-
题名基于深度学习的多尺度分块压缩感知算法
被引量：2
- 1
-
-
作者
于洋
桑国明
-
机构
大连海事大学信息科学技术学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2020年第6期1263-1268,共6页
-
基金
国家自然科学基金项目(61672122)资助
中央高校基本科研业务费“十三五”重点科研项目(3132016348)资助
中央高校基本科研业务费项目(3132019207)资助.
-
文摘
压缩感知算法可以突破传统采样定理的限制,在采样的同时完成对数据的压缩.利用深度学习方法解决压缩感知算法存在的缺陷,在图像处理领域十分受欢迎.现有的深度学习框架下的压缩感知算法,多采用全连接层进行采样,对于自然图像来说,所需计算量巨大,不利于数据的存储.分块压缩感知算法,多采用单一尺度分块,如何选取合适的分块尺寸成为难题.本文提出了基于深度学习的多尺度分块压缩感知算法,利用卷积层代替全连接层,实现对原始图像的多尺度分块,同时添加了卷积自编码器对重构图像进一步优化.实验结果表明,本文算法对于图像特征的提取及重构,都表现出了明显的优势,取得了良好的效果.
-
关键词
深度学习
压缩感知
多尺度分块
卷积自编码
-
Keywords
deep learning
compressed sensing
multi-scale blocking
convolutional self-encoding
-
分类号
TP312
[自动化与计算机技术—计算机软件与理论]
-
-
题名运行复合绝缘子高光谱污秽检测技术
- 2
-
-
作者
马御棠
李谦慧
马仪
潘浩
杨坤
周志鹏
-
机构
云南电网有限责任公司电力科学研究院
西南交通大学电气工程学院
云南电网有限责任公司研究生工作站
-
出处
《电瓷避雷器》
CAS
北大核心
2023年第2期150-156,共7页
-
文摘
目前传统的高光谱污秽检测主要针对人工涂污样本。而运行复合绝缘子由于结构和自然积污复杂、基材浸污严重,难以运用其方法进行污秽检测。因此搭建了适用于绝缘子污秽检测的高光谱拍摄平台,并提出了一种基于高光谱的运行复合绝缘子污秽检测技术。首先,针对绝缘子光谱特性,提出了一种基于噪声学习的一维卷积降噪自动编码器(1D-RDCAE)高光谱数据转换方法,消除不同拍摄情况导致的谱线偏移现象。其次通过核主成分(KPCA)提取不同污秽程度的光谱特征;分别建立基于线性判别算法(LDA)、BP神经网络(BPNN)以及极限学习机(ELM)的运行复合绝缘子污秽检测模型。最终,检测结果表明,较之传统的高光谱污秽检测方法,笔者提出的污秽检测技术对不同拍摄情况下的污秽程度检测准确度有了大幅提高,由50%左右提高到了85%以上,为后续运行复合绝缘子光谱检测奠定了基础。
-
关键词
高光谱检测
污秽检测
深度残差
卷积自编码
-
Keywords
hyperspectral detection
pollution level recognition
depth residual
convolutional self-encoding
-
分类号
TM216
[一般工业技术—材料科学与工程]
-
-
题名基于深度卷积自编码神经网络的手写数字识别研究
被引量：23
- 3
-
-
作者
曾文献
孟庆林
郭兆坤
-
机构
河北经贸大学信息技术学院
-
出处
《计算机应用研究》
CSCD
北大核心
2020年第4期1239-1243,共5页
-
基金
河北省科技计划资助项目(17450112D)。
-
文摘
针对提高不同笔体下的手写识别准确率进行了研究,将深度卷积神经网络与自动编码器相结合,设计卷积自编码器网络层数,形成深度卷积自编码神经网络。首先采用双线性插值方法分别对MNIST数据集与10000幅自制中国大学生手写数字图片进行图像预处理,然后使用单一MNIST数据集对深度卷积自编码神经网络进行训练与测试;最后使用MNIST与自制数据集中5000幅图片混合,再次训练该网络,对另外5000幅图片进行测试。实验数据表明,所提深度卷积自编码神经网络在MNIST测试集正确率达到99.37%;且5000幅自制数据集模型测试正确率达99.33%,表明该算法实用性较强,在不同笔体数字上得到了较高的识别准确率,模型准确有效。
-
关键词
卷积自编码神经网络
双线性插值
手写数字识别
深度学习
-
Keywords
convolutional self-encoding neural network
bilinear interpolation
handwritten digit recognition
deep learning
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名结合改进卷积神经网络与自编码器的表情识别
被引量：7
- 4
-
-
作者
魏赟
李栋
-
机构
上海理工大学光电信息与计算机工程学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2022年第2期387-392,共6页
-
基金
外高桥项目上海市科学技术委员会科研计划项目(19511105103)资助。
-
文摘
为了克服单一神经网络模型提取表情特征困难,以及堆叠深层网络结构会造成训练过程复杂、参数冗余等问题,本文提出了一种引入注意力机制的轻量级CNN通道和卷积自编码器预训练通道的双通道模型.在轻量级CNN通道中以具有残差思想的深度可分离卷积结构进行深层次特征提取并且减少了模型参数量,还引入了通道域注意力机制使得该通道能够学习到更有用的特征;同时使用卷积自编码器对输入人脸表情图像进行无监督预处理,使得模型提取的特征更加多样化.实验结果表明,在FER2013和CK+表情数据集上分别取得了72.70%和97.50%的识别率.通过与相关方法对比,表明了本文模型在保证较少参数量的同时也具有较高的识别率.
-
关键词
表情识别
深度可分离卷积
卷积自编码器
注意力机制
-
Keywords
facial expression recognition
deep separable convolution
convolutional self-encoder
attention mechanism
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于时频分析的风力发电机轴承剩余寿命预测
- 5
-
-
作者
王猛
王光君
张雷
张法业
姜明顺
-
机构
中车青岛四方机车车辆股份有限公司
山东大学
-
出处
《山东电力技术》
2022年第12期32-38,100,共8页
-
基金
国家自然科学基金青年基金项目(61903224)。
-
文摘
轴承作为风力发电机的重要传动机构,工作环境恶劣,存在较高故障率,一旦发生故障将造成巨大经济损失。因此,准确地预测轴承的剩余寿命对于实现轴承的健康在线监测和视情维修具有重要的工程应用价值。采用基于数据驱动的剩余寿命间接预测方法,首先,使用短时傅里叶变换对降噪后的轴承高频振动信号进行时频分析,将时频域特征进行结合并充分考虑振动信号的局部特征和时变性;然后通过多层卷积自编码器网络对获得的时频图进行自动压缩和特征提取,获得轴承退化过程中的一维健康指标曲线;最后构建多层门控循环单元网络模型,将轴承的一维健康指标曲线作为模型的输入,映射到轴承的剩余寿命。使用FEMTO轴承数据集作为实验数据,验证了所提方法的有效性。
-
关键词
剩余寿命预测
轴承
短时傅里叶变换
卷积自编码器
门控循环单元
-
Keywords
remaining life prediction
bearing
short-time Fourier transform
convolutional self-encoder
gated recurrent unit
-
分类号
TH133
[机械工程—机械制造及自动化]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
