检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

时序对齐视觉特征映射的音效生成方法

计算机辅助设计与图形学学报 2022年第10期34卷 1506-1514页

作者：谢志峰孙络祎孙郁洲余椿鹏马利庄上海大学影视工程系上海200072 上海大学上海电影特效工程技术研究中心上海200072 上海交通大学计算机科学与工程系上海200240

针对目前视觉引导的音效生成方法存在的保真度低、时序对齐效果差等问题,提出一种基于时序对齐视觉特征映射的音效生成方法.首先,设计基于时序约束的特征聚合窗口,将视频序列滑动整合为视觉特征集合;其次,构建时空匹配的跨模态视音频特... 详细信息

针对目前视觉引导的音效生成方法存在的保真度低、时序对齐效果差等问题,提出一种基于时序对齐视觉特征映射的音效生成方法.首先,设计基于时序约束的特征聚合窗口,将视频序列滑动整合为视觉特征集合;其次,构建时空匹配的跨模态视音频特征映射网络,将视觉特征集合转换为多频段音频特征;最后,采用音频解码器将音频特征解码为梅尔频谱,再使用声码器将其转换为最终波形.在VAS数据集上进行定性与定量实验,实验结果表明,与现有方法相比,文中方法在语音质量感知评估、发声点平均偏移量以及人工评估方面均有显著提升,其中,发声点平均偏移量平均降低至0.2 s.

关键词：音效生成跨模态自编码器时序对齐

面向燃机发电过程的多尺度自监督表征与多速率建模方法

在线全文

学校读者我要写书评

暂无评论

控制工程 2024年

作者：沈晓兵黄路遥滕昊真朱君吴宇伦陈佳威赵春晖浙江大学控制科学与工程学院浙江浙能电力股份有限公司萧山发电厂

针对燃机发电机组运行过程中的关键参数进行估计和预测能够为燃机稳定运行提供重要指导。现有方法忽略了实际时序数据采集中普遍存在多种采样速率问题，并且尚未考虑监督学习下模型训练存在缺少充足样本标签的限制。针对上述问题，提出... 详细信息

针对燃机发电机组运行过程中的关键参数进行估计和预测能够为燃机稳定运行提供重要指导。现有方法忽略了实际时序数据采集中普遍存在多种采样速率问题，并且尚未考虑监督学习下模型训练存在缺少充足样本标签的限制。针对上述问题，提出了一种面向燃机发电过程的多尺度自监督表征与多速率建模方法。首先，提出了基于概率掩码的自监督表征学习方法，其中设计了分段掩码方案和速率感知位置编码方法，从而精细刻画多速率系统的多尺度动态特性。在自监督预训练过程中，编码器网络能够生成多速率数据的丰富表示，从而缓解后续监督微调的标签稀缺问题。此外，设计了一种时间对齐机制，通过特征块划分和块级卷积来细化动态预测建模中的特征表示，可以在保留原始时序信息的前提下综合全局特征。在实际的工业燃气轮机的参数估计案例中，所提方法相较于现有方法拥有更高的预测精度，具有较强的工程实践意义。

关键词：燃气轮机多速率系统自监督学习时序对齐

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于时序数据的工作面设备故障预测研究

工矿自动化 2021年第8期47卷 90-95页

作者：郑磊国能信息技术有限公司北京100011

煤矿工作面设备通常由多个复杂系统模块组成,各模块间具有强耦合性,且设备故障机理复杂,在进行设备故障预测时需对设备的运行状态、环境数据、操作数据等进行实时监测,从而获取电气、机械、热工类多参数时序数据。提出一种基于时序数据... 详细信息

煤矿工作面设备通常由多个复杂系统模块组成,各模块间具有强耦合性,且设备故障机理复杂,在进行设备故障预测时需对设备的运行状态、环境数据、操作数据等进行实时监测,从而获取电气、机械、热工类多参数时序数据。提出一种基于时序数据对工作面设备进行故障预测的方法:首先,采用时序对齐算法将采集的设备监测数据对齐,即对监测数据的时间列重新排序,以时间列为关键值,各监测数据作为标签值填入,空缺值以前值填充;然后,根据故障表征现象和发生机理选取故障相关因素,通过Pearson相关系数分析法计算相关因素间的相关性,由此确定故障预测因素集;最后,采用长短期记忆(LSTM)网络建立工作面设备故障预测模型,以归一化的故障预测因素集作为LSTM预测模型的输入、故障作为输出,将迟滞时间段引入LSTM预测模型,实现了迟滞性故障的超前预测。以采煤机过热跳闸故障为例进行试验,通过分析得出故障预测因素集为{滚筒温度,滚筒电流,滚筒启停,牵引温度,变压器温度,摇臂温度},当LSTM网络细胞层数为10、隐藏细胞数为10、学习率为0.001、迭代次数为1500、1次读取样本个数为120时,采煤机过热跳闸故障的迟滞时间为30 min,采用测试集进行故障预测时可实现超前26 min预测,与迟滞时间相差4 min,表明采用LSTM网络可基于时序数据有效实现工作面设备故障的超前预测。

关键词：工作面设备故障预测迟滞性故障时序数据时序对齐相关系数分析长短期记忆网络

在线全文

学校读者我要写书评

暂无评论

基于飞行时间技术的三维关联成像

光子学报 2022年第5期51卷 300-309页

作者：王惠绩李楠李炫奎周成宋立军(指导) 长春大学理学院长春130022 吉林省量子信息技术工程实验室长春130052 吉林大学通信工程学院长春130025 东北师范大学化学学院长春130024 吉林工业职业技术学院吉林吉林132013

为了提高强度三维关联成像的图像重构质量,将飞行时间技术与差分关联成像重构算法相结合,推导了强度三维关联成像的理论公式,并进行了数值模拟成像。采用532 nm脉冲激光作为光源,搭建了一套赝热光三维关联成像实验系统,实现了实验室环... 详细信息

为了提高强度三维关联成像的图像重构质量,将飞行时间技术与差分关联成像重构算法相结合,推导了强度三维关联成像的理论公式,并进行了数值模拟成像。采用532 nm脉冲激光作为光源,搭建了一套赝热光三维关联成像实验系统,实现了实验室环境下的200 pixel×200 pixel目标物体的三维图像重构。实验结果与数值模拟结果一致,在一定范围内,随着选取阈值参数值的增加,可以减少切片噪声叠加的影响,显著提高三维重构图像质量;适当提高光源激光功率,能够有效改善三维图像的重构质量与纵向距离的测量精度。

关键词：三维关联成像飞行时间差分关联成像算法时序对齐多目标三维物体

基于规模自适应和结构自适应感受野的显著物体检测

在线全文

学校读者我要写书评

暂无评论

基于规模自适应和结构自适应感受野的显著物体检测

作者：严昌飞天津大学

学位级别：硕士

显著性对象检测旨在着重标示图像或视频场景中在语义层面上引人注意或感兴趣的区域或对象。显著性对象检测可以作为预处理步骤,为其他复杂的计算机视觉应用任务提供帮助。当前,它已经被广泛应用于目标跟踪、图像分割、目标检测等任务中... 详细信息

显著性对象检测旨在着重标示图像或视频场景中在语义层面上引人注意或感兴趣的区域或对象。显著性对象检测可以作为预处理步骤,为其他复杂的计算机视觉应用任务提供帮助。当前,它已经被广泛应用于目标跟踪、图像分割、目标检测等任务中。显著性检测目前依旧是具有挑战的计算机视觉任务,因为具有复杂形状和任意大小的显著物体通常难以精确地检测,尤其是在杂乱的背景和复杂的场景中。由于考虑到基于单一层次特征预测显著物体的缺陷,最近的许多方法采用融合了深度神经网络(Deep Neural Network,DNN)的多个层次特征进行物体预测并获得了性能的提升。但是,现有工作通过固定比例和采样位置规则的卷积处理每个语义级别的特征,从而劣化了对具有复杂形状和任意大小的显著对象的预测表现。为了解决这些问题,本文提出了一种新的具有结构自适应和规模自适应感受野的显著物体检测算法。1.对于静态图像的显著物体检测。本文首先引入可变形卷积,通过引入额外的偏移量来变换卷积核的采样位置,从而获得基于物体结构的自适应特征。同时,针对不同语义级别的结构自适应特征,本文设计了新颖的空间上下文感知模块SCAMs(Spatial Context-aware Module),通过设计不同扩张比率和卷积核尺寸的卷积组合捕获多尺度上下文信息,获得规模自适应的特征。为了进一步强调与显著性相关的语义信息,本文还提出了一个关注区域的通道注意模块ROI-CAM(Region Of Interest-Channel Attention Module),该模块将重新给予特征图新的权重。实验结果表明,基于规模和结构自适应感受野能够生成准确的显著图,并且表现优于现有的大量显著性预测模型。2.对于视频显著物体检测算法。本文以上述图像显著物体检测模型为基础,提取单帧图像基于自适应感受野的静态空间特征,通过设计的时序对齐模块TAM(Timing Alignment Module)提炼视频相邻帧之间的时序信息。TAM将相邻帧的特征分布转移至当前帧的特征分布并将两帧特征聚合获得时序融合信息。本文在两个广泛使用的视频显著性数据集上实验,实验结果证了TAM机制的有效性。

关键词：注意力机制显著图预测时序对齐深度神经网络

基于传输的超声造影序列度量学习用于甲状腺结节的识别

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中华生物医学工程杂志 2023年第1期29卷 17-25页

作者：刘春蕊万鹏孔文韬张道强姚静南京大学医学院附属鼓楼医院超声医学科南京210008 南京航空航天大学计算机科学与技术学院南京210016

目的建立甲状腺超声造影血流灌注相似性度量学习方法,对临床常见的甲状腺结节进行分类诊断。方法收集2017年1月至2020年12月南京鼓楼医院145例甲状腺结节超声造影病例,经手术病理明确诊断,包括20例结节性甲状腺肿,33例甲状腺滤泡状腺瘤... 详细信息

目的建立甲状腺超声造影血流灌注相似性度量学习方法,对临床常见的甲状腺结节进行分类诊断。方法收集2017年1月至2020年12月南京鼓楼医院145例甲状腺结节超声造影病例,经手术病理明确诊断,包括20例结节性甲状腺肿,33例甲状腺滤泡状腺瘤,68例甲状腺微小乳头状癌和24例甲状腺乳头状癌。引入时序约束最优传输构建甲状腺超声造影度量学习(TCSML)方法,自动对齐局部造影增强模式并量化为动态血流灌注差异,并与已有的12种度量学习或多视图学习方法比对并辅助甲状腺结节进行分型鉴别。结果在与已有的12种度量学习或多视图学习方法的对比中,该TCSML模型的平均诊断准确度75.14%,灵敏度68.85%,精准度78.85%和F1分数69.79%,高于其他学习方法(均P时序正则系数为0.05,最优特征投影维度为40,最优结构化范数约束为0.004。结论该模型能够有效辅助临床医生初步判断甲状腺分型类别,并提供主要的局部增强模式,为超声医生提供直观地诊断参考。

关键词：甲状腺结节超声心动描记术,多普勒,彩色血管造影术度量学习方法最优传输时序对齐虚拟序列