神经网络的植物叶片分割算法。首先,目标函数用对数逻辑函数代替复杂的Softmax多类预测函数... 【目的】植物叶片分割旨在从背景中分割出叶片区域,去除背景对象干扰。这对植物病害识别和物种鉴定具有重大意义。【方法】本文设计了基于全卷积神经网络的植物叶片分割算法。首先,目标函数用对数逻辑函数代替复杂的Softmax多类预测函数,从而将分割任务转化为适合于植物叶片分割的二分类问题;其次,把批归一化技术引入全卷积神经网络,从而改善网络整体的收敛性。最后,针对当前植物叶片分割研究中缺乏评估指标的状况,设计了新的评估协议——受试者工作特征曲线,该曲线反映了不同阈值情况下植物叶片图像分割的召回率与误报率之间的变化情况。【结果】本文提出的算法降低了全卷积神经网络的参数复杂度,改善了网络的收敛性。实验结果表明,该方法比Leafsnap提到的基于颜色的分割方法更完整地分割了植物叶片区域;提出的ROC曲线能够充分评估植物叶片的分割性能。【结论】与传统方法相比,基于深度学习的植物叶片分割方法实现了输入图像的端对端处理,无需图像转换、噪声滤波和形态运算等预处理技术,因此在植物叶片分割上具有可行性。 展开更多

关键词 深度学习 全卷积神经网络 植物叶片分割

在线阅读 下载PDF 职称材料

基于深度卷积生成对抗网络的地震初至拾取 被引量：13

17

作者 周创 居兴国 +1 位作者 李子昂 刘小民 《石油物探》 EI CSCD 北大核心 2020年第5期795-803,共9页

地震记录初至拾取质量往往受限于地震数据的复杂性,在陆地和浅海地震数据中尤为明显。为了更高效地拾取初至,提出了一种基于深度卷积生成对抗网络(DCGAN)的地震数据初至拾取方法,其关键在于构建一个适用于地震数据初至拾取的DCGAN,包含... 地震记录初至拾取质量往往受限于地震数据的复杂性,在陆地和浅海地震数据中尤为明显。为了更高效地拾取初至,提出了一种基于深度卷积生成对抗网络(DCGAN)的地震数据初至拾取方法,其关键在于构建一个适用于地震数据初至拾取的DCGAN,包含生成器与判别器两部分。生成器由一个全卷积神经网络(FCN)构成,用于学习地震炮集数据到初至波之间的特征映射;判别器由一个卷积神经网络(CNN)构成,用于辅助生成器训练。基于DCGAN的初至拾取方法的实现分为三步:数据预处理、网络训练和预测拾取。通过对不同卷积层数的网络结构的对比分析,确定了一个最优的DCGAN结构。一旦DCGAN的训练完成,利用其完成一炮地震数据的初至拾取仅需几秒的时间。将DCGAN方法应用于实际数据初至拾取并与现有初至拾取方法(如长短时窗比(STA/LTA)法和峰度赤池信息量准则(AIC)法)的拾取结果相比较,结果表明基于DCGAN的初至拾取方法的精度更高,能满足生产需要。 展开更多

关键词 生成对抗网络 卷积神经网络 深度学习 地震数据 初至拾取 网络结构 全卷积神经网络 网络训练

在线阅读 下载PDF 职称材料

基于级联卷积神经网络的大场景遥感图像舰船目标快速检测方法 被引量：24

18

作者 陈慧元 刘泽宇 +2 位作者 郭炜炜 张增辉 郁文贤 《雷达学报（中英文）》 CSCD 北大核心 2019年第3期413-424,共12页

针对大场景遥感图像舰船目标的快速检测问题,该文设计了一种级联型卷积神经网络检测框架。该检测框架由目标预筛选全卷积网络(P-FCN)和目标精确检测全卷积网络(D-FCN)两个全卷积网络级联而成。P-FCN是一个轻量级的图像分类网络,负责对... 针对大场景遥感图像舰船目标的快速检测问题,该文设计了一种级联型卷积神经网络检测框架。该检测框架由目标预筛选全卷积网络(P-FCN)和目标精确检测全卷积网络(D-FCN)两个全卷积网络级联而成。P-FCN是一个轻量级的图像分类网络,负责对大场景图像中可能的舰船区域进行快速预筛选,其层数少、训练简单,候选框冗余较少,能够减少后续网络的计算负担;D-FCN是一个改进的U-Net网络,通过在传统U-Net结构中加入目标掩膜和舰船朝向估计层以进行多任务的学习,实现任意朝向舰船目标的精细定位。该文分别使用TerraSAR-X雷达遥感图像和从91卫图、DOTA数据集中获得的光学遥感图像对算法进行了测试,结果表明该方法的检测准确率分别为0.928和0.926,与传统滑窗法相当,但目标检测时间仅为滑窗法的1/3左右。该文所提的级联型卷积神经网络检测框架在保持检测精度的前提下能显著提高目标检测效率,可实现大场景遥感图像中舰船目标的快速检测。 展开更多

关键词 舰船目标检测 深度学习 全卷积网络 大场景遥感图像 快速检测

在线阅读 下载PDF 职称材料

基于特征级联卷积网络的双目立体匹配 被引量：2

19

作者 吴俊劼 陈震 +2 位作者 张聪炫 江少锋 尚璇 《电子学报》 EI CAS CSCD 北大核心 2021年第4期690-695,共6页

针对图像序列病态区域匹配歧义性以及稠密视差图连通性的问题,本文提出一种基于特征级联卷积神经网络的双目立体匹配计算方法.构造特征重用的全卷积密集块,利用“跳连接”机制将浅层提取的特征图级联到后续子层,对深层卷积丢失的局部特... 针对图像序列病态区域匹配歧义性以及稠密视差图连通性的问题,本文提出一种基于特征级联卷积神经网络的双目立体匹配计算方法.构造特征重用的全卷积密集块,利用“跳连接”机制将浅层提取的特征图级联到后续子层,对深层卷积丢失的局部特征信息进行补偿.引入指示函数划分一定大小的训练集,将其批量输入特征级联卷积网络模型进行前向传播,同时通过小批量梯度下降(Mini-Batch Gradient Descent,MBGD)策略更新初始权重和偏置参数.根据负连接神经元对网络模型的输出进行初始匹配代价计算,并利用十字交叉域代价聚合(Cross Based Cost Aggregation,CBCA)和半全局立体匹配(Semi-Global Matching,SGM)等算法对代价函数进行优化,求得精准稠密的视差图.分别采用Middlebury数据库提供的训练和测试立体图像集对本文方法和深度学习方法MC-CNN、CBMV、MC-CNN-WS等具有代表性方法进行对比测试.实验结果表明,本文方法具有较高的视差计算精度和鲁棒性,尤其对复杂场景、光照变化以及弱纹理等困难场景图像序列能有效提高匹配率和保持图像细节. 展开更多

关键词 图像序列 稠密视差图 双目立体匹配 卷积神经网络 全卷积密集块 匹配代价 前向传播

在线阅读 下载PDF 职称材料

超燃冲压发动机燃烧流场纹影图像无监督分割方法 被引量：1

20

作者 赵国川 李林静 +5 位作者 田野 陈皓 郭明明 乐嘉陵 张华 钟富宇 《推进技术》 EI CAS CSCD 北大核心 2022年第10期251-259,共9页

超燃冲压发动机燃烧室流场纹影图像常存在大量噪声信号,如何高效、准确提取燃烧流场图像的主要波系结构成为当前亟需探索的问题。以超燃冲压发动机燃烧室内冷流到氢燃料点火阶段流场为研究对象,基于深度神经网络方法,发展一种燃烧室内... 超燃冲压发动机燃烧室流场纹影图像常存在大量噪声信号,如何高效、准确提取燃烧流场图像的主要波系结构成为当前亟需探索的问题。以超燃冲压发动机燃烧室内冷流到氢燃料点火阶段流场为研究对象,基于深度神经网络方法,发展一种燃烧室内流场的关键波系结构快速识别方法。采用基于图论的超像素分割方法对纹影图像进行聚类分割,为语义信息明显相同区域分配伪标签;设计了一种全卷积特征提取神经网络,并使用残差结构对各个通道进行加权,提取纹影图像高级语义特征;使用交叉熵目标函数优化网络模型,并通过阈值滤波操作去除噪声像素点,提升语义分割效果。结果表明:与K-means及自适应高斯阈值方法相比,本文提出方法在准确率、召回率、F1分数和交并比指标性能明显是最优的,能够准确完成燃烧流场纹影图像语义分割任务,可以更加清晰地反应流场内的主要波系和剪切层结构。 展开更多

关键词 超燃冲压发动机 纹影图像 全卷积神经网络 无监督学习 语义分割

在线阅读 下载PDF 职称材料