基于特征融合的可见光与红外图像目标检测

为提升目标检测任务在复杂环境下的识别效果,提出了一种基于特征融合的红外与可见光目标检测方法。该方法首先采用并列的卷积神经网络分别提取红外和可见光特征信息,并利用通道和空间注意力机制提升有效特征的权重;其次,为充分利用红外和可见光特征进行信息互补,设计了特征自适应融合结构,以自主学习方式将红外与可见光特征以最优方式加权融合;最后,针对不同尺度目标,通过交替采样方式充分融合深层和浅层特征,保障各维度目标检测效果。通过实验表明,所提方法可以充分利用并融合不同模式、尺度的目标特征信息,实现目标准确识别及定位。同时,在实际电网设备检测中,该方法也体现出较优的鲁棒性和泛化性。     

换流站变压器端到端偏磁声纹识别研究北大核心CSCD

为提高换流站智能化水平,充分利用巡检机器人硬件能力,文中基于变压器声音信息提出一种直流偏磁声纹识别方法,该方法可以无需特定降噪算法应对瞬态和稳态噪声。首先,对变压器声音信号进行分析;其次,为提高有效声音信息权重,结合变压器声音信号特点,使用W⁃50FMCC特征来表征声音信息;再次,基于多头注意力机制和残差结构设计了非自回归端到端偏磁声纹识别模型,使用信道补偿算法提升特征正交性并获取相似度得分,完成识别;最后通过实验进行了验证。实验表明,该方法可以直接对变压器声学信号的偏磁情况进行准确的识别,无需降噪算法。