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101篇文章
< 1 2 … 6 >
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RT-DETR的有遮挡交通标志检测算法
1
作者 于天河 杨壮壮 +2 位作者 胡金帅 常梦瑶 王文龙 《工程科学学报》 北大核心 2026年第2期393-408,共16页
针对交通标志检测中目标尺寸小、检测精度低等问题,尤其是在远距离拍摄、遮挡严重的情况下,传统检测算法往往难以准确识别交通标志.本文提出了一种基于改进RT-DETR的交通标志检测算法.首先,考虑到当前交通标志被遮挡情况下数据集的匮乏... 针对交通标志检测中目标尺寸小、检测精度低等问题,尤其是在远距离拍摄、遮挡严重的情况下,传统检测算法往往难以准确识别交通标志.本文提出了一种基于改进RT-DETR的交通标志检测算法.首先,考虑到当前交通标志被遮挡情况下数据集的匮乏,自建一个遮挡条件下的交通标志数据集.然后,在反向残差移动块中引入膨胀重参数块,构建了一个轻量级的复合膨胀残差块来替换原始主干提取网络中的BasicBlock,增强了模型的特征提取能力.最后,对RT-DETR模型的损失函数进行了优化,提出了DS-IoU联合损失函数加快收模型敛速度.实验结果表明,改进后的算法在自制数据集上的m AP为94.2%,相比于原始算法增加量为4.7%,在公开数据集TT100K和CCTSDB2021的m AP分别为92.8%和91.7%,相比于原始算法增加量分别为3.1%和2.4%,Params和GFLOPs相比于原始的算法分别降低了26.0%和12.5%.本文提出的改进方法极大地减少了计算量和参数数量,有效提升了遮挡情况下的交通标志的检测精度. 展开更多
关键词 交通标志检测 RT-DETR 遮挡数据集 轻量化 联合损失函数
在线阅读 下载PDF
基于多尺度注意力UNet++的地震层位识别方法 被引量：1
2
作者 杨润湉 马强 +3 位作者 王志宝 李菲 吴钧 王如意 《石油物探》 北大核心 2025年第2期315-327,共13页
现有基于深度学习的层位识别方法通常在地震振幅信号特征方面进行处理,而地层之间上、下位置的空间关系、不同尺度特征未得到充分关注,导致普通深度学习网络在识别多个地震层位时容易产生层位识别结果连续性不强和错层等问题。为了充分... 现有基于深度学习的层位识别方法通常在地震振幅信号特征方面进行处理,而地层之间上、下位置的空间关系、不同尺度特征未得到充分关注,导致普通深度学习网络在识别多个地震层位时容易产生层位识别结果连续性不强和错层等问题。为了充分利用层位之间的空间位置关系及多尺度特征,使用MultiResBlock多尺度残差模块、CBAM注意力与UNet++,提出了基于多尺度注意力UNet++的层位识别方法 (MR_CBAM_UNet++)。该方法利用MultiResBlock提取更多层位尺度特征,采用CBAM注意力模块以减少非目标层的振幅信号干扰,利用Focal Loss与Dice Loss组成的联合损失函数对网络进行训练。最后,加入唯一性约束对模型识别结果优化得到层位识别结果。在实际地震数据上的评价结果显示,MR_CBAM_UNet++模型相比于传统模型,对非层位信息的抑制能力和复杂地势下层位的识别能力均有很大提升。在测试集上,层位识别结果的准确率达到了86.19%,有效缓解了层位解释连续性不强和错层等问题,唯一性约束也使层位识别结果更贴近实际。 展开更多
关键词 地震层位解释 UNet++ CBAM注意力模块 MultiResBlock多尺度残差模块 联合损失函数
在线阅读 下载PDF
基于自适应卷积与联合损失函数的人脸图像超分辨率重建 被引量：2
3
作者 李培育 张雅丽 +1 位作者 张奕博 赵益辰 《科学技术与工程》 北大核心 2025年第6期2442-2452,共11页
针对当前人脸图像超分辨率重建算法模型卷积单一、感受野不足、单判别网络反馈信息不精确等问题,设计了一种基于自适应卷积与联合损失函数的算法。模型使用生成对抗网络架构,生成器方面,使用自适应卷积构造双路残差块并进一步组成高效... 针对当前人脸图像超分辨率重建算法模型卷积单一、感受野不足、单判别网络反馈信息不精确等问题,设计了一种基于自适应卷积与联合损失函数的算法。模型使用生成对抗网络架构,生成器方面,使用自适应卷积构造双路残差块并进一步组成高效的残差组,能自主学习在不同感受野下提取到的特征权重并补充单一支路遗漏的信息。判别器方面使用Vgg与U-net架构网络作为双判别网络,并使用双判别结果计算对抗损失,该损失与内容损失、感知损失组成联合损失函数。在celeba数据集上的实验表明,该算法与RWSA算法相比峰值信噪比(peak signal noise ratio,PSNR)值提高1.166 dB,结构相似度(structure similarity,SSIM)值提高0.037,学习感知图像块相似度(learned perceptual image patch similarity,LPIPS)值优化0.033,感知因子(perceptual index,PI)指标优化0.119,与其他多种主流算法相比在图像细节清晰度方面具有优势。 展开更多
关键词 超分辨率重建 自适应卷积 联合损失函数 生成对抗网络 卷积神经网络
在线阅读 下载PDF
用于环形伪影去除的非线性无激活卷积去噪网络
4
作者 唐瑶瑶 朱叶晨 +1 位作者 刘仰川 高欣 《计算机应用》 北大核心 2025年第S1期67-71,共5页
环形伪影通常由探测器像素非均匀响应导致,在计算机断层扫描(CT)图像中呈现为同心多层圆环。该伪影会导致CT图像清晰度和CT值准确性的下降,进而影响医生对病灶的诊断。为此,提出一种用于CT图像环形伪影去除的非线性无激活卷积去噪网络(N... 环形伪影通常由探测器像素非均匀响应导致,在计算机断层扫描(CT)图像中呈现为同心多层圆环。该伪影会导致CT图像清晰度和CT值准确性的下降,进而影响医生对病灶的诊断。为此,提出一种用于CT图像环形伪影去除的非线性无激活卷积去噪网络(NAF-CDNet)。所提网络通过在一种U型网络中引入非线性无激活(NAF)网络模块和联合损失函数减少计算量,同时保持图像结构和灰度。为训练和测试所提网络,利用螺旋CT图像制作仿真数据,并利用锥束CT采集真实数据。在仿真数据测试中,相较于UNet,NAF-CDNet的峰值信噪比(PSNR)和结构相似性(SSIM)分别提升了0.377 7 dB、0.015 5,均方根误差(RMSE)和平均绝对误差(MAE)分别下降了3.092 6、3.229 2,参数量和计算量分别减少了30.8×10^(6)、2.29×10^(9)浮点运算次数(FLOPs)。在真实数据测试中,相较于2个传统算法和5个深度学习网络,NAF-CDNet的主观评价更好。这些结果表明,所提网络在环形伪影去除方面表现优异,具备潜在应用价值。 展开更多
关键词 计算机断层扫描图像 环形伪影去除 深度学习 非线性无激活 联合损失函数
在线阅读 下载PDF
基于联合损失函数和组合对比学习的语义嵌入方法
5
作者 高晓欣 陆谣 +3 位作者 孔祥茂 刘玉玺 邓伟 杨淞皓 《电信科学》 北大核心 2025年第7期96-107,共12页
对比学习在语义嵌入中表现出色,能够通过捕捉数据样本间的关系提升模型的表示能力。然而,其效果主要受正样本构建和目标函数选择的影响。正样本需要精心设计,以确保模型能有效识别有意义的相似性并减少噪声干扰。为此,提出一种新方法,... 对比学习在语义嵌入中表现出色,能够通过捕捉数据样本间的关系提升模型的表示能力。然而,其效果主要受正样本构建和目标函数选择的影响。正样本需要精心设计,以确保模型能有效识别有意义的相似性并减少噪声干扰。为此,提出一种新方法,通过拆分、编码、聚合和投射文本来构建正样本。文本被分解为片段,编码用于提取语义内容,聚合用于突出关系,最终投射到适合学习的语义空间。此外,设计了两种监督损失函数,与标准对比损失相辅相成,以增强语义空间的区分性,从而提升模型辨别能力。实验结果表明,该方法在2个公开数据集和1个私有数据集上表现出色,显著提升了语义嵌入质量,解决了对比学习的核心挑战,并为其在自然语言处理领域的进一步应用奠定了基础。 展开更多
关键词 对比学习 句子嵌入 语义相似度 文本分类 联合损失函数
在线阅读 下载PDF
基于多分支残差注意力网络的水下图像增强 被引量：1
6
作者 程竹明 李佳轩 +2 位作者 黄三傲 韩立超 王培珍 《光学精密工程》 北大核心 2025年第7期1141-1151,共11页
针对水下图像存在的颜色失真、对比度低、细节模糊等问题,提出一种基于多分支残差注意力网络的水下图像增强算法。该网络在编码器和解码器的前后分别引入多分支色彩增强模块,用来自适应校正图像的颜色偏差,在网络颈部设计了残差注意力模... 针对水下图像存在的颜色失真、对比度低、细节模糊等问题,提出一种基于多分支残差注意力网络的水下图像增强算法。该网络在编码器和解码器的前后分别引入多分支色彩增强模块,用来自适应校正图像的颜色偏差,在网络颈部设计了残差注意力模块,以减少编码器和解码器之间的特征丢失,从而增强图像细节;最后,构造了联合特征损失函数,确保网络能够学习到图像的丰富特征,在改善图像色彩的同时可以有效保留边缘信息。分别利用LUSI和EVUP两种测试集与6种先进方法进行了对比,实验结果表明:通过本文算法增强后的图像在主观感受和客观评价上均取得了最优指标,在LUSI测试集上,平均峰值信噪比(PSNR)和结构相似度(SSIM)分别达到27.420 dB,0.885,与次优方法相比提高了3.9%和0.8%;在EVUP测试集上,PSNR和SSIM分别达到26.159 dB和0.851,与次优方法相比提高了3.3%和1.3%。该算法具有良好的图像质量增强效果与稳定性,可以为水下工程中的图像分析提供一种有效的方法。 展开更多
关键词 水下图像增强 深度学习 残差注意力模块 多分支色彩增强模块 注意力机制 联合损失函数
在线阅读 下载PDF
基于神经盲反卷积时频域去噪的电能质量扰动联合识别方法
7
作者 郑博妍 袁至 李骥 《电力系统保护与控制》 北大核心 2025年第21期50-61,共12页
现有的电能质量扰动(power quality disturbances,PQDs)去噪算法存在易丢弃真实信号、去噪效果差、无法识别1/f噪声和Laplace噪声等缺点。为提高噪声下PQDs识别精度和效率,提出一种基于神经盲反卷积(neural blind deconvolution,NBD)时... 现有的电能质量扰动(power quality disturbances,PQDs)去噪算法存在易丢弃真实信号、去噪效果差、无法识别1/f噪声和Laplace噪声等缺点。为提高噪声下PQDs识别精度和效率,提出一种基于神经盲反卷积(neural blind deconvolution,NBD)时频域去噪的PQDs联合识别方法。首先,构建由NBD与Transformer组成的联合识别模型,NBD整合了时域二次卷积滤波器和频域线性滤波器以实现去噪功能。Transformer负责从去噪后数据中提取特征并进行分类任务。其次,为保证训练效果最优,提出了基于贝叶斯不确定性的动态加权策略,构建由峰度、包络谱目标函数和交叉熵损失组成的联合损失函数对所提模型进行优化。最后,基于IEEE Std 1159-2019标准生成25类PQDs并进行仿真实验。仿真结果表明,该方法实现了不同噪声类型下PQDs的准确识别,相较于其他方法具备更优的F1分数、Params、FLOPs等,提高了去噪性能、识别精度和效率。 展开更多
关键词 神经盲反卷积 时域二次神经滤波器 频域线性神经滤波器 时频域去噪 联合损失函数 电能质量扰动
在线阅读 下载PDF
基于注意力循环神经网络的联合深度推荐模型 被引量：1
8
作者 郭东坡 何彬 +1 位作者 张明焱 段超 《现代电子技术》 北大核心 2025年第1期80-84,共5页
为了向用户推荐符合兴趣偏好的项目,设计一种基于注意力循环神经网络的联合深度推荐模型。将双层注意力机制设置于网络中,该模型由五个部分构成,在输入层中生成联合深度推荐模型的输入矩阵,通过序列编码层对项目评论文本语义展开正向和... 为了向用户推荐符合兴趣偏好的项目,设计一种基于注意力循环神经网络的联合深度推荐模型。将双层注意力机制设置于网络中,该模型由五个部分构成,在输入层中生成联合深度推荐模型的输入矩阵,通过序列编码层对项目评论文本语义展开正向和反向编码,获得隐藏状态输出,并将其输入双层注意力机制中,提取项目特征,利用全连接层提取用户偏好特征。在预测层中建立项目与用户的交互模型,获得项目评分,为用户推荐高评分的项目。为了提高模型精度,加权融合MSE损失函数、CE损失函数和RK损失函数建立组合损失函数,对深度联合训练模型展开训练,提高模型的推荐性能。仿真结果表明,所提方法具有良好的推荐效果,能够适应不断变化的市场需求和用户行为。 展开更多
关键词 双层注意力机制 循环神经网络 用户偏好 组合损失函数 交互模型 联合深度推荐模型
在线阅读 下载PDF
联合特征胶囊网络在车型精准分类中的应用
9
作者 周云飞 余明艳 《广东交通职业技术学院学报》 2025年第3期44-48,128,共6页
车型精准分类是智能交通领域的研究重点。传统的基于卷积神经网络的车辆分类方法无法表达特征之间的关系,容易造成误判。为解决上述问题,引入胶囊网络,采用不同的卷积核提取不同的特征,再综合表征它们空间关系的联合特征,并采用二值交... 车型精准分类是智能交通领域的研究重点。传统的基于卷积神经网络的车辆分类方法无法表达特征之间的关系,容易造成误判。为解决上述问题,引入胶囊网络,采用不同的卷积核提取不同的特征,再综合表征它们空间关系的联合特征,并采用二值交叉熵函数作为损失函数,加大对错误分类的惩罚。这一方法可用于车型分类,在训练集和测试集上的分类准确率分别达到99.8%和97.7%,在某些照明不足的场景中仍可保持较高的准确率。 展开更多
关键词 车型精准分类 卷积神经网络 胶囊网络 损失函数 联合特征
在线阅读 下载PDF
基于多路卷积神经网络的大田小麦赤霉病图像识别 被引量：36
10
作者 鲍文霞 孙庆 +3 位作者 胡根生 黄林生 梁栋 赵健 《农业工程学报》 EI CAS CSCD 北大核心 2020年第11期174-181,共8页
为了准确地识别小麦病害,及时采取防治措施,减少农药施用的成本,同时减少农业生态环境的污染,该研究以灌浆期感染赤霉病的小麦麦穗图像为研究对象,根据病变区域与健康区域的颜色分布特点,设计了一种多路卷积神经网络用于小麦赤霉病图像... 为了准确地识别小麦病害,及时采取防治措施,减少农药施用的成本,同时减少农业生态环境的污染,该研究以灌浆期感染赤霉病的小麦麦穗图像为研究对象,根据病变区域与健康区域的颜色分布特点,设计了一种多路卷积神经网络用于小麦赤霉病图像的识别。首先利用深度语义分割网络U-Net对大田环境下的小麦图像进行分割,去除小麦叶片及其他无关背景的影响,从而分割出麦穗图像。然后设计结构较为简单的多路卷积神经网络分别提取麦穗图像R、G、B 3个通道的特征,通过特征融合获得具有高辨识性的麦穗图像语义特征。最后,为了增大赤霉病和健康麦穗图像特征之间的可区分性,同时减小赤霉病麦穗图像类内特征的差异,采用联合损失函数进一步改善网络的性能。该研究对采集的大田环境下的510幅灌浆期小麦群体图像进行分割,选取2745幅完整单株麦穗图像利用所设计的多路卷积神经网络进行赤霉病识别试验,结果表明该研究所提算法对单株麦穗赤霉病识别精度达到100%,能够为小麦病害的智能识别提供帮助。 展开更多
关键词 图像识别 农作物 病害 小麦赤霉病 多路卷积神经网络 联合损失函数
在线阅读 下载PDF
基于深度卷积神经网络的地震震相拾取方法研究 被引量：28
11
作者 李健 王晓明 +3 位作者 张英海 王卫东 商杰 盖磊 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2020年第4期1591-1606,共16页
地震震相拾取是地震数据自动处理的首要环节,包括了信号检测、到时估计和震相识别等过程,震相拾取的准确性直接影响到后续事件关联处理的性能,影响观测报告的质量.为了提高震相拾取的准确性,进而提高观测报告质量,本文采用深度卷积神经... 地震震相拾取是地震数据自动处理的首要环节,包括了信号检测、到时估计和震相识别等过程,震相拾取的准确性直接影响到后续事件关联处理的性能,影响观测报告的质量.为了提高震相拾取的准确性,进而提高观测报告质量,本文采用深度卷积神经网络方法来解决震相拾取问题,构建了多任务卷积神经网络模型,设计了分类和回归的联合损失函数,定义了基于加权的分类损失函数,以三分量地震台站的波形数据作为输入,同时实现对震相的检测识别和到时的精确估计.利用美国南加州地震台网的200万条震相和噪声数据对模型进行训练、验证和测试,对于测试集中直达波P、S震相识别的查全率达到98%以上,到时估计的标准偏差分别为0.067s,0.082s.利用迁移学习和数据增强,将模型用于对我国东北地区台网的6个台站13000条数据的训练、验证和测试中,对该数据集P、S震相查全率分别达到91.21%、85.65%.基于迁移训练后的模型,设计了用于连续数据的震相拾取方法,利用连续的地震数据对该算法进行了实际应用测试,并与国家数据中心和中国地震局的观测报告进行比对,该方法的震相检测识别率平均可达84.5%,验证了该方法在实际应用中的有效性.本文所提出的方法展示了深度神经网络在地震震相拾取中的优异性能,为地震震相和事件的检测识别提供了新的思路. 展开更多
关键词 多任务卷积神经网络 震相拾取 联合损失函数 迁移学习
在线阅读 下载PDF
基于联合深度学习的地震数据随机噪声压制 被引量：18
12
作者 张岩 李新月 +2 位作者 王斌 李杰 董宏丽 《石油地球物理勘探》 EI CSCD 北大核心 2021年第1期9-25,56,I0007,共19页
噪声压制是地震资料处理中的一项关键任务。根据不同噪声的形成机制、特性,可以采用不同的压制方法,使地震资料的信噪比达到预期,提高后续地震资料处理和解释的效率和精度。现有基于深度学习的地震数据去噪方法,通常仅关注单一时域或频... 噪声压制是地震资料处理中的一项关键任务。根据不同噪声的形成机制、特性,可以采用不同的压制方法,使地震资料的信噪比达到预期,提高后续地震资料处理和解释的效率和精度。现有基于深度学习的地震数据去噪方法,通常仅关注单一时域或频域的特征提取,导致局部过平滑或纹理模糊的现象;此外,传统卷积神经网络的卷积核往往采用固定较小的尺寸,限制了感受野大小,容易导致地震数据特征信息提取不充分。为此,提出一种基于联合深度学习的地震数据随机噪声压制方法。首先,考虑时域和频域两方面的特征信息,利用联合误差定义损失函数,改善特征提取效果;其次,通过分析卷积核大小和网络深度对感受野大小的影响,采用扩充卷积的方式,增加地震数据特征提取的多样性,减少地震数据细节的损失;再次,根据网络输入与输出数据具有相似性的特点,引入残差学习策略;最后,利用批归一化算法加快模型收敛,提高地震数据去噪效率。与同类算法对比实验表明,应用所提出的方法可得到更好的同相轴纹理保持效果和较高的信噪比。 展开更多
关键词 地震数据噪声压制 深度学习 联合损失函数 扩充卷积 残差网络 纹理 信噪比
在线阅读 下载PDF
基于不完备频响函数辨识结合部等效参数的研究 被引量：11
13
作者 蔡力钢 李玲 +2 位作者 郭铁能 刘志峰 赵永胜 《振动工程学报》 EI CSCD 北大核心 2011年第4期345-350,共6页
研究了输出信息不完备情况下结合部等效动力学参数的辨识问题,阐述了一种较为通用的结合部等效动力学参数辨识方法。首先采用实验与有限元法相结合,辨识出试验中难以获取的频响函数,构造出完备频响函数。然后通过完备频响函数,运用迭代... 研究了输出信息不完备情况下结合部等效动力学参数的辨识问题,阐述了一种较为通用的结合部等效动力学参数辨识方法。首先采用实验与有限元法相结合,辨识出试验中难以获取的频响函数,构造出完备频响函数。然后通过完备频响函数,运用迭代算法辨识出结合部等效动力学参数。在辨识过程中,建立损失函数模型,将问题转化为求解损失函数的最小值问题。该方法不需要求出模态参数,所以同样适用于大阻尼系统或者模态密集系统的结合部参数辨识。由于只需部分易测的频响函数,所以具有很好的工程应用性。最后通过算例验证了本方法具有很高的辨识精度。 展开更多
关键词 参数辨识 频响函数 结合部 有限元法 损失函数
在线阅读 下载PDF
基于时频联合损失函数的语音增强算法 被引量：8
14
作者 高戈 王霄 +2 位作者 曾邦 尹文兵 陈怡 《计算机应用》 CSCD 北大核心 2022年第S01期316-320,共5页
在频域语音增强算法中,由于估计幅度谱与带噪相位谱的不匹配,其性能难以突破固有上限。在时域语音增强框架中,模型将时域波形作为输入,由网络直接学习时域波形之间的映射关系,有效地避免了无效短时傅里叶变换(STFT)问题。然而,常见的采... 在频域语音增强算法中,由于估计幅度谱与带噪相位谱的不匹配,其性能难以突破固有上限。在时域语音增强框架中,模型将时域波形作为输入,由网络直接学习时域波形之间的映射关系,有效地避免了无效短时傅里叶变换(STFT)问题。然而,常见的采用波形最小均方误差的时域语音增强算法对语音频域特征的建模并未达到最优。针对这个问题,提出一种基于时频联合损失函数的语音增强算法。首先将时频联合损失函数应用到Wave-U-Net时域语音增强网络,同时设计并分析了一阶范数形式和二阶范数形式的时频联合损失函数对增强网络的影响,最后得到了面向语音通信任务和语音识别任务的相对最佳损失函数选择方案。实验结果表明,相较于采用时域损失的增强网络,采用面向语音通信时最佳联合损失函数的增强网络在语音质量的感知评估(PESQ)和短时目标清晰度(STOI)分别实现了3.6%和2.30%的相对提升,采用面向语音识别时最佳联合损失函数的增强网络在字符错误率(CER)上实现了1.82%的相对降低。相较于Wave-U-Net时域语音增强网络,该算法有更好的噪声抑制效果,在后端语音识别任务中表现更为优秀。 展开更多
关键词 时域语音增强 联合损失函数 语音通信 语音识别 深度学习
在线阅读 下载PDF
基于联合小波域深度学习的地震数据规则化方法 被引量：5
15
作者 张岩 李杰 +2 位作者 王斌 李新月 董宏丽 《石油地球物理勘探》 EI CSCD 北大核心 2022年第4期777-788,I0002,共13页
数据规则化是地震资料处理的关键步骤之一,基于物理建模的传统方法计算量大且不具备广泛适用性。当前基于卷积神经网络的地震数据规则化方法通常局限在时域,尤其在低采样率条件下,重建数据过于平滑,纹理细节信息损失严重。小波分析具有... 数据规则化是地震资料处理的关键步骤之一,基于物理建模的传统方法计算量大且不具备广泛适用性。当前基于卷积神经网络的地震数据规则化方法通常局限在时域,尤其在低采样率条件下,重建数据过于平滑,纹理细节信息损失严重。小波分析具有多尺度、多方向的特性,更适于表示二维数据的纹理特性,可以聚焦地震数据信号的细节信息。为此,提出一种联合小波域的卷积神经网络模型,学习地震数据在时域与小波域的联合分布特征以逼近实际数据,将不规则地震数据重建问题转化为在卷积神经网络框架下各尺度不同方向分量的小波系数预测,重建规则化的地震数据;构建时域与小波域的联合损失函数,结合地震数据的整体分布和局部细节特征,约束网络模型,通过修正联合损失函数的权重调整卷积神经网络学习的注意力,提高重建地震数据信噪比。实验结果表明,与其他方法对比,该方法细节保持效果更好,对地震数据缺失位置不敏感,更具鲁棒性。 展开更多
关键词 地震数据规则化 深度学习 联合损失函数 小波变换 卷积神经网络
在线阅读 下载PDF
基于场景流的可变速率动态点云压缩 被引量：2
16
作者 江照意 邹文钦 +2 位作者 郑晟豪 宋超 杨柏林 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第2期279-287,333,共10页
针对现有的动态点云压缩神经网络需要训练多个网络模型的问题,提出基于场景流的可变速率动态点云压缩网络框架.网络以原始动态点云为输入,利用场景流网络进行运动向量估计,在压缩运动向量和残差的同时,引入通道增益模块对隐向量通道进... 针对现有的动态点云压缩神经网络需要训练多个网络模型的问题,提出基于场景流的可变速率动态点云压缩网络框架.网络以原始动态点云为输入,利用场景流网络进行运动向量估计,在压缩运动向量和残差的同时,引入通道增益模块对隐向量通道进行评估和缩放,实现可变速率控制.通过综合考虑运动向量损失和率失真损失,设计新的联合训练损失函数,用来端到端地训练整个网络框架.为了解决动态点云数据集缺少真实运动信息标签的问题,基于AMASS数据集制作带有运动向量标签的人体数据集,用于网络的训练.实验结果显示,与现有的基于深度学习动态点云压缩方法相比,该方法的压缩比特率下降了几个数量级,与静态压缩网络单独处理每帧的重构效果相比,该方法有5%~10%的提升. 展开更多
关键词 动态点云压缩 可变速率 联合损失函数 场景流网络
在线阅读 下载PDF
全膝关节置换术关节腔加压灌注的临床效果 被引量：2
17
作者 姜波 付新生 +2 位作者 蔡翔宇 张其川 崔银江 《中国矫形外科杂志》 CAS CSCD 北大核心 2021年第2期114-118,共5页
[目的]探讨全膝关节置换术(total knee arthroplasty, TKA)术后采用关节腔加压灌注的临床效果。[方法] 2017年2月~2018年12月,纳入TKA手术的患者176例并依据随机数字表法分为两组;其中92例于TKA术毕加压灌注氨甲环酸生理盐水,84例术毕... [目的]探讨全膝关节置换术(total knee arthroplasty, TKA)术后采用关节腔加压灌注的临床效果。[方法] 2017年2月~2018年12月,纳入TKA手术的患者176例并依据随机数字表法分为两组;其中92例于TKA术毕加压灌注氨甲环酸生理盐水,84例术毕常压注入氨甲环酸生理盐水。比较两组患者的围手术期、随访与血液检查资料。[结果]加压组总失血量、术后显性失血量及术后隐性失血量均显著低于常压组(P<0.05)。术后1周,加压组的VAS和HSS评分均显著优于常压组(P<0.05);但末次随访时,两组间VAS和HSS评分的差异无统计学意义(P>0.05)。辅助检查方面,彩超检查显示,加压组浅静脉血栓2例,深静脉血栓1例;常压组浅静脉血栓3例,深静脉血栓3例。术后1周加压组的Hb和HCT均显著高于常压组(P<0.05)。[结论] TKA术毕关节腔加压灌注氨甲环酸生理盐水可降低术后隐性出血量,有利于术后关节功能恢复,且不增加术后不良反应风险。 展开更多
关键词 全膝关节置换术 关节腔加压灌注 失血量 关节功能
原文传递
一种改进U-Net的遥感影像建筑物提取方法 被引量：8
18
作者 胡荣明 任乐宽 +1 位作者 苏瑞鹏 米晓梅 《测绘科学》 CSCD 北大核心 2023年第1期39-48,共10页
针对高分辨率遥感影像信息复杂浅层网络难以对其目标物特征信息充分学习,图像因裁剪导致边缘信息损失使得模型对图像边缘预测效果较差的问题,该文将U-Net收缩路径加深以增强网络对特征信息的学习能力,并加入随机失活函数(Dropout)层抑... 针对高分辨率遥感影像信息复杂浅层网络难以对其目标物特征信息充分学习,图像因裁剪导致边缘信息损失使得模型对图像边缘预测效果较差的问题,该文将U-Net收缩路径加深以增强网络对特征信息的学习能力,并加入随机失活函数(Dropout)层抑制过拟合现象的发生,扩张路径中加入批量归一化层以提高网络训练速度,并将忽略边缘交叉熵函数与骰子函数结合构建联合损失函数作为本文模型的损失函数以提高模型对图像边缘的预测效果。实验结果表明:该文方法对建筑物边缘能够进行有效预测;对建筑物轮廓以及较小建筑物的提取较之SVM、主干网络为VGG的U-Net提取效果有所提高;并在应用扩展研究数据集中有着较好的表现。 展开更多
关键词 高分辨率遥感影像 U-Net 联合损失函数 建筑物提取
原文传递
全膝关节置换术后引流管夹闭时间对失血量、疼痛及功能恢复的影响 被引量：5
19
作者 马瑞 杨佩 +1 位作者 王春生 王坤正 《中华骨与关节外科杂志》 2019年第11期854-857,共4页
背景:全膝关节置换术(TKA)后夹闭引流管可减少术后失血,但夹闭时间过长可造成关节腔内血肿、关节肿胀及疼痛,影响关节活动。目的:通过比较TKA术后不同引流管夹闭时间对手术失血量、疼痛和关节功能恢复的影响,探究最适夹闭时间。方法:选... 背景:全膝关节置换术(TKA)后夹闭引流管可减少术后失血,但夹闭时间过长可造成关节腔内血肿、关节肿胀及疼痛,影响关节活动。目的:通过比较TKA术后不同引流管夹闭时间对手术失血量、疼痛和关节功能恢复的影响,探究最适夹闭时间。方法:选取拟行单侧TKA的患者共150例,随机分为不夹管、夹管1、2、3、4 h组5组,每组各30例。记录各组患者术前、术后引流量、总失血量、肢体周径变化、疼痛视觉模拟评分(VAS)、膝关节活动度(ROM)和膝关节评分(HSS),并进行比较。结果:夹管时间越长,引流量越少,组间两两比较差异均有统计学意义(P均<0.05)。夹管4 h组与夹管3 h组患者比较总失血量差异无统计学意义,但肢体周径变化更大,且差异有统计学意义(P<0.05)。与不夹管组、夹管1 h组患者比较,术后1、3 d夹管4 h组患者术后疼痛VAS评分均增加,术后3 d ROM减小,且差异均有统计学意义(P均<0.05)。术后2周、3个月各组患者HSS评分差异均无统计学意义(P均>0.05)。结论:夹管3 h是一个相对合理的时间,既可以减少术后失血量,不明显增加术后疼痛,也不会影响关节功能的恢复。 展开更多
关键词 膝关节置换 引流管 夹闭时间 失血量 关节功能
暂未订购
基于CBAM和原型网络的小样本恶意软件分类模型 被引量：1
20
作者 周景贤 崔海彬 李志平 《计算机工程与设计》 北大核心 2024年第7期1941-1947,共7页
为解决小样本条件下恶意软件分类准确率低的问题,提出一种基于CBAM(convolutional block attention module)和原型网络的恶意软件分类模型。利用图像转换算法将恶意软件可执行文件转换为灰度图像;将残差连接和CBAM引入模型的特征嵌入模... 为解决小样本条件下恶意软件分类准确率低的问题,提出一种基于CBAM(convolutional block attention module)和原型网络的恶意软件分类模型。利用图像转换算法将恶意软件可执行文件转换为灰度图像;将残差连接和CBAM引入模型的特征嵌入模块,从通道和空间两个维度上增强关键特征表达,使得到的特征更具分辨性;提出联合损失函数,在距离交叉熵损失的基础上加入原型损失,通过减小类内距离的方式进一步扩增类间距离,使模型在样本数量有限的情况下取得良好的分类效果。实验结果表明,在每类恶意软件仅有5个样本的情况下,模型的分类准确率仍可达到83.12%。 展开更多
关键词 恶意软件分类 灰度图 小样本学习 卷积神经网络 注意力机制 原型网络 联合损失函数
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 … 6 下一页 到第 页
使用帮助 返回顶部