本研究利用空间金字塔池化(Spatial Pyramid Pooling,SPP)和全局平均池化(Global Average Pooling,GAP)优化传统的AlexNet架构,并将其应用于无人驾驶汽车的视觉识别系统中。这项研究旨在提高无人驾驶车辆通过摄像头感知环境的准确性和...本研究利用空间金字塔池化(Spatial Pyramid Pooling,SPP)和全局平均池化(Global Average Pooling,GAP)优化传统的AlexNet架构,并将其应用于无人驾驶汽车的视觉识别系统中。这项研究旨在提高无人驾驶车辆通过摄像头感知环境的准确性和效率。首先,笔者对AlexNet算法进行了改进,集成了SPP和GAP。SPP的引入使网络能够更有效地处理不同尺寸的图像,得到改进的AlexNet-SG网络,从而捕捉更多的空间信息。GAP的应用减少了模型的参数数量,从而降低了过拟合的风险并加快了训练速度。这些改进不仅增强了模型的泛化能力,还提高了网络对复杂场景的识别能力。本研究使用真实世界的交通环境数据对改进后的模型进行了测试,实验涵盖了多种交通场景,包括直车道、弯车道、人行道等。研究结果表明,AlexNet-SG在处理复杂交通场景时的表现明显优于原始模型,特别是在识别距离和准确率方面取得了显著提升。展开更多
本文针对滚动轴承故障诊断准确率不高的问题提出一种新方法。首先,将振动信号通过短时傅里叶变换(Short Time Fourier Transform,STFT)转化为时频图像构建数据集。其次,采用批量归一化算法和GeLU激活函数改进Alexnet网络,对不同工况的...本文针对滚动轴承故障诊断准确率不高的问题提出一种新方法。首先,将振动信号通过短时傅里叶变换(Short Time Fourier Transform,STFT)转化为时频图像构建数据集。其次,采用批量归一化算法和GeLU激活函数改进Alexnet网络,对不同工况的时频图像进行训练和故障诊断。在凯斯西储大学(Case Western Reserve University,CWRU)轴承数据集试验中,改进后的Alexnet网络训练损失更低,收敛速度更快,故障识别准确率更高。最后,比较模拟滚动轴承损伤故障实验平台采集的样本数据,改进Alexnet网络的故障识别准确率为97.2%,明显优于Alexnet网络、SVM网络和CNN网络,验证了该改进方法的有效性。展开更多
针对电网在台风、冰冻等极端条件下发生故障的诊断问题,提出利用标准遥信及广域测量系统(wide area measurement system,WAMS)数据训练Alexnet模型,并应用于电网故障诊断的方案。首先利用标准故障遥信信息和WAMS数据构造Alexnet的输入...针对电网在台风、冰冻等极端条件下发生故障的诊断问题,提出利用标准遥信及广域测量系统(wide area measurement system,WAMS)数据训练Alexnet模型,并应用于电网故障诊断的方案。首先利用标准故障遥信信息和WAMS数据构造Alexnet的输入图片矩阵,对Alexnet进行训练。然后对Alexnet输入图片高维特征提取方法进行分析,提出构造最优分布结构的输入图片矩阵方法,并形成故障诊断模型。最后以海南岛电网遭受台风袭击为场景,搭建仿真模型对Alexnet故障诊断模型进行验证。展开更多
针对现有的纺织产品疵点分类方法数据集小,网络训练耗时较长以及准确率较低等问题,论文提出了一种使用迁移学习基于ALexNet模型的纺织产品疵点分类算法(Fabric Defect Classification Model based on AlexNet using Transfer Learning,F...针对现有的纺织产品疵点分类方法数据集小,网络训练耗时较长以及准确率较低等问题,论文提出了一种使用迁移学习基于ALexNet模型的纺织产品疵点分类算法(Fabric Defect Classification Model based on AlexNet using Transfer Learning,FDAT),首先,针对纺织产品疵点数据集数据量少的问题,通过基于大型数据集训练得到模型训练参数权重,利用迁移学习方法构建基于AlexNet的纺织产品疵点分类方法;其次,对输入纺织产品疵点数据进行特征提取,使用softmax分类器针对特征提取结果进行分类;最后,在TILDA纺织产品疵点数据集上进行了计算机模拟实验,实验结果表明,提出的FDAT模型对比传统小波变换算法,人工神经网络,DenseNet,ResNet以及Xception,可以有效地解决小样本分类问题,提高算法的准确率的同时,缩短网络分类耗时。展开更多
文摘本研究利用空间金字塔池化(Spatial Pyramid Pooling,SPP)和全局平均池化(Global Average Pooling,GAP)优化传统的AlexNet架构,并将其应用于无人驾驶汽车的视觉识别系统中。这项研究旨在提高无人驾驶车辆通过摄像头感知环境的准确性和效率。首先,笔者对AlexNet算法进行了改进,集成了SPP和GAP。SPP的引入使网络能够更有效地处理不同尺寸的图像,得到改进的AlexNet-SG网络,从而捕捉更多的空间信息。GAP的应用减少了模型的参数数量,从而降低了过拟合的风险并加快了训练速度。这些改进不仅增强了模型的泛化能力,还提高了网络对复杂场景的识别能力。本研究使用真实世界的交通环境数据对改进后的模型进行了测试,实验涵盖了多种交通场景,包括直车道、弯车道、人行道等。研究结果表明,AlexNet-SG在处理复杂交通场景时的表现明显优于原始模型,特别是在识别距离和准确率方面取得了显著提升。
文摘本文针对滚动轴承故障诊断准确率不高的问题提出一种新方法。首先,将振动信号通过短时傅里叶变换(Short Time Fourier Transform,STFT)转化为时频图像构建数据集。其次,采用批量归一化算法和GeLU激活函数改进Alexnet网络,对不同工况的时频图像进行训练和故障诊断。在凯斯西储大学(Case Western Reserve University,CWRU)轴承数据集试验中,改进后的Alexnet网络训练损失更低,收敛速度更快,故障识别准确率更高。最后,比较模拟滚动轴承损伤故障实验平台采集的样本数据,改进Alexnet网络的故障识别准确率为97.2%,明显优于Alexnet网络、SVM网络和CNN网络,验证了该改进方法的有效性。
文摘针对电网在台风、冰冻等极端条件下发生故障的诊断问题,提出利用标准遥信及广域测量系统(wide area measurement system,WAMS)数据训练Alexnet模型,并应用于电网故障诊断的方案。首先利用标准故障遥信信息和WAMS数据构造Alexnet的输入图片矩阵,对Alexnet进行训练。然后对Alexnet输入图片高维特征提取方法进行分析,提出构造最优分布结构的输入图片矩阵方法,并形成故障诊断模型。最后以海南岛电网遭受台风袭击为场景,搭建仿真模型对Alexnet故障诊断模型进行验证。
文摘针对现有的纺织产品疵点分类方法数据集小,网络训练耗时较长以及准确率较低等问题,论文提出了一种使用迁移学习基于ALexNet模型的纺织产品疵点分类算法(Fabric Defect Classification Model based on AlexNet using Transfer Learning,FDAT),首先,针对纺织产品疵点数据集数据量少的问题,通过基于大型数据集训练得到模型训练参数权重,利用迁移学习方法构建基于AlexNet的纺织产品疵点分类方法;其次,对输入纺织产品疵点数据进行特征提取,使用softmax分类器针对特征提取结果进行分类;最后,在TILDA纺织产品疵点数据集上进行了计算机模拟实验,实验结果表明,提出的FDAT模型对比传统小波变换算法,人工神经网络,DenseNet,ResNet以及Xception,可以有效地解决小样本分类问题,提高算法的准确率的同时,缩短网络分类耗时。