-
题名基于CDCGAN的SAR图像数据增广
- 1
-
-
作者
赵竹新
范纯卓
刘艳博
冯彦卿
王海强
-
机构
北京市遥感信息研究所
-
出处
《无线电工程》
2025年第3期580-587,共8页
-
文摘
针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像采集成本高、多样性不足,影响图像解译效果的问题,在现有深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Network,DCGAN)的基础上,提出了基于条件输入的DCGAN模型,实现了方位角/俯仰角/斜视角可控的SAR图像增广,完成了对现有仿真数据集的扩充。建立了SAR增广图像评价指标体系,对增广图像进行了客观的质量评估。结果表明,提出的SAR图像增广方法可以高质量地实现SAR图像多角度可控样本扩增,对于提升SAR图像角度丰富性具有积极意义。
-
关键词
合成孔径雷达仿真
语义可控条件生成对抗网络
卷积
角度信息可控
-
Keywords
SAR simulation
cdcgan
convolution
angle information customized
-
分类号
TP752
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名改进生成式对抗网络的不均衡样本转子系统故障诊断
- 2
-
-
作者
李金赫
段礼祥
姜垣良
冯斌
-
机构
中国石油大学(北京)安全与海洋工程学院
应急管理部油气生产安全与应急技术重点实验室
中油国际管道有限公司
-
出处
《化工自动化及仪表》
2025年第2期239-249,共11页
-
基金
中石油战略合作科技专项“海外长输油气管道灾害监测预警及动力设施诊断技术研究”(批准号:ZLZX2020-05)资助的课题。
-
文摘
实际工业应用中转子系统能够采集到的故障样本远少于正常工况样本。针对不同类别样本数量不均衡时传统深度学习模型会倾向于预测出样本更多的类别而忽视较少出现的类别的现状,提出基于条件深度卷积生成式对抗网络(CDCGAN)结合改进的卷积块注意力机制(CBAM)+可变性卷积的有监督二维数据生成方法(CBAM-CDCGAN),实现不均衡样本转子系统的故障诊断。首先用小波变换将得到的振动数据转换为二维时频图像;之后将改进的CBAM注意力机制与可变形卷积分别嵌入生成式对抗网络的生成器与判别器中,并利用该生成网络进行样本生成;最后将生成样本与原始样本混合,划分为训练集和测试集,通过双路径网络进行训练和测试,结果表明:在样本不均衡比为1:10时,用CBAM-CDCGAN模型生成样本后进行故障诊断,转子和轴承故障识别的准确率较不均衡时分别提升16.10%和21.28%。
-
关键词
故障诊断
CBAM-cdcgan模型
转子系统
双路径网络
样本不均衡
生成式对抗网络
-
Keywords
fault diagnosis
CBAM-cdcgan model
rotor system
dual-path network
sample imbalance
generative adversarial network
-
分类号
TP277
[自动化与计算机技术—检测技术与自动化装置]
TE95
[石油与天然气工程—石油机械设备]
-
-
题名扎染复杂图案的数字仿真设计
被引量：6
- 3
-
-
作者
刘素琼
王万亮
邢晓刚
顾鸣
周莉
-
机构
金陵科技学院艺术学院
南京农业大学信息科技学院
江苏华艺服饰有限公司
-
出处
《印染助剂》
CAS
北大核心
2020年第6期24-29,共6页
-
基金
江苏省教改课题(2019JSJG344)
江苏社科基金(17YSB008)
+1 种基金
江苏高校哲社项目(2018SJZDI150)
江苏省一流本科专业建设工程资助项目。
-
文摘
为实现扎染复杂图案的数字仿真设计,提出了基于条件深度卷积对抗生成网络(CDCGAN)与数字图像处理技术的扎染复杂图案仿真设计算法。算法采集大量扎染花形样本图,构建CDCGAN生成扎染花形图、背景图。首先从打样图提取出扎染花形整体布局结构信息,然后用CDCGAN生成背景图校色拼接组成完整背景图,将CDCGAN生成的扎染花形图分割出花形关键区域,并校色拼贴至背景图,最后对整图做均值滤波处理,获得扎染仿真图。结果表明:扎染仿真图色彩层次丰富,达到了高度仿真的艺术效果,花形体现了扎染工艺的特点且不重样。
-
关键词
扎染图案
数字仿真
深度学习
cdcgan
数字图像处理技术
-
Keywords
tie-dye pattern
digital simulation
deep learning
cdcgan
digital image processing tech⁃nology
-
分类号
TS941.2
[轻工技术与工程—服装设计与工程]
TS193.5
[轻工技术与工程—纺织化学与染整工程]
-
-
题名生成式对抗网络在抑郁症分类中的应用
被引量：7
- 4
-
-
作者
刘宁
杨剑
-
机构
北京工业大学信息学部
磁共振成像脑信息学北京市重点实验室
脑信息智慧服务北京市国际科技合作基地
-
出处
《计算机应用与软件》
北大核心
2018年第6期163-168,233,共7页
-
基金
国家重点基础研究发展计划项目(2014CB744600)
国家自然科学基金项目(61420106005)
北京市自然科学基金项目(4164080)
-
文摘
深度学习领域中的条件深度卷积生成式对抗网络(CDCGAN)是一种能够生成与训练数据同分布样本的生成模型。针对抑郁症f MRI(functional Magnetic Resonance Imaging)数据难采集、用于研究的被试数远小于数据特征维数的问题,首次将CDCGAN应用于生成抑郁症f MRI数据并提出一种混合特征选择方法用于分析f MRI数据。采用组独立成分分析提取41名被试的独立成分并构建全脑动态功能连接网络;通过肯德尔排序相关系数法选出具有较强辨别能力的特征并使用CDCGAN扩充数据;采用所提出的混合特征选择法进行特征选择;对41名被试的数据进行分类。实验结果表明,采用CDCGAN的分类正确率为92.68%,明显优于不应用CDCGAN的分类结果 68.29%,同时说明了抑郁症f MRI数据采用CDCGAN方法扩充数据的可行性以及混合特征选择方法能选出更有效的特征。
-
关键词
条件深度卷积生成式对抗网络
分类
动态功能连接
独立成分分析
-
Keywords
cdcgan
Classification
Dynamic functional connection Independent component
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
