检索结果-南通市图书馆

基于se-Capsnet的肺结节良恶性诊断研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国生物医学工程学报 2021年第1期40卷 71-80页

作者：叶枫王路遥洪卫丁国军车镓荣浙江工业大学管理学院杭州310023 浙江省肿瘤医院医院胸部肿瘤科杭州310023 浙江省肿瘤医院医院放射科杭州310023

在过去的几年中,肺癌是癌症相关死亡的主要原因。提出一种针对低剂量计算机断层扫描(CT)影像精细化预处理条件下的se-Capsnet分类方法,解决传统肺结节诊断方法中分类精度低、假阳性高等问题。改进胶囊神经网络分类算法:对最新Hinton的... 详细信息

在过去的几年中,肺癌是癌症相关死亡的主要原因。提出一种针对低剂量计算机断层扫描(CT)影像精细化预处理条件下的se-Capsnet分类方法,解决传统肺结节诊断方法中分类精度低、假阳性高等问题。改进胶囊神经网络分类算法:对最新Hinton的胶囊神经网络进行改进,引入新的非线性激活向量,避免全局向量压缩;采用特征重标定的方法,在特征通道层面进行模型优化。在标定的感兴趣区域,利用自动阈值法对CT影像进行预处理,并在中心结节处进行样本采样,获得预处理结果数据样本。选用内含1 010个病例的公开数据集LIDC-IDRI和某医院30个脱敏肿瘤患者病例,评估改进的se-Capsnet算法,评价指标包括准确性、敏感性和特异性。在LIDC-IDRI数据集与医院数据集中,se-Capsnet算法的平均准确率分别达到95.83%和94.67%,优于基于Caps net分类算法的平均准确率。此外,在分类算法的耗时方面也具有明显优势,改进的胶囊网络能够更快地收敛,得到稳定的结果。

关键词： Caps nets se-net 肺结节 CT图像计算机辅助诊断

Single-phase PWM Open Circuit Fault Diagnosis Based on Improved Resnet-50

维普期刊数据库

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

Single-phase PWM Open Circuit Fault Diagnosis Based on Impro...

基于并联CNN-se-Bi-LSTM的轴承剩余使用寿命预测

第43届中国控制会议

作者： Jie Wang Kaibin Yan Ronghua Zong Tianwei Wang Na Qin Deqing Huang School of Electrical Engineering Southwest Jiaotong University

Single-phase PWM is an important part of the traction drive system,its performance will directly affect the performance of the whole *** fault has become the mainstream of research,when the circuit device short circuit fault,the voltage and current will rise rapidly in a short time,and eventually lead to the occurrence of an open circuit ***,particular attention is given to the open circuit failure of *** paper proposed a fault diagnosis method based on an improved Resnet-50 ***,to obtain the characteristic information of the signal,the input signal of the network side is converted into grayscale images by signal reconstruction,which preserves the information contained in the signal to a large ***,in the diagnostic model,the attention mechanism is added to the original Resnet-50,and the network parameters are optimized to improve the network ***,the accuracy of the simulation experiment reaches96%,which is better than other *** result proves the validity of the method.

关键词： IGBTs Fault diagnosis Resnet-50 se-net

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

计算机应用研究 2021年第7期38卷 2103-2107页

作者：曹正志叶春明上海理工大学管理学院上海200093

滚动轴承作为一种机械标准件,广泛应用于各类旋转机械设备,其健康状况对机器设备的正常运行至关重要,掌握其剩余使用寿命(RUL)可以更好地保证生产活动安全有效的进行。针对目前基于深度学习的机器RUL预测方法普遍存在:a)预测性能很大程... 详细信息

滚动轴承作为一种机械标准件,广泛应用于各类旋转机械设备,其健康状况对机器设备的正常运行至关重要,掌握其剩余使用寿命(RUL)可以更好地保证生产活动安全有效的进行。针对目前基于深度学习的机器RUL预测方法普遍存在:a)预测性能很大程度依赖手工特征设计;b)模型不能够充分提取数据中的有用特征;c)学习过程中没有明确考虑多传感器数据等缺点,提出了一种新的深度预测网络——并联多个带有压缩激励机制的卷积神经网络和双向长短期记忆网络集成网络(CNN-se-Bi-LSTM),用于设备的RUL预测。在该预测网络中,不同传感器采集的监测数据直接作为预测网络的输入。然后,在改进的压缩激励卷积网络(CNN-se-net)提取空间特征的基础上进一步通过双向长短期记忆网络(Bi-LSTM)提取时序特征,建立起多个独立的可以自动从输入数据中学习高级表示的RUL预测模型分支。最后,将各独立分支学习到的特征通过全连接层并联获得最终的RUL预测模型。通过滚动轴承加速退化实验的数据,验证了所提网络的有效性并与现有的一些改进算法进行了对比实验。结果表明,面对原始多传感器数据,该算法能够自适应地提供准确的RUL预测结果,且预测表现优于现有一些预测方法。

关键词：剩余使用寿命预测深度学习双向长短期记忆网络 se-net

维普期刊数据库

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

基于深度神经网络的黑白图像着色算法研究

基于深度神经网络的黑白图像着色算法研究

作者：吕维帅江西理工大学

学位级别：硕士

近年来,随着深度卷积神经网络的出现,灰度图像的彩色化重新成为研究的热点,灰度图像着色的目标是为灰度图像的每一个像素分配颜色,且具有很高的研究和应用价值。传统的图像彩色化技术主要有两种,分别是基于颜色传递的图像着色方法和基... 详细信息

近年来,随着深度卷积神经网络的出现,灰度图像的彩色化重新成为研究的热点,灰度图像着色的目标是为灰度图像的每一个像素分配颜色,且具有很高的研究和应用价值。传统的图像彩色化技术主要有两种,分别是基于颜色传递的图像着色方法和基于颜色扩展的图像着色方法,这两种方法需要人机交互,在处理图像的过程中操作复杂而且难度较大,通用性不强,不能使用一种图像着色算法来完成所有的着色任务,难以得到大规模的推广。随着计算机图形图像处理能力的提高,深度学习开始应用于多个领域,且能够与数字图像处理完美地结合,因此研究基于深度学习的黑白图像着色算法具有重要的现实意义和实用价值,针对该方法目前存在的不足,在文中我们提出了两种自动着色的算法。具体研究内容如下:(1)本文开篇介绍了两种传统着色算法,分别是基于局部颜色扩展的图像彩色化算法和基于颜色传递的图像彩色化算法。之后着重介绍了两类传统着色算法的发展史以及在应用中的优缺点。(2)本文在分析了两种主要的传统着色算法弊端后,提出基于卷积神经网络的图像着色算法,并在此算法中应用了U-net网络。在该图像着色算法中,应用se-InceptionResnet-v2网络提取图像的高水平特征,即全局信息,并且使用Power Linear Units(PoLU)函数替代线性整流函数(ReLU)。实验结果证明基于卷积神经网络的图像着色算法能够对灰度图像进行有效的着色。(3)本文提出了基于自注意力生成对抗网络的黑白照片彩色化算法。在算法中应用自注意力模型对图像生成任务进行注意力驱动的长距离依赖关系建模,并且使用来自所有特征位置的线索生成图像细节,此外在算法中加入光谱归一化方法来改善网络中生成器生成的图像质量,改进算法中的判别器可以检查图像中较远部分的细节特征是否一致。通过对算法的测试证明,本文提出的算法能够有效地对黑白照片进行批量着色。

关键词：图像着色深度学习卷积神经网络 se-net 生成对抗网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的无人机图像识别算法研究

基于深度学习的无人机图像识别算法研究

作者：张志力中国民航大学

学位级别：硕士

无人机图像识别技术作为计算机视觉领域一个重要的研究方向,无论在军用还是民用领域都具重要的研究意义和应用价值。无人机识别技术主要是将监测系统所拍摄得到的画面进行分析并加以处理,从中正确识别出无人机目标。本文主要研究了基于... 详细信息

无人机图像识别技术作为计算机视觉领域一个重要的研究方向,无论在军用还是民用领域都具重要的研究意义和应用价值。无人机识别技术主要是将监测系统所拍摄得到的画面进行分析并加以处理,从中正确识别出无人机目标。本文主要研究了基于深度卷积神经网络模型的无人机识别算法的设计与实现,从而完成无人机图像分类与识别的任务。由于目前没有公开的无人机数据集,本文出于具体的研究需求,采集了6种常见无人机图像数据集,包含不同背景环境、不同飞行状态、不同尺度大小的3500张图像。其次,针对不同规模的数据集,设计两种无人机图像分类识别的方法。本文第三章设计并实现了基于CBAM-Alexnet网络的低空无人机识别方法,可以完成对3类无人机的分类识别。通过设计多组对比实验,根据实验效果设计出最优的无人机目标分类识别模型,再引入卷积注意力模块对特征图元素进行加强或抑制,引入批归一化层加速模型收敛,提升泛化能力。经实验验证,相比于其它神经网络模型具有识别率高、收敛速度快的优点。本文第四章设计并实现了基于se-InceptionV2网络的无人机识别方法。首先将预处理后的无人机图像输入到文中模型进行训练,利用InceptionV2模型的特征提取能力,结合se-net模块增强有用特征通道,减弱无用通道,增强模型的特征学习能力,并引入批归一化层加速模型的收敛,在全连接层完成对6类常见无人机型号的分类识别。经实验验证,与其他模型对比,本文方法在识别准确率与执行效率上均有不同程度的提升,可以有效解决低空无人机分类识别问题。

关键词：无人机分类识别深度学习卷积神经网络注意力机制 Inception se-net 批归一化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的新闻文本分类系统

基于深度学习的新闻文本分类系统

作者：温伍正宏南京邮电大学

学位级别：硕士

随着现代信息科学技术的发展,互联网用户的爆发式增长,对海量数据的处理在数据处理领域正变得愈发重要,而人工神经网络（Artificial Neural network,ANN）在大数据的筛选与处理方面起到了极为关键的作用。人工神经网络在计算机视觉、机... 详细信息

随着现代信息科学技术的发展,互联网用户的爆发式增长,对海量数据的处理在数据处理领域正变得愈发重要,而人工神经网络（Artificial Neural network,ANN）在大数据的筛选与处理方面起到了极为关键的作用。人工神经网络在计算机视觉、机器翻译、自动驾驶等领域已成功地解决了许多棘手问题,因此人工神经网络也越来越多的被应用到自然语言处理（Natural Language Processing,NLP）中的文本分类问题上,该方向是目前自然语言处理的一个热点以及难点。人工神经网络不仅可以快速高效的处理海量数据,并能够在一定程度上提高处理数据的精确性。然而英文与中文在字符级以及词级上存在许多的差异,相比较于英文,由于中文数量在字符级以及词级上都要大于英文数量,而导致中文文本分类技术目前仍然存在处理速度,精确率以及分词方面的问题。TEXTCNN是一种基于卷积神经网络的文本分类算法,被广泛运用与研究。本文针对TEXTCNN模型在文本分类中的特征提取较差以及对序列文字缺少长距离关注的问题,主要做了以下工作。针对TEXTCNN模型特征提取较差的问题,全局信息关注能力较差的问题,本文在TEXTCNN的基础上,结合压缩与激励结构,设计了文本压缩与激励结构,提出了一种基于压缩与激励结构的TEXTCNN模型称为se-TEXTCNN。与原始TEXTCNN相比,该模型能增强语义关系,扩大感受视野,并对特征通道加权,增强有益特征。本文以准确率和F1值作为评价指标在THUCNews数据集中进行实验。在实验环节探究了批次大小等参数变量对模型分类效果的影响,并通过多模型对比实验证明了模型的可行性。从实验结果看来,se-TEXTCNN较Bi LSTM、TEXTCNN以及其他模型的准确率提升了0.7到1.9个百分点,F1值提升了0.6到1.6百分点。针对传统词嵌入模型缺少长期依赖的问题,本文在上述模型的基础上,引入了中文BERT预训练模型,采用文本文本压缩与激励结构,设计并实现了BERT-SCNN模型。上述模型具有良好的特征提取效果,针对bert模型输出的具有强语义关联的数据并充分利用bert模型的优点,本文采用1维卷积对BERT模型输出的数据进行特征提取,并在卷积操作前取消se操作。最后在实验环节探究了不同参数更新策略、多个改进模型的对比实验。从实验结果来看BERT-SCNN在测试集上的分类表现优于其它基于BERT的改进模型。最后基于本文提出的se-TEXTCNN和BERT-SCNN模型根据不同服务器的硬件配置设计了一个新闻文本分类系统。

关键词：文本分类卷积神经网络 BERT se-net

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

大规模非结构环境下的视觉位置识别技术研究

大规模非结构环境下的视觉位置识别技术研究

作者：郝金龙天津理工大学

学位级别：硕士

位置识别技术是计算机视觉的重要研究领域,是视觉定位与地图构建（Visual Simultaneous Localization and Mapping,VSLAM）中回环检测的关键组成部分,广泛应用于机器人导航、自动驾驶等领域。在位置识别技术研究中,在较大视角和表观变... 详细信息

位置识别技术是计算机视觉的重要研究领域,是视觉定位与地图构建（Visual Simultaneous Localization and Mapping,VSLAM）中回环检测的关键组成部分,广泛应用于机器人导航、自动驾驶等领域。在位置识别技术研究中,在较大视角和表观变化情况下实现有效识别最具实际意义。在大规模非结构环境下,视角和表观存在较大变化,传统的特征提取方法已无法适用。所以本文提出了一种基于深度卷积神经网络的视觉位置识别方法。通过引入注意力机制,使得视觉位置识别网络在大规模非结构环境情况下拥有更高的精度和鲁棒性。在搭载GPU的实验平台上,通过在自建KL数据集和公共数据集（KITTI数据集和SL数据集）上进行的验证与对比实验表明我们提出的图像特征提取方法在大规模非结构环境下更具鲁棒性。本文的主要研究成果如下:1.针对大规模非结构环境下传统特征提取方法（如SIFT、ORB和BRIEF等）无法使用的问题,提出一种基于深度卷积神经网络Res net的图像特征提取方法,解决在大规模环境下,面对光照、摄像机拍摄角度变化、存在移动物体、建筑物和地表外观改变时的特征提取问题。2.针对Resnet缺乏注意力环节的问题,将注意力环节se-net引入Res net中,提高其特征提取的鲁棒性。3.本文借助谷歌街景时光机和Python爬虫建立了一个百万级的高质量视觉位置识别数据集,解决了没有大规模视觉位置识别数据集可用的问题。4.针对现有SLAM中回环检测算法在大规模非结构环境下失效的问题,本文将基于深度卷积神经网络的视觉位置识别技术应用到ORB-SLAM中进行回环检测,有效提高了ORB-SLAM在大规模非结构环境下的控制精度、鲁棒性和运行效率。5.在以上基础上,编写了视觉位置识别应用软件。

关键词：视觉位置识别 Resnet se-net 谷歌街景 ORB-SLAM 回环检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的生产车间安全管控系统

基于深度学习的生产车间安全管控系统

作者：杨可琳北京交通大学

学位级别：硕士

重工业是我国国民经济的脊梁,随着社会的发展、科技的进步,我国对重工业生产的安全管控有了更高的要求。目前,市场上的系统功能比较简单且偏向于业务管理,存在智能化低、安全性低的问题。基于深度学习的生产车间安全管控系统的开发一方... 详细信息

重工业是我国国民经济的脊梁,随着社会的发展、科技的进步,我国对重工业生产的安全管控有了更高的要求。目前,市场上的系统功能比较简单且偏向于业务管理,存在智能化低、安全性低的问题。基于深度学习的生产车间安全管控系统的开发一方面丰富了系统的功能模块,另一方面实现了安全帽佩戴检测算法,有利于提高系统的智能化和安全管控的能力,具有较强的现实意义。本文基于B/S架构构建生产车间安全管控系统,该系统采用Spring Boot和Vue对前后端进行分离式开发,使用My SQL、Redis构建分布式数据库。该系统包含六大功能模块,分别是人员管理模块、访客管理模块、告警管理模块、视频巡检模块、设备管理模块和危险作业管理模块。人员管理模块对员工、VIP、黑名单人员的信息进行管理。访客管理模块控制访客进出公司场地的申请、批准等流程。告警管理模块实现安全帽佩戴检测算法,通过设置分析任务和告警规则触发设备告警,实现实时告警。视频巡检模块可以制定巡检计划对生产过程进行巡检并上报巡检记录。设备管理模块管理公司设备。危险作业管理模块管理危险作业的申请、执行、变更、关闭等,在危险作业进行过程中,巡检人员可以在视频巡检模块对不同区域的工作情况进行巡查。在告警管理模块本文实现基于YOLOv5的安全帽佩戴检测算法,该算法对原始的Yolov5算法的CSP模块进行了两方面的改进,从而提高算法对小目标的检测能力。首先,将Dense net和CSP相互融合,利用Dense Block紧密连接的特性,最大程度地提高网络对特征信息的提取能力以提高对小目标检测的能力。其次,在CSP的Conv后加入se-net注意力机制,使得网络更加关注小目标的特征信息,从而提高对小目标特征信息的提取能力。通过仿真试验,得出改进后的算法的准确性为96.2%。对比实验结果表明,在自制安全帽佩戴检测数据集或VOC2028公开数据集上,本文算法的m AP相比原始YOLOv5网络提高了。本文提出的基于YOLOv5的安全帽佩戴检测算法对安全帽检测的效果更好。本系统目前已经在多家公司投入使用,为公司提供了便捷的服务,节省了人力物力财力,有效减少了生产车间的安全事故发生率。

关键词：安全管控系统安全帽佩戴检测算法 YOLOv5 se-net Densenet

基于视觉SLAM的定位方法研究及在油田管线巡检中的应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于视觉SLAM的定位方法研究及在油田管线巡检中的应用

作者：张志强东北石油大学

学位级别：硕士

随着油田生产规模的不断扩大,需要投入大量的油田运维人员,智能化、自动化巡检在油气站库安全生产、日常运维中显得尤为重要。随着无人车技术和人工智能技术的成熟,巡检机器人得到了广泛应用。在油田厂区,油田管线巡检机器人常使用单目... 详细信息

随着油田生产规模的不断扩大,需要投入大量的油田运维人员,智能化、自动化巡检在油气站库安全生产、日常运维中显得尤为重要。随着无人车技术和人工智能技术的成熟,巡检机器人得到了广泛应用。在油田厂区,油田管线巡检机器人常使用单目传感器且巡检环境复杂,易出现动态物体及其它障碍物,从而造成定位不精确使油田管线巡检机器人产生偏移和碰撞,影响移动机器人对油田管线的巡检,因此一个鲁棒和精确的同步定位与建图(SLAM)系统对于巡检机器人至关重要。对于视觉SLAM系统,单目传感器下的定位和动态场景下的定位仍然是一项具有挑战性的任务。本文针对单目和动态场景下的SLAM问题进行研究,具体工作如下:(1)针对单目相机无法获取深度信息问题,提出了基于单目深度估计网络的DMSLAM算法,解决了单目相机无法获取周围环境的尺度信息造成的定位不精确问题。算法利用提出的单目深度估计网络与ORB-SLAM3相结合,优化ORB-SLAM3在单目模式下对于周围环境的尺度估计,增强单目的感知能力。单目深度估计网络设计类似于Unet结构的端到端的网络结构,提取并叠加层次的特征,获取不同感受野,增强图像敏感度;网络前端将se注意力机制融入Res net作为前端编码器网络,抑制环境中无用信息,获取更多油田管线环境中的管道纹理特征以及不同光照环境下的特征点,为后端回环检测和重定位注入足够的信息并构建地图点;深度网络后端设计使用Dy Re LU激活函数,提升模型的特征表达能力,优化训练过程;位姿网络用作单目位姿估计。最终解决了在单目情况下油田管线巡检机器人SLAM算法无法准确获取管线深度环境信息造成位姿偏差,提升单目油田管线巡检机器人SLAM算法实时定位精度。(2)针对场景内出现的动态物体,提出了YOLOv3-ORB-SLAM3算法,解决了算法在动态环境下的定位不精确问题。改进的算法在ORB-SLAM3的基础上增加了语义线程,在单目和RGB-D模式下采用动态和静态场景特征提取双线程机制,对动态物体进行分割,保留静态环境的特征;语义线程使用YOLOv3对场景中动态物体进行语义识别目标检测,同时对提取到的动态区域特征点进行离群点剔除;跟踪线程方面,结合语义信息获得静态场景特征送入后端,最终解决了管线巡检过程中动态物体对巡检机器人的干扰,提升系统的定位精确度及鲁棒性。并根据单目深度估计情况下对动态物体剔除,对基于动态特征的单目深度估计算法进行精度评估,通过本文算法解决了油田管线巡检过程中动态物体及无法获取尺度信息对巡检机器人定位的造成的影响,减少了局部轨迹的帧间位姿漂移,提升了系统的定位精确度。(3)设计出了油田管线巡检机器人系统。系统选用TX2作为嵌入式上位机平台,轻舟机器人的STM32底盘作为下位机平台,使用ROS作为机器人操作系统并设计上位机算法架构与下位机控制系统架构,在室内的油田管线巡检环境中,通过传感器收集到的信息使用本文SLAM算法用作机器人的定位与建图,并进行自主路径规划及避障,经测试,搭建的油田管线巡检机器人有效的实现了管线巡检功能。

关键词： SLAM se-net 动态语义 YOLOv3 油田管线巡检