期刊文献+
共找到183篇文章
< 1 2 10 >
每页显示 20 50 100
采用多尺度注意力机制的旋转机械故障诊断方法 被引量:33
1
作者 吴静然 丁恩杰 +1 位作者 崔冉 刘建华 《西安交通大学学报》 EI CAS CSCD 北大核心 2020年第2期51-58,共8页
针对旋转机械故障诊断需要复杂特征提取过程,且对混有噪声的信号故障识别准确率偏低的问题,提出了一种基于注意力机制的多尺度端到端故障诊断方法。该方法在输入端引入随机丢弃抑制输入噪声,然后利用故障信号具有多个固有振动模态的特点... 针对旋转机械故障诊断需要复杂特征提取过程,且对混有噪声的信号故障识别准确率偏低的问题,提出了一种基于注意力机制的多尺度端到端故障诊断方法。该方法在输入端引入随机丢弃抑制输入噪声,然后利用故障信号具有多个固有振动模态的特点,通过多尺度粗粒度层获取不同尺度下振动信号,进而利用全卷积网络实现多尺度特征提取,接着采用注意力机制将多尺度特征进行融合,最后利用多分类函数实现旋转机械故障诊断。分别在凯斯西储大学轴承数据集和变速箱数据集对该方法的有效性进行验证,结果表明:该方法的故障识别率高达100%;人为引入噪声信号的信噪比为-4 dB时,在凯斯西储大学轴承数据集F上的故障识别正确率为84.77%,在齿轮箱数据集上的识别正确率为78.365%,识别正确率明显高于其他机器学习算法,证明了该方法具有较强的抗噪声干扰能力。 展开更多
关键词 旋转机械 故障诊断 随机丢弃 多尺度特征提取 注意力机制
下载PDF
基于多尺度深度卷积神经网络的故障诊断方法 被引量:21
2
作者 卞景艺 刘秀丽 +1 位作者 徐小力 吴国新 《振动与冲击》 EI CSCD 北大核心 2021年第18期204-211,共8页
针对机电装备故障诊断需要大量专家经验、故障特征识别困难的问题,在一维深度卷积神经网络基础上进行改进,构建多尺度一维深度卷积神经网络(M1DCNN),提出基于多尺度一维深度卷积神经网络的故障诊断方法:首先在网络输入层构建多个含有不... 针对机电装备故障诊断需要大量专家经验、故障特征识别困难的问题,在一维深度卷积神经网络基础上进行改进,构建多尺度一维深度卷积神经网络(M1DCNN),提出基于多尺度一维深度卷积神经网络的故障诊断方法:首先在网络输入层构建多个含有不同尺寸卷积核通道的特征提取层,对一维时序信号中故障特征进行多尺度特征提取,丰富智能体诊断信息,将所提取特征通过输入到包含多尺寸卷积核以及多样池化层中进行特征处理,最后合并多通道所处理的特征,使网络完成自我学习,从而实现故障诊断。将该方法应用到西储大学轴承故障数据及行星齿轮箱的故障数据诊断实验,结果表明该方法具有诊断精度高、鲁棒性强的特点,相较于一维卷积神经网络准确率提高1.25%,与反向传播神经网络、循环神经网络相比准确率平均提高3%以上,对网络特征提取效果进行可视化分析,结果表明该方法特征提取效果与诊断精度优于一维卷积神经网络。 展开更多
关键词 深度卷积神经网络(DCNN) 多尺度特征提取 特征可视化 故障诊断
下载PDF
多尺度密集残差网络的单幅图像超分辨率重建 被引量:21
3
作者 应自炉 龙祥 《中国图象图形学报》 CSCD 北大核心 2019年第3期410-419,共10页
目的近几年应用在单幅图像超分辨率重建上的深度学习算法都是使用单种尺度的卷积核提取低分辨率图像的特征信息,这样很容易造成细节信息的遗漏。另外,为了获得更好的图像超分辨率重建效果,网络模型也不断被加深,伴随而来的梯度消失问题... 目的近几年应用在单幅图像超分辨率重建上的深度学习算法都是使用单种尺度的卷积核提取低分辨率图像的特征信息,这样很容易造成细节信息的遗漏。另外,为了获得更好的图像超分辨率重建效果,网络模型也不断被加深,伴随而来的梯度消失问题会使得训练时间延长,难度加大。针对当前存在的超分辨率重建中的问题,本文结合GoogleNet思想、残差网络思想和密集型卷积网络思想,提出一种多尺度密集残差网络模型。方法本文使用3种不同尺度卷积核对输入的低分辨率图像进行卷积处理,采集不同卷积核下的底层特征,这样可以较多地提取低分辨率图像中的细节信息,有利于图像恢复。再将采集的特征信息输入残差块中,每个残差块都包含了多个由卷积层和激活层构成的特征提取单元。另外,每个特征提取单元的输出都会通过短路径连接到下一个特征提取单元。短路径连接可以有效地缓解梯度消失现象,加强特征传播,促进特征再利用。接下来,融合3种卷积核提取的特征信息,经过降维处理后与3×3像素的卷积核提取的特征信息相加形成全局残差学习。最后经过重建层,得到清晰的高分辨率图像。整个训练过程中,一幅输入的低分辨率图像对应着一幅高分辨率图像标签,这种端到端的学习方法使得训练更加迅速。结果本文使用两个客观评价标准PSNR(peak signal-to-noise ratio)和SSIM(structural similarity index)对实验的效果图进行测试,并与其他主流的方法进行对比。最终的结果显示,本文算法在Set5等多个测试数据集中的表现相比于插值法和SRCNN算法,在放大3倍时效果提升约3.4dB和1.1dB,在放大4倍时提升约3.5dB和1.4dB。结论实验数据以及效果图证明本文算法能够较好地恢复低分辨率图像的边缘和纹理信息。 展开更多
关键词 单幅图像超分辨率 多尺度卷积核 残差网络 密集型卷积网络 特征提取单元
原文传递
EEMD多尺度熵和ELM在水电机组振动信号特征提取中的应用 被引量:19
4
作者 何葵东 陈伽 +2 位作者 金艳 蒋文君 肖志怀 《中国农村水利水电》 北大核心 2021年第5期176-182,187,共8页
机组的状态评价及故障诊断基于信号特征提取,水电机组非平稳、非线性振动信号的特征提取是水电领域研究热门。提出了一种基于集合经验模态分解(EEMD)和多尺度熵(MSE)的水电机组振动信号特征提取方法,采用极限学习机(ELM)实现模式识别。... 机组的状态评价及故障诊断基于信号特征提取,水电机组非平稳、非线性振动信号的特征提取是水电领域研究热门。提出了一种基于集合经验模态分解(EEMD)和多尺度熵(MSE)的水电机组振动信号特征提取方法,采用极限学习机(ELM)实现模式识别。对降噪后水电机组振动信号进行EEMD分解,并根据峭度—标准相关系数指标筛选有效本征模态分量(IMF),计算有效IMF的MSE特征值并构建特征向量集,将故障特征集输入ELM后,有效评价机组运行状态,实现机组故障预警,现场试验数据验证了该方法对于水电机组振动信号特征提取的可行性和优越性。 展开更多
关键词 水电机组振动信号 集合经验模态分解 多尺度熵 特征提取 极限学习机
下载PDF
基于提升卷积神经网络的航空发动机高速轴承智能故障诊断 被引量:17
5
作者 韩淞宇 邵海东 +1 位作者 姜洪开 张笑阳 《航空学报》 EI CAS CSCD 北大核心 2022年第9期150-163,共14页
航空发动机轴承长时间工作在高速重载的恶劣条件下,将不可避免地产生性能衰退甚至引发各种故障,自动准确的航空发动机高速轴承故障诊断方法有助于提升运行安全性和维修经济性。航空发动机高速轴承的原始振动信号具有强烈的非平稳性,且... 航空发动机轴承长时间工作在高速重载的恶劣条件下,将不可避免地产生性能衰退甚至引发各种故障,自动准确的航空发动机高速轴承故障诊断方法有助于提升运行安全性和维修经济性。航空发动机高速轴承的原始振动信号具有强烈的非平稳性,且其故障样本数量远小于健康样本,传统的智能诊断方法更容易向大样本偏斜,从而导致诊断性能的降低。针对上述问题,提出了一种基于自适应权重和多尺度卷积的提升卷积神经网络(CNN)。首先构造多尺度卷积网络提取故障样本的多尺度特征,挖掘具有识别性的有用信息;然后设计自适应权重单元对多尺度特征进行加权融合,增加重要特征的贡献度,减少非相关特征的影响;最后采用Focal Loss作为损失函数,使训练过程中网络模型更关注故障样本和易混淆样本。通过航空发动机高速轴承振动数据的测试与分析,证实了所提方法在不平衡数据故障诊断任务中的可行性。 展开更多
关键词 航空发动机高速轴承 智能故障诊断 提升卷积神经网络 不平衡数据 多尺度特征提取 自适应权重 损失函数补偿
原文传递
基于多尺度特征提取的Kalman滤波跟踪 被引量:17
6
作者 孔军 汤心溢 +2 位作者 蒋敏 刘士建 李丹 《红外与毫米波学报》 SCIE EI CAS CSCD 北大核心 2011年第5期446-450,共5页
针对波动性较大目标跟踪,传统Kalman滤波算法鲁棒性和实时性不足,提出一种基于多尺度特征提取的Kalman跟踪算法.前帧目标区域特征点匹配出后续帧目标区域特征点,并以后者特征点为中心,建立搜索区域,避免了遍历整幅后续帧图像,快速地为Ka... 针对波动性较大目标跟踪,传统Kalman滤波算法鲁棒性和实时性不足,提出一种基于多尺度特征提取的Kalman跟踪算法.前帧目标区域特征点匹配出后续帧目标区域特征点,并以后者特征点为中心,建立搜索区域,避免了遍历整幅后续帧图像,快速地为Kalman滤波方程状态后验值提供了稳定的观测信号和观测残差.实验证明,这种作为约束条件引入传统的Kalman滤波方程的多尺度特征提取技术,克服了传统Kalman滤波时间较长,易发散的缺陷,从而使其有着良好的收敛性. 展开更多
关键词 目标跟踪 多尺度特征提取 KALMAN滤波 收敛
下载PDF
基于多尺度排列熵的舰船辐射噪声复杂度特征提取研究 被引量:14
7
作者 陈哲 李亚安 《振动与冲击》 EI CSCD 北大核心 2019年第12期225-230,共6页
针对复杂海洋环境中舰船辐射噪声的特征提取问题,提出了一种基于多尺度排列熵的舰船辐射噪声复杂度特征提取方法。分别利用基于EEMD的最强固有模态中心频率法、高低频能量差法和基于复杂度的排列熵与多尺度排列熵提取了五种不同类别、... 针对复杂海洋环境中舰船辐射噪声的特征提取问题,提出了一种基于多尺度排列熵的舰船辐射噪声复杂度特征提取方法。分别利用基于EEMD的最强固有模态中心频率法、高低频能量差法和基于复杂度的排列熵与多尺度排列熵提取了五种不同类别、一定样本数量的舰船辐射噪声特征,并将四种特征提取方法所提取的舰船特征分别输入概率神经网络进行分类识别。研究发现,多尺度排列熵是一种一致性好、稳定性强的非线性特征参数,能够从多个维度描述信号的复杂度。实验结果表明,多尺度排列熵特征具有很好的可分性,以多尺度排列熵为特征进行舰船分类识别,识别率显著高于其他舰船辐射噪声特征提取算法. 展开更多
关键词 多尺度排列熵 复杂度 舰船辐射噪声 集合经验模态分解 特征提取
下载PDF
多尺度融合注意力机制的人脸表情识别网络 被引量:10
8
作者 罗思诗 李茂军 陈满 《计算机工程与应用》 CSCD 北大核心 2023年第1期199-206,共8页
针对在人脸表情识别中普通卷积神经网络难以提取有效特征、网络模型参数复杂等问题,提出了一种多尺度融合注意力机制网络(multi-scale integrated attention network,MIANet)。为了同时增加网络的宽度和深度又避免冗余计算,在网络中引入... 针对在人脸表情识别中普通卷积神经网络难以提取有效特征、网络模型参数复杂等问题,提出了一种多尺度融合注意力机制网络(multi-scale integrated attention network,MIANet)。为了同时增加网络的宽度和深度又避免冗余计算,在网络中引入Inception结构,用于提取图像的多尺度特征信息。使用高效通道注意机制(efficient channel attention,ECA),强调与面部表情相关的区域抑制不相关的背景区域,提高重要面部特征的表达能力。在卷积层中采用深度可分离卷积,减少网络参数,防止过拟合。使用提出的方法在公开数据集FER-2013和CK+上进行实验,分别取得了95.76%和72.28%的准确率。实验结果表明,该方法识别效果较好,泛化能力较强,在人脸表情识别中对网络结构设置和参数配置方面具有一定的参考价值。 展开更多
关键词 人脸表情识别 多尺度特征提取 深度可分离卷积 注意力机制
下载PDF
基于多通道多尺度卷积神经网络的单幅图像去雨方法 被引量:13
9
作者 柳长源 王琪 毕晓君 《电子与信息学报》 EI CSCD 北大核心 2020年第9期2285-2292,共8页
雨天等恶劣天气会严重影响到图像成像质量,从而影响到视觉处理算法的性能。为了改善雨天图像的成像质量,该文提出一种基于多通道多尺度卷积神经网络的去雨算法,建立了多通道多尺度卷积神经网络结构来提取雨线特征。首先利用小波阈值引... 雨天等恶劣天气会严重影响到图像成像质量,从而影响到视觉处理算法的性能。为了改善雨天图像的成像质量,该文提出一种基于多通道多尺度卷积神经网络的去雨算法,建立了多通道多尺度卷积神经网络结构来提取雨线特征。首先利用小波阈值引导的双边滤波将有雨图像进行分解,得到高频雨线图像和轮廓保持度高的低频背景图像。然后为了使图像高频部分的雨线信息更为明显,减少雨线特征学习时高频图像中的背景误判,将得到的高频雨线图像再一次通过滤波器得到减弱背景信息同时增强雨线信息的到更高频雨线图像。其次针对低频背景图像上也残留了大量雨痕,该文提出将低频背景图像和更高频雨线图像一起送入卷积神经网络进行特征学习,其中对图像提取的是多尺度特征信息,最后得到雨线去除更彻底的复原图像。同时在构造网络模型时利用空洞卷积代替标准卷积来提取图像的特征信息,得到更丰富的图像特征,提高了算法的去雨性能。从实验结果可以看出去雨之后的图像清晰,细节保持度较高。 展开更多
关键词 深度学习 空洞卷积 图像分解 多尺度提取特征
下载PDF
基于多尺度和注意力机制的滚动轴承故障诊断 被引量:11
10
作者 丁雪 邓艾东 +3 位作者 李晶 邓敏强 徐硕 史曜炜 《东南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2022年第1期172-178,共7页
针对滚动轴承信号易受噪声干扰和智能诊断模型在不同工况下自适应性差的问题,提出了一种多尺度注意力卷积神经网络(MSACNN)模型.首先,将一维时间序列转化为二维图像作为模型的输入,在特征提取过程中,利用多尺度卷积结构拓宽网络的宽度... 针对滚动轴承信号易受噪声干扰和智能诊断模型在不同工况下自适应性差的问题,提出了一种多尺度注意力卷积神经网络(MSACNN)模型.首先,将一维时间序列转化为二维图像作为模型的输入,在特征提取过程中,利用多尺度卷积结构拓宽网络的宽度并实现不同维度敏感特征的提取;然后,通过注意力机制对数据不同维度的特征赋予不同的权重,使模型更关注于最具类别区分度的区域,从而提高模型的特征学习能力;最后,通过全连接层的多分类函数实现滚动轴承的故障诊断.实验结果表明:与其他方法相比,该模型不仅能在同负载各测试集上达到很高的准确率,而且在变负载工况下具有较强的迁移泛化能力和鲁棒性;该模型在强噪声环境下也具有良好的诊断性能,较其他方法抗噪性优势明显.此外,通过可视化方法分析了该模型的特征学习过程和故障分类机理. 展开更多
关键词 滚动轴承 故障诊断 多尺度特征提取 注意力机制 卷积神经网络
下载PDF
基于多尺度LBP特征的带钢表面缺陷图像SVM分类 被引量:12
11
作者 刘启浪 汤勃 +1 位作者 孔建益 王兴东 《组合机床与自动化加工技术》 北大核心 2020年第12期27-30,共4页
为提高带钢表面缺陷图像的分类准确率,文章研究了带钢表面缺陷图像多尺度局部二值模式(Local Binary Pattern,LBP)特征。通过提取多种类型的多尺度LBP特征以及不同尺度的LBP联合特征,并与灰度共生矩特征进行对比;利用支持向量机(Support... 为提高带钢表面缺陷图像的分类准确率,文章研究了带钢表面缺陷图像多尺度局部二值模式(Local Binary Pattern,LBP)特征。通过提取多种类型的多尺度LBP特征以及不同尺度的LBP联合特征,并与灰度共生矩特征进行对比;利用支持向量机(Support Vector Machine,SVM)进行分类实验。实验结果表明,对于带钢表面缺陷图像的LBP特征,(16,2)尺度LBP特征的分类准确率高于(8,1)尺度LBP特征;两种尺度联合特征分类准确率高于单一尺度特征;各类LBP特征与灰度共生矩特征中,LBP直方图傅里叶变换特征具有更高的分类准确率。 展开更多
关键词 带钢缺陷 局部二值模式 多尺度 特征提取 SVM分类
下载PDF
融合注意力的多尺度Faster RCNN的裂纹检测 被引量:11
12
作者 陈海永 赵鹏 闫皓炜 《光电工程》 CAS CSCD 北大核心 2021年第1期61-71,共11页
电致发光(Electroluminescence,EL)下的光伏电池EL图像背景表现为复杂的非均匀纹理特征,且存在与裂纹相似的晶粒伪缺陷,同时裂纹表现为形状多样的多尺度特征,以上难点为检测任务带来了极大的挑战。因此,本文提出融合注意力的多尺度Faste... 电致发光(Electroluminescence,EL)下的光伏电池EL图像背景表现为复杂的非均匀纹理特征,且存在与裂纹相似的晶粒伪缺陷,同时裂纹表现为形状多样的多尺度特征,以上难点为检测任务带来了极大的挑战。因此,本文提出融合注意力的多尺度Faster-RCNN模型,一方面,采用改进的特征金字塔网络获取多尺度的高级语义特征图,以此来提高网络对多尺度裂纹缺陷的特征表达能力。另一方面,采用改进的注意力区域推荐网络A-RPN,提高模型对裂纹缺陷的关注并抑制复杂背景及晶粒伪缺陷的特征。同时,在RPN网络训练过程中,采用损失函数Focal loss,以此来降低训练过程中简单样本所占比重,使其更加关注难以区分的样本。实验结果表明,改进的算法使得EL图像裂纹缺陷检测的准确率提高,达到接近95%。 展开更多
关键词 多尺度特征提取 注意力模块 Focal loss函数
下载PDF
基于注意力与多尺度卷积神经网络的电机轴承故障诊断 被引量:11
13
作者 唐斯 陈新楚 郑松 《电气技术》 2020年第11期32-38,共7页
针对电机故障诊断需要复杂的特征提取过程,且在变工况情况下故障诊断识别率较低的问题,本文提出了一种改进的卷积神经网络端到端故障诊断模型,该模型采用全卷积结构防止池化层带来的特征丢失,同时利用不同大小的卷积核对故障信号进行多... 针对电机故障诊断需要复杂的特征提取过程,且在变工况情况下故障诊断识别率较低的问题,本文提出了一种改进的卷积神经网络端到端故障诊断模型,该模型采用全卷积结构防止池化层带来的特征丢失,同时利用不同大小的卷积核对故障信号进行多尺度特征提取,使模型能获取更加丰富且互补的故障特征表示,并且引入注意力机制对获得的故障特征进一步筛选,突出故障的关键特征,抑制不重要的特征。最后在电机轴承故障数据集上进行多组实验,证明了本文所提模型具有较好的故障识别能力和领域适应性。 展开更多
关键词 卷积神经网络 智能诊断 注意力机制 多尺度特征提取 人工智能
下载PDF
多尺度密集连接注意力的红外与可见光图像融合 被引量:9
14
作者 陈永 张娇娇 王镇 《光学精密工程》 EI CAS CSCD 北大核心 2022年第18期2253-2266,共14页
针对现有红外与可见光图像融合时,融合结果存在细节信息丢失、特征提取不足等问题,提出了一种多尺度密集连接注意力的红外与可见光图像融合深度学习网络模型。首先,设计多尺度卷积提取红外与可见光图像中不同尺度信息,增大感受野特征提... 针对现有红外与可见光图像融合时,融合结果存在细节信息丢失、特征提取不足等问题,提出了一种多尺度密集连接注意力的红外与可见光图像融合深度学习网络模型。首先,设计多尺度卷积提取红外与可见光图像中不同尺度信息,增大感受野特征提取范围,克服了单一尺度特征提取不足的问题。然后,通过密集连接网络增强特征提取,并在编码子网络末端采用提出的可变形卷积注意力机制,密切联系全局上下文信息,增强对红外与可见光图像中重要特征信息的聚焦能力。最后,由全卷积层构成解码网络,重构生成融合图像。本文选取了六种图像融合客观评价指标,红外与可见光图像公开数据集融合实验结果表明:与其他8种方法相比,本文算法对比实验指标均有所提高,其中结构相似性(SSIM)、空间频率(SF)指标分别平均提高了0.26倍、0.45倍。所提方法的融合结果保留了更清晰的边缘及目标信息,具有更好的对比度和清晰度,在客观评价方面均优于对比方法。 展开更多
关键词 红外与可见光图像 图像融合 多尺度特征提取 密集连接网络 注意力机制
下载PDF
局部均值分解(LMD)方法在多尺度变形分析中的应用分析探讨 被引量:10
15
作者 周世健 罗亦泳 鲁铁定 《江西科学》 2014年第4期461-466,共6页
我国是一个自然灾害种类多、发生频繁和危害严重的国家,工程建筑物的变形监测非常重要。测绘学科中,在多尺度变形分析方面,目前主要有小波分析和经验模态分解(EMD)算法,对其研究作了评述,对近年来提出的局部均值分解(local mean decompo... 我国是一个自然灾害种类多、发生频繁和危害严重的国家,工程建筑物的变形监测非常重要。测绘学科中,在多尺度变形分析方面,目前主要有小波分析和经验模态分解(EMD)算法,对其研究作了评述,对近年来提出的局部均值分解(local mean decomposition;LMD)方法的基本思想、在其他学科的应用研究和前景作了分析讨论,在测绘学科的多尺度变形分析提出了其应用研究的可能性。 展开更多
关键词 局部均值分解 多尺度 变形分析 特征提取
下载PDF
基于3D多尺度特征融合残差网络的高光谱图像分类 被引量:10
16
作者 郭文慧 曹飞龙 《模式识别与人工智能》 EI CSCD 北大核心 2019年第10期882-891,共10页
深度学习中用于训练的高光谱图像(HSI)数据十分有限,因此较深的网络不利于空谱特征的提取.为了缓解该问题,文中提出3D多尺度特征融合残差网络,利用深度学习和多尺度特征融合的方式对光谱-空间特征进行有序的学习.首先对3D-HSI数据进行... 深度学习中用于训练的高光谱图像(HSI)数据十分有限,因此较深的网络不利于空谱特征的提取.为了缓解该问题,文中提出3D多尺度特征融合残差网络,利用深度学习和多尺度特征融合的方式对光谱-空间特征进行有序的学习.首先对3D-HSI数据进行自适应降维,将降维后的图像作为网络输入.然后,通过多尺度特征融合残差块依次提取光谱-空间特征,融合不同尺度的特征,通过特征共享增强信息流,获得更丰富的特征.最后以端到端的方式训练网络.在相关数据集上的测试表明,文中网络具有良好的分类性能. 展开更多
关键词 深度学习 多尺度特征融合 特征提取 高光谱图像分类
下载PDF
改进CGAN网络的光学遥感图像云去除方法 被引量:9
17
作者 裴傲 陈桂芬 +1 位作者 李昊玥 王兵 《农业工程学报》 EI CAS CSCD 北大核心 2020年第14期194-202,共9页
农业生产中使用的光学遥感图像在采集过程中时常受到云层的影响,导致获取到的图像清晰度低,影响地物信息的判读和后续的使用。针对这一问题,提出一种基于改进条件生成对抗网络(ConditionalGenerativeAdversarial Net-work,CGAN)的光学... 农业生产中使用的光学遥感图像在采集过程中时常受到云层的影响,导致获取到的图像清晰度低,影响地物信息的判读和后续的使用。针对这一问题,提出一种基于改进条件生成对抗网络(ConditionalGenerativeAdversarial Net-work,CGAN)的光学遥感图像去云方法。首先,在原始CGAN的生成器中引入空间池化层,通过增加网络的多尺度特征学习能力以提高生成图像的细节信息;其次,在改进CGAN网络中加入回归损失使生成图像与真实图像更加接近,进一步提高生成效果。在光学遥感图像数据集上的试验结果表明:相比原始CGAN,改进CGAN生成的无云光学遥感图像更接近真实无云光学遥感图像,与原始CGAN相比,改进CGAN在薄云和厚云光学遥感图像上的峰值信噪比(Peak Signal-to-NoiseRatio,PSNR)分别提升了1.64和1.05dB,结构相似性(StructuralSIMilarity,SSIM)分别提升了0.03和0.04。同时,相较于传统的去云方法和深度学习的Pix2Pix方法,该方法在光学遥感图像去云和保真上均取得了更好的效果。研究结果证明了改进的CGAN方法实现光学遥感图像去云的可行性,可为农用光学遥感图像的处理提供方法借鉴。 展开更多
关键词 遥感 光学图像 去云 条件生成对抗网络 空间金字塔池化 多尺度特征提取
下载PDF
基于改进U-Net网络的多尺度番茄病害分割算法 被引量:8
18
作者 赵小虎 李晓 +3 位作者 叶圣 李晓 冯伟 尤星懿 《计算机工程与应用》 CSCD 北大核心 2022年第10期216-223,共8页
针对当前农作物病害分割与识别模型病斑分割精度低、数据集不充分、训练速度过慢等问题,构建了一种基于改进的U-Net网络多尺度番茄叶部病害分割算法。在U-Net网络结构基础上进行改进,减小图像输入尺寸,在编码器中使用非对称Inception多... 针对当前农作物病害分割与识别模型病斑分割精度低、数据集不充分、训练速度过慢等问题,构建了一种基于改进的U-Net网络多尺度番茄叶部病害分割算法。在U-Net网络结构基础上进行改进,减小图像输入尺寸,在编码器中使用非对称Inception多通道卷积替换传统卷积,实现多尺度提取病害特征,提升模型准确度;在解码器中加入注意力模块,关注番茄病害边缘,减小上采样噪声;引入GN加速模型收敛,并将改进U-Net网络用在PlantVillage数据集上进行预训练,提高模型的分割准确度和速度。改进后的方法准确率、召回率和MIoU分别为92.9%、91.1%、93.6%,实验结果表明,该方法能够有效地提高模型对番茄的病害分割性能。 展开更多
关键词 病害 图像分割 多尺度特征提取 注意力机制
下载PDF
融合多尺度特征的光场图像超分辨率方法 被引量:9
19
作者 赵圆圆 施圣贤 《光电工程》 CAS CSCD 北大核心 2020年第12期54-64,共11页
光场相机作为新一代的成像设备,能够同时捕获光线的空间位置和入射角度,然而其记录的光场存在空间分辨率和角度分辨率之间的制约关系,尤其子孔径图像有限的空间分辨率在一定程度上限制了光场相机的应用场景。因此本文提出了一种融合多... 光场相机作为新一代的成像设备,能够同时捕获光线的空间位置和入射角度,然而其记录的光场存在空间分辨率和角度分辨率之间的制约关系,尤其子孔径图像有限的空间分辨率在一定程度上限制了光场相机的应用场景。因此本文提出了一种融合多尺度特征的光场图像超分辨网络,以获取更高空间分辨率的光场子孔径图像。该基于深度学习的网络框架分为三大模块:多尺度特征提取模块、全局特征融合模块和上采样模块。网络首先通过多尺度特征提取模块学习4D光场中固有的结构特征,然后采用融合模块对多尺度特征进行融合与增强,最后使用上采样模块实现对光场的超分辨率。在合成光场数据集和真实光场数据集上的实验结果表明,该方法在视觉评估和评价指标上均优于现有算法。另外本文将超分辨后的光场图像用于深度估计,实验结果展示出光场图像空间超分辨率能够增强深度估计结果的准确性。 展开更多
关键词 超分辨 光场 深度学习 多尺度特征提取 特征融合
下载PDF
正交小波变换在钻削刀具状态监测中的应用 被引量:2
20
作者 张超 李言 郑建明 《制造技术与机床》 CSCD 北大核心 2004年第7期20-23,共4页
系统地阐述了正交小波变换的概念和小波多分辨率分析的方法 ,并对不同刀具状态的振动信号进行分解和重构处理 ,获得了振动信号在不同频段的重构分量。根据各个频段重构分量在不同刀具状态下的变化特点 ,进而提取高频段重构分量的功率谱... 系统地阐述了正交小波变换的概念和小波多分辨率分析的方法 ,并对不同刀具状态的振动信号进行分解和重构处理 ,获得了振动信号在不同频段的重构分量。根据各个频段重构分量在不同刀具状态下的变化特点 ,进而提取高频段重构分量的功率谱的频域统计值以及 [313~ 6 2 5Hz]频段重构分量的局部极大模线对应的平均Lipschitz指数作为监测特征。实验结果表明 :采用上述方法可有效实现刀具状态特征信息提取 ,较其它方法更加适用于钻削刀具状态监测。 展开更多
关键词 钻削刀具 状态监测 正交小波变换 多分辨率分析 特征提取
下载PDF
上一页 1 2 10 下一页 到第
使用帮助 返回顶部