基于多方位感知深度融合检测头的目标检测算法

1

作者 包晓安 彭书友 +3 位作者 张娜 涂小妹 张庆琪 吴彪 《浙江大学学报(工学版)》 北大核心 2026年第1期32-42,共11页

针对传统目标检测头难以有效捕捉全局信息的问题,提出基于多方位感知深度融合检测头的目标检测算法.通过在检测头部分设计高效双轴窗口注意力编码器(EDWE)模块,使网络能够深度融合捕获到的全局信息与局部信息;在特征金字塔结构之后使用... 针对传统目标检测头难以有效捕捉全局信息的问题,提出基于多方位感知深度融合检测头的目标检测算法.通过在检测头部分设计高效双轴窗口注意力编码器(EDWE)模块,使网络能够深度融合捕获到的全局信息与局部信息;在特征金字塔结构之后使用重参化大核卷积(RLK)模块,减小来自主干网络的特征空间差异,增强网络对中小型数据集的适应性;引入编码器选择保留模块(ESM),选择性地累积来自EDWE模块的输出,优化反向传播.实验结果表明,在规模较大的MS-COCO2017数据集上,所提算法应用于常见模型RetinaNet、FCOS、ATSS时使AP分别提升了2.9、2.6、3.4个百分点;在规模较小的PASCAL VOC2007数据集上,所提算法使3种模型的AP分别实现了1.3、1.0和1.1个百分点的提升.通过EDWE、RLK和ESM模块的协同作用,所提算法有效提升了目标检测精度,在不同规模的数据集上均展现了显著的性能优势. 展开更多

关键词 检测头 目标检测 transformer编码器 深度融合 大核卷积

在线阅读 下载PDF 职称材料

宽卷积局部特征扩展的Transformer网络故障诊断模型 被引量：5

2

作者 张新良 李占 周益天 《国外电子测量技术》 2024年第2期139-149,共11页

视觉Transformer网络的高精度诊断性能依赖于充分的训练数据,利用卷积网络在提取局部特征上的优势,构造能同时描述故障局部和全局特征的提取层,提高诊断模型的抗噪声干扰能力。首先,引入卷积网络模块将原始振动信号转换为Transformer网... 视觉Transformer网络的高精度诊断性能依赖于充分的训练数据,利用卷积网络在提取局部特征上的优势,构造能同时描述故障局部和全局特征的提取层,提高诊断模型的抗噪声干扰能力。首先,引入卷积网络模块将原始振动信号转换为Transformer网络可以直接接收的特征向量,提取故障局部特征,并通过增加卷积网络的感受野。然后,结合Transformer网络多头自注意力机制生成的全局信息,构建能同时描述故障局部和全局特征的特征向量。最后,在Transformer网络的预测层,利用高效通道注意力机制对特征向量的贡献度进行自动筛选。在西储大学(CWRU)轴承数据集上的故障诊断结果表明,在信噪比-4 dB的噪声干扰下,改进后的Transformer网络轴承故障诊断模型的准确率达90.21%,与原始Transformer模型相比,准确率提高了13.2%,在噪声环境下表现出优异的诊断性能。 展开更多

关键词 轴承故障诊断 视觉transformer 宽卷积核 自注意力机制 局部-全局特征 高效通道注意力

原文传递

APK-CNN和Transformer增强的多域虚假新闻检测模型 被引量：3

3

作者 李金金 桑国明 张益嘉 《计算机应用》 CSCD 北大核心 2024年第9期2674-2682,共9页

为解决社交媒体新闻中的领域转移、领域标签不完整问题,以及探索更高效的多域新闻文本特征提取和融合网络,提出一种基于APK-CNN(Adaptive Pooling Kernel Convolutional Neural Network)和Transformer增强的多域虚假新闻检测模型Transm... 为解决社交媒体新闻中的领域转移、领域标签不完整问题,以及探索更高效的多域新闻文本特征提取和融合网络,提出一种基于APK-CNN(Adaptive Pooling Kernel Convolutional Neural Network)和Transformer增强的多域虚假新闻检测模型Transm3。首先,设计三通道网络对文本的语义、情感和风格信息进行特征提取和表示,并利用多粒度跨域交互器对这些特征进行视图组合;其次,通过优化的软共享内存网络和域适配器来完善新闻领域标签;再次,将Transformer与多粒度跨域交互器结合,使用更先进的融合网络动态加权聚合不同领域的交互特征;最后,将融合特征输入分类器中用于真/假新闻判别。实验结果表明,Transm3与M3FEND(Memory-guided Multi-view Multi-domain FakE News Detection)和EANN(Event Adversarial Neural Networks for multi-modal fake news detection)相比,综合F1值在中文数据集上分别提高了3.68%和6.46%,在英文数据集上分别提高了6.75%和11.93%,在各分领域上F1值也有明显的提高,充分验证了Transm3在多域虚假新闻检测工作上的有效性。 展开更多

关键词 虚假新闻检测 领域转移 软共享内存网络 transformER APK-CNN

在线阅读 下载PDF 职称材料

基于时空特征融合的风速预测模型研究

4

作者 甘建红 刘小锋 +2 位作者 白爱娟 屈右铭 魏培阳 《微电子学与计算机》 2025年第7期11-20,共10页

针对传统机器学习的气象要素时序预测模型存在的不易融合多源数据以及二维卷积在时间维度感受野受限难以捕捉时空序列信息的依赖关系问题,提出了一种基于三维卷积和Informer模型融合时空特征的时间序列预测模型。其中三维卷积和Informe... 针对传统机器学习的气象要素时序预测模型存在的不易融合多源数据以及二维卷积在时间维度感受野受限难以捕捉时空序列信息的依赖关系问题,提出了一种基于三维卷积和Informer模型融合时空特征的时间序列预测模型。其中三维卷积和Informer分别负责捕获时空特征和基本气象要素特征,有效地捕捉了时间与空间的相关性并提高信息利用率和预测精度。在损失函数方面,针对MSE损失函数对异常值过于敏感容易导致梯度消失等问题,提出一个自适应高斯核函数作为损失函数替代传统的MSE函数,解决模型在长时间序列预测的稳定性问题。结果表明:三维卷积融合时空特征的风速预测模型相较于其他模式预报算法的平均绝对误差降低了12.5%~44.7%,表现更加优异且具有更高的稳定性。 展开更多

关键词 时空序列信息 三维卷积 transformER 高斯核函数

在线阅读 下载PDF 职称材料

适应拓扑变化的数据驱动电力系统暂态主导失稳模式识别方法 被引量：1

5

作者 周芮 杨燕 +4 位作者 余娟 杨知方 朱晟毅 余亚南 孙昕炜 《中国电机工程学报》 北大核心 2025年第9期3436-3447,I0013,共13页

电力系统暂态电压与功角混合失稳下的主导失稳模式(dominant instability mode,DIM)识别对制定快速调整措施至关重要。然而,现有数据驱动方法因拓扑变化适应能力不足,导致识别精度下降甚至失效。由此,该文提出一种适应拓扑变化的数据驱... 电力系统暂态电压与功角混合失稳下的主导失稳模式(dominant instability mode,DIM)识别对制定快速调整措施至关重要。然而,现有数据驱动方法因拓扑变化适应能力不足,导致识别精度下降甚至失效。由此,该文提出一种适应拓扑变化的数据驱动DIM识别方法。首先,提出基于K-means聚类和多随机卷积核变换的DIM高精度智能识别基础模型,利用K-means自适应选取关键暂态曲线,基于多随机卷积核变换表征暂态曲线斜率、失稳持续时间等重要DIM判断特征,从而适应拓扑变化并高效提取暂态曲线时序特征。其次,针对单个基础模型输出不确定性、可信度不足问题,提出基于Bagging集成学习和误差-分歧分解理论的DIM智能识别框架,自适应最优选择多个基础模型共同决策,提高结果的稳定性和可信性。最后,在中国电力科学研究院有限公司36节点系统及其修改系统、某实际电网8897节点系统上的算例分析表明,所提方法可在保证较高DIM识别精度的情况下适应拓扑变化,验证了方法的有效性。 展开更多

关键词 暂态稳定 主导失稳模式 关键曲线选取 多随机卷积核变换 集成学习

原文传递

基于时空一致性的视频篡改检测方法

6

作者 程健 杨高明 杨新露 《重庆工商大学学报(自然科学版)》 2025年第4期109-115,共7页

目的随着视频篡改技术的快速发展,原始视频与篡改视频之间的差距愈发缩小,现有检测方法在处理篡改视频数据时,仍需提高检测准确度以及泛化性能,为此,提出一种基于时空一致性的视频篡改检测方法。方法首先通过不同的视频采样步幅预处理... 目的随着视频篡改技术的快速发展,原始视频与篡改视频之间的差距愈发缩小,现有检测方法在处理篡改视频数据时,仍需提高检测准确度以及泛化性能,为此,提出一种基于时空一致性的视频篡改检测方法。方法首先通过不同的视频采样步幅预处理视频数据,利用时序卷积核在高采样率视频帧数据中侧重提取帧间时序特征信息,空间卷积核在低采样率视频数据中侧重提取帧内空间特征信息,并在高采样视频帧数据与低采样视频帧数据间建立横向连接,从而获得更有效的视频时空特征;同时结合Transformer模型在时空特征序列中提取时空特征的不一致性,实现对篡改视频的判定。结果改进的方法在高质量和低质量FaceForensics++数据集上进行性能测试,AUC数值分别达到99.47%和93.05%,此外在FaceForensics++数据集上的域内跨伪造方式实验以及Celeb-DF数据集上的跨数据集实验中,测试结果相较于目前主流检测算法同样表现出竞争性,消融实验结果验证了方法中每个单一模块的有效性。结论各项实验结果验证,所提方法在域内性能测试中有着优于现有算法的检测精度,并且在跨域性能测试中具有更好的泛化性能,即验证了联合时空卷积Transformer模型可以提高模型泛化性能。 展开更多

关键词 视频篡改检测 时空一致性 时序卷积核 空间卷积核 transformer模型

在线阅读 下载PDF 职称材料

具有共轭卷积核和Cauchy核的正则型Wiener-Hopf奇异积分方程

7

作者 张雯雯 王洪泉 +2 位作者 类延鑫 王文静 李平润 《曲阜师范大学学报(自然科学版)》 2025年第1期31-36,共6页

研究了一类含共轭卷积核和Cauchy核的正则型Wiener-Hopf奇异积分方程的解法.引进函数类H 1及H 1,讨论了其中的函数与其共轭函数的关系.通过运用Fourier积分变换、解析延拓原理以及复分析中的Sokhotski-Plemelj公式,将含共轭卷积核和共轭... 研究了一类含共轭卷积核和Cauchy核的正则型Wiener-Hopf奇异积分方程的解法.引进函数类H 1及H 1,讨论了其中的函数与其共轭函数的关系.通过运用Fourier积分变换、解析延拓原理以及复分析中的Sokhotski-Plemelj公式,将含共轭卷积核和共轭Cauchy核的正则型奇异积分方程转化为无穷直线上的Riemann边值问题,从而得到方程的正则解和可解条件. 展开更多

关键词 Fourier积分变换 共轭卷积核 CAUCHY核 奇异积分方程 解析解

在线阅读 下载PDF 职称材料

基于GVB-CEEMD-DWT的数据变点检测方法及应用

8

作者 郭建平 《统计与决策》 北大核心 2025年第22期24-30,共7页

数据变点检测对于分析序列变化规律、研判未来演进态势具有重要价值。文章联合高斯模糊、完全聚合经验模态分解、小波变换等数据处理方法,协同利用不同方法的优势,构建多模态组合检测法,研究数据序列的变点检测问题。以2022年1月4日至2... 数据变点检测对于分析序列变化规律、研判未来演进态势具有重要价值。文章联合高斯模糊、完全聚合经验模态分解、小波变换等数据处理方法,协同利用不同方法的优势,构建多模态组合检测法,研究数据序列的变点检测问题。以2022年1月4日至2022年12月30日我国上证综合指数243个交易日的数据为样本,进行实证研究,结果显示:对于经过高斯模糊和模态分解后的主因子序列,由于信噪比的提升,数据中的真实变化模式更加清晰地显现,使得后续小波变换能够更为准确地提取数据生成过程中的关键特征,提升了变点检测准确率;不同分辨率级别的高频细节系数对序列变化的敏感度存在显著差异,较高级别分辨率的细节系数能够显示序列更加细微的变化,识别出序列变点,而较低分辨率级别的细节系数则无法反映序列的细微变化,不具备变点识别能力;股市收益率序列的波动主要来源于市场随机扰动,长期趋势成分对序列波动的影响几乎可以忽略不计,说明股价在某种程度上不具有可预测性。 展开更多

关键词 正态卷积核 高斯模糊 完全聚合经验模态分解 小波变换 变点检测

原文传递

ML-ROCKET:基于多层随机卷积核变换的时间序列分类

9

作者 刘彤 李一航 倪维健 《计算机系统应用》 2025年第10期206-216,共11页

针对现有随机卷积核变换(random convolutional kernel transformation,ROCKET)方法在特征提取深度和非线性建模能力上的局限性,本研究提出ML-ROCKET.该方法将ROCKET扩展为多层结构,逐层提取非线性特征,丰富特征表示并提高分类精度.ML-R... 针对现有随机卷积核变换(random convolutional kernel transformation,ROCKET)方法在特征提取深度和非线性建模能力上的局限性,本研究提出ML-ROCKET.该方法将ROCKET扩展为多层结构,逐层提取非线性特征,丰富特征表示并提高分类精度.ML-ROCKET采用二维卷积结构和顺序池化操作,增强对多变量交互关系和时间序列内部特征的捕捉能力.此外,通过引入顺序特征去除(sequential feature detachment,SFD)剪枝策略,进一步优化ML-ROCKET的性能与推理速度.实验结果表明,ML-ROCKET在UCR的109个单变量数据集和UEA的26个多变量数据集上的分类精度与最先进的模型相当,且训练效率显著超越了大多数现有方法. 展开更多

关键词 时间序列分类 多层结构 随机卷积核变换 二维卷积 顺序池化

在线阅读 下载PDF 职称材料

基于轻量化ViT的无锚框遥感影像目标检测方法

10

作者 骆杰轩 《测绘与空间地理信息》 2025年第3期117-120,123,共5页

针对边缘计算场景下轻量模型对遥感影像目标检测精度较低的问题,提出一种融合高效视觉转换器与无锚点框机制的轻量级检测方法。在YOLOv5s基础上,在特征提取阶段引入高效视觉转换器网络,以轻量化结构同步捕获局部特征和上下文注意力权重... 针对边缘计算场景下轻量模型对遥感影像目标检测精度较低的问题,提出一种融合高效视觉转换器与无锚点框机制的轻量级检测方法。在YOLOv5s基础上,在特征提取阶段引入高效视觉转换器网络,以轻量化结构同步捕获局部特征和上下文注意力权重;在特征融合阶段,以浅层特征图参与多尺度特征融合,并采用幽灵卷积核减少计算量;在检测阶段,引入无锚点框机制实施目标框位置回归,提高计算效率,并适应尺寸复杂的遥感影像目标;最后使用C++语言与TensorRT推理引擎,实现模型部署。结果表明,所提模型较YOLOv5s在检测精度、速度方面均有明显提升,能够在小算力环境下实时输出检测结果。 展开更多

关键词 遥感影像 目标检测 高效视觉转换器 幽灵卷积核 无锚点框机制

在线阅读 下载PDF 职称材料

具有余割核和卷积核的奇异积分方程的求解 被引量：5

11

作者 李平润 《曲阜师范大学学报（自然科学版）》 CAS 2007年第2期55-58,72,共5页

利用离散的Fourier变换首次讨论了含有余割核csc(τ-θ)和卷积核的二类奇异积分方程的求解,并首先在L2[-π,π]上得到了可解条件和一般解.

关键词 奇异积分方程 卷积核 CSC(τ-θ)核 离散的Fourier变换

在线阅读 下载PDF 职称材料

基于模糊梯度卷积核的在线棒材断面中心识别 被引量：1

12

作者 方红萍 方康玲 刘新海 《计算机工程与设计》 CSCD 北大核心 2014年第9期3249-3253,共5页

针对传动带上严重堆叠、形状尺寸不规则的棒材,提出基于模糊梯度卷积核的在线棒材断面中心识别方法。以标准圆边缘为中心环,结合棒材断面边缘点偏离中心环的程度定义一个模糊梯度卷积核;通过模糊梯度卷积核与实时棒材断面梯度图像的卷... 针对传动带上严重堆叠、形状尺寸不规则的棒材,提出基于模糊梯度卷积核的在线棒材断面中心识别方法。以标准圆边缘为中心环,结合棒材断面边缘点偏离中心环的程度定义一个模糊梯度卷积核;通过模糊梯度卷积核与实时棒材断面梯度图像的卷积操作,实现棒材断面中心的增强;依次执行候选点选取、局部峰值抑制、距离检测步骤确定中心位置。实验结果表明,该方法能有效抑制棒材中心增强过程中易产生的峰值扩散现象,减少误识别和漏识别;平均计算时间为8.3ms,满足系统实时性要求。 展开更多

关键词 类圆形对象 棒材中心识别 模糊梯度卷积核 中心增强 霍夫变换

在线阅读 下载PDF 职称材料

基于大内核卷积和Transformer并行的三维医学图像配准模型 被引量：1

13

作者 彭静 闫佳荣 +6 位作者 沈瑜 刘佳英 魏子易 白珊 李江柽 马煜堃 王若暄 《中国激光》 北大核心 2025年第3期63-73,共11页

医学图像配准在手术引导和病灶检测等方面具有重要意义。然而,现有的基于深度学习的配准模型通常采用单一编码架构,不能充分结合卷积神经网络(CNN)和Transformer各自的优势,导致配准精度不足且难以保持图像的原始拓扑结构。针对以上问题... 医学图像配准在手术引导和病灶检测等方面具有重要意义。然而,现有的基于深度学习的配准模型通常采用单一编码架构,不能充分结合卷积神经网络(CNN)和Transformer各自的优势,导致配准精度不足且难以保持图像的原始拓扑结构。针对以上问题,本研究提出了一种基于大内核卷积(LKC)和Transformer并行的配准模型PLKCT-UNet。首先,设计大内核卷积并将其与Swin Transformer作为双编码器,以增强局部信息和全局信息的捕获能力。其次,通过大内核卷积模块增强全局感受野,并引入核分解技术以减小模型的计算开销。最后,为实现CNN和Transformer的优势互补,提出了多尺度注意力聚合(MSAA)模块,该模块使得模型既能保持局部细粒度信息又能有效捕捉全局语义信息。实验结果表明,PLKCT-UNet在OASIS数据集上的Dice得分为0.824,豪斯多夫距离为2.46,相比于TransMorph模型的参数量减少了21.30×10^(6),整体配准效果更优。 展开更多

关键词 图像配准 大内核卷积 3D Swin transformer 多尺度注意力聚合 脑部磁共振成像

原文传递

某些类具有Hilbert核奇异积分的卷积型方程

14

作者 李平润 《嘉应学院学报》 2006年第6期15-18,共4页

利用离散的Fourier变换首次讨论了含有H ilbert核和卷积核的若干类奇异积分方程的求解,并首先在L2[-aπ2,aπ2](a>0)上得到了可解条件和一般解。

关键词 HILBERT核 卷积核 奇异积分方程 离散的Fourier变换

在线阅读 下载PDF 职称材料

基于短时傅立叶变换特征提取和卷积神经网络的LAMOST恒星光谱分类研究 被引量：4

15

作者 杜利婷 自彦丞 +2 位作者 张静敏 艾霖嫔 周卫红 《云南民族大学学报（自然科学版）》 CAS 2020年第5期480-485,共6页

光谱分类是研究恒星光谱的重要内容之一,对其进行准确分类识别在天文研究领域有着重要意义.提出一种新的光谱特征提取方法,利用短时傅里叶变换将一维光谱变换为二维傅里叶谱图像,然后利用卷积神经网络对得到的二维傅里叶谱图像进行分类... 光谱分类是研究恒星光谱的重要内容之一,对其进行准确分类识别在天文研究领域有着重要意义.提出一种新的光谱特征提取方法,利用短时傅里叶变换将一维光谱变换为二维傅里叶谱图像,然后利用卷积神经网络对得到的二维傅里叶谱图像进行分类,由于二维谱图像具有新的特征分布,提高了分类精度;在此基础上,为降低短时傅里叶变换中的采样过程造成的信息损失,在进行短时傅里叶变换前先利用一维卷积对一维恒星光谱数据进行处理,以提高分类准确率,实验结果显示证明了新的方法的有效性. 展开更多

关键词 恒星光谱分类 卷积核 特征提取 短时傅里叶变换 卷积神经网络

在线阅读 下载PDF 职称材料

基于一维WConv-BiLSTM的轴承故障诊断算法 被引量：4

16

作者 闫书豪 乔美英 《电子科技》 2021年第4期75-82,共8页

针对不同信噪比噪声干扰下的轴承故障诊断问题,文中建立了一种基于一维宽卷积核卷积神经网络和双向长短记忆神经网络的轴承故障诊断模型。向该模型输入轴承振动信号,通过短时傅里叶变换将振动信号转化为时频图。然后利用首层为宽卷积核... 针对不同信噪比噪声干扰下的轴承故障诊断问题,文中建立了一种基于一维宽卷积核卷积神经网络和双向长短记忆神经网络的轴承故障诊断模型。向该模型输入轴承振动信号,通过短时傅里叶变换将振动信号转化为时频图。然后利用首层为宽卷积核的卷积神经网络和长短记忆神经网络分别提取其空间与时间特征,并结合全连接层实现分类。为增强抗噪性,模型采用数据增强、mini-batch和批量标准化的方法。试验采用CWRU的轴承故障数据集,通过添加不同信噪比噪声构造噪声干扰试验。试验表明该模型有较好的抗噪性,在信噪比为2 dB的噪声干扰下仍能取得98%以上的故障识别准确率。 展开更多

关键词 轴承故障诊断 卷积神经网络 宽卷积核 双向长短记忆神经网络 短时傅里叶变换 抗噪性

在线阅读 下载PDF 职称材料

基于卷积神经网络的肌电信号人体运动模式识别技术 被引量：1

17

作者 刘亚丽 鲁妍池 +1 位作者 马勋举 宋遒志 《兵工学报》 EI CAS CSCD 北大核心 2024年第7期2144-2158,共15页

随着外骨骼机器人等肌电控制设备的快速发展,表面肌电信号此类非平稳、非周期信号在高性能运动识别系统中的应用已成为相关研究领域的重点。为实现肌电信号跨域特征融合,提出一种基于肌电信号的双卷积链神经网络模型,采集7块关键肌肉的... 随着外骨骼机器人等肌电控制设备的快速发展,表面肌电信号此类非平稳、非周期信号在高性能运动识别系统中的应用已成为相关研究领域的重点。为实现肌电信号跨域特征融合,提出一种基于肌电信号的双卷积链神经网络模型,采集7块关键肌肉的原始肌电信号,经特征提取,转化为能量核相图和离散小波变换系数特征图,分别输入双卷积链神经网络的卷积神经网络分支和MobileNetV2分支,利用融合模块提取高层隐藏特征并进行充分交互。制备包括以上两种特征图像和传统肌电信号图谱在内的3种数据集。3组交叉实验结果表明:所提方法对6种自测下肢运动的平均识别准确率达94.19%,显著优于其他特征组合与网络架构;在ENABL3S开源数据集识别7种下肢运动中取得98.32%的稳态识别准确率,进一步验证了所提方法优良的肌电特征捕捉能力和模式识别准确性。 展开更多

关键词 外骨骼机器人 表面肌电信号 运动模式识别 双卷积链神经网络 能量核 小波变换分析

在线阅读 下载PDF 职称材料

利用多尺度特征与深度网络对遥感影像进行场景分类 被引量：65

18

作者 许夙晖 慕晓冬 +1 位作者 赵鹏 马骥 《测绘学报》 EI CSCD 北大核心 2016年第7期834-840,共7页

针对因样本量小而导致的遥感图像场景分类精度不高的问题,结合非下采样Contourlet变换(NSCT)、深度卷积神经网络(DCNN)和多核支持向量机(MKSVM),提出了一种基于多尺度深度卷积神经网络(MS-DCNN)的遥感图像场景分类方法。首先利用非下采... 针对因样本量小而导致的遥感图像场景分类精度不高的问题,结合非下采样Contourlet变换(NSCT)、深度卷积神经网络(DCNN)和多核支持向量机(MKSVM),提出了一种基于多尺度深度卷积神经网络(MS-DCNN)的遥感图像场景分类方法。首先利用非下采样Contourlet变换方法对遥感图像多尺度分解,然后对分解后的高频子带和低频子带分别用DCNN训练得到了不同尺度的图像特征,最后采用MKSVM综合多尺度特征并实现遥感图像场景分类。对标准遥感图像分类数据集的试验结果表明,本算法能够结合低频和高频子带对不同类别场景的识别优势,对遥感图像场景取得较好的分类结果。 展开更多

关键词 遥感图像 场景分类 深度卷积神经网络 非下采样轮廓波变换 多核支持向量机

在线阅读 下载PDF 职称材料

基于直线生成的卷积霍夫线段检测 被引量：6

19

作者 聂子博 曹建军 +2 位作者 翁年凤 余旭 王孟大 《计算机技术与发展》 2024年第5期30-36,共7页

直线检测作为计算机视觉的上游任务,为下游包括工业视觉、遥感图像分析等任务提供支撑。直线检测的一大方向是霍夫直线检测,但现有霍夫检测基于近似原理设计计票器,直线检测准确度不高。为提高霍夫变换线段检测的准确度,利用卷积改进霍... 直线检测作为计算机视觉的上游任务,为下游包括工业视觉、遥感图像分析等任务提供支撑。直线检测的一大方向是霍夫直线检测,但现有霍夫检测基于近似原理设计计票器,直线检测准确度不高。为提高霍夫变换线段检测的准确度,利用卷积改进霍夫直线检测的计票器并提出基于直线生成的卷积霍夫线段检测方法。利用中值滤波对原始图像中的复杂纹理平滑处理后检测图像中的边界;通过按位异或卷积去除边界检测结果中的噪点并保留候选的线段端点;将候选的线段端点两两组合并使用布雷森汉姆算法进行线段生成,由利用卷积改进的计票器判断生成的线段是否存在于边界上;确认端点所构成线段位于边界后求取端点对之间的参数并合并参数相似的加检测结果,得到最终线段检测结果。对比实验中该方法的F1指标为0.7626,优于对比方法中最高的0.6523,证明该方法保留了霍夫变换较高鲁棒性的同时提高了检测结果的准确性。 展开更多

关键词 线段检测 霍夫变换 卷积核 异或 直线生成 布雷森汉姆算法

在线阅读 下载PDF 职称材料

基于CL-MobileViT网络的地震事件分类方法

20

作者 孙嘉莹 李钢 +2 位作者 张玲 马俊卓 卫超凡 《地球物理学进展》 CSCD 北大核心 2024年第6期2153-2164,共12页

地震信号的准确分类是构建地震目录中的关键环节,对于地震目录清洗、地震监测警报、地震学研究等方面具有重要意义.针对现有地震分类算法存在的准确率低、计算开销大等问题,本文设计了一种基于CL-MobileViT网的地震事件分类方法.首先,在... 地震信号的准确分类是构建地震目录中的关键环节,对于地震目录清洗、地震监测警报、地震学研究等方面具有重要意义.针对现有地震分类算法存在的准确率低、计算开销大等问题,本文设计了一种基于CL-MobileViT网的地震事件分类方法.首先,在MobileViT block的跳跃连接中添加Coordinate Attention注意力,使网络能够精细地关注不同位置的信息,提升分类准确率;其次,在MobileViT block中的局部特征提取部分引入大核卷积分解思想,将一个大核卷积分解成多个小尺寸的卷积核,以降低网络的计算量和参数量;最后,采用AdamW优化器防止网络过拟合、提高训练效果.实验结果表明,该方法在识别天然地震、塌陷和爆破这三种地震事件时,取得了高达97.3%的准确率,参数量仅有1.19 M,计算量缩减至312.98 MMac,证明所提方法在地震信号的分类中具有良好的效果. 展开更多

关键词 地震分类 transformER Coordinate Attention 大核卷积分解 AdamW 时频图

原文传递