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9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：
基于改进GANomaly的织物疵点检测
1
作者 黄楚雯 祝双武 +2 位作者 田乐 刁宇涵 赵妍 《上海纺织科技》 2025年第6期6-12,19,共8页
针对含疵点的纺织样本和带有标记的疵点数据难以获得和影响织物疵点检测精确率的问题,提出一种基于改进GANomaly网络的无监督织物疵点检测方法。该方法在原来GANomaly模型的基础上,在网络中加入了一种由掩模卷积层和通道注意模块组成的... 针对含疵点的纺织样本和带有标记的疵点数据难以获得和影响织物疵点检测精确率的问题,提出一种基于改进GANomaly网络的无监督织物疵点检测方法。该方法在原来GANomaly模型的基础上,在网络中加入了一种由掩模卷积层和通道注意模块组成的新型神经块,可更准确地提取出织物图像中的组织纹理特征,再通过改进数据集预处理的方法,实现图像重构效果提升。比对该异常图像与修复后正常图像间的差异,并对计算差值后的图像进行二值化分割,可获得更好的织物疵点检测效果。采用改进后的算法对AITEX数据集中的平纹、斜纹和缎纹3类织物进行检测,F_(1)分数分别为0.91、0.94、0.93,可知将该方法应用于纺织产品数据集中的织物疵点检测效果得到有效提升。 展开更多
关键词 织物 纹理特征 疵点检测 无监督学习 ganomaly 图像重构 自监督预测卷积注意力块
原文传递
基于改进GANomaly的电子节气门传感器表面缺陷检测
2
作者 王洪铭 强俊 +1 位作者 赵利 徐天琪 《组合机床与自动化加工技术》 北大核心 2025年第7期169-174,共6页
在汽车电子节气门传感器装配阶段,热铆连接处由于多种工艺因素出现的表面缺陷,影响驾驶员的安全。热铆连接处存在缺陷样本过少和缺陷形状多变,而基于监督式的缺陷检测网络需要大量标记的异常样本来实现提高精度。针对上述问题,提出基于... 在汽车电子节气门传感器装配阶段,热铆连接处由于多种工艺因素出现的表面缺陷,影响驾驶员的安全。热铆连接处存在缺陷样本过少和缺陷形状多变,而基于监督式的缺陷检测网络需要大量标记的异常样本来实现提高精度。针对上述问题,提出基于半监督学习改进的GANomaly网络。在原网络基础上嵌入跳跃连接,并在编码器与解码器各卷积层之间引入注意力机制,增强网络对缺陷区域的敏感度。提出一种混合相似度损失函数解决视觉不一致问题,从而提高不规则纹理缺陷检测的鲁棒性。实验结果表明,提出的方法有效地提高了对节气门传感器缺陷的识别,相比原GANomaly网络AUC提高了0.183,所提出的方法能够满足电子节气门传感器装配现场缺陷检测要求。 展开更多
关键词 半监督学习 ganomaly 缺陷检测 跳跃连接 注意力机制
在线阅读 下载PDF
面向高强度螺栓检测的YOLOv5-Ganomaly联合算法研究 被引量：4
3
作者 谢海波 朱玮峻 +1 位作者 张璧 张大海 《中外公路》 2024年第4期171-179,共9页
针对桥梁高强度螺栓松动检测工作量大、目标小、异常多且难以获取等问题,该文提出一种半监督深度学习模型,即使少量负样本情况下也可得到螺栓松动检测模型,解决了模型训练样本不平衡的问题。YOLOv5-CT模型对螺栓目标检测的精度达98.33%... 针对桥梁高强度螺栓松动检测工作量大、目标小、异常多且难以获取等问题,该文提出一种半监督深度学习模型,即使少量负样本情况下也可得到螺栓松动检测模型,解决了模型训练样本不平衡的问题。YOLOv5-CT模型对螺栓目标检测的精度达98.33%。通过对螺栓数据进行预处理,提高Ganomaly模型对螺栓图像的重构能力。当隐空间向量值为100时,模型的SAUC最高,具有最佳判别性能。在模型测试阶段,将异常分数阈值设置为0.295,计算模型对高强度螺栓异常松动检测的精度可达到85%以上,实现螺栓的自动识别和检测。 展开更多
关键词 高强度螺栓 螺栓松动检测 机器视觉 YOLOv5 ganomaly 半监督学习 异常检测
原文传递
基于改进GANomaly网络的旋开盖缺陷检测方法 被引量：3
4
作者 舒军 王祥 +3 位作者 李灵 雷建军 何俊成 杨莉 《中南民族大学学报（自然科学版）》 CAS 北大核心 2023年第6期788-798,共11页
基于现有瓶盖缺陷检测方法,提出了一种结合低照度增强、语义分割和异常检测的旋开盖缺陷检测方法.受拍摄光照和目标特征多样性的影响,传统语义分割方法对低照度图像分割不准确.为解决此问题,通过基于最大熵的Retinex模型增强低照度图像... 基于现有瓶盖缺陷检测方法,提出了一种结合低照度增强、语义分割和异常检测的旋开盖缺陷检测方法.受拍摄光照和目标特征多样性的影响,传统语义分割方法对低照度图像分割不准确.为解决此问题,通过基于最大熵的Retinex模型增强低照度图像,选取OCR-Net语义分割网络分割去除背景.在检测缺陷时,半监督异常检测GANomaly网络解决了正常瓶盖样本和缺陷瓶盖样本不平衡的问题.但图像重建效果差,为此基于十字交叉注意力和最小二乘损失函数改善GANomaly网络对图像的重建能力.实验结果表明:低照度图像增强和语义分割解决了瓶盖图像因亮度低而分割不准确的问题,改进的GANomaly网络在瓶盖缺陷检测中,改善了图像重建效果,AUC值达到了0.71,且在MvTec AD数据集上表现优越,具有较好的应用价值. 展开更多
关键词 旋开盖缺陷检测 低照度图像增强 语义分割 改进ganomaly
在线阅读 下载PDF
基于GANomaly-GRU的直线电机进给系统健康诊断方法 被引量：1
5
作者 杨泽青 李月 +2 位作者 陈英姝 刘丽冰 魏强 《现代制造工程》 CSCD 北大核心 2021年第11期128-135,115,共9页
直线电机进给系统因长期在复杂工况环境下服役导致性能及状态转移随机性更强,对其运行状态进行健康诊断,对于及时发现状态退化趋势并进行预防性维护具有重要意义。针对直线电机进给系统健康诊断中缺乏故障负样本且运行数据时序性强等问... 直线电机进给系统因长期在复杂工况环境下服役导致性能及状态转移随机性更强,对其运行状态进行健康诊断,对于及时发现状态退化趋势并进行预防性维护具有重要意义。针对直线电机进给系统健康诊断中缺乏故障负样本且运行数据时序性强等问题,在分析半监督异常检测生成对抗网络(GANomaly)与门控循环单元(Gated Recurrent Unit,GRU)网络原理的基础上,提出一种新的基于GANomaly-GRU的直线电机进给系统健康诊断方法,该方法在GANomaly网络框架基础上引入GRU设计生成器、判别器和重构编码器,以避免网络出现梯度消失和梯度爆炸等问题,第四子网络采用异常样本概率模型和解码重构(Decoding Reconstruction,DR)评分在无负样本的情况下对直线电机进给系统运行状态进行健康诊断。最后在直线电机进给系统健康诊断实验平台上测试和验证该方法的准确性和快速性,并与经典的诊断方法,如异常检测生成对抗网络(Anomaly Generative Adversarial Networks,AnoGAN)、高效异常检测生成对抗网络(Efficient GAN-Based Anomaly Detection,EGBAD)和无监督深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Networks,DCGAN)进行对比,结果表明所提方法平均准确率分别提高了13.1%、24.0%和15.2%,诊断时间分别缩短了37、26和13 ms,表明所提方法较好地解决了直线电机进给系统故障样本数据不足和样本标记问题,对难以获取足量有效故障样本数据的复杂机械装备健康诊断具有一定的参考价值。 展开更多
关键词 直线电机进给系统 健康诊断 ganomaly 门控循环单元
在线阅读 下载PDF
使用GANomaly网络的面瘫识别应用研究 被引量：4
6
作者 王齐 陈功 +1 位作者 胡文昕 胡嘉 《软件工程》 2022年第3期29-33,共5页
周围型面瘫作为一种多为急性发作的临床常见病,治疗上需要准确掌握患者发病状态,以便判断治疗的最佳时机。现有的面瘫治疗方法多依赖于医生对患者临床症状的直观判断,而本文通过研究当前基于深度学习的异常检测方法,并将异常检测生成对... 周围型面瘫作为一种多为急性发作的临床常见病,治疗上需要准确掌握患者发病状态,以便判断治疗的最佳时机。现有的面瘫治疗方法多依赖于医生对患者临床症状的直观判断,而本文通过研究当前基于深度学习的异常检测方法,并将异常检测生成对抗网络(GANomaly)作用于面瘫图像上,实现正常人脸和面瘫人脸的识别分类,为医生诊断提供辅助工具,可有效提高诊断效率,弥补现有方法的不足。训练后的GANomaly网络可有效分辨出面瘫图像的异常。实验结果表明,基于深度学习的GANomaly网络可有效实现面瘫的诊断识别。 展开更多
关键词 深度学习 面瘫识别 异常检测 ganomaly
在线阅读 下载PDF
一种雷达辐射源个体开集识别的方法
7
作者 陆剑雄 陈旗 +1 位作者 赵瑞轩 满欣 《兵器装备工程学报》 北大核心 2025年第4期285-292,共8页
在对雷达辐射源信号非合作接收处理时,经常会遇到一些未知信号。为解决未知雷达辐射源个体识别的问题,提出了一种雷达辐射源个体开集识别方法,将GANomaly和残差神经网络(ResNet-50)相结合,构建了一种用于开集识别的深度学习网络模型。... 在对雷达辐射源信号非合作接收处理时,经常会遇到一些未知信号。为解决未知雷达辐射源个体识别的问题,提出了一种雷达辐射源个体开集识别方法,将GANomaly和残差神经网络(ResNet-50)相结合,构建了一种用于开集识别的深度学习网络模型。该方法通过对雷达辐射源信号进行短时傅里叶变换(STFT)分析时频特征,将二维时频图谱作为网络模型输入,利用GANomaly网络自动对图谱进行图像特征重构,依据重构差异的大小,筛选出已知信号和未知信号,使用ResNet-50对识别的已知信号进行个体识别,完成完整的个体开集识别。实验结果表明,该深度学习网络模型对雷达辐射源个体的开集识别准确率达到了97.47%,有效解决了雷达辐射源个体开集识别问题。 展开更多
关键词 雷达辐射源个体 开集识别 短时傅里叶变换 ganomaly 残差神经网络
在线阅读 下载PDF
异常性检测算法在引信干扰信号识别中的应用 被引量：3
8
作者 白帆 张慧 +1 位作者 李鹏斐 曹昭睿 《装备环境工程》 CAS 2022年第11期41-47,共7页
目的解决传统分类引信抗干扰算法因干扰信号难获取、特征信号样本少、正负样本数不平衡而导致计算精度低的问题,克服引信抗干扰算法对样本的依赖性,并提高引信信号识别准确率。方法通过WVD时频变换的方法,将拆分后的真实含扰引信信号切... 目的解决传统分类引信抗干扰算法因干扰信号难获取、特征信号样本少、正负样本数不平衡而导致计算精度低的问题,克服引信抗干扰算法对样本的依赖性,并提高引信信号识别准确率。方法通过WVD时频变换的方法,将拆分后的真实含扰引信信号切片进行重组,使其由一维时序信号向二维图片信息进行扩展,基于数据倍增策略,提升算法泛化性,并降低其对真实数据样本的依赖。融合GANomaly与EfficientNet网络,在扩充的引信数据集上进行线下干扰信号特征学习,并对含扰引信图像数据进行线上异常性判断与干扰信号识别。结果GE-FS网络能够在真实引信小样本信号的基础上进行有效数据扩充,基于扩充数据训练后,引信含扰识别准确率达到98.4%。结论GE-FS网络能有效针对引信异常信号进行精确检测与识别,可以增强引信系统的抗干扰能力与作战自适应性。 展开更多
关键词 引信抗干扰 时频分析 深度学习 异常性检测 ganomaly EfficientNet
在线阅读 下载PDF
基于生成对抗网络的带式输送机异物检测方法 被引量：5
9
作者 张立亚 《工矿自动化》 CSCD 北大核心 2023年第11期53-59,共7页
煤矿井下胶带运输图像具有照度低、细节不清晰、背景干扰等特点,现有的带式输送机异物检测模型存在精度低、灵活性差、计算量大、优化空间存在差异等问题。针对上述问题,提出了一种基于生成对抗网络(GAN)的带式输送机异物检测方法。对... 煤矿井下胶带运输图像具有照度低、细节不清晰、背景干扰等特点,现有的带式输送机异物检测模型存在精度低、灵活性差、计算量大、优化空间存在差异等问题。针对上述问题,提出了一种基于生成对抗网络(GAN)的带式输送机异物检测方法。对胶带运输过程视频文件进行预处理,分类得到正常图像、异常图像,制作实验数据集对改进GANomaly模型进行训练,再通过训练好的模型进行带式输送机异物检测。在训练阶段,将不含异物的带式输送机图像作为输入;在测试阶段,将含有异物的带式输送机图像作为输入,得到的重构图像与输入网络的原图像作差,即可得到异物的具体位置。GANomaly模型轻量化改进方法:在GANomaly基础网络模型中加入深度可分离卷积残差模块,采用深度可分离卷积代替原有主干网络中的卷积操作,大幅降低了模型计算量,同时减少了参数的冗余计算,能够明显提高异物检测速度;通过合并多个批量归一化(BN)层,加快模型的收敛迭代速度,提高模型的泛化收敛能力,有效避免梯度消失。实验结果表明,改进GANomaly模型相较于传统GANomaly模型,在运行速度上提升了6.27%,评价指标F1分数、AUC、召回率(Recall)和平均精度均值(mAP)分别提升了19.05%,22.22%,15.00%,17.14%。 展开更多
关键词 带式输送机 异物检测 生成对抗网络 ganomaly 深度可分离卷积 BN层合并 轻量化
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 下一页 到第 页
使用帮助 返回顶部