-
题名基于改进DCGAN算法的遥感数据集增广方法
被引量：9
- 1
-
-
作者
张曼
李杰
朱新忠
沈霁
成昊天
-
机构
上海航天电子技术研究所
-
出处
《计算机科学》
CSCD
北大核心
2021年第S01期80-84,共5页
-
文摘
遥感数据集规模是深度学习目标检测算法性能的关键,如何利用少量数据生成大量标注图像成为当前的研究热点。针对这一问题,结合二次掩模技术,提出一种基于改进DCGAN算法的遥感数据集增广方法,自定义目标个数与位置,实现图像与标签的扩增,解决了基于GAN图像增广算法中无对应标签生成的问题。同时,针对DCGAN算法生成图像质量不高的问题,提出多尺度特征融合技术,优化DCGAN算法,提升图像质量。实验表明,在MNIST和PlANE两种数据集上,改进DCGAN算法生成的图像质量与图像多样性均优于DCGAN算法;在利用Tiny-YoloV2算法设计的验证实验中发现,所提算法增广的数据集,检测AP值高达85.45%,相对未增广算法与传统增广方法,AP值分别提高了16.05%和2.88%,验证了算法的有效性。
-
关键词
DCGAN
遥感图像
目标检测
数据集增广
多特征图
特征融合
-
Keywords
DCGAN
Remote sensing images
Object detection
Augmentation of dataset
Multi-feature map
Feature fusion
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于边界辅助判别的滚动轴承故障特征增强及诊断方法
- 2
-
-
作者
李佰霖
鲁大臣
付文龙
陈禹朋
-
机构
三峡大学电气与新能源学院
-
出处
《机电工程》
CAS
北大核心
2024年第4期643-650,共8页
-
基金
国家自然科学基金资助项目(51741907)
梯级水电站运行与控制湖北省重点实验室开放基金资助项目(2022KJX10)。
-
文摘
滚动轴承作为机械设备重要部件,对保障设备安全稳定运行具有重要意义。针对实际诊断中的滚动轴承故障数据不平衡问题,提出了一种基于边界辅助判别的辅助分类生成对抗网络模型(BD-ACGAN)。首先,设计了一种可用于提取故障样本边界细节特征的边界辅助判别器,以引导生成器生成更真实的样本,并采用该生成样本解决了数据不平衡的问题;其次,采用了自适应权重损失模块,动态调整了损失权重,使该模型更加关注重要的特征信息,从而提高了该模型的生成质量和特征表达能力;利用生成样本和真实样本数据对BD-ACGAN模型进行了增强训练,提高了该模型的泛化能力和诊断能力;最后,进行了消融实验及对照实验,对BD-ACGAN模型的特征增强能力和诊断效果进行了验证,分别采用美国凯斯西储大学和西安交通大学滚动轴承数据集对模型进行了实验验证。研究结果表明:该BD-ACGAN模型能够有效利用故障样本的边界特征解决数据不平衡问题,并且故障诊断精确度为98.79%,优于其他对照模型,为滚动轴承故障诊断提供了一种新的方法。
-
关键词
轴承故障诊断
数据不平衡
边界辅助判别的辅助分类生成对抗网络
故障特征增强
自适应权重损失
数据集增广
-
Keywords
bearing fault diagnosis
data imbalance
boundary-assisted discriminative auxiliary classifier generative adversarial network(BD-ACGAN)
fault feature enhancement
adaptive weight loss
dataset augmentation
-
分类号
TH133.3
[机械工程—机械制造及自动化]
-
-
题名结合通道注意力的无人机遥感影像行人检测方法
- 3
-
-
作者
杨贤辉
周永林
杨善斌
-
机构
清远市测绘地理信息中心
广东明航测绘有限公司
-
出处
《测绘与空间地理信息》
2024年第2期137-140,共4页
-
文摘
在无人机遥感影像行人检测任务中,针对无人机影像背景复杂、行人目标尺度多样化且样本个数稀少等问题,提出一种结合通道注意力的单阶段卷积网络模型。模型以并联卷积核构成特征提取层,同时引入通道注意力机制来强化模型对行人特征的学习能力;在特征强化网络中进一步通过融合跨尺度特征,构建了4个输出层的特征强化网络,最后使用增广后的训练集完成模型的训练。实验结果表明,本文所提出的行人检测模型能够对曝光、阴影等复杂效果下以及不同角度、不同距离下的行人目标实施稳定检出,在测试环境下的检测速度也达到实时检测水平。
-
关键词
无人机遥感
行人检测
通道注意力
数据集增广
-
Keywords
UAV remote sensing
pedestrian detection
channel attention
dataset augmentation
-
分类号
P237
[天文地球—摄影测量与遥感]
-
-
题名基于M-DCGAN的缺陷检测数据集增广方法
被引量：1
- 4
-
-
作者
唐路源
赵红
王宁
韩冰
王元元
李汪洋
-
机构
大连海事大学船舶电气工程学院
大连海事大学轮机工程学院
上海船舶运输科学研究所有限公司
-
出处
《大连海事大学学报》
CAS
CSCD
北大核心
2023年第2期148-160,共13页
-
基金
国家自然科学基金资助项目(52271306)
船舶总体性能创新研究开放基金(31422120)。
-
文摘
针对智能制造中表面缺陷检测数据集不足问题,提出基于M-DCGAN的数据集增广方法。首先,向判别器添加上采样模块,搭建类U-Net结构并提升判别器与生成器的网络深度;设计基于Canny边缘检测的缺陷位置二值化掩膜提取方法;定义图像掩膜依赖的损失函数,建立缺陷目标位置关注引导机制;插入谱归一化层和Dropout层以提高训练稳定性,保持生成图像数据多样性。带钢缺陷数据集实验结果表明,该模型生成图片质量高于DCGAN、WGAN-GP和InfoGAN。采用本文M-DCGAN算法增广训练数据,能够显著提升并超过传统增广算法在YOLOv5、SSD、Faster R-CNN、YOLOv3等八种经典方法中的缺陷检测精度,验证了本文算法的有效性。
-
关键词
缺陷检测
数据集增广
深度学习
生成对抗网络
M-DCGAN
-
Keywords
defect detection
augmentation of dataset
deep learning
generative adversarial network
M-DCGAN(Mask-Deep Convolution Generative Adversarial Networks)
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
TP391.41
[自动化与计算机技术—控制科学与工程]
-
-
题名基于Yolo的结直肠息肉CT影像分析算法研究
被引量：1
- 5
-
-
作者
代国威
晏静香
-
机构
中国农业科学院农业信息研究所
德阳市第七人民医院老年科
-
出处
《南通职业大学学报》
2021年第4期82-87,共6页
-
基金
国家重点研发计划:科学数据安全技术及基础技术标准研究(2019YFF0216202)。
-
文摘
为实现结直肠息肉的图像识别,提出改进YOLO网络结构的Yolo-polyps模型,使用深度学习实现结直肠息肉CT影像目标检测。对原始CT影像数据集增广增强,再通过改进k-means获取合适锚框,并作为Yolo-polyps模型快速获取特征的基准;对多个超参数进行微调,选择最优超参数,经实验验证,在较少样本下取得了94.8%的准确率;选择Yolo系列的多个算法在相同数据集进行测试,结果显示,Yolo-polyps模型识别准确率平均高出其他模型3.865%,表明该方法优于传统基于内窥镜检查的方法,对CT影像下的结直肠息肉检测有一定的辅助作用。
-
关键词
YOLOv3
CT图像
结直肠息肉检测
卷积神经网络
数据集增广增强
-
Keywords
YOLOv3
CT image
colorectal polyp detection
convolutional neural network
data set augmentation and enhancement
-
分类号
R735.35
[医药卫生—肿瘤]
-
