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108篇文章
< 1 2 … 6 >
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：
基于改进的FCNN微机器学习的设备异常检测方法研究
1
作者 吕浩迪 史建业 +1 位作者 徐晟 蓝艇 《机电工程》 北大核心 2025年第10期1888-1897,共10页
针对含有传动机构的家用设备或工业设备,内部传动装置老旧、缺乏润滑等造成设备运行异常,且实时检测的嵌入式设备资源受限(如内存不足等情况),提出了一种基于改进的全连接网络(FCNN)模型的微机器学习的设备异常检测方法。首先,利用传感... 针对含有传动机构的家用设备或工业设备,内部传动装置老旧、缺乏润滑等造成设备运行异常,且实时检测的嵌入式设备资源受限(如内存不足等情况),提出了一种基于改进的全连接网络(FCNN)模型的微机器学习的设备异常检测方法。首先,利用传感器采集设备在运行过程中产生的振动数据,并提取数据的峭度等特征指标;然后,将所提取到的特征指标作为输入特征,传递至全连接网络模型中对其进行训练并优化了模型参数以提升模型性能;最后,根据所训练的改进FCNN模型,对设备进行了异常检测,以提高检测的准确性和可靠性。研究结果表明:以升降桌为实验对象,改进FCNN模型对数据的异常检测准确率达到96.16%,其接收者操作特性(ROC)曲线下的面积达到了0.949,表明其分类性能优异,并且能够较好地识别出各种类型的异常情况;同时,改进后的FCNN模型能更好地适配资源受限的微控制器(MCU),表现出较强的泛化性和鲁棒性。该方法可为资源受限的家用设备或工业设备的异常检测提供一种较为有效的新思路。 展开更多
关键词 机械传动 传动机构 全连接网络 资源受限 特征提取 接收者操作特性 微控制器
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 被引量：1
2
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
基于机器视觉的寒地水稻田间除草机器人精准作业系统研究
3
作者 吉毅 王娟 《北方水稻》 2025年第6期183-187,共5页
传统除草机器人作业系统对于杂草的辨识不够精准,导致杂草去除召回率、误检抑制率较低。为此设计基于机器视觉的寒地水稻田间除草机器人精准作业系统。设计由图像处理器、摄像头等构成的机器视觉模块,采集寒地水稻田间图像。在寒地水稻... 传统除草机器人作业系统对于杂草的辨识不够精准,导致杂草去除召回率、误检抑制率较低。为此设计基于机器视觉的寒地水稻田间除草机器人精准作业系统。设计由图像处理器、摄像头等构成的机器视觉模块,采集寒地水稻田间图像。在寒地水稻田间杂草识别模块中,通过YOLOv3卷积神经网络模型实现采集的寒地水稻田间图像中的杂草识别。采用全电动四轮驱动底盘作为除草机器人的移动装置,基于杂草识别预测框实现除草路径导航。为除草机器人配备灵活的机械臂,搭载激光发射器,基于杂草识别预测框实现除草作业。实例测试结果表明,设计系统能够在寒地水稻田间实现较为精准的除草机器人作业,完成大部分杂草的清除工作,其残留的杂草较少,邻株误伤情况也较少;设计系统的杂草去除召回率整体高于0.9,说明系统对寒地小目标杂草的漏检率低,适应性强;设计系统的误检抑制率整体高于0.85,说明系统对水稻与杂草的形态差异区分能力强,能够减少误除草现象。 展开更多
关键词 机器视觉 寒地水稻田间除草机器人 精准作业 YOLOv3卷积神经网络模型 全电动四轮驱动底盘
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
4
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
基于全连接神经网络的音乐厅音质分级评价
5
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
基于深度学习的无标签超分辨率土地覆盖制图研究
6
作者 汤媛媛 严恩萍 +3 位作者 唐玉宾 聂小力 聂平静 亓梦茹 《西南林业大学学报(自然科学)》 北大核心 2025年第5期147-154,共8页
通过整合标签超分辨率(SR)和实例批量归一化网络(IBN-Net),在无本地高分辨率标签的情况下,实现了福建省光泽县的2m分辨率土地覆盖制图,提出了一种基于深度学习的无标签土地覆盖制图方法。结果表明:利用改进的全卷积神经网络(FCN)模型能... 通过整合标签超分辨率(SR)和实例批量归一化网络(IBN-Net),在无本地高分辨率标签的情况下,实现了福建省光泽县的2m分辨率土地覆盖制图,提出了一种基于深度学习的无标签土地覆盖制图方法。结果表明:利用改进的全卷积神经网络(FCN)模型能够实现标签超分辨率,将低分辨率标签提升至高分辨率,有效提高分类精度;IBN-Net网络增强了模型的泛化能力,显著提升跨域应用的效果。相比于内源低分辨率标签,使用高精度的外源标签使模型在光泽县的整体准确率提高2.55%,达到85.48%。本方法在无匹配标签条件下,显著提升土地覆盖制图的精度,可为区域生态监测和管理提供有效的技术支持。 展开更多
关键词 土地覆盖制图 标签超分辨率 深度学习 FCN网络 IBN网络
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
7
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
全卷积定位神经网络在两个地震相互干扰情形下的应用
8
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
基于全卷积神经网络多任务学习的时域语音分离 被引量：1
9
作者 孙林慧 王春艳 张蒙 《信号处理》 CSCD 北大核心 2024年第12期2228-2237,共10页
基于深度神经网络时频掩码进行语音分离时,目标信号相位一般采用混合信号的相位谱,且对性别组合缺乏针对性处理,这导致分离语音的质量不佳。针对该问题,本文提出一种基于全卷积神经网络联合性别组合检测(Fully Convolutional Neural Net... 基于深度神经网络时频掩码进行语音分离时,目标信号相位一般采用混合信号的相位谱,且对性别组合缺乏针对性处理,这导致分离语音的质量不佳。针对该问题,本文提出一种基于全卷积神经网络联合性别组合检测(Fully Convolutional Neural Network-Gender Combination Detection,FCN-GCD)多任务学习的时域语音分离方法。该方法首先在语音分离支路构建全卷积神经网络,该网络的输入为时域两人混合语音信号,输出为目标讲话者的纯净语音信号,运用卷积编码器和反卷积解码器对特征进行压缩和重建,实现端到端的语音分离。其次将混合语音性别组合检测任务整合到语音分离网络中,在两个任务联合约束下获取辅助信息特征和语音分离特征,并将这些深度特征相结合来提升语音分离质量。该FCN-GCD方法是一种时域语音分离方法,不需要进行相位恢复和频域到时域的重构,相比频域处理方法,该处理过程简单,从而提高了运算效率。另外,该方法从混合语音性别组合检测任务中提取有效的辅助信息特征,利用联合特征实现了更有效的语音分离。实验结果表明,与单任务的语音分离方法相比,本文所提出的FCN-GCD方法在男男、女女和男女三种性别组合下均有效提高了语音质量,在语音质量感知评估(Perceptual Evaluation of Speech Quality,PESQ)、短时客观可懂度(Short-Time Objective Intelligibility,STOI)、信号干扰比(Signalto-Interference Ratio,SIR)、信号失真比(Signal-to-Distortion Ratio,SDR)和信号伪像比(Signal-to-Artifact Ratio,SAR)评价指标上均获得更佳的表现。 展开更多
关键词 深度神经网络 语音分离 全卷积神经网络 特征融合 多任务学习
在线阅读 下载PDF
基于深度全卷积神经弹性网络WCGAN-GP模型的语音增强研究 被引量：2
10
作者 许雯婷 龚晓峰 《计算机应用与软件》 北大核心 2024年第2期130-137,共8页
Wasserstein距离生成对抗网络(Wasserstein Generative Adversal Network,WGAN)模型^([1])在语音增强中运用广泛,但存在梯度易爆炸、性能不稳定等问题。引入梯度惩罚(Gradient Penalty,GP)和弹性网络条件约束,并将生成器和判别器优化成... Wasserstein距离生成对抗网络(Wasserstein Generative Adversal Network,WGAN)模型^([1])在语音增强中运用广泛,但存在梯度易爆炸、性能不稳定等问题。引入梯度惩罚(Gradient Penalty,GP)和弹性网络条件约束,并将生成器和判别器优化成深度全卷积神经网络(Deep Fully Convolutional Neural Networks,DFCNN)结构,提出一种基于DFCNN的弹性网络条件梯度惩罚(Wasserstein Conditional Generative Adversal Network Gradient Penalty,WCGAN-GP)模型。改进后的模型可以达到真实Lipschitz限制条件,提高了可控性、稳定性和特征提取能力,能更快优化训练。实验将改进后的模型与WGAN对不同噪声条件下的语音进行增强,结果证实了改进后的模型在语音增强方面的优越性。 展开更多
关键词 Wasserstein距离 深度全卷积神经网络 梯度惩罚 弹性网络 条件约束
在线阅读 下载PDF
考虑多尺度输入及优化CNN-BiGRU的短期负荷预测 被引量：2
11
作者 张宇航 冉启武 +1 位作者 石卓见 熊芮 《科学技术与工程》 北大核心 2024年第34期14679-14689,共11页
短期的负荷预测是市场规划的重要前提且能有效保障电力系统的安全稳定运行,由于电力负荷随机性强、波动性大等问题导致预测精度难以提高,针对于此,提出了一种基于CEEMDAN-PE-SSA-CNN-BiGRU的短期电力负荷预测方法。首先,对于复杂多变的... 短期的负荷预测是市场规划的重要前提且能有效保障电力系统的安全稳定运行,由于电力负荷随机性强、波动性大等问题导致预测精度难以提高,针对于此,提出了一种基于CEEMDAN-PE-SSA-CNN-BiGRU的短期电力负荷预测方法。首先,对于复杂多变的电力负荷数据采用完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)为子序列,计算其子序列的排列熵(permutation entropy, PE),将熵值相近的子序列重构得到新序列,降低了原始数据非平稳序列对预测精度的影响并优化计算量;其次,对重组序列进行特性分析,根据重组序列不同周期进而选取多尺度输入并搭建CNN-BiGRU预测模型。最后,选用麻雀搜索算法(sparrow search algorithm, SSA)来优化模型超参数通过汇总所有预测序列从而得到最终预测数据。使用本文模型以西班牙用电负荷为实例并与单一模型和组合模型进行对比,实验表明该模型预测效果更佳。 展开更多
关键词 负荷预测 完全自适应噪声集合经验模态分解 排列熵 麻雀搜索算法 卷积神经网络 双向门控循环单元
在线阅读 下载PDF
基于注意力机制的艾德莱斯绸纹饰图案分割研究 被引量：1
12
作者 黄凯茜 安娃 《包装工程》 CAS 北大核心 2024年第22期420-426,共7页
目的由于艾德莱斯绸具有丰富的色彩和复杂的纹饰图案,在对其进行图案分割时难度较大,容易出现错分割和漏分割的情况。为此,提出了基于注意力机制的艾德莱斯绸纹饰图案分割算法。方法采用FCN模型对艾德莱斯绸纹饰图像进行卷积训练,突出... 目的由于艾德莱斯绸具有丰富的色彩和复杂的纹饰图案,在对其进行图案分割时难度较大,容易出现错分割和漏分割的情况。为此,提出了基于注意力机制的艾德莱斯绸纹饰图案分割算法。方法采用FCN模型对艾德莱斯绸纹饰图像进行卷积训练,突出图像的语义特征信息。利用通道注意力模块和位置注意力模块,分别对艾德莱斯绸纹饰图像展开学习,得到维度完全相同的特征图。将两个模块特征图融合后与FCN模型输出图像再次融合,得到艾德莱斯绸纹饰图像的特征提取结果,选取图像中的感兴趣区域,完成对艾德莱斯绸纹饰图案的分割。结论实验结果表明,所提方法取得了精准度较高的分割结果,分割图像边缘清晰,没有出现错分割和漏分割的情况,分割结果总体上较为理想。 展开更多
关键词 注意力机制 艾德莱斯绸纹饰 图案分割 语义特征信息 全卷积神经网络 通道注意力模块
在线阅读 下载PDF
基于轻量级全连接张量映射网络的高光谱图像分类方法
13
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
基于RIS的元素分组面状全连接网络 被引量：3
14
作者 侯顺虎 方胜良 +1 位作者 曾庆尧 王孟涛 《系统仿真学报》 CAS CSCD 北大核心 2024年第4期1017-1027,共11页
针对神经网络全连接层在训练中参数量多、所占内存多、易产生过拟合问题,从智能超表面(reconfigurable intelligence surface,RIS)结构特征出发,提出了一种基于RIS的元素分组面状全连接神经网络(RIS-based element grouping areal fully... 针对神经网络全连接层在训练中参数量多、所占内存多、易产生过拟合问题,从智能超表面(reconfigurable intelligence surface,RIS)结构特征出发,提出了一种基于RIS的元素分组面状全连接神经网络(RIS-based element grouping areal fully connected neural network,RGFCNN)。借鉴RIS的结构特征,在传统全连接神经网络上进行优化。设计了透射面注意力机制用于数据有效特征提取,相比于传统的全连接网络,该网络没有对数据进行一维排列,而是提出了一种运用于神经网络构建的元素分组策略,直接对二维面状数据进行分组全连接处理,各组处理输出进行数据串联。实验结果表明:在公开的具有IQ数据特征的通信信号数据集上,RGFCNN在信噪比大于0 dB时具有更好的识别精度,而训练参数是原来的大约1/6。 展开更多
关键词 智能超表面 全连接神经网络 元素分组策略 IQ信号 调制识别
在线阅读 下载PDF
光学遥感图像中舰船识别方法研究 被引量：2
15
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
海洋涡旋智能检测研究进展
16
作者 徐广珺 施宇诚 +6 位作者 余洋 谢华荣 谢文鸿 刘婧媛 林夏艳 刘宇 董昌明 《海洋学研究》 CSCD 北大核心 2024年第3期38-50,共13页
海洋涡旋是一种常见的海洋现象,在全球海洋物质和能量的输运中起着重要作用。随着海洋研究技术手段的不断提升,各类海洋涡旋检测方法应运而生。传统涡旋检测方法应用广泛,但其过度依赖于专家经验设置阈值和持续的人工干预,存在检测误差... 海洋涡旋是一种常见的海洋现象,在全球海洋物质和能量的输运中起着重要作用。随着海洋研究技术手段的不断提升,各类海洋涡旋检测方法应运而生。传统涡旋检测方法应用广泛,但其过度依赖于专家经验设置阈值和持续的人工干预,存在检测误差较大、工作效率低以及全球普适性差等问题,难以适应复杂多变的海洋环境。当前人工智能快速发展,其在海洋涡旋智能检测中能够自动、快速地提取图像深层特征,有效解决海洋现象特征相似度高、几何差异大的问题。该文立足于当前海洋涡旋智能检测的发展现状,从编码器-解码器结构、全卷积神经网络、多尺度上下文方法和注意力机制等方面回顾了不同深度学习方法在海洋涡旋智能检测中的应用,以期为海洋涡旋研究提供一些启示和参考。 展开更多
关键词 海洋涡旋 人工智能 特征检测 深度学习 编码器-解码器结构 全卷积神经网络 多尺度上下文方法 注意力机制
在线阅读 下载PDF
基于生成对抗网络的模糊密钥加密通信研究 被引量：16
17
作者 李西明 吴嘉润 +2 位作者 吴少乾 郭玉彬 马莎 《计算机应用研究》 CSCD 北大核心 2020年第6期1779-1781,1793,共4页
解决模糊密钥加密通信问题,并利用生成对抗网络的方法初步实现对称密钥下的模糊密钥加密通信方案。首先利用神经网络实现两方模糊密钥加密通信,实现16 bit密钥对称加密通信中6 bit密钥差异的模糊密钥加密通信。在此基础上考虑敌手存在... 解决模糊密钥加密通信问题,并利用生成对抗网络的方法初步实现对称密钥下的模糊密钥加密通信方案。首先利用神经网络实现两方模糊密钥加密通信,实现16 bit密钥对称加密通信中6 bit密钥差异的模糊密钥加密通信。在此基础上考虑敌手存在的模糊密钥加密通信模型,利用GAN思想对通信双方与敌手进行对抗训练,实现16 bit密钥对称加密通信中4 bit密钥差异的模糊密钥通信,实验所得模型中通信双方可正常通信而敌手在可获取密文情况下无法获取明文信息。实验证明了利用神经网络与生成对抗网络解决模糊密钥加密通信问题的可行性。 展开更多
关键词 生成对抗网络 模糊密钥加密 批规格化 全连接神经网络 卷积神经网络
在线阅读 下载PDF
基于全卷积神经网络的肝脏CT影像分割研究 被引量：25
18
作者 郭树旭 马树志 +6 位作者 李晶 张惠茅 孙长建 金兰依 刘晓鸣 刘奇楠 李雪妍 《计算机工程与应用》 CSCD 北大核心 2017年第18期126-131,共6页
针对腹部CT影像邻近器官对比度较低及因个体肝脏形状差异较大等引起肝脏分割困难的问题,提出了全卷积神经网络肝脏分割模型。首先通过卷积神经网络提取图像深层、抽象的特征,再通过反卷积运算对提取到的特征映射进行插值重构后得到分割... 针对腹部CT影像邻近器官对比度较低及因个体肝脏形状差异较大等引起肝脏分割困难的问题,提出了全卷积神经网络肝脏分割模型。首先通过卷积神经网络提取图像深层、抽象的特征,再通过反卷积运算对提取到的特征映射进行插值重构后得到分割结果。由于单纯进行反卷积得到的分割结果往往比较粗糙,因此,在反卷积之前,先融合高层与低层的特征,并且通过增加反卷积的层数、减少反卷积步长,得到了更为精确的分割结果。与传统卷积神经网络的分割方法相比,该模型可以充分利用CT影像的空间信息。实验数据表明该模型能够使腹部CT影像肝脏分割具有较高的精度。 展开更多
关键词 深度学习 全卷积神经网络 医学图像分割
在线阅读 下载PDF
基于生成对抗网络的抗泄露加密算法研究 被引量：12
19
作者 李西明 吴嘉润 +2 位作者 吴少乾 郭玉彬 马莎 《计算机工程与应用》 CSCD 北大核心 2020年第10期69-74,共6页
生成对抗网络(Generative Adversarial Networks,GANs)是一种深度学习模型,通过与辨别模型的对抗获得逐渐完善的生成模型,用以产生真假难辨的数据,而利用生成对抗网络实现加密算法是一个新的研究方向。在16位密钥对称加密方案下,对Abad... 生成对抗网络(Generative Adversarial Networks,GANs)是一种深度学习模型,通过与辨别模型的对抗获得逐渐完善的生成模型,用以产生真假难辨的数据,而利用生成对抗网络实现加密算法是一个新的研究方向。在16位密钥对称加密方案下,对Abadi等人的基本加密通信模型做了抗泄漏加密通信测试,发现了利用生成对抗网络实现抗泄露加密通信的可能性。对通信双方和敌手的神经网络模型进行了改进,通过修改系统的激活函数,获得3比特密钥泄露情况下的加密算法模型,通过增加解密方和敌手模型的复杂度可提高通信的稳定性。在模型中增加批规格化处理,进一步提升了抗泄露加密通信能力。最终可以在8位泄漏的情况下,保证通信双方正常通信且敌手无法获取秘密信息。为抗泄露加密通信问题提供了一种全新的解决方案,并通过实验证明了方案的可行性。 展开更多
关键词 抗泄露 生成对抗网络 批规格化 全连接神经网络 卷积神经网络
在线阅读 下载PDF
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
20
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
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 … 6 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