期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到289篇文章
< 1 2 … 15 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于深度卷积神经网络的地震数据断层识别方法 被引量：44
1
作者 常德宽 雍学善 +3 位作者 王一惠 杨午阳 李海山 张广智 《石油地球物理勘探》 EI CSCD 北大核心 2021年第1期1-8,I0007,共9页
对地震数据进行断层解释一直是油气勘探开发过程中的一项重点工作。传统的断层解释主要是以人机交互方式进行的,效率低,并且人为因素可能增大断层解释结果的不确定性;而常规的断层识别方法则通常需要设置多个控制参数,导致断层识别的结... 对地震数据进行断层解释一直是油气勘探开发过程中的一项重点工作。传统的断层解释主要是以人机交互方式进行的,效率低,并且人为因素可能增大断层解释结果的不确定性;而常规的断层识别方法则通常需要设置多个控制参数,导致断层识别的结果严重依赖参数设置的准确性。为此,提出一种基于卷积深度神经网络的地震数据断层识别方法,该方法利用ResNet深度残差网络可有效训练深层卷积神经网络和U-Net架构可表征多尺度、多层次特征信息的优势,将ResNet和U-Net架构联合,构建了用于地震数据断层识别的网络架构(SeisFault-Net)。其中,U-Net架构由编码和解码两个子网络组成,使SeisFault-Net以端到端的方式进行模型训练;同时,利用残差神经网络克服深层网络梯度弥散的问题,有效提高SeisFault-Net的训练效率。训练后的SeisFault-Net无需设置任何参数即可对地震数据进行断层识别,避免了常规方法中人为设置参数的经验误差和不确定性。数据实验表明,提出的SeisFault-Net方法可准确地识别断层位置,且识别的断层垂向连续性好,断层轮廓清晰。与相干算法相比,SeisFault-Net方法识别的断层细节更丰富,断层解释更准确;同时,可有效提高地震断层识别的效率。 展开更多
关键词 断层识别 深度学习 深度残差网络 U-Net架构 地震数据解释
下载PDF
使用改进残差神经网络的滚动轴承变工况故障诊断方法 被引量：35
2
作者 赵小强 梁浩鹏 《西安交通大学学报》 EI CAS CSCD 北大核心 2020年第9期23-31,共9页
针对滚动轴承工况复杂多变、环境噪声干扰大、有效数据样本不足而导致的故障诊断效果不佳的问题,提出了一种用于滚动轴承变工况故障诊断的改进残差神经网络方法。以采集到的滚动轴承时域信号作为输入,针对滚动轴承时域信号时变性较强的... 针对滚动轴承工况复杂多变、环境噪声干扰大、有效数据样本不足而导致的故障诊断效果不佳的问题,提出了一种用于滚动轴承变工况故障诊断的改进残差神经网络方法。以采集到的滚动轴承时域信号作为输入,针对滚动轴承时域信号时变性较强的特点,构建了一种基于Inception模块改进的数据池化层。基于Inception模块思想,采用3个3×3的小卷积层串联和堆叠以及加入残差连接的方式构建数据池化层,有效地提取了特征信息。在残差块中添加跳跃连接线,设计了一种带跳跃连接线的残差块,增强了残差块对特征信息的学习效率。利用空洞卷积能够扩大感受野的优点,将带跳跃连接线的残差块中的普通卷积替换为空洞卷积,设计了一种带跳跃连接线的空洞残差块。将设计的两种残差块端对端首尾相连构建神经网络。将所提方法与SVM+EMD+Hilbert包络谱、BPNN+EMD+Hilbert包络谱和ResNet方法进行了仿真对比,结果表明,所提方法在变噪声实验中的平均准确率为97.34%,变负荷实验中的准确率为88.83%~96.76%,均高于其他方法的,变工况实验中的平均准确率高于ResNet方法的,且具有更低的均值方差0.000 6。所提方法具有较强的抗噪性和泛化能力。 展开更多
关键词 故障诊断 滚动轴承 变工况 残差神经网络
下载PDF
基于Mask R-CNN的玉米田间杂草检测方法 被引量：33
3
作者 姜红花 张传银 +3 位作者 张昭 毛文华 王东 王东伟 《农业机械学报》 EI CAS CSCD 北大核心 2020年第6期220-228,247,共10页
针对田间复杂环境下杂草分割精度低的问题,提出了基于Mask R-CNN的杂草检测方法。该方法采用残差神经网络ResNet-101提取涵盖杂草语义、空间信息的特征图;采用区域建议网络对特征图进行杂草与背景的初步二分类、预选框回归训练,利用非... 针对田间复杂环境下杂草分割精度低的问题,提出了基于Mask R-CNN的杂草检测方法。该方法采用残差神经网络ResNet-101提取涵盖杂草语义、空间信息的特征图;采用区域建议网络对特征图进行杂草与背景的初步二分类、预选框回归训练,利用非极大值抑制算法筛选出感兴趣区域;采用区域特征聚集方法(RoIAlign),取消量化操作带来的边框位置偏差,并将感兴趣区域(RoI)特征图转换为固定尺寸的特征图;输出模块针对每个RoI计算分类、回归、分割损失,通过训练预测候选区域的类别、位置、轮廓,实现杂草检测及轮廓分割。在玉米、杂草数据集上进行测试,当交并比(IoU)为0.5时,本文方法均值平均精度(mAP)为0.853,优于SharpMask、DeepMask的0.816、0.795,本文方法的单样本耗时为280 ms,说明本文方法可快速、准确检测分割出杂草类别、位置和轮廓,优于SharpMask、DeepMask实例分割算法。在复杂背景下对玉米、杂草图像进行测试,在IoU为0.5时,本文方法mAP为0.785,单样本耗时为285 ms,说明本文方法可实现复杂背景下的农田作物杂草分割。在田间变量喷洒试验中,杂草识别准确率为91%,识别出杂草并准确喷雾的准确率为85%,准确喷药的杂草雾滴覆盖密度为55个/cm2,装置对每幅图像的平均处理时间为0.98 s,满足农药变量喷洒的控制要求。 展开更多
关键词 杂草 变量喷药 特征提取 图像分割 残差神经网络
下载PDF
基于深度学习的智能矿物识别方法研究 被引量：26
4
作者 郭艳军 周哲 +4 位作者 林贺洵 刘小辉 陈丹丘 祝佳琪 伍峻琦 《地学前缘》 EI CAS CSCD 北大核心 2020年第5期39-47,共9页
矿物识别在许多研究领域都有着重要作用,基于深度学习技术的智能矿物识别为这些领域带来了新的发展方向,不仅能有效节省人工成本,还能减小识别错误。针对石英、角闪石、黑云母、石榴石和橄榄石共5种矿物进行实验,提出了一种准确高效的... 矿物识别在许多研究领域都有着重要作用,基于深度学习技术的智能矿物识别为这些领域带来了新的发展方向,不仅能有效节省人工成本,还能减小识别错误。针对石英、角闪石、黑云母、石榴石和橄榄石共5种矿物进行实验,提出了一种准确高效的智能矿物识别方法。实验采用图像分析常用的卷积神经网络建立模型,设计出一套基于残差神经网络的矿物识别方法。本实验独立采集了5种矿物的偏光显微图像数据集,用于模型的训练、验证和测试,并通过合理的数据增强策略来扩充训练数据集。在卷积神经网络的结构设计上,选取了ResNet-18作为框架,最终于模型测试中取得89%的准确率,成功训练出一个较为精准的矿物识别模型,实现了基于深度学习的智能矿物识别方法。 展开更多
关键词 深度学习 矿物识别 计算机视觉 卷积神经网络 残差神经网络
下载PDF
残差神经网络及其在医学图像处理中的应用研究 被引量：25
5
作者 周涛 霍兵强 +1 位作者 陆惠玲 任海玲 《电子学报》 EI CAS CSCD 北大核心 2020年第7期1436-1447,共12页
残差神经网络(ResNet)是近几年来深度学习研究中的热点,在计算机视觉领域取得较好成就.本文对残差神经网络从以下几个方面进行总结:第一,阐述残差神经网络的基本结构和工作原理;第二,在模型发展方面,以时间为顺序总结了残差神经网络的8... 残差神经网络(ResNet)是近几年来深度学习研究中的热点,在计算机视觉领域取得较好成就.本文对残差神经网络从以下几个方面进行总结:第一,阐述残差神经网络的基本结构和工作原理;第二,在模型发展方面,以时间为顺序总结了残差神经网络的8种网络模型;第三,在结构优化方面,从残差神经网络的卷积层、池化层、残差单元、全连接层以及整个网络5个方面进行总结;最后,将ResNet应用到医学图像处理领域,主要从图像识别和图像分割2个方面探讨.本文对残差神经网络的原理、模型、结构进行了系统地总结,对残差神经网络的研究发展具有一定的积极意义. 展开更多
关键词 残差神经网络 网络结构 医学图像
下载PDF
基于实例分割的柑橘花朵识别及花量统计 被引量：25
6
作者 邓颖 吴华瑞 朱华吉 《农业工程学报》 EI CAS CSCD 北大核心 2020年第7期200-207,共8页
柑橘隔年结果现象严重,花量统计有助于果园的规划管理,并对产量预测有重要意义,但是柑橘单一植株花量巨大,花朵紧凑密集,花期树叶遮挡覆盖,对花量计算造成很大的阻碍。对此该研究提出基于实例分割的柑橘花朵识别与花量统计方法,以花期... 柑橘隔年结果现象严重,花量统计有助于果园的规划管理,并对产量预测有重要意义,但是柑橘单一植株花量巨大,花朵紧凑密集,花期树叶遮挡覆盖,对花量计算造成很大的阻碍。对此该研究提出基于实例分割的柑橘花朵识别与花量统计方法,以花期的柑橘树冠图像为样本进行花朵实例的识别及分割,通过对Mask R-CNN主体卷积部分和掩膜分支部分的优化,实现对复杂结构图像中密集小尺度柑橘花朵目标的高效检测、获取图像中可见花数量。结果显示,该方法花量识别神经网络的平均精度为36.3,花量计算误差为11.9%,对比未优化Mask R-CNN网络在训练和识别的时间效率上均有显著提升。该研究解决了柑橘花量统计难度高的问题,有助于柑橘早期测产和落花监测,并为花量控制提供决策依据。 展开更多
关键词 图像处理 目标检测 算法 花朵识别 花量计算 实例分割 残差神经网络
下载PDF
基于三维空洞卷积残差神经网络的高光谱影像分类方法 被引量：25
7
作者 颜铭靖 苏喜友 《光学学报》 EI CAS CSCD 北大核心 2020年第16期147-156,共10页
高光谱影像是典型的高维数据,在光谱维和空间维都包含了大量信息。针对高光谱影像分类时光谱维数据量巨大的特点,提出一种基于三维空洞卷积残差神经网络的高光谱影像分类方法。该方法以高光谱像元立方体作为数据输入,使用三维卷积核同... 高光谱影像是典型的高维数据,在光谱维和空间维都包含了大量信息。针对高光谱影像分类时光谱维数据量巨大的特点,提出一种基于三维空洞卷积残差神经网络的高光谱影像分类方法。该方法以高光谱像元立方体作为数据输入,使用三维卷积核同时提取高光谱数据的空间维和光谱维特征,并通过在卷积核中引入空洞结构,在不增加网络参数量和不消减数据特征的情况下提高卷积核的感受野,从而提高神经网络的分类的精度。该方法利用残差结构避免了由网络层数加深导致的梯度消失问题,最终使用Softmax分类器完成高光谱像元的分类工作。实验结果表明:所提方法在Indian Pines和Salinas数据集上分别取得了97.303%和97.236%的总体分类精度,与各对照组相比具有更好的分类效果,由此证明所提方法可以提升高光谱影像的分类性能。 展开更多
关键词 遥感 高光谱影像分类 空洞卷积 三维卷积 残差神经网络
原文传递
基于多尺度特征融合残差神经网络的旋转机械故障诊断 被引量：19
8
作者 邓飞跃 丁浩 郝如江 《振动与冲击》 EI CSCD 北大核心 2021年第24期22-28,35,共8页
轴承、齿轮等旋转部件常在复杂工况下运行,环境噪声干扰大,导致故障特征微弱而难以准确诊断。基于此,该研究提出一种新的多尺度特征融合残差块(multi-scale feature fusion residual block,MSFFRB)设计方法,基于此构建了一维残差神经网... 轴承、齿轮等旋转部件常在复杂工况下运行,环境噪声干扰大,导致故障特征微弱而难以准确诊断。基于此,该研究提出一种新的多尺度特征融合残差块(multi-scale feature fusion residual block,MSFFRB)设计方法,基于此构建了一维残差神经网络用于旋转机械故障诊断。该模型能够将不同尺度的网络卷积层级联在一起提取多尺度特征信息,在残差块内部实现了多尺度特征信息的有效融合,兼顾了残差网络跨层恒等映射与多尺度特征提取的优势,克服了传统卷积操作只能提取单一尺度特征信息的缺点。所构建的残差神经网络可以直接输入样本数据,不需要进行任何数据预处理,而且模型结构具有较高的灵活性,易于扩展。试验分析表明,所提网络可有效用于旋转机械的故障诊断,相比传统CNNs、ResNets、1D-LeNets、1D-AlexNets、MC-CNNs等5种当前常用网络,具有更好的抗噪性能,故障分类准确率更高,这为旋转机械故障诊断提供了一种新的途径。 展开更多
关键词 旋转机械 故障诊断 残差神经网络 多尺度特征融合
下载PDF
基于深度学习的电力监控视频超分辨率重建 被引量：15
9
作者 刘谋海 胡军华 +3 位作者 丁国栋 黄瑞 周纲 余敏琪 《电力系统保护与控制》 CSCD 北大核心 2021年第11期181-187,共7页
针对电力监控视频有时分辨率不高问题,提出了一种基于深度学习的电力监控视频超分辨率重建方法。该方法首先采用卷积神经网络对输入视频帧进行特征提取,从输入视频帧序列两端按时间顺序将所有支持帧逐帧对齐到目标帧,并采用时间与空间... 针对电力监控视频有时分辨率不高问题,提出了一种基于深度学习的电力监控视频超分辨率重建方法。该方法首先采用卷积神经网络对输入视频帧进行特征提取,从输入视频帧序列两端按时间顺序将所有支持帧逐帧对齐到目标帧,并采用时间与空间自注意力机制将支持帧特征逐帧融合到目标帧。然后引入多尺度特征学习机制,对特征融合后的目标帧使用多分支特征选择重建网络进行超分辨率重建。最后采用公共数据集和电力视频数据集对该方法进行了训练。测试结果表明,所提方法的峰值信噪比与结构相似性指标均值分别达27.08和0.819,能有效提高电力监控视频的分辨率和视觉效果。 展开更多
关键词 电力系统 监控视频 超分辨率重建 深度学习 残差神经网络
下载PDF
基于改进ResNet的射频指纹识别方法 被引量：14
10
作者 谢跃雷 邓涵方 《电讯技术》 北大核心 2022年第4期416-423,共8页
在无线网络安全和可能存在的射频设备管理应用范围内,针对多个发射同种射频信号的高度相似射频设备的分类识别问题,提出了一种信号双谱与改进的残差神经网络(Residual Neural Network,ResNet)的射频指纹识别方法。首先,将采集到的不同... 在无线网络安全和可能存在的射频设备管理应用范围内,针对多个发射同种射频信号的高度相似射频设备的分类识别问题,提出了一种信号双谱与改进的残差神经网络(Residual Neural Network,ResNet)的射频指纹识别方法。首先,将采集到的不同设备的信号做双谱变换得到双谱等高图并打上设备标签,再使用搭建好的改进残差神经网络模型训练双谱等高图,通过反向传播(Back Propagation,BP)与梯度下降来更新网络权重得到最优化模型,最后使用另外一组双谱等高图验证识别性能。实验结果表明,基于信号双谱与改进的残差神经网络算法在实际电磁环境下识别率达到95.2%,是一种有效的射频指纹分类识别方法。 展开更多
关键词 射频指纹识别 双谱等高图 深度学习 反向传播 残差神经网络
下载PDF
基于残差神经网络的矿井图像重构方法 被引量：14
11
作者 张帆 徐志超 《煤炭学报》 EI CAS CSCD 北大核心 2019年第11期3614-3624,共11页
针对煤矿井下噪声对可视化作业环境扰动影响,面向智能开采对井下作业目标的图像清晰化需求,研究基于机器视觉的矿井视频图像重构理论与方法,对提高矿井智能监控与安全开采技术具有重要意义。传统的视频监控系统采用经典的Nyquist采样定... 针对煤矿井下噪声对可视化作业环境扰动影响,面向智能开采对井下作业目标的图像清晰化需求,研究基于机器视觉的矿井视频图像重构理论与方法,对提高矿井智能监控与安全开采技术具有重要意义。传统的视频监控系统采用经典的Nyquist采样定理来解决视频图像的信号采集、压缩和编解码问题,但矿井视频图像数据庞大,采用传统的编解码方法不仅浪费大量采样资源及增大系统开销,而且难以解决矿井视频图像重构时出现的信号保真度低、图像边缘模糊和视频传输时延等问题,其直接影响矿井智能监控系统性能与视频传输质量。针对矿井视频监控图像重构中存在的信号保真度不足及图像边缘模糊等问题,提出一种基于残差网络的图像压缩与重构方法。该方法通过建立一种新的残差神经网络结构,采用下采样矩阵将矿井图像进行压缩,再通过多次上采样将特征图变换为与原始图像相同大小的特征图,并使用残差网络块对其优化,最后利用优化后的重构网络将特征图聚合成重构图像。提出融合离散小波结构相似度损失与均方误差损失的损失函数方法,并据此训练网络参数。为评价本文所提出方法的有效性,实验选取了基于压缩感知的D-AMP,TVAL3算法和基于深度学习的ReconNet算法与之进行对比。结果表明,较小压缩比条件下对矿井图像重构,本文方法在结构相似度和峰值信噪比性能方面均优于其他算法;在噪声环境下,本文方法相较于其他方法,图像重构的峰值信噪比与结构相似度受噪声强度扰动较小,对噪声具有较强鲁棒性,较显著增强矿井重构图像的保真度和清晰度;在图像重构的时间复杂度方面,本文方法用时最短,有助于改善矿井视频监控系统的实时性。 展开更多
关键词 矿井智能监控 残差神经网络 DW-SSIM 压缩感知 图像重构
下载PDF
基于改进SSD的X光图像管制刀具检测与识别 被引量：14
12
作者 郭瑞鸿 张莉 +2 位作者 杨莹 曹洋 孟俊熙 《激光与光电子学进展》 CSCD 北大核心 2021年第4期57-64,共8页
以安检X光图像管制刀具自动检测识别系统为研究对象,针对原始SSD(Single Shot MultiBox Detector)算法对浅层特征图表征能力不强,在训练阶段小目标特征逐渐消失,检测精度与实时性不佳,存在对安检危险品中管制刀具等小目标漏检误检等问题... 以安检X光图像管制刀具自动检测识别系统为研究对象,针对原始SSD(Single Shot MultiBox Detector)算法对浅层特征图表征能力不强,在训练阶段小目标特征逐渐消失,检测精度与实时性不佳,存在对安检危险品中管制刀具等小目标漏检误检等问题,从两个方面对原始SSD进行改进:一方面,用抗退化性能更强的ResNet34网络替换SSD中的基础网络VGG16,构建SSD-ResNet34网络模型,对基础网络后三层作卷积并进行轻量级网络融合,形成新的低层特征图;将网络部分扩展层作反卷积,形成新的高层特征图。另一方面,采用跳跃连接的方式将高层特征图和低层特征图进行多尺度特征融合。经实验分析,改进后的算法对X光图像管制刀具等小目标的检测精度和速度均有明显提升,且算法鲁棒性好,实时性良好。在VOC2007+2012通用数据集上,改进SSD算法的检测精度比SSD算法高1.7%,达到了80.5%。 展开更多
关键词 探测器 X光图像 深度学习 目标检测 特征融合 残差神经网络
原文传递
基于残差神经网络的烟丝类型识别方法的建立 被引量：13
13
作者 钟宇 周明珠 +7 位作者 徐燕 刘德祥 王宏强 董浩 禹舰 李晓辉 杨进 邢军 《烟草科技》 EI CAS CSCD 北大核心 2021年第5期82-89,共8页
为快速、准确地识别叶丝、梗丝、膨胀叶丝、再造烟叶丝等烟丝类型,利用各类烟丝图像特征差异,以残差神经网络为基础构建了识别模型,并对模型的预训练权值、优化算法、学习率等超参数进行了研究,结果表明:①基于残差神经网络的识别方法... 为快速、准确地识别叶丝、梗丝、膨胀叶丝、再造烟叶丝等烟丝类型,利用各类烟丝图像特征差异,以残差神经网络为基础构建了识别模型,并对模型的预训练权值、优化算法、学习率等超参数进行了研究,结果表明:①基于残差神经网络的识别方法可以有效识别4种类型烟丝,相比基于卷积神经网络的识别方法,模型具有更高的识别率、泛化能力与鲁棒性。②较优超参数对模型的训练速度及表现影响显著,通过训练得到的模型在测试集上的准确率及召回率均高于96%,且与训练集表现差异较小。该方法可为提高烟丝类型识别效率和准确性提供支持。 展开更多
关键词 烟丝类型 识别 残差神经网络 卷积神经网络 学习率
下载PDF
基于改进残差网络的人脸识别算法 被引量：13
14
作者 曹川 张红英 《传感器与微系统》 CSCD 2018年第8期127-129,133,共4页
针对传统的人脸识别技术对于人脸特征提取的能力有限的问题,提出了一种改进的残差神经网络人脸识别算法。通过对原有残差神经网络模型结构的调整,适当增加卷积输出,减少残差单元的方法来提高网络性能,从而提高残差神经网络提取人脸特征... 针对传统的人脸识别技术对于人脸特征提取的能力有限的问题,提出了一种改进的残差神经网络人脸识别算法。通过对原有残差神经网络模型结构的调整,适当增加卷积输出,减少残差单元的方法来提高网络性能,从而提高残差神经网络提取人脸特征的能力。实验结果表明:提出的算法在自建数据集Our Face和CASIA-Web Face数据集上取得了优于现有残差网络的人脸识别性能。 展开更多
关键词 人脸识别 残差神经网络 OurFace数据集 CASlA—WebFace数据集
下载PDF
基于ADASYN与改进残差网络的入侵流量检测识别 被引量：12
15
作者 唐玺博 张立民 钟兆根 《系统工程与电子技术》 EI CSCD 北大核心 2022年第12期3850-3862,共13页
针对现有入侵流量检测模型分类准确率低、小样本特征提取不足等问题,提出了一种基于自适应合成采样和Inception-Resnet模块的改进残差网络算法。该算法能够对不平衡数据集进行采样优化,有效提升模型的小样本特征提取能力。首先,通过对... 针对现有入侵流量检测模型分类准确率低、小样本特征提取不足等问题,提出了一种基于自适应合成采样和Inception-Resnet模块的改进残差网络算法。该算法能够对不平衡数据集进行采样优化,有效提升模型的小样本特征提取能力。首先,通过对不平衡的数据训练集进行过采样改善数据分布,然后对非数据部分进行独热编码处理并与数据部分整合,降低预处理复杂度,最后利用改进残差网络模型进行数据训练,并进行性能评估和算法效能对比。实验结果表明,改进残差网络模型对入侵流量的检测准确率在多分类和二分类情况下分别达到89.40%和91.88%。相比于经典深度学习算法,改进残差网络模型的准确率更高,误报率更低,具备较高的可靠性和工程应用价值。 展开更多
关键词 入侵流量检测 残差神经网络 自适应合成采样 不平衡数据集
下载PDF
基于残差神经网络的沥青路面裂缝识别分类研究 被引量：12
16
作者 章天杰 韩海航 《公路》 北大核心 2021年第10期24-29,共6页
为提高沥青路面裂缝的识别精度与速度,提出一种基于残差神经网络的沥青路面裂缝自动识别算法。首先建立沥青路面图像集,使用数据清洗算法对综合检测车采集到的裂缝图像进行数据清洗,构建沥青路面裂缝图像样本数据集,并将图像集按8∶2的... 为提高沥青路面裂缝的识别精度与速度,提出一种基于残差神经网络的沥青路面裂缝自动识别算法。首先建立沥青路面图像集,使用数据清洗算法对综合检测车采集到的裂缝图像进行数据清洗,构建沥青路面裂缝图像样本数据集,并将图像集按8∶2的比例划分为训练集和测试集;接着采用残差神经网络ResNet50对清洗后的数据进行训练,得到网络权重后使用训练好的网络对沥青路面裂缝数据进行预测,评价网络准确性。试验结果表明:沥青路面图像清洗算法的准确率为95%,能良好地实现沥青路面原始图像的清洗;裂缝图像分类的平均准确率达到94%,其中横向裂缝、纵向裂缝、龟裂、块状裂缝的识别准确率分别为96.1%、94.6%、93.6%和94.1%。 展开更多
关键词 道路工程 裂缝检测 残差神经网络 深度学习 数据清洗
原文传递
融合多维度特征的绝缘子状态边缘识别方法 被引量：12
17
作者 黄冬梅 王玥琦 +4 位作者 胡安铎 孙锦中 时帅 孙园 房岭锋 《中国电力》 CSCD 北大核心 2022年第1期133-141,共9页
针对传统的绝缘子状态识别方法存在实时性差、特征提取能力不足的问题,基于边缘计算的思想,提出了一种融合多维度特征的绝缘子状态边缘识别方法。利用云边协同和边边联邦协同的联合技术手段,构建了绝缘子状态的边缘识别框架。设计了一... 针对传统的绝缘子状态识别方法存在实时性差、特征提取能力不足的问题,基于边缘计算的思想,提出了一种融合多维度特征的绝缘子状态边缘识别方法。利用云边协同和边边联邦协同的联合技术手段,构建了绝缘子状态的边缘识别框架。设计了一种融合多维度特征提取的深度学习网络,该网络采用ResNet101作为主干特征提取网络,使用Inception模块构建数据池化层,嵌入压缩激励模块和卷积注意力模块,从不同维度对特征进行高效提取。采用包括正常和缺陷2种状态的数据集进行绝缘子状态边缘识别实验,平均识别准确率达到了99%。实验表明了融合多维度特征的绝缘子状态边缘识别方法的有效性。 展开更多
关键词 绝缘子图像 特征提取 残差神经网络 边缘计算 状态识别
下载PDF
改进Faster RCNN在铝型材表面缺陷检测中的应用研究 被引量：12
18
作者 陈坤 徐向纮 《中国计量大学学报》 2020年第2期240-246,共7页
目的:为了解决传统目标检测方法在应对极端长宽比和小目标检测时存在的准确率低的问题,设计了一种改进Faster RCNN的铝型材表面缺陷检测方法。方法:在Faster RCNN的基础上,以残差网络替换原始VGG16网络提取图像特征,采用特征金字塔网络... 目的:为了解决传统目标检测方法在应对极端长宽比和小目标检测时存在的准确率低的问题,设计了一种改进Faster RCNN的铝型材表面缺陷检测方法。方法:在Faster RCNN的基础上,以残差网络替换原始VGG16网络提取图像特征,采用特征金字塔网络提取并融合多尺度的特征图,合成低级和高级语义信息。结果:在4 000张图片测试集的基础上,检测准确率达到78.9%,召回率为85.6%,均衡平均数为82.1%,相比于原始Faster RCNN模型,分别提高了16.2%、17%、16.6%。结论:相对于原始Faster RCNN模型,本文采用的改进算法在缺陷检测上有更好的效果,从而为计算机辅助小目标缺陷检测做了可行性论证。 展开更多
关键词 缺陷检测 深度学习 Faster RCNN 残差神经网络 多尺度特征融合
下载PDF
基于不同深度识别算法的矿井水位标尺刻度识别性能分析与研究 被引量：10
19
作者 曹玉超 范伟强 《煤炭学报》 EI CAS CSCD 北大核心 2019年第11期3529-3538,共10页
煤炭是我国的主要能源,煤矿行业为高危行业,水灾是煤矿重特大事故防治的关键灾害之一。现有水灾监测报警方法存在着适应性差、误报和漏报率高等问题,难以满足煤矿安全生产需求。及时发现水灾,并合理堵水、排水为防治水灾的有效措施。矿... 煤炭是我国的主要能源,煤矿行业为高危行业,水灾是煤矿重特大事故防治的关键灾害之一。现有水灾监测报警方法存在着适应性差、误报和漏报率高等问题,难以满足煤矿安全生产需求。及时发现水灾,并合理堵水、排水为防治水灾的有效措施。矿井水位可以通过水位标尺图像进行监测。采用深度残差神经网络识别图像时,图像的识别效果与深度学习网络的深度密切相关,本文基于不同深度识别算法对矿井水位标尺刻度识别性能进行了分析与研究。采集工作面和巷道水位标尺图像,并对图像进行标记,建立图像数据库。将标尺图像刻度中心位置参数,形状大小参数,刻度分类提取为特征向量,通过残差神经网络进行训练。当网络训练稳定后,将待检测图像进行相同的操作得到特征向量,将特征向量解析为图像目标的关键信息,实现水位标尺的刻度目标检测。针对不同网络深度进行了实验,比较了不同深度下训练阶段的损失值下降速率和稳定性,平均识别率,f1值,PR曲线,ROC曲线,训练耗时,测试耗时;当训练图片数量固定时,算法拥有最佳深度,过深网络会导致训练不充分,过浅网络会导致过拟合。分析了置信度阈值对平均识别率的影响,置信度在0.4时,平均识别率最高;并对其他常见算法进行了识别率和耗时比较。本文算法训练平均耗时625 ms,测试平均耗时47 ms,对矿井水位标尺刻度目标识别率大于97%。 展开更多
关键词 水灾 残差神经网络 机器视觉 图像识别 机器学习
下载PDF
采用残差神经网络的无人机遥控信号识别监测算法 被引量：10
20
作者 李彬 徐怡杭 罗杰 《西安交通大学学报》 EI CAS CSCD 北大核心 2021年第12期146-154,共9页
为了解决无人机遥控信号在识别监测时易受随机噪声、窄带与宽带干扰影响,以及遥控信号跳频序列的跳频周期、跳频速率等特征难以准确提取的问题,提出了一种采用残差神经网络对无人机遥控信号时频谱图进行识别监测的算法(DRN-UAV)。首先... 为了解决无人机遥控信号在识别监测时易受随机噪声、窄带与宽带干扰影响,以及遥控信号跳频序列的跳频周期、跳频速率等特征难以准确提取的问题,提出了一种采用残差神经网络对无人机遥控信号时频谱图进行识别监测的算法(DRN-UAV)。首先通过滑动时间窗来读入时频谱图,并以联合自适应的方法计算信号频谱检测阈值;然后对已读入的时频谱图进行二值化、剔除干扰等预处理操作,构造待测谱图;接着将大量实测的不同机型遥控信号待测谱图作为数据集来训练和测试残差神经网络,进而避免跳频特征难以提取的问题;最终由训练好的网络来实时识别当前遥控信号是否存在及其所属机型。DRN-UAV算法能克服遮挡及无人机体积等不利影响,是对基于雷达或光学的反无人机系统的有效补充。实验结果表明:DRN-UAV算法使单次识别耗时约缩短为传统读入方式的1/25;在相同误检率下,DRN-UAV算法得到的信号频谱检测阈值相比传统方法降低了1.4 dBm,在不同硬件平台上都能有效增加检测范围;当信噪比高于5.5 dB时,在单个窄带定频信号和WiFi干扰下,检测错误率能达到0.01%以内。 展开更多
关键词 无人机 遥控信号 跳频序列 识别 残差神经网络
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 15 下一页 到第 页
使用帮助 返回顶部