Results 61 to 70 of about 1,997 (147)
野生动物学报, 2023 针对使用粪便显微分析法时对食草动物粪便中植物表皮细胞人工分类困难且效率低的问题，提出一种基于多轴注意力的双通道神经网络分类方法，用于自动识别显微镜下食草动物粪便中残留的植物表皮细胞种类。首先，获取粪便中残留的植物表皮细胞图像，作为神经网络模型的输入；引入多轴注意力机制提高网络特征提取能力，同时降低注意力导致的计算复杂度；构建局部和全局通道，提高网络对植物表皮细胞图像信息的获取能力；最后将2个通道提取的特征进行融合，完成对植物种类的识别。此外，应用移动倒置瓶颈卷积（MBConv）模块进行模型的轻量化处理 ...
马光凯 +4 more
doaj
, 2019 针对自然场景图像目标材质视觉特征映射中,尚存在特征提取困难、图像无对应标签等问题,本文提出了一种自然场景图像的目标材质视觉特征映射算法.首先,从图像中获取能表征材质视觉重要特征的反射层图像;然后,对获取的反射层图像进行前景、背景分割,得到目标图像;最后,利用循环生成对抗网络对材质视觉特征进行无监督学习,获得对图像目标材质视觉特征空间的高阶表达,实现了目标材质视觉特征的映射.实验结果表明,所提算法能够有效地获取自然场景图像目标的材质视觉特征,并进行材质视觉特征映射;与同类算法相比,具有更好的主、客观效果 ...
曲延云, 李策, 贾盛泽
core +1 more source
, 2018 由于姿态、光照、尺度等原因,卷积神经网络需要学习出具有强判别力的特征才能应对复杂场景下的人脸检测问题。受卷积神经网络中特定特征层感受野大小限制,单独一层的特征无法应对多姿态多尺度的人脸,为此提出了串联不同大小感受野的多层特征融合方法用于检测多元化的人脸;同时,通过引入加权降低得分的方法,改进了目前常用的非极大值抑制算法,用于处理由于遮挡造成的相邻人脸的漏检问题。在FDDB和WiderFace两个数据集上的实验结果显示,文中提出的多层特征融合方法能显著提升检测结果 ...
李绍滋, 王成济, 罗志明, 钟准
core
Cavitation State Identification Method of Hydraulic Turbine Based on Knowledge Distillation and Convolutional Neural Network [PDF]
ObjectivesWhen cavitation faults occur in hydraulic turbines, the efficiency of the unit decreases, component erosion accelerates, and in severe cases, safety accidents may even be triggered.
LIU Zhen +4 more
core +1 more source
Dianci bileiqi, 2022 由于许多输电线路处于强风沙区域，其对绝缘子的破坏尤为严重，因此对输电线路绝缘子进行检测无疑是重中之重。笔者针对现阶段强风沙环境下基于深度学习的球机远程检测精确度不高的问题进行了研究。为提高强风沙环境下绝缘子检测的精确度，提出一种基于卷积神经网络的Ms-Net绝缘子目标识别算法。Ms-Net网络为提高目标检测精确度以及缩短训练时间，将Mask R-CNN的101层卷积层改进为56层，并且在特征提取的第2至第5阶段的每个残差块前引入基于注意力机制的挤压与激励网络(SENet)结构 ...
金维旭 +4 more
doaj
Zonal prediction of the heights of water-conducting fracture zones under varying overburden types in North China-type coalfields [PDF]
BackgroundThe gradual increase in the exploitation depth and intensity of coal resources in the North China-type coalfields has caused problems such as overburden movement and damage, as well as fracture evolution.
Dongjing XU +6 more
core +1 more source
基于双重注意力变换模型的分布式屋顶光伏变电站级日前功率预测 [PDF]
全球能源互联网分布式屋顶光伏地理位置分散，受地理环境遮挡和多种气象因素影响，导致光伏出力特性存在差异，给变电站级分布式屋顶光伏日前功率预测造成挑战。针对上述问题，提出了一种基于双重注意力变换模型的分布式屋顶光伏变电站级日前功率预测方法。首先，基于动态时间规整算法计算分布式光伏用户出力特性间的相似度，并基于凝聚层次聚类法将其划分成若干类；然后，利用自主注意力网络学习各时间步间的时序关联特性，通道卷积注意力机制学习多特征变量间的相关性，构建日前功率预测模型；最后，将每一类日前预测结果相加，实现变电站级日前功率预测 ...
王光华 +5 more
doaj +1 more source
AAT model based channel estimation for mmWave massive MIMO systems [PDF]
To solve the problems of temporal correlation and susceptibility to noise in millimeter wave massive MIMO channels, which result in decreased channel estimation accuracy, a novel channel estimation method based on an improved temporal convolutional ...
Liya HUANG +4 more
core +1 more source
Gaoya dianqi, 2017 对局部放电进行有效识别可以为评估变压器设备绝缘状况提供科学的参考依据,然而局部放电类型的识别往往需要人为地提取描述特征,适应性很差。针对此问题,提出一种基于卷积神经网络的智能识别新方法。根据视觉注意机制分割出放电信号图像,并将灰度化和双线性插值归一化处理的图像作为卷积神经网络的输入。该方法模拟人脑的机制来解释数据,可以直接对采集到的放电信号图像进行自动特征学习与模式识别。实验中对4种典型放电类型的识别率超过了94%,显著优于传统的方法。试验结果表明,该方法无需进行复杂的特征提取 ...
刘兵, 郑剑
doaj
, 2018 图像分类问题包含两个重要的部分:特征提取器和分类器.多年来研究人员一直将精力投入到特征表示中,对于分类器却仅进行局部调参.基于一个性能优异的分类器与特征表示对图像分类系统同等重要的思想,提出了基于卷积特征的栈自编码器(stacked autoencoder on convolutional feature maps,SACF)的分类系统,并在数据集CUB-200和VGGflower上进行了实验,对比了SACF与基于卷积特征和多层感知机的卷积神经网络(CNN)分类系统的分类效果 ...
曹冬林 +4 more
core