公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

基于可分离残差卷积与语义补偿的U-Net坝面裂缝分割被引量：1: 2021年; 坝面缺陷检测是水利枢纽安全巡检的关键环节,但复杂环境下坝面图像存在干扰噪声大和像素不均衡等问题,造成坝面裂缝难以精细分割。提出一种利用可分离残差卷积和语义补偿的U-Net裂缝分割方法。在U-Net网络的编码端构建更大尺寸的可分离残差卷积模块替换常规卷积模块,从而扩大特征层感受野并避免丢失裂缝边界信息,同时在解码端增加语义特征补偿模块改善多尺度特征融合效果,将焦点损失函数和中心损失函数作为目标函数,加大裂缝前景与困难样本的损失权重以提高分类准确度。在自制西南某水电站坝面裂缝数据集上的实验结果表明,该方法的F1值和交并比分别达到69.89%与53.72%,分割效果较SegNet、FCN-8S等传统方法更优,对细小裂缝区域的识别能力更强。; 庞杰庞杰冯春成张华

卷积神经网络在流场重构研究中的进展被引量：9: 2022年; 近年来,随着深度学习在图像处理、语音识别、自动驾驶、自然语言处理等领域迅速发展,该技术也被越来越广泛地应用于处理具有复杂非线性、高维度、大数据量等特点的流体力学方向.传统的方法无法有效地处理这些庞大的数据,深度学习因其具有强大的函数拟合能力,可以从大量的数据中挖掘有用的信息.当前,流体力学深度学习技术有了初步的一些研究成果,在流动信息特征提取、多源数据信息融合及流场的智能重构等方面具有重要的工程价值,其应用潜力逐渐得到证实.如何利用地面风洞试验、数值模拟及飞行试验获取的数据进行深入挖掘,快速智能感知及重构流场,可为主动流动控制提供重要指导.本文主要从深度学习不同类型的网络结构出发探讨了卷积神经网络在流场重构中的研究进展,文章首先介绍卷积神经网络的一些基本概念以及基本网络结构,之后简要介绍流场超分辨率重构网络、端到端的映射网络、长短期记忆网络的基本结构与理论,并详细归纳出他们的改进形式在流场重构领域的一系列研究进展与成果,最后对文章做出总结并探讨了流场重构深度学习技术所面临的挑战与展望.; 陈皓郭明明田野陈尔达田野乐嘉陵李林静; 关键词：卷积神经网络超分辨率

基于混合蚁群算法的核应急车辆疏散路径规划: 2023年; 核事故的发生具有不可预测性和破坏性,为应急车辆制定合理的疏散计划将危险区域的人员撤离至安置点,可以有效减少人员所受到的伤害。针对核事故下应急车辆路径规划问题,以累积辐射剂量为评价指标,提出了一种基于混合蚁群算法(Hybrid ant colony algorithm,HACO)的车辆路径规划方法。首先,利用模糊网络建立了时间窗内疏散路径平均通行时间期望模型,同时结合累积辐射剂量计算模型,建立了能够随时间变化的动态累积辐射剂量计算模型。然后在蚁群算法迭代过程中引入模拟退火算法,并且在邻域搜索中引入A*算法启发式思想,提高了算法全局寻优能力。为进一步提高算法的局部搜索能力,引入帕累托排序方式,在蚁群算法信息素更新方式中加入距离对信息素增量的影响。仿真结果表明:HACO算法相较于蚁群算法平均收敛值提高了31%,稳定性提高了30%,能够为核事故下疏散路径规划预案的制定提供技术支持。; 周怀芳张华霍建文李林静陈波林海涛; 关键词：核事故路径规划混合蚁群算法

超燃冲压发动机燃烧流场纹影图像无监督分割方法: 2022年; 超燃冲压发动机燃烧室流场纹影图像常存在大量噪声信号,如何高效、准确提取燃烧流场图像的主要波系结构成为当前亟需探索的问题。以超燃冲压发动机燃烧室内冷流到氢燃料点火阶段流场为研究对象,基于深度神经网络方法,发展一种燃烧室内流场的关键波系结构快速识别方法。采用基于图论的超像素分割方法对纹影图像进行聚类分割,为语义信息明显相同区域分配伪标签;设计了一种全卷积特征提取神经网络,并使用残差结构对各个通道进行加权,提取纹影图像高级语义特征;使用交叉熵目标函数优化网络模型,并通过阈值滤波操作去除噪声像素点,提升语义分割效果。结果表明:与K-means及自适应高斯阈值方法相比,本文提出方法在准确率、召回率、F1分数和交并比指标性能明显是最优的,能够准确完成燃烧流场纹影图像语义分割任务,可以更加清晰地反应流场内的主要波系和剪切层结构。; 赵国川李林静田野陈皓郭明明郭明明张华钟富宇; 关键词：超燃冲压发动机无监督学习

改进RetinaNet的轻量化工件检测算法研究: 2022年; 针对传统目标检测模型参数量巨大,制约算法部署与模型推理实时性的问题,提出一种基于改进RetinaNet检测模型的轻量化实时目标检测网络。使用MobileNet-V2代替RetinaNet模型中的ResNet骨干网络,降低整体模型的参数量;设计锚框引导采样机制,基于特征金字塔输出特征层生成感兴趣区域掩码,减少背景区域冗余锚框,降低后处理过程中的计算复杂度;引入GFocalLossV2损失函数统计预测边框分布特征,优化预测边框质量以及提升分类准确度。该模型在自制多类别工件数据集WP和PascalVOC公开数据集上进行验证实验,改进模型的检测准确率分别达到99.5%、80.5%,检测速度分别达到39.8 FPS、38.3 FPS。实验结果表明,该轻量级目标检测模型能够实现实时检测,同时保证了检测精度。; 梅菠萍赵皓阳珊李林静李林静张静

全选清除导出

共1页<1>

李林静