期刊导航
期刊开放获取
vip
退出
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
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
检索
高级检索
期刊导航
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
KDTGAN:基于Transformer-GAN和知识蒸馏的高光谱目标检测
1
作者
谢雯
闪晨超
+1 位作者
张哲哲
张嘉鹏
《遥测遥控》
2024年第2期10-17,共8页
高光谱目标检测在地球观测中至关重要,被广泛应用于军事和民用领域。然而,由于高光谱图像的背景复杂性和目标样本的有限性,该任务面临较大的挑战。本文首先采用CEM (约束能量最小化)粗检测方法提取背景数据。随之,引入了一种新的知识蒸...
高光谱目标检测在地球观测中至关重要,被广泛应用于军事和民用领域。然而,由于高光谱图像的背景复杂性和目标样本的有限性,该任务面临较大的挑战。本文首先采用CEM (约束能量最小化)粗检测方法提取背景数据。随之,引入了一种新的知识蒸馏模型,即KDTGAN (通过Transformer-GAN实现)。教师模型的生成器采用了Transformer编码器的结构,并结合多尺度数据融合的方法,能够准确地学习背景分布,进而通过重构背景信息实现目标检测。为了克服GAN(生成对抗网络)训练不稳定的挑战,特别是纯背景数据的稀缺性,本文提出了一种新的损失算法,以减小可疑目标样本对模型性能的负面影响。为了降低模型的计算负担,本文引入知识蒸馏,并设计新的蒸馏损失对学生模型加以约束,使模型轻量化的同时提高学生模型检测精度。实验结果表明:KDTGAN相较于当前检测方法表现更优,具有更高的检测精度和鲁棒性。
展开更多
关键词
高光谱图像
目标检测
知识蒸馏
生成对抗网络
transformer-gan
在线阅读
下载PDF
职称材料
考虑局部纹理特征和全局温度分布的电力设备红外图像超分辨率重建方法
被引量:
1
2
作者
赵洪山
王惠东
+5 位作者
刘婧萱
杨伟新
李忠航
林诗雨
余洋
吕廷彦
《电力系统保护与控制》
北大核心
2025年第2期89-99,共11页
针对传统电力设备红外图像超分辨率重建方法缺乏对设备局部纹理特征和全局温度分布的考虑导致重建后图像分辨率较低的问题,提出一种基于Transformer-GAN聚合网络的电力设备超分辨率重建方法。首先,基于移位卷积设计电力设备局部特征提...
针对传统电力设备红外图像超分辨率重建方法缺乏对设备局部纹理特征和全局温度分布的考虑导致重建后图像分辨率较低的问题,提出一种基于Transformer-GAN聚合网络的电力设备超分辨率重建方法。首先,基于移位卷积设计电力设备局部特征提取模块,在不增加参数情况下扩展卷积的感受野,提取电力设备局部纹理及其周围不同空间维度特征的信息。然后,引入全局特征提取模块,通过深度卷积和空间注意力机制捕捉图像不同区域间温度分布的关联性。最后,采用UNet编解码器网络融合各层局部特征和全局表示,生成清晰自然的电力设备红外图像。算例结果表明,所提方法的峰值信噪比(peak signal-to-noise ratio,PSNR)、结构相似性(structural similarity,SSIM)、和视觉信息保真度(visual information fidelity,VIF)三项评价指标均优于其他方法。同时它具有良好的主观视觉效果,泛化能力较强。
展开更多
关键词
电力设备
红外图像
超分辨率重建
局部纹理特征
全局温度分布
transformer-gan
在线阅读
下载PDF
职称材料
题名
KDTGAN:基于Transformer-GAN和知识蒸馏的高光谱目标检测
1
作者
谢雯
闪晨超
张哲哲
张嘉鹏
机构
西安邮电大学通信与信息工程学院
出处
《遥测遥控》
2024年第2期10-17,共8页
基金
国家自然科学基金(61901365,62071379)
陕西省自然科学基金(2019JQ-377)
+1 种基金
陕西省教育厅专项科研计划(19JK0805)
西安邮电大学西邮新星团队项目(xyt2016-01)。
文摘
高光谱目标检测在地球观测中至关重要,被广泛应用于军事和民用领域。然而,由于高光谱图像的背景复杂性和目标样本的有限性,该任务面临较大的挑战。本文首先采用CEM (约束能量最小化)粗检测方法提取背景数据。随之,引入了一种新的知识蒸馏模型,即KDTGAN (通过Transformer-GAN实现)。教师模型的生成器采用了Transformer编码器的结构,并结合多尺度数据融合的方法,能够准确地学习背景分布,进而通过重构背景信息实现目标检测。为了克服GAN(生成对抗网络)训练不稳定的挑战,特别是纯背景数据的稀缺性,本文提出了一种新的损失算法,以减小可疑目标样本对模型性能的负面影响。为了降低模型的计算负担,本文引入知识蒸馏,并设计新的蒸馏损失对学生模型加以约束,使模型轻量化的同时提高学生模型检测精度。实验结果表明:KDTGAN相较于当前检测方法表现更优,具有更高的检测精度和鲁棒性。
关键词
高光谱图像
目标检测
知识蒸馏
生成对抗网络
transformer-gan
Keywords
Hyperspectral
Target detection
Knowledge distillation
GAN
transformer-gan
分类号
TP751 [自动化与计算机技术—检测技术与自动化装置]
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
考虑局部纹理特征和全局温度分布的电力设备红外图像超分辨率重建方法
被引量:
1
2
作者
赵洪山
王惠东
刘婧萱
杨伟新
李忠航
林诗雨
余洋
吕廷彦
机构
华北电力大学电气与电子工程学院
国网冀北电力有限公司电力科学研究院
出处
《电力系统保护与控制》
北大核心
2025年第2期89-99,共11页
基金
国家自然科学基金项目资助(52077078)
国家电网公司科技项目资助(52018K22001P)。
文摘
针对传统电力设备红外图像超分辨率重建方法缺乏对设备局部纹理特征和全局温度分布的考虑导致重建后图像分辨率较低的问题,提出一种基于Transformer-GAN聚合网络的电力设备超分辨率重建方法。首先,基于移位卷积设计电力设备局部特征提取模块,在不增加参数情况下扩展卷积的感受野,提取电力设备局部纹理及其周围不同空间维度特征的信息。然后,引入全局特征提取模块,通过深度卷积和空间注意力机制捕捉图像不同区域间温度分布的关联性。最后,采用UNet编解码器网络融合各层局部特征和全局表示,生成清晰自然的电力设备红外图像。算例结果表明,所提方法的峰值信噪比(peak signal-to-noise ratio,PSNR)、结构相似性(structural similarity,SSIM)、和视觉信息保真度(visual information fidelity,VIF)三项评价指标均优于其他方法。同时它具有良好的主观视觉效果,泛化能力较强。
关键词
电力设备
红外图像
超分辨率重建
局部纹理特征
全局温度分布
transformer-gan
Keywords
power equipment
infrared image
super-resolution reconstruction
local texture features
global temperature distribution
transformer-gan
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
TN219 [电子电信—物理电子学]
TM50 [电气工程—电器]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
KDTGAN:基于Transformer-GAN和知识蒸馏的高光谱目标检测
谢雯
闪晨超
张哲哲
张嘉鹏
《遥测遥控》
2024
0
在线阅读
下载PDF
职称材料
2
考虑局部纹理特征和全局温度分布的电力设备红外图像超分辨率重建方法
赵洪山
王惠东
刘婧萱
杨伟新
李忠航
林诗雨
余洋
吕廷彦
《电力系统保护与控制》
北大核心
2025
1
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部