期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到116篇文章
< 1 2 … 6 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
DenseNet网络下交叉焊缝裂纹红外成像检测
1
作者 王红梅 强彦 《激光与红外》 北大核心 2025年第8期1253-1258,共6页
交叉焊缝结构复杂,连接方式不同于对接焊缝,易出现裂纹缺陷。焊缝外形轮廓漏磁信号与缺陷信号叠加,使基于电磁信号的检测方法难以提取裂纹特征,增加检测难度。为此提出基于DenseNet网络的红外成像检测方法,采用红外成像装置扫描交叉焊... 交叉焊缝结构复杂,连接方式不同于对接焊缝,易出现裂纹缺陷。焊缝外形轮廓漏磁信号与缺陷信号叠加,使基于电磁信号的检测方法难以提取裂纹特征,增加检测难度。为此提出基于DenseNet网络的红外成像检测方法,采用红外成像装置扫描交叉焊缝生成红外图像,可避免信号叠加问题。将图像输入由密集块、平均池化层等构成的DenseNet模型,能有效提取裂纹缺陷特征。针对100个不同材质的交叉焊缝试件展开测试与评估,实验结果显示,该方法能够更清晰地呈现大部分裂纹缺陷,且仅有一次误将61号试件交叉焊缝表面上的气孔检测成了裂纹,且最大计算量不超过25FLOPs,具有较高的准确性与轻量级。 展开更多
关键词 交叉焊缝 表面裂纹 红外成像 densenet网络 缺陷检测
在线阅读 下载PDF
基于CAM-DenseNet模型的邮轮薄板焊缝缺陷识别算法
2
作者 黎林发 王岳 《造船技术》 2025年第1期78-84,共7页
邮轮薄板焊缝的熔深和熔宽相对较小,母材与焊缝区域差异性小,焊缝表面缺陷较难判别。为准确地定位焊缝位置,提出一种将注意力机制的坐标注意力模块(Coordinate Attention Module,CAM)融入密集链接卷积网络(Densely Connected Convolutio... 邮轮薄板焊缝的熔深和熔宽相对较小,母材与焊缝区域差异性小,焊缝表面缺陷较难判别。为准确地定位焊缝位置,提出一种将注意力机制的坐标注意力模块(Coordinate Attention Module,CAM)融入密集链接卷积网络(Densely Connected Convolutional Networks,DenseNet)的邮轮薄板焊缝缺陷识别算法,建立CAM-DenseNet模型。将网络中的激活函数ReLU替换为更具有稳定性的ReLU6,并利用贝叶斯优化算法对CAM-DenseNet模型的超参数组合进行优化和选取。在焊接车间利用相机采集邮轮薄板焊缝三原色(Red Green Blue,RGB)图片,自建立邮轮薄板焊缝缺陷数据集,并按焊缝缺陷类型将数据集分为凹陷、气孔、毛刺、表面裂纹和无缺陷等5类。试验结果表明,CAM-DonseNet模型对邮轮薄板焊缝缺陷识别具有优异表现。 展开更多
关键词 邮轮 薄板 焊缝缺陷 识别算法 深度学习 密集链接卷积网络 坐标注意力模块 CAM-densenet模型 激活函数 贝叶斯优化算法
在线阅读 下载PDF
改进DenseNet模型作用下网络恶意入侵检测方法
3
作者 代祥宇 《软件》 2025年第6期170-174,共5页
传统IDS通常依赖手工设计的特征,这些特征可能无法充分捕捉到复杂的网络攻击模式。因此,本文提出改进DenseNet模型作用下网络恶意入侵检测方法。引入XPath,对网络检测数据进行采集与均衡化处理;建立焦点损失函数,对数据分类;基于改进Den... 传统IDS通常依赖手工设计的特征,这些特征可能无法充分捕捉到复杂的网络攻击模式。因此,本文提出改进DenseNet模型作用下网络恶意入侵检测方法。引入XPath,对网络检测数据进行采集与均衡化处理;建立焦点损失函数,对数据分类;基于改进DenseNet模型,实现入侵检测。对比实验结果表明,新的检测方法在实际应用中可以实现对多种不同攻击类型与正常数据的辨识,实现对网络恶意入侵的准确检测。 展开更多
关键词 改进densenet模型 恶意入侵 网络攻击模式 损失函数
在线阅读 下载PDF
融合DenseNet和注意力机制的永磁定位方法 被引量：5
4
作者 郭鹏飞 戴厚德 +2 位作者 杨千慧 姚瀚晨 黄巧园 《传感器与微系统》 CSCD 北大核心 2024年第2期37-40,共4页
基于永磁体的定位技术为运动跟踪、机器人定位导航和医疗器械跟踪领域提供了一种无线、高精度、低成本的解决方案。为解决基于磁偶极子模型和LM(Levenberg-Marquardt)算法的定位方法过于依赖初始值、计算耗时受限的问题,利用基于磁偶极... 基于永磁体的定位技术为运动跟踪、机器人定位导航和医疗器械跟踪领域提供了一种无线、高精度、低成本的解决方案。为解决基于磁偶极子模型和LM(Levenberg-Marquardt)算法的定位方法过于依赖初始值、计算耗时受限的问题,利用基于磁偶极子模型先验知识的约束条件构造惩罚函数,提出一种融合密集卷积网络(DenseNet)和注意力机制(SE Block)的永磁定位方法。实验结果表明:在48~118 mm的高度范围内,本文方法定位精度可达(1.79±1.05)mm和1.12°±0.53°,平均计算耗时降低至1.6 ms,提升了永磁定位系统计算的速率和稳定性。 展开更多
关键词 磁定位 深度学习 密集卷积网络 注意力机制
在线阅读 下载PDF
基于DenseNet卷积神经网络的短期风电预测方法 被引量：8
5
作者 殷林飞 蒙雨洁 《综合智慧能源》 CAS 2024年第7期12-20,共9页
风能作为一种清洁、可再生的能源,在能源转型中扮演着至关重要的角色,准确预测风电出力对电力系统的安全高效运行非常重要,然而风速的波动性和随机性,对风电预测带来了挑战。为了提高风电预测的准确性,提出了一种基于DenseNet卷积神经... 风能作为一种清洁、可再生的能源,在能源转型中扮演着至关重要的角色,准确预测风电出力对电力系统的安全高效运行非常重要,然而风速的波动性和随机性,对风电预测带来了挑战。为了提高风电预测的准确性,提出了一种基于DenseNet卷积神经网络的短期风电预测模型。该模型通过精简DenseNet201网络得到了拥有出色的密集连接结构和适当深度、宽度的DenseNet160网络,不仅能缓解训练过程中梯度消失现象,还能通过密集连接将浅层的信息反映到深层,实现深度监督。基于巴西纳塔尔地区378 d的风力数据集,采用DenseNet160网络以及27种算法对未来一天的风力发电情况进行预测。结果表明:DenseNet160网络的平均绝对误差、均方误差以及平均绝对百分误差比其他算法分别降低了至少10.89%,4.98%,8.68%;同时,与使用相同数据集的混合经济模型相比,DenseNet160网络的MAE值小了25.56%。说明该模型能精准地拟合风力发电数据,获得可靠的风力预测结果。 展开更多
关键词 风电预测 可再生能源 densenet 卷积神经网络 密集连接 梯度消失
在线阅读 下载PDF
基于DenseNet与PointNet融合算法的三维点云分割
6
作者 吴烈权 周志峰 +1 位作者 时云 任朴林 《应用光学》 CAS 北大核心 2024年第5期982-991,共10页
点云分割对于智能驾驶、物体检测和识别、逆向工程等任务非常重要。PointNet是一种能够直接处理点云数据的方法,近年来在点云分割任务中得到广泛应用,但其分割精度较低,而PointNet++的计算成本又较高。针对以上问题,提出一种融合DenseNe... 点云分割对于智能驾驶、物体检测和识别、逆向工程等任务非常重要。PointNet是一种能够直接处理点云数据的方法,近年来在点云分割任务中得到广泛应用,但其分割精度较低,而PointNet++的计算成本又较高。针对以上问题,提出一种融合DenseNet和PointNet的算法,用于点云分割,并引入三分支混合注意力机制,以提高PointNet在提取局部特征方面的能力。基于密集连接卷积网络(DenseNet)思想,提出用DenseNet-STN和DenseNet-MLP结构来替代PointNet中的空间变换网络(STN)和多层感知机(MLP);同时,使用Add连接代替密集块(DenseBlock)中的Concat连接,以提高对点特征间相关性的准确性,同时不显著增加模型复杂度。DenseNet-PointNet能够提高复杂分类问题的泛化能力,实现对复杂函数更好的逼近,从而提高点云分割的准确率。有效性和消融实验结果表明,本文算法具有良好的性能。点云分割实验结果表明,DenseNet-PointNet在大多数类别中的交并比(IoU)都高于PointNet的IoU,并在部分类别中也高于PointNet++,参数量是PointNet++的47.6%,浮点运算量(FLOPs)是PointNet++的49.1%。实验结果验证了DenseNet-PointNet的可行性和有效性。 展开更多
关键词 点云分割 密集连接卷积网络 PointNet densenet-PointNet
在线阅读 下载PDF
引入全局上下文特征模块的DenseNet孪生网络目标跟踪 被引量：7
7
作者 谭建豪 殷旺 +1 位作者 刘力铭 王耀南 《电子与信息学报》 EI CSCD 北大核心 2021年第1期179-186,共8页
近年来,采用孪生网络提取深度特征的方法由于其较好的跟踪精度和速度,成为目标跟踪领域的研究热点之一,但传统的孪生网络并未提取目标较深层特征来保持泛化性能,并且大多数孪生网络只提取局部领域特征,这使得模型对于外观变化是非鲁棒... 近年来,采用孪生网络提取深度特征的方法由于其较好的跟踪精度和速度,成为目标跟踪领域的研究热点之一,但传统的孪生网络并未提取目标较深层特征来保持泛化性能,并且大多数孪生网络只提取局部领域特征,这使得模型对于外观变化是非鲁棒和局部的。针对此,该文提出一种引入全局上下文特征模块的DenseNet孪生网络目标跟踪算法。该文创新性地将DenseNet网络作为孪生网络骨干,采用一种新的密集型特征重用连接网络设计方案,在构建更深层网络的同时减少了层之间的参数量,提高了算法的性能,此外,为应对目标跟踪过程中的外观变化,该文将全局上下文特征模块(GC-Model)嵌入孪生网络分支,提升算法跟踪精度。在VOT2017和OTB50数据集上的实验结果表明,与当前较为主流的算法相比,该文算法在跟踪精度和鲁棒性上有明显优势,在尺度变化、低分辨率、遮挡等情况下具有良好的跟踪效果,且达到实时跟踪要求。 展开更多
关键词 目标跟踪 孪生网络 全局上下文特征 densenet网络
在线阅读 下载PDF
DenseNet模型轻量化改进研究 被引量：5
8
作者 舒军 蒋明威 +1 位作者 杨莉 陈宇 《华中师范大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第2期187-193,共7页
针对深层DenseNet模型在小型数据集上的过拟合问题,提出了一种改进的轻量化DenseNet模型.首先,优化网络中密集连接块(Dense Block)数量和其内部网络结构;然后,提出一种自适应池化层方法,解决改进网络的特征图分辨率适应问题;最后,加入Sk... 针对深层DenseNet模型在小型数据集上的过拟合问题,提出了一种改进的轻量化DenseNet模型.首先,优化网络中密集连接块(Dense Block)数量和其内部网络结构;然后,提出一种自适应池化层方法,解决改进网络的特征图分辨率适应问题;最后,加入Skip Layer模块增强密集连接块间特征信息流通.实验结果表明,改进方法能够减少模型的参数量和计算量,有效解决了深层DenseNet的过拟合问题. 展开更多
关键词 densenet SKIP LAYER 深度网络 模型轻量化
在线阅读 下载PDF
基于改进DenseNet网络的转炉吹炼时期识别 被引量：2
9
作者 李爱莲 李晨筝 +2 位作者 王懿喆 崔桂梅 解韶峰 《济南大学学报（自然科学版）》 CAS 北大核心 2022年第3期273-277,共5页
针对炼钢生产中采用人工经验判断转炉吹炼时期准确率较低的问题,利用某钢厂转炉炉口火焰图像数据,提出一种基于深度学习的改进DenseNet网络转炉吹炼时期识别算法;该算法以DenseNet-121网络结构为基础进行裁剪,同时在分类层引入Center损... 针对炼钢生产中采用人工经验判断转炉吹炼时期准确率较低的问题,利用某钢厂转炉炉口火焰图像数据,提出一种基于深度学习的改进DenseNet网络转炉吹炼时期识别算法;该算法以DenseNet-121网络结构为基础进行裁剪,同时在分类层引入Center损失函数,并在100次模型训练中选取精度较高、拟合性较好的一次进行测试。结果表明:该算法通过特征复用,保证了分类精度,裁剪后的网络结构能够提升运算速度;在分类层引入Center损失函数能够改进相邻转炉吹炼时期分类模糊的情况,缩短了平均识别时间,分类的平均精度提高至91.75%。 展开更多
关键词 深度学习 转炉吹炼 图像识别 densenet网络 Center损失函数
原文传递
基于生成对抗网络和DenseNet的数据信息安全识别方法 被引量：5
10
作者 夏利玲 顾建华 《计算机测量与控制》 2022年第10期240-245,共6页
针对传统电力巡检过程中必须依靠有经验的人工来完成对电力设备相关数据信息安全进行识别的方法,设计了一种基于生成对抗网络和密集连接网络的数据信息安全识别方法,采用生成对抗网络模型,利用其强大的表征能力,通过针对网络模型的训练... 针对传统电力巡检过程中必须依靠有经验的人工来完成对电力设备相关数据信息安全进行识别的方法,设计了一种基于生成对抗网络和密集连接网络的数据信息安全识别方法,采用生成对抗网络模型,利用其强大的表征能力,通过针对网络模型的训练完成对训练样本数据库的扩充,实现提升模型生成能力的目的;结合密集连接网络对电力巡检数据信息的安全性进行识别,实现解决电力巡检安全隐患的同时还可以推动人工智能技术的落地应用;通过在电力巡检数据信息集上的验证实验,比较不同方法在不同类型数据集上的识别精度,验证了基于生成对抗网络和密集连接网络的数据信息安全识别方法的有效性与可靠性,为传统识别电力巡检数据信息安全性的方法提供了全新思路。 展开更多
关键词 生成对抗网络 densenet 电力巡检 电力设备 数据信息 安全识别
在线阅读 下载PDF
基于贝叶斯优化FCN-DenseNet算法的供水管网爆管智能识别 被引量：6
11
作者 彭森 程蕊 +2 位作者 程景 吴卿 田一梅 《安全与环境学报》 CAS CSCD 北大核心 2022年第1期306-315,共10页
为了进一步拓展深度学习算法在供水管网爆管分析中的适用范围,提出了一种爆管区域识别方法。基于全连接稠密网络算法(Full Connect Network-DenseNet,FCN-DenseNet)构建了爆管区域识别模型,提取不同区域的爆管特征。同时,采用贝叶斯优... 为了进一步拓展深度学习算法在供水管网爆管分析中的适用范围,提出了一种爆管区域识别方法。基于全连接稠密网络算法(Full Connect Network-DenseNet,FCN-DenseNet)构建了爆管区域识别模型,提取不同区域的爆管特征。同时,采用贝叶斯优化算法对识别模型的超参数组合进行优化和自动选取。以华东某园区的部分供水管网为研究对象,在建立水力模型的基础上,通过布置监测点和划分监测分区形成管网监测方案。综合考虑爆管位置、时间、流量、监测噪声及研究区域管网实际情况等因素,进行爆管工况模拟,建立爆管数据集,对识别模型进行训练和验证。结果表明,在验证数据集下,爆管区域平均识别率φ_(1)、φ_(2)分别可以达到93.5%、96.7%。贝叶斯优化的FCN-DenseNet算法增强了模型的性能和适用性,管网监测分区爆管可能性排序能够指导水司进行爆管分析和巡检。 展开更多
关键词 安全管理工程 供水管网 爆管识别 管网分区 全连接稠密网络 贝叶斯优化
原文传递
基于DenseNet的单目图像深度估计 被引量：4
12
作者 何通能 尤加庚 陈德富 《计算机测量与控制》 2019年第2期233-236,共4页
深度信息的获取是场景解析中是非常重要的环节,主要分为传感器获取与图像处理两种方法;传感器技术对环境要求很高,因此图像处理为更通用的方法;传统的方法通过双目立体标定,利用几何关系得到深度,但仍因为环境因素限制诸多;因此,作为最... 深度信息的获取是场景解析中是非常重要的环节,主要分为传感器获取与图像处理两种方法;传感器技术对环境要求很高,因此图像处理为更通用的方法;传统的方法通过双目立体标定,利用几何关系得到深度,但仍因为环境因素限制诸多;因此,作为最贴近实际情况的方法,单目图像深度估计具有极大研究价值;为此,针对单目图像深度估计,提出了一种基于DenseNet的单目图像深度估计方法,该方法利用多尺度卷积神经网络分别采集全局特征、局部特征;加入了DenseNet结构,利用DenseNet强特征传递、特征重用等特点,优化特征采集过程;通过NYU Depth V2数据集上验证了模型的有效性,实验结果表明,该方法的预测结果平均相对误差为0.119,均方根误差为0.547,对数空间平均误差为0.052。 展开更多
关键词 深度估计 卷积神经网络 多尺度 densenet
在线阅读 下载PDF
基于全卷积DenseNet的前列腺MRI分割新方法 被引量：4
13
作者 胡学刚 杨洪光 《计算机应用研究》 CSCD 北大核心 2020年第6期1886-1889,1894,共5页
前列腺磁共振图像(MRI)的自动分割对前列腺疾病的诊断至关重要,但是前列腺区域所占比例过小、组织边界模糊等问题为自动分割带来极大困难。针对这些问题,提出了一种基于全卷积DenseNet的前列腺MRI图像分割方法。该方法以现流行的深度学... 前列腺磁共振图像(MRI)的自动分割对前列腺疾病的诊断至关重要,但是前列腺区域所占比例过小、组织边界模糊等问题为自动分割带来极大困难。针对这些问题,提出了一种基于全卷积DenseNet的前列腺MRI图像分割方法。该方法以现流行的深度学习理论为基础,利用迁移学习的思想,将DenseNet从自然图像迁移到前列腺数据集;采用反卷积和类似U-Net的全卷积神经网络结构,实现端到端的图像分割。同时引入并改进Dice相似性损失函数以解决前列腺MRI中背景所占比例远远大于前列腺区域和一些像素难以准确分割等问题。通过在PROMISE12数据集上进行实验,提出的方法 Dice相似性系数达到93. 25%,Hausdorff距离小于1. 2 mm,相较于目前的主要方法,分割效果更好、所耗时间更短。 展开更多
关键词 前列腺MRI分割 densenet 全卷积神经网络 Dice损失函数
在线阅读 下载PDF
改进DenseNet的乳腺癌病理图像八分类研究 被引量：8
14
作者 赵晓平 王荣发 +1 位作者 孙中波 魏旭全 《计算机工程与应用》 CSCD 北大核心 2023年第5期213-221,共9页
目前,在医学图像领域存在乳腺癌组织病理图像自动分类难以应用于临床诊断的现象,究其根源是当前没有大型公开的数据集或数据集数据不均衡。针对上述问题,提出一种结合密集卷积神经网络(dense convolutional network,DenseNet)、注意力机... 目前,在医学图像领域存在乳腺癌组织病理图像自动分类难以应用于临床诊断的现象,究其根源是当前没有大型公开的数据集或数据集数据不均衡。针对上述问题,提出一种结合密集卷积神经网络(dense convolutional network,DenseNet)、注意力机制(attention mecheanism)和焦点损失函数(Focal loss)的乳腺癌组织病理图像的多分类模型,即DAFLNet。DAFLNet在乳腺癌组织病理图像数据集BreaKHis上进行训练、验证与测试,最终实验结果显示,该模型对良恶性二分类的识别准确率达到99.1%,对乳腺亚型八分类的识别准确率达到95.5%。证明在数据不均衡的条件下,DAFLNet模型能够准确地对乳腺组织病理图像进行八分类。 展开更多
关键词 乳腺癌病理图像 densenet 八分类 注意力机制 Focal loss
在线阅读 下载PDF
基于DenseNet和ResNet融合的发动机孔探图像分类研究 被引量：6
15
作者 敖良忠 马瑞阳 杨学文 《计算技术与自动化》 2021年第3期105-110,183,共7页
孔探是检测发动机内部损伤最重要的手段之一。为了解决发动机孔探检查中孔探人员主要依靠经验对损伤进行界定的问题,研究了基于DenseNet和ResNet融合的新型单通道网络结构,实现对发动机部件的分类,为后期孔探缺陷自动识别建立基础。通... 孔探是检测发动机内部损伤最重要的手段之一。为了解决发动机孔探检查中孔探人员主要依靠经验对损伤进行界定的问题,研究了基于DenseNet和ResNet融合的新型单通道网络结构,实现对发动机部件的分类,为后期孔探缺陷自动识别建立基础。通过对某大修厂孔探数据和自建数据进行处理,完成了孔探图像分类数据集的构建;训练新型的49层网络模型,在自建数据集测试集上测试的准确率和平均召回率分别为96.0%和95.9%,有较好的泛化能力,可以有效的对发动机部件进行分类。 展开更多
关键词 发动机孔探 部件分类 densenet ResNet 深度神经网络
在线阅读 下载PDF
基于深度学习的稻谷杂质含量检测方法
16
作者 万嘉诚 陈祥 +1 位作者 高佳苑 毛波 《中国粮油学报》 北大核心 2025年第9期181-189,共9页
稻谷中的杂质严重影响其品质及粮食安全,依据抽检粮食中的杂质含量,可以对其品质进行不同等级的划分。传统储粮杂质检测手段多数是依赖人工操作筛选器,不仅耗时且成本较高。本研究提出了一种结合纹理增强卷积(TEConv)和优化Bottleneck... 稻谷中的杂质严重影响其品质及粮食安全,依据抽检粮食中的杂质含量,可以对其品质进行不同等级的划分。传统储粮杂质检测手段多数是依赖人工操作筛选器,不仅耗时且成本较高。本研究提出了一种结合纹理增强卷积(TEConv)和优化Bottleneck层的卷积神经网络(CNN)模型,通过TEConv增强了图像中的纹理特征提取能力,并通过优化Bottleneck层提升了模型的特征表示能力。此外构建了一套基于图像校正、图像分割及图像分类的系统化处理流程,用于高效识别稻谷中的杂质含量。具体而言,针对含有不同杂质的粮食图片,首先使用空间变换技术进行图像校正;随后对校正后的图像进行分割,将得到的小图片根据类别输入到改进后CNN模型中(DenseNet)进行训练;最后通过分析多组杂质面积与质量的比例关系确定拟合密度。实验结果表明,改进后的DenseNet模型验证准确率相较于原始模型提升了1.6%,杂质含量的平均检测误差为0.0296 g。 展开更多
关键词 卷积神经网络 杂质识别 杂质含量 densenet
在线阅读 下载PDF
基于改进DenseNet的水果小目标检测 被引量：15
17
作者 徐利锋 黄海帆 +1 位作者 丁维龙 范玉雷 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2021年第2期377-385,共9页
针对自然环境中小目标水果的检测精度普遍较低的问题,提出基于DenseNet改进的水果目标检测框架.构建以DenseNet为核心的多尺度特征提取模块,在DenseNet不同层级的稠密块中建立特征金字塔结构,加强网络层特征复用.结合低层特征的高分辨... 针对自然环境中小目标水果的检测精度普遍较低的问题,提出基于DenseNet改进的水果目标检测框架.构建以DenseNet为核心的多尺度特征提取模块,在DenseNet不同层级的稠密块中建立特征金字塔结构,加强网络层特征复用.结合低层特征的高分辨率和高层特征的高语义性,实现准确定位和预测小目标水果存在的目的.引入软阈值非极大值抑制(Soft-NMS)算法,改善簇状果实结构中检测框被误剔除的情况.与常用的Faster R-CNN网络相比,所提出的框架在苹果、芒果和杏3个数据集中的平均检测速度大于40 FPS,F1值分别为0.920、0.928、0.831,实现了检测效率及精度的提升. 展开更多
关键词 densenet 深度学习 水果小目标检测 特征金字塔网络(FPN) 软阈值非极大值抑制(Soft-NMS)
在线阅读 下载PDF
基于深度学习的风机机组运行故障自动化监测系统
18
作者 闫浩伟 《电子设计工程》 2025年第7期95-98,共4页
为了获得更优的风机机组故障监测结果,设计基于深度学习的风机机组运行故障自动化监测系统。采集风机机组运行高清图像,利用改进Stentiford视觉模型提取巡视图像的感兴趣区域,并迅速定位巡视图像的重要信息;通过基于DenseNet网络设计风... 为了获得更优的风机机组故障监测结果,设计基于深度学习的风机机组运行故障自动化监测系统。采集风机机组运行高清图像,利用改进Stentiford视觉模型提取巡视图像的感兴趣区域,并迅速定位巡视图像的重要信息;通过基于DenseNet网络设计风机机组运行故障诊断模型,实现运行故障智能诊断,仿真实验结果表明,该文系统的风机机组运行故障正确率超过95%,能够直观、可视化展示运行故障监测情况,具有较高的实际应用价值。 展开更多
关键词 深度学习 风机机组 运行故障监测 感兴趣区域 densenet网络
在线阅读 下载PDF
基于DenseNet网络深度学习法CT图像人工智能分析技术判断肺结节良恶性 被引量：30
19
作者 戴正行 胡春洪 +4 位作者 王希明 陈琦 夏菁 姚柳 刘稳 《放射学实践》 北大核心 2020年第4期484-488,共5页
目的:通过与单纯人工阅片进行比较,探讨基于DenseNet网络深度学习的人工智能肺结节自动检测系统鉴别肺结节良恶性的价值和优势。方法:搜集2015年1月-2017年12月本院510例肺结节CT检查病例,由医师组(按照从事胸部CT诊断的年限分为高级医... 目的:通过与单纯人工阅片进行比较,探讨基于DenseNet网络深度学习的人工智能肺结节自动检测系统鉴别肺结节良恶性的价值和优势。方法:搜集2015年1月-2017年12月本院510例肺结节CT检查病例,由医师组(按照从事胸部CT诊断的年限分为高级医师组和初级医师组)和人工智能组(基于DenseNet网络深度学习的人工智能系统)分别对所有肺结节进行良恶性的诊断,以病理结果为金标准,分别统计各组在不同大小肺结节(直径≤10 mm、10 mm<直径≤20 mm以及直径>20 mm)良恶性诊断上的敏感度、特异度及符合率,并通过卡方检验进行统计分析。结果:在510例肺结节的诊断中,人工智能组诊断敏感度(93.14%)与高级医师组(91.14%)间差异无统计学意义(P>0.05),与初级医师组(61.43%)间的差异具有统计学意义(P=0.000);而诊断特异度(95.63%)及符合率(93.92%)均高于医师组(初级56.25%、59.80%;高级58.75%、80.98%),差异均有统计学意义(P=0.000)。在≤10 mm的肺结节中,人工智能组的诊断敏感度、特异度及符合率均高于高级医师组(90.38%,92.96%,91.43%;78.85%,64.79%,73.14%;所有P=0.000);在10 mm<直径≤20 mm和直径>20 mm肺结节组中,人工智能组的诊断敏感度(92.25%,97.12%)与高级医师组(95.77%,97.12%)间的差异均无统计学意义(P=0.211和1.000),但诊断特异度(98.33%,96.55%)及符合率(94.06%,96.99%)均高于高级医师组(51.67%,58.62%;82.67%,88.72%),差异均有统计学意义(P<0.05)。在不同大小的三组结节中,人工智能组诊断敏感度、特异度及符合率均高于初级医师组(敏感度:90.38%vs.17.31%,92.25%vs.70.42%,97.12%vs.93.27%;特异度:92.96%vs.85.92%,98.33%vs.43.33%,96.55%vs.10.34%;符合率:91.43%vs.45.14%,94.06%vs.62.38%,96.99%vs.75.19%),除两组在≤10 mm肺结节中的诊断特异度(P=0.361>0.05)和>20 mm肺结节中的诊断敏感度(P=0.211>0.05)的差异无统计学意义外,其它指标的组间比较差异均有统计学意义(P均<0.05)。结论:相较于人工诊断,应用人工智能(DenseNet网络深度学习)技术对肺结节的良、恶性进行诊断具有良好、可靠的诊断准确性。 展开更多
关键词 体层摄影术 X线计算机 人工智能 densenet网络 深度学习 肺结节
暂未订购
基于改进沙漏网络的红外图像视线估计
20
作者 沈文忠 魏佳钰 《计算机应用与软件》 北大核心 2025年第9期60-65,71,共7页
随着VR/AR等元宇宙概念的兴起,集成虹膜识别的视线估计技术是目前的研究热点,而虹膜识别与视线跟踪都采用近红外摄像头捕捉眼部图像,仅从单眼红外眼部图像进行视线估计是一项挑战性任务。该文提出新的视线估计网络,首先利用圆形眼球与... 随着VR/AR等元宇宙概念的兴起,集成虹膜识别的视线估计技术是目前的研究热点,而虹膜识别与视线跟踪都采用近红外摄像头捕捉眼部图像,仅从单眼红外眼部图像进行视线估计是一项挑战性任务。该文提出新的视线估计网络,首先利用圆形眼球与椭圆虹膜的映射得到中间眼部模型标签图像,引入中间监督;再通过改进沙漏网络回归红外虹膜图像的中间眼部模型图像;最后再结合DenseNet回归3D视线角度。设计近红外光虹膜采集系统,建立红外虹膜数据集SEPAD-Gaze。实验结果表明,该文提出的视线估计方法在数据集SEPAD-Gaze上误差为4.62°,并且在可见光下的公共数据集MPIIGaze上做了泛化性验证实验,误差低至4.48°,超过目前所有主流算法。 展开更多
关键词 视线估计 红外眼部图像 改进沙漏网络 眼部模型 densenet
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 6 下一页 到第 页
使用帮助 返回顶部