检索结果-南通市图书馆

基于卷积神经网络的管道缺陷漏磁数据识别方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卷积神经网络的管道缺陷漏磁数据识别方法研究

作者：张佳伟沈阳工业大学

学位级别：硕士

长输管道作为石油、化工、热电等工业运输中必不可少的输送工具,对国家的经济和生态环境有着至关重要的影响。因此,对管道进行定期检测和维护是非常必要的。管道漏磁内检测技术作为当下主流管道无损检测方式之一,为石油、天然气等能源... 详细信息

长输管道作为石油、化工、热电等工业运输中必不可少的输送工具,对国家的经济和生态环境有着至关重要的影响。因此,对管道进行定期检测和维护是非常必要的。管道漏磁内检测技术作为当下主流管道无损检测方式之一,为石油、天然气等能源输送提供重要保障。通过管道漏磁内检测器在管道中行进的方式采集漏磁信息,通过分析漏磁信号进而判断管道内缺陷的种类与位置信息。为有效评估缺陷的危害程度,进一步对缺陷的具体大小进行量化识别是当前研究重点。而目前仅通过专业人员,凭借经验人工判读,存在误检、漏检等问题,已不能满足工程需求。深度学习技术在近年迅速发展并在众多领域展现出了惊人的能力,应用在管道磁信号智能化识别缺陷尺寸方面,与传统识别方法相比,具有更出色的表现。本文研究了一种基于多任务学习的卷积神经网络,采用深度学习框架Pytorch实现。该网络模型中包含三个子任务且每个任务都由浅层卷积神经网络构成,分别用于识别缺陷三维尺寸。以管道缺陷处的周向、轴向、径向漏磁数据作为网络模型的输入,训练三个子网络,实现同时对缺陷的长度、宽度、深度的预测。多任务学习网络总损失函数根据训练轮数而变化,任务训练的相对难度也不同,利用同方差不确定性作为基准合理设置损失函数权重,识别结果与不设权重模型进行对比,识别精度明显提升,表明可以有效平衡各个任务的性能。最后设置不同优化算法与学习率实验对比,实现网络超参数的调整优化,进一步提升网络识别精度。通过设置单任务网络与多任务网络的对比实验,经过优化后的多任务网络对15个缺陷样本的缺陷长度识别误差、宽度识别误差、深度识别误差分别在0-10mm、0-20mm、0-6mm之间。比较单任务网络平均误差分别减少了0.7144mm、0.9081mm、0.0358mm。实验表明,以多任务学习方式构建的卷积神经网络在识别精度上具有一定优势。

关键词：管道漏磁内检测多任务网络深度学习缺陷量化识别卷积神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

苹果四臂采摘机器人系统设计与试验

农业工程学报 2023年第13期39卷 25-33页

作者：冯青春赵春江李涛陈立平郭鑫谢丰熊子聪陈凯文刘城严童杰北京市农林科学院智能装备技术研究中心北京100097 国家农业智能装备工程技术研究中心北京100097 农业智能装备技术北京市重点实验室北京100097

针对鲜食苹果智能化高效采收需要,该研究设计了四臂并行采摘的“采-收-运”一体式机器人系统,以代替人工采收作业。以中国矮砧密植高纺锤果树为对象,根据树冠内果实空间分布特征,提出了四臂并行采摘执行部件的作业方式;建立了基于多任... 详细信息

针对鲜食苹果智能化高效采收需要,该研究设计了四臂并行采摘的“采-收-运”一体式机器人系统,以代替人工采收作业。以中国矮砧密植高纺锤果树为对象,根据树冠内果实空间分布特征,提出了四臂并行采摘执行部件的作业方式;建立了基于多任务深度卷积网络的果实可见区域识别模型,实现受遮挡果实离散区域语义分割及其归属关系的端到端判别;在此基础上,根据果实表面局部点云信息对其质心进行空间定位;提出了基于时间最优的四臂协同采摘任务规划方法,以实现机械臂对树冠内不同区域的高效遍历。最后在采摘机器人关键部件集成的基础上,在矮砧密植标准果园进行生产试验。试验结果表明,机器人对树冠内可见果实的识别率为92.94%,被识别果实中定位精度满足机器人采摘操作要求的比例为90.27%;机器人平均采摘效率为7.12 s/果,其中四臂协同采摘效率约为单臂采摘效率的1.96倍;对可见果实采摘成功率为82.00%,对树冠内全部果实的采收率为74.56%,枝叶遮挡干涉是造成采摘失败的主要原因。该研究可为鲜果智能化采摘模式的探索应用提供技术支撑。

关键词：采摘机器人苹果多任务网络多臂协同应用试验

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

联合语义代价体的立体匹配网络改进方法

导航定位学报 2022年第6期10卷 157-164页

作者：何培玉黄劲松武汉大学测绘学院武汉430079

立体匹配是自主移动平台获取周围环境深度信息的主要方式之一。针对在低纹理、前景物体难以与背景区分等场景下,经典立体匹配算法性能下降明显这一问题,围绕将语义信息引入立体匹配网络开展研究,对现有联合语义信息的立体匹配网络进行... 详细信息

立体匹配是自主移动平台获取周围环境深度信息的主要方式之一。针对在低纹理、前景物体难以与背景区分等场景下,经典立体匹配算法性能下降明显这一问题,围绕将语义信息引入立体匹配网络开展研究,对现有联合语义信息的立体匹配网络进行整合抽象,并针对现有方法的缺陷提出了联合语义代价体的立体匹配网络改进方法,结合残差结构设计,更充分地利用语义信息的同时保证了算法的实时性。实验结果表明,联合语义信息对立体匹配网络整体精度有所提升,并对病态区域中的结果有所改善,同时验证了本文方法相较于其他联合语义信息方法的优越性。

关键词：深度学习立体匹配语义信息语义分割多任务网络

基于Transformer的多任务图像拼接篡改检测算法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2023年第1期50卷 114-122页

作者：张婧媛王宏霞何沛松四川大学网络空间安全学院成都610065

现有基于深度学习的图像拼接篡改检测方法大多依赖卷积操作的局部计算过程,感受野有限。此外,现有方法大多仅将篡改区域定位用于指导检测模型训练,难以学习更加丰富的篡改痕迹特征。针对上述局限性,提出了基于Transformer的多任务图像... 详细信息

现有基于深度学习的图像拼接篡改检测方法大多依赖卷积操作的局部计算过程,感受野有限。此外,现有方法大多仅将篡改区域定位用于指导检测模型训练,难以学习更加丰富的篡改痕迹特征。针对上述局限性,提出了基于Transformer的多任务图像拼接篡改检测网络(Multitask Transformer-based Network,MT-Net),利用Transformer中的自注意力机制在特征提取过程获取图像像素之间的相关性,自适应地为各像素提供不同的关注度,提升检测网络对篡改痕迹的表征能力。此外,MT-Net同时考虑多个子任务从局部细化和整体感知两个方面共同引导网络学习,包括篡改区域定位、篡改边缘定位和篡改比例预测,并根据子任务特点设计了对应的损失函数来指导网络进行优化。实验结果表明,相比现有算法,所提算法在CASIA V2.0,Columbia和IDM2020这3个公开数据集上均取得了更好的检测准确性,F1值分别达到了0.808,0.913和0.675。可视化检测结果图表明,所提算法在定位拼接篡改区域时也有较好的表现。

关键词：数字图像取证图像拼接检测 Transformer 自注意力机制多任务网络

基于改进Faster R-CNN的手部位姿估计方法

在线全文

学校读者我要写书评

暂无评论

科学技术与工程 2023年第3期23卷 1160-1167页

作者：郑涵田猛赵延峰王先培武汉大学电子信息学院武汉430072

基于视觉的手部位姿估计技术应用于诸多领域,具备着广泛的国际应用市场前景和巨大发展潜力。然而,手部自身存在检测目标过小、手指高自由度以及手部自遮挡等问题。通过对目前存在的难点分析,将手部位姿估计任务分为手部检测和手部关键... 详细信息

基于视觉的手部位姿估计技术应用于诸多领域,具备着广泛的国际应用市场前景和巨大发展潜力。然而,手部自身存在检测目标过小、手指高自由度以及手部自遮挡等问题。通过对目前存在的难点分析,将手部位姿估计任务分为手部检测和手部关键点检测,提出基于改进的Faster R-CNN的手部位姿估计方法。首先提出基于改进的Faster R-CNN手部检测网络,将传统Faster R-CNN网络中的对ROI(regional of interest)的最大值池化,更改为ROI Align,并增加损失函数用于区分左右手。在此基础上增加了头网络分支用以训练输出MANO(hand model with articulated and non-rigid deformations)手部模型的姿态参数和形状参数,得到手部关键点三维坐标,最终得到手部的三维位姿估计结果。实验表明,手部检测结果中存在的自遮挡和尺度问题得到了解决,并且检测结果的准确性有所提高,本文手部检测算法准确率为85%,比传统Faster R-CNN算法提升13%。手部关键点提取算法在MSRA、ICVL、NYU三个数据集分别取得关键点坐标的均方误差值(key-point mean square error,KMSE)为7.50、6.32、8.50的结果。

关键词：位姿估计 Faster R-CNN 手部检测 MANO模型多任务网络

在线全文

学校读者我要写书评

暂无评论

基于深度学习的目标检测算法研究

基于深度学习的目标检测算法研究

作者：陈新禾安徽工程大学

学位级别：硕士

目标检测是计算机视觉的关键技术之一,它是目标分类任务的延续,是实例分割以及语义分割任务的基础,在人们的日常生活、社会的生产运行以及国防事业中应用广泛。最近,基于注意力机制的Transformer在计算机视觉领域表现出巨大的潜能,然而... 详细信息

目标检测是计算机视觉的关键技术之一,它是目标分类任务的延续,是实例分割以及语义分割任务的基础,在人们的日常生活、社会的生产运行以及国防事业中应用广泛。最近,基于注意力机制的Transformer在计算机视觉领域表现出巨大的潜能,然而其在目标检测任务中的性能还有待提升。对此,论文开展相关研究,提出一种新颖的目标检测算法,在此基础上,进一步提出一种多任务主干网络,同时用于目标检测、实例分割、分类以及语义分割任务。主要工作内容以及创新点如下:(1)论文以YOLOX目标检测算法作为基线,研究Transformer作为其主干进行目标检测的性能。针对Swin Transformer中注意力机制特征提取效果差的问题,论文提出一种基于重要区域的重建可变性自注意力机制,将模型的注意力转移到重要区域,并对该区域分配更多的局部密集注意,实现对其中目标的全局建模,提高远距离的关系建模能力与效率;基于重建可变性自注意力机制构建一种新的主干网络,提高特征提取的能力和速度。针对YOLOX颈部表征多尺度特征效果差的问题,提出基于Bi PAFPN的特征聚合网络,它为输入的多尺度特征设置不同的权重,突出重要特征的贡献。最后,在公开数据集上的实验结果表明论文提出的目标检测算法具有更低的复杂度,在精度、实时性方面均达到先进水平;在实车实验中,论文的模型展现出高精度和更强的泛化能力。(2)论文进一步研究Transformer技术用于多任务领域的表现,提出一种多任务主干网络。多任务包含目标检测、目标分类、实例分割以及语义分割任务。针对分割任务中存在的非边缘干扰信息,论文在重建可变性自注意力机制基础上提出基于关键点的关键点可变性自/交叉注意机制,将注意力转移到重要区域的关键点周围进行全局建模,细化目标边缘,提高分割能力。针对Transformer特征提取效果差的问题,论文提出基于编码-解码形式的特征提取器,并在其中利用关键点可变性自/交叉注意机制,提高特征提取能力。针对多任务网络中多阶段特征丢失以及注意力衰减的问题,论文提出构建密集残差连接结构,让每个阶段都能接收来自之前所有阶段的原始输入,实现特征重复使用并增强网络的注意力。最后,在目标检测、实例分割、目标分类以及语义分割数据集上的实验结果表明,论文提出的多任务主干网络在各种评价指标上均达到先进水平;实车实验结果表明该模型在实际场景达到预期的效果。

关键词：深度学习 Transformer YOLOX 目标检测多任务网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于病理图像分析的甲状腺肿瘤病情预测

基于病理图像分析的甲状腺肿瘤病情预测

作者：张翼北京邮电大学

学位级别：硕士

随着社会不断的发展,人们的生活方式也在发生改变,受到饮食、作息、环境污染等因素的影响,中国甲状腺癌发病的概率在近十年不断提升,是发病率增长最快的实体癌,而且该癌症发生转移的概率较高。甲状腺肿瘤的诊断是通过甲状腺超声图像来... 详细信息

随着社会不断的发展,人们的生活方式也在发生改变,受到饮食、作息、环境污染等因素的影响,中国甲状腺癌发病的概率在近十年不断提升,是发病率增长最快的实体癌,而且该癌症发生转移的概率较高。甲状腺肿瘤的诊断是通过甲状腺超声图像来作为依据,但超声诊断甲状腺肿瘤是否发生淋巴结转移的准确度相对较低。因此本文致力于研究出一个可以对甲状腺病灶分割和淋巴结转移预测的深度学习模型,可以对病人的病情进行评估,为医生的诊断提供一个参考依据,提高医生诊断的准确度。论文的主要成果有:1.数据集构建:本文构建了甲状腺乳头状癌的超声数据集,数据集的标记内容由专业的超声医师进行标注,根据医生的需求对标注工具进行开发,再对医生提供的初始数据进行二次处理,整理成为符合本文的数据集,共整理1980张超声图像。2.设计了一套完整的数据集预处理流程:通过MMDetection检测网络,提取医生标注超声图像中的有效区域,通过填补算法重新生成数据集的标签,对原始数据进行脱敏处理,过滤无用信息,提高数据集的可用性,为本论文图像的分类与分割任务提供良好的数据集条件。3.R-DUNet多任务模型:ResNet作为常用的骨干网络,在特征提取方面有着显著的效果。U-Net可以从小数据集中训练,解决没有大量数据集的问题。本文提出了一种基于多任务学习的图像分割分类算法,以ResNet、U-Net 网络结构的设计思路为基础,构建了 R-DUNet模型。通过实验表明,本文构建的R-DUNet模型能高效的对甲状腺结节分割,并且能高效的对甲状腺乳头状癌是否发淋巴结转移进行预测,可以辅助医生进行临床诊断,为医生在甲状腺肿瘤诊断过程中提供便利。

关键词：甲状腺乳头状癌淋巴结转移多任务网络深度学习图像分类与分割

基于深度学习的自动驾驶视觉感知技术研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的自动驾驶视觉感知技术研究与实现

作者：乔旭黑龙江大学

学位级别：硕士

随着人工智能技术的兴起,自动驾驶系统成为汽车领域新的研究热点之一。在自动驾驶系统中,视觉环境感知技术能够为汽车的控制决策提供精准的定位。视觉感知技术需要实现对车辆目标、交通标志的精准感知,获取准确的坐标信息。同时还需要... 详细信息

随着人工智能技术的兴起,自动驾驶系统成为汽车领域新的研究热点之一。在自动驾驶系统中,视觉环境感知技术能够为汽车的控制决策提供精准的定位。视觉感知技术需要实现对车辆目标、交通标志的精准感知,获取准确的坐标信息。同时还需要实现对车道线与道路环境的像素级视觉感知,划分车道线与可行驶区域。针对上述问题,本文使用深度学习进行了以下几个方面的研究:首先,针对道路交通标志小目标较多的问题,本文对目前现有的目标检测网络进行了研究,采用YOLOv5s作为基准模型进行目标检测网络的搭建。在YOLOv5s的基础上,引入ESE注意力机制简化CSP结构,提出DFM特征融合模块优化PANet进行特征图的融合,采用优化的K-means++进行先验框的重新划分,同时优化损失函数。在TT100K数据集进行改进网络的训练与验证,改进后的算法针对TT100K上45类目标的平均精度m AP-0.5为86.3%。其次,搭建了用于自动驾驶视觉感知辅助系统的多任务网络MTNet,同时实现道路车辆检测、车道线分割与可行驶区域的划分。网络编码器采用改进CSP结构进行搭建,提出了FEM特征增强模块提升车道线检测性能,引入GSConv与深度可分离卷积降低网络计算量。采用多任务损失联合,实现多任务网络端到端的训练。在BDD100K数据集上实验数据表明,MTNet的目标检测m AP-0.5达到77.1%,可行驶区域m Io U为97.8%,车道线检测Io U为27.5%。最后,针对本文提出的两种模型,交通标志小目标检测算法YOLOv5s-dfm在嵌入式设备Jeston Nano与GPU平台进行部署实验,多任务网络MTNet在高性能GPU上进行部署实验,实验结果证明两种算法均能够达到实验目标,针对多种路况的检测效果较好。

关键词：深度学习视觉环境感知交通标志多任务网络 YOLOv5s

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的道路场景视觉感知算法研究

基于深度学习的道路场景视觉感知算法研究

作者：冯爱棋江南大学

学位级别：硕士

道路场景视觉感知是高级驾驶辅助系统的基本任务,充分感知与理解道路场景对车辆的后续决策和轨迹规划至关重要。基本的道路场景视觉感知任务包括交通标志检测、行人检测、车辆检测、车道线检测等。传统的道路场景视觉感知算法在处理复... 详细信息

道路场景视觉感知是高级驾驶辅助系统的基本任务,充分感知与理解道路场景对车辆的后续决策和轨迹规划至关重要。基本的道路场景视觉感知任务包括交通标志检测、行人检测、车辆检测、车道线检测等。传统的道路场景视觉感知算法在处理复杂的道路场景时,往往达不到理想的准确性和实时性要求。而基于深度学习的视觉感知算法通过在大规模数据集上训练,可以有效地提取丰富且具有判别性的语义特征,在准确性和实时性方面都有显著的优势。因此,本文基于深度学习对道路场景视觉感知任务中的交通标志检测、车辆检测和车道线检测任务展开研究。本文的主要研究内容如下:(1)提出了一种融合注意力机制和上下文信息的实时交通标志检测算法。针对现有方法常无法满足检测实时性要求且在检测小尺度交通标志时存在较多漏检情况,该算法通过在主干网络中嵌入空间注意力机制自适应地强化关键位置的特征,同时设计了跨阶段局部窗口Transformer模块用于学习不同位置间信息的关联性,捕获交通标志周围丰富的上下文信息。实验表明,该算法有效地改善了小尺度交通标志的漏检情况,具有较高的准确性和实时性,可以满足实际道路场景的交通标志检测需求。(2)提出了一种联合关键位置和全局关系知识蒸馏的实时交通标志检测算法。为了进一步提高轻量网络的检测精度,通过构建知识蒸馏结构,联合关键位置和全局关系知识蒸馏提高轻量的学生网络的性能。为了缓解前景和背景像素的不平衡性,提出关键位置知识蒸馏,让学生网络聚焦于关键像素。为了补充全局关系知识,设计全局关系知识蒸馏捕获不同像素之间的关联性。在预测端,联合教师网络的预测输出和真实标签共同指导学生网络进行训练。实验表明,该算法在保持轻量化的同时具有较高的准确性和实时性。(3)提出了一种新颖有效的联合车辆和车道线检测的多任务网络。针对现有方法常聚焦于单个视觉感知任务这一问题,设计了一个可以同时完成车辆检测和实例级别的车道线分割的多任务网络。该网络由一个共享的特征提取主干网络和两个用于处理特定任务的检测分支组成。考虑到车辆检测和车道线检测之间的关联性,该网络利用车道线检测分支的语义线索辅助检测车辆。相较于单任务网络,提出的多任务网络有效地节省了内存和计算量,在车辆检测任务和车道线检测任务上都取得了优秀的性能。

关键词：视觉感知注意力机制上下文信息知识蒸馏多任务网络