检索结果-南通市图书馆

作者：董美霖重庆邮电大学

学位级别：硕士

随着遥感技术的普及,遥感图像在水质监测、军事侦测和灾害预警等领域得到了广泛的应用。由于卫星传感器的技术限制,很难通过单个传感器获取高空间分辨率的多光谱图像。为了缓解这个问题,GeoEye、IKONOS和QuickBird等光学地球观测卫星携... 详细信息

随着遥感技术的普及,遥感图像在水质监测、军事侦测和灾害预警等领域得到了广泛的应用。由于卫星传感器的技术限制,很难通过单个传感器获取高空间分辨率的多光谱图像。为了缓解这个问题,GeoEye、IKONOS和QuickBird等光学地球观测卫星携带了两个不同的光学传感器,以同时捕捉同一地理区域内具有不同但又互补特性的两种类型的图像,即高空间分辨率的全色图像和高光谱分辨率的多光谱图像。然而在实际应用中,常常需要同时用到这两类信息。因此,遥感图像融合技术成为了研究热点。近年来,在遥感图像融合领域,卷积神经网络的应用表现尤为引人注目。不同于传统方法,基于卷积神经网络的方法能够端到端自动学习不同波段的上采样方法,保留更丰富的光谱信息。为了得到高质量的融合图像,本文提出了两种基于多尺度膨胀卷积的遥感图像融合算法,其研究内容如下:1.为了避免浅层网络提取特征的局限性,本文利用深层网络来重建低分辨率的多光谱图像,提高了收敛速度和对细节的恢复能力。在网络中使用多尺度残差混合膨胀卷积模块,在不增加参数数目的情况下,既能扩大感受野,又避免了膨胀卷积带来的网格效应问题。并使用残差学习,有效缓解了深层网络引起的过拟合情况。实验结果证明该网络在主观视觉和客观评价上均优于其他先进的算法。2.直接将多光谱图像上采样到和全色图像相同的大小,没有充分利用两者的特征信息。本文提出了一个双流特征提取的融合网络,分别对多光谱图像和全色图像进行特征提取,通过改变网络结构的方式来缓解这两者之间尺度跨度过大的问题。该网络中使用多尺度密集连接块,减缓在训练过程中梯度消失的问题,有效避免了局部细节信息严重损失的问题。并通过光谱映射在不经过任何处理的情况下将原始光谱信息完全注入融合图像,从而得到更小的训练误差,大幅度降低重构难度。实验结果表明,该网络能在保持光谱信息的同时提高对细节的恢复能力。

关键词：遥感图像融合卷积神经网络多尺度膨胀卷积残差学习

来源：

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

基于Transformer的病理细胞图像识别研究

基于Transformer的病理细胞图像识别研究

引用

作者：马建飞烟台大学

学位级别：硕士

病理图像是高像素、全信息、标准化的图像。临床诊断过程中,很多疾病的最终诊断都是医生通过分析人体组织或细胞的病理图像形态来给出详细的诊断结果,这依赖于医师的经验和专业知识,如果在有限的医疗条件下进行检测,将会影响诊断质量,... 详细信息

病理图像是高像素、全信息、标准化的图像。临床诊断过程中,很多疾病的最终诊断都是医生通过分析人体组织或细胞的病理图像形态来给出详细的诊断结果,这依赖于医师的经验和专业知识,如果在有限的医疗条件下进行检测,将会影响诊断质量,甚至出现错误的诊断决定。近年来大数据与人工智能技术的发展为数字病理图像中的细胞识别研究提供了强大的推动力。这不仅为病理医师的临床诊断与治疗提供支持与参考,使其能够快速、准确地做出非主观判断,同时也能提高病理诊断的准确性与效率。因此,本文提出基于Transformer的病理细胞图像分类与分割算法。以疟疾细胞和受猴痘病毒感染细胞为例,来实现疟疾细胞图像的自动分类和猴痘病毒感染病变区域的自动分割,对疟疾和猴痘的辅助治疗提供更有价值的支持。本文的主要贡献如下:(1)构建了基于改进Swin Transformer的疟疾图像分类模型。首先使用Swin Transformer作为主干网络,发挥其捕捉长特征的优势。其次通过多头混合注意力机制提取疟疾细胞的细节特征。然后使用幻影卷积去除疟疾细胞冗余的组织液特征,进而突出疟疾细胞的关键信息。改进后的模型在与其他分类模型的对比实验中表现优异,与Swin Transformer模型相比,疟疾分类准确率在两类数据集上分别提高了4%和19.6%。(2)构建了基于多尺度膨胀卷积和三重注意力Swin-Unet的猴痘感染区域分割模型。首先使用Swin-Unet作为主干网络,充分发挥其适应性强和参数效率的优势。其次通过多尺度膨胀卷积模块对感染区域不同维度数据进行特征提取并进行级间融合。然后在模型下采样过程中加入三重注意力模块,进而解决猴痘图像不同维度之间相互独立的问题。在对比实验中,相较于FCN、CGNet、U-Net、Trans-Unet、SwinUnet等模型,改进模型的像素准确率最高。改进模型的PA数值为90.6%,m Io U数值为80.4%,Dice数值为88%。此外,本文通过消融实验和特征热力图可视化,进一步强化并验证了多尺度膨胀卷积模块和三重注意力模块性能优异的可解释性。

关键词：数字病理细胞分类与分割 Transformer 多尺度膨胀卷积注意力机制

来源：

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

改进的深度残差收缩网络滚动轴承故障诊断方法

改进的深度残差收缩网络滚动轴承故障诊断方法

引用

第35届中国过程控制会议

作者：徐圆廖恒伟贺彦林朱群雄张洋张明卿北京化工大学信息科学与技术学院智能过程系统工程教育部工程研究中心

针对深度残差收缩网络(deep residual shrinkage network, DRSN)在强噪音环境下精度下降的问题,提出了一种改进的深度残差收缩网络(improved deep residual shrinkage network, IDRSN),并将其应用到轴承故障诊断领域中。首先,引入多尺... 详细信息

针对深度残差收缩网络(deep residual shrinkage network, DRSN)在强噪音环境下精度下降的问题,提出了一种改进的深度残差收缩网络(improved deep residual shrinkage network, IDRSN),并将其应用到轴承故障诊断领域中。首先,引入多尺度膨胀卷积增加模型感受野的同时不增加模型的复杂度,并利用泄露修正线性单元(leaky rectified linear unit,Leaky ReLU)激活函数避免训练过程中一直输出负数导致权重无法更新的情况。其次,在深度残差收缩模块内引入卷积块注意力模块(convolutional block attention module, CBAM),动态地调整不同特征通道和空间的重要性,从而增强特征的表达能力。然后,构建自适应模块对深度残差收缩模块的输出信号进行修正。最后,将改进的DRSN模型应用于强噪音环境下的凯斯西储大学(case western reserve university, CWRU)滚动轴承故障数据集进行故障诊断任务,研究结果表明,改进的深度残差收缩网络故障诊断的准确率和鲁棒性更高。

关键词：深度残差收缩网络多尺度膨胀卷积 CBAM注意力机制自适应模块故障诊断

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于红外温度序列的电路板故障诊断研究

引用

红外与激光工程 2023年第4期52卷 51-62页

作者：郝建新王力中国民航大学工程技术训练中心天津300300 中国民航大学职业技术学院天津300300

电路板红外温度序列包含了丰富的故障类别信息,充分利用其局部与全局特征可以提高电路板故障诊断的准确率。为此,文中提出了一种由特征提取网络(Features Extraction Network,FEN)与关系学习网络(Relationship Learning Network,RLN)并... 详细信息

电路板红外温度序列包含了丰富的故障类别信息,充分利用其局部与全局特征可以提高电路板故障诊断的准确率。为此,文中提出了一种由特征提取网络(Features Extraction Network,FEN)与关系学习网络(Relationship Learning Network,RLN)并行构成的可综合利用温度序列局部特征及特征间关系的电路板故障诊断模型。其中,FEN基于多尺度膨胀卷积(Multi-scale Dilated CNN,MDCNN)残差结构搭建,可在不增加训练参数的前提下构建多层次感受野,学习温度序列不同范围的空间特征;RLN基于嵌入长短期记忆网络的注意力机制(Long Short-Term Memory hybridized with Attention,LSTMwAtt)结构搭建,通过控制温度序列信息传递来学习特征重要性并分配权重,挖掘不同位置特征间的相关性。实验结果显示,所提模型在两个自建电路板温度序列测试数据集上的诊断性能优于同类型的FCN、MFCN、LSTM和LSTM-FCN,故障诊断准确率分别达到91.15%和96.27%,可实现对电路板故障的高准确率诊断。

关键词：红外温度序列电路故障诊断多尺度膨胀卷积长短期记忆网络注意力机制

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度卷积神经网络的遥感图像场景分类研究

基于深度卷积神经网络的遥感图像场景分类研究

引用

作者：余甜微陕西科技大学

学位级别：硕士

随着遥感卫星、成像传感器和无人机技术的持续进步,遥感图像的数量得到显著扩增,空间分辨率也不断提高。高分遥感图像呈现出更为丰富的纹理、结构特征以及清晰的场景语义信息,因此,快速有效地解译这些图像具有重要的实际意义。场景分类... 详细信息

随着遥感卫星、成像传感器和无人机技术的持续进步,遥感图像的数量得到显著扩增,空间分辨率也不断提高。高分遥感图像呈现出更为丰富的纹理、结构特征以及清晰的场景语义信息,因此,快速有效地解译这些图像具有重要的实际意义。场景分类作为遥感图像解译工作的关键,旨在通过特征提取和标签分配对遥感场景图像自动标记为适当的类别,已广泛应用于地理图像检索、国防安全、交通监管、农作物生长分析和灾害检测等多个领域。传统的遥感图像场景分类方法大多采取人工特征提取技术,即光谱、纹理和结构特征来完成场景语义识别。但这些方法都是专家人员结合预定义算法手工设计的特征描述符,需要依赖专家的工程经验,严重制约了特征的表达能力。近几年来,利用注释数据量的跃增和视觉处理器的巨大优势,在遥感场景图像的分类任务中,深度卷积神经网络取得了出色的效果。与传统方法不同,卷积神经网络通过诸多卷积、池化层交替构成分层特征表示框架,拥有强大的建模能力。因此,本文从深度卷积神经网络入手,针对遥感图像尺度差异大、空间布局复杂且部分场景类别混淆度高的难题,提出多级别跨层双线性融合和可变形注意力协方差网络两种遥感图像场景分类算法。主要研究内容如下:(1)针对遥感场景图像地物信息复杂,模型分类性能弱的问题,设计了一种基于多级别跨层双线性融合的场景分类方法。由于卷积神经网络通常采用单一尺寸的卷积核,捕获到的场景特征信息量不足。为了获取更为丰富的不同尺度下的场景语义信息,设计出多尺度膨胀卷积模块,以经典深度残差网络作为特征提取器,在获取到多层次的深度特征基础上,串行融合由不同扩张率的膨胀卷积提取到的多空间尺度信息,对深度特征进行语义增强。为增强模型的特征提取能力,设计出多级别注意力特征融合模块,利用空间注意力机制滤除低层特征中无用的背景细节,再通过阶段级融合递进的方式实现低层、高层和全局上下文信息互补。最后,提出跨层双线性融合方法对多级别特征执行哈达玛积运算进行分层融合,捕获同一网络不同层级间成对的二阶特征关系,提高融合特征的区分性。(2)针对传统卷积神经网络无法自适应场景目标的几何变化,模型表征能力不足的问题,设计了一种基于可变形注意力协方差网络的场景分类方法。为促进模型对场景目标几何形变的适应性,结合可变形卷积与坐标注意力,对原始三层残差块进行改进,提出了可变形注意力残差块,使网络结合地物形态对采样点达到动态调整的同时,可以捕获到图像上远程空间交互信息及坐标信息。为了进一步提升分类性能,设计了基于均衡重组的协方差矩阵融合方法。首先通过均衡重组方式保证了不同层次特征在融合时的信息平等性,再通过协方差矩阵融合方式充分挖掘到不同层次不同通道维度间信息的相关性,显著加强了场景分类的准确性。(3)为了评估本文所提出的两种场景分类方法的可靠性,分别在常用的21类UCM数据集、AID的30类Google数据集以及大规模PatternNet数据集上设置了一系列实验。在本文的实验中,使用数据扩充生成增强的数据,以训练有效的模型。通过设置不同超参数的对比实验,挑选出使模型取得最优性能的参数。此外,本文对每个模块在该体系结构中的作用进行了详尽的分析,实验结果进一步验证了提出的分类方法的优点。最后,与多种最新的算法在三个数据集上进行准确率对比,最高总体分类准确率分别达到99.32%、96.18%和99.65%,结果表明本文的方法实现了更显著的分类精度。

关键词：场景分类多尺度膨胀卷积特征融合可变形卷积协方差矩阵

来源：

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

基于改进深度残差收缩网络的轴承故障诊断

引用

青岛大学学报（自然科学版） 2022年第2期35卷 38-43,50页

作者：李雪松李劲华吕智涵青岛大学数据科学与软件工程学院青岛266071

为解决噪声背景中轴承故障诊断精度不高的问题,提出了一种新的轴承故障诊断方法。利用连续小波变换将采集到的振动信号转换成小波时频图,采用多尺度膨胀卷积对深度残差收缩网络进行改进,扩大卷积核的感受野,并将交叉熵损失函数改进成加... 详细信息

为解决噪声背景中轴承故障诊断精度不高的问题,提出了一种新的轴承故障诊断方法。利用连续小波变换将采集到的振动信号转换成小波时频图,采用多尺度膨胀卷积对深度残差收缩网络进行改进,扩大卷积核的感受野,并将交叉熵损失函数改进成加权交叉熵损失函数。实验结果表明,与其他深度学习算法相比,本算法故障诊断的准确率较高。

关键词：轴承故障诊断深度残差收缩网络小波时频图多尺度膨胀卷积

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于集成迁移学习的铝型材瑕疵识别研究

引用

西安文理学院学报（自然科学版） 2023年第2期26卷 74-78页

作者：黄清兰游贵荣福建商学院信息技术中心福州350012 福建商学院大数据商务智能福建省高校工程研究中心福州350012

基于CNN的迁移模型用于铝型材表面瑕疵分类识别研究中,未考虑所提取的瑕疵特征图中冗余信息对分类性能的影响.针对该问题,提出了一种基于集成迁移学习的铝型材瑕疵分类方法,首先基于CNN的传统迁移模型自动获取铝型材瑕疵特征,再利用多... 详细信息

基于CNN的迁移模型用于铝型材表面瑕疵分类识别研究中,未考虑所提取的瑕疵特征图中冗余信息对分类性能的影响.针对该问题,提出了一种基于集成迁移学习的铝型材瑕疵分类方法,首先基于CNN的传统迁移模型自动获取铝型材瑕疵特征,再利用多尺度膨胀卷积对所提取的铝型材瑕疵特征进行稀疏采样,获取多组差异化的瑕疵特征,通过训练生成一组具有差异化的CNN分类器,并将其集成.实验结果证明,该方法相对于传统基于CNN的迁移模型,在铝型材瑕疵分类上,具有更高的分类准确率,性能更优.

关键词：铝型材瑕疵识别多尺度膨胀卷积卷积神经网络迁移学习集成学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：