期刊文献+
共找到547,384篇文章
< 1 2 250 >
每页显示 20 50 100
基于ADFaster-RCNN的肺炎检测算法
1
作者 史萌 《计算机应用文摘》 2026年第1期70-72,共3页
深度学习方法在提取肺炎周征特征时存在精度低、误报率高的问题。为提升检测效果,文章提出基于ADFater-RCNN的肺炎检测算法,通过训练通道感知模型对CT影像关键参数进行自适应调整,从而增强特征提取能力。经通道感知处理的图像输入Faster... 深度学习方法在提取肺炎周征特征时存在精度低、误报率高的问题。为提升检测效果,文章提出基于ADFater-RCNN的肺炎检测算法,通过训练通道感知模型对CT影像关键参数进行自适应调整,从而增强特征提取能力。经通道感知处理的图像输入Faster-RCNN检测框架,可实现肺炎病灶区域的精准预测。实验结果表明,该方法显著提高了检测精度与速度,降低了误报率,为医护人员提供了可靠的CT(Computed Tomography)病灶诊疗辅助。 展开更多
关键词 肺炎 CT影像 通道感知 faster-RCNN
在线阅读 下载PDF
Network perspective on rumination and non-suicidal self-injury among adolescents with depressive disorders
2
作者 Fang-Fang Zhang Rui Guo +3 位作者 Si-Lan Chen Wei Yang Xing-Li Liang Ming-Fang Ma 《World Journal of Psychiatry》 2026年第1期346-355,共10页
BACKGROUND Non-suicidal self-injury(NSSI)is common among adolescents with depressive disorders and poses a major public health challenge.Rumination,a key cognitive feature of depression,includes different subtypes tha... BACKGROUND Non-suicidal self-injury(NSSI)is common among adolescents with depressive disorders and poses a major public health challenge.Rumination,a key cognitive feature of depression,includes different subtypes that may relate to NSSI through distinct psychological mechanisms.However,how these subtypes interact with specific NSSI behaviors remains unclear.AIM To examine associations between rumination subtypes and specific NSSI behaviors in adolescents.METHODS We conducted a cross-sectional study with 305 hospitalized adolescents diagnosed with depressive disorders.The subjects ranged from 12-18 years in age.Rumi-nation subtypes were assessed using the Ruminative Response Scale,and 12 NSSI behaviors were evaluated using a validated questionnaire.Network analysis was applied to explore symptom-level associations and identify central symptoms.RESULTS The network analysis revealed close connections between rumination subtypes and NSSI behaviors.Brooding was linked to behaviors such as hitting objects and burning.Scratching emerged as the most influential NSSI symptom.Symptomfocused rumination served as a key bridge connecting rumination and NSSI.CONCLUSION Symptom-focused rumination and scratching were identified as potential intervention targets.These findings highlight the psychological significance of specific cognitive-behavioral links in adolescent depression and suggest directions for tailored prevention and treatment.However,the cross-sectional,single-site design limits causal inference and generalizability.Future longitudinal and multi-center studies are needed to confirm causal pathways and verify the generalizability of the findings to broader adolescent populations. 展开更多
关键词 Depressive disorders Adolescents network analysis RUMINATION Non-suicidal self-injury
暂未订购
Investigating the potential mechanisms of Wenqing Yin against atopic dermatitis based on network pharmacology,experimental pharmacology,and molecular docking
3
作者 Yi Wang Zhen Liu +3 位作者 Si-Man Li Lin Lin Wei Dai Meng-Yue Ren 《Traditional Medicine Research》 2026年第2期1-11,共11页
Background:Wenqing Yin(WQY)is a classic prescription used to treat skin diseases like atopic dermatitis(AD)in China,and the aim of this study is to investigate the therapeutic effects and molecular mechanisms of WQY o... Background:Wenqing Yin(WQY)is a classic prescription used to treat skin diseases like atopic dermatitis(AD)in China,and the aim of this study is to investigate the therapeutic effects and molecular mechanisms of WQY on AD.Methods:The DNFB-induced mouse models of AD were established to investigate the therapeutic effects of WQY on AD.The symptoms of AD in the ears and backs of the mice were assessed,while inflammatory factors in the ear were quantified using quantitative real-time-polymerase chain reaction(qRT-PCR),and the percentages of CD4^(+)and CD8^(+)cells in the spleen were analyzed through flow cytometry.The compounds in WQY were identified using ultra-performance liquid chromatography-tandem mass spectrometry(UPLC-MS/MS)analysis and the key targets and pathways of WQY to treat AD were predicted by network pharmacology.Subsequently,the key genes were tested and verified by qRT-PCR,and the potential active components and target proteins were verified by molecular docking.Results:WQY relieved the AD symptoms and histopathological injuries in the ear and back skin of mice with AD.Meanwhile,WQY significantly reduced the levels of inflammatory factors IL-6 and IL-1βin ear tissue,as well as the ratio of CD4^(+)/CD8^(+)cells in spleen.Additionally,a total of 142 compounds were identified from the water extract of WQY by UPLC-Orbitrap-MS/MS.39 key targets related to AD were screened out by network pharmacology methods.The KEGG analysis indicated that the effects of WQY were primarily mediated through pathways associated with Toll-like receptor signaling and T cell receptor signaling.Moreover,the results of qRT-PCR demonstrated that WQY significantly reduced the mRNA expressions of IL-4,IL-10,GATA3 and FOXP3,and molecular docking simulation verified that the active components of WQY had excellent binding abilities with IL-4,IL-10,GATA3 and FOXP3 proteins.Conclusion:The present study demonstrated that WQY effectively relieved AD symptoms in mice,decreased the inflammatory factors levels,regulated the balance of CD4^(+)and CD8^(+)cells,and the mechanism may be associated with the suppression of Th2 and Treg cell immune responses. 展开更多
关键词 Wenqing Yin atopic dermatitis mouse model UPLC-Orbitrap-MS/MS network pharmacology
暂未订购
Combined Fault Tree Analysis and Bayesian Network for Reliability Assessment of Marine Internal Combustion Engine
4
作者 Ivana Jovanović Çağlar Karatuğ +1 位作者 Maja Perčić Nikola Vladimir 《哈尔滨工程大学学报(英文版)》 2026年第1期239-258,共20页
This paper investigates the reliability of internal marine combustion engines using an integrated approach that combines Fault Tree Analysis(FTA)and Bayesian Networks(BN).FTA provides a structured,top-down method for ... This paper investigates the reliability of internal marine combustion engines using an integrated approach that combines Fault Tree Analysis(FTA)and Bayesian Networks(BN).FTA provides a structured,top-down method for identifying critical failure modes and their root causes,while BN introduces flexibility in probabilistic reasoning,enabling dynamic updates based on new evidence.This dual methodology overcomes the limitations of static FTA models,offering a comprehensive framework for system reliability analysis.Critical failures,including External Leakage(ELU),Failure to Start(FTS),and Overheating(OHE),were identified as key risks.By incorporating redundancy into high-risk components such as pumps and batteries,the likelihood of these failures was significantly reduced.For instance,redundant pumps reduced the probability of ELU by 31.88%,while additional batteries decreased the occurrence of FTS by 36.45%.The results underscore the practical benefits of combining FTA and BN for enhancing system reliability,particularly in maritime applications where operational safety and efficiency are critical.This research provides valuable insights for maintenance planning and highlights the importance of redundancy in critical systems,especially as the industry transitions toward more autonomous vessels. 展开更多
关键词 Fault tree analysis Bayesian network RELIABILITY REDUNDANCY Internal combustion engine
在线阅读 下载PDF
基于Faster R-CNN的作物生物密度智能识别方法 被引量:1
5
作者 李修华 李倩 +2 位作者 张瀚文 丁璐 王泽平 《生物工程学报》 北大核心 2025年第10期3828-3839,共12页
准确获取大田作物数量和密度不仅是水肥管理按需投入的关键,也是保障作物产量和品质的关键。无人机(unmanned aerial vehicle,UAV)航拍可以快速且大面积地获取大田作物的分布图像信息,但是单一类型密集目标的准确识别对于大多数识别算... 准确获取大田作物数量和密度不仅是水肥管理按需投入的关键,也是保障作物产量和品质的关键。无人机(unmanned aerial vehicle,UAV)航拍可以快速且大面积地获取大田作物的分布图像信息,但是单一类型密集目标的准确识别对于大多数识别算法来说都是一个巨大的挑战。本研究以香蕉苗为例,通过无人机高空航拍香蕉园的图像,研究密集目标高效识别方法。本研究提出了一种“裁-识-拼”的策略,构建了一个基于改进的Faster R-CNN算法的计数方法。该方法先将包含高密集目标的图像按不同尺寸(模拟不同飞行高度)裁剪成大量图像瓦片,并采用对比度限制自适应直方图均衡化(contrast limited adaptive histogram equalization,CLAHE)算法提高图像质量,构建了包含36000张图像瓦片的香蕉苗数据集;然后采用经过参数优化的Faster R-CNN网络训练香蕉苗识别模型;最后将识别结果进行反拼接,并设计了一种边界去重算法,对最终的计数结果进行校正,以减少图像裁剪引起的香蕉苗重复识别。结果表明,经过参数优化的Faster R-CNN对不同尺寸的香蕉图像数据集的识别精度最高达到了0.99;去重算法可以将针对航拍原始图像的平均计数误差从1.60%降低到0.60%,香蕉苗的平均计数准确率达到99.4%。本研究提出的方法有效解决了高分辨率航拍图像中密集小目标识别难题,为精准农业中的作物密度智能监测提供了高效可靠的技术支撑。 展开更多
关键词 果园计数 香蕉 faster R-CNN 深度学习 去重
原文传递
一种改进的Faster R-CNN遥感图像多目标检测模型研究 被引量:1
6
作者 苗茹 李祎 +3 位作者 周珂 张俨娜 常然然 孟更 《计算机工程》 北大核心 2025年第8期292-304,共13页
针对遥感图像背景复杂、目标种类多和尺度差异大所造成的目标漏检和误检问题,提出一种改进Faster R-CNN多目标检测模型。首先,采用Swin Transformer来替代ResNet 50骨干网络,增强模型特征提取能力;其次,添加平衡特征金字塔(BFP)模块融... 针对遥感图像背景复杂、目标种类多和尺度差异大所造成的目标漏检和误检问题,提出一种改进Faster R-CNN多目标检测模型。首先,采用Swin Transformer来替代ResNet 50骨干网络,增强模型特征提取能力;其次,添加平衡特征金字塔(BFP)模块融合浅层和高层语义信息,进一步加强特征融合效果;最后,在分类和回归分支中,添加动态权重机制,促进网络在训练过程中更关注高质量候选框,提高目标定位和分类的精确度。在RSOD数据集上的实验结果表明,所提模型相较于Faster R-CNN模型每秒浮点运算次数(FLOPs)大幅度减少,并且模型的mAP@0.5∶0.95提高了10.7百分点,平均召回率提高10.6百分点。相较于其他主流检测模型,所提模型在降低漏检率的同时,取得了更高的精度,能显著提高复杂背景下遥感图像的检测精度。 展开更多
关键词 遥感图像 多目标检测 faster R-CNN Swin Transformer模块 平衡特征金字塔 动态权重机制
在线阅读 下载PDF
基于改进Faster R-CNN的焊缝缺陷检测方法 被引量:3
7
作者 陈利琼 梅后金 +1 位作者 胡洪宣 赵奎 《科学技术与工程》 北大核心 2025年第5期2027-2033,共7页
管道内部的焊缝缺陷是导致管道发生泄漏和破裂事故的主要原因,而X射线能够有效地检测到这些缺陷。然而,焊缝缺陷存在种类多、尺寸小和背景复杂等问题,影响检测精度。针对目前基于深度学习的焊缝缺陷检测模型对图像复杂背景和光照变化的... 管道内部的焊缝缺陷是导致管道发生泄漏和破裂事故的主要原因,而X射线能够有效地检测到这些缺陷。然而,焊缝缺陷存在种类多、尺寸小和背景复杂等问题,影响检测精度。针对目前基于深度学习的焊缝缺陷检测模型对图像复杂背景和光照变化的适应性不足、小目标检测效果不佳的问题。在快速区域卷积神经网络(faster region convolutional neural networks,Faster R-CNN)网络的主干网络上添加通道注意力机制和对残差块结构进行修改,并采用ROI Align替换传统Faster R-CNN网络的ROI Pooling的改进模型。实验结果表明:改进后的Faster R-CNN网络模型与原算法相比,平均精度值(mean average precision,mAP)和F_(1)分别比原算法提升了15.82%和16.44%,能够满足焊缝缺陷检测的高精度要求,具有重要的理论意义与良好的工程应用前景。 展开更多
关键词 深度学习 缺陷检测 X射线图像 faster R-CNN
在线阅读 下载PDF
改进Faster R-CNN的钢材表面缺陷检测 被引量:3
8
作者 冷岳峰 刘正 +1 位作者 徐宝祎 李志轩 《机械科学与技术》 北大核心 2025年第1期75-83,共9页
钢材表面缺陷检测是工业生产中至关重要的一项检测工作,针对钢材表面缺陷检测中漏检以及对于细小缺陷检测精度不佳等问题,提出了一种改进Faster R-CNN算法。在FPN(Feature pyramid networks)与RPN(Region proposal network)之间引入特... 钢材表面缺陷检测是工业生产中至关重要的一项检测工作,针对钢材表面缺陷检测中漏检以及对于细小缺陷检测精度不佳等问题,提出了一种改进Faster R-CNN算法。在FPN(Feature pyramid networks)与RPN(Region proposal network)之间引入特征融合模块与轻量化通道注意力模块,增加模型对精细特征的捕捉能力。改进模型在NEU-DET数据集上的实验结果显示,最终mAP(Mean average precision,记为m_(AP))值为80.2%,比原始模型提高了12.6%,FPS提高了40.9%。该算法能够有效提升钢材表面缺陷的检测精度,为钢材表面缺陷自动检测提供参考。 展开更多
关键词 缺陷检测 特征融合 通道注意力机制 改进faster R-CNN算法
在线阅读 下载PDF
基于Faster R-CNN的气体绝缘开关设备X光图像缺陷检测
9
作者 高飞 朱正一 +2 位作者 马龙华 赵海峰 邢正根 《自动化技术与应用》 2026年第1期58-62,73,共6页
研究设计了一种基于Faster R-CNN的气体绝缘开关设备X光图像缺陷检测方法。该方法通过X光机获取气体绝缘开关设备X光图像,然后构建Faster R-CNN检测模型,并通过添加特征融合和优化激活函数的方法对原模型进行改进,最后利用改进的Faster ... 研究设计了一种基于Faster R-CNN的气体绝缘开关设备X光图像缺陷检测方法。该方法通过X光机获取气体绝缘开关设备X光图像,然后构建Faster R-CNN检测模型,并通过添加特征融合和优化激活函数的方法对原模型进行改进,最后利用改进的Faster R-CNN检测模型对气体绝缘开关设备X光图像进行检测。结果显示,该模型的检测精度高达99.6%,检测单张X光图的用时约为0.0027 s,并且运行稳定,帧率约为16.5帧/s。研究方法能够实现对气体绝缘开关设备X光图像的高精度检测,提高了电力设备运行过程的质量控制和效率。 展开更多
关键词 电力系统 气体绝缘开关设备 神经网络 检测精度 电气工程
在线阅读 下载PDF
改进Faster-R-CNN的输送带表面损伤检测 被引量:2
10
作者 袁媛 赵鹏举 +1 位作者 孟文俊 王航 《机械设计与制造》 北大核心 2025年第3期199-203,共5页
针对输送带在长期运转过程中易出现划伤、撕裂和破裂的损伤问题,提出了一种改进Faster-R-CNN的输送带表面损伤检测方法。该检测方法在Faster-R-CNN神经网络的基础上,首选MobileNet网络进行图像轻量化特征提取,然后在RPN模块中引入ancho... 针对输送带在长期运转过程中易出现划伤、撕裂和破裂的损伤问题,提出了一种改进Faster-R-CNN的输送带表面损伤检测方法。该检测方法在Faster-R-CNN神经网络的基础上,首选MobileNet网络进行图像轻量化特征提取,然后在RPN模块中引入anchor原始特征与卷积相融合的背景分类,以加强输送带的损伤特征信息;最后构建输送带表面损伤的数据集进行数据试验,并分别采用VGG-19,ResNet-18骨干网络进行试验对比,结果表明改进的Faster-R-CNN的算法,针对输送带划伤、撕裂和破损的损伤状态均能够有效识别。 展开更多
关键词 输送带 损伤检测 faster-R-CNN MobileNet
在线阅读 下载PDF
基于改进Faster R-CNN的机场跑道道面裂缝检测方法 被引量:2
11
作者 张璐 高培伟 +1 位作者 张芊伊 李国庆 《粘接》 2025年第5期159-162,共4页
民航运输在中国交通体系中占据着至关重要的地位。随着机场使用年限的延长,道面损伤问题日益严重,这对飞机滑行与起降的安全构成了重大威胁。为了降低飞机在起降过程的风险性,提出了一种基于Faster R-CNN的改进检测方法。该检测方法综... 民航运输在中国交通体系中占据着至关重要的地位。随着机场使用年限的延长,道面损伤问题日益严重,这对飞机滑行与起降的安全构成了重大威胁。为了降低飞机在起降过程的风险性,提出了一种基于Faster R-CNN的改进检测方法。该检测方法综合利用了GC-ASFF模块、CIoU指标、改进损失函数和迁移学习等深度学习和目标检测技术,实现了对道面裂缝的准确检测,以便利用识别到的道面裂缝特征参数来对当前道面安全状况进行评估。试验结果表明,改进后的模型识别精度较高,综合性能较优,对于飞机跑道道面损伤能够进行精准识别和检测,具有较高的可靠性。 展开更多
关键词 裂缝检测 faster R-CNN ASFF 交并比 损失函数
在线阅读 下载PDF
改进Deep Q Networks的交通信号均衡调度算法
12
作者 贺道坤 《机械设计与制造》 北大核心 2025年第4期135-140,共6页
为进一步缓解城市道路高峰时段十字路口的交通拥堵现象,实现路口各道路车流均衡通过,基于改进Deep Q Networks提出了一种的交通信号均衡调度算法。提取十字路口与交通信号调度最相关的特征,分别建立单向十字路口交通信号模型和线性双向... 为进一步缓解城市道路高峰时段十字路口的交通拥堵现象,实现路口各道路车流均衡通过,基于改进Deep Q Networks提出了一种的交通信号均衡调度算法。提取十字路口与交通信号调度最相关的特征,分别建立单向十字路口交通信号模型和线性双向十字路口交通信号模型,并基于此构建交通信号调度优化模型;针对Deep Q Networks算法在交通信号调度问题应用中所存在的收敛性、过估计等不足,对Deep Q Networks进行竞争网络改进、双网络改进以及梯度更新策略改进,提出相适应的均衡调度算法。通过与经典Deep Q Networks仿真比对,验证论文算法对交通信号调度问题的适用性和优越性。基于城市道路数据,分别针对两种场景进行仿真计算,仿真结果表明该算法能够有效缩减十字路口车辆排队长度,均衡各路口车流通行量,缓解高峰出行方向的道路拥堵现象,有利于十字路口交通信号调度效益的提升。 展开更多
关键词 交通信号调度 十字路口 Deep Q networks 深度强化学习 智能交通
在线阅读 下载PDF
基于改进Faster-RCNN的起重机钢丝绳表面缺陷识别方法 被引量:2
13
作者 苏立鹏 娄益凡 +3 位作者 杨吴奔 高建貌 王雪迎 易灿灿 《机电工程》 北大核心 2025年第7期1341-1349,共9页
针对现有的起重机钢丝绳表面缺陷检测中存在的检测效率低、准确度差、鲁棒性有限等问题,提出了一种基于改进快速区域卷积神经网络(Faster-RCNN)的起重机钢丝绳表面缺陷识别检测方法,该方法结合多个关键技术,显著提升了钢丝绳表面缺陷识... 针对现有的起重机钢丝绳表面缺陷检测中存在的检测效率低、准确度差、鲁棒性有限等问题,提出了一种基于改进快速区域卷积神经网络(Faster-RCNN)的起重机钢丝绳表面缺陷识别检测方法,该方法结合多个关键技术,显著提升了钢丝绳表面缺陷识别的性能。首先,采用了多尺度策略提高输入图像的分辨率,从而更好地检测不同大小的缺陷;其次,在网络中引入了可变形卷积,以增强其捕捉传统卷积技术难以检测的钢丝绳缺陷复杂形状特征的能力;采用了路径增强技术融合低维和高维特征,有效解决了在下采样和特征融合过程中信息丢失的问题,极大提升了模型在各层之间保持关键信息的能力;最后,采用了广义交并比(GIOU)损失函数替代传统的交并比(IOU)损失函数,显著提高了边界框预测的准确性,验证了改进后的Faster-RCNN算法在起重机钢丝绳损伤检测的性能提升方面较为显著。研究结果表明:改进版Faster-RCNN模型相比原算法在精度上有了显著提高,准确率从81.8%提升至90.2%,召回率从83.8%提高至94.2%,最终平均精度达到0.934,提升了9.6%。与传统检测算法如SSD和原版YOLOv5相比,该方法的准确率分别提高了17.6%和11.0%,证明了其在钢丝绳损伤图像识别中的有效性。 展开更多
关键词 起重机械 损伤检测 改进的快速区域卷积神经网络 多尺度和自定义锚框策略 广义交并比损失函数 可变形卷积 路径增强特征金字塔 区域提议网络 消融实验
在线阅读 下载PDF
Smart Rewiring:Improving Network Robustness Faster 被引量:3
14
作者 白亮 肖延东 +1 位作者 侯绿林 老松杨 《Chinese Physics Letters》 SCIE CAS CSCD 2015年第7期218-222,共5页
Previous work puts forward a random edge rewiring method which is capable of improving the network robustness noticeably, while it lacks further discussions about how to improve the robustness faster. In this study, t... Previous work puts forward a random edge rewiring method which is capable of improving the network robustness noticeably, while it lacks further discussions about how to improve the robustness faster. In this study, the detailed analysis of the structures of improved networks show that regenerating the edges between high-degree nodes can enhance the robustness against a targeted attack. Therefore, we propose a novel rewiring strategy based on regenerating more edges between high-degree nodes, called smart rewiring, which could speed up the increase of the robustness index effectively. The smart rewiring method also explains why positive degree-degree correlation could enhance network robustness. 展开更多
关键词 NET Smart Rewiring:Improving network Robustness faster
原文传递
Faster-than- Nyquist rate communication via convolutional neural networks- based demodulators 被引量:2
15
作者 欧阳星辰 吴乐南 《Journal of Southeast University(English Edition)》 EI CAS 2016年第1期6-10,共5页
A demodulator based on convolutional neural networks( CNNs) is proposed to demodulate bipolar extended binary phase shifting keying( EBPSK) signals transmitted at a faster-thanNyquist( FTN) rate, solving the pro... A demodulator based on convolutional neural networks( CNNs) is proposed to demodulate bipolar extended binary phase shifting keying( EBPSK) signals transmitted at a faster-thanNyquist( FTN) rate, solving the problem of severe inter symbol interference( ISI) caused by FTN rate signals. With the characteristics of local connectivity, pooling and weight sharing,a six-layer CNNs structure is used to demodulate and eliminate ISI. The results showthat with the symbol rate of 1. 07 k Bd, the bandwidth of the band-pass filter( BPF) in a transmitter of 1 k Hz and the changing number of carrier cycles in a symbol K = 5,10,15,28, the overall bit error ratio( BER) performance of CNNs with single-symbol decision is superior to that with a doublesymbol united-decision. In addition, the BER performance of single-symbol decision is approximately 0. 5 d B better than that of the coherent demodulator while K equals the total number of carrier circles in a symbol, i. e., K = N = 28. With the symbol rate of 1. 07 k Bd, the bandwidth of BPF in a transmitter of 500 Hz and K = 5,10,15,28, the overall BER performance of CNNs with double-symbol united-decision is superior to those with single-symbol decision. Moreover, the double-symbol uniteddecision method is approximately 0. 5 to 1. 5 d B better than that of the coherent demodulator while K = N = 28. The demodulators based on CNNs successfully solve the serious ISI problems generated during the transmission of FTN rate bipolar EBPSK signals, which is beneficial for the improvement of spectrum efficiency. 展开更多
关键词 bipolar extended binary phase shifting keying(EBPSK) convolutional neural networks(CNNs) faster-thanNyquist(FTN) rate double-symbol united-decision
在线阅读 下载PDF
基于Faster R-CNN的气象设备观测环境影响图像研究 被引量:1
16
作者 王超然 周若 +2 位作者 李中华 邬昀 白子诚 《电子设计工程》 2025年第4期128-132,共5页
为确保气象站点实况观测数据的准确性,观测场地需要有良好的环境。该研究利用深度学习技术中的Faster R-CNN模型,自动检测气象观测站场景中可能干扰仪器读数的视觉障碍物。通过收集并详细标注实际观测场景的图像数据,建立一个包含环境... 为确保气象站点实况观测数据的准确性,观测场地需要有良好的环境。该研究利用深度学习技术中的Faster R-CNN模型,自动检测气象观测站场景中可能干扰仪器读数的视觉障碍物。通过收集并详细标注实际观测场景的图像数据,建立一个包含环境对观测设备产生影响情况的数据集,涵盖正常与异常环境情况的百叶箱和雨量筒图像及其标注信息。对Faster R-CNN模型进行微调和超参数优化,以适应该特定识别任务。实验结果验证了模型在识别和定位障碍物方面的高效性,准确率为97.1%,展现出了较好的鲁棒性。该项研究将图像识别处理用于自动站探测环境,不仅证明了深度学习在改善气象观测条件中的有效性,也为相似领域的应用提供了方法论上的指导。 展开更多
关键词 深度学习 faster R-CNN 气象观测场 图像处理
在线阅读 下载PDF
改进Faster R-CNN的变电站电气主接线图图元检测 被引量:1
17
作者 冯冰 杜岳凡 +4 位作者 金尧 宗祥瑞 金花 刘潭晶 王璁 《哈尔滨理工大学学报》 北大核心 2025年第4期39-47,共9页
针对变电站电气主接线图中图元检测精度低以及小目标图元误检率漏检率高的问题,提出一种基于改进Faster R-CNN算法的变电站电气主接线图图元检测方法。首先,引入深度残差网络结构,替换Faster R-CNN原始特征提取网络,增强多尺度图元目标... 针对变电站电气主接线图中图元检测精度低以及小目标图元误检率漏检率高的问题,提出一种基于改进Faster R-CNN算法的变电站电气主接线图图元检测方法。首先,引入深度残差网络结构,替换Faster R-CNN原始特征提取网络,增强多尺度图元目标特征提取能力;然后,引入特征金字塔网络,将浅层特征信息和深层特征信息融合,提升深层网络对小目标的检测性能;最后,依据小目标尺度分布特征,在区域建议网络中重新设定Anchor的参数值,进一步提高小目标检测性能。实验结果表明,改进算法的平均检测精度达88.9%,相比原算法提高了4.2%,具有更高的检测精度和更低的误检率与漏检率。 展开更多
关键词 变电站 接线图 图元检测 faster R-CNN优化算法 深度学习
在线阅读 下载PDF
优化Faster R-CNN用于输电线路金具缺陷识别 被引量:2
18
作者 向哲宏 张捷 +3 位作者 宋卫平 李欢欢 徐小云 黄飞虎 《信息技术》 2025年第6期81-88,共8页
Faster R-CNN网络模型本身网络结构和参数存在检测准确度不够、检测的漏检率较高,以及不能完整标记检测目标的问题。因此通过对模拟退火算法进行优化,再将优化后的模拟退火算法对Faster R-CNN模型网络结构和参数进行寻优调试,将卷积神... Faster R-CNN网络模型本身网络结构和参数存在检测准确度不够、检测的漏检率较高,以及不能完整标记检测目标的问题。因此通过对模拟退火算法进行优化,再将优化后的模拟退火算法对Faster R-CNN模型网络结构和参数进行寻优调试,将卷积神经网络模型全连接层中神经元之间的权重和偏置看作参数,得到的最优参数再构建成新的Faster R-CNN模型网络,使得Faster R-CNN在目标检测和识别领域具有更好的效果。训练结果也证明,优化后的网络模型在目标检测识别的准确度上有极大的提高,并且对目标物体的定位错误率更低、定位位置更加准确,模型整体鲁棒性增加。 展开更多
关键词 优化模拟退火算法 faster R-CNN 网络结构 输电线路金具 缺陷识别
在线阅读 下载PDF
基于CCNet和Faster R-CNN模型的水稻叶片病害检测 被引量:1
19
作者 丁士宁 张克旺 姜明富 《江苏农业科学》 北大核心 2025年第15期239-245,共7页
为了准确检测水稻叶片病害,将深度学习模型CCNet和Faster R-CNN应用到水稻叶片病害检测上。首先收集3种不同类型的水稻叶片病害图像数据共计950张,从而构建水稻叶片病害数据集。为增强模型的泛化能力,在数据集划分训练集、验证集和测试... 为了准确检测水稻叶片病害,将深度学习模型CCNet和Faster R-CNN应用到水稻叶片病害检测上。首先收集3种不同类型的水稻叶片病害图像数据共计950张,从而构建水稻叶片病害数据集。为增强模型的泛化能力,在数据集划分训练集、验证集和测试集之后,对所有图像进行数据增强,扩展后的数据集图像数量达到7 600张。数据集构建完成后,使用CCNet模型对图像进行分割,从而将水稻叶片与其背景分离,避免背景对病害检测的干扰。进而使用Faster R-CNN模型检测病害种类和病害位置,同时为了增强检测精度,向Faster R-CNN模型引入特征金字塔网络,并且使用ROI Align层替换ROI Pooling层。经试验验证,本研究模型在所用水稻数据集上的平均精度均值指标达到了73.1%,相比于原Faster R-CNN模型提高了3.4百分点。对比试验结果表明,本研究模型的平均精度均值比SSD300、SSD512、Retinanet模型分别高13.0、5.1、6.9百分点,该模型的检测精度最高。试验结果验证了所提模型的有效性,表明该模型能够准确识别水稻白叶枯病、胡麻叶斑病和叶瘟病。 展开更多
关键词 水稻叶片病害 faster R-CNN模型 CCNet模型 特征金字塔网络 ROI Align层
在线阅读 下载PDF
基于Faster R-CNN和Mask R-CNN的滑坡自动识别研究 被引量:3
20
作者 于宪煜 杨森 《大地测量与地球动力学》 北大核心 2025年第1期1-4,12,共5页
基于高分一号影像,以三峡库区库首段为例,通过目视解译出160个滑坡样本,按照9∶1比例分为训练样本和验证样本,分别利用Faster R-CNN和Mask R-CNN算法构建滑坡自动识别模型。为进一步对比分析不同样本比例下两种模型的性能,分别采用8∶2... 基于高分一号影像,以三峡库区库首段为例,通过目视解译出160个滑坡样本,按照9∶1比例分为训练样本和验证样本,分别利用Faster R-CNN和Mask R-CNN算法构建滑坡自动识别模型。为进一步对比分析不同样本比例下两种模型的性能,分别采用8∶2、7∶3、6∶4的样本比例进行计算。研究结果表明,Mask R-CNN模型识别结果准确率、召回率和F 1分数等3项指标均优于Faster R-CNN;且经过交叉验证,证明Mask R-CNN模型的性能更为稳定。 展开更多
关键词 深度学习 滑坡识别 Mask R-CNN faster R-CNN 交叉验证
在线阅读 下载PDF
上一页 1 2 250 下一页 到第
使用帮助 返回顶部