检索结果-南通市图书馆

空洞卷积结合全局池化的卷积神经网络识别作物幼苗与杂草

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2018年第11期34卷 159-165页

作者：孙俊何小飞谭文军武小红沈继锋陆虎江苏大学电气信息工程学院镇江212013 江苏大学计算机科学与通信工程学院镇江212013

针对传统Alex Net模型参数大、特征尺度单一的问题,该文提出一种空洞卷积与全局池化相结合的多尺度特征融合卷积神经网络识别模型。通过对初始卷积层的卷积核进行膨胀,以增大其感受野而不改变参数计算量,并采用全局池化代替传统的全连... 详细信息

针对传统Alex Net模型参数大、特征尺度单一的问题,该文提出一种空洞卷积与全局池化相结合的多尺度特征融合卷积神经网络识别模型。通过对初始卷积层的卷积核进行膨胀,以增大其感受野而不改变参数计算量,并采用全局池化代替传统的全连接层来减少模型的参数。通过设置不同膨胀系数的初始卷积层卷积核与全局池化层类型,以及设置不同Batch Size,得到8种改进模型,用于训练识别共12种农作物幼苗与杂草,并从建立的模型中选出最优模型。改进后的最优模型与传统Alex Net模型相比,仅经过4次训练迭代,就能达到90%以上的识别准确率,平均测试识别准确率达到98.80%,分类成功指数达到96.84%,模型内存需求减少为4.20 MB。实际田间预测野芥与雀麦幼苗的准确率都能达到75%左右,说明该文最优模型对正常情况下的幼苗识别性能较好,但对复杂黑暗背景下的甜菜幼苗准确率为60%,对恶劣背景下的识别性能还有待提升。由于模型使用了更宽的网络结构,增加了特征图的多尺度融合,保持对输入空间变换的不变性,故对正常情况下不同作物幼苗与杂草的识别能力较强。该文改进模型能达到较高的平均识别准确率及分类成功率,可为后续深入探索复杂田间背景下的杂草识别以及杂草与幼苗识别装置的研制打下基础。

关键词：图像识别农作物幼苗杂草空洞卷积全局池化多尺度特征融合卷积神经网络

在线全文

学校读者我要写书评

暂无评论

基于空洞因果卷积网络的风电机组异常检测

太阳能学报 2023年第5期44卷 368-375页

作者：江国乾周俊超武鑫徐向东何群谢平燕山大学电气工程学院秦皇岛066004 江苏国科智能电气有限公司南通226400

准确可靠的异常检测对于保障风电机组安全高效运行尤为重要。然而,由于风电机组内部结构复杂,运行工况复杂多变,导致所获取的数据采集与监控(SCADA)系统数据往往呈现出复杂的非线性和关联耦合特性。为了更加有效地捕获不同传感器变量之... 详细信息

准确可靠的异常检测对于保障风电机组安全高效运行尤为重要。然而,由于风电机组内部结构复杂,运行工况复杂多变,导致所获取的数据采集与监控(SCADA)系统数据往往呈现出复杂的非线性和关联耦合特性。为了更加有效地捕获不同传感器变量之间的空间相关性,提出基于空洞因果卷积网络的风电机组异常检测方法,并采用Focal Loss改进损失函数解决了数据不平衡问题对模型性能的影响。该方法可通过不同的感受野大小从多尺度角度提取丰富的空间相关特征,有效建模并挖掘不同传感器数据间存在的空间因果关系。同时,该模型提供了一种端到端的异常检测方案,可直接从原始SCADA数据中提取空间特征,建立数据与状态标签之间的非线性映射关系,从而输出异常检测结果。通过某风场的SCADA数据实例分析验证了所提出方法的可行性和有效性。

关键词：风电机组因果卷积空洞卷积不平衡数据异常检测

结合空洞卷积的FuseNet变体网络高分辨率遥感影像语义分割

在线全文

学校读者我要写书评

暂无评论

武汉大学学报（信息科学版） 2022年第7期47卷 1071-1080页

作者：杨军于茜子兰州交通大学电子与信息工程学院甘肃兰州730070 兰州交通大学测绘与地理信息学院甘肃兰州730070 地理国情监测技术应用国家地方联合工程研究中心甘肃兰州730070 甘肃省地理国情监测工程实验室甘肃兰州730070

针对多模态、多尺度的高分辨率遥感影像分割问题,提出了结合空洞卷积的FuseNet变体网络架构对常见的土地覆盖对象类别进行语义分割。首先,采用FuseNet变体网络将数字地表模型(digital surface model,DSM)图像中包含的高程信息与红绿蓝(r... 详细信息

针对多模态、多尺度的高分辨率遥感影像分割问题,提出了结合空洞卷积的FuseNet变体网络架构对常见的土地覆盖对象类别进行语义分割。首先,采用FuseNet变体网络将数字地表模型(digital surface model,DSM)图像中包含的高程信息与红绿蓝(red green blue,RGB)图像的颜色信息融合;其次,在编码器和解码器中分别使用空洞卷积来增大卷积核感受野;最后,对遥感影像逐像素分类,输出遥感影像语义分割结果。实验结果表明,所提算法在国际摄影测量与遥感学会(International Society for Photogrammetry and Remote Sensing,ISPRS)提供的Potsdam、Vaihingen数据集上的mF1得分分别达到了91.6%和90.4%,优于已有的主流算法。

关键词：高分辨率遥感影像深度卷积神经网络空洞卷积语义分割 FuseNet

基于门控空洞卷积特征融合的中文命名实体识别

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

计算机工程 2023年第8期49卷 85-95页

作者：杨长沛廖列法江西理工大学信息工程学院江西赣州341000 江西理工大学软件工程学院南昌330000

在中文命名实体识别任务中,具有循环结构的长短时记忆网络模型通过捕捉时序特征解决长距离依赖问题,但其特征捕捉方式单一,信息获取能力有限。卷积神经网络通过使用多层卷积并行处理文本,能够提高模型运算速度,捕捉文本的空间特征,但简... 详细信息

在中文命名实体识别任务中,具有循环结构的长短时记忆网络模型通过捕捉时序特征解决长距离依赖问题,但其特征捕捉方式单一,信息获取能力有限。卷积神经网络通过使用多层卷积并行处理文本,能够提高模型运算速度,捕捉文本的空间特征,但简单地堆叠多个卷积层容易导致梯度消失。为同时获得多维度的文本特征且改善梯度消失问题,提出一种基于RoBERTa-wwm-DGCNN-BiLSTM-BMHA-CRF的中文命名实体识别模型,通过基于全词遮蔽技术的预训练语言模型RoBERTa-wwm把文本表征为字符级嵌入向量,捕捉深度上下文语义信息,并采用门控机制和残差结构对空洞卷积神经网络进行改进以降低梯度消失的风险。使用双向长短时记忆网络和门控空洞卷积神经网络分别捕捉文本的时序特征和空间特征,采用双线性多头注意力机制对多维度的文本特征进行动态融合,最后使用条件随机场对结果进行约束,获得最佳标记序列。实验结果表明,所提模型在Resume、Weibo和MSRA数据集上的F1值分别为97.20%、74.28%和95.74%,证明了该模型在中文命名实体识别中的有效性。

关键词：命名实体识别 RoBERTa-wwm模型空洞卷积注意力机制特征融合

高分辨率遥感影像建筑物提取的空洞卷积E-Unet算法

在线全文

学校读者我要写书评

暂无评论

测绘学报 2022年第3期51卷 457-467页

作者：何直蒙丁海勇安炳琪南京信息工程大学遥感与测绘工程学院江苏南京210044

利用高分辨率遥感影像提取建筑物是目前研究热点之一,但由于建筑物颜色各异、形状大小不同、细节繁多,提取结果普遍存在边缘模糊、转角圆滑和细节丢失等问题。本文提出一种基于空洞卷积的E-Unet深度学习网络。在E-Unet的结构设计中,引... 详细信息

利用高分辨率遥感影像提取建筑物是目前研究热点之一,但由于建筑物颜色各异、形状大小不同、细节繁多,提取结果普遍存在边缘模糊、转角圆滑和细节丢失等问题。本文提出一种基于空洞卷积的E-Unet深度学习网络。在E-Unet的结构设计中,引入跳跃连接以减少边缘和转角的细节损失;采用新设计的卷积模块,使其扩大感受野的同时减少参数量;底层增加Dropout模块避免网络发生过拟合现象;遥感影像输入网络前先进行直方图均衡化、高斯双边滤波和波段间比值运算,然后合并为多波段张量输入模型(不转换为灰度图像)。为验证网络性能、明确性能提升的原因,本文在Massachusetts和WHU建筑物数据集上设计了两组试验。第1组是E-Unet、Unet和Res-net 3种网络的对比试验,结果表明E-Unet不仅精度评价结果优于Unet和Res-net,而且建筑物边角的细节被完整提取。第2组是消融试验,目的是明确预处理模块对提取精度的提升效果,结果表明预处理模块能提升不同网络提取精度。通过这两组试验证明了预处理模块的有效性和本文提出网络的优越性。

关键词：深度学习建筑物提取空洞卷积高分辨率遥感影像 E-Unet

空洞卷积与注意力融合的对抗式图像阴影去除算法

在线全文

学校读者我要写书评

暂无评论

智能系统学报 2021年第6期16卷 1081-1089页

作者：刘万军佟畅曲海成辽宁工程技术大学软件学院辽宁葫芦岛125105

为了解决暗区域、纹理复杂或半影区域的阴影去除效果不明显的问题,提出了空洞卷积与注意力机制融合的对抗式图像阴影去除算法。该算法基于生成对抗网络的总体思想,将空洞卷积引入残差网络中,用自定义的空洞残差块进行特征提取,扩大了特... 详细信息

为了解决暗区域、纹理复杂或半影区域的阴影去除效果不明显的问题,提出了空洞卷积与注意力机制融合的对抗式图像阴影去除算法。该算法基于生成对抗网络的总体思想,将空洞卷积引入残差网络中,用自定义的空洞残差块进行特征提取,扩大了特征提取的感受野。在注意力编码阶段,加入4层相同结构的空洞卷积,确保最小计算量的情况下为解码阶段提供更抽象、更本质的全局的语义特征。运用多重注意力机制,引导判别网络对无阴影图像的鉴别,提高判别网络能力。该算法分别在ISTD(image shadow triplets dataset)与SRD(shadow removal dataset)公开数据集上进行检验,SSIM(structural similarity)值达到97.77%。该算法图像特征信息保存完整,画面清晰,暗区域及地物复杂的区域阴影去除效果较好,对半影区域,也有具有良好的表现。

关键词：生成对抗网络空洞卷积多重注意力残差网络多尺度自编码长短记忆法阴影去除

基于反馈机制与空洞卷积的道路小目标检测网络

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1期49卷 287-294页

作者：窦允冲侯进曾雷鸣陈子锐西南交通大学信息科学与技术学院智能感知智慧运维实验室成都611756 西南交通大学计算机与人工智能学院成都611756 西南交通大学综合交通大数据应用技术国家工程实验室成都611756

随着卷积神经网络与特征金字塔的发展,目标检测在大、中目标上取得了突破,但对于小目标存在漏检、检测精度低等问题。在YOLOv4算法的基础上进行改进,提出YOLOv4-RF算法,进一步提高模型对小目标的检测性能。使用空洞卷积替换YOLOv4中Nec... 详细信息

随着卷积神经网络与特征金字塔的发展,目标检测在大、中目标上取得了突破,但对于小目标存在漏检、检测精度低等问题。在YOLOv4算法的基础上进行改进,提出YOLOv4-RF算法,进一步提高模型对小目标的检测性能。使用空洞卷积替换YOLOv4中Neck部分的池化金字塔,在网络更深处减少语义丢失的同时获得更大的感受野。在此基础上,对主干网络进行轻量化并增加特征金字塔到主干网络的反馈机制,对来自浅层与深层融合的特征再次处理,保留更多小目标的特征信息,提高网络分类和定位的有效性。鉴于小目标物体属于困难检测样本,引入Focal Loss损失函数,增大困难样本的损失权重,形成YOLOv4-RF算法。在KITTI数据集上的实验数据表明,YOLOv4-RF在各个类别上的检测精度均高于YOLOv4,并在模型缩小138 MB的基础上提高了1.4%的平均精度均值(MAP@0.5)。

关键词：小目标检测 YOLOv4算法空洞卷积反馈机制递归特征金字塔

基于空洞卷积和增强型多尺度特征自适应融合的滚动轴承故障诊断

在线全文

学校读者我要写书评

暂无评论

浙江大学学报（工学版） 2024年第6期58卷 1285-1295页

作者：韩康战洪飞余军合王瑞宁波大学机械工程与力学学院浙江宁波315211

传统卷积神经网络(CNN)在识别故障类型时存在从原始振动信号中提取特征不足以及提取特征过程中需要更大的感受野以充分捕获信号的时间相关性的局限.针对轴承振动信号固有的多尺度特征,提出基于空洞卷积和增强型多尺度自适应特征融合的模... 详细信息

传统卷积神经网络(CNN)在识别故障类型时存在从原始振动信号中提取特征不足以及提取特征过程中需要更大的感受野以充分捕获信号的时间相关性的局限.针对轴承振动信号固有的多尺度特征,提出基于空洞卷积和增强型多尺度自适应特征融合的模型(DC-MAFFM).利用空洞卷积的大感受野提取信号特征,同时引入残差连接来减少卷积层上的信息损失,从而有效过滤信号中的噪声;设计改进的多尺度特征提取模块,在不同尺度上捕获互补的诊断特征,同时在各层都进行不同尺度特征融合,充分学习信号的高频和低频特征;利用提出的特征自适应融合模块对不同尺度的特征自适应赋予权重,增强判别特征学习的能力.在2个轴承数据集上进行验证,结果表明所提模型在噪声和变工况下有较强的诊断能力.在强噪声情况下,故障诊断准确率分别达到88.08%和75.56%,与其他方法相比有显著优势.

关键词：故障诊断空洞卷积残差连接多尺度特征提取自适应融合

在线全文

学校读者我要写书评

暂无评论

空洞卷积网络下微表情实时识别方法仿真

计算机仿真 2023年第7期40卷 172-175,461页

作者：杜芳芳王福忠高继梅黄河交通学院智能工程学院河南武陟454950 河南理工大学电气工程与自动化学院河南焦作454000

微表情与普通面部表情不同,是一种面部动作变化微弱、持续时间极短的面部活动,且需要在视频中分析,因此特征提取较为困难。为了解决上述问题,提出基于空洞卷积的实时微表情识别算法。通过混沌蛙跳算法,对人脸微表情图像增强处理。采用... 详细信息

微表情与普通面部表情不同,是一种面部动作变化微弱、持续时间极短的面部活动,且需要在视频中分析,因此特征提取较为困难。为了解决上述问题,提出基于空洞卷积的实时微表情识别算法。通过混沌蛙跳算法,对人脸微表情图像增强处理。采用时间差值法和局部二值法,提取人脸特征信息。结合空洞卷积构建卷积神经网络,并将提取到的人脸特征输入到构建的卷积神经网络,完成人脸微表情的实时识别。实验结果表明,所提方法的实时微表情识别准确率在97%以上,且识别时间短,说明所提方法具有较好的实际应用价值。

关键词：空洞卷积微表情图像增强处理卷积神经网络实时微表情识别人脸特征信息提取