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
2
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
基于双目视觉的台区测量算法研究
1
作者
毛江山
邵航
+2 位作者
叶宇清
李红日
邹会权
《电子设计工程》
2024年第13期99-103,共5页
配电网台区建设质量的优劣,直接影响着台区的供电可靠性。针对传统配电网台区建设中人工验收存在的效率低、成本高、周期长、安全风险大等问题,设计了一种基于双目视觉和人工智能的台区量化指标测量算法。设计的多阶段检测算法能够实现...
配电网台区建设质量的优劣,直接影响着台区的供电可靠性。针对传统配电网台区建设中人工验收存在的效率低、成本高、周期长、安全风险大等问题,设计了一种基于双目视觉和人工智能的台区量化指标测量算法。设计的多阶段检测算法能够实现对台区关键部件的高精度定位识别。基于定位区域进而利用双目测量点匹配策略实现对台区验收量化指标的高精度测量。试验结果表明,所设计的测量设备能够在5 m工作距离内实现对15 m标准台区的拍摄测量,算法测量相对人工测量的误差范围为0.45%~1.97%,满足了配电网台区标准化建设验收中量化指标的精度需要。
展开更多
关键词
配电网台区
双目视觉
人工智能
指标测量
下载PDF
职称材料
一种基于可信度估计单元的图像分类噪声抑制深度学习策略
被引量:
1
2
作者
邵航
黄海亮
+1 位作者
郭雨晨
戴琼海
《电子学报》
EI
CAS
CSCD
北大核心
2020年第10期1969-1975,共7页
近年来,深度学习越来越关注噪声抑制的研究.本文提出了一种噪声抑制深度学习策略,该策略通过构建噪声无感网络(Noise Unaware Network,NUN)和可信度估计单元(Reliability Estimation Gate,REG)来处理训练数据含有噪声的情况.通过对每个...
近年来,深度学习越来越关注噪声抑制的研究.本文提出了一种噪声抑制深度学习策略,该策略通过构建噪声无感网络(Noise Unaware Network,NUN)和可信度估计单元(Reliability Estimation Gate,REG)来处理训练数据含有噪声的情况.通过对每个样本的可信度进行评估,调节其在训练时的权重,从而降低标签噪声对网络训练的影响.随着模型的迭代更新,标签可信数据的权重将会逐渐变大,而噪声数据的权重将会被抑制.本文通过在多个标注数据集上的实验验证了所提出的噪声抑制深度学习策略的有效性.
展开更多
关键词
深度学习
图像分类
噪声抑制
下载PDF
职称材料
题名
基于双目视觉的台区测量算法研究
1
作者
毛江山
邵航
叶宇清
李红日
邹会权
机构
国网
嘉兴
供电公司
浙江
未来
技术
研究院
(
嘉兴
)
嘉兴
市视觉大数据与人工智能重点实验室
出处
《电子设计工程》
2024年第13期99-103,共5页
基金
国网嘉兴供电公司省管产业科技项目(2021-KJLH-BH-021)。
文摘
配电网台区建设质量的优劣,直接影响着台区的供电可靠性。针对传统配电网台区建设中人工验收存在的效率低、成本高、周期长、安全风险大等问题,设计了一种基于双目视觉和人工智能的台区量化指标测量算法。设计的多阶段检测算法能够实现对台区关键部件的高精度定位识别。基于定位区域进而利用双目测量点匹配策略实现对台区验收量化指标的高精度测量。试验结果表明,所设计的测量设备能够在5 m工作距离内实现对15 m标准台区的拍摄测量,算法测量相对人工测量的误差范围为0.45%~1.97%,满足了配电网台区标准化建设验收中量化指标的精度需要。
关键词
配电网台区
双目视觉
人工智能
指标测量
Keywords
DTBP
binocular vision
artificial intelligence
indicator measurement
分类号
TP277 [自动化与计算机技术—检测技术与自动化装置]
TN913.6 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
一种基于可信度估计单元的图像分类噪声抑制深度学习策略
被引量:
1
2
作者
邵航
黄海亮
郭雨晨
戴琼海
机构
浙江
未来
技术
研究院
(
嘉兴
)
清华大学自动化系
出处
《电子学报》
EI
CAS
CSCD
北大核心
2020年第10期1969-1975,共7页
基金
国家自然科学基金(No.61827805)。
文摘
近年来,深度学习越来越关注噪声抑制的研究.本文提出了一种噪声抑制深度学习策略,该策略通过构建噪声无感网络(Noise Unaware Network,NUN)和可信度估计单元(Reliability Estimation Gate,REG)来处理训练数据含有噪声的情况.通过对每个样本的可信度进行评估,调节其在训练时的权重,从而降低标签噪声对网络训练的影响.随着模型的迭代更新,标签可信数据的权重将会逐渐变大,而噪声数据的权重将会被抑制.本文通过在多个标注数据集上的实验验证了所提出的噪声抑制深度学习策略的有效性.
关键词
深度学习
图像分类
噪声抑制
Keywords
deep learning
image classification
noise-suppression
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于双目视觉的台区测量算法研究
毛江山
邵航
叶宇清
李红日
邹会权
《电子设计工程》
2024
0
下载PDF
职称材料
2
一种基于可信度估计单元的图像分类噪声抑制深度学习策略
邵航
黄海亮
郭雨晨
戴琼海
《电子学报》
EI
CAS
CSCD
北大核心
2020
1
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