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93篇文章
< 1 2 … 5 >
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：
ResNet-CNN模型在滚动轴承故障诊断中的应用 被引量：1
1
作者 程廉升 王立萍 +3 位作者 刘倩 杜宪宇 兰傲威 孙亚琦 《设备管理与维修》 2024年第15期54-59,共6页
滚动轴承故障诊断对于确保旋转机械设备的安全运行至关重要。基于凯斯西储大学轴承数据中心提供的开源数据集,将ResNet的CNN模型用于诊断正常轴承以及内圈、外圈和滚动体分别有故障的轴承的故障状态,并与另外两种机器学习模型随机森林和... 滚动轴承故障诊断对于确保旋转机械设备的安全运行至关重要。基于凯斯西储大学轴承数据中心提供的开源数据集,将ResNet的CNN模型用于诊断正常轴承以及内圈、外圈和滚动体分别有故障的轴承的故障状态,并与另外两种机器学习模型随机森林和CNN进行对比。研究结果表明,ResNet-CNN模型在准确率和召回率等关键性能指标上均优于另外两种方法,证明其在轴承故障诊断中的有效性和优越性。 展开更多
关键词 滚动轴承 故障诊断 resnet-cnn模型 随机森林 CNN
在线阅读 下载PDF
基于深度学习的测井岩性智能识别
2
作者 曾锐 邵燕林 +4 位作者 黄宇 王智垚 刘浪 周长辉 李佩津 《科学技术与工程》 北大核心 2025年第30期12804-12812,共9页
随着油气勘探技术的不断进步,测井岩性识别技术成为储层预测中的关键手段。然而,传统的测井岩性智能识别方法严重依赖于人工经验和专业知识,不仅成本高且效率低下,而且在处理大规模数据中的复杂非线性关系时表现不佳。因此,基于深度学... 随着油气勘探技术的不断进步,测井岩性识别技术成为储层预测中的关键手段。然而,传统的测井岩性智能识别方法严重依赖于人工经验和专业知识,不仅成本高且效率低下,而且在处理大规模数据中的复杂非线性关系时表现不佳。因此,基于深度学习的测井岩性智能识别方法的研究是一个十分重要的课题。通过利用残差网络(ResNet)结合卷积神经网络(convolutional neural network,CNN)的架构,实现测井数据的智能化岩性识别。具体而言,使用随机森林算法进行特征重要性评估,选取相关性较强的特征属性,构建了ResNet-CNN模型,并且用混淆矩阵方法评估模型性能。实验结果显示,本文中构建的ResNet-CNN模型的准确率达到93.5%,明显优于其他两种方法。因此,基于ResNet-CNN的方法在测井岩性智能识别中展现出很高的应用价值。 展开更多
关键词 岩性识别 resnet-cnn 深度学习 卷积神经网络 测井数据
在线阅读 下载PDF
基于改进Mask R-CNN的低空遥感实例分割算法
3
作者 李冰锋 王光耀 崔立志 《兵器装备工程学报》 北大核心 2025年第2期168-176,共9页
针对遥感领域图像目标繁杂、检测和分割精度不高的问题,提出一种改进Mask R-CNN算法。设计PMResNet-50结构作为主干网络,其中金字塔挤压注意模块可以促进局部和全局通道注意之间的信息交互作用,多层次特征聚合模块可以提高PMResNet-50... 针对遥感领域图像目标繁杂、检测和分割精度不高的问题,提出一种改进Mask R-CNN算法。设计PMResNet-50结构作为主干网络,其中金字塔挤压注意模块可以促进局部和全局通道注意之间的信息交互作用,多层次特征聚合模块可以提高PMResNet-50对输入通道语义信息的高效聚合作用。在RoI Align前引入自校准卷积模块来扩大卷积层的感受野大小并对边界框和掩码框执行校准操作。在分割分支使用掩码预测平衡损失函数,对每个类别的正负样本梯度进行平衡,实现对损失梯度的平滑降低处理。在自建低空遥感数据集和iSAID-Reduce100数据集上进行测试,实验结果表明:改进后的算法在自建数据集上box AP和mask AP分别提升17.9%和15.0%,在iSAID-Reduce100数据集上box AP和mask AP达到49.62%和50.27%,该算法很好地完成了对遥感目标的检测和分割。 展开更多
关键词 深度学习 图像处理 遥感图像 实例分割 改进Mask R-CNN算法 ResNet-50
在线阅读 下载PDF
Transformer与CNN融合的双分支遥感图像阴影检测
4
作者 王一帆 黄鲜 +3 位作者 王建林 周彤 周文俊 彭博 《遥感学报》 北大核心 2025年第3期741-751,共11页
遥感图像中的阴影对图像解读和地物要素提取至关重要,但它们也可能成为干扰因素。当前,尽管深度学习在遥感图像阴影检测中取得了一定进展,但仍面临漏检、误检以及网络模型复杂等挑战。为此,本研究提出了一种融合Transformer与卷积神经网... 遥感图像中的阴影对图像解读和地物要素提取至关重要,但它们也可能成为干扰因素。当前,尽管深度学习在遥感图像阴影检测中取得了一定进展,但仍面临漏检、误检以及网络模型复杂等挑战。为此,本研究提出了一种融合Transformer与卷积神经网络(CNN)优势的双分支阴影检测网络。该方法采用双分支结构,从全局和局部两个层面深入挖掘信息,实现特征的有效整合,以更精确地捕捉阴影特征。此外,通过引入阴影预测模块和联合损失函数,进一步提升了阴影检测的准确性。在航空影像阴影数据集AISD (Aerial Imagery Shadow Dataset)上的实验结果表明,该方法显著提高了阴影检测的准确率,达到97.112%,并成功降低了误检率(BER降低了0.389),充分验证了其有效性。总之,本研究提出的双分支遥感图像阴影检测网络为减少小面积阴影的漏检与误检提供了新的有效手段,对遥感图像解译和地物要素提取具有重要意义。 展开更多
关键词 遥感图像 阴影检测 语义分割 双分支网络 特征融合 TRANSFORMER CNN ResNet
原文传递
基于ResNet-18的燃气发电机组故障声音识别技术研究 被引量：2
5
作者 李奇 杨春雨 +1 位作者 王立婷 陈洪刚 《自动化应用》 2025年第2期40-44,49,共6页
提出一种燃气发电机组故障声音识别技术,首先对麦克风实时采集的声音信号进行时频域分析,生成时频图,然后利用训练过的ResNet-18卷积神经网络对时频图进行分类,判断其属于正常、嘈杂、不稳定、敲击这4种状态中的哪种。其实时性强,可用... 提出一种燃气发电机组故障声音识别技术,首先对麦克风实时采集的声音信号进行时频域分析,生成时频图,然后利用训练过的ResNet-18卷积神经网络对时频图进行分类,判断其属于正常、嘈杂、不稳定、敲击这4种状态中的哪种。其实时性强,可用于实现在线的报警保护。 展开更多
关键词 ResNet-18 卷积神经网络 燃气发电机故障 声音识别
在线阅读 下载PDF
融合CBAM的Mask R-CNN模型在球团识别与粒径测量中的应用
6
作者 王猛 刘卫星 +3 位作者 李喆 李浩 齐西伟 杨爱民 《烧结球团》 北大核心 2025年第1期85-94,125,共11页
球团粒径的大小是影响高炉透气性、高炉冶炼效率与能源消耗的主要因素之一。本文针对工业条件下球团粒径难以精准测量的问题,采用融合注意力机制Mask R-CNN模型对球团进行分割与粒径测量。在对球团图像进行预处理后,构建了球团数据集,... 球团粒径的大小是影响高炉透气性、高炉冶炼效率与能源消耗的主要因素之一。本文针对工业条件下球团粒径难以精准测量的问题,采用融合注意力机制Mask R-CNN模型对球团进行分割与粒径测量。在对球团图像进行预处理后,构建了球团数据集,对比了多种主干网络的训练表现,并与多个分割模型进行了精度对比。此外,利用像素点统计分割掩膜面积实现了球团粒径的测量。结果表明,ResNet50作为主干网络在球团的特征提取中更具优越性。引入Convolutional Block Attention Module(CBAM)的Mask R-CNN模型对比初始模型A mean提高了2.18%。对比BlendMask、SOLOv2、YOLACT以及CondInst等分割模型,改进后的模型在分割精度上也有优势,并能更好地处理分割细节。此外,与Image J测量的球团粒径相比,本文所提出的球团粒径测量方法的最大误差保持在±1.8 mm之内,A_(IoU=0.5)可达到0.9483。 展开更多
关键词 球团粒径 Mask R-CNN 迁移学习 ResNet CBAM
原文传递
基于多结构ResNet模型的心律失常分类问题研究
7
作者 徐鑫鑫 胡建成 《成都信息工程大学学报》 2025年第5期716-721,共6页
针对临床心律失常诊断的问题,提出一种多结构ResNet模型,对来自MIT-BIH的心律失常数据库进行四分类研究。研究分为3步:首先使用db4小波基对数据库中的ECG信号进行九尺度小波阈值降噪处理,其次对降噪后的数据以R峰为中心取其前后共300个... 针对临床心律失常诊断的问题,提出一种多结构ResNet模型,对来自MIT-BIH的心律失常数据库进行四分类研究。研究分为3步:首先使用db4小波基对数据库中的ECG信号进行九尺度小波阈值降噪处理,其次对降噪后的数据以R峰为中心取其前后共300个信号点作为一个心拍,最后使用搭建的多结构ResNet模型进行分类数据训练和预测。多结构体现在构建了4个结构有差异的残差块,在训练过程中不断调整各残差块的数量,最终确定4个残差块个数为3:3:2:1时模型训练精度最佳,达98.22%。经分析该模型可以用于心律失常病症的临床助诊。 展开更多
关键词 心律失常分类 小波阈值降噪 CNN ResNet
在线阅读 下载PDF
基于卷积神经网络的MNIST手写数字识别优化研究
8
作者 牟世桂 《计算机应用文摘》 2025年第3期81-83,86,共4页
文章旨在优化基于卷积神经网络的MNIST手写数字识别,通过引入残差连接、Dropout层、Batch Normalization层,以及优化算法与学习率调度器来提升模型性能。这些技术的综合应用旨在提高模型在数字识别任务中的精确度。其中,首先采用基于Res... 文章旨在优化基于卷积神经网络的MNIST手写数字识别,通过引入残差连接、Dropout层、Batch Normalization层,以及优化算法与学习率调度器来提升模型性能。这些技术的综合应用旨在提高模型在数字识别任务中的精确度。其中,首先采用基于ResNet结构的卷积神经网络,结合Dropout层、Batch Normalization层和残差连接来构建模型。其次,使用SGD优化算法配合学习率调度器和数据增强技术对模型进行训练和优化。研究结果表明,该模型在MNIST测试集上达到了99.5%的准确率,相比传统方法有了显著提升。这些成果不仅在提升数字识别的准确度上取得了显著进展,还证明了在实际应用中综合考虑优化算法、数据增强技术以及网络结构调整对于提升模型性能的重要性,对于推动图像识别技术的发展具有重要的应用价值和实际意义。 展开更多
关键词 MNIST CNN ResNet 模型优化 DROPOUT 学习率衰减
在线阅读 下载PDF
基于深度学习的短期负载预测算法研究
9
作者 葛易林 《河南科技》 2025年第16期29-32,共4页
【目的】通过分析经典深度学习模型的原理,探讨深度学习模型预测短期负载数据的拟合度和精确性,研究深度学习模型在未来短期负载预测应用中的发展方向。【方法】对深度学习模型:人工神经网络(Artificial Neural Network, ANN)、循环神... 【目的】通过分析经典深度学习模型的原理,探讨深度学习模型预测短期负载数据的拟合度和精确性,研究深度学习模型在未来短期负载预测应用中的发展方向。【方法】对深度学习模型:人工神经网络(Artificial Neural Network, ANN)、循环神经网络(Recurrent Neural Network, RNN)、卷积神经网络(Convolutional Neural Networks, CNN)、深度残差网络(Deep Residual Network, ResNet)在短期负载预测中的应用进行介绍,并分析模型的优缺点。【结果】上述4种深度学习模型均对负载短期预测有较准确结果,效果均优于传统预测方法。【结论】混合模型解决了部分单一模型存在的问题,对短期负载预测普遍优于单一模型的预测结果,这也将是未来短期负载预测算法的发展方向。 展开更多
关键词 短期负载预测 深度学习 人工神经网络 循环神经网络 卷积神经网络 深度残差网络
在线阅读 下载PDF
基于CNN-LSTM模型的景区异常行为识别方法
10
作者 罗昆 华才健 《成都工业学院学报》 2025年第3期50-57,共8页
针对景区异常行为识别中场景复杂、难度大、视频清晰度低的问题,提出一种融合残差网络的时空异常行为识别方法--ResNet18-LSTM-CBAM。基于卷积神经网络与长短时记忆网络(CNN-LSTM)模型,首先通过使用残差神经网络(ResNet)模型替代原有的... 针对景区异常行为识别中场景复杂、难度大、视频清晰度低的问题,提出一种融合残差网络的时空异常行为识别方法--ResNet18-LSTM-CBAM。基于卷积神经网络与长短时记忆网络(CNN-LSTM)模型,首先通过使用残差神经网络(ResNet)模型替代原有的CNN模块,增强模型在提取局部特征方面的能力;其次,引入卷积块注意力机制(CBAM),进一步优化重要时空特征的表示;最后,利用LSTM提取视频序列中的时序信息,使模型能够更好地理解动态行为模式。实验结果表明,ResNet18-LSTM-CBAM模型在自建模拟景区视频数据集上提取时序信息的准确率达到83.7%,与其他方法相比有不同程度的提升,有效提高异常行为识别的准确度,为提升景区安全和管理效率提供了可行的解决方案。 展开更多
关键词 异常行为识别 视频序列 CNN-LSTM ResNet CBAM
在线阅读 下载PDF
基于不同主干孪生神经网络的遥感影像建设用地变化监测
11
作者 周卫 戴鑫 +1 位作者 邹梅芳 周彬 《科技创新与生产力》 2025年第3期138-141,共4页
针对不同的建设用地变化监测模型优点各异的问题,本文基于孪生神经网络和注意力机制,构建了一个用于高分辨率遥感影像建设用地变化监测的方法框架,将CNN网络、U-Net网络和ResNet50网络作为主干网络,分别构建了变化监测模型UNet-CD、ResN... 针对不同的建设用地变化监测模型优点各异的问题,本文基于孪生神经网络和注意力机制,构建了一个用于高分辨率遥感影像建设用地变化监测的方法框架,将CNN网络、U-Net网络和ResNet50网络作为主干网络,分别构建了变化监测模型UNet-CD、ResNet-CD和CNN-CD,并在LEVIR-CD数据集上进行了实验比较分析。结果表明孪生神经网络对多时相遥感影像中的差异捕捉能力由其主干神经网络决定。实验结果显示,UNet-CD模型具有更强的抗干扰能力,ResNet-CD具有更强的边缘保持能力,CNN-CD模型的漏检率较高。 展开更多
关键词 建设用地 遥感影像 变化监测 孪生神经网络 CNN U-Net ResNet
在线阅读 下载PDF
基于ResNet-UNet模型的SAR图像海面溢油检测
12
作者 郭杜 杨鹏举 《计算机测量与控制》 2025年第3期37-44,共8页
针对合成孔径雷达(SAR)图像海面溢油检测问题,采用U-Net模型、ResNet18-UNet模型、ResNet34-UNet模型、ResNet50-UNet模型等4种卷积神经网络模型进行了SAR图像海面溢油检测的研究与实验,挑选出更适合此次SAR图像海面溢油检测研究与实验... 针对合成孔径雷达(SAR)图像海面溢油检测问题,采用U-Net模型、ResNet18-UNet模型、ResNet34-UNet模型、ResNet50-UNet模型等4种卷积神经网络模型进行了SAR图像海面溢油检测的研究与实验,挑选出更适合此次SAR图像海面溢油检测研究与实验的溢油检测模型;通过利用4种卷积神经网络模型对同一数据集进行SAR图像海面溢油检测的方式,对比分析了不同卷积神经网络模型之间的性能差异和溢油检测效果;实验结果表明,在此次SAR图像海面溢油检测研究与实验中,ResNet18-UNet模型的性能在U-Net模型的基础上有了一定的优化,而且与另外两种ResNet-UNet模型相比,ResNet18-UNet模型在此次海面溢油检测实验中拥有最高的性能和最好的溢油检测效果,获得了更高的检测精度和检测效率。 展开更多
关键词 合成孔径雷达 海面溢油检测 卷积神经网络 U-Net模型 ResNet-UNet模型
在线阅读 下载PDF
基于卷积神经网络的电力市场短期售电量预测方法 被引量：3
13
作者 王蕾 李斌 +2 位作者 李泠聪 张振明 姜涛 《科学技术创新》 2024年第1期85-88,共4页
电力市场短期售电量预测的精度对优化用电结构以及提高供电可靠性具有重要意义,传统短期售电量预测方法没有考虑偏差电量考核影响、用电行为差异导致电预测精度低,提出基于卷积神经网络的电力市场短期售电量预测方法,首先根据用户的用... 电力市场短期售电量预测的精度对优化用电结构以及提高供电可靠性具有重要意义,传统短期售电量预测方法没有考虑偏差电量考核影响、用电行为差异导致电预测精度低,提出基于卷积神经网络的电力市场短期售电量预测方法,首先根据用户的用电负荷率进行分类,获取不同行业的用电特征和需求模式,然后考虑正负偏差电量的影响,设计基于CNN-ResNet的短期售电量预测方法,通过实验分析表明,该方法能够有效提高多因素影响下售电量预测的准确率。 展开更多
关键词 售电量预测 偏差电量 K-means++ CNN-ResNet
在线阅读 下载PDF
基于自适应纹理特征融合的纹理图像分类方法 被引量：2
14
作者 吕伏 韩晓天 +1 位作者 冯永安 项梁 《计算机工程与科学》 CSCD 北大核心 2024年第3期488-498,共11页
现有基于深度学习的图像分类方法普遍缺少纹理特征的针对性,分类精度较低,难以同时适用于简单纹理和复杂纹理分类。提出一种基于自适应纹理特征融合的深度学习模型,能够结合类间差异性纹理特征做出分类决策。首先,根据纹理特征的最大类... 现有基于深度学习的图像分类方法普遍缺少纹理特征的针对性,分类精度较低,难以同时适用于简单纹理和复杂纹理分类。提出一种基于自适应纹理特征融合的深度学习模型,能够结合类间差异性纹理特征做出分类决策。首先,根据纹理特征的最大类间差异性,构建图像的纹理特征图像;然后,采用原始图像与特征鲜明的纹理特征图像并行训练改进的双线性模型,获取双通道特征;最后,基于决策融合构建自适应分类模块,连接原图与纹理集的平均池化特征图进行通道权重提取,根据通道权重融合2个并行神经网络模型的分类向量,得到最优融合分类结果。在KTH-TIPS,KTH-TIPS-2b, UIUC和DTD 4个公共纹理数据集上对模型的分类性能进行评估,分别得到了99.98%、99.95%、99.99%和67.09%的准确率,表明所提模型具有普遍高效的识别性能。 展开更多
关键词 纹理分类 决策融合 深度学习 双线性神经网络 ResNet
在线阅读 下载PDF
基于卷积神经网络的沙丘形态自动分类方法 被引量：1
15
作者 李明 燕洁华 +2 位作者 叶汪忠 董帅 杨泽坤 《干旱区资源与环境》 CSSCI CSCD 北大核心 2024年第5期121-129,共9页
为探究沙丘形态数据集构建及自动分类方法,解决沙丘形态信息数据库缺失等问题,以内蒙古西部典型沙丘为研究对象,通过无人机正射影像技术采集6种典型沙丘形态数据,并结合GF-2号遥感数据采用数据增强方式构建沙丘形态数据集。通过迁移学... 为探究沙丘形态数据集构建及自动分类方法,解决沙丘形态信息数据库缺失等问题,以内蒙古西部典型沙丘为研究对象,通过无人机正射影像技术采集6种典型沙丘形态数据,并结合GF-2号遥感数据采用数据增强方式构建沙丘形态数据集。通过迁移学习策略的VGGNet和ResNet模型对沙丘形态的深层语义特征进行解析与学习,自动获取更具有代表性的图像纹理特征,以此提出一种基于卷积神经网络(CNN)提取不同沙丘形态特征自动分类的方法。结果表明,基于迁移学习的VGG16模型在四种模型中分类准确率最高,达到88.14%;优化后的ResNet18模型与ResNet50模型的分类精度分别从84.04%、85.25%提升到92.79%、88.91%;优化后的ResNet18+模型表现出最佳的分类效果,准确率达到92.79%,更适用于沙丘形态的高精度自动分类。 展开更多
关键词 沙丘形态 卷积神经网络 自动分类 VGGNet ResNet
原文传递
一种面向鱼眼图像的行人检测算法
16
作者 张瑶 刘发炳 +3 位作者 黄国勇 钱俊兵 阮爱国 沈忠明 《现代电子技术》 北大核心 2024年第15期40-46,共7页
鱼眼镜头非线性光学畸变导致鱼眼图像行人检测算法精度低,且校正算法也无法完全克服鱼眼图像的边缘严重变形。针对上述问题,文中以Faster R-CNN架构为基础,建立了鱼眼图像校正光路模型。针对鱼眼图像畸变,提出一种基于微分方程的鱼眼图... 鱼眼镜头非线性光学畸变导致鱼眼图像行人检测算法精度低,且校正算法也无法完全克服鱼眼图像的边缘严重变形。针对上述问题,文中以Faster R-CNN架构为基础,建立了鱼眼图像校正光路模型。针对鱼眼图像畸变,提出一种基于微分方程的鱼眼图像校正模型,并提出一种改进算法用于鱼眼图像的行人检测。构建了ResNet 50融合特征金字塔网络结构,以增强网络的多尺度特征提取能力,提高网络对行人小目标的定位和识别能力;优化平滑L1损失函数解决大梯度难学样本与小梯度易学样本间的不平衡问题,提高训练效果。实验结果表明,文中算法与现有鱼眼图像行人检测算法相比,检测精度提高了39.68%。在边缘轻微畸变及小尺度行人的检测精度可以达到90%以上,有助于提高极端条件下鱼眼图像的行人检测性能。 展开更多
关键词 鱼眼镜头 鱼眼图像 畸变校正 行人检测 Faster R-CNN ResNet 50
在线阅读 下载PDF
融合高效通道注意力的复杂场景违禁品检测 被引量：1
17
作者 崔丽群 李万欣 《辽宁工程技术大学学报（自然科学版）》 CAS 北大核心 2024年第4期494-505,共12页
针对X射线在违禁品检测任务中安检图像色彩存在对比度低、检测精度低、极易出现漏检错检的问题,在快速区域卷积神经网络(Faster R-CNN)算法基础上,通过K-means聚类算法改进锚框(Anchor)的生成方式;提出将高效通道注意力机制(ECANet)引... 针对X射线在违禁品检测任务中安检图像色彩存在对比度低、检测精度低、极易出现漏检错检的问题,在快速区域卷积神经网络(Faster R-CNN)算法基础上,通过K-means聚类算法改进锚框(Anchor)的生成方式;提出将高效通道注意力机制(ECANet)引入到感兴趣池化层(ROIpooling)后,突出违禁品的轮廓、色彩等信息。本文算法在S_DXray数据集上的m AP达到92.06%,改进后网络模型检测精度提高5.06个百分点。有效提高X射线图像违禁品检测的精度和小尺度目标的检测能力,有效避免错检、漏检的现象。 展开更多
关键词 目标检测 X射线图像 残差网络 特征金字塔 K均值聚类 快速区域卷积神经网络 高效通道注意力机制
原文传递
基于CNN-BiLSTM及ResNet网络的板中损伤TFM定位与检测研究 被引量：1
18
作者 颜劲夫 何其骏 +1 位作者 瞿业峰 李义丰 《南京大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第4期566-576,共11页
针对全聚焦(Total Focusing Method,TFM)成像技术因其耗时长,在工业应用中受限的问题,提出一种基于CNN-BiLSTM(Convolutional Neural Network-Bi-directional Long Short-Term Memory)网络的快速TFM成像方法,首先利用卷积神经网络从全... 针对全聚焦(Total Focusing Method,TFM)成像技术因其耗时长,在工业应用中受限的问题,提出一种基于CNN-BiLSTM(Convolutional Neural Network-Bi-directional Long Short-Term Memory)网络的快速TFM成像方法,首先利用卷积神经网络从全矩阵数据中提取关键特征,接着结合双向长短期记忆网络来预测金属板上损伤的区域位置,再使用TFM技术在损伤区域进行精确成像.为了进一步提升损伤检测的准确性,引入基于ResNet网络的损伤尺寸检测方法以实现对损伤大小的精确检测.为了验证方法的有效性,利用有限元分析软件ABAQUS建立三维铝板仿真模型,并通过模型变换构建神经网络数据集.实验结果表明,与传统全聚焦成像方法相比,CNN-BiLSTM网络展现出较高的区域定位精度,定位准确率达到95.26%,并具有显著的效率优势,平均定位速度提升了46.4%;同时,损伤尺寸大小的检测结果验证了基于ResNet网络的方法在损伤尺寸评估方面的有效性和准确性,在测试集上达到了99.26%的准确率. 展开更多
关键词 LAMB波 TFM 损伤检测 CNN-BiLSTM ResNet
在线阅读 下载PDF
基于文本⁃视觉多特征融合的非法网站识别研究
19
作者 熊凌龙 何月顺 +2 位作者 陈杰 杜萍 韩鑫豪 《现代电子技术》 北大核心 2024年第9期97-103,共7页
当前非法网站存在隐蔽性强、危害性高的特点,仅依赖单一特征的网站识别方法无法有效应对这种复杂性。针对上述问题,文中提出一种基于文本⁃视觉多特征融合的非法网站识别方法。首先构建基于ResNet⁃18的视觉特征提取模型和基于BERT⁃CNN的... 当前非法网站存在隐蔽性强、危害性高的特点,仅依赖单一特征的网站识别方法无法有效应对这种复杂性。针对上述问题,文中提出一种基于文本⁃视觉多特征融合的非法网站识别方法。首先构建基于ResNet⁃18的视觉特征提取模型和基于BERT⁃CNN的文本特征提取模型;然后通过设计的基于逻辑回归(LR)的融合算法对两种模型的分类结果进行融合;最后通过多轮次迭代训练得出最佳的非法网站判别模型。实验结果表明,文中构建的融合模型相较于依赖文本和视觉的单一特征模型的准确率分别高出4%和11%,能够更准确地识别非法网站。 展开更多
关键词 非法网站识别 多特征融合 BERT ResNet CNN 深度学习
在线阅读 下载PDF
基于改进Faster R-CNN的绝缘子缺陷检测识别与定位 被引量：4
20
作者 贺元帅 纪超 +3 位作者 王博雅 贾星海 张凡 李小兵 《电工技术》 2024年第1期176-179,共4页
针对现有算法对绝缘子检测精度不高的问题,在Faster R-CNN算法的基础上进行改进,利用检测效果更好、性能更优的ResNet50代替原始VGG网络进行缺陷识别。实验结果表明,改进算法在数据集上的mAP达到77.29%,召回率达到87.55%,与其他经典算... 针对现有算法对绝缘子检测精度不高的问题,在Faster R-CNN算法的基础上进行改进,利用检测效果更好、性能更优的ResNet50代替原始VGG网络进行缺陷识别。实验结果表明,改进算法在数据集上的mAP达到77.29%,召回率达到87.55%,与其他经典算法相比具有更好的准确性与较强的实时性。 展开更多
关键词 绝缘子 准确性 实时性 Faster R-CNN Resnet网络
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 … 5 下一页 到第 页
使用帮助 返回顶部