期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
改进AOD-Net的轻量级图像去雾算法 被引量:4
1
作者 张骞 陈紫强 +1 位作者 姜弘岳 赵玖龙 《实验室研究与探索》 CAS 北大核心 2022年第7期18-22,共5页
针对AOD-Net图像去雾算法质量偏低,存在色差的问题,提出一种改进的图像快速去雾算法。该算法对AOD-Net的前两个卷积层进行位置归一化,并将提取的矩信息输入后续的网络层中进行仿射变换,在改善原有网络中的数据分布及提高网络的收敛速度... 针对AOD-Net图像去雾算法质量偏低,存在色差的问题,提出一种改进的图像快速去雾算法。该算法对AOD-Net的前两个卷积层进行位置归一化,并将提取的矩信息输入后续的网络层中进行仿射变换,在改善原有网络中的数据分布及提高网络的收敛速度后,引入PSA注意力模块,使用多尺度的卷积核提取特征信息,加权融合特征并调整网络通道的权重,抑制冗余信息,提高模型的去雾质量。利用公开数据集RESIDE与现有的轻量级去雾算法进行实验对比,改进算法的单幅图像去雾耗时仅为4.3 ms,去雾质量优于DCP、CAP和Dehaze-Net等去雾算法。与AOD-Net相比,该方法的峰值信噪比提高了2.71 dB,结构相似度达到0.95,有效提升网络的图像去雾能力。 展开更多
关键词 图像去雾 深度学习 位置归一化 注意力模块
下载PDF
基于Transformer神经网络的滚动轴承故障类型识别 被引量:14
2
作者 邱大伟 刘子辰 +3 位作者 周一青 龙隆 谭雯雯 曹欢 《高技术通讯》 EI CAS 2021年第1期1-11,共11页
工程应用中的滚动轴承故障类型识别要求同时具有较高的识别准确度和时间效率,基于上述需求提出基于Transformer神经网络的滚动轴承故障类型识别方法。所提方法结合小波包变换时频域能量特征和快速傅里叶变换频域特征生成满足Transforme... 工程应用中的滚动轴承故障类型识别要求同时具有较高的识别准确度和时间效率,基于上述需求提出基于Transformer神经网络的滚动轴承故障类型识别方法。所提方法结合小波包变换时频域能量特征和快速傅里叶变换频域特征生成满足Transformer神经网络的输入样本矩阵,解决Transformer神经网络的输入问题。同时,提出应用于滚动轴承故障类型识别的归一化位置编码方法,解决Transformer神经网络在滚动轴承故障分析领域的位置编码问题。在此基础上,提出Transformer神经网络双向输入样本矩阵处理机制和算法训练过程中错误样本权重增强机制,提升所提方法的鲁棒性。使用KAt数据中心的滚动轴承数据集验证所提方法的识别性能,与现有常用深度学习方法相比,所提方法在时间效率和准确度性能上均有一定的优势,其中,准确度能够提升11%以上,单个样本的平均处理时间小于1 ms。 展开更多
关键词 滚动轴承 故障类型识别 Transformer神经网络 前向特征矩阵 后向特征矩阵 归一化位置编码 权重增强
下载PDF
Identifying Scale-location Specific Control on Vegetation Distribution in Mountain-hill Region 被引量:3
3
作者 QIU Bing-wen ZENG Can-ying +2 位作者 TANG Zheng-hong LI Wei-jiao Aaron HIRSH 《Journal of Mountain Science》 SCIE CSCD 2013年第4期541-552,共12页
vegetation continuous The scale-location specific control on distribution was investigated through wavelet transforms approaches in subtropical mountain-hill region, Fujian, China. The Normalized Difference Vegetatio... vegetation continuous The scale-location specific control on distribution was investigated through wavelet transforms approaches in subtropical mountain-hill region, Fujian, China. The Normalized Difference Vegetation Index (NDVI) was calculated as an indicator of vegetation greenness using Chinese Environmental Disaster Reduction Satellite images along latitudinal and longitudinal transects. Four scales of variations were identified from the local wavelet spectrum of NDVI, with much stronger wavelet variances observed at larger scales. The characteristic scale of vegetation distribution within mountainous and hilly regions in Southeast China was around 20 km. Significantly strong wavelet coherency was generally examined in regions with very diverse topography, typically characterized as small mountains and hills fractured by rivers and residents. The continuous wavelet based approaches provided valuable insight on the hierarchical structure and its corresponding characteristic scales of ecosystems, which might be applied in defining proper levels in multilevel models and optimal bandwidths in Geographically Weighted Regression. 展开更多
关键词 NDVI Continuous wavelet transform Characteristic scale Mountain-hill region Scale-location specific
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部