检索结果-南通市图书馆

铝锂合金疲劳性能及预测研究——基于试验和“浅层”+“深度”混合神经网络方法

在线全文

学校读者我要写书评

暂无评论

机械工程学报 2024年第16期60卷 190-199页

作者：赵德望姜超赵延广杨文平樊俊铃安徽理工大学机电工程学院淮南232000 大连理工大学工程力学系大连116024 哈尔滨工程大学航天与建筑工程学院哈尔滨150001 中国飞机强度研究所强度与结构完整性全国重点实验室西安710065

铝锂合金以其优异的力学性能在航空航天领域有着愈发重要的应用,是目前发展最为迅速的轻量化材料之一。疲劳与断裂是引起航空航天结构件失效的主要原因之一,且疲劳破坏具有很强的不确定性和突发性,因此针对铝锂合金疲劳性能评估及预测... 详细信息

铝锂合金以其优异的力学性能在航空航天领域有着愈发重要的应用,是目前发展最为迅速的轻量化材料之一。疲劳与断裂是引起航空航天结构件失效的主要原因之一,且疲劳破坏具有很强的不确定性和突发性,因此针对铝锂合金疲劳性能评估及预测成为研究热点。开展考虑取样方向、缺口等因素的2A97铝锂合金疲劳试验,获得8组完整S-N曲线,分析相关因素对铝锂合金疲劳性能的影响;提出一种基于浅层网络+深度学习的混合神经网络模型,首先利用浅层算法对低周疲劳试验数据进行训练,实现了数据衍生,进而通过深度学习精准预测出不同工况下的铝锂合金疲劳极限。该方法为快速精确评估材料疲劳性能研究提供新的解决思路。

关键词：铝锂合金疲劳性能浅层网络深度学习

在线全文

学校读者我要写书评

暂无评论

浅层模糊K均值图像分类网络

计算机科学与探索 2015年第8期9卷 1018-1024页

作者：焦志成李洁王颖高新波西安电子科技大学电子工程学院西安710071

由于图像数据的冗余性较高,传统的图像分类方法的分类准确率较低,深度学习方法较传统方法提高了图像分类的准确率,但其训练较为复杂。提出了一种浅层模糊K均值图像分类网络,其基本思想是利用模糊K均值聚类求出的聚类中心构造图像特征向... 详细信息

由于图像数据的冗余性较高,传统的图像分类方法的分类准确率较低,深度学习方法较传统方法提高了图像分类的准确率,但其训练较为复杂。提出了一种浅层模糊K均值图像分类网络,其基本思想是利用模糊K均值聚类求出的聚类中心构造图像特征向量,再利用特征向量训练浅层网络分类器,最后利用训练好的分类器完成图像分类。通过与传统方法的对比,验证了该方法能够较好地完成图像分类任务,并对实验结果进行了分析,为以后的工作奠定了基础。

关键词：图像分类深度学习 K均值聚类浅层网络

在线全文

学校读者我要写书评

暂无评论

面向边缘计算应用的宽度孪生网络

自动化学报 2020年第10期46卷 2060-2071页

作者：李逸楷张通陈俊龙华南理工大学计算机科学与工程学院广州510006 琶洲实验室广州510355

边缘计算是将计算、存储、通信等任务分配到网络边缘的计算模式.它强调在用户终端附近执行数据处理过程,以达到降低延迟,减少能耗,保护用户隐私等目的.然而网络边缘的计算、存储、能源资源有限,这给边缘计算应用的推广带来了新的挑战.... 详细信息

边缘计算是将计算、存储、通信等任务分配到网络边缘的计算模式.它强调在用户终端附近执行数据处理过程,以达到降低延迟,减少能耗,保护用户隐私等目的.然而网络边缘的计算、存储、能源资源有限,这给边缘计算应用的推广带来了新的挑战.随着边缘智能的兴起,人们更希望将边缘计算应用与人工智能技术结合起来,为我们的生活带来更多的便利.许多人工智能方法,如传统的深度学习方法,需要消耗大量的计算、存储资源,并且伴随着巨大的时间开销.这不利于强调低延迟的边缘计算应用的推广.为了解决这个问题,我们提出将宽度学习系统(Broad learning system,BLS)等浅层网络方法应用到边缘计算应用领域,并且设计了一种宽度孪生网络算法.我们将宽度学习系统与孪生网络结合起来用于解决分类问题.实验结果表明我们的方法能够在取得与传统深度学习方法相似精度的情况下降低时间和资源开销,从而更好地提高边缘计算应用的性能.

关键词：宽度学习系统边缘计算孪生网络浅层网络边缘智能

基于生成对抗网络的图像超分辨率重建算法研究

在线全文

学校读者我要写书评

暂无评论

基于生成对抗网络的图像超分辨率重建算法研究

作者：李灿新疆大学

学位级别：硕士

如今,图像与人们的生活息息相关。图像已经成为人们记录信息的主要工具之一。高质量的图像能够记载丰富的信息,而图像的分辨率则直接影响图像的质量,高分辨率的图像能够方便人们更加精准地记录和提取信息。如何让成像设备获得高分辨率... 详细信息

如今,图像与人们的生活息息相关。图像已经成为人们记录信息的主要工具之一。高质量的图像能够记载丰富的信息,而图像的分辨率则直接影响图像的质量,高分辨率的图像能够方便人们更加精准地记录和提取信息。如何让成像设备获得高分辨率的图片,是当今面临的一大挑战,需要硬件和软件的共同协作才能达到最好的效果,超分辨率重建就是通过软件的方式来提高图像的分辨率。在深度学习极速发展的今天,基于深度学习的图像超分辨率重建也在迅速发展与演变。图像超分辨率重建指通过算法从低分辨率图像中生成高分辨率图像,并尽可能地恢复出清晰的纹理和细节。深度学习方法也广泛应用于图像超分辨率重建中,在重建效果上取得显著成效,但是在真实图像与重建图像之间仍然存在很大差异。一些减少图像失真的算法使得重建图像过于平滑,缺少高频细节,不符合人的视觉感知。因此一些致力于提高图像感知的算法被提出,这些算法能够恢复出纹理更加清晰的图像。基于生成对抗网络的算法能够显著提高重建图像的感知质量,ESRGAN就是以提高图像感知质量为目的的算法,但是这类算法重建图像质量较低,存在大量噪声伪影,与原始图像并不相符,本文针对这类问题在ESRGAN的基础上提出改进:首先,为了充分利用原始低分辨率图片,不仅要缩小重建图像和真实图像之间的深层特征的差距,还要缩小图像之间浅层特征的差距,对此本文提出在生成器和判决器中分别加入浅层生成器和浅层判决器,以得到更接近原始真实图像的图片。其次,考虑到特征图之间的相关性,本文同时在生成器和判决器上引入二阶通道注意力机制和空间注意力机制,使得网络关注特征图中信息汇集的地方,提高网络的表达能力和判决能力,从而更加精准地约束生成器生成的图片。另外,本文在用于计算感知损失的特征提取层中引入协方差标准化,使得感知损失能够从高阶的统计特征层面提高重建图片的感知质量。最后,本文提高了图像的视觉感知的同时,兼顾了图像的质量,使得生成重建图像更加符合人的视觉感知。本文提出的算法与当前普遍的提高图像感知的算法进行比较时,重建图像在感知质量与图像失真上都具有一定的优势,表明本文所提出算法的有效性。

关键词：图像超分辨率重建生成对抗网络注意力机制浅层网络二阶感知损失

结合金字塔Transformer与浅层CNN的变电站图像篡改检测

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

中国图象图形学报 2024年第2期29卷 444-456页

作者：邢建好田秀霞韩奕上海电力大学计算机科学与技术学院上海201306 上海电力大学电子与信息工程学院上海201306

目的变电站图像拼接篡改是电力系统的一大安全隐患,针对篡改图像背景复杂、篡改内容尺度不一造成的误检漏检问题以及相关研究较少,本文提出一种面向变电站的拼接篡改图像的双通道检测模型。方法两通道均采用深度学习方法自适应提取篡... 详细信息

目的变电站图像拼接篡改是电力系统的一大安全隐患,针对篡改图像背景复杂、篡改内容尺度不一造成的误检漏检问题以及相关研究较少,本文提出一种面向变电站的拼接篡改图像的双通道检测模型。方法两通道均采用深度学习方法自适应提取篡改图像和残差图像的特征,其中篡改图像包含丰富的色彩特征和内容信息,残差图像重点凸显了篡改区域的边缘,有效应对了篡改图像多样性导致的篡改特征提取困难问题;将特征金字塔结构Transformer通道作为网络主分支,通过全局交互机制获取图像全局信息,建立关键点之间的联系,使模型具备良好的泛化性和多尺度特征处理能力;引入浅层卷积神经网络(convolutional neural network, CNN)通道作为辅助分支,着重提取篡改区域的边缘特征,使模型在整体轮廓上更容易定位篡改区域。结果实验在自制变电站拼接篡改数据集(self-made substation splicing tampered dataset, SSSTD)、CASIA(Chinese Academy of Sciences Institute of Automation dataset)和NIST16(National Institute of Standards and Technology 16)上与4种同类型方法进行比较。定量上看,在SSSTD数据集中,本文模型相对性能第2的模型在精确率、召回率、F1和平均精度上分别提高了0.12%、2.17%、1.24%和7.71%;在CASIA和NIST16数据集中,本文模型也取得了最好成绩。定性上看,所提模型减少了误检和漏检,同时定位精度更高。结论本文提出的双通道拼接篡改检测模型结合了Transformer和CNN在图像篡改检测方面的优势,提高了模型的检测精度,适用于复杂变电站场景下的篡改目标检测。

关键词：变电站图像拼接篡改检测 Transformer 卷积神经网络(CNN) 双通道网络特征金字塔结构浅层网络

基于改进特征提取网络和YOLO V2的手势识别

在线全文

学校读者我要写书评

暂无评论

电子世界 2020年第19期 198-200页

作者：冯艳君刘军周台典夏伟翔张艳迪刘中越沈阳理工大学信息科学与工程学院沈阳理工大学自动化与电气工程学院

在使用深度卷积网络提取目标图像特征时,卷积网络深度和宽度决定网络性能,与浅层网络相比,深层网络特征提取效果更佳。但由于网络过深,导致误差梯度在反向传播时不能有效指导前层网络权重的更新方向,导致网络训练时间加长和拟合能力变... 详细信息

在使用深度卷积网络提取目标图像特征时,卷积网络深度和宽度决定网络性能,与浅层网络相比,深层网络特征提取效果更佳。但由于网络过深,导致误差梯度在反向传播时不能有效指导前层网络权重的更新方向,导致网络训练时间加长和拟合能力变弱。将残差网络结构加入到基于YOLO v2的特征提取网络中,并通过手势识别试验数据验证改进特征提取网络的性能。实验结果表明,在原有的特征提取网络加入残差结构能够有效地提高深度卷积网络模型的性能。

关键词：特征提取深度卷积网络手势识别反向传播深层网络图像特征浅层网络网络性能

在线全文

学校读者我要写书评

暂无评论

基于特征脸-灰度变换融合的人脸识别方法

小型微型计算机系统 2019年第2期40卷 420-426页

作者：王忠民王星李刚西安邮电大学计算机学院西安710121 西安邮电大学陕西省网络数据智能处理重点实验室西安710121

为了解决神经网络在人脸识别过程中复杂度高、运算量大、难以向嵌入式设备应用迁移问题,提出一种通过特征脸进行特征消除、通过灰度变换进行特征增强的人脸图像处理方法.该方法对采集的图片进行裁剪、校正处理,通过Dlib模型使人脸关键... 详细信息

为了解决神经网络在人脸识别过程中复杂度高、运算量大、难以向嵌入式设备应用迁移问题,提出一种通过特征脸进行特征消除、通过灰度变换进行特征增强的人脸图像处理方法.该方法对采集的图片进行裁剪、校正处理,通过Dlib模型使人脸关键点处于相同坐标,进而将对正的图像通过特征脸-灰度变化预处理方法获得新的特征表达,将该表达矩阵送入浅层网络测试识别性能并探究特征脸数目对准确率的影响.实验表明,该方法在FERET与ORL数据集的识别准确率均明显提高,并且在浅层网络上依然保持较高的准确率,分别达到95. 1%,96. 14%.

关键词：特征增强特征消除特征脸灰度变换嵌入式设备浅层网络

在线全文

学校读者我要写书评

暂无评论

基于多特征融合的人脸表情识别算法

计算机技术与发展 2022年第10期32卷 151-155,181页

作者：吕鹏单剑锋南京邮电大学电子信息与光学工程、微电子学院江苏南京210023

由于稠密网络(DenseNet)模型具有独特的特征提取和传输方式,使其面对小数据集时在缓解网络过拟合的同时,可以取得不错的分类效果。但是传统的DenseNet模型具有较深的网络结构,可能造成特征冗余和硬件内存的负担。针对该问题,研究了一种... 详细信息

由于稠密网络(DenseNet)模型具有独特的特征提取和传输方式,使其面对小数据集时在缓解网络过拟合的同时,可以取得不错的分类效果。但是传统的DenseNet模型具有较深的网络结构,可能造成特征冗余和硬件内存的负担。针对该问题,研究了一种相对浅层的稠密网络,通过压缩稠密网络的深度并增加每个模块中卷积核的数量来高效提取表情图像的隐性特征。考虑到该稠密网络在提取特征时也舍弃了部分图像信息以及单一特征可能难以表达人脸表情图像的全部信息,利用LDN(Local Directional Number Pattern,LDN)算法提取表情图像的梯度方向纹理信息,与稠密网络提取的隐式特征进行特征融合,共同进入Softmax层进行表情分类。该算法在CK+和Jaffe数据集上进行仿真实验,获得了不错的识别率,在一定程度上证实了算法的有效性。

关键词：人脸表情识别深度学习稠密网络浅层网络特征融合

在线全文

学校读者我要写书评

暂无评论

融合注意力机制的弱监督语义分割自激活方法

电子科技 2024年

作者：周凯于莲芝上海理工大学光电信息与计算机工程学院

弱监督语义分割以类激活图进行训练，但类激活图与真实像素级标签存在较大差距。针对弱监督语义分割类激活图定位信息少、分割结果的轮廓粗糙的问题，文中提出基于注意力机制的弱监督语义分割自激活模型。利用仿射变化引入全监督方法中... 详细信息

弱监督语义分割以类激活图进行训练，但类激活图与真实像素级标签存在较大差距。针对弱监督语义分割类激活图定位信息少、分割结果的轮廓粗糙的问题，文中提出基于注意力机制的弱监督语义分割自激活模型。利用仿射变化引入全监督方法中的隐性约束，提取分类网络浅层信息并融合注意力机制。利用增强后的浅层信息细化类激活图的轮廓，根据生成的类激活图对特征图进行自激活，从而生成最终的类激活图。在PASCAL VOC 2012数据集上进行实验，相较于近期先进模型，类激活图的平均交并比提升了1.7%，最终分割结果的平均交并比提升了2.4%。通过对模型进行消融实验验证了各模块的有效性。

关键词：弱监督方法语义分割类激活图注意力机制卷积神经网络自激活方法仿射变换浅层网络隐性约束