检索结果-南通市图书馆

同方期刊数据库博看期刊

基于swin-transformer的多尺度多源域自适应轴承故障诊断

在线全文

学校读者我要写书评

暂无评论

机床与液压 2025年第1期53卷 32-42页

作者：周玉国张志凯张金超于春风周立俭青岛理工大学信息与控制工程学院山东青岛266520 海军航空大学航空仪电控制工程与指挥系山东青岛266000

针对当前多源域自适应方法无法充分挖掘多源域中不同尺度故障信息的问题,提出一种基于swin-transformer(swin-T)的多尺度多源域自适应轴承故障诊断方法。通过连续小波变换,获得振动信号在不同频带的特征。为更充分地利用多源域中不同尺... 详细信息

针对当前多源域自适应方法无法充分挖掘多源域中不同尺度故障信息的问题,提出一种基于swin-transformer(swin-T)的多尺度多源域自适应轴承故障诊断方法。通过连续小波变换,获得振动信号在不同频带的特征。为更充分地利用多源域中不同尺度的故障信息,提出基于swin-T的多尺度特征提取网络。为了减小各域之间的数据分布差异,构建基于最大均值差异的特征对齐网络,并根据不同尺度对分类的贡献赋予权值。此外,构建多尺度特征融合模块,对不同尺度的特征信息进行融合,得到故障特征集。最后,利用Softmax对特征集进行故障分类,并通过最小化多分类器预测差异损失得到最终分类结果。在凯斯西储大学和青岛理工大学轴承数据集上,该方法的故障分类准确度分别达到99.63%和99.40%。

关键词：轴承故障诊断多源域自适应 swin-transformer 多尺度特征提取最大均值差异

Pre-Locator Incorporating swin-transformer Refined Classifier for Traffic Sign Recognition

在线全文

学校读者我要写书评

暂无评论

Intelligent Automation & Soft Computing 2023年第8期37卷 2227-2246页

作者： Qiang Luo Wenbin Zheng School of Software Engineering Chengdu University of Information TechnologyChengdu610225China V.C.&V.R.Key Lab of Sichuan Province Sichuan Normal UniversityChengdu610068China

In the field of traffic sign recognition,traffic signs usually occupy very small areas in the input *** object detection algorithms directly reduce the original image to a specific size for the input model during the detection process,which leads to the loss of small object ***-tionally,classification tasks are more sensitive to information loss than local-ization *** paper proposes a novel traffic sign recognition approach,in which a lightweight pre-locator network and a refined classification network are *** pre-locator network locates the sub-regions of the traffic signs from the original image,and the refined classification network performs the refinement recognition task in the ***,an innovative module(named SPP-ST)is proposed,which combines the Spatial Pyramid Pool module(SPP)and the swin-transformer module as a new feature extractor to learn the special spatial information of traffic sign *** results show that the proposed method is superior to the state-of-the-art methods(82.1 mAP achieved on 218 categories in the TT100k dataset,an improvement of 19.7 percentage points compared to the previous method).Moreover,both the result analysis and the output visualizations further demonstrate the effectiveness of our proposed *** source code and datasets of this work are available at https://***/DijiesitelaQ/TSOD.

关键词： Traffic sign recognition swin-transformer YOLOX small object

基于swin-transformer的短波协议信号识别

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

通信学报 2022年第11期43卷 127-135页

作者：朱政宇陈鹏飞王梓晅巩克现吴迪王忠勇郑州大学电气与信息工程学院河南郑州450001 郑州大学河南省智能网络和数据分析国际联合实验室河南郑州450001 郑州大学电子材料与系统国际联合研究中心河南郑州450001 信息工程大学数据与目标工程学院河南郑州450001

针对短波复杂信道环境下信号所属协议识别困难的问题,提出一种基于swin-transformer神经网络模型的短波协议信号识别算法。首先使用时频分析方法得到信号的灰度时频图作为神经网络的输入;其次设计一种基于swin-transformer的神经网络模... 详细信息

针对短波复杂信道环境下信号所属协议识别困难的问题,提出一种基于swin-transformer神经网络模型的短波协议信号识别算法。首先使用时频分析方法得到信号的灰度时频图作为神经网络的输入;其次设计一种基于swin-transformer的神经网络模型,对信号时频图进行特征提取;最后将特征与协议建立映射关系,从而实现信号协议的识别。仿真实验结果表明,在信噪比大于−4 dB的高斯信道下,所提算法的识别准确率接近100%,高于现有算法。此外,在强干扰以及多径时延衰落的信道条件下,所提算法仍具有较高的短波协议信号识别率。

关键词：短波协议信号识别神经网络时频分析多径时延衰落 swin-transformer

同方期刊数据库

基于swin-transformer改进的目标跟踪算法

在线全文

学校读者我要写书评

暂无评论

液晶与显示 2024年第11期39卷 1569-1580页

作者：刘时朱明中国科学院长春光学精密机械与物理研究所吉林长春130033

基于STARK目标跟踪方法中采用ResNet为骨干网络,其特征提取能力不足,跟踪效果较差。针对此问题,本文基于swin-transformer网络,提出了一种改进的目标跟踪算法。首先,对swin-transformer内窗口注意力机制进行多尺度改进,设计多尺度窗口模... 详细信息

基于STARK目标跟踪方法中采用ResNet为骨干网络,其特征提取能力不足,跟踪效果较差。针对此问题,本文基于swin-transformer网络,提出了一种改进的目标跟踪算法。首先,对swin-transformer内窗口注意力机制进行多尺度改进,设计多尺度窗口模块MW-MSA,旨在提取更为丰富的局部细节信息,与全局上下文信息共同构成多尺度判别性特征。接着,结合transformer的编码-解码结构作为特征融合网络,采用优化的多层感知机作为更新分数判断网络构成状态感知模块。最后,针对目标消失、重现挑战,提出了一种多跟踪器融合方法。融合多尺度改进的跟踪算法和SuperDiMP跟踪算法,设计消失状态判断模块,综合考虑两种跟踪器的置信度分数及目标在预测框附近的可能性估计。实验结果表明,相较STARK跟踪算法,本文算法在GOT-10K数据集上的平均重叠率(AO)提升2.7%、成功率SR_(0.5)提高3.3%。在L-LaSOT数据集上,相较于STARK算法,成功率(AUC)提升0.8%,在目标消失重现挑战下成功率提升1%。

关键词：目标跟踪多尺度窗口 swin-transformer 模板更新多模型融合

维普期刊数据库博看期刊

基于改进swin-transformer的柑橘病叶分类模型

在线全文

学校读者我要写书评

暂无评论

中国农机化学报 2024年第1期45卷 252-258页

作者：方俊泽郭正李歌邢素霞王瑜北京工商大学人工智能学院北京市100048

针对柑橘病害人工检测效率低、成本高、准确度低等问题,结合人工智能技术对柑橘病叶进行分类识别。首先,建立模拟复杂环境下的柑橘病叶数据集。其次,提出一种改进的swin-Trasnformer柑橘病叶分类模型,包含局部感知通道增强注意力模块(LP... 详细信息

针对柑橘病害人工检测效率低、成本高、准确度低等问题,结合人工智能技术对柑橘病叶进行分类识别。首先,建立模拟复杂环境下的柑橘病叶数据集。其次,提出一种改进的swin-Trasnformer柑橘病叶分类模型,包含局部感知通道增强注意力模块(LPCE),以提升模型的感受野和特征表达能力,通过通道之间的相关性进行加权,使模型更容易提取关键特征。试验证明本文模型的分类识别准确率达到98.52%,精确率、召回率和F 1-score分别达到98.17%、98.24%、98.28%,均超过基线模型。该模型为柑橘病害的检测提供技术支撑。

关键词：柑橘病叶深度学习分类识别 swin-transformer 注意力模块

基于swin-transformer与生成对抗网络的地震随机噪声压制方法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

石油物探 2024年第1期63卷 116-128页

作者：周鸿帅程冰洁徐天吉成都理工大学地球勘探与信息技术教育部重点实验室四川成都610059 电子科技大学资源与环境学院四川成都611731 电子科技大学长三角研究院(湖州) 浙江湖州313000

目前深度学习类地震数据去噪方法大多基于卷积神经网络,而此类方法受限于卷积核的局部操作,缺少对地震数据全局特征的分析,因而降低了去噪效果。另外,以L 1,L 2损失函数为指标的网络模型容易出现过度平滑效应,产生虚假同相轴以及虚高的... 详细信息

目前深度学习类地震数据去噪方法大多基于卷积神经网络,而此类方法受限于卷积核的局部操作,缺少对地震数据全局特征的分析,因而降低了去噪效果。另外,以L 1,L 2损失函数为指标的网络模型容易出现过度平滑效应,产生虚假同相轴以及虚高的峰值信噪比(PSNR)与结构相似性(SSIM)值。为此,提出一种基于swin-transformer(swin-T)和生成对抗网络的去噪方法(ST-GAN)。该方法以swin-transformer作为生成对抗网络中的生成网络对地震数据去噪,判别网络基于卷积神经网络。transformer的自注意力机制是全局操作,可以有效提取地震数据的全局特征,并能与卷积神经网络的局部操作互补,提升网络模型的特征提取能力。而对抗损失则提升了网络模型的细节恢复能力,有效避免因过度平滑效应产生的同相轴假象。将该方法应用于地震数据去噪,并与现有去噪方法进行对比分析,实验结果表明,该方法具有更加优异的特征提取能力,能在有效压制随机噪声的同时,恢复和保留更多的细节信息,提高了地震信号的信噪比。

关键词：深度学习噪声压制 swin-transformer 自注意力机制生成对抗网络卷积神经网络损失函数

融合swin-transformer网络模型的水体高光区域提取

在线全文

学校读者我要写书评

暂无评论

遥感信息 2023年第4期38卷 129-136页

作者：陈毅夫何敬刘刚毛佳琪成都理工大学地球科学学院成都610059 成都理工大学地质灾害防治与地质环境保护国家重点实验室成都610059

在强光的照射下,水体的镜面反射往往会对遥感影像产生很大影响,其主要表现就是在图像上产生大小不同、形状各异的亮斑。这些亮斑附近的地物信息基本上都被淹没,对后期的影像分析会造成不同程度的影响,因此对这些亮斑的检测识别就显得尤... 详细信息

在强光的照射下,水体的镜面反射往往会对遥感影像产生很大影响,其主要表现就是在图像上产生大小不同、形状各异的亮斑。这些亮斑附近的地物信息基本上都被淹没,对后期的影像分析会造成不同程度的影响,因此对这些亮斑的检测识别就显得尤为重要。文章以DeeplabV3plus为主要网络,提出一种融合swin-transformer模块的网络模型。该模型将swin-transformer网络作为一个模块与卷积骨干网络并行提取特征。提取出的两类特征经上采样后进行特征融合,再经多次卷积等实现了水体亮斑的识别与分割。实验结果表明,该模型能够对不同类型、不同形状的水体亮斑进行识别分割,其平均交并比为93.44%。

关键词：水体高光区域提取 swin-transformer DeeplabV3plus 特征并行提取特征融合

swin-transformer故障信息挖掘的海底观测网故障定位方法

在线全文

学校读者我要写书评

暂无评论

网络新媒体技术 2024年第3期13卷 47-56页

作者：栾韶泽李光炬甘维明季桂花邢炜光赵赞善中国科学院声学研究所南海研究站海口570105 中国科学院大学北京100190 陵水海洋信息海南省野外科学观测研究站陵水572423 自然资源部海洋观测技术重点实验室天津300112

海底观测网长期受海洋环境与人为因素影响,易使光电复合缆绝缘破损与海水接触形成电学故障点。如何准确地定位电学故障点,对提高海底观测网输电与信息传输的可靠性至关重要。首先根据海底观测网输电结构建立海底观测网输电模型,推导与... 详细信息

海底观测网长期受海洋环境与人为因素影响,易使光电复合缆绝缘破损与海水接触形成电学故障点。如何准确地定位电学故障点,对提高海底观测网输电与信息传输的可靠性至关重要。首先根据海底观测网输电结构建立海底观测网输电模型,推导与模拟电学故障点传播至观测点的暂态电流,然后由连续小波变换提取暂态电流与故障点对应的内在关联特征量,最后通过swin-transformer神经网络挖掘内在关联特征量与故障距离的匹配关系来定位电学故障点。研究结果表明,在内在关联特征量样本测试集条件下,光电复合缆≤160 km的电学故障点定位误差小于400 m,可为长距离光电复合缆的海底观测网电学故障点定位提供参考。

关键词：海底观测网光电复合缆电学故障点暂态电流 swin-transformer 故障点定位

基于swin-transformer的耕地自动识别与提取方法研究

在线全文

学校读者我要写书评

暂无评论

基于Swin-Transformer的耕地自动识别与提取方法研究

作者：程重庆交通大学

学位级别：硕士

耕地和人们生活密切相关,随着农村的发展,城乡结合处出现如耕地撂荒、毁林开垦、退耕还林政策实施不到位等问题,导致耕地与其他区域难以分辨,边界模糊。基于卫星影像处理技术和深度学习识别技术的结合,遥感影像能很好的作用于土地类型... 详细信息

耕地和人们生活密切相关,随着农村的发展,城乡结合处出现如耕地撂荒、毁林开垦、退耕还林政策实施不到位等问题,导致耕地与其他区域难以分辨,边界模糊。基于卫星影像处理技术和深度学习识别技术的结合,遥感影像能很好的作用于土地类型分类与地物识别上,提高地物的识别精度,逐步解决上述问题,但目前还存在以下不足:(1)遥感影像中由于存在与耕地具有类似光谱和形态特征的地物,该地物的变化会导致识别结果出现错检。(2)由于深度学习模型识别过程中特征关系不联系导致识别边缘不完整或识别结果碎片化。(3)深度学习模型随着模型的更新迭代,采用更多的模块,参数量变大,模型硬件需求高,程序运行时数据冗余度变大。针对上述问题,本文使用经过改进的深度学习模型进行耕地地块的识别和提取,为国家耕地规划提供更好的数据处理手段支持。本文的主要工作内容如下:(1)使用swin-transformer模型训练并进行耕地识别,分析其中增加的可变感受野模块和移动自注意力模块对耕地识别的优势。为研究swin-transformer模型,本文使用数据集LOVEda作为训练集,以河南省安阳市为研究区对U-net、PSPNet、HRNet、Deeplab V3+和swin-transformer进行训练精度与识别结果对比。对比试验表明,swin-transformer为最优模型且能有效的减少地物识别的错检漏检问题。(2)提出了改进交叉自注意力窗口模块,并使用改进的RC-swin-T网络模型进行耕地识别。结果表明RC-swin-T模型在提出的三种改进模型中最优,可以有效解决结果图破碎、边缘等问题。(3)结合RC-swin-T模型,提出了一套基于遥感影像数据的耕地自动识别与提取的完整流程。本文使用带有最佳权重的深度学习模型,修改激活函数,将程序中的八位位深图转换为两位,将耕地赋单独参数,其他7类赋统一参数,由此得到一套完整的使用深度学习模型框架做耕地识别与提取的流程。

关键词：耕地识别 swin-transformer RC-MSA自注意力机制语义分割土地类型分类