基于深度卷积生成对抗网络的花朵图像增强与分类 被引量：13

1

作者 杨旺功 淮永建 《计算机科学》 CSCD 北大核心 2020年第6期176-179,共4页

为了提高花朵图像识别与分类的准确率,采用基于深度卷积生成对抗网络的算法来完成花朵图像的识别与分类。为了保证花朵图像在卷积过程中的特征完整性,将不同尺寸的真实花朵图像进行定量平均分块,忽略分块尺寸的大小,保证分块数量相等,... 为了提高花朵图像识别与分类的准确率,采用基于深度卷积生成对抗网络的算法来完成花朵图像的识别与分类。为了保证花朵图像在卷积过程中的特征完整性,将不同尺寸的真实花朵图像进行定量平均分块,忽略分块尺寸的大小,保证分块数量相等,然后对分块的图像进行深度卷积池化增强,增强方法为最大值增强,并对噪声进行最大值池化操作,然后将两者进行对抗判别,运用交叉熵误差对价值函数进行评估,求解花朵图像识别与分类的结果。文中分别对花朵图像增强、同类花朵图像识别和不同类花朵图像分类分别进行了实例仿真,实验结果表明,所提算法在花朵图像分类正确率方面的优势明显且稳定性好。 展开更多

关键词 深度卷积 对抗网络 花朵图像 最大值池化 价值函数

下载PDF 职称材料

DCGAN结合CNN诊断不均衡小样本的滚动轴承故障 被引量：4

2

作者 施杰 胡益嘉 +2 位作者 王森 张溟晨 张毅杰 《噪声与振动控制》 CSCD 北大核心 2022年第6期130-136,142,共8页

针对滚动轴承故障样本过少且故障类间样本不均衡所导致诊断效果不佳的问题,提出一种将深度卷积生成对抗网络(Deep Convolution Generative Adversarial Network,DCGAN)与以遗传算法(Genetic Algorithm,GA)优化卷积神经网络(Convolution ... 针对滚动轴承故障样本过少且故障类间样本不均衡所导致诊断效果不佳的问题,提出一种将深度卷积生成对抗网络(Deep Convolution Generative Adversarial Network,DCGAN)与以遗传算法(Genetic Algorithm,GA)优化卷积神经网络(Convolution Neural Network,CNN)相结合的智能诊断方法。首先,利用GA以最小信息熵作为目标函数解决变分模态分解(variational Mode Decomposition,VMD)中本征模态函数分解个数和二次惩罚因子难以确定的问题。再根据平均峭度指标对分解后的信号进行重构,并将其转换为二维时频信号。然后,将小批量时频信号样本作为训练集放入构建的DCGAN模型中,对抗生成辅助故障样本。其次,通过GA寻优CNN中学习率和批处理大小的最优组合,实现对CNN的优化(Convolution Neural Network Optimized by Genetic Algorithm,GA-CNN)。再将对抗后的样本放到优化后的GA-CNN模型中进行训练,构造出适应于小故障样本及故障类间样本不均衡条件下的机械故障智能诊断模型。最后,采用西储大学和XJTU-SY轴承振动数据对该诊断方法进行测试。测试结果表明,该方法的诊断正确率达到95.22%,模型具有较好的泛化能力和鲁棒性。 展开更多

关键词 故障诊断 不均衡小样本 深度卷积生成对抗网络 卷积神经网络 变分模态分解

下载PDF 职称材料

一种光伏阵列串联电弧故障智能检测方法 被引量：1

3

作者 金辉 高伟 杨耿杰 《电工电气》 2023年第1期43-47,66,共6页

由于串联电弧故障特征表现不足以及样本不平衡的问题,导致传统的诊断算法检测效果不佳。提出了一种基于图像识别的光伏阵列串联电弧故障诊断方法 :利用格拉姆角和场(GASF)将发生串联电弧故障时的暂态电流数据编码为二维图像,从而放大电... 由于串联电弧故障特征表现不足以及样本不平衡的问题,导致传统的诊断算法检测效果不佳。提出了一种基于图像识别的光伏阵列串联电弧故障诊断方法 :利用格拉姆角和场(GASF)将发生串联电弧故障时的暂态电流数据编码为二维图像,从而放大电弧故障的本质特征;深度卷积生成对抗网络(DCGAN)被用来增扩电弧故障GASF特征图像,以均衡正常与故障样本数量;训练一个LeNet-5诊断模型完成电弧故障的识别。经过实验验证,所提方法有效提升了光伏阵列串联电弧故障的辨识度,且具备优秀的抗干扰能力,对实测数据的整体识别准确率高达99.5%。 展开更多

关键词 光伏阵列 串联电弧故障 格拉姆角和场 深度卷积生成对抗网络

下载PDF 职称材料

基于上下文编码器的图像修复算法

4

作者 任鹏博 毛克彪 《高技术通讯》 CAS 2023年第9期947-956,共10页

基于数学的传统模型在纹理学习上的效果比较好,但是在图像内容和语义上有所缺失。近年来,随着深度学习的兴起,将深度学习应用于图像修复的方法十分热门,对各种残缺图像的修补也取得了较好的结果。本文使用的基于上下文编码器的图像修复... 基于数学的传统模型在纹理学习上的效果比较好,但是在图像内容和语义上有所缺失。近年来,随着深度学习的兴起,将深度学习应用于图像修复的方法十分热门,对各种残缺图像的修补也取得了较好的结果。本文使用的基于上下文编码器的图像修复方法,结合自编码器(AE)和生成对抗网络(GAN)。其中,使用AE进行图像特征的学习,生成待修补区域的预测图;使用GAN的对抗学习来优化模型;使用由重建损失和对抗损失组成的联合损失函数。经过训练后的卷积神经网络(CNN),能够根据图像周边的像素特征,对丢失的区域进行合理推断,生成缺失部分。最后,本文对比了使用联合损失函数和单独使用重建损失与对抗损失函数的效果,并将本文算法与另外2种模型对比,采用客观评价指标,即平均绝对误差(MAE)、峰值信噪比(PSNR)以及结构相似性(SSIM)进行评价,其结果表明本模型在修复残缺图像时效果均较好,普适性更强。 展开更多

关键词 图像修复 深度学习 卷积神经网络(CNN) 自动编码器(AE) 生成对抗网络(GAN)

下载PDF 职称材料

基于DCGAN数据集增强的ECT系统流型识别技术改进

5

作者 胡红利 王茂杰 +2 位作者 杨姝楠 杨海潮 卢家宇 《西北大学学报（自然科学版）》 CAS CSCD 北大核心 2023年第4期554-562,共9页

基于电容层析成像(electrical capacitance tomography,ECT)系统的流型识别技术具有非侵入性和可视化的优点,被广泛应用于各种工业过程的动态测量中。为提高ECT系统的流型识别准确率,基于神经网络模型的识别算法被广泛应用,但ECT系统难... 基于电容层析成像(electrical capacitance tomography,ECT)系统的流型识别技术具有非侵入性和可视化的优点,被广泛应用于各种工业过程的动态测量中。为提高ECT系统的流型识别准确率,基于神经网络模型的识别算法被广泛应用,但ECT系统难以获得大量实测样本,从而导致识别准确率低、模型泛化性差。针对这一问题,该文采用了基于深度卷积生成对抗网络(DCGAN)的数据集扩增方法,利用经过预处理的LSSVM方法重建所得的图像,搭建基于DCGAN的流型图像生成模型进行实验,并利用GAN-train和GAN-test两个客观指标对生成图像进行评价,之后使用扩增后的数据集进行基于YOLOv3的流型识别。实验结果表明,利用DCGAN方法能够有效扩增原有数据集,生成图像准确度高、丰富性强,配合YOLOv3的目标检测算法,可以对ECT系统的流型识别准确率提升有较大程度的改进。 展开更多

关键词 流型识别 数据集扩增 机器学习 深度卷积生成对抗网络 YOLOv3

下载PDF 职称材料

基于深度卷积生成式对抗网络的人脸恢复方法 被引量：4

6

作者 吴晓燕 钱真坤 《计算机应用与软件》 北大核心 2020年第8期207-212,共6页

针对人脸复原过程中出现失真和重要细节丢失的问题,提出一种基于深度卷积生成式对抗网络的人脸恢复方法。使用人脸恢复网络对风格化的图像提取人脸视觉特征,通过结合面部属性提供的语义信息来生成具有真实感的人脸图像;利用识别网络判... 针对人脸复原过程中出现失真和重要细节丢失的问题,提出一种基于深度卷积生成式对抗网络的人脸恢复方法。使用人脸恢复网络对风格化的图像提取人脸视觉特征,通过结合面部属性提供的语义信息来生成具有真实感的人脸图像;利用识别网络判别恢复图像与真实图像之间的相似度,以及相应面部属性匹配的一致性;提出一种人脸恢复损失函数,有效保留面部细节的同时生成与真实图像属性相匹配的清晰图像。实验结果表明,对于不同风格化的人脸图像,该方法可以获得真实且属性匹配的人脸图像,性能明显优于其他方法。 展开更多

关键词 深度卷积 生成式对抗网络 人脸恢复 风格迁移

下载PDF 职称材料

基于生成对抗自关注的点云补全网络 被引量：2

7

作者 叶荆荆 叶海良 曹飞龙 《中国计量大学学报》 2021年第3期369-377,397,共10页

目的:基于生成对抗网络,构建带有自关注机制的模型用于三维点云补全。方法:首先用多层感知机对点云进行特征提取,再将结果输入自关注模块,得到表征特征内部相关性的特征向量,最后利用特征金字塔模块生成点云的缺失部分。结果:与其他点... 目的:基于生成对抗网络,构建带有自关注机制的模型用于三维点云补全。方法:首先用多层感知机对点云进行特征提取,再将结果输入自关注模块,得到表征特征内部相关性的特征向量,最后利用特征金字塔模块生成点云的缺失部分。结果:与其他点云补全方法在Shape-Net数据集上进行实验比较,本文所提方法对完整点云补全的预测点到真实点和真实点到预测点平均误差分别降低了0.2%~70%和9%~74%,且在超过一半的物体类别上,补全精度都有显著提高。结论:表明基于生成对抗自关注机制的模型在点云补全任务中具有有效性。 展开更多

关键词 深度学习 卷积神经网络 点云补全 生成对抗网络

下载PDF 职称材料

融合深度典型相关分析和对抗学习的跨模态检索 被引量：1

8

作者 刘立波 苟婷婷 《计算机科学》 CSCD 北大核心 2021年第9期200-207,共8页

文中提出一种融合深度典型相关分析和对抗学习的跨模态检索方法(DCCA-ACMR),该方法提高了无标签样本的利用率,能够学习到更有力的特征投影模型,进而提升了跨模态检索准确率。具体而言,在DCGAN框架下:1)在图像与文本两个单模态的表示层... 文中提出一种融合深度典型相关分析和对抗学习的跨模态检索方法(DCCA-ACMR),该方法提高了无标签样本的利用率,能够学习到更有力的特征投影模型,进而提升了跨模态检索准确率。具体而言,在DCGAN框架下:1)在图像与文本两个单模态的表示层间增加深度典型相关分析约束,构建图文特征投影模型,充分挖掘样本对的语义关联性;2)以图文特征投影模型作为生成器,以模态特征分类模型作为判别器共同构成图文跨模态检索模型;3)利用有标签样本和无标签样本,在生成器和判别器的相互对抗中学习到样本的公共子空间表示。在Wikipedia和NUSWIDE-10k两个公开数据集上,采用平均准确率均值(mAP)作为评价指标对所提方法进行验证。图像检索文本和文本检索图像的平均mAP值在两个数据集上分别为0.556和0.563。实验结果表明,DCCA-ACMR优于现有的代表性方法。 展开更多

关键词 跨模态检索 深度典型相关分析 对抗学习 深度卷积生成对抗网络

下载PDF 职称材料

基于生成对抗网络的放疗剂量分布研究

9

作者 廖文涛 蒲越虎 《中华放射肿瘤学杂志》 CSCD 北大核心 2021年第4期376-381,共6页

目的探讨利用深度学习在图像处理上的优势与放疗结合是否会使放疗过程更加智能化。方法生成对抗网络(GAN)是一种利用神经网络的生成模型,输入相关特征可生成高质量剂量分布图像。先使用随机无条件GAN进行模拟分布数据的验证,再使用条件G... 目的探讨利用深度学习在图像处理上的优势与放疗结合是否会使放疗过程更加智能化。方法生成对抗网络(GAN)是一种利用神经网络的生成模型,输入相关特征可生成高质量剂量分布图像。先使用随机无条件GAN进行模拟分布数据的验证,再使用条件GAN(cGAN)训练肿瘤病例的DICOMRT数据,利用靶区和器官轮廓信息直接生成剂量分布图。结果对于理想数据验证,GAN生成模拟分布效果优良,通过提取靶区轮廓和真实剂量切片数据使用cGAN训练,得到病例计划靶体积和危及器官的剂量分布。结构中预测值与真实剂量之间最大值和平均值的绝对误差评价表现为[3.57%,3.37%](计划靶体积)、[2.63%,2.87%](脑)、[1.50%,2.70%](临床靶体积)、[3.87%,1.79%](大体肿瘤体积)、[3.60%,3.23%](危及器官-1)、[4.40%,3.13%](危及器官-2)。结论利用GAN模型可以生成模拟分布数据,同时结合先验知识的cGAN模型可以建立靶区和器官信息与剂量分布之间的关系。通过输入靶区和器官轮廓信息直接快速生成对应的剂量分布,是剂量预测的一种有效尝试。 展开更多

关键词 放疗剂量分布 深度卷积生成对抗网络 条件生成对抗网络

原文传递

基于MDCGAN的裂缝样本扩充及识别研究

10

作者 谢永华 齐杨 《半导体光电》 CAS 北大核心 2022年第5期955-961,共7页

针对裂缝图像获取困难导致的样本少、传统数据扩充方法提升样本特征空间能力不足等问题,提出了一种基于改进深度卷积生成对抗网络(MDCGAN)的裂缝样本扩充方法。首先对数据集进行预处理,利用滑窗法进行数据降维和清洗;其次优化激活函数,... 针对裂缝图像获取困难导致的样本少、传统数据扩充方法提升样本特征空间能力不足等问题,提出了一种基于改进深度卷积生成对抗网络(MDCGAN)的裂缝样本扩充方法。首先对数据集进行预处理,利用滑窗法进行数据降维和清洗;其次优化激活函数,提高生成特征的多样性,同时引入谱归一化进行权重标准化提升网络结构的稳定性,以生成高质量的裂缝数据集;最后,利用改进的Alexnet网络对扩充后的混合样本集进行特征提取并分类识别。结果表明,MDCGAN网络数据增强性能与传统扩充方法相比均有明显提高,适用于扩充裂缝图像。 展开更多

关键词 深度卷积生成对抗网络 数据增强 裂缝图像 谱归一化 激活函数

下载PDF 职称材料

基于集成学习PCA多元融合的输电线路图像生成研究 被引量：1

11

作者 张福正 李琨 +2 位作者 李仕林 赵李强 董厚琦 《光电子．激光》 CAS CSCD 北大核心 2021年第8期841-851,共11页

电力系统巡维图像中存在缺陷的样本图像极少,导致正常样本和缺陷样本不均衡,无法使用深度学习等算法来进一步研究输电线路的故障检测。目前各种基于深度机器学习的图像生成方法均存在分辨率低、缺陷特征不明显等问题,导致生成的样本图... 电力系统巡维图像中存在缺陷的样本图像极少,导致正常样本和缺陷样本不均衡,无法使用深度学习等算法来进一步研究输电线路的故障检测。目前各种基于深度机器学习的图像生成方法均存在分辨率低、缺陷特征不明显等问题,导致生成的样本图像难以满足研究人员的需要。本文提出一种基于集成学习(ensemble learning,EL)的PCA加权平均多元融合(diverse integration,DI)生成方法。采用正常和含有缺陷的输电线路绝缘子图像进行实验,实验结果表明生成图像质量效果明显,可以有效运用于电力系统构建专业的样本库,为后续相关研究提供大数据支撑,也为该领域提出一种新颖可行的研究方法。 展开更多

关键词 集成学习 深度卷积生成对抗网络 变分自编码器 输电线路 主成分分析算法 图像融合

原文传递

基于深度自编码网络的图像去模糊

12

作者 张晓凯 杨鸿波 +1 位作者 杨明浩 张洋 《北京信息科技大学学报（自然科学版）》 2021年第3期45-52,共8页

对于相机抖动、场景深度变化、目标位置变化等因素引起的图像运动模糊,传统去模糊算法往往受限于模糊核的各种约束或正则化,且优化时间长。针对这一问题,提出了一种基于深度学习的图像去模糊方法。将深度自编码器网络应用到图像去模糊领... 对于相机抖动、场景深度变化、目标位置变化等因素引起的图像运动模糊,传统去模糊算法往往受限于模糊核的各种约束或正则化,且优化时间长。针对这一问题,提出了一种基于深度学习的图像去模糊方法。将深度自编码器网络应用到图像去模糊领域,结合多尺度卷积神经网络构建生成器网络模型,采用生成对抗网络建立框架去除图像运动模糊。实验结果表明,与其他去模糊算法相比,该算法在获得更清晰图像的同时也缩短了复原时间,在GOPRO数据集上,峰值信噪比(PSNR)和结构相似度(SSIM)更高,而且使用该方法去除运动模糊后的图像较为清晰,保留了更多图像边缘结构,对模糊图像有着更强的复原能力。 展开更多

关键词 图像去模糊 深度自编码器网络 卷积神经网络 生成对抗网络 运动模糊

下载PDF 职称材料

高比例新能源接入下计及工业负荷特性的电网需求响应调控策略 被引量：5

13

作者 陈光宇 杨锡勇 +4 位作者 江海洋 崔雨 张仰飞 郝思鹏 张玉卓 《电力自动化设备》 EI CSCD 北大核心 2023年第4期177-184,共8页

为挖掘需求侧调节潜力,提出一种高比例新能源接入下计及工业负荷特性的电网需求响应调控策略。设计一种基于工业负荷需求响应的滚动调度框架,通过分析不同类型工业负荷的生产特性,挖掘工业负荷的需求响应潜力;针对新能源和负荷的不确定... 为挖掘需求侧调节潜力,提出一种高比例新能源接入下计及工业负荷特性的电网需求响应调控策略。设计一种基于工业负荷需求响应的滚动调度框架,通过分析不同类型工业负荷的生产特性,挖掘工业负荷的需求响应潜力;针对新能源和负荷的不确定性,提出一种结合特征损失的条件深度卷积生成对抗网络场景生成方法,为系统调控提供不同时间尺度下的典型场景集;基于生成的场景集,以系统总运行成本最小为目标,提出多场景随机规划结合随机模型预测控制方法,构建多时间尺度滚动调度优化模型,求得不同阶段工业负荷需求响应的最优策略。改进IEEE 30和IEEE 118节点系统的仿真结果验证了所提模型及策略的适用性和有效性。 展开更多

关键词 需求响应 条件深度卷积生成对抗网络 多场景随机规划 随机模型预测控制 多时间尺度

下载PDF 职称材料

基于数据增强与流数据处理的Tor流量分析模型 被引量：1

14

作者 席荣康 蔡满春 芦天亮 《计算机工程》 CAS CSCD 北大核心 2023年第3期177-184,共8页

Tor流量分析技术为打击利用Tor匿名通信工具从事的暗网犯罪活动提供了技术支撑,但目前存在数据难于收集、数据集不平衡、模型抗概念漂移能力差等问题。提出一种结合堆叠去噪自编码器和在线序列极限学习机的Tor流量分析模型。对原始Tor P... Tor流量分析技术为打击利用Tor匿名通信工具从事的暗网犯罪活动提供了技术支撑,但目前存在数据难于收集、数据集不平衡、模型抗概念漂移能力差等问题。提出一种结合堆叠去噪自编码器和在线序列极限学习机的Tor流量分析模型。对原始Tor PACP包进行分割、去噪处理并提取特征序列。在此基础上,将一维序列转化为可视化灰度图并输入改进多尺寸深度卷积生成对抗网络,生成Tor流量样本以平衡数据集,利用堆叠降噪自动编码器进行序列降维并将特征输入在线序列极限学习机实现Tor匿名流量的在线流识别。实验结果表明,改进多尺寸深度卷积生成对抗网络可用于提升数据集质量并提高模型识别率约2.8个百分点,结合在线序列极限学习机和堆叠去噪自编码器的流量分析模型准确率可达95.7%,识别效率较传统卷积神经网络和长短期记忆网络模型有较大提升。 展开更多

关键词 洋葱路由 概念漂移 流数据挖掘 数据增强 深度卷积生成对抗网络 堆叠去噪自动编码器 在线序列极限学习机

下载PDF 职称材料

基于深度学习的小样本流体机械故障诊断方法

15

作者 刘迪 刘迎圆 《上海师范大学学报（自然科学版）》 2023年第2期264-271,共8页

主要开展了深度卷积生成对抗网络(DCGAN)在流体机械故障诊断方面的应用研究,建立了基于深度学习和迁移学习在小样本条件下的流体机械故障诊断方法.仿真实验结果表明:基于DCGAN生成的数据能涵盖原始数据的主要特征,可被用于对流体机械小... 主要开展了深度卷积生成对抗网络(DCGAN)在流体机械故障诊断方面的应用研究,建立了基于深度学习和迁移学习在小样本条件下的流体机械故障诊断方法.仿真实验结果表明:基于DCGAN生成的数据能涵盖原始数据的主要特征,可被用于对流体机械小样本故障诊断数据的扩充.结合迁移学习和深度学习的故障诊断方法,采用不同流体机械的运行数据对模型进行实验验证,结果表明:该模型解决了小样本训练中的过拟合问题,诊断准确率为98%~100%. 展开更多

关键词 流体机械 气蚀诊断 内啮合齿轮泵 深度学习 深度卷积生成对抗网络(DCGAN)

下载PDF 职称材料