检索结果-南通市图书馆

满足内需的循环格局及其优化研究兼析省内循环的形成与省际循环网络

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

西部论坛 2023年第2期33卷 60-78页

作者：李静王蕾安徽大学经济学院安徽合肥230601

利用2007、2012、2015、2017年中国区域间投入产出表,通过国际循环、省际循环、省内循环的分解,刻画为满足国内最终产品需求而在生产环节上形成的省域及产业循环格局:在需求侧,省域和产业的三种循环中均是省内循环占主体地位,并表现出... 详细信息

利用2007、2012、2015、2017年中国区域间投入产出表,通过国际循环、省际循环、省内循环的分解,刻画为满足国内最终产品需求而在生产环节上形成的省域及产业循环格局:在需求侧,省域和产业的三种循环中均是省内循环占主体地位,并表现出利用国内分工(特别是省际分工)替代国际分工的趋势;相对而言,先进省域(东部沿海区域)的生产更多地使用来自国外的增加值,因而更易受到国际供应变化的影响;同时,先进产业(高技术制造业)以及矿产能源领域存在更大的被“卡脖子”和断供的安全隐患。在供给侧,各省域的省内循环占比均较高,形成了由本省需求驱动本地生产资源整合的省内循环模式;政府消费需求驱动省内循环形成的偏向性最高,电热燃水生产供应及建筑业、服务业和农林牧渔业驱动省内循环形成的偏向性较高,而采矿业和制造业驱动省际循环形成的偏向性较高;在省际循环网络中,北京、上海、江苏、浙江、广东、河南、河北和安徽处于核心位置。面对“卡脖子”和断供难题,应通过加强省际循环来积极应对,要加快建设全国统一大市场和更高水平国内大循环。

关键词：循环格局省内循环省际循环国际循环循环网络新发展格局投入产出模型

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

基于多特征注意力循环网络的显著性检测

计算机辅助设计与图形学学报 2020年第12期32卷 1926-1937页

作者：卢珊妹郭强王任张彩明山东财经大学计算机科学与技术学院济南250014 山东省数字媒体技术重点实验室济南250014 山东大学软件学院济南250010

特征表达是图像显著性检测的关键,现有方法所提取的特征缺乏一定的可辨识性.为此,提出多尺度上下文特征提取机制和注意力循环机制来解决这一问题.多尺度上下文特征提取机制通过空洞卷积增大高层特征的感受野来获取丰富的上下文语义特征... 详细信息

特征表达是图像显著性检测的关键,现有方法所提取的特征缺乏一定的可辨识性.为此,提出多尺度上下文特征提取机制和注意力循环机制来解决这一问题.多尺度上下文特征提取机制通过空洞卷积增大高层特征的感受野来获取丰富的上下文语义特征,并采用向量聚合策略对特征进行融合.为增强融合特征的可辨识性,利用注意力机制自适应地对卷积特征增加权重以区分每个像素的重要性,使注意力集中于显著性区域,并抑制背景中的干扰信息.在此基础上,采用循环网络能够有效地在空间位置上对卷积特征进行逐步细化,进一步调整了显著性区域及其边缘,从而生成精确的显著图.该方法在5个常用的数据集上与8种相关方法进行了比较.实验结果表明,该方法不仅能够生成更加准确与完整的显著图,而且其MAE和最大F-measure量化性能也有所提升.

关键词：空洞卷积多尺度特征注意力机制循环网络显著性检测

基于时空网络的变电站巡检机器人视觉导航避障研究

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

广东电力 2024年第5期37卷 23-31页

作者：薛建立周婷张丽高嘉一吴凯国网山西省电力公司山西太原030000 新能源电力系统国家重点实验室北京102206

为提升变电站巡检机器人视觉导航避障效果,将卷积神经网络与循环神经网络相结合,提出一种轻量级时空网络结构。网络以机器人道路场景视频帧为输入,分别从空间域和时域2个维度对可行道路区域特征进行分析挖掘。针对空间域特征,网络先采... 详细信息

为提升变电站巡检机器人视觉导航避障效果,将卷积神经网络与循环神经网络相结合,提出一种轻量级时空网络结构。网络以机器人道路场景视频帧为输入,分别从空间域和时域2个维度对可行道路区域特征进行分析挖掘。针对空间域特征,网络先采用多种图像增强技术来丰富道路特征信息,再利用高效率卷积单元、残差连接以及注意力机制等模块构建卷积网络结构,由浅到深提取可行道路空间位置特征。对于时域特征,网络在空间特征基础上引入基于卷积计算的长短期记忆循环网络,保障时序特征提取的同时避免空间特征被破坏,并结合自注意力结构提升网络对关键信息的聚焦度,降低噪声数据干扰。根据所提时空域特征,设计分类回归预测结构,分别对机器人行驶方向及对应偏转角度进行预测,提升机器人导航避障效果。最后,考虑到实际变电站机器人巡检场景的高度相似性,设计特征差分模块来减少对冗余特征重复计算,保障实际应用效率。多个数据集上的实验结果表明:所提方法可以有效提取道路场景信息的时空特征并准确预测机器人下一步动作;与同类型方法相比,该方法具有更高的鲁棒性,可以更高效智能地实现导航避障。

关键词：变电站机器人视觉避障卷积网络循环网络时空特征特征过滤

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的单幅图像去雨方法研究

基于深度学习的单幅图像去雨方法研究

作者：李猷兴桂林电子科技大学

学位级别：硕士

户外成像设备在雨天拍摄图像时经常受到雨纹的干扰。这些雨纹不仅会模糊背景信息,而且与画面中一些目标具有相似的形状和颜色,进而影响到后期目标识别和检测等任务的执行效率。因此,在许多视觉任务的数据预处理过程中,图像去雨是一个极... 详细信息

户外成像设备在雨天拍摄图像时经常受到雨纹的干扰。这些雨纹不仅会模糊背景信息,而且与画面中一些目标具有相似的形状和颜色,进而影响到后期目标识别和检测等任务的执行效率。因此,在许多视觉任务的数据预处理过程中,图像去雨是一个极其重要的环节,研究图像去雨算法势在必行。近年来,深度学习在各种图像复原任务上已经取得了重大的突破。然而,现有的去雨方法依然存在两点不足,一是在极端的合成雨图上容易过度模糊背景,二是在真实雨图上泛化能力有限。为了缓解这些不足,本文结合深度学习技术,对图像去雨进行了深入的研究,主要内容及贡献如下:第一,为了去除图像上的雨纹同时保留经可能完整的背景细节,本文提出了一种基于多尺度结构的循环去雨方法。首先设计了一种级联双分支的多尺度循环网络,其中第一个分支用于循环去雨,第二个分支用于恢复损失的背景信息。通过对两个分支进行联合训练,以平衡网络整体的去雨和背景复原能力。然后设计了一种多尺度残差压缩-激励模块,并用在网络的逐分支内,以针对性地提取所需的多尺度信息。对比实验和消融实验的结果证明了所提出的方法在去雨任务上的有效性。第二,为了提高去雨网络在真实场景下的适用性同时维持其在物理学层面的可解释性,本文提出了一种基于物理相似性-差异性指导的去雨方法。首先探索了不同物理成像模型（雨图和雾图）之间的潜在关系,并发现了它们之间的相似性和差异性。据此提出了一种物理相似性-差异性的分段模型来统一观察到的现象。随后根据分段模型设计出一种深度相似性-差异性网络去恢复无雨背景。大量的实验证明了所提出的方法在合成雨图上的去雨性能及在真实雨雾图上的泛化效果。此外,本文还利用谷歌视觉API对去雨前后的交通图像进行目标识别,并发现所提出的方法能有效地提高API对雨天车辆和行人的识别效果。第三,构建大范围依赖关系在去雨任务中至关重要。为此,本文提出了一种基于卷积块增强的注意力去雨网络。首先设计了一种卷积块增强的十字交叉自注意组件,结合卷积操作高效地收集每个像素周围的邻域信息,并用于协助后续注意力图的计算,从而提高建模大范围依赖关系的稳定性和准确性。然后设计了一种双注意增强的U形模块作为注意力网络的基本单元,嵌入了两种互补的注意力组件,以校准特征进行聚合时的响应强度。最后,通过密集连接将多个增强的U形模块相结合,以提高对不同层次间特征的利用效率。实验结果证明了所提出的方法在去雨任务上的有效性。此外,本文还将提出的方法应用于单幅图像去雾任务上,依然取得了满意的去雾效果。

关键词：单幅图像去雨深度学习多尺度结构循环网络物理成像模型注意力网络

融合深度学习模型与注意力机制的图像去雨研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合深度学习模型与注意力机制的图像去雨研究

作者：刘玥彤山东财经大学

学位级别：硕士

图像去雨任务旨在从户外捕获的有雨图像中去除所有雨水,以获得清晰的无雨图像,该任务对于在雨环境下提升视频监控的质量,提高物体检测和语义分割的精度等方面发挥着极其重要的作用。然而,在不同的雨条件下获取到的雨图像数据中往往包含... 详细信息

图像去雨任务旨在从户外捕获的有雨图像中去除所有雨水,以获得清晰的无雨图像,该任务对于在雨环境下提升视频监控的质量,提高物体检测和语义分割的精度等方面发挥着极其重要的作用。然而,在不同的雨条件下获取到的雨图像数据中往往包含各种方向和大小的雨纹,这些雨纹的存在会严重退化图像,遮挡背景场景中关键的物体结构和细节信息,影响后续计算机视觉任务的执行。图像去雨方法可以去除图像数据中的雨纹,并恢复被雨纹遮挡的场景内容,提高雨天捕获图像的视觉质量。但由于真实世界中的雨纹复杂多变,即使是少量的雨纹也难以彻底去除。现有的图像去雨算法可以在一定程度上改善有雨图像的退化,但仅仅使用手工假设的模型驱动方法只能去除图像中少量的雨,而大部分数据驱动的去雨方法对特征的提取和利用不够充分,这些方法的去雨结果仍然有很大的提升空间。如何获得清晰的去雨结果,提高图像质量,成为计算机视觉领域基础性的难点问题。考虑到图像去雨任务目前存在的几个重要问题,本文有针对性地提出了三个工作来解决面临的障碍,并获得令人满意的去雨结果。首先,第一个工作提出了基于循环上下文感知多阶段网络的图像去雨方法,以应对暴雨场景下复杂的雨纹,实现不同场景的彻底去雨。然后,为了解决去雨结果细节严重丢失的问题,第二个工作提出了基于多尺度增强和聚合编解码网络的图像去雨方法。最后,第三个工作提出一种基于残差网络的半监督去雨方法,以提高网络在真实世界雨图像上的泛化能力。本文的主要创新如下:第一,考虑到暴雨场景中的雨纹往往复杂多变且相互重叠,有限的网络感受野导致图像数据中的雨纹难以彻底去除。为了彻底去除遮挡场景信息的雨纹,提出了基于循环上下文感知多阶段网络的图像去雨方法,以有效利用上下文信息并扩大感受野来逐阶段获得干净图像。第二,针对雨纹去除后,去雨结果很难避免的细节丢失问题,提出了基于多尺度增强和聚合编解码网络的图像去雨方法,以抓取多尺度特征,并合理优化编解码网络结构来将编码阶段的信息特征有效传递到解码阶段,最终准确预测雨纹后被遮挡的背景内容。第三,利用残差网络获取有效特征,借助半监督去雨方法的优势来获取高质量的清晰图像。提出基于残差网络的半监督去雨方法,该方法可以更好地融合有监督学习部分和无监督学习部分,利用SSIM(Structural Similarity,结构相似性)损失约束有监督学习部分,利用总变分正则化和高斯似然项函数来约束无监督部分,并使用K-L正则化来约束整个网络,以提高网络的泛化能力,更好的处理真实世界的雨图像。

关键词：图像去雨循环网络编解码网络半监督方法上下文感知多尺度增强和聚合

基于1D激光位移传感器的钢轨不平顺检测方法研究

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1D激光位移传感器的钢轨不平顺检测方法研究

作者：袁琪湖南大学

学位级别：硕士

近年来,我国铁路运输快速发展,轨道保养需求日益增多,铁路维修市场进入增长爆发期。钢轨不平顺问题已经成为钢轨损伤的主要表现形式之一,目前弦测法是国内外钢轨不平顺检测的重要方法。然而在实际检测过程中,对于弦测点异常情况的处理... 详细信息

近年来,我国铁路运输快速发展,轨道保养需求日益增多,铁路维修市场进入增长爆发期。钢轨不平顺问题已经成为钢轨损伤的主要表现形式之一,目前弦测法是国内外钢轨不平顺检测的重要方法。然而在实际检测过程中,对于弦测点异常情况的处理方法亟待完善。一方面由于实际检测环境复杂多变,钢轨表面的镜面反射以及轨缝间隙等情况导致了采集过程中数据缺失;另一方面轨缝的存在导致弦测点出现台阶形变换,这种形变会导致钢轨不平顺测量结果不精确。针对上述钢轨不平顺检测过程中出现的异常情况,本文展开了相关研究。本文首先介绍了钢轨不平顺动态检测方法的基本流程,根据设计要求给出了钢轨不平顺检测系统的总体框架,对于硬件系统和软件系统进行了详细地讲解。其中硬件主要介绍了1D激光位移传感器的检测原理及本系统所用到的传感器的选型理由,同时详细介绍了相关电路元件的具体参数及功能,软件部分则给出了钢轨不平顺算法的设计流程及具体实现方法。针对数据采集过程中出现的弦测点缺失问题,本文给出了一种基于自适应Bi-LSTM的弦测点重构方法。该模型对于弦测点的前后信息进行有效的提取,利用训练好的模型对弦测点进行重构,模型采用了自适应输出模块,解决了目前单步或多步Bi-LSTM预测模型只能进行固定步长输出的问题。利用50m的弦测点数据,随机选取1%-15%一共15种不同缺失程度的数据进行去除组成实验数据。实验结果表明,该方法数据重构的效果优于传统的均值填补及其他网络,这为钢轨表面弦测点异常缺失情况的处理提供了新思路。针对复杂钢轨线路中轨缝处数据的形变问题,本文给出了一种基于斜率分段的轨缝异常数据校正方法。在现有三点弦测法的基础上,本文对钢轨轨缝处的数据采集过程进行了建模仿真,指出用于正常轨道的测量方法不能被机械地照用。该方法根据轨缝处特征点的变化对异常数据进行了分段校正及重构,与普通弦测法相比,校正后的测量值与基准值的平均绝对误差、均方根误差以及均方误差三个评价指标的平均相对误差分别下降了72.54%、82.21%以及96.84%,这为激光位移技术在轨缝处不平顺度的检测提供技术参考。

关键词：钢轨不平顺弦测法循环网络弦测点重构钢轨轨缝

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向真实场景的图像超分辨率算法研究

面向真实场景的图像超分辨率算法研究

作者：纵子尧北方工业大学

学位级别：硕士

由于硬件的限制,人们的手机和电脑中累计了大量低分辨率的图像,为了获取高清晰度的视觉体验,以软件方法提升图像尺寸的超分辨率算法就显得尤为重要。近年来,随着深度学习理论的发展,涌现了大量优秀的超分辨率算法。但真实场景下的低分... 详细信息

由于硬件的限制,人们的手机和电脑中累计了大量低分辨率的图像,为了获取高清晰度的视觉体验,以软件方法提升图像尺寸的超分辨率算法就显得尤为重要。近年来,随着深度学习理论的发展,涌现了大量优秀的超分辨率算法。但真实场景下的低分辨率图像与人工生成的降采样低分辨率图像相比,会受到噪声、伪影、下采样核未知等诸多因素的影响,现有的超分辨率算法提升效果不够理想。本文针对以上问题进行深入的研究,主要内容和成果包括:(1)构建了一种基于图像频率分离的低分辨率图像生成算法。使用生成对抗网络学习低分辨率图片的数据分布,用生成器模拟下采样核的输出作为新数据集的负样本部分。滤波器把图像分为高频和低频两部分,简化了鉴别器的训练难度,加入了数据增强处理。实验结果证明,在鉴别器的纠正下,生成网络可以学习到真实场景图片的数据分布,在重新制作的数据集上进行训练,超分辨率模型对真实场景图片的处理能力有了提高。(2)提出一种基于循环网络的超分辨率算法。通过保存残差块提取的密集特征,保留了每一次迭代后融合残差模块的输出,使模型具有类似循环网络的记忆性。模型中使用了大量的融合操作,伴随局部特征矩阵与全局特征矩阵的融合,提升了模型的感受野,降低了模型的复杂度。改进了超分辨率算法中常用的L1损失函数,在生成图像与真实图像的差值小于预设的常数θ时,把这一部分从损失函数的计算中舍去,为网络的生成能力放松了约束。实验结果表明,和常用的超分辨率算法相比较,本文提出的超分辨率算法对于真实场景低分辨率图像的恢复具有明显的优势。

关键词：超分辨率下采样核循环网络非线性损失函数

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的轮对激光光条图像修复研究

基于深度学习的轮对激光光条图像修复研究

作者：宋晓军北京交通大学

学位级别：硕士

铁路是我国重要的交通设施,是我国经济发展的大动脉。轮对作为机车关键走行部件,其故障严重威胁着铁路和城市轨道交通的运行安全,因此,研发实时、高精度、适应性强的轮对智能监测设备是非常重要的。由于轮对光条图像的采集是在室外动态... 详细信息

铁路是我国重要的交通设施,是我国经济发展的大动脉。轮对作为机车关键走行部件,其故障严重威胁着铁路和城市轨道交通的运行安全,因此,研发实时、高精度、适应性强的轮对智能监测设备是非常重要的。由于轮对光条图像的采集是在室外动态进行,受到环境干扰等影响,图像中会出现光斑和局部断裂,因此,需要构建图像修复模型去除光斑修复断裂,还原图像中的光条纹理。目前,深度学习在如人脸、室外场景等RGB开放数据集上的图像修复效果显著,然而对于轮对激光光条图像(灰度图像)修复效果不理想,尤其是大光斑区域和局部断裂区域。此外,由于修复模型需要运行在嵌入式监测设备上,模型需要满足修复精度要求的同时达到轻量化。本文主要研究工作如下:(1)提出循环网络为主体的图像修复模型RSM-Net(Recurrent Similarity Mapping Network)修复轮对图像。该模型引入软编码Pconv层替换部分原始的Pconv层,强化特征学习能力,有效提升精度;设计非对称相似度模块,同时兼顾特征向量的角度差异和源特征向量响应值,更有效地将光条特征信息应用于未知区域的修复优化;设计含有多尺度结构相似性(MS-SSIM,Multi-Scale Structural Similarity)损失项的混合损失函数(绝对差异项、感知损失项、风格损失项、全变分损失项),精确地引导轮对光条的结构信息还原,实现高精度的光条图像修复。(2)对RSM-Net和其他主流的图像修复模型(Pconv-Net,LBAM,RFR-Net等)进行了对比实验,实验证明本文提出的RSM-Net在轮对激光光条图像的小光斑区域、大光斑区域和断裂区域都能达到当前领先的精度水准。(3)优化RSM-Net,提出轻量化图像修复模型LRSM-Net(Lightweight Recurrent Similarity Mapping Network)。LRSM-Net采用线性映射卷积的轻量化方案,该方案能够尽可能地保留轮对图像核心特征并去除冗余特征,通过核心特征的线性转换扩充其他通道的特征,从而实现模型轻量化。(4)对RSM-Net模型、LRSM-Net模型、结合深度可分离卷积的轻量化模型进行对比实验,实验证明深度可分离卷积的轻量化模型与RSM-Net相比可减参80%左右,但修复精度损失严重;LRSM-Net与RSM-Net相比可减参50%,但修复精度损失很小。综合轻量化和精度,所提出的LRSM-Net最优。因此,本文提出的RSM-Net模型在轮对激光光条图像修复的任务上优于当前主流的其他模型;此外,所提出的LRSM-Net能够实现轻量化和精度综合最优,满足轮对监测设备的需求。

关键词：深度学习图像修复循环网络相似度映射轻量化

基于神经网络和注意力机制的变压器状态预测和故障诊断研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于神经网络和注意力机制的变压器状态预测和故障诊断研究

作者：苏小盟山东大学

学位级别：硕士

实现变压器的状态检测对变压器维护有重要意义,目前现场的变压器因出现异常状态或故障问题而被迫停工进行维修的事故率正不断增高。而随着社会整体用电量的不断增加、变压器投入时间的增加以及大量的智能化设备及传感器的接入,过去基于... 详细信息

实现变压器的状态检测对变压器维护有重要意义,目前现场的变压器因出现异常状态或故障问题而被迫停工进行维修的事故率正不断增高。而随着社会整体用电量的不断增加、变压器投入时间的增加以及大量的智能化设备及传感器的接入,过去基于理论分析等因果关系模型已经较难处理当前多维度的数据信息。随着人工智能的高速发展,通过寻找数据本身的内在规律并利用人工智能算法进行数据发掘的方式,为电力变压器的参数预测以及故障诊断提供了新的解决思路和技术手段。目前基于智能算法的变压器状态预测和故障诊断模型在提高准确率方面已经达到了很好的效果,但是仍存在泛化性能较低,对数据质量要求过高,判断结果无法解释等问题。针对电力变压器的油中溶解气体的模型的气体趋势预测所存在的泛化性差、稳定性不高的问题,提出了一种组合循环神经网络模型。该模型以改进的循环网络结构GRU模型作为基础,改进双循环结构并融入注意力机制。GRU网络本身的门控制结构可以使其在处理长时间序列数据时记住变化趋势,而注意力机制可帮助模型在训练时对数据的变化更加敏感。通过实际案例分析可得,该组合模型的预测准确率高于传统气体预测网络,并且当气体含量突然变化时可以更准确的追踪油色谱变化趋势。为了提高模型在数据及质量不高时的状态分类准确率,本文提出了一种基于卷积神经网络与注意力机制的变压器故障诊断模型,利用卷积核挖掘变压器DGA数据中各个特征气体参量之间的联系,使模型对于变压器不同故障的分类更加清晰,通过池化作用使模型在处理现场数据集时的稳定性和误报率更低,也避免过去数据预处理直接删除缺省数据所带来的潜在安全隐患。通过实例验证表明,与神经网络或多层感知器等传统分类问题模型相比,新的故障诊断模型准确率相对更高,数据集规模变小时的表现也更加稳定。针对神经网络模型本身黑箱问题以及实际现场需要找出变压器故障原因的需求,将注意力机制引入诊断模型中,通过将模型的注意力权重可视化来解释模型做出判断的理由。分析已有的结果表明,用注意力机制的权重来解释模型对于基于油色谱的变压器故障判断中有一定意义。本文的研究内容主要为基于油色谱数据电力变压器的参量预测和状态分类方法,对于模型预测和判断的泛用性和稳定性方面有一定进展。同时对于变压器故障判断的解释以及可视化研究也有一定价值。

关键词：变压器循环网络注意力机制趋势预测故障诊断