检索结果-南通市图书馆

作者：陶胤旭哈尔滨工业大学

学位级别：硕士

为了加强交通运输的安全性,X光安检扫描仪作为一种能快速高效检查的设备快速发展,为人们的出行提供了安全的保障。但是X光安检扫描仪需要配置相应人数的安检工作人员来进行操作和引导,这大大增加了交通运输系统的人力和物力成本。安检... 详细信息

为了加强交通运输的安全性,X光安检扫描仪作为一种能快速高效检查的设备快速发展,为人们的出行提供了安全的保障。但是X光安检扫描仪需要配置相应人数的安检工作人员来进行操作和引导,这大大增加了交通运输系统的人力和物力成本。安检工作人员首先需要进行严格和系统的培训,对于不同情况的X光扫描图有明确的判断。但是目前的暴恐物品识别算法主要存在以下两个问题:(1)在越深的卷积神经网络中,图像的特征图分辨率会越来越小。由于卷积神经网络的计算方式,经过几十甚至上百的网络层之后,一些小尺寸的物品,网络对于其的感受力是严重缺乏的。所以在目标检测网络中,使用多尺度对图像进行训练就显得尤为重要。但是在多尺度特征图的使用中主要存在两个问题:第一,特征图在经过上采样之后存在明显的混叠效应;第二,特征图之间简单的element-wise操作使得特征图检测特征可分辨性差。(2)特征图的不同通道所蕴含的信息是不同的,但是目前的卷积神经网络未能对特征图的通道性质进行充分的利用。所以,对于通道分配权值的方式能为不同尺寸目标的检测提取合适的特征,可以提高遮挡重叠情况下的识别准确率。本文根据相关企业的需求,对此设计了基于深度学习的暴恐物品识别算法,并提高了精度,以实现暴恐物品的智能检测,主要工作可以分为两个部分:第一,针对小尺寸目标难以识别问题,从特征图信息易丢失问题角度出发,本文提出了双路特征金字塔网络——DPFPN。在原来PAFPN的基础上,本文提出了resize-conv上采样操作来消弱混叠效应,并且提出了TD block和BU block来加强特征图检测特征的可分辨性。并且在SIXray数据集上,通过与SSD、YOLOv4、Retinanet和Faster RCNN比较,验证了算法的有效性。并且通过Retinanet和Faster R-CNN两个算法的消融实验来验证改进的效果。第二,针对物品之间遮挡重叠的问题,从特征图通道注意力机制的不完善性角度出发,本文提出了DPCA-net通道注意力机制模块,通过对有用的信息增强,对不感兴趣的信息抑制的作用,来改善暴恐物品识别算法。我们在特征图中不仅关注全局的信息,对于显著的信息会给予更多的关注。并且我们通过只使用一个全连接层的方式来放弃通道降维和升维的操作,以此来避免信息的损失和噪音的增加,并且说明了权值的维度和特征图的维度一一对应的关系是比较强烈的。

关键词： X光扫描图像目标检测 Faster R-CNN PAFPN se-net

来源：

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

基于se-MSCNN和GRU融合的往复压缩机气阀故障诊断方法研究

基于SE-MSCNN和GRU融合的往复压缩机气阀故障诊断方法研究

引用

作者：王腾东北石油大学

学位级别：硕士

往复压缩机是一种广泛应用于石油石化、冶金等工业领域的通用设备,在生产中承担着繁重的生产任务,其工作介质往往具有易燃易爆、高温高压等特点,一旦发生故障,势必造成停产经济损失,甚至导致机毁人亡的重大事故。气阀是往复压缩机工作... 详细信息

往复压缩机是一种广泛应用于石油石化、冶金等工业领域的通用设备,在生产中承担着繁重的生产任务,其工作介质往往具有易燃易爆、高温高压等特点,一旦发生故障,势必造成停产经济损失,甚至导致机毁人亡的重大事故。气阀是往复压缩机工作的关键部件,也是高频易损件,其工作状态好坏直接影响往复压缩机的运行效率和可靠性。因此,开展往复压缩机气阀故障诊断方法研究对保障设备连续安全运行具有重要意义。由于往复压缩机结构复杂,激励源多,振动信号表现出较强的非线性、非平稳及非高斯等复杂特性,基于非平稳的时频分析分析方法难以准确定量描述其故障特征规律,基于机器学习的故障诊断方法虽然能够自适应分类识别所对提取的特征,但仍然需要依赖专家经验知识,同时这类方法难以针对不同工况条件,故障类型和结构参数进行自适应诊断。特别是面对现场采集的海量振动数据中正常样本远大于故障样本,这类智能算法诊断效率和诊断精度未达到工业化应用条件。为解决上述难题,本文提出了一种基于通道注意力机制的多尺度卷积神经网络（Squeeze and Excitation networks-Multiscale Convolution Neural network,se-MSCNN）和门控循环单元（Gate Recurrent Unit,GRU）融合的深度学习算法,该方法将特征提取和模式识别两个关键环节融合为一体,能够从大量的数据中提取潜在的故障特征,并摆脱专家经验知识和人工提取特征的依赖性,实现自适应特征提取的智能诊断。本文主要研究内容及成果如下:（1）针对传统卷积神经网络存在卷积核尺度单一,网络层结构特征冗余的问题,提出了se-MSCNN故障诊断模型,该方法是在卷积神经网络基础上加以改进,添加的多尺度卷积核提取的多尺度特征不仅考虑了信号的全局基本特征,还提取了局部特征。对于MSCNN所提取的多尺度特征包含少量的冗余信息或是无关信息,在MSCNN中加入se-net,对多尺度特征进行重新校准,可以压缩无关信息,激发重要信息,增强模型的表征能力。结果表明:该方法在仿真数据集和轴承数据集上的识别率达到了99%以上。（2）针对往复压缩机振动信号的频率分布及结构随着时间不断的发生变化,尤其是随着故障程度的加深,其频率复杂特性也会发生改变,最终导致模型所提取的特征不具有规律性问题,提出了GRU故障诊断模型,该方法擅长提取时间特征,从而在仿真数据集上识别率达到了100%,在轴承实验数据集中有93.78%的识别率,网络性能显著的优于RNN和LSTM,还解决了梯度消失的问题。（3）针对se-MSCNN模型不能提取时间特征的问题,提出了se-MSCNN和GRU融合的故障诊断模型,该方法弥补了se-MSCNN不能提取时间特征的不足,增强了模型的鲁棒性和特征提取能力。结果表明:该融合模型在仿真数据集中的准确率达到了99.20%,在轴承数据集的变工况实验中诊断率达到了98.98%。（4）为了进一步验证se-MSCNN和GRU融合方法在往复压缩机实验数据中和迁移数据集中的表现,将se-MSCNN和GRU融合的模型应用于往复压缩机气阀故障诊断。结果表明:在往复压缩机气阀数据集上识别率最高达到了100%,与GRU模型、MSCNN模型和MSCNN-GRU模型相比,提升了2.39%、0.56%和0.07%。在不同规模的数据集中表现最优秀,平均准确率达到了97.60%。在迁移实验中,经过微调后的se-MSCNN和GRU模型在面对新的故障数据集有95.80%的识别率。

关键词： MSCNN se-net GRU 往复压缩机故障诊断

来源：

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

基于改进型ResNeXt网络的人体行为识别研究

基于改进型ResNeXt网络的人体行为识别研究

引用

作者：李俊超东北大学

学位级别：硕士

计算机硬件技术的飞速发展,带动了深度学习技术的不断发展,以深度学习技术为基础的人体行为识别算法在智能实时监控、人机交互、视频检索等领域都有着重要的应用价值。人体动作具有高度复杂性,同时极易受到外界环境干扰和相机抖动等影响... 详细信息

计算机硬件技术的飞速发展,带动了深度学习技术的不断发展,以深度学习技术为基础的人体行为识别算法在智能实时监控、人机交互、视频检索等领域都有着重要的应用价值。人体动作具有高度复杂性,同时极易受到外界环境干扰和相机抖动等影响,提高人体行为识别任务的准确率成为一个富有挑战性的研究内容,并且人体行为识别算法的研究有着重要的现实意义,在一些公共场所下的,实时的异常行为监控对人们日常生活安全有着重要的影响。本文在人体行为识别领域进行深入研究后,做了以下工作:首先,论文研究了人体行为识别领域的两种主流的算法:双流网络和3D卷积神经网络。对比两种主流的算法后,鉴于双流网络提取光流特征需要耗费大量的时间,在一些需要实时识别的场景下,双流网络的速度会比较慢。论文最终选择以3D卷积神经网络为基础进行改进,提高人体行为识别任务的准确率。论文选择以50层的ResNeXt为基础,在数据集上实验过程中发现了 3D卷积神经网络参数量巨大导致网络优化困难,同时庞大的参数量对计算性能的要求也更高。在ResNeXt-50网络中使用时空特征联合卷积的残差模块来替代3D卷积的残差模块。两个网络在UCF-101、HMDB51两个数据集进行了训练和测试。基于3D卷积的ResNeXt网络在UCF-101、HMDB51测试的准确率分别为88.52%和46.88%,而基于时空特征联合卷积的ResNeXt网络上测试的准确率分别为92.08%和53.34%。测试的准确率表明基于时空特征联合卷积的ResNeXt在两个数据集效果都有比较明显的提升,同时相比于3D卷积减少了网络的参数量。深度神经网络存在优化困难的问题。针对这个问题,论文根据深层与浅层特征的不同特点提出了一种新的前后特征融合算法,并将其和ResNeXt网络结合。最后在UCF-101、HMDB51两个数据集上,基于时空特征联合卷积的ResNeXt网络测试准确率93.04%和55.45%,最终准确率的提升证明了该算法有效性,同时在训练速度上也有一定的提升。最后将应用在二维图像数据的se-net算法进行了改进嵌入进ResNeXt网络中,使其可以应用在三维视频数据,se-net算法通过对特征通道加权不仅可以提高网络的优化速度也可以提高准确率。最后本文将两种算法嵌入到基于时空特征联合卷积的ResNeXt网络中,在大型数据集Kinetics数据集上进行了训练保存模型参数作为预训练模型。加载预训练模型微调后,在UCF-101上的测试准确率达到97.96%,在HMDB51上的准确率达到73.41%,在NTURGB+D上的准确率为89.18%。本文提出的网络模型在UCF-101和NTURGB+D这两个数据集上几乎达到了目前最高准确率,在HMDB51上效果稍微差一点。模型在三个数据集上的准确率数据充分证明了模型的鲁棒性和效果。

关键词：人体行为识别 ResNeXt-50 前后特征融合 se-net 预训练

来源：

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

基于se-B-Resnet-50的声纹识别方法研究

引用

新一代信息技术 2023年第17期6卷 1-7页

作者：李林张程重庆城市管理职业学院重庆400044 重庆大学计算机学院重庆400044

针对传统声纹识别方法识别率低、方法实现过程繁琐复杂等问题,本文提出了一种基于se-B-Resnet-50的声纹识别方法。该方法以Resnet-50为基础模型,首先结合声纹特征对模型第一层进行优化,同时在模型第一层与其他层之间增加了全局性跨尺度... 详细信息

针对传统声纹识别方法识别率低、方法实现过程繁琐复杂等问题,本文提出了一种基于se-B-Resnet-50的声纹识别方法。该方法以Resnet-50为基础模型,首先结合声纹特征对模型第一层进行优化,同时在模型第一层与其他层之间增加了全局性跨尺度连接,然后在该模型基础上融入se-net方法,利用对网络中的特征通道建立依赖,并利用全局信息来增强有用特征,同时抑制无用特征,通过B-Resnet和se-net结合的特征提取方法获得深度声纹特征。实验结果表明,采用se-B-Resnet-50的声纹识别方法的识别准确率达到了97%以上,远高于基线方法Resnet-50。

关键词：声纹识别 Resnet-50 se-net se-B-Resnet-50

来源：

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

基于改进Resnet18的垃圾分类收运监管方法研究

引用

软件工程 2023年第1期26卷 24-33页

作者：何彦弘徐怡宁傅嘉琪陈书航李俊峰浙江理工大学信息科学与工程学院浙江杭州310018 浙江理工大学计算机科学与技术学院浙江杭州310018

为解决垃圾分类收运过程中,由于错误收运导致的混装率高、垃圾分类效果下降的问题,文章提出了一种基于改进Resnet18的垃圾分类收运监管方法。首先,在Resnet18残差结构的始端引入se-net通道注意力机制模块,可以有效提升网络的特征提取能... 详细信息

为解决垃圾分类收运过程中,由于错误收运导致的混装率高、垃圾分类效果下降的问题,文章提出了一种基于改进Resnet18的垃圾分类收运监管方法。首先,在Resnet18残差结构的始端引入se-net通道注意力机制模块,可以有效提升网络的特征提取能力;其次,采用一种基于空洞卷积的多尺度感受野融合模块,使网络能够融合不同尺度的特征信息。实验结果表明,残差结构始端和晚期融合的改进方案效果更佳,加权F1值较原Resnet18分别提升了9.26%和7.36%。改进后的模型加权的F1值达97.27%,较原Resnet18分别提升了10.26%,并且对不同颜色垃圾桶识别的准确率更高。此外,改进后的Resnet18的每秒检测帧数(FPS)达到65.03,可以满足监管实时性的要求。同时,采用数据增强和天气模拟的方法处理数据集,使模型能适应多种环境,提升了模型的鲁棒性。

关键词： Resnet18 垃圾分类收运监管 se-net 多尺度感受野融合扩张卷积

来源：

维普期刊数据库博看期刊

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

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：