基于自适应池化的双路卷积神经网络图像分类算法 被引量：13

1

作者 高子翔 张宝华 +1 位作者 吕晓琪 谷宇 《计算机工程与设计》 北大核心 2019年第5期1334-1338,共5页

针对相同构造的卷积神经网络输入同样的数据集也会提取到不同特征的情况,为利用该差异挖掘图像的深层特征,提出一种双路卷积神经网络模型的图像分类算法。在优化池化组合的基础上,在另一子网络中引入自适应池化丰富差异特征,提高特征表... 针对相同构造的卷积神经网络输入同样的数据集也会提取到不同特征的情况,为利用该差异挖掘图像的深层特征,提出一种双路卷积神经网络模型的图像分类算法。在优化池化组合的基础上,在另一子网络中引入自适应池化丰富差异特征,提高特征表达层次;根据互补测量函数测量子网络间的特征差异的互补性,以此优化损失函数反向传播微调模型权重,提高图像分类的精准度。在MNIST和CIFAR-10图像集上的实验结果表明,基于自适应池化的双路卷积神经网络的分类能力优于现有的深度卷积神经网络。 展开更多

关键词 图像分类 卷积神经网络 自适应池化 特征互补性 子网络

下载PDF 职称材料

基于自适应池化的神经网络的服装图像识别 被引量：11

2

作者 胡聪 屈瑾瑾 +1 位作者 许川佩 朱爱军 《计算机应用》 CSCD 北大核心 2018年第8期2211-2217,共7页

针对传统池化方式不能提取有效特征值的问题,提出根据池化域的尺寸、池化域内的元素值和网络的训练轮数调整池化结果的自适应池化方法,该算法依据插值原理与最大值池化模型构建函数,以特定函数值作为池化结果,然后利用交叉验证进行模型... 针对传统池化方式不能提取有效特征值的问题,提出根据池化域的尺寸、池化域内的元素值和网络的训练轮数调整池化结果的自适应池化方法,该算法依据插值原理与最大值池化模型构建函数,以特定函数值作为池化结果,然后利用交叉验证进行模型对比实验。同时提出了小样本调优法以解决目前依靠经验值在全部数据集上验证选取超参数效率较低的问题。在原始数据集上,按照分层抽样的规则抽取小样本,并基于小样本数据集对已编码的超参数组合循环训练并测试,通过对识别率最高的组合解码确定最优超参数。选用Deep Fashion数据库进行相关实验,结果显示自适应池化模型的识别率达到83%左右,与最大值池化模型相比提高约2.5%。通过小样本选定超参数,并与随机组合超参数在原始数据集上进行对比实验,结果显示小样本调优法选择的超参数在经验值范围内最优,识别结果为86.98%,与随机组合超参数的平均识别率相比提高了约41.4%。自适应池化方法可以扩展到其他的神经网络中,小样本调优法对高效选取神经网络的超参数提供了依据。 展开更多

关键词 卷积神经网络 服装图像 自适应池化 小样本调优 交叉验证

下载PDF 职称材料

基于视觉显著失真度的图像质量自适应评价方法 被引量：7

3

作者 丰明坤 赵生妹 邢超 《电子与信息学报》 EI CSCD 北大核心 2015年第9期2062-2068,共7页

针对结构相似(SSIM)图像质量评价算法没有考虑人眼视觉多通道性和对图像高失真评价的不稳定性,提出一种基于视觉显著失真度的图像质量自适应融合(VSAP)评价方法。该方法首先采用log-Gabor滤波提取图像的高频、中频及低频3层视觉特征,基... 针对结构相似(SSIM)图像质量评价算法没有考虑人眼视觉多通道性和对图像高失真评价的不稳定性,提出一种基于视觉显著失真度的图像质量自适应融合(VSAP)评价方法。该方法首先采用log-Gabor滤波提取图像的高频、中频及低频3层视觉特征,基于log-Gabor变换尺度和方向权重系数计算特征值的相似度;然后基于视觉阈值多分辨性迭加计算出特征值的失真度;最后,根据视觉失真度自适应融合相似度评价与失真度评价获得图像质量的最终客观评价。实验结果表明,VSAP方法不但对图像不同类型失真的客观评价与主观感知具有更高的相关性,而且3个主要指标斯皮尔曼等级相关系数(SROCC)、曲线拟合相关系数(CC)和均方根误差(RMSE)对图像不同水平失真的整体评价性能更稳定,明显优于其它评价方法。 展开更多

关键词 图像质量评价 计算机视觉 LOG-GABOR滤波器 视觉显著 自适应融合

下载PDF 职称材料

视觉多通道梯度与低阶矩自适应图像评价 被引量：7

4

作者 丰明坤 赵生妹 施祥 《仪器仪表学报》 EI CAS CSCD 北大核心 2015年第11期2531-2537,共7页

针对现有图像梯度特征质量评价方法的不足,充分考虑人类视觉系统(HVS)特性,提出了一种基于HVS多通道梯度和低阶矩联合(MGLJA)方法。MGLJA基于log-Gabor滤波器提取图像的多通道视觉特征并予以阈值稀疏化处理;然后以梯度相似度算法和低阶... 针对现有图像梯度特征质量评价方法的不足,充分考虑人类视觉系统(HVS)特性,提出了一种基于HVS多通道梯度和低阶矩联合(MGLJA)方法。MGLJA基于log-Gabor滤波器提取图像的多通道视觉特征并予以阈值稀疏化处理;然后以梯度相似度算法和低阶矩失真度算法分别评价各通道视觉特征的能量特征和结构特征;在评价融合阶段,MGLJA首先依据视觉中央凹空域加权局部评价,其次依据对比度函数频域加权各通道评价;最后,通过一步快速回归算法自适应地融合梯度评价和低阶矩评价得到待测图像的质量评价。不同类型和水平失真图像的实验结果表明,MGLJA方法的斯皮尔曼原始排序相关系数、回归曲线的相关系数及均方根误差等评价指标均优于PSNR类传统方法,与特征结构相似度(FSIM)及视觉显著(VSI)等新方法相比整体性能上也有较大优势,且评价实时性也明显优于FSIM方法。 展开更多

关键词 图像质量评价 多通道视觉梯度 低阶矩 自适应融合

下载PDF 职称材料

自适应重加权池化深度多任务学习的表情识别 被引量：4

5

作者 王晓峰 王昆 +1 位作者 刘轩 郝潇 《计算机工程与设计》 北大核心 2022年第4期1111-1120,共10页

为实现表情准确且快速的识别,提出一种自适应重加权池化深度多任务学习(DMTL)的表情识别。设计孪生神经网络,通过自适应重加权模块动态调整缩放概率参数,得到具有不同置信度的类别标签信息。改进自适应池化方法,根据样本及训练过程变化... 为实现表情准确且快速的识别,提出一种自适应重加权池化深度多任务学习(DMTL)的表情识别。设计孪生神经网络,通过自适应重加权模块动态调整缩放概率参数,得到具有不同置信度的类别标签信息。改进自适应池化方法,根据样本及训练过程变化情况选取合适参数,提高特征提取的灵活性。结合类别标签信息和样本局部空间分布信息,利用改进型判别式DMTL进行人脸表情识别。基于CK+、MMI和FER2013数据集对所提方法进行实验论证,实验结果表明,其识别率在3个数据集上的识别率分别是95.2%、84.1%和73.6%,执行时间为0.082 s,均优于其它对比方法。 展开更多

关键词 表情识别 判别式深度多任务学习 孪生神经网络 自适应重加权 自适应池化 局部空间分布

下载PDF 职称材料

区域提取网络结合自适应池化网络的机场检测 被引量：5

6

作者 辛鹏 许悦雷 +2 位作者 马时平 李帅 吕超 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2018年第3期102-108,共7页

针对传统机场检测方法准确率低、虚警率高、耗时长等问题,借鉴深度卷积神经网络的架构,提出一种改进的区域提取网络和自适应池化网络结合的机场快速检测方法.将二分类网络引入区域提取网络以筛除一些定位较差的候选区域和背景区域,结合... 针对传统机场检测方法准确率低、虚警率高、耗时长等问题,借鉴深度卷积神经网络的架构,提出一种改进的区域提取网络和自适应池化网络结合的机场快速检测方法.将二分类网络引入区域提取网络以筛除一些定位较差的候选区域和背景区域,结合自适应池化的检测网络对机场候选区域进行识别,通过复用网络结构和学习的特征参数来达到快速检测的目的.仿真结果表明,与两种典型的机场检测方法相比,所提方法在测试集上取得更高准确率和更低虚警率的同时,极大地提高了检测速度,达到了精准、快速检测机场的目的. 展开更多

关键词 机场检测 卷积神经网络 区域提取网络 自适应池化

下载PDF 职称材料

基于自适应池化的行人检测方法 被引量：4

7

作者 余珮嘉 张靖 谢晓尧 《河北科技大学学报》 CAS 2019年第6期533-539,共7页

基于卷积神经网络的行人检测器普遍采用图像识别网络,通常会引起多池化层导致小目标行人特征信息丢失、单一池化方法导致行人局部重要特征信息削弱甚至丢失等,针对以上问题,基于最大值池化和平均值池化方法,提出了一种自适应池化方法,... 基于卷积神经网络的行人检测器普遍采用图像识别网络,通常会引起多池化层导致小目标行人特征信息丢失、单一池化方法导致行人局部重要特征信息削弱甚至丢失等,针对以上问题,基于最大值池化和平均值池化方法,提出了一种自适应池化方法,结合通用目标检测器Faster R-CNN,形成了有效的行人检测器,达到增强行人局部重要特征信息、保留小目标行人有效特征信息的目的。对多个公开的行人数据集进行大量实验,结果表明,与传统的卷积神经网络行人检测器相比,所提方法将行人检测漏检率降低了2%~3%,验证了方法的有效性。新方法改进了卷积神经网络结构,在无人驾驶领域具有一定的参考价值。 展开更多

关键词 计算机神经网络 卷积神经网络 行人检测 图像识别 自适应池化 Faster R-CNN

下载PDF 职称材料

基于DKG和IGCN的电力变压器故障诊断方法

8

作者 黄欣 郇嘉嘉 +2 位作者 赵敏彤 吴伟杰 张伊宁 《广东电力》 2023年第11期146-156,共11页

为了提升电力变压器的故障诊断的准确性,提出一种基于领域知识图谱(domain knowledge graph, DKG)和改进图卷积网络(improved graph convolutional network, IGCN)的电力变压器故障诊断方法。首先,利用DKG构建由节点与边构成的电力变压... 为了提升电力变压器的故障诊断的准确性,提出一种基于领域知识图谱(domain knowledge graph, DKG)和改进图卷积网络(improved graph convolutional network, IGCN)的电力变压器故障诊断方法。首先,利用DKG构建由节点与边构成的电力变压器知识图谱,并建立知识图谱与故障样本之间的映射关系,形成变压器故障知识图谱,为后续故障诊断提供数据支撑;其次,在谱域GCN原理的基础上,引入基于稀疏注意力的自适应图池化,对谱域GCN网络进行改进;最后,使用不同诊断方法对采集的3 000个变压器故障样本进行故障诊断实验,验证所提方法的优越性。实验结果表明,所提方法能够有效诊断变压器故障类型,较卷积神经网络、深度置信网络和深度神经网络等常规故障诊断方法:在2 400个样本下,识别率分别提升0.7%、4.7%和9.2%;随着样本数量的减小识别优势更为明显,在400个样本数量下,识别率分别提升4.2%、7.4%和14.3%。由此可知所提方法对变压器故障样本信息利用更为全面,诊断效果更优,且识别优势随着样本数量的减小更为明显。 展开更多

关键词 电力变压器 领域知识图谱 改进图卷积网络 稀疏注意力 自适应池化

下载PDF 职称材料

基于视觉感知与学习的图像质量评价 被引量：2

9

作者 丰明坤 周红 孙丽慧 《浙江科技学院学报》 CAS 2019年第6期444-449,共6页

针对几种经典评价方法的缺点,通过引入人眼的主观特性,提出一种基于视觉感知与学习(visual perception and learning,VPL)的方法,以解决人类视觉系统(human vision system,HVS)多通道评价融合的不稳定性。借助反向传播(back propagation... 针对几种经典评价方法的缺点,通过引入人眼的主观特性,提出一种基于视觉感知与学习(visual perception and learning,VPL)的方法,以解决人类视觉系统(human vision system,HVS)多通道评价融合的不稳定性。借助反向传播(back propagation,BP)神经网络构建了评价融合模型,分别对几种视觉感知算法的多通道评价进行融合,并基于回归函数对视觉感知算法的结果进行二次互补融合。结果表明,相对于现有主流方法,本文所提方法的各项评价指标均具有较大的优势。 展开更多

关键词 图像质量评价 视觉感知 多通道评价 自适应融合

下载PDF 职称材料

自适应池化卷积神经网络马品种识别研究

10

作者 米克热依·迪里夏提 张太红 《计算机技术与发展》 2019年第10期105-110,共6页

针对经典池化方式不能提取有效特征值的问题,提出了根据池化域的大小、池化域中的元素值和网络的训练次数调整池化结果的自适应池化法,并搭建了基于自适应池化的卷积神经网络模型,实现了对哈福林格马(Haflinger)、阿克哈-塔克马(Akhal-T... 针对经典池化方式不能提取有效特征值的问题,提出了根据池化域的大小、池化域中的元素值和网络的训练次数调整池化结果的自适应池化法,并搭建了基于自适应池化的卷积神经网络模型,实现了对哈福林格马(Haflinger)、阿克哈-塔克马(Akhal-Teke)、吉普赛马(Gypsy Venner)、伊犁马(Yili)、阿帕卢萨马(Appaloosa)、弗里西亚马(Friesian)、阿拉伯马(Arabian)、马瓦里马(Marwari)等八个品种的识别。对于图像进行归一化、数据扩增等预处理后,从数据集中随机选取80%的样本用作训练集,剩余的20%用作验证集和测试集。在Keras深度学习框架下,对使用自适应池化前后的卷积神经网络进行全新学习,并做了三组对照实验。实验结果表明,自适应池化算法明显提高了模型的准确率和分类性能。使用自适应池化算法后的模型在测试集上的准确率达到了88.24%,初步实现了基于计算机视觉的马品种识别。 展开更多

关键词 马品种图像 卷积神经网络 混淆矩阵 自适应池化 数据扩增

下载PDF 职称材料

不同池化模型的卷积神经网络学习性能研究 被引量：78

11

作者 刘万军 梁雪剑 曲海成 《中国图象图形学报》 CSCD 北大核心 2016年第9期1178-1190,共13页

目的基于卷积神经网络的深度学习算法在图像处理领域正引起广泛关注。为了进一步提高卷积神经网络特征提取的准确度,加快参数收敛速度,优化网络学习性能,通过对比不同的池化模型对学习性能的影响提出一种动态自适应的改进池化算法。方... 目的基于卷积神经网络的深度学习算法在图像处理领域正引起广泛关注。为了进一步提高卷积神经网络特征提取的准确度,加快参数收敛速度,优化网络学习性能,通过对比不同的池化模型对学习性能的影响提出一种动态自适应的改进池化算法。方法构建卷积神经网络模型,使用不同的池化模型对网络进行训练,并检验在不同迭代次数下的学习结果。在现有算法准确率不高和收敛速度较慢的情况下,通过使用不同的池化模型对网络进行训练,从而构建一种新的动态自适应池化模型,并研究在不同迭代次数下其对识别准确率和收敛速度的影响。结果通过对比实验发现,使用动态自适应池化算法的卷积神经网络学习性能最优,在手写数字集上的收敛速度最高可以提升18.55%,而模型对图像的误识率最多可以降低20%。结论动态自适应池化算法不但使卷积神经网络对特征的提取更加精确,而且很大程度地提高了收敛速度和模型准确率,从而达到优化网络学习性能的目的。这种模型可以进一步拓展到其他与卷积神经网络相关的深度学习算法。 展开更多

关键词 深度学习 卷积神经网络 图像识别 特征提取 算法收敛 动态自适应池化

原文传递

基于深度学习的高分辨率遥感影像建筑物提取方法 被引量：66

12

作者 范荣双 陈洋 +1 位作者 徐启恒 王竞雪 《测绘学报》 EI CSCD 北大核心 2019年第1期34-41,共8页

针对传统的建筑物提取方法精度较低和边界不完整等问题,本文提出基于深度学习的高分辨率遥感影像建筑物提取方法。首先,采用主成分变换非监督预训练网络结构,获得待提取遥感影像特征。其次,为减少在池化过程中影像特征信息的丢失,提出... 针对传统的建筑物提取方法精度较低和边界不完整等问题,本文提出基于深度学习的高分辨率遥感影像建筑物提取方法。首先,采用主成分变换非监督预训练网络结构,获得待提取遥感影像特征。其次,为减少在池化过程中影像特征信息的丢失,提出自适应池化模型,通过非下采样轮廓波变换来获取影像纹理特征,并将纹理特征输入网络中参与建筑物提取。最后,将影像特征输入softmax分类器进行分类,获得建筑物提取结果。选取典型区域进行建筑物提取试验,并与典型建筑物提取方法进行对比分析,结果表明,本文提取方法精度高,并且提取建筑物的边界清晰、完整。 展开更多

关键词 高分辨率遥感影像 深度学习 建筑物信息提取 自适应池化模型

下载PDF 职称材料

煤矿井下行人检测算法 被引量：7

13

作者 杨清翔 吕晨 +1 位作者 冯晨晨 王振宇 《工矿自动化》 北大核心 2020年第1期80-84,共5页

针对井下光照不均匀、行人特征与背景的相似度高等导致基于计算机视觉的行人检测技术在井下应用面临很大挑战的问题,提出采用Faster区域卷积神经网络(RCNN)进行煤矿井下行人检测。Faster RCNN行人检测算法采用区域建议网络(RPN)生成候... 针对井下光照不均匀、行人特征与背景的相似度高等导致基于计算机视觉的行人检测技术在井下应用面临很大挑战的问题,提出采用Faster区域卷积神经网络(RCNN)进行煤矿井下行人检测。Faster RCNN行人检测算法采用区域建议网络(RPN)生成候选区域,RPN与Fast RCNN共享卷积层,以提高网络训练和检测速度;在图像特征提取过程中采用动态自适应池化方法对不同池化域进行自适应池化操作,提高了检测准确性。实验结果表明,该算法对于不同环境下图像中的行人均具有较好的检测效果。 展开更多

关键词 井下行人检测 深度学习 区域卷积神经网络 区域建议网络 共享卷积层 动态自适应池化

下载PDF 职称材料

APK-CNN和Transformer增强的多域虚假新闻检测模型

14

作者 李金金 桑国明 张益嘉 《计算机应用》 CSCD 北大核心 2024年第9期2674-2682,共9页

为解决社交媒体新闻中的领域转移、领域标签不完整问题,以及探索更高效的多域新闻文本特征提取和融合网络,提出一种基于APK-CNN(Adaptive Pooling Kernel Convolutional Neural Network)和Transformer增强的多域虚假新闻检测模型Transm... 为解决社交媒体新闻中的领域转移、领域标签不完整问题,以及探索更高效的多域新闻文本特征提取和融合网络,提出一种基于APK-CNN(Adaptive Pooling Kernel Convolutional Neural Network)和Transformer增强的多域虚假新闻检测模型Transm3。首先,设计三通道网络对文本的语义、情感和风格信息进行特征提取和表示,并利用多粒度跨域交互器对这些特征进行视图组合;其次,通过优化的软共享内存网络和域适配器来完善新闻领域标签;再次,将Transformer与多粒度跨域交互器结合,使用更先进的融合网络动态加权聚合不同领域的交互特征;最后,将融合特征输入分类器中用于真/假新闻判别。实验结果表明,Transm3与M3FEND(Memory-guided Multi-view Multi-domain FakE News Detection)和EANN(Event Adversarial Neural Networks for multi-modal fake news detection)相比,综合F1值在中文数据集上分别提高了3.68%和6.46%,在英文数据集上分别提高了6.75%和11.93%,在各分领域上F1值也有明显的提高,充分验证了Transm3在多域虚假新闻检测工作上的有效性。 展开更多

关键词 虚假新闻检测 领域转移 软共享内存网络 TRANSFORMER APK-CNN

下载PDF 职称材料

基于改进时间卷积网络的局域网异常预测仿真

15

作者 谭荣华 王俊 舒建文 《计算机仿真》 北大核心 2023年第12期465-469,共5页

深度学习的快速发展时刻影响着各领域的发展,针对传统的局域网异常预警存在训练复杂度高、预测精度低、预测时间长等问题,提出一种基于改进时间卷积网络的局域网异常预测方法。首先介绍了时间卷积神经网络;通过对激活函数进行改进,解决... 深度学习的快速发展时刻影响着各领域的发展,针对传统的局域网异常预警存在训练复杂度高、预测精度低、预测时间长等问题,提出一种基于改进时间卷积网络的局域网异常预测方法。首先介绍了时间卷积神经网络;通过对激活函数进行改进,解决传统神经网络存在神经元坏死问题;其次采用自适应线性对全连接层进行替换解决传统网络存在的过拟合问题。最后,为了验证所提出算法的有效性,采用了不同方法与提出的方法进行对比。仿真结果表明,所提算法在预测精度、预测时间以及模型训练复杂度上有较好的提升。 展开更多

关键词 卷积网络 深度学习 自适应池化层 异常预测

下载PDF 职称材料

基于DAPA的卷积神经网络Web异常流量检测方法 被引量：3

16

作者 高胜花 李世明 +2 位作者 李秋月 於家伟 郑爱勤 《信息技术与网络安全》 2020年第2期8-12,共5页

针对Web攻击流量检测问题,提出一种基于动态自适应池化算法(Dynamic Adaptive Pooling Algorithm,DAPA)的卷积神经网络模型。首先将数据集中每一条请求流量进行剪裁、对齐、补足等操作,生成一系列50×150的矩阵数据A作为输入,然后... 针对Web攻击流量检测问题,提出一种基于动态自适应池化算法(Dynamic Adaptive Pooling Algorithm,DAPA)的卷积神经网络模型。首先将数据集中每一条请求流量进行剪裁、对齐、补足等操作,生成一系列50×150的矩阵数据A作为输入,然后搭建基于动态自适应的卷积神经网络模型去进行异常流量检测,使之可以根据特征图的不同,动态地调整池化过程,在网络结构中添加Dropout层来解决流量特征提取过程中的过拟合问题。实验表明,该方法比未使用动态自适应池化的方式精确度提升了1.2%,损失值降低了2.6%,过拟合问题也得到了解决。 展开更多

关键词 异常流量检测 卷积神经网络 动态自适应池化

下载PDF 职称材料

自适应大规模服务器集群监控系统的构建 被引量：5

17

作者 薛正华 董小社 +1 位作者 伍卫国 胡雷钧 《西安交通大学学报》 EI CAS CSCD 北大核心 2008年第4期399-403,共5页

针对大规模服务器集群监控系统域大小固定而不能动态适应集群规模变化的缺点,提出了自适应动态域算法.通过计算监控引入的负载,根据负载容忍度要求,动态改变域的个数和大小,以适应集群规模变化.同时,提出了浮动域监控节点的方法,以应对... 针对大规模服务器集群监控系统域大小固定而不能动态适应集群规模变化的缺点,提出了自适应动态域算法.通过计算监控引入的负载,根据负载容忍度要求,动态改变域的个数和大小,以适应集群规模变化.同时,提出了浮动域监控节点的方法,以应对域监控节点负载过重的情况,即在域监控节点负载较重时,自适应地选择新的域监控节点,并完成节点角色的自动更新.采用自适应的线程池和数据库连接池可降低监控任务的开销,加快执行任务的响应时间.监控CPU利用率的测试结果表明,系统执行单任务的响应时间为128 ms,20个任务的响应时间为242 ms;数据库连接池的性能测试结果表明,在300 s内,采用了自适应池、不采用自适应池方案所耗处理器资源分别为1.80%和7.53%,处理任务数分别为12 364和2 769. 展开更多

关键词 服务器集群 监控系统 自适应池

下载PDF 职称材料

基于优化卷积神经网络的表面缺陷检测 被引量：16

18

作者 姚明海 袁惠 《高技术通讯》 EI CAS 北大核心 2019年第6期564-569,共6页

卷积神经网络(CNN)具有权值数量少,训练速度快等优点,在图像识别、机器视觉等领域得到广泛应用。本文提出了一种卷积神经网络的自适应加权池化算法,算法通过生成合并通道,并在学习掩模的引导下汇集特征,优化了子采样模型的特征提取,有... 卷积神经网络(CNN)具有权值数量少,训练速度快等优点,在图像识别、机器视觉等领域得到广泛应用。本文提出了一种卷积神经网络的自适应加权池化算法,算法通过生成合并通道,并在学习掩模的引导下汇集特征,优化了子采样模型的特征提取,有效改善了网络的识别准确性和快速性。利用该算法对磁片表面缺陷进行检测实验,实验结果表明,本文提出的池化模型使卷积神经网络对特征的提取更加精确,同时提高了收敛速度和鲁棒性,并且可以应用于各种深度神经网络体系结构中。 展开更多

关键词 卷积神经网络(CNN) 自适应加权池化模型 缺陷检测 子采样

下载PDF 职称材料

基于改进胶囊网络的电力线巡线异物检测 被引量：9

19

作者 宋立业 王诗翱 刘昕明 《电子测量与仪器学报》 CSCD 北大核心 2020年第12期49-56,共8页

针对电力线巡线异物检测使用的传统卷积神经网络空间辨识度较差、训练样本需求过多的问题,提出一种改进胶囊网络模型。使用数据灰度化、三维块匹配滤波算法预处理巡线数据集。提出自适应贡献池化降低数据信息丢失量,异物数据深度信息提... 针对电力线巡线异物检测使用的传统卷积神经网络空间辨识度较差、训练样本需求过多的问题,提出一种改进胶囊网络模型。使用数据灰度化、三维块匹配滤波算法预处理巡线数据集。提出自适应贡献池化降低数据信息丢失量,异物数据深度信息提取单元提取主要特征来滤除冗余信息、减少数据数量以改善模型性能,改进异物识别主胶囊层和动态路由结构以适应电力线巡线异物检测的二分类情况。对自适应贡献池化和最大池化,无池化、传统结构胶囊网络和改进胶囊网络,改进胶囊网络和AlexNet、GoogLeNet分别进行异物识别对比实验和改进胶囊网络的空间辨识度性能进行测试实验。实验结果表明,在3700张小训练样本条件下,经20次训练后,自适应贡献池化比最大池化的改进胶囊网络平均准确率提高2.7%,改进胶囊网络比无池化、传统结构胶囊网络平均准确率提高3.6%,改进胶囊网络比AlexNet、GoogLeNet的平均准确率分别提高21.9%和12.6%,且改进胶囊网络在大小、角度不同的测试数据中仍具有高于91%的平均准确率。改进胶囊网络在空间辨识度复杂、少训练样本情况下仍具有较高的异物识别能力,实现了高效率、高准确率的自动化无人巡线异物检测。 展开更多

关键词 电力线巡检 异物识别 空间辨识度 小训练样本 自适应贡献池化 改进胶囊网络

下载PDF 职称材料

基于改进YOLOv8的煤矿输送带异物检测

20

作者 洪炎 汪磊 +2 位作者 苏静明 汪瀚涛 李木石 《工矿自动化》 CSCD 北大核心 2024年第6期61-69,共9页

现有基于深度学习的输送带异物检测模型较大,难以在边缘设备部署,且对不同尺寸异物和小目标异物存在错检、漏检情况。针对上述问题,提出一种基于改进YOLOv8的煤矿输送带异物检测方法。采用深度可分离卷积、压缩和激励(SE)网络将YOLOv8... 现有基于深度学习的输送带异物检测模型较大,难以在边缘设备部署,且对不同尺寸异物和小目标异物存在错检、漏检情况。针对上述问题,提出一种基于改进YOLOv8的煤矿输送带异物检测方法。采用深度可分离卷积、压缩和激励(SE)网络将YOLOv8主干网络中C2f模块的Bottleneck重新构建为DSBlock,在保持模型轻量化的同时提升检测性能;为增强对不同尺寸目标物体信息的获取能力,引入高效通道注意力(ECA)机制,并对ECA的输入层进行自适应平均池化和自适应最大池化操作,得到跨通道交互MECA模块,以增强模块的全局视觉信息,进一步提升异物识别精度;将YOLOv8的3个检测头修改为4个轻量化小目标检测头,以增强对小目标的敏感性,有效降低小目标异物的漏检率和错检率。实验结果表明:改进YOLOv8的精确度达91.69%,mAP@50达92.27%,较YOLOv8分别提升了3.09%和4.07%;改进YOLOv8的检测速度达73.92帧/s,可充分满足煤矿输送带异物实时检测的需求;改进YOLOv8的精确度、mAP@50、参数量、权重大小和每秒浮点运算数均优于SSD,Faster-RCNN,YOLOv5,YOLOv7-tiny等主流目标检测算法。 展开更多

关键词 输送带异物检测 YOLOv8 SE网络 高效通道注意力机制 轻量化 小目标检测 自适应平均池化 自适应最大池化

下载PDF 职称材料