检索结果-南通市图书馆

基于格拉姆角场与深度卷积生成对抗网络的行星齿轮箱故障诊断

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

噪声与振动控制 2024年第1期44卷 111-118页

作者：古莹奎石昌武陈家芳江西理工大学机电工程学院江西赣州341000

针对行星齿轮箱故障诊断中样本分布不均衡所引起的模型泛化能力差及诊断精度低等问题,采用格拉姆角场图像编码技术和深度卷积生成对抗网络相结合进行数据增强,融合AlexNet卷积神经网络进行故障诊断。将采集到的一维振动信号转化为格拉... 详细信息

针对行星齿轮箱故障诊断中样本分布不均衡所引起的模型泛化能力差及诊断精度低等问题,采用格拉姆角场图像编码技术和深度卷积生成对抗网络相结合进行数据增强,融合AlexNet卷积神经网络进行故障诊断。将采集到的一维振动信号转化为格拉姆角场图,按比例划分训练集与测试集,将训练集样本与随机向量输入到深度卷积生成对抗网络模型中,交替训练生成器与判别器,达到纳什平衡,生成与原始样本类似的生成样本,从而实现故障样本的增广。用原始样本与生成的增广样本训练卷积神经网络分类模型,完成行星齿轮箱的故障识别。实验结果表明,所提方法能够有效提升样本不均衡条件下的行星齿轮箱故障诊断精度,使之达到99.15%,且能使收敛速度更快。

关键词：故障诊断格拉姆角场深度卷积生成对抗网络卷积神经网络行星齿轮箱

基于深度卷积生成对抗网络的多孔材料微结构跨维度重构及传输性能表征

在线全文

学校读者我要写书评

暂无评论

工程力学 2024年

作者：蒋金洋吴浩天王凤娟许文祥河海大学力学与工程科学学院东南大学材料科学与工程学院

本文提出了一种深度学习模型，能够从有限的甚至单一的二维图像中重构多孔材料的三维微结构，避免了传统试验成像方法中图像采样的耗时、耗财、耗力的问题。通过结合深度卷积神经网络和带有梯度惩罚系数的损失函数，构建了用于二维和三... 详细信息

本文提出了一种深度学习模型，能够从有限的甚至单一的二维图像中重构多孔材料的三维微结构，避免了传统试验成像方法中图像采样的耗时、耗财、耗力的问题。通过结合深度卷积神经网络和带有梯度惩罚系数的损失函数，构建了用于二维和三维重构的深度卷积生成对抗网络架构。相较于传统的随机优化方法，该方法在精度和效率上表现出优势。进一步应用三维重构的微结构样本，可靠地预测了多孔材料的渗透率、有效热导率和相对扩散系数。研究结果表明，该深度学习框架能够有效还原目标结构的统计特征和宏观传输性能。

关键词：多孔材料孔隙微结构深度卷积生成对抗网络重构传输性能

基于深度卷积生成对抗网络的苹果叶片病害识别研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于深度卷积生成对抗网络的苹果叶片病害识别研究

作者：朱正明河南农业大学

学位级别：硕士

苹果作为全球消费量巨大的水果之一,其种植过程中面临着诸多病害和害虫的威胁,因此病害管理是苹果种植中至关重要的一环。现代农业技术,包括机器视觉和深度学习技术的应用,正逐渐改善苹果病害的识别和管理。然而,苹果病害图像数据不足... 详细信息

苹果作为全球消费量巨大的水果之一,其种植过程中面临着诸多病害和害虫的威胁,因此病害管理是苹果种植中至关重要的一环。现代农业技术,包括机器视觉和深度学习技术的应用,正逐渐改善苹果病害的识别和管理。然而,苹果病害图像数据不足是一个普遍存在的问题,深度学习模型通常需要大量带标签的数据才能充分发挥其性能。因此,本文以苹果叶片病害图像为研究对象,在数据不足的小样本学习场景下,分别构建了高分辨率的病害图像生成模型,和精准有效的苹果叶片病害识别模型。结合深度学习技术和智能数据增强策略,对苹果病害图像进行识别和分类,不仅能够提高模型的准确率和泛化能力,还能进一步为苹果产业的可持续发展提供有力的技术支持。这种方法的成功实践,将对农业领域的数字化转型产生深远的影响。具体研究内容如下:1.基于改进深度卷积生成对抗网络苹果叶片病害图像数据增强方法的研究。针对苹果病害数据稀缺且难以获取的问题,而传统的深度卷积生成对抗网络(DCGAN)生成图像像素低、质量差和尺寸较小的缺点。本文提出一种新的DCGAN(SWDCGAN+)数据增强方法,通过对原始DCGAN加深网络模型,生成图像尺寸由原始的64×64×3低分辨率像素提高到224×224×3的高分辨率像素。同时分别将Leaky Re LU和Re LU激活函数改进为Ge LU激活函数,实现模型全局损失降低,使学习特征更加稳定。采用带梯度惩罚项的Wasserstein距离替换原始损失函数,以确保模型训练的稳定性。此外,在判别器中引入了谱归一化层,以进一步提高网络结构的稳定性。为了验证所提出改进模型的性能以及评估生成图像的质量和多样性,采用了Gan-train、Gan-test和FID三大评价指标进行评估。实验结果表明,该方法能够有效解决原始网络训练不稳定和生成图像像素低、尺寸较小的问题,同时生成病害图像有助于识别网络快速提取病害特征,加速了网络的收敛速度。2.基于滑动窗口自注意力机制改进的图卷积网络小样本学习分类方法的研究。利用Swin Transformer作为网络特征提取模块,将图像的高维特征提取为图神经网络中的节点特征,在获取全局信息的同时,也能够捕获图像的局部信息。在基于图卷积网络的图像识别中,将病害特征矩阵构建成无向相似性图,并通过图卷积实现了病害图像节点之间的特征传播。在GCN层之后引入图注意力网络,更好地捕捉图数据中节点之间的关联信息。为验证改进模型的有效性,本文提出的模型(STGCN+)在包含8种病害的苹果叶片病害数据集上进行了与Alex Net、Vgg16Net、Google Net和Res Net34的对比实验,以及基于Grad CAM的可视化实验。结果表明,本文提出的STGCN+模型在苹果病害图像识别任务中表现出了97.3%的高准确率,明显领先于其他网络模型。

关键词：苹果叶片病害深度卷积生成对抗网络图卷积网络图像识别

基于改进Fisher准则的深度卷积生成对抗网络算法

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

光学精密工程 2022年第24期30卷 3239-3249页

作者：张浩齐光磊侯小刚郑凯梅北京邮电大学世纪学院计算机科学与技术系北京102101 新疆大学信息科学与工程学院新疆乌鲁木齐830046

针对当训练样本量不足或者迭代次数降低时生成图像质量急剧下降的问题,提出了一种基于改进Fisher准则的深度卷积生成对抗网络算法(FDCGAN,Deep Convolutional Generative Adversarial Network algorithm based on improved Fisher’s criterion)。该方法在判别模型中添加线性层,用来提取类别信息。在反向传播中采用基于Fisher的约束准则,结合标签和类别信息,在权值的迭代调整时既考虑误差的最小化,又同时让样本保持类内距离小、类间距离大,从而使权值能更加快速地逼近最优值。通过与最新不同的6个网络模型进行对比实验,FDCGAN模型在FID指标上均取得了较好的效果。此外,通过将该方法运用到目前先进模型上进行泛化测试,实验结果均取得较理想的效果。

关键词：深度卷积生成对抗网络 Fisher准则反向传播算法 FID评价指标

基于深度卷积生成对抗网络的半生成式视频隐写方案

在线全文

学校读者我要写书评

暂无评论

计算机应用 2023年第1期43卷 169-175页

作者：林洋平刘佳陈培张明书杨晓元武警工程大学密码工程学院西安710086 网络与信息安全武警部队重点实验室(武警工程大学) 西安710086

生成式隐写通过生成足够自然或真实的含密样本来隐藏秘密消息,是信息隐藏方向的研究热点,但目前在视频隐写领域的研究还比较少。结合数字化卡登格的思想,提出一种基于深度卷积生成对抗网络(DCGAN)的半生成式视频隐写方案。该方案中,设... 详细信息

生成式隐写通过生成足够自然或真实的含密样本来隐藏秘密消息,是信息隐藏方向的研究热点,但目前在视频隐写领域的研究还比较少。结合数字化卡登格的思想,提出一种基于深度卷积生成对抗网络(DCGAN)的半生成式视频隐写方案。该方案中,设计了基于DCGAN的双流视频生成网络,用来生成视频的动态前景、静态后景与时空掩模三个部分,并以随机噪声驱动生成不同的视频。方案中的发送方可设定隐写阈值,在掩模中自适应地生成数字化卡登格,并将其作为隐写与提取的密钥;同时以前景作为载体,实现信息的最优嵌入。实验结果表明,该方案生成的含密视频具有良好的视觉质量,Frechet Inception距离(FID)值为90,且嵌入容量优于现有的生成式隐写方案,最高可达0.11 bpp,能够更高效地传输秘密消息。

关键词：视频隐写半生成式深度学习深度卷积生成对抗网络对抗性训练数字化卡登格

基于深度卷积生成对抗网络的葡萄叶片病害识别研究

在线全文

学校读者我要写书评

暂无评论

基于深度卷积生成对抗网络的葡萄叶片病害识别研究

作者：申蜜蜜山东农业大学

学位级别：硕士

葡萄是四大水果之首,因具有软化血管、延缓衰老的功效而深受公众喜爱,但与传统的非洲种植葡萄园国家相比仍存在差距。葡萄极易感染病害且病害症状表现多为相似,而果农缺乏精准的病害识别技术,就会引起农药的不合理使用,造成葡萄品质较差... 详细信息

葡萄是四大水果之首,因具有软化血管、延缓衰老的功效而深受公众喜爱,但与传统的非洲种植葡萄园国家相比仍存在差距。葡萄极易感染病害且病害症状表现多为相似,而果农缺乏精准的病害识别技术,就会引起农药的不合理使用,造成葡萄品质较差,产量下降等问题。因此,本文以葡萄叶片病害图像为研究对象,基于高分辨率生成图像的数据增强技术,构建了精准有效的葡萄叶片病害识别模型,从而在果农的产量提高和土壤的保护方面起到了重要作用。具体研究内容如下:(1)基于深度卷积生成对抗网络的葡萄叶片病害数据增强算法的研究。针对病害数据难采集而原始的深度卷积生成对抗网络(DCGAN)生成病害图像尺寸小、像素低和不易切割的特点。本文提出了一种新的DCGAN(I-DCGAN)数据增强方法,通过对DCGAN进行扩大网络结构分辨率,改进激活函数和优化学习率的方法,实现了模型的快速收敛。为进一步实现葡萄叶片病害特征的深度提取,模型中引入了残差块,并采用FID和Avg-SSIM两大评价指标,验证生成图片的有效性和多样性。实验结果表明,该算法可以解决原始网络分辨率低、图像尺寸小和不易切割问题,同时,生成数据有利于病害特征的快速提取,从而实现网络快速收敛。(2)基于Dense Net121葡萄叶片病害识别算法的研究。针对传统的葡萄叶片病害识别效率低、收敛速度慢和误差大的问题,在I-DCGAN数据增强技术上,本文提出了改进Dense Net121的葡萄病害识别方法。通过在原始Dense Net121模型Dense Block上添加选择性内核神经单元(SK),将SK嵌入到每个稠密块当中,从而实现对输入病害特征区域的深度提取。为进一步优化网络模型的结构和提高模型的准确率,模型又引入了高效通道注意力机制。实验结果表明,改进后的模型在占用存储空间和识别速度方面较原始网络有一定提升且识别准确率在96.53%,高于原始Dense Net121的92.88%。(3)葡萄叶片病害识别系统的研发。本文研发了基于Py Qt5的葡萄叶片病害识别系统,实现了葡萄病害识别系统的可视化、精准化和快速化。该系统界面包括病害信息、模型选择、模型识别、防治建议、病害统计、用户记录和帮助七个界面,该系统方便快捷,易于使用,可有效帮助果农实现葡萄叶片病害的快速识别。

关键词：葡萄叶片病害深度卷积生成对抗网络图像识别学习率

基于深度卷积生成对抗网络的航拍图像去厚云方法

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

兵工学报 2019年第7期40卷 1434-1442页

作者：李从利张思雨韦哲薛松陆军炮兵防空兵学院

针对航空图像中厚云去除的难题,提出一种基于深度卷积生成对抗网络的航拍图像去厚云方法。将图像中被云遮挡的区域看作图像修复问题中的缺失部分,利用卷积神经网络的对抗学习补偿缺失信息。设计了包括生成器-鉴别器的深度卷积生成对抗... 详细信息

针对航空图像中厚云去除的难题,提出一种基于深度卷积生成对抗网络的航拍图像去厚云方法。将图像中被云遮挡的区域看作图像修复问题中的缺失部分,利用卷积神经网络的对抗学习补偿缺失信息。设计了包括生成器-鉴别器的深度卷积生成对抗网络模型。生成器采用编码器-解码器结构,构建了包含重建损失、对抗损失和总变差损失的联合损失函数,不断训练以生成云区的预测图像;鉴别器衡量生成图像的真实性,以对抗损失作为损失函数。通过不断迭代联合优化生成器和鉴别器,以使网络预测性能提高。引入泊松图像编辑平滑边界,以降低颜色差异和边界伪迹的影响。在模拟含云图像与真实含云图像上实验结果表明,所提出方法的去云效果在峰值信噪比、结构相似性、自然图像无参考质量评价算法及其改进算法指标优于经典方法,更符合人眼主观感受,且具有较小的运算复杂度。

关键词：航拍图像厚云去除深度卷积生成对抗网络泊松图像编辑

基于深度卷积生成对抗网络和拓展近邻重排序的行人重识别

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2019年第8期56卷 1632-1641页

作者：戴臣超王洪元倪彤光陈首兵常州大学信息科学与工程学院

行人重识别任务旨在识别不相交摄像头视图下的相同行人.这项任务极具挑战性,尤其是当数据集中每个行人仅仅有几张图片时.针对行人重识别数据集中行人图片数量不足的问题,提出一个从原始数据集中生成额外训练数据的方法.在这项工作之中存... 详细信息

行人重识别任务旨在识别不相交摄像头视图下的相同行人.这项任务极具挑战性,尤其是当数据集中每个行人仅仅有几张图片时.针对行人重识别数据集中行人图片数量不足的问题,提出一个从原始数据集中生成额外训练数据的方法.在这项工作之中存在2个挑战:1)如何从原始数据集之中获取更多的训练数据;2)如何处理这些新生成的训练数据.使用深度卷积生成对抗网络来生成额外的无标签行人图片,并采用标签平滑正则化来处理这些新生成的无标签行人图片.为了进一步提升行人重识别准确度,提出了一种新的无监督重排序框架.此框架既不需要为每组图像对重新计算新的排序列表,也不需要任何人工交互或标签信息.在Market-1501,CUHK03和DukeMTMC-reID数据集上的实验验证了所提方法的有效性.

关键词：行人重识别深度卷积生成对抗网络重排序标签平滑正则化无监督

深度卷积生成对抗网络在人脸图像生成的应用研究

在线全文

学校读者我要写书评

暂无评论

深度卷积生成对抗网络在人脸图像生成的应用研究

作者：杨思渊新疆师范大学

学位级别：硕士

最近十几年来,计算机性能的提高非常迅速,人工智能的发展欣欣向荣,迎来了大爆发。机器学习是其重要部分,它的出现让计算机有了模拟人类学习的能力,成为了发展最快的研究领域。深度学习让机器能模拟人类思维方式,是机器学习的实现技术。... 详细信息

最近十几年来,计算机性能的提高非常迅速,人工智能的发展欣欣向荣,迎来了大爆发。机器学习是其重要部分,它的出现让计算机有了模拟人类学习的能力,成为了发展最快的研究领域。深度学习让机器能模拟人类思维方式,是机器学习的实现技术。生成对抗网络(Generative adversarial networks,GAN)是2014年提出的一个全新的深度学习模型,它通过学习样本的数据分布生成新的样本,新的样本会近似于原始样本的数据分布,GAN对不同维度下的数据生成具有良好的适应性,如一维的语音,二维的图像都有着很高的研究价值。本文中主要研究了深度卷积生成对抗网络(Deep convolutional GAN,DCGAN)的人脸图像生成方法,并结合相似度计算和小波函数,分别对DCGAN的生成和判别模型进行了改进,进一步提高了图像生成的效果。具体研究内容包括以下几个方面:(1)结合监督和非监督学习模型提出了基于相似度计算的人脸图分割方法,从而实现了基于支持向量模型的人脸图像自动分割,并对基于监督和非监督模型的图像分割方法以及本文的图像分割方法进行了对比试验,通过主观和客观评价结果可以得到本文的方法有效地提高了图像分割的性能和效率。(2)研究了GAN及它的衍生模型DCGAN的基本原理和框架,进一步深入研究了生成模型和判别模型的基本原理和组成部分,从而实现了DCGAN模型的训练,在此基础上构建了基于DCGAN的人脸图像生成基本实验平台。(3)将相似度计算的人脸分割图像加入到DCGAN的判别模型,从而进步控制DCGAN的参数调整,在此基础上提出了基于相似度的DCGAN人脸图生成方法,相较于原始DCGAN,本文的方法在生成图像的亮度和识别正确率上均有所提升。(4)受小波神经网络的启发,在DCGAN的生成模型中加入了小波函数,并对模型结构和参数进行了调整,在此基础上提出了小波DCGAN的人脸图像生成方法。通过对比于原始的DCGAN人脸图生成结果,新的方法在人脸生成图的亮度、对比度和识别正确率上均有提升。

关键词：相似度计算深度卷积生成对抗网络小波基函数人脸图生成