期刊导航
期刊开放获取
河南省图书馆
退出
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
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
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于ResNeXt网络的滚动轴承剩余使用寿命预测
被引量:
1
1
作者
王哲
刘学平
+1 位作者
李玙乾
李旭
《制造业自动化》
CSCD
北大核心
2022年第6期17-19,共3页
为了准确掌握滚动轴承剩余寿命信息,评估轴承的退化状态,提出了一种基于深度学习理论的卷积神经网络模型,对轴承剩余使用寿命进行预测。通过选取最新的ResNeXt作为网络骨干,设计卷积神经网络模型。该网络模型可以堆叠大量的卷积层从而...
为了准确掌握滚动轴承剩余寿命信息,评估轴承的退化状态,提出了一种基于深度学习理论的卷积神经网络模型,对轴承剩余使用寿命进行预测。通过选取最新的ResNeXt作为网络骨干,设计卷积神经网络模型。该网络模型可以堆叠大量的卷积层从而抽取到丰富的语义特征,即使在训练数据较少时仍然具有很好的泛化能力。最后在公开数据集上对算法进行了训练和验证,表明该方法可以根据滚动轴承的振动信号较为准确地对轴承的剩余使用寿命进行预测。
展开更多
关键词
滚动轴承
剩余使用寿命预测
resnext网络
下载PDF
职称材料
基于卷积语义增强的细粒度图像分类方法
2
作者
陈建华
余松森
梁军
《软件导刊》
2024年第3期142-149,共8页
细粒度图像分类是指基于已划分的基本类别而进行的更细粒度的子类别划分。由于细粒度图像分类具有类间差异小、类内差异大的数据特征,使其成为了一项非常具有挑战性的研究任务。通过对现有细粒度图像分类算法和模型的分析研究,提出一种...
细粒度图像分类是指基于已划分的基本类别而进行的更细粒度的子类别划分。由于细粒度图像分类具有类间差异小、类内差异大的数据特征,使其成为了一项非常具有挑战性的研究任务。通过对现有细粒度图像分类算法和模型的分析研究,提出一种基于卷积增强多尺度特征语义的弱监督细粒度分类方法。该方法通过卷积关联高低层特征,运用高层特征语义突出底层有意义的特征,抑制语义无效的底层特征,进而获得更具表达能力的多尺度特征。在以ResNeXt-101网络作为骨干网络和特征提取网络的基础上,在3个常用的细粒度图像数据集上对该方法进行实验验证,取得的分类正确率分别为88.3%、93.7%和94.3%。实验结果表明,与增强全局特征子特征的语义方法SEF、采用并行卷积块的多层特征融合方法MFF等其他多个主流细粒度分类算法相比,所提方法取得了更好的分类效果。
展开更多
关键词
细粒度图像分类
深度学习
弱监督
resnext网络
下载PDF
职称材料
基于非对称卷积−压缩激发−次代残差网络的人脸关键点检测
被引量:
3
3
作者
王贺兵
张春梅
《计算机应用》
CSCD
北大核心
2021年第9期2741-2747,共7页
级联深度卷积神经网络(DCNN)算法为首先在人脸关键点检测中使用卷积神经网络(CNN)的模型,CNN的使用使得检测精度得到极大的提升。针对该策略需要对相邻阶段间的数据反复进行回归处理使得算法流程十分复杂的问题,提出基于非对称卷积−压...
级联深度卷积神经网络(DCNN)算法为首先在人脸关键点检测中使用卷积神经网络(CNN)的模型,CNN的使用使得检测精度得到极大的提升。针对该策略需要对相邻阶段间的数据反复进行回归处理使得算法流程十分复杂的问题,提出基于非对称卷积−压缩激发−次代残差网络(AC-SE-ResNeXt)的人脸关键点检测算法。所提算法仅使用单阶段回归,既避免了级联策略中多阶段回归的算法流程复杂性,又解决了相邻阶段间数据需要进行预处理的问题。为了不降低精度,在次代残差网络(ResNeXt)块的基础上添加了非对称卷积(AC)模块和压缩激发(SE)模块,构建了AC-SE-ResNeXt网络模型。同时,为了能够精确拟合在不同光照、姿态、表情等复杂环境下的人脸,将AC-SEResNeXt网络模型加深到101层。对训练好的模型分别在数据集BioID和LFPW上进行测试,其中该模型在BioID数据集上的人脸五点关键点检测的综合平均误差率为1.99%,在LFPW数据集上的人脸五点关键点检测的综合平均误差率为2.3%。实验结果表明,所改进的算法不但简化了算法流程使之能进行端到端处理,而且其精度与级联DCNN算法相当,鲁棒性也有明显提升。
展开更多
关键词
人脸关键点检测
非对称卷积
压缩激发模块
卷积神经
网络
次代残差
网络
(
resnext
)
下载PDF
职称材料
基于视频分析的空管员违规行为识别方法
4
作者
唐豪
奉鑫鑫
+2 位作者
高曙
罗帆
揣明瑞
《中国安全生产科学技术》
CAS
CSCD
北大核心
2023年第1期196-201,共6页
为利用视频数据对空管员违规行为进行智能化分析,降低不安全事件发生率,提出2阶段的违规行为识别模型(AR-ResNeXt),基于实地调研构建空管员视频数据集,利用最小化动态多实例学习损失函数和中心损失函数,获得违规行为检测的判别特征表示...
为利用视频数据对空管员违规行为进行智能化分析,降低不安全事件发生率,提出2阶段的违规行为识别模型(AR-ResNeXt),基于实地调研构建空管员视频数据集,利用最小化动态多实例学习损失函数和中心损失函数,获得违规行为检测的判别特征表示,结合异常回归网络和ResNeXt网络,完成对空管员违规行为的时序区间检测与动作分类。研究结果表明:AR-ResNeXt模型在自制数据集中,其帧级AUC达到82.9%,分类准确率达到87.8%,可准确识别空管员发生违规行为的时序区间并进行分类,研究结果可为保障空中交通安全奠定基础。
展开更多
关键词
违规行为
深度学习
视频监控
空中交通管制员
异常回归
网络
resnext网络
下载PDF
职称材料
题名
基于ResNeXt网络的滚动轴承剩余使用寿命预测
被引量:
1
1
作者
王哲
刘学平
李玙乾
李旭
机构
清华大学深圳国际研究生院
出处
《制造业自动化》
CSCD
北大核心
2022年第6期17-19,共3页
基金
国家重点研发计划(2018YFB2000500)。
文摘
为了准确掌握滚动轴承剩余寿命信息,评估轴承的退化状态,提出了一种基于深度学习理论的卷积神经网络模型,对轴承剩余使用寿命进行预测。通过选取最新的ResNeXt作为网络骨干,设计卷积神经网络模型。该网络模型可以堆叠大量的卷积层从而抽取到丰富的语义特征,即使在训练数据较少时仍然具有很好的泛化能力。最后在公开数据集上对算法进行了训练和验证,表明该方法可以根据滚动轴承的振动信号较为准确地对轴承的剩余使用寿命进行预测。
关键词
滚动轴承
剩余使用寿命预测
resnext网络
分类号
TP399 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于卷积语义增强的细粒度图像分类方法
2
作者
陈建华
余松森
梁军
机构
华南师范大学软件学院
出处
《软件导刊》
2024年第3期142-149,共8页
基金
广东省基础与应用基础研究基金区域联合基金项目(重点项目)(2020B1515120089)。
文摘
细粒度图像分类是指基于已划分的基本类别而进行的更细粒度的子类别划分。由于细粒度图像分类具有类间差异小、类内差异大的数据特征,使其成为了一项非常具有挑战性的研究任务。通过对现有细粒度图像分类算法和模型的分析研究,提出一种基于卷积增强多尺度特征语义的弱监督细粒度分类方法。该方法通过卷积关联高低层特征,运用高层特征语义突出底层有意义的特征,抑制语义无效的底层特征,进而获得更具表达能力的多尺度特征。在以ResNeXt-101网络作为骨干网络和特征提取网络的基础上,在3个常用的细粒度图像数据集上对该方法进行实验验证,取得的分类正确率分别为88.3%、93.7%和94.3%。实验结果表明,与增强全局特征子特征的语义方法SEF、采用并行卷积块的多层特征融合方法MFF等其他多个主流细粒度分类算法相比,所提方法取得了更好的分类效果。
关键词
细粒度图像分类
深度学习
弱监督
resnext网络
Keywords
fine-grained image classification
deep learning
weak supervision
resnext
network
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于非对称卷积−压缩激发−次代残差网络的人脸关键点检测
被引量:
3
3
作者
王贺兵
张春梅
机构
北方民族大学计算机科学与工程学院
出处
《计算机应用》
CSCD
北大核心
2021年第9期2741-2747,共7页
基金
宁夏回族自治区重点研发计划一般项目(2019BDE0311)
宁夏高等学校一流学科建设(电子科学与技术学科)项目(NXYLXK2017A07)。
文摘
级联深度卷积神经网络(DCNN)算法为首先在人脸关键点检测中使用卷积神经网络(CNN)的模型,CNN的使用使得检测精度得到极大的提升。针对该策略需要对相邻阶段间的数据反复进行回归处理使得算法流程十分复杂的问题,提出基于非对称卷积−压缩激发−次代残差网络(AC-SE-ResNeXt)的人脸关键点检测算法。所提算法仅使用单阶段回归,既避免了级联策略中多阶段回归的算法流程复杂性,又解决了相邻阶段间数据需要进行预处理的问题。为了不降低精度,在次代残差网络(ResNeXt)块的基础上添加了非对称卷积(AC)模块和压缩激发(SE)模块,构建了AC-SE-ResNeXt网络模型。同时,为了能够精确拟合在不同光照、姿态、表情等复杂环境下的人脸,将AC-SEResNeXt网络模型加深到101层。对训练好的模型分别在数据集BioID和LFPW上进行测试,其中该模型在BioID数据集上的人脸五点关键点检测的综合平均误差率为1.99%,在LFPW数据集上的人脸五点关键点检测的综合平均误差率为2.3%。实验结果表明,所改进的算法不但简化了算法流程使之能进行端到端处理,而且其精度与级联DCNN算法相当,鲁棒性也有明显提升。
关键词
人脸关键点检测
非对称卷积
压缩激发模块
卷积神经
网络
次代残差
网络
(
resnext
)
Keywords
facial landmark detection
Asymmetric Convolution(AC)
Squeeze-and-Excitation(SE)module
Convolutional Neural Network(CNN)
Next Residual Network(
resnext
)
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于视频分析的空管员违规行为识别方法
4
作者
唐豪
奉鑫鑫
高曙
罗帆
揣明瑞
机构
武汉理工大学计算机与人工智能学院
武汉理工大学管理学院
出处
《中国安全生产科学技术》
CAS
CSCD
北大核心
2023年第1期196-201,共6页
基金
国家自然科学基金项目(71271163)
国家教育部人文社科项目(18YJA630076)。
文摘
为利用视频数据对空管员违规行为进行智能化分析,降低不安全事件发生率,提出2阶段的违规行为识别模型(AR-ResNeXt),基于实地调研构建空管员视频数据集,利用最小化动态多实例学习损失函数和中心损失函数,获得违规行为检测的判别特征表示,结合异常回归网络和ResNeXt网络,完成对空管员违规行为的时序区间检测与动作分类。研究结果表明:AR-ResNeXt模型在自制数据集中,其帧级AUC达到82.9%,分类准确率达到87.8%,可准确识别空管员发生违规行为的时序区间并进行分类,研究结果可为保障空中交通安全奠定基础。
关键词
违规行为
深度学习
视频监控
空中交通管制员
异常回归
网络
resnext网络
Keywords
violations
deep learning
video surveillance
air traffic controller
abnormal regression network
resnext
network
分类号
X949 [环境科学与工程—安全科学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于ResNeXt网络的滚动轴承剩余使用寿命预测
王哲
刘学平
李玙乾
李旭
《制造业自动化》
CSCD
北大核心
2022
1
下载PDF
职称材料
2
基于卷积语义增强的细粒度图像分类方法
陈建华
余松森
梁军
《软件导刊》
2024
0
下载PDF
职称材料
3
基于非对称卷积−压缩激发−次代残差网络的人脸关键点检测
王贺兵
张春梅
《计算机应用》
CSCD
北大核心
2021
3
下载PDF
职称材料
4
基于视频分析的空管员违规行为识别方法
唐豪
奉鑫鑫
高曙
罗帆
揣明瑞
《中国安全生产科学技术》
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部