期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于多重感受野UNet的仪表图像分割方法 被引量:19
1
作者 耿磊 史瑞资 +3 位作者 刘彦北 肖志涛 吴骏 张芳 《计算机工程与设计》 北大核心 2022年第3期771-777,共7页
为解决现有深度学习图像分割算法不能有效分割指针仪表图像中密集小目标的问题,提出基于多重感受野UNet的仪表图像分割方法。将自编码器结构和空洞卷积结构结合,使多尺度浅层特征和深层语义信息融合;以多种光照强度下采集的指针仪表数... 为解决现有深度学习图像分割算法不能有效分割指针仪表图像中密集小目标的问题,提出基于多重感受野UNet的仪表图像分割方法。将自编码器结构和空洞卷积结构结合,使多尺度浅层特征和深层语义信息融合;以多种光照强度下采集的指针仪表数据训练模型,充分提升神经网络的泛化能力;并行调节空洞卷积参数,使神经网络学习到最优模型。实验结果表明,算法显著提升了指针仪表图像中密集小目标的分割效果,有效泛化于不同光照强度下采集的同种指针仪表图像,验证了该模型的有效性。 展开更多
关键词 卷积神经网络 图像分割 自编码器 多尺度感受野 密集小目标
在线阅读 下载PDF
基于STFT和EMD的多普勒信号分离算法 被引量:6
2
作者 杨彦利 马德 权建峰 《探测与控制学报》 CSCD 北大核心 2018年第4期122-125,132,共5页
针对近场区多普勒信号的识别问题,提出了基于短时傅里叶变换(STFT)和经验模态分解(EMD)的多普勒信号分离算法。该算法利用STFT时频分布,通过极值滤波法并结合EMD算法将回波信号分解成若干个窄带子信号,实现了对多普勒信号的分离和多普... 针对近场区多普勒信号的识别问题,提出了基于短时傅里叶变换(STFT)和经验模态分解(EMD)的多普勒信号分离算法。该算法利用STFT时频分布,通过极值滤波法并结合EMD算法将回波信号分解成若干个窄带子信号,实现了对多普勒信号的分离和多普勒信号瞬时频率的估计。实测验证表明,该算法能够将频率成分相近的多普勒回波信号分解成若干个窄带的子信号,有助于实现对近场区多普勒信号的提取和识别。 展开更多
关键词 多普勒信号检测 体目标效应 瞬时频率 短时傅里叶变换 经验模态分解
在线阅读 下载PDF
基于TCN和Transformer的鸡胚心跳混淆信号分类方法 被引量:1
3
作者 耿磊 吴寒冰 +2 位作者 张芳 肖志涛 李晓捷 《农业机械学报》 EI CAS CSCD 北大核心 2023年第8期296-308,共13页
鸡蛋胚胎培养法是制备禽流感疫苗常用的方法,快速准确地对鸡蛋胚胎进行成活性分类并将死胚从活胚中尽早剔除可以有效避免因胚胎死亡导致的细菌或霉菌污染,对孵化效率的提高有着重要意义。目前,主要以鸡胚心跳信号作为分辨死胚和活胚的... 鸡蛋胚胎培养法是制备禽流感疫苗常用的方法,快速准确地对鸡蛋胚胎进行成活性分类并将死胚从活胚中尽早剔除可以有效避免因胚胎死亡导致的细菌或霉菌污染,对孵化效率的提高有着重要意义。目前,主要以鸡胚心跳信号作为分辨死胚和活胚的依据。然而,鸡蛋活胚在注入禽流感病毒96 h后,其心跳信号特征介于普通活胚和死胚之间,易与死胚混淆,本文将该类数据称为鸡胚心跳混淆信号,单独作为一类加入数据集,将原本死胚、活胚二分类改为死胚、普通活胚和96 h活胚三分类,根据信号特征设计了绝对值均值标准化预处理方法,增强原始数据特征以提升数据可分类性,并针对全局特征和细节特征提出了一种基于时间卷积网络(Temporal convolutional network,TCN)和Transformer的残差结构浅层双分支网络结构(Residual fully temporal convolutional with transformer network,RFTNet)。实验结果表明,本文提出的三分类绝对值均值标准化预处理方法和RFTNet双分支网络在鸡胚混淆数据集分类任务中展现出良好性能,检测准确率高达99.75%。此外,在精确率、召回率和F1值3个评价指标上分别达到99.75%、99.74%和99.75%,进一步验证了本文方法的有效性。 展开更多
关键词 鸡胚成活性分类 鸡胚心跳混淆信号 绝对值均值标准化 时间卷积网络 TRANSFORMER
在线阅读 下载PDF
基于融合注意力机制的苹果品种分类方法 被引量:12
4
作者 耿磊 黄亚龙 郭永敏 《农业机械学报》 EI CAS CSCD 北大核心 2022年第6期304-310,369,共8页
不同品种苹果之间往往存在较大的价格差异,为了防止从采购到销售过程中因苹果品种分类不当产生经济损失,提出了一种基于融合注意力机制的自动识别和分类模型EBmNet(针对苹果类型)。该模型通过融合通道注意力和空间注意力机制充分提取了... 不同品种苹果之间往往存在较大的价格差异,为了防止从采购到销售过程中因苹果品种分类不当产生经济损失,提出了一种基于融合注意力机制的自动识别和分类模型EBmNet(针对苹果类型)。该模型通过融合通道注意力和空间注意力机制充分提取了苹果表面的形状轮廓特征和颜色纹理特征,从而进一步增加苹果类型之间的特征距离。同时,从特征图和类别概率统计图2方面证明了EBmNet在苹果品种分类方法上的有效性。实验结果表明,EBmNet网络模型在红富士、乔纳金、秦冠、小国光、金冠、澳洲青苹、嘎啦上的分类准确率分别为96.25%、96.25%、100%、92.50%、98.75%、100%和93.75%,7种苹果类型的总体分类准确率高达96.78%。因此,将视觉图像与深度学习相结合对苹果品种进行分类和识别是可行的,为苹果品种的实时检测提供了一种新的方法。 展开更多
关键词 苹果 品种分类 融合注意力机制 卷积神经网络 特征提取
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部