随着遥感、物联网、人工智能、大数据、云计算以及近年来迅速发展的大语言模型(large language models,简称LLMs)等高新技术持续取得突破,地震与地质灾害研究正加速从传统依赖单一数据源与经验规则的范式,迈向多源信息融合与智能驱动的...随着遥感、物联网、人工智能、大数据、云计算以及近年来迅速发展的大语言模型(large language models,简称LLMs)等高新技术持续取得突破,地震与地质灾害研究正加速从传统依赖单一数据源与经验规则的范式,迈向多源信息融合与智能驱动的风险识别和决策支持体系。基于“高新技术在地震与地质灾害领域的应用研究”专栏,系统梳理了当前在物理仿真模拟、深度学习识别、遥感集成分析、智能预警技术与知识图谱构建等关键方向的研究进展,概括展示了高新技术在灾害风险监测、致灾机制解析与应急响应支撑中的典型应用与发展趋势。在此基础上,进一步总结了多模态数据集成、灾害链建模、模型泛化能力与场景适应性等方面面临的技术瓶颈,探讨了大语言模型在地震与地质灾害领域中的潜在价值,包括知识抽取、因果推理与多场景风险研判等方面的前沿探索。展开更多
基于重建的工业图像异常检测通常假设模型能很好重建正常区域,而不能很好重建异常区域。但由于深度神经网络存在过度泛化问题,使得异常区域也能被较好重建,导致异常区域漏检。为解决上述问题,提出一种基于多记忆增强模块及图像轮廓重建...基于重建的工业图像异常检测通常假设模型能很好重建正常区域,而不能很好重建异常区域。但由于深度神经网络存在过度泛化问题,使得异常区域也能被较好重建,导致异常区域漏检。为解决上述问题,提出一种基于多记忆增强模块及图像轮廓重建的工业表面异常检测网络(industrial surface anomaly detection based on recon-struction with multiple memory enhancement modules and image edge,MMAERec)。具体来说,在带有跳跃连接的U-Net类型去噪自编码器上引入多记忆增强模块和图像轮廓提取模块。多记忆增强模块得到的记忆特征有利于很好地重建正常区域;而提取到的图像轮廓特征则有利于很好重建图像轮廓。将这两种不同特征的融合经注意力机制处理并用于重建能很好地提高重建图像质量。所提方法可以强制网络学习正常的低频和高频信息,防止模型直接复制异常区域,有效缓解过度泛化问题。在MVTec AD和BTAD两个工业数据集上的实验结果也展现了所提方法良好的检测和定位性能。展开更多
文摘随着遥感、物联网、人工智能、大数据、云计算以及近年来迅速发展的大语言模型(large language models,简称LLMs)等高新技术持续取得突破,地震与地质灾害研究正加速从传统依赖单一数据源与经验规则的范式,迈向多源信息融合与智能驱动的风险识别和决策支持体系。基于“高新技术在地震与地质灾害领域的应用研究”专栏,系统梳理了当前在物理仿真模拟、深度学习识别、遥感集成分析、智能预警技术与知识图谱构建等关键方向的研究进展,概括展示了高新技术在灾害风险监测、致灾机制解析与应急响应支撑中的典型应用与发展趋势。在此基础上,进一步总结了多模态数据集成、灾害链建模、模型泛化能力与场景适应性等方面面临的技术瓶颈,探讨了大语言模型在地震与地质灾害领域中的潜在价值,包括知识抽取、因果推理与多场景风险研判等方面的前沿探索。
文摘基于重建的工业图像异常检测通常假设模型能很好重建正常区域,而不能很好重建异常区域。但由于深度神经网络存在过度泛化问题,使得异常区域也能被较好重建,导致异常区域漏检。为解决上述问题,提出一种基于多记忆增强模块及图像轮廓重建的工业表面异常检测网络(industrial surface anomaly detection based on recon-struction with multiple memory enhancement modules and image edge,MMAERec)。具体来说,在带有跳跃连接的U-Net类型去噪自编码器上引入多记忆增强模块和图像轮廓提取模块。多记忆增强模块得到的记忆特征有利于很好地重建正常区域;而提取到的图像轮廓特征则有利于很好重建图像轮廓。将这两种不同特征的融合经注意力机制处理并用于重建能很好地提高重建图像质量。所提方法可以强制网络学习正常的低频和高频信息,防止模型直接复制异常区域,有效缓解过度泛化问题。在MVTec AD和BTAD两个工业数据集上的实验结果也展现了所提方法良好的检测和定位性能。
