期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进ResNet-18模型的弧齿锥齿轮安装位置偏差分类识别方法研究
被引量：
1
1
作者
刘小凯
边骥轩
+2 位作者
张江勇
董岑鑫
王卫军
《农业装备与车辆工程》
2024年第3期96-100,共5页
针对现有的弧齿锥齿轮安装位置偏差分类识别效率低的问题,使用改进的ResNet-18神经网络构建轻量级弧齿锥齿轮安装位置偏差分类识别模型,改进的网络修改了ResNet-18网络第一卷积层,并引入了通道与空间注意力机制。实验结果表明,改进ResNe...
针对现有的弧齿锥齿轮安装位置偏差分类识别效率低的问题,使用改进的ResNet-18神经网络构建轻量级弧齿锥齿轮安装位置偏差分类识别模型,改进的网络修改了ResNet-18网络第一卷积层,并引入了通道与空间注意力机制。实验结果表明,改进ResNet-18较原网络对于齿面接触印痕图像的分类准确率提高了3.23%,损失值降低了0.04。该方法为齿轮安装偏差识别提供了新路径,对弧齿锥齿轮总成的安装调整作业提供了一定的指导。
展开更多
关键词
弧齿锥齿轮
接触印痕
安装位置偏差
注意力机制
ResNet-18
在线阅读
下载PDF
职称材料
基于NVAE和OB-Mix的小样本数据增强方法
被引量：
2
2
作者
杨玮
钟名锋
+3 位作者
杨根
侯至丞
王卫军
袁海
《计算机工程与应用》
CSCD
北大核心
2024年第2期103-112,共10页
由于深度学习模型对海量标注数据的依赖性较高,导致目前许多前沿性目标检测理论难以适用于工业检测领域。为此,提出一种基于NVAE图像生成和OB-Mix数据增强的小样本数据扩充方法。具体方法是通过NVAE构建检测目标的数据分布模型,再通过...
由于深度学习模型对海量标注数据的依赖性较高,导致目前许多前沿性目标检测理论难以适用于工业检测领域。为此,提出一种基于NVAE图像生成和OB-Mix数据增强的小样本数据扩充方法。具体方法是通过NVAE构建检测目标的数据分布模型,再通过采样潜变量的方式生成与真实目标图像属于同一分布的全新目标图像。在得到生成目标图像后,提出了OB-Mix数据增强策略,将生成目标图像与背景图像进行随机位置融合以构建出新的图像数据,从而提高网络的定位能力及泛化能力。方法在仅使用474张标注图像以及400张无检测目标的背景图像情况下,使YOLOv5的检测精确率达到95.86%,相比于不使用该方法的结果提高了17.60个百分点。
展开更多
关键词
数据增强
小样本
数据生成
新派变分自编码器(NVAE)
表面缺陷检测
深度学习
在线阅读
下载PDF
职称材料
题名
基于改进ResNet-18模型的弧齿锥齿轮安装位置偏差分类识别方法研究
被引量：
1
1
作者
刘小凯
边骥轩
张江勇
董岑鑫
王卫军
机构
广州先进技术研究所机器人与智能装备中心
中国北方车辆
研究所
出处
《农业装备与车辆工程》
2024年第3期96-100,共5页
基金
国家重点研发计划项目子课题(2018YFA0902901)。
文摘
针对现有的弧齿锥齿轮安装位置偏差分类识别效率低的问题,使用改进的ResNet-18神经网络构建轻量级弧齿锥齿轮安装位置偏差分类识别模型,改进的网络修改了ResNet-18网络第一卷积层,并引入了通道与空间注意力机制。实验结果表明,改进ResNet-18较原网络对于齿面接触印痕图像的分类准确率提高了3.23%,损失值降低了0.04。该方法为齿轮安装偏差识别提供了新路径,对弧齿锥齿轮总成的安装调整作业提供了一定的指导。
关键词
弧齿锥齿轮
接触印痕
安装位置偏差
注意力机制
ResNet-18
Keywords
spiral bevel gear
contact pattern
position deviation
attention mechanism
ResNet-18
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
TH132.41 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
基于NVAE和OB-Mix的小样本数据增强方法
被引量：
2
2
作者
杨玮
钟名锋
杨根
侯至丞
王卫军
袁海
机构
陕西科技大学机电工程学院
广州先进技术研究所机器人与智能装备中心
中南大学机电工程学院
广东
技术
师范大学自动化学院
出处
《计算机工程与应用》
CSCD
北大核心
2024年第2期103-112,共10页
基金
国家重点研发计划(2018YFA0902903)
广州市基础研究计划(202102080650)。
文摘
由于深度学习模型对海量标注数据的依赖性较高,导致目前许多前沿性目标检测理论难以适用于工业检测领域。为此,提出一种基于NVAE图像生成和OB-Mix数据增强的小样本数据扩充方法。具体方法是通过NVAE构建检测目标的数据分布模型,再通过采样潜变量的方式生成与真实目标图像属于同一分布的全新目标图像。在得到生成目标图像后,提出了OB-Mix数据增强策略,将生成目标图像与背景图像进行随机位置融合以构建出新的图像数据,从而提高网络的定位能力及泛化能力。方法在仅使用474张标注图像以及400张无检测目标的背景图像情况下,使YOLOv5的检测精确率达到95.86%,相比于不使用该方法的结果提高了17.60个百分点。
关键词
数据增强
小样本
数据生成
新派变分自编码器(NVAE)
表面缺陷检测
深度学习
Keywords
data augmentation
small-sample
image generation
nouveau variational auto-encoder(NVAE)
surface defect detection
deep learning
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进ResNet-18模型的弧齿锥齿轮安装位置偏差分类识别方法研究
刘小凯
边骥轩
张江勇
董岑鑫
王卫军
《农业装备与车辆工程》
2024
1
在线阅读
下载PDF
职称材料
2
基于NVAE和OB-Mix的小样本数据增强方法
杨玮
钟名锋
杨根
侯至丞
王卫军
袁海
《计算机工程与应用》
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
