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2篇文章
< 1 >
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：
基于ECA-VGG16和迁移学习的砂轮磨损状态识别研究
1
作者 周思康 张明柱 +3 位作者 王宁宁 王一帆 史帅涛 邱明 《机床与液压》 北大核心 2025年第19期103-109,共7页
针对轴承套圈磨削过程中砂轮磨损状态识别精度低的问题,提出一种基于ECA-VGG16和迁移学习的砂轮磨损状态识别方法。采集3种工况下砂轮全寿命周期磨削过程中的声发射信号,并使用格拉姆角和场(GASF)将声发射信号转换为二维图像,构建源域... 针对轴承套圈磨削过程中砂轮磨损状态识别精度低的问题,提出一种基于ECA-VGG16和迁移学习的砂轮磨损状态识别方法。采集3种工况下砂轮全寿命周期磨削过程中的声发射信号,并使用格拉姆角和场(GASF)将声发射信号转换为二维图像,构建源域数据集和目标域数据集。分析不同砂轮进给速度下3种砂轮磨损迁移学习任务,并对所提方法进行验证。结果表明:所提模型在3种多源域数据集中的平均识别准确率达到97.61%,比单源域迁移识别准确率94.04%提高了3.80%,表明通过构建多源域数据集进行迁移学习,可以有效提高砂轮磨损状态的识别准确率;与残差神经网络ResNet、对抗神经网络GAN和域自适应网络DAN相比,所提方法在多源域迁移(A/B→C、A/C→B、B/C→A)中的识别准确率分别为97.00%、97.50%、98.32%,均比上述3种算法得到的识别结果优异。研究结果为当前轴承套圈砂轮磨损状态监测工程应用提供了参考。 展开更多
关键词 砂轮磨损状态识别 迁移学习 eca-vgg16 格拉姆角和场(GASF) 声发射信号
在线阅读 下载PDF
基于EF-UNet的服装图像分割研究
2
作者 俞凯杰 陈郁 《北京服装学院学报（自然科学版）》 CAS 2024年第4期83-89,共7页
针对服装局部分割精度低以及出现错分、漏分的问题,提出了一种改进的VGG16-UNet服装图像分割方法(即EF-UNet)。通过在编码器末端加入ECA注意力机制的方法赋予编码器第5层更大权重,更好地提取目标特征信息,从而增强对服装图像的分割能力... 针对服装局部分割精度低以及出现错分、漏分的问题,提出了一种改进的VGG16-UNet服装图像分割方法(即EF-UNet)。通过在编码器末端加入ECA注意力机制的方法赋予编码器第5层更大权重,更好地提取目标特征信息,从而增强对服装图像的分割能力。进一步在解码器中采用添加多级特征融合的方式捕捉各种尺度的信息特征以达到提高分割效果的目的。结果表明:改进后的分割模型与UNet、PSPNet、DeepLab v3+、VGG16-UNet语义分割模型相比,模型训练指标更高,分割效果更好。相比VGG16-UNet平均交并比(mIOU)、类别平均像素准确率(mPA)和准确度(Accuracy)分别提高了4.62%、4.59%和0.29%。 展开更多
关键词 服装图像 语义分割 VGG16-UNet网络 ECA注意力机制 多级特征融合
原文传递
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 下一页 到第 页
使用帮助 返回顶部