融合混合空洞卷积和动态卷积的敦煌壁画修复

1

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 职称材料

基于时序卷积特征过滤模型的地下水位预测方法

2

作者 孙均雨 徐佳磊 +2 位作者 张黎明 王在泉 文金浩 《水文》 北大核心 2025年第4期22-28,共7页

针对神经网络模型预测长时地下水位准确度低、运算资源消耗大的问题,提出了一种基于时序卷积特征过滤网络的地下水位预测方法,该方法能保持水文时序数据信息的完整性,拥有比卷积神经网络更大的感受野,能够精准捕捉地下水位的复杂时空关... 针对神经网络模型预测长时地下水位准确度低、运算资源消耗大的问题,提出了一种基于时序卷积特征过滤网络的地下水位预测方法,该方法能保持水文时序数据信息的完整性,拥有比卷积神经网络更大的感受野,能够精准捕捉地下水位的复杂时空关系。首先对水文数据进行预处理,然后采用空洞因果卷积方法作为特征提取器,结合注意力过滤模块提取水文数据特征,最后引入残差连接缓解模型训练过程中存在的网络层数过深、梯度消失和梯度爆炸问题。分别采用本文方法(DAR)、长短期神经网络(LSTM)、门控循环单元(GRU)、卷积门控循环单元(CNN-GRU)、时序卷积网络(TCN)预测意大利Petrignano水文数据变化,本文方法训练耗时最短,预测地下水位变化最为准确,验证了本文方法的可靠性。 展开更多

关键词 地下水位预测 时序卷积特征过滤 神经网络 空洞因果卷积 注意力过滤

在线阅读 下载PDF 职称材料

基于多尺度自适应残差网络的轴承故障诊断

3

作者 朱海龙 董绍江 +1 位作者 赵兴新 黄翔 《组合机床与自动化加工技术》 北大核心 2025年第5期189-193,200,共6页

针对轴承故障诊断过程中传统模型在高噪声背景下依赖单一高维特征预测的局限性及其特征学习能力的不足,提出了一种基于多尺度自适应混合残差神经网络结构(MSCNN-FFDRSN)深度学习模型,该方法首先通过应用多尺度混合空洞卷积模块,增加模... 针对轴承故障诊断过程中传统模型在高噪声背景下依赖单一高维特征预测的局限性及其特征学习能力的不足,提出了一种基于多尺度自适应混合残差神经网络结构(MSCNN-FFDRSN)深度学习模型,该方法首先通过应用多尺度混合空洞卷积模块,增加模型的感受野和特征融合能力,减少参数量,实现高噪声背景下提升模型的性能和泛化能力。其次,对于深度残差收缩网络模块,通过引入可变核卷积,根据输入数据的变化自主进行动态改变卷积核大小,引入concat连接,使深层特征和浅层特征进一步融合,利用注意力模块和软阈值对逐通道特征赋不同阈值并降噪。实验表明,所提方法在XJTU-SY公开轴承数据集上平均准确率表现为98.70%,并在某公司自制的轴承故障数据集(CME)上也表现出了极高的准确率和较快的收敛速度。 展开更多

关键词 多尺度空洞卷积 深度残差收缩网络 可变核卷积 注意力机制

在线阅读 下载PDF 职称材料

基于多重机制优化YOLOv8的复杂环境下安全帽检测方法 被引量：6

4

作者 肖振久 严肃 曲海成 《计算机工程与应用》 CSCD 北大核心 2024年第21期172-182,共11页

为了解决建筑工地、隧道、煤矿等施工场景中现有安全帽检测算法对于小目标、密集目标以及复杂环境下的检测精度低的问题,提出了一种基于多重机制的安全帽检测方法。以YOLOv8n为基础将Backbone部分的C2f模块加入可扩张残差(DWR)注意力模... 为了解决建筑工地、隧道、煤矿等施工场景中现有安全帽检测算法对于小目标、密集目标以及复杂环境下的检测精度低的问题,提出了一种基于多重机制的安全帽检测方法。以YOLOv8n为基础将Backbone部分的C2f模块加入可扩张残差(DWR)注意力模块,使得网络能够更灵活地适应不同尺度的特征,以而更准确地识别图像中的物体;采用可变形卷积AKConv模块取代主干部分中的原始Conv,为卷积神经网络带来了显著的性能提升,从而实现更高效的特征提取。此外引用了大型可分离核注意力LSKA模块与SPPF结构相结合,大大增强了模型核心的融合能力。在Safety helmet数据集的实验结果表明,改进后的算法相较于原模型,mAP@0.5指标上提升了10.5个百分点,在mAP@0.5-0.95指标上提升了3.7个百分点,能有效提高复杂场景下的安全帽佩戴检测精度。 展开更多

关键词 安全帽 YOLOv8n DWR模块 AKConv模块 LSKA模块

在线阅读 下载PDF 职称材料

基于残差卷积与多头自注意力的CXR图像分类 被引量：1

5

作者 陈辉 张甜 陈润斌 《工程科学与技术》 EI CAS CSCD 北大核心 2024年第3期219-227,共9页

为了提高新型冠状病毒肺炎(COVID-19)检测的效率和准确性,本文提出一种自动识别COVID-19胸部X射线(CXR)图像的网络模型(MHRA-RCNet)。在ResNet50模型的基础上,首先,采用残差卷积对CXR图像中形状复杂的感染区域进行局部特征提取。其次,... 为了提高新型冠状病毒肺炎(COVID-19)检测的效率和准确性,本文提出一种自动识别COVID-19胸部X射线(CXR)图像的网络模型(MHRA-RCNet)。在ResNet50模型的基础上,首先,采用残差卷积对CXR图像中形状复杂的感染区域进行局部特征提取。其次,选择在ResNet50的第2、3阶段引入多头关系聚合模块,以增强对全局信息的建模能力;为了进一步将局部信息和全局信息进行融合,以提高特征的表达能力和特征之间位置的相关性,在ResNet50的最后阶段引入了空洞视觉Transforme模块,有助于识别CXR图像中复杂的病变区域。最后,将融合后的特征以串联方式输入全局平均池化层进行全局空间信息整合,通过多层感知机进行图像分类并进行可视化分析。在公开访问的COVID-19 Radiography Database数据集与其他深度学习模型进行实验对比。实验结果表明:本文模型在多项分类指标上具有较好的分类精度;另外,从精确度、灵敏度和特异性上也可以直观地看出本文模型能够较好地识别新冠肺炎,进一步证明了本文模型在图像分类任务中的优越性和有效性。 展开更多

关键词 新型冠状病毒肺炎 图像分类 残差卷积 多头关系聚合 空洞视觉Transformer

在线阅读 下载PDF 职称材料

基于纹理先验的扩张残差注意力相似性去噪网络 被引量：1

6

作者 周先春 史振婷 +2 位作者 王子威 李婷 张影 《电子测量与仪器学报》 CSCD 北大核心 2024年第5期75-89,共15页

目前,大多数基于卷积神经网络的图像去噪模型不能充分利用图像数据的冗余性,这限制了模型的表达能力。而且,为了有效去噪,往往将边缘信息用作先验知识,而纹理信息通常被忽略。针对这些问题,提出一种新的图像去噪网络,该网络首先使用注... 目前,大多数基于卷积神经网络的图像去噪模型不能充分利用图像数据的冗余性,这限制了模型的表达能力。而且,为了有效去噪,往往将边缘信息用作先验知识,而纹理信息通常被忽略。针对这些问题,提出一种新的图像去噪网络,该网络首先使用注意力相似性模块提取图像的全局相似性特征,通过平均池化来平滑和抑制注意力相似性模块中的噪声,以进一步提高网络性能;其次使用扩张残差模块来提取图像的局部和全局特征;最后使用全局残差学习增强网络从浅层到深层的去噪效果。此外,还设计一种纹理提取网络从噪声图像中提取局部二值模式以获取纹理信息,利用纹理信息作为先验知识,可在去噪过程中保留演化图像中的细节。实验结果表明,与一些先进的去噪网络相比,新提出的去噪网络在图像视觉上有很大改善、效率更高且峰值信噪比提高了2 dB左右,结构相似性提高了3%左右,更有利于实际应用。 展开更多

关键词 图像去噪 卷积神经网络 纹理信息 注意力相似性模块 扩张残差模块

在线阅读 下载PDF 职称材料

基于混合空洞卷积和注意力多尺度网络的残饵密度估计

7

作者 张丽珍 李延天 +3 位作者 李志坚 孟雄栋 张永琪 吴迪 《农业工程学报》 EI CAS CSCD 北大核心 2024年第14期137-145,共9页

及时、准确地估算饵料盘中残留饲料量是提高养殖效益的重要措施。针对虾类养殖场景下残饵检测模型复杂度高、计数精度低的问题,提出了一种基于混合空洞卷积和注意力多尺度网络(hybrid dilated convolution and attention multi-scale ne... 及时、准确地估算饵料盘中残留饲料量是提高养殖效益的重要措施。针对虾类养殖场景下残饵检测模型复杂度高、计数精度低的问题,提出了一种基于混合空洞卷积和注意力多尺度网络(hybrid dilated convolution and attention multi-scale network,HAMNet)的残饵密度估计方法。首先,借鉴MCNN(multi-column convolutional neural network)多列架构的思想设计并行卷积块(parallel convolution block,PCB),使网络在单列架构中提取多种尺度的残饵特征,简化了网络结构并减轻了计算量;同时为了弥补网络结构简化造成残饵特征表示能力略有不足的问题,引入混合空洞卷积块(hybrid dilated convolution block,HDCB)避免信息丢失并增大感受野,增强模型深入挖掘多尺度残饵信息的能力。其次,在网络中嵌入通道注意力机制(channel attention mechanism,CAM),利用通道之间的相互依赖性重新校准有用特征信息的权重,凸显目标与背景的差异性。最后,针对下采样导致密度图质量差的问题,应用可学习的转置卷积恢复特征图细节信息,进而提升模型计数性能。利用饵料盘条件下采集的残饵图像进行了验证,试验结果表明,与基准模型MCNN相比,HAMNet模型的平均绝对误差、均方根误差和计算量分别降低了44.4%、40.8%和13.7%,参数量仅为0.52 MB。与经典密度估计模型CMTL(cascaded multi-task learning)、SANet(scale aggregation network)、CSRNet(congested scene recognition network)相比,该模型在各项性能指标上保持了最佳平衡,明显处于优势。该研究可为人工智能在水产养殖中快速量化残饵提供参考。 展开更多

关键词 水产养殖 模型 残饵 密度估计 并行卷积块 混合空洞卷积 通道注意力机制 转置卷积

在线阅读 下载PDF 职称材料

基于改进Informer的云计算资源负载预测 被引量：4

8

作者 李浩阳 贺小伟 +2 位作者 王宾 吴昊 尤琪 《计算机工程》 CAS CSCD 北大核心 2024年第2期43-50,共8页

负载预测是云计算资源管理中的重要组成部分,准确预测云资源的使用情况可提高云平台性能及防止资源浪费,然而云计算资源使用的动态性和不确定性使得负载预测较为困难,尽管Informer在时序预测领域取得了较好的效果,但未对时间的因果依赖... 负载预测是云计算资源管理中的重要组成部分,准确预测云资源的使用情况可提高云平台性能及防止资源浪费,然而云计算资源使用的动态性和不确定性使得负载预测较为困难,尽管Informer在时序预测领域取得了较好的效果,但未对时间的因果依赖关系加以限制造成未来信息泄露,也未考虑网络深度的增加导致模型性能下降的问题。为解决上述问题,提出一种基于改进Informer的多步负载预测模型(Informer-DCR)。将编码器中各注意力块之间的正则卷积替换为扩张因果卷积,使深层网络中的高层能够接收更大范围的输入信息来提高模型预测精度,并保证时序预测过程的因果性。在编码器中添加残差连接,使网络中低层的输入信息直接传到后续的高层,解决了深层网络退化问题。实验结果表明,Informer-DCR模型在不同预测步长下的平均绝对误差比Informer、时间卷积网络等主流预测模型降低了8.4%~40.0%,并且在训练过程中表现出比Informer更好的收敛性。 展开更多

关键词 云计算 负载预测 Informer模型 扩张因果卷积 残差连接

在线阅读 下载PDF 职称材料

基于空洞卷积和增强型多尺度特征自适应融合的滚动轴承故障诊断 被引量：4

9

作者 韩康 战洪飞 +1 位作者 余军合 王瑞 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第6期1285-1295,共11页

传统卷积神经网络(CNN)在识别故障类型时存在从原始振动信号中提取特征不足以及提取特征过程中需要更大的感受野以充分捕获信号的时间相关性的局限.针对轴承振动信号固有的多尺度特征,提出基于空洞卷积和增强型多尺度自适应特征融合的模... 传统卷积神经网络(CNN)在识别故障类型时存在从原始振动信号中提取特征不足以及提取特征过程中需要更大的感受野以充分捕获信号的时间相关性的局限.针对轴承振动信号固有的多尺度特征,提出基于空洞卷积和增强型多尺度自适应特征融合的模型(DC-MAFFM).利用空洞卷积的大感受野提取信号特征,同时引入残差连接来减少卷积层上的信息损失,从而有效过滤信号中的噪声;设计改进的多尺度特征提取模块,在不同尺度上捕获互补的诊断特征,同时在各层都进行不同尺度特征融合,充分学习信号的高频和低频特征;利用提出的特征自适应融合模块对不同尺度的特征自适应赋予权重,增强判别特征学习的能力.在2个轴承数据集上进行验证,结果表明所提模型在噪声和变工况下有较强的诊断能力.在强噪声情况下,故障诊断准确率分别达到88.08%和75.56%,与其他方法相比有显著优势. 展开更多

关键词 故障诊断 空洞卷积 残差连接 多尺度特征提取 自适应融合

在线阅读 下载PDF 职称材料

基于多分支特征融合的密集人群计数网络 被引量：2

10

作者 孙爽 何立风 +1 位作者 朱纷 张梦颖 《计算机工程与设计》 北大核心 2024年第3期814-821,共8页

针对人群计数任务中存在的多尺度变化、背景噪声等问题,提出一种基于多分支特征融合的人群计数网络。在网络前端设计一个双向特征融合路径,将网络深层的语义信息和浅层的空间细节信息进行反复提取融合,使用位置注意力机制和通道注意力... 针对人群计数任务中存在的多尺度变化、背景噪声等问题,提出一种基于多分支特征融合的人群计数网络。在网络前端设计一个双向特征融合路径,将网络深层的语义信息和浅层的空间细节信息进行反复提取融合,使用位置注意力机制和通道注意力机制增强网络对人群和背景之间的判别能力,生成高质量特征图;网络后端采用密集残差连接增强网络对人头连续的多尺度信息提取能力,得到最终的人群密度图。在ShanghaiTech、UCF_CC_50和UCF_QNRF数据集上分别进行的对比实验的结果表明,该模型的计数性能优于先前诸多方法,有着良好的计数精度。 展开更多

关键词 人群计数 多尺度变化 特征融合 注意力机制 密集残差连接 空洞卷积 密度图

在线阅读 下载PDF 职称材料

基于Retinex-Net网络模型的渐晕图像校正

11

作者 黄丹丹 王菲 +2 位作者 刘智 高晗 王惠绩 《液晶与显示》 CAS CSCD 北大核心 2024年第7期929-938,共10页

相机成像过程中会因为视角变化而产生渐晕效应,使图像出现中间亮、四周暗的现象。渐晕的存在使图像丢失部分边缘纹理信息,极大地影响机器视觉处理的性能。针对此问题,本文从校正图像清晰度和提高去噪性能两方面入手,对Retinex-Net网络... 相机成像过程中会因为视角变化而产生渐晕效应,使图像出现中间亮、四周暗的现象。渐晕的存在使图像丢失部分边缘纹理信息,极大地影响机器视觉处理的性能。针对此问题,本文从校正图像清晰度和提高去噪性能两方面入手,对Retinex-Net网络模型进行改进。首先,在原模型基础上添加空洞卷积,以保持校正图像的高分辨率并扩大感受野。其次,将图像去噪改进为密集残差网络的方式,目的是密集提取渐晕图像的每一层特征,更多地保留图像的细节特性并抑制噪声。最后,构建了渐晕图像的数据集,并将本文提出的算法在测试集上进行校正性能验证。本文算法与改进前的原网络模型相比较,SSIM值提升了0.293,PSNR值提升了0.727,RMSE值降低了0.095。相较于最小化图像熵、自适应补偿Retinex、基于径向梯度对称性等校正算法,本文算法具有更好的校正性能,并且在视觉上更适合观察和理解。 展开更多

关键词 渐晕图像校正 RETINEX理论 空洞卷积 残差网络

在线阅读 下载PDF 职称材料

基于改进ResNet算法的太阳黑子分类方法研究 被引量：3

12

作者 樊石鸣 《现代电子技术》 北大核心 2024年第5期80-84,共5页

文中提出一种基于改进的ResNet的太阳黑子图像分类方法,该方法在ResNet的基础上引入了空洞卷积和残差连接等技术,增强了训练模型的特征提取能力以及感受野。在模型训练过程中,采用交叉熵损失函数和SGD优化器进行参数优化,以提高模型的... 文中提出一种基于改进的ResNet的太阳黑子图像分类方法,该方法在ResNet的基础上引入了空洞卷积和残差连接等技术,增强了训练模型的特征提取能力以及感受野。在模型训练过程中,采用交叉熵损失函数和SGD优化器进行参数优化,以提高模型的准确性和泛化能力。其中深度可分离卷积被用于替代传统的卷积操作,以减少模型的参数量和计算量。最后,在太阳黑子图像分类的公共数据集上进行实验评估。实验结果表明,提出的基于改进的ResNet模型在太阳黑子图像分类任务上表现出较高的准确率和鲁棒性,相比于传统的ResNet模型,可以取得更好的分类效果。该方法为太阳黑子图像分类提供了一种新的思路和技术方案,对于太阳活动预测和环境监测等领域具有重要意义。 展开更多

关键词 太阳黑子 ResNet 空洞卷积 残差连接 交叉熵 SGD

在线阅读 下载PDF 职称材料

基于双通道多尺度特征提取和注意力的SAR与多光谱图像融合

13

作者 种法亭 董张玉 +1 位作者 杨学志 曾庆旺 《红外技术》 CSCD 北大核心 2024年第1期61-73,共13页

图像融合的根本任务是提取图像特征,由于合成孔径雷达(Synthetic Aperture Radar,SAR)图像和多光谱(Multi Spectral,MS)图像存在通道差异,针对现有算法难以充分提取和利用SAR图像的高频细节信息和多光谱图像的低频光谱信息,融合图像存... 图像融合的根本任务是提取图像特征,由于合成孔径雷达(Synthetic Aperture Radar,SAR)图像和多光谱(Multi Spectral,MS)图像存在通道差异,针对现有算法难以充分提取和利用SAR图像的高频细节信息和多光谱图像的低频光谱信息,融合图像存在细节丢失和光谱失真问题。本文提出了一种基于双通道多尺度特征提取和混合注意力的图像融合算法。首先采用双通道网络提取SAR和多光谱图像的多尺度高频细节特征和低频光谱特征,并连续使用不同空洞率的扩张卷积扩大感受野。然后将提取的特征映射到混合注意力模块中进行特征增强,再将这些增强特征与上采样的多光谱图像叠加。同时构建了基于光谱角度距离的损失函数,可以进一步缓解细节丢失和光谱失真。最后通过解码网络重建图像,得到高分辨率的融合图像。实验结果表明,本文算法达到了领先水平,并且融合图像在细节和光谱上保持了较好的平衡。 展开更多

关键词 SAR图像融合 扩张卷积 多尺度提取 残差网络 注意力机制

在线阅读 下载PDF 职称材料

基于多尺度残差网络的对象级边缘检测算法 被引量：7

14

作者 朱威 王图强 +1 位作者 陈悦峰 何德峰 《计算机科学》 CSCD 北大核心 2020年第6期144-150,共7页

面向对象的边缘检测技术是智能视觉处理领域的关键基础技术,然而目前基于卷积神经网络的边缘检测结果存在分辨率低、噪声较多等问题。因此,文中提出了一种基于多尺度残差网络的对象级边缘检测算法。首先,设计了混合空洞卷积残差块,来替... 面向对象的边缘检测技术是智能视觉处理领域的关键基础技术,然而目前基于卷积神经网络的边缘检测结果存在分辨率低、噪声较多等问题。因此,文中提出了一种基于多尺度残差网络的对象级边缘检测算法。首先,设计了混合空洞卷积残差块,来替换原始残差网络中的普通卷积核,以放大网络的感受野;然后,设计了多尺度特征增强模块,对边缘信息进行多尺度特征提取,以放大网络的信息接受域;最后,设计了结合顶层语义特征的金字塔多尺度特征融合模块,将不同尺度下的特征信息进行融合,以输出边缘检测后的图像。为了验证所提算法的有效性,在公开数据集BSDS500上进行实验。实验结果表明,与现有算法相比,所提算法具有更好的边缘检测效果,客观指标ODS,OIS和AP分别达到了0.819,0.838和0.849,主观检测效果也更接近真实值,噪声更少。 展开更多

关键词 残差网络 空洞卷积 多尺度特征增强 金字塔特征融合结构

在线阅读 下载PDF 职称材料

基于窗口自注意力网络的单图像去雨算法 被引量：5

15

作者 高涛 文渊博 +1 位作者 陈婷 张静 《上海交通大学学报》 EI CAS CSCD 北大核心 2023年第5期613-623,共11页

单图像去雨研究旨在利用退化的雨图恢复出无雨图像,而现有的基于深度学习的去雨算法未能有效地利用雨图的全局性信息,导致去雨后的图像损失部分细节和结构信息.针对此问题,提出一种基于窗口自注意力网络(Swin Transformer)的单图像去雨... 单图像去雨研究旨在利用退化的雨图恢复出无雨图像,而现有的基于深度学习的去雨算法未能有效地利用雨图的全局性信息,导致去雨后的图像损失部分细节和结构信息.针对此问题,提出一种基于窗口自注意力网络(Swin Transformer)的单图像去雨算法.该算法网络主要包括浅层特征提取模块和深度特征提取网络两部分.前者利用上下文信息聚合输入来适应雨痕分布的多样性,进而提取雨图的浅层特征.后者利用Swin Transformer捕获全局性信息和像素点间的长距离依赖关系,并结合残差卷积和密集连接强化特征学习,最后通过全局残差卷积输出去雨图像.此外,提出一种同时约束图像边缘和区域相似性的综合损失函数来进一步提高去雨图像的质量.实验表明,与目前单图像去雨表现优秀的算法MSPFN、 MPRNet相比,该算法使去雨图像的峰值信噪比提高0.19 dB和2.17 dB,结构相似性提高3.433%和1.412%,同时网络模型参数量下降84.59%和34.53%,前向传播平均耗时减少21.25%和26.67%. 展开更多

关键词 计算机视觉 单图像去雨 窗口自注意力网络 残差网络 自注意力机制 空洞卷积

在线阅读 下载PDF 职称材料

基于深度学习的门机抓斗检测方法 被引量：2

16

作者 张文明 刘向阳 +1 位作者 李海滨 李雅倩 《光电工程》 CAS CSCD 北大核心 2021年第1期14-23,共10页

在港口门机抓斗装卸干散货的作业过程中,人眼观察无法精确判断抓斗所在位置,会带来工作效率低下及安全性等问题。为解决该问题首次提出了一种基于深度学习的门机抓斗检测方法。利用改进的深度卷积神经网络YOLOv3-tiny对抓斗数据集进行... 在港口门机抓斗装卸干散货的作业过程中,人眼观察无法精确判断抓斗所在位置,会带来工作效率低下及安全性等问题。为解决该问题首次提出了一种基于深度学习的门机抓斗检测方法。利用改进的深度卷积神经网络YOLOv3-tiny对抓斗数据集进行训练及测试,进而学习其内部特征表示。实验结果表明,基于深度学习的门机抓斗检测方法可实现门机抓斗检测速度每秒45帧,召回率高达95.78%,在很好满足检测实时性与准确性的同时,提高了工业现场作业的安全性及效率。 展开更多

关键词 抓斗检测 深度学习 YOLOv3-tiny 空间金字塔池化 反转残差组 空洞卷积

在线阅读 下载PDF 职称材料

基于残差网络和改进特征金字塔的油田作业现场目标检测算法 被引量：5

17

作者 梁鸿 李洋 +2 位作者 邵明文 李传秀 张兆雷 《科学技术与工程》 北大核心 2020年第11期4442-4450,共9页

针对单点多盒检测器(single shot multibox detector,SSD)对小目标识别率低的问题,提出一种基于残差网络和改进特征金字塔(feature pyramid networks,FPN)的RP-SSD(residual and pyramid SSD)算法,并将其应用于油田安防领域。为了得到... 针对单点多盒检测器(single shot multibox detector,SSD)对小目标识别率低的问题,提出一种基于残差网络和改进特征金字塔(feature pyramid networks,FPN)的RP-SSD(residual and pyramid SSD)算法,并将其应用于油田安防领域。为了得到小物体更多的信息,首先在特征金字塔中增加上采样模块,并在上采样模块之后添加预测模块,之后采用空洞卷积增大Conv43的感受野。RP-SSD网络变深,针对RP-SSD在反向传播过程中存在梯度爆炸或梯度消失的问题,采用跳层连接的方式改进基础网络。RP-SSD在PASCAL VOC测试的准确率(meanaverage precision,mAP)为78.9%,比SSD提高了1.7%,其中对于目标较小的bottle类提高了8.9%。实验结果表明,RP-SSD对小目标检测的性能提高显著,同时RP-SSD在GTX 1080Ti上测试的速度为32帧/s,可见RP-SSD可以达到实时处理的要求。 展开更多

关键词 深度学习 单点多盒检测器(SSD) 小目标检测 特征金字塔 残差网络 空洞卷积 油田安防

在线阅读 下载PDF 职称材料

多尺度交替连接残差网络用于图像去模糊 被引量：11

18

作者 陈清江 胡倩楠 李金阳 《光学精密工程》 EI CAS CSCD 北大核心 2021年第7期1686-1694,共9页

为更好地解决由于相机抖动、物体之间相对运动等因素引起的图像模糊问题,本文设计了一种多尺度交替连接残差网络用于图像去模糊,采用"从粗到细"的多尺度方式来逐渐恢复出清晰图像。首先,提出一种多尺度残差模块来拓展网络宽度... 为更好地解决由于相机抖动、物体之间相对运动等因素引起的图像模糊问题,本文设计了一种多尺度交替连接残差网络用于图像去模糊,采用"从粗到细"的多尺度方式来逐渐恢复出清晰图像。首先,提出一种多尺度残差模块来拓展网络宽度,提取并融合不同尺度之间的特征信息;其次,提出一种基于扩张卷积的交替连接残差模块来逐渐恢复模糊图像的高频信息;最后,利用一层卷积来对特征图进行重建。实验结果表明:本文所提去模糊算法的峰值信噪比以及结构相似度分别为32.313 6 dB和0.942 5,均高于目前先进的图像去模糊技术。从评价指标和主观效果上均可看出本文所提去模糊方法具有更强的图像恢复能力,纹理细节更丰富,能够有效提升图像去模糊效果,具有更强的实用价值。 展开更多

关键词 图像去模糊 多尺度残差 扩张卷积 交替连接残差 感受野

在线阅读 下载PDF 职称材料

基于注意力门控膨胀卷积网络的单通道语音增强 被引量：10

19

作者 张天骐 柏浩钧 +1 位作者 叶绍鹏 刘鉴兴 《电子与信息学报》 EI CSCD 北大核心 2022年第9期3277-3288,共12页

在有监督语音增强任务中,上下文信息对目标语音的估计产生重要影响,为了获取更加丰富的语音全局相关特征,该文以尽可能小的参数为前提,设计了一种新型卷积网络来进行语音增强。所提网络包含编码层、传输层与解码层3个部分:编解码部分提... 在有监督语音增强任务中,上下文信息对目标语音的估计产生重要影响,为了获取更加丰富的语音全局相关特征,该文以尽可能小的参数为前提,设计了一种新型卷积网络来进行语音增强。所提网络包含编码层、传输层与解码层3个部分:编解码部分提出一种2维非对称膨胀残差(2D-ADR)模块,其能明显减小训练参数并扩大感受野,提升网络对上下文信息的获取能力;传输层提出一种1维门控膨胀残差(1D-GDR)模块,该模块结合膨胀卷积、残差学习与门控机制,能够选择性传递特征并获取更多时序相关信息,同时采用密集跳跃连接的方式对8个1D-GDR模块进行堆叠,以增强层间信息流动并提供更多梯度传播方式;最后,对相应编解码层进行跳跃连接并引入注意力机制,以使解码过程获得更加鲁棒的底层特征。实验部分,使用了不同的参数设置以及对比方法来验证网络的有效性与鲁棒性,通过在28种噪声环境下训练及测试,相比于其他方法,该文方法以1.25×10^(6)的参数取得了更优的客观和主观指标,具备较强的增强效果与泛化能力。 展开更多

关键词 语音增强 膨胀卷积 残差学习 门控机制 注意力机制

在线阅读 下载PDF 职称材料

基于深度卷积神经网络的运动模糊去除算法 被引量：5

20

作者 郭业才 朱文军 《南京理工大学学报》 EI CAS CSCD 北大核心 2020年第3期303-312,共10页

为了提高图像去模糊的复原效果和处理速度,提出了基于深度卷积神经网络的运动模糊去除算法。以多尺度图像为依据,构建了基于自动编码器的网络模型。在扩大感受野方面,采用空洞卷积模块提取图像多尺度特征信息,采用残差模块拓宽网络深度... 为了提高图像去模糊的复原效果和处理速度,提出了基于深度卷积神经网络的运动模糊去除算法。以多尺度图像为依据,构建了基于自动编码器的网络模型。在扩大感受野方面,采用空洞卷积模块提取图像多尺度特征信息,采用残差模块拓宽网络深度,以解决训练过程中图像细节丢失的问题,实现了图像的端到端运动模糊去除任务。在GOPRO数据集和真实测试集上的实验结果表明,该文算法在参数量仅为3.24×106的情况下的峰值信噪比(PSNR)和结构相似性(SSIM)指标分别为28.53和0.9141,运行时间为0.3 s。 展开更多

关键词 卷积神经网络 运动去模糊 多尺度图像 空洞卷积 残差模块

在线阅读 下载PDF 职称材料