检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

深度特征联合匹配的不同刀具间磨损状态识别

仪器仪表学报 2020年第12期41卷 138-145页

作者：陈仁祥吴志元胡小林杨钢赵玲重庆交通大学交通工程应用机器人重庆市工程实验室重庆400074 重庆工业大数据创新中心有限公司重庆400056

实际工程中数控机床刀具磨损状态识别时,作为训练样本的刀具和待识别磨损状态的刀具必然不同,不同刀具间磨损状态准确识别成为必须解决的问题。受走刀次数、安装误差等众多因素影响,同类型同磨损状态的不同刀具切削信号不可避免的存在... 详细信息

实际工程中数控机床刀具磨损状态识别时,作为训练样本的刀具和待识别磨损状态的刀具必然不同,不同刀具间磨损状态准确识别成为必须解决的问题。受走刀次数、安装误差等众多因素影响,同类型同磨损状态的不同刀具切削信号不可避免的存在差异。针对不同刀具间磨损状态准确识别的问题,提出了深度特征联合匹配的刀具磨损状态识别方法。首先,利用堆栈加噪自编码网络对样本频谱进行特征自提取以获得表征磨损状态的深度特征;然后,通过迁移联合匹配算法对所获得的深度特征进行联合匹配以缩小不同刀具磨损状态深度特征间的差异,解决同类型同磨损状态的不同刀具间特征差异问题;最后将联合匹配后的深度特征输入K最近邻分类器实现刀具磨损状态识别。铣刀与车刀磨损状态识别实验结果显示,所提方法识别准确率最高可达到97.04%,证明了该方法能够有效识别刀具磨损状态,并具有较好的泛化能力和稳健性。

关键词：刀具磨损状态识别深度特征联合匹配

在线全文

学校读者我要写书评

暂无评论

基于遥感影像的智能景像匹配适配区选择方法

中国惯性技术学报 2023年第1期31卷 14-23页

作者：范继伟杨小冈卢瑞涛李清格夏海火箭军工程大学导弹工程学院西安710025

飞行器景像匹配适配区选择是飞行器实现景像匹配视觉导航的前提。近年来,人们基于层次规则提出了许多适配区选择方法,也取得了良好的效果,但这些方法缺少对深度特征的提取能力,通用性较差,且存在一定的误选现象。针对这一问题,提出了一... 详细信息

飞行器景像匹配适配区选择是飞行器实现景像匹配视觉导航的前提。近年来,人们基于层次规则提出了许多适配区选择方法,也取得了良好的效果,但这些方法缺少对深度特征的提取能力,通用性较差,且存在一定的误选现象。针对这一问题,提出了一种基于深度特征的智能景像匹配适配区选择方法。所提方法利用深度学习ResNet-50网络结构实现对景像区高维特征的提取,通过深度特征匹配方法计算匹配误差与匹配概率,实现对适配区的选取。实验结果表明,所提方法与传统的适配区选择方法相比,适配成功率平均提高40%以上,鲁棒性更强。该方法避免了繁琐的适配性能指标选择流程,可应用于不同场景下的适配区选择,改善适配区域选择的有效性和泛化性。

关键词：景像匹配适配区选择层次规则深度特征

基于增强深度特征和TSK模糊分类器的癫痫脑电信号识别

在线全文

学校读者我要写书评

暂无评论

控制与决策 2023年第1期38卷 171-180页

作者：蒋云良翁江玮申情胡文军张雄涛湖州师范学院信息工程学院浙江湖州313000 浙江省现代农业资源智慧管理与应用研究重点实验室浙江湖州313000 湖州学院理工学院浙江湖州313000

识别癫痫脑电信号的关键在于获取有效的特征和构建可解释的分类器.为此,提出一种基于增强深度特征的TSK模糊分类器(ED-TSK-FC).首先,ED-TSK-FC使用一维卷积神经网络(1D-CNN)自动获取癫痫脑电信号的深度特征与潜在类别信息,并将深度特征... 详细信息

识别癫痫脑电信号的关键在于获取有效的特征和构建可解释的分类器.为此,提出一种基于增强深度特征的TSK模糊分类器(ED-TSK-FC).首先,ED-TSK-FC使用一维卷积神经网络(1D-CNN)自动获取癫痫脑电信号的深度特征与潜在类别信息,并将深度特征和潜在类别信息合并为增强深度特征;其次,将增强深度特征作为EDTSK-FC模糊规则前件与后件部分的训练变量,保证原始输入的深度特征及其潜在意义都出现在模糊规则中,进而对增强深度特征作出良好的解释;然后,采用岭回归极限学习算法对模糊规则的后件参数进行快速求解,在不显著降低分类准确度的情况下,ED-TSK-FC的廉价训练方法可以缩短模型的训练时间;最后,在Bonn癫痫数据集上,分别从分类性能、学习效率和可解释性3个方面,验证ED-TSK-FC的优越性.

关键词：脑电信号深度学习深度特征增强特征 TSK模糊分类器可解释性

在线全文

学校读者我要写书评

暂无评论

无人机视角下的多车辆跟踪算法研究

智能系统学报 2022年第4期17卷 798-805页

作者：胡硕王洁孙妍周思恩姚美玉燕山大学电气工程学院河北秦皇岛066004

针对无人机视频中存在目标密集、运动噪声强而导致跟踪性能显著下降的问题,提出了一种改进YOLOv3的车辆检测算法及一种基于深度度量学习的多车辆跟踪算法。针对车辆检测的精度与实时性问题,采用深度可分离卷积网络MobileNetv3作为特征... 详细信息

针对无人机视频中存在目标密集、运动噪声强而导致跟踪性能显著下降的问题,提出了一种改进YOLOv3的车辆检测算法及一种基于深度度量学习的多车辆跟踪算法。针对车辆检测的精度与实时性问题,采用深度可分离卷积网络MobileNetv3作为特征提取网络实现网络结构轻量化,同时采用CIoU Loss作为边框损失函数对网络进行训练。为了在多目标跟踪过程中提取到更具判别力的深度特征,提出了一种基于深度度量学习的多车辆跟踪算法,实验证明,本文提出的算法有效改善车辆ID跳变问题,速度上满足无人机交通视频下车辆跟踪的实时性要求,达到17 f/s。

关键词：车辆检测目标跟踪无人机视频特征提取轻量级网络深度特征损失函数深度度量学习

在线全文

学校读者我要写书评

暂无评论

基于变分自编码器的谣言立场分类算法

计算机工程 2022年第2期48卷 99-105页

作者：郭奉琦孟凡荣王志晓中国矿业大学计算机科学与技术学院江苏徐州221116

针对当前谣言检测任务中社交媒体推特平台的推文数据分布复杂且不均衡的特点,提出基于变分自编码器(VAE)的谣言立场分类算法VAE-LSTM。对数据进行预处理后,利用word2vec模型提取推文词向量并输入VAE中进行训练,得到符合简单概率分布的... 详细信息

针对当前谣言检测任务中社交媒体推特平台的推文数据分布复杂且不均衡的特点,提出基于变分自编码器(VAE)的谣言立场分类算法VAE-LSTM。对数据进行预处理后,利用word2vec模型提取推文词向量并输入VAE中进行训练,得到符合简单概率分布的深度特征序列再从中采样获取有效特征,以避免数据量较大的推文类别影响特征向量。在此基础上,使用长短时记忆(LSTM)网络处理向量序列数据进而实现分类。理论分析和实验结果表明,VAE-LSTM算法无须手动提取或添加特征,训练过程简单高效,同时能缓解类间不平衡问题,其应用于实际场景准确率和F1得分分别为0.800和0.494,与时序注意力机制算法、Turing算法、霍克斯过程算法等相比分类性能更好,且较SVM等早期机器学习方法节省了大量数据预处理时间。

关键词：变分自编码器长短时记忆网络社交网络谣言立场深度特征

基于深度特征提取和图神经网络匹配的图像复制粘贴篡改检测

在线全文

学校读者我要写书评

暂无评论

光电子．激光 2023年第6期34卷 610-619页

作者：陈文霞魏伟一陶洪西北师范大学计算机科学与工程学院甘肃兰州730070

针对图像中特征提取不均匀、单尺度超像素划分对伪造定位结果影响较大的问题,提出一种基于深度特征提取和图神经网络(graph neural network,GNN)匹配的图像复制粘贴篡改检测(cope-move forgery detection,CMFD)算法。首先将图像进行多... 详细信息

针对图像中特征提取不均匀、单尺度超像素划分对伪造定位结果影响较大的问题,提出一种基于深度特征提取和图神经网络(graph neural network,GNN)匹配的图像复制粘贴篡改检测(cope-move forgery detection,CMFD)算法。首先将图像进行多尺度超像素分割并提取深度特征,为保证特征点数目充足,以超像素为单位计算特征点分布的均匀度,自适应降低特征提取阈值;随后引入新的基于注意力机制的GNN特征匹配器,进行超像素间的迭代匹配,且用随机采样一致性(random sample consensus,RANSAC)算法消除误匹配;最后将多尺度匹配结果进行融合,精确定位篡改区域。实验表明,所提算法具有良好的性能,也证明了GNN在图像篡改检测领域的可用性。

关键词：图像复制粘贴篡改检测(CMFD) 深度特征注意力机制图神经网络(GNN) 超像素

在线全文

学校读者我要写书评

暂无评论

融合多特征和通道感知的目标跟踪算法

计算机科学与探索 2022年第6期16卷 1417-1428页

作者：赵运基范存良张新良河南理工大学电气工程与自动化学院河南焦作454003

针对深度特征描述目标在跟踪过程中出现漂移或过拟合的问题,提出了一种融合多特征和通道感知的目标跟踪算法。应用预训练模型提取跟踪目标的深度特征,依据该特征构建相关滤波器并计算各通道对应滤波器的权重系数,根据权重系数对特征通... 详细信息

针对深度特征描述目标在跟踪过程中出现漂移或过拟合的问题,提出了一种融合多特征和通道感知的目标跟踪算法。应用预训练模型提取跟踪目标的深度特征,依据该特征构建相关滤波器并计算各通道对应滤波器的权重系数,根据权重系数对特征通道进行筛选;对保留的特征通过标准差计算生成统计特征并与原特征融合,采用融合后的特征构建相关滤波器并做相关运算,获取特征响应图确定目标的位置及尺度;利用跟踪结果区域的深度特征对融合特征构建的滤波器进行稀疏在线更新。所提算法和目前一些主流的跟踪算法在公共数据集OTB100、VOT2015和VOT2016上进行测试。与UDT相比,在不影响跟踪速度的同时,该算法具有更强的鲁棒性和更高的跟踪精度。实验结果表明,所提出的算法在目标尺度发生变化、快速运动和背景干扰等挑战下均表现出较强的鲁棒性。

关键词：目标跟踪深度特征通道筛选特征融合稀疏更新

在线全文

学校读者我要写书评

暂无评论

基于DFCNN的滚动轴承定量诊断方法研究

热能动力工程 2022年第12期37卷 181-188页

作者：张辉曹云鹏董昕阳冯伟兴哈尔滨工程大学动力与能源工程学院黑龙江哈尔滨150001 哈尔滨工程大学智能科学与工程学院黑龙江哈尔滨150001

以滚动轴承作为研究对象,设计了深度可分离模块、残差骨干网络、金字塔池化结构和路径聚合结构等特征融合单元,建立了深度特征融合的卷积神经网络(Deep Feature Convolutional Neural Network,DFCNN),分析了随机梯度下降法对网络参数优... 详细信息

以滚动轴承作为研究对象,设计了深度可分离模块、残差骨干网络、金字塔池化结构和路径聚合结构等特征融合单元,建立了深度特征融合的卷积神经网络(Deep Feature Convolutional Neural Network,DFCNN),分析了随机梯度下降法对网络参数优化的有效性及数据集传递次数与模型精度的关系,开展了不同样本容量和不同噪声环境下的故障试验。结果表明:提出的DFCNN模型可以有效识别滚动轴承损伤部位以及损伤程度,诊断准确率大于99.5%;该模型对样本容量要求低、抗噪能力出色,当信噪比大于-4时诊断准确率大于98.86%。

关键词：滚动轴承故障诊断卷积神经网络深度特征信息融合抗噪

基于深度特征的质量感知旋转舰船模板匹配算法

在线全文

学校读者我要写书评

暂无评论

计算机工程 2023年第12期49卷 161-168页

作者：王泽瑞陈实中国科学院国家空间科学中心复杂航天系统电子信息技术重点实验室北京100190 中国科学院大学计算机科学与技术学院北京100049

天基高价值目标连续跟踪在态势预警、军事决策等方面有着广泛应用。目前基于遥感视频卫星的跟踪都是单星目标跟踪,由于低轨卫星过顶时间有限,因此难以进行连续跟踪。为了实现跨星接力跟踪,接力卫星在经过非连续时间的目标环境和观察视... 详细信息

天基高价值目标连续跟踪在态势预警、军事决策等方面有着广泛应用。目前基于遥感视频卫星的跟踪都是单星目标跟踪,由于低轨卫星过顶时间有限,因此难以进行连续跟踪。为了实现跨星接力跟踪,接力卫星在经过非连续时间的目标环境和观察视角变化后需要唯一地匹配出高价值目标,为此,采用卷积神经网络VGG19作为主干网络,提出一种基于深度特征的质量感知旋转舰船模板匹配算法。设计双级特征融合模块,通过融合不同深度的特征信息解决因舰船目标尺寸差异较大导致的匹配不准确问题;针对因环境变化导致的定位不准确问题,引入质量感知模板匹配模块;使用细粒度舰船角度定位模块,利用贝叶斯公式确定舰船方向信息,为跨星连续跟踪提供准确的模板。实验结果表明,该算法提高了舰船目标匹配准确率,相对于QATM、DDIS、SIFT方法,AUC分别提升了9.5、16.0和17.5个百分点,AP75分别提升了21.1、30.5和6.9个百分点,所提算法可以有效提高舰船模板匹配的精度,能够为实现卫星星座跨星连续跟踪提供技术支持。

关键词：深度特征卷积神经网络模板匹配特征融合遥感图像