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5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MTF与改进ResNeXt神经网络的齿轮箱故障诊断 被引量：3
1
作者 郑心成 郝如江 +2 位作者 孙汇宇 范亚飞 杨青松 《机床与液压》 北大核心 2025年第1期9-14,共6页
齿轮箱的振动信号包含丰富的信息。通过将采集到的一维时序信号转换为二维图像,可进一步增强信号特征,从而更好地表征设备状态。基于此,提出一种基于马尔可夫变迁场(MTF)与改进ResNeXt神经网络相结合的齿轮箱故障诊断模型。通过MTF对采... 齿轮箱的振动信号包含丰富的信息。通过将采集到的一维时序信号转换为二维图像,可进一步增强信号特征,从而更好地表征设备状态。基于此,提出一种基于马尔可夫变迁场(MTF)与改进ResNeXt神经网络相结合的齿轮箱故障诊断模型。通过MTF对采集到的一维信号进行转换,得到与时序相关的二维特征图。采用像素平均法对图像进行压缩,以更好地突显其特征信息。最后,将压缩后的图像送入改进ResNeXt神经网络中进行故障识别分类。通过使用动力传动故障诊断综合实验台齿轮箱数据,验证了模型的可行性,并确定了图像转换的最佳尺寸。此外,通过使用凯斯西储大学滚动轴承数据进行消融及抗噪性实验,验证了该模型的有效性与泛化性。 展开更多
关键词 马尔可夫变迁场 resnext神经网络 故障诊断 图像压缩
在线阅读 下载PDF
基于ResNeXt卷积神经网络的轨道目标检测实验设计 被引量：4
2
作者 叶涛 赵宗扬 张晞 《实验技术与管理》 CAS 北大核心 2021年第11期237-242,共6页
文章以列车行驶前方障碍物检测为例,介绍了根据所搭建的轨道目标智能检测实验平台设计和改进深度神经网络模型,并将其应用于实际场景的做法。选择了ResNeXt主干特征提取网络,使模型的特征提取能力更强;采用了自适应特征融合优化方法和... 文章以列车行驶前方障碍物检测为例,介绍了根据所搭建的轨道目标智能检测实验平台设计和改进深度神经网络模型,并将其应用于实际场景的做法。选择了ResNeXt主干特征提取网络,使模型的特征提取能力更强;采用了自适应特征融合优化方法和注意力机制,大幅度提升了算法在铁路环境中的检测性能。 展开更多
关键词 卷积神经网络 resnext 深度学习 案例驱动教学
在线阅读 下载PDF
基于改进残差和注意力的CT肺癌辅助诊断 被引量：2
3
作者 谷宇 迟靖千 +3 位作者 张宝华 杨立东 李建军 唐思源 《传感器与微系统》 CSCD 北大核心 2024年第9期30-34,共5页
为了提高结节检测和肺癌诊断的性能,本文提出一种改进的卷积神经网络(CNN)模型用于这2个步骤的结节特征提取。该模型以一种改进U-Net网络作为基础网络,并引入了ResNeXt模块和注意力机制,在保持模型复杂度的同时,提高网络学习多种形状和... 为了提高结节检测和肺癌诊断的性能,本文提出一种改进的卷积神经网络(CNN)模型用于这2个步骤的结节特征提取。该模型以一种改进U-Net网络作为基础网络,并引入了ResNeXt模块和注意力机制,在保持模型复杂度的同时,提高网络学习多种形状和大小的结节特征的能力。实验结果表明:该模型在DSB数据集上表现良好,结节检测的灵敏度和特异性分别达到了99.15%和99.99%,肺癌诊断的准确率和AUC值分别达到了80.43%和0.86。可见,本文方法对于多种多样的结节特征具有高度敏感性,具有一定的临床价值。 展开更多
关键词 肺结节辅助检测 肺癌辅助诊断 CT图像 卷积神经网络 resnext模块 注意力机制
在线阅读 下载PDF
基于Self-Attention StyleGAN的皮肤癌图像生成与分类 被引量：6
4
作者 赵宸 帅仁俊 +2 位作者 马力 刘文佳 吴梦麟 《计算机工程与应用》 CSCD 北大核心 2022年第18期111-121,共11页
针对以黑色素瘤为代表的皮肤癌分类任务存在数据集各类样本数量、权重不均衡,且现有的对抗生成网络生成的皮肤癌样本图像质量较差导致临床诊断时难以分辨等问题,提出了一种基于自注意力的样式生成对抗网络(Self-Attention StyleGAN)与SE... 针对以黑色素瘤为代表的皮肤癌分类任务存在数据集各类样本数量、权重不均衡,且现有的对抗生成网络生成的皮肤癌样本图像质量较差导致临床诊断时难以分辨等问题,提出了一种基于自注意力的样式生成对抗网络(Self-Attention StyleGAN)与SE-ResNeXt-50相结合的皮肤癌图像样本生成与分类框架。该框架在样式生成对抗网络(StyleGAN)的基础上引入了自注意力机制,对生成器的样式控制和噪声输入结构进行了重新设计,并重构了鉴别器对图像生成器进行了调整,从而有效地合成高质量的皮肤癌病变图像。使用SE-ResNeXt-50来对皮肤癌样本图像进行分类,更好地提取样本图像不同层次特征图的信息,从而提高了平衡多类精度(BMA)。实验结果表明,该模型在ISIC2019皮肤癌数据集上生成的样本图像质量较高,且分类BMA达到94.71%。该方法提高了皮肤癌病变图像分类的准确性,帮助皮肤科医生对不同类型的皮肤癌病变进行判断和诊断,并对不同阶段和难以区分的皮肤癌病变进行分析。 展开更多
关键词 黑色素瘤 皮肤癌病变图像生成与分类 resnext StyleGAN 深度卷积神经网络
在线阅读 下载PDF
基于非对称卷积−压缩激发−次代残差网络的人脸关键点检测 被引量：5
5
作者 王贺兵 张春梅 《计算机应用》 CSCD 北大核心 2021年第9期2741-2747,共7页
级联深度卷积神经网络(DCNN)算法为首先在人脸关键点检测中使用卷积神经网络(CNN)的模型,CNN的使用使得检测精度得到极大的提升。针对该策略需要对相邻阶段间的数据反复进行回归处理使得算法流程十分复杂的问题,提出基于非对称卷积−压... 级联深度卷积神经网络(DCNN)算法为首先在人脸关键点检测中使用卷积神经网络(CNN)的模型,CNN的使用使得检测精度得到极大的提升。针对该策略需要对相邻阶段间的数据反复进行回归处理使得算法流程十分复杂的问题,提出基于非对称卷积−压缩激发−次代残差网络(AC-SE-ResNeXt)的人脸关键点检测算法。所提算法仅使用单阶段回归,既避免了级联策略中多阶段回归的算法流程复杂性,又解决了相邻阶段间数据需要进行预处理的问题。为了不降低精度,在次代残差网络(ResNeXt)块的基础上添加了非对称卷积(AC)模块和压缩激发(SE)模块,构建了AC-SE-ResNeXt网络模型。同时,为了能够精确拟合在不同光照、姿态、表情等复杂环境下的人脸,将AC-SEResNeXt网络模型加深到101层。对训练好的模型分别在数据集BioID和LFPW上进行测试,其中该模型在BioID数据集上的人脸五点关键点检测的综合平均误差率为1.99%,在LFPW数据集上的人脸五点关键点检测的综合平均误差率为2.3%。实验结果表明,所改进的算法不但简化了算法流程使之能进行端到端处理,而且其精度与级联DCNN算法相当,鲁棒性也有明显提升。 展开更多
关键词 人脸关键点检测 非对称卷积 压缩激发模块 卷积神经网络 次代残差网络(resnext)
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