检索结果-南通市图书馆

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

深度学习驱动下的目标检测研究进展综述

计算机工程与应用 2025年第1期61卷 24-41页

作者：山显英张琳李泽慧北京建筑大学电气与信息工程学院北京102616

近年来,深度学习在GPU高性能计算能力的加持下得到了迅速推广,并在安防、医疗、工业等领域实现了广泛应用。目标检测模型的性能也在稳步提高,从传统的目标检测方法逐渐过渡到基于卷积神经网络(CNN)深度学习的进一步应用,极大地节省了人... 详细信息

近年来,深度学习在GPU高性能计算能力的加持下得到了迅速推广,并在安防、医疗、工业等领域实现了广泛应用。目标检测模型的性能也在稳步提高,从传统的目标检测方法逐渐过渡到基于卷积神经网络(CNN)深度学习的进一步应用,极大地节省了人力物力。通过参考大量文献,按照两阶段脉络梳理了目标检测的发展历程以及近年深度学习在目标检测领域内的研究进展,对比了在不同数据集上模型网络的性能,总结不同方法的优势与不足,并对领域内重要数据集作了归纳,还对目标检测算法的落地效果做了总结,特别是生活与科技中的实际应用(无人驾驶、医学图像、遥感等)。最后,还对深度学习驱动下目标检测在未来研究上的机遇和挑战作了展望。

关键词：目标检测卷积神经网络单阶段两阶段目标检测应用

维普期刊数据库

联邦原型学习的特征图中毒攻击和双重防御机制

在线全文

学校读者我要写书评

暂无评论

软件学报 2025年第03期 1355-1374页

作者：王瑞锦王金波张凤荔李经纬李增鹏陈厅电子科技大学信息与软件工程学院电子科技大学计算机科学与工程学院山东大学网络空间安全学院

联邦学习是一种无需用户共享私有数据、以分布式迭代协作训练全局机器学习模型的框架.目前流行的联邦学习方法 FedProto采用抽象类原型(称为特征图)聚合,优化模型收敛速度和泛化能力.然而,该方法未考虑所聚合的特征图的正确性,而错误的... 详细信息

联邦学习是一种无需用户共享私有数据、以分布式迭代协作训练全局机器学习模型的框架.目前流行的联邦学习方法 FedProto采用抽象类原型(称为特征图)聚合,优化模型收敛速度和泛化能力.然而,该方法未考虑所聚合的特征图的正确性,而错误的特征图可能导致模型训练失效.为此,首先探索针对FedProto的特征图中毒攻击,论证攻击者只需通过置乱训练数据的标签,便可将模型的推测准确率至多降低81.72%.为了抵御上述攻击,进一步提出双重防御机制,分别通过全知识蒸馏和特征图甄别排除错误的特征图.基于真实数据集的实验表明,防御机制可将受攻击模型的推测准确率提升1–5倍,且仅增加2%系统运行时间.

关键词：联邦学习数据异构知识蒸馏特征图中毒攻击双重防御机制

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

多源信号视觉特征与胶囊图网络电机故障诊断

国防科技大学学报 2025年

作者：王东辉张晓飞郭晋远单恒国防科技大学空天科学学院湖南大学电气与信息工程学院

针对传统电机故障诊断方法依赖专业知识和经验，且在处理复杂数据时精度不高的问题，提出了结合彩色图像融合的对称点模式与多通道融合残差图胶囊网络（multichannel residual fusion graph capsule network，MCFRes-CapsGNN）的电机故... 详细信息

针对传统电机故障诊断方法依赖专业知识和经验，且在处理复杂数据时精度不高的问题，提出了结合彩色图像融合的对称点模式与多通道融合残差图胶囊网络（multichannel residual fusion graph capsule network，MCFRes-CapsGNN）的电机故障诊断方法。通过对称极坐标变换技术构建雪花图，并结合彩色多通道融合技术整合多传感器信号，生成彩色融合图像，以优化信号特征的视觉表征。利用超像素分割技术将图像划分为超像素块，并依据其纹理、颜色和距离特征构建图结构数据。使用MCFRes-CapsGNN模型对图结构数据进行处理，通过构建胶囊提取图数据特征，有效捕捉数据中的层次结构和复杂空间关系，增强特征学习能力。实验结果表明，所提方法在常规故障类型的诊断上准确率达到98.12%，优于其他智能故障诊断算法。

关键词：多通道融合故障诊断胶囊图神经网络对称点模式

计及电压动态的构网型变流器多机并联系统暂态建模与稳定域估计

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电工技术学报 2025年

作者：罗聪陈燕东谢志为高铭琨谢佳伟湖南大学电气与信息工程学院

以构网型变流器为接口的新能源具有频率和电压支撑能力的同时，面临严峻的暂态同步失稳风险。现有研究多专注于构网型变流器单机系统，无法推广应用至存在复杂交互的多机并联系统，缺少多机系统稳定域的定量估计。为此，该文首先建立了... 详细信息

以构网型变流器为接口的新能源具有频率和电压支撑能力的同时，面临严峻的暂态同步失稳风险。现有研究多专注于构网型变流器单机系统，无法推广应用至存在复杂交互的多机并联系统，缺少多机系统稳定域的定量估计。为此，该文首先建立了机组外交互与有功无功内耦合的构网型变流器多机并联系统大信号等值模型。基于该模型，构造了计及电压动态、阻尼耗散以及机组暂态交互的李雅普诺夫函数集。该函数集不依赖于运动路径与响应时间，能直观且准确刻画多机并联系统最大稳定域，并通过故障清除点位置预判暂态同步稳定性。通过比较稳定域大小，量化了控制参数和电网参数对构网型多机系统暂态同步稳定边界影响，探究了阻尼耗散、电压动态以及机组间交互对暂态稳定裕度影响。最后，搭建硬件在环实验平台验证了所估计最大稳定域与分析的准确性。

关键词：构网型变流器暂态同步稳定域多机并联系统

基于状态反馈和输出反馈的离散线性多智能体系统的二分一致性研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

控制与决策 2025年第2期40卷 537-545页

作者：姚瑶张捷王健安李晓磊李志强太原科技大学电子信息工程学院太原030024 先进控制与装备智能化山西省重点实验室太原030024 燕山大学电气工程学院河北秦皇岛066004 中国电子科技集团公司第三十二研究所上海201808

基于状态反馈和输出反馈控制方法,解决离散线性领导-跟随多智能体系统的二分状态一致性跟踪控制问题,领导者具有离散自治动态并能够产生理想参考轨迹信号.首先,基于盖尔圆盘定理和离散代数黎卡提方程提出一种新型分布式状态反馈控制协议... 详细信息

基于状态反馈和输出反馈控制方法,解决离散线性领导-跟随多智能体系统的二分状态一致性跟踪控制问题,领导者具有离散自治动态并能够产生理想参考轨迹信号.首先,基于盖尔圆盘定理和离散代数黎卡提方程提出一种新型分布式状态反馈控制协议,基于系统拓扑矩阵设计的控制耦合增益能够使得全局跟踪误差系统包含在单位圆的稳定域内.在结构平衡条件下,通过Lyapunov稳定性理论和分离原理可证明符号有向图下两个对立子组的智能体可实现二分状态一致.然后,基于邻居合作-竞争交互信息引入新型分布式状态观测器以实现跟随者状态的跟踪,进而提出一类基于观测器的输出反馈二分控制协议,在状态不可获知情况下可实现理想的领导-跟随二分状态跟踪,也可应用于更一般的传统一致性控制场景.最后,给出两个仿真算例验证所提出算法的可行性和有效性.

关键词：离散动态多智能体系统稳定域二分状态一致代数黎卡提方程

维普期刊数据库

基于知识蒸馏与注意力机制的电缆故障可扩展化诊断研究

在线全文

学校读者我要写书评

暂无评论

高电压技术 2025年

作者：迟鹏梁睿青岛科技大学先进电工材料研究院中国矿业大学电气工程学院

现有基于人工智能的电缆故障诊断方法缺乏处理故障动态差异化发展的能力，其不能适应新的故障场景，无法随着时间的推移增强诊断能力。鉴于此，本文在深度卷积神经网络（deep convolutional neural network，DCNN）的基础上，融合知识... 详细信息

现有基于人工智能的电缆故障诊断方法缺乏处理故障动态差异化发展的能力，其不能适应新的故障场景，无法随着时间的推移增强诊断能力。鉴于此，本文在深度卷积神经网络（deep convolutional neural network，DCNN）的基础上，融合知识蒸馏与注意力机制提出一种电缆故障可扩展化诊断方法(DCNN with knowledge distillation and attention，DCNN-KD-A)。引入知识蒸馏思想，保留DCNN模型对原有故障的诊断信息，同时利用新增故障的分类损失对模型进行拓展修正，使其具备故障可扩展化诊断的能力。为避免模型训练中的灾难性遗忘问题，重新构建了相适应的故障分类器。为应对知识蒸馏中的信息损耗与改变，利用注意力机制增强模型的特征凝练作用，提升其可扩展化诊断精度。通过实测与仿真数据进行实验，实验结果验证了本文所提方法的有效性和可行性。

关键词：电缆故障可扩展化诊断知识蒸馏注意力机制深度卷积神经网络人工智能

基于无人机图像和改进CSRNet的田间大豆苗识别计数

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

农机化研究 2025年第5期47卷 145-151页

作者：朱轩池程铎灌崔道涵冯江东北农业大学信息与电气工程学院哈尔滨150030

为了得到大豆田间苗期的出苗率和种植密度,以方便及时间苗、补苗和评价种子质量的好坏,提出了一种卷积神经网络方法来对大豆田间苗期进行准确计数与密度评估。使用无人机采集大豆苗期图像制作了数据集,并对数据集进行数据增强。针对田... 详细信息

为了得到大豆田间苗期的出苗率和种植密度,以方便及时间苗、补苗和评价种子质量的好坏,提出了一种卷积神经网络方法来对大豆田间苗期进行准确计数与密度评估。使用无人机采集大豆苗期图像制作了数据集,并对数据集进行数据增强。针对田间复杂地形环境,为减少背景环境的干扰,对数据集图像进行直方图均衡化和明度提高等预处理。根据采集的大豆图像密集的特点,采用拥挤场景识别网络(Congested Scene Recognition Network,CSRNet)来构建并改进网络模型,改用VGG19作为前端网络,并加入卷积注意力模块(Convolutional Block Attention Module,CBAM)提高特征提取效果,并根据模型的豆苗图像密度图求和得到图像中的大豆苗数。试验结果表明:模型在测试数据集上平均绝对误差(Mean Absolute Error,MAE)和均方根误差(Root Mean Square Error,RMSE)分别达到了2.35、4.69;对比目标检测方法YOLOv5s、Faster R-CNN和其他人群密度检测方法CSRNet、MCNN和SANet,本研究的模型MAE分别低1.27、0.4、0.63、1.38、0.41,RMSE分别低2.43、0.54、1.83、3.83、2.06。所提出方法计数性能优异,可以满足无人机快速获取田间大豆出苗率的需要,为出苗率的获取提供了参考。

关键词：无人机苗木计数 CSRNet 机器视觉大豆

基于Transformer的逐通道点云分析网络*

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

电子测量与仪器学报 2025年

作者：冯凯浩陶志勇李衡李铭朗林森辽宁工程技术大学电子与信息工程学院沈阳理工大学自动化与电气工程学院

三维点云能够充分描述目标对象的几何信息，在自动驾驶、医学影像和机器人等领域有着广泛的应用前景。然而，现有方法在处理不同通道间的特征时缺乏差异化，同时对低级空间坐标和高级语义特征采用统一的编码策略，进而导致点云特征提取... 详细信息

三维点云能够充分描述目标对象的几何信息，在自动驾驶、医学影像和机器人等领域有着广泛的应用前景。然而，现有方法在处理不同通道间的特征时缺乏差异化，同时对低级空间坐标和高级语义特征采用统一的编码策略，进而导致点云特征提取不全面。因此，本文提出了基于Transformer的逐通道点云分析网络。首先，为了克服传统图卷积在混合通道中难以区分有效信息的挑战，设计了一种深度可分离边缘卷积，可以在逐通道特征提取时保留局部几何信息的同时，显著提升通道间的区分能力。其次，针对Transformer在低级空间坐标和高级语义特征中采用统一编码方式，导致信息提取不足的问题，提出了两种特征编码策略:自适应位置编码和空间上下文编码，分别用于探索低级空间中的隐式几何结构和高级空间中的复杂上下文关系。最后，提出了一种有效的融合策略，可以形成更具区分性的特征表示。为了充分证明所提出模型的有效性，在公开数据集ModelNet40和ScanObjectNN上进行点云分类实验，总体分类精度分别达到93.7%和83.2%，在公开数据集ShapeNet Part上，整体部件分割的平均交并比达到86.0%。因而，本文方法在分类和分割任务中均具有先进的性能。

关键词：点云分类分割深度可分离卷积 Transformer 融合算法 ModelNet40

基于误差状态扩展卡尔曼滤波的GNSS/INS组合导航机载车载船载数据集

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

全球定位系统 2025年第01期 9-17页

作者：尹智慧党龙飞魏峥嵘王胜利山东科技大学测绘与空间信息学院山东科技大学海洋科学与工程学院

针对直接采用扩展卡尔曼滤波(extended Kalman filter,EKF)可能导致精度损失以及出现万向节死锁的情况，本文采用具有良好线性特性的基于误差状态扩展卡尔曼滤波(error state Kalman filter,ESKF)的方法进行GNSS与惯性导航系统(inertial... 详细信息

针对直接采用扩展卡尔曼滤波(extended Kalman filter,EKF)可能导致精度损失以及出现万向节死锁的情况，本文采用具有良好线性特性的基于误差状态扩展卡尔曼滤波(error state Kalman filter,ESKF)的方法进行GNSS与惯性导航系统(inertial navigation system,INS)组合导航解算，并将解算结果与高精度解算软件Inertial Explorer (IE)进行对比分析.为了验证方法的有效性，制作并公开了3组组合导航数据集，分别为车载、机载以及船载数据.该数据集的INS设备均采用霍尼韦尔的HG4930,GNSS数据的采样频率分别有车载的5 Hz和机载的1 Hz以及船载的10 Hz.本文将基于ESKF方法在公开的数据集上进行实验，并与IE软件得到的结果进行对比与分析.

关键词： GNSS 惯性导航系统(INS) 扩展卡尔曼滤波(EKF) 公开数据集误差状态扩展卡尔曼滤波(ESKF)