基于注意力ResNet模型的小麦锈病检测方法研究

针对小麦锈病识别率不高和病症难以判断问题,提出一种基于注意力机制(Attention Mechanism, AT)的残差网络模型(Residual Network, ResNet)。该模型利用ResNet网络能够抑制梯度弥散的优势,并引入注意力机制对小麦锈病特征因子赋予权重。对输入的小麦锈病图像进行通道注意力权重赋值,并提取图像空间细粒度特征完成小麦锈病检测。研究结果表明：该网络模型在Wheat-data数据集上平均识别精确率为95.20%,F₁-score为96.35%;与非注意力ResNet网络模型相比其平均识别精确率和F₁-score平均提高0.63%和1.03%。通过对网络模型参数和识别准确率分析,表明AT-ResNet100网络模型具有较好的性能。     

基于残差网络和注意力机制的步态识别算法

针对现有行人步态数据集样本较少、多特征融合复杂且识别精准度不高的问题,提出了一种基于残差网络和注意力机制的步态识别算法。首先对每种特征制作标签,然后将表示不同特征的标签做拼接,达到识别多特征的目的。通过迁移ResNet18的预训练模型,并在ResNet18网络第一个和最后一个卷积层后面加入注意力机制,能够加速网络的收敛,提升模型的精准率。〖JP3〗在CASIA-B数据集上进行多次实验,结果表明所提出方法能准确识别行人、状态和不同角度三种步态特征,识别的精准率为97.6%。     

基于声纹特征识别的电力变压器运维检测技术研究

针对现有方法对电力变压器状态监测不够全面的问题,基于声纹特征识别技术进行了电力变压器运维检测方法研究。构建了电力变压器声纹信号的梅尔倒频谱系数（MFCC）特征,并提出了基于深度置信网络（DBN）与支持向量数据状态描述（SVDD）的电力变压器缺陷状态识别算法。同时利用DBN模型对MFCC特征进行学习训练,完成对深度声纹特征的提取。通过SVDD算法对声纹特征与缺陷类型进行关联分析,以实现缺陷类型的精准识别。在实际数据样本集上进行的测试结果表明,DBN-SVDD算法对于缺陷类型识别具有较高的准确性,且在实际应用中能够准确识别常见缺陷,并为电力变压器运维检测提供有效的辅助。     

无线传感器网络干扰分类识别机制的研究

针对在优化无线传感器网络传输性能时,识别出网络是否受到干扰并区分网络内与网络间的干扰类型是首要解决的问题。设计并实现了一种能够识别传感器网络干扰并区分网内、网间干扰类型的机制。首先通过实验获得了传感器网络在常见干扰状态下的有关性能参数,并对这些参数进行了相关性分析,之后基于Logistic分类模型建立了干扰状态以及网内、网间干扰类型的识别模型,并根据实测数据确定了该模型的参数。实际测试表明基于该分类模型的分类识别方法的准确率可达到97%以上,能够有效解决发现网络受到干扰的情况以及对网络干扰识别的问题。     

ResNet网络下教室人物姿态分类

该文首次将ResNet网络的思想对复杂教室环境下的人物进行多类别分类设计,改进了网络结构,有效解决了传统基于像素特征的方法分类效果不理想的问题。实验中通过卷积提取特征、不同感受野、保留像素间联系、多层卷积级联提取深层次特征等方法,在网络训练过程中进行参数调整,优化算法和网络参数来解决困难样本的识别,将多类别的分类准确率从83.5%提升到99.2%,并实现了多目标检测的11类样本的判定。最终选取ResNet18₁6来进行高速有效的多类别识别。     

适于行人重识别的二分支EfficientNet网络设计

鉴于ResNet的强大表达能力,其在行人重识别领域获得了广泛的应用。虽然基于ResNet50构建的行人重识别网络取得了优异的性能,但流行的ResNet50仍存在模型体积大、效率低等局限性。与之相比,EfficientNet作为一种新兴的深度模型,具有设计合理、运行高效等特点,并在ImageNet数据集上有着更出色的性能表现。为此,本文尝试将EfficientNet系列网络引入到行人重识别领域,替代比较流行的ResNet50主干网络,提供了一个全新的骨干网基线。本文重点根据EfficientNet系列网络给出一种二分支行人重识别网络构造。相比于ResNet50,基于EfficientNet构造的二分支行人重识别网络具有网络参数规模小、性能提升明显的特点。实验结果表明:所构造的网络在行人重识别流行数据集上均有良好的表现。      

基于光流法与伪三维残差网络的微表情识别

微表情是一种动态变化的面部表情,具有复杂的时空特征,给其识别带来了极大的困难。本文提出一种基于光流法与伪三维残差网络（P3D ResNet）的微表情识别方法,通过光流法对微表情运动信息建模,为网络提供关键信息的同时丰富数据空间维度,采用伪三维残差网络进一步学习微表情的时间和空间特征。首先,将三个主流的微表情数据集进行融合,并对融合的数据集进行预处理;然后使用TVL1光流法提取表征微表情运动信息的光流特征序列,将得到的光流特征序列与微表情灰度图像序列进行通道连接,形成一个新的三通道微表情图像序列;最后将获得的微表情数据进行数据增强送入伪三维残差网络同时提取微表情的时空特征以实现微表情的识别。其中,P3D ResNet是在残差网络的框架中采用二维卷积滤波器提取微表情的空间特征,一维卷积滤波器提取微表情的时间特征来模拟三维卷积滤波器。在融合数据集上的实验表明,本文方法的性能相对基准方法有了显著的改进,UF1和UAR分别提高了14.71%、14.58%。本文提出的方法在融合数据集及三个独立数据集上的识别性能优于现有较先进的方法,从而证明了本文的微表情识别方法的先进性和鲁棒性。      

轻量级的网络流量分类算法

网络流量分类根据流量特征在流量数据与应用类型之间建立映射,是网络规划与运维管理和网络安全领域的基本工作之一[1].由于网络技术的快速发展及网络流量的急剧上升,针对网络流量快速而精确的自动化分类是十分必要且刻不容缓的.通过MobileNet[2]、ResNet[3]、DenseNet[4]、GoogleNet[5]等经典...     

网络故障分类措施在广电5G网络运维中的应用

本文主要针对目前广电5G移动网络运维中的网络覆盖、5G终端及相关应用的故障进行统计分类,并对故障产生的现象、原因进行分类梳理,通过科学有效的故障分类及处理建议,提高5G移动网络的运维效率,为5G网优化运维提供支撑。     

基于多尺度注意力网络的行人属性识别算法

为了提高行人属性识别的准确率,提出了一种基于多尺度注意力网络的行人属性识别算法。为了提高算法的特征表达能力和属性判别能力,首先,在残差网络ResNet50的基础上,增加了自顶向下的特征金字塔和注意力模块,自顶向下的特征金字塔由自底向上提取的视觉特征构建;然后,融合特征金字塔中不同尺度的特征,为每层特征的通道注意力赋予不同的权重。最后,改进了模型损失函数以减弱数据不平衡对属性识别率的影响。在RAP和PA-100K数据集上的实验结果表明,与现有算法相比,本算法对行人属性识别的平均精度、准确度、F1性能更好。     

基于物联网技术的电力通信接入网的移动运维系统

设计了电力通信接入网移动运维系统,该系统将物联网智能识别和数据实时传输技术引入电力通信网现场运维规范化管理中。首先搭建了移动运维系统架构,实现了现场运维信息化,并运用 TOPSIS 算法对工单进行自动分配,提高了故障处理的效率,通过运维系统对现场进行实时监控,实现了电力通信接入网的智能化管理。测试结果表明,该运维管理系统能够实现资源统一管理、故障智能研判、现场作业管理的信息化支撑,很大程度地提升了电力通信接入网的智能运维管理水平。     

光网智能判障及一键修复技术研究与实践

基于目前光网故障处理主要围绕用户账号、密码和终端问题进行,复杂现象及网络问题全部派单给运维部门,导致故障处理效率低和故障处理压力大的现状,提出了一种基于用户资源树的端到端故障诊断和修复方法。采用大数据分析和服务能力开放技术,构建了从业务平台到用户终端的全程故障分析平台,梳理了资源树各节点的故障现象、故障结论及相应的故障处理方法,并列举了故障处理场景,验证了故障精确定位和快速修复。结果表明,故障拦截效率提升了34%。     

基于深度学习的燃气PE管道焊缝缺陷检测

为了解决人工与传统数字图像处理方法进行燃气PE管道焊缝缺陷识别时面临的效率低、漏检率高、评片效果不佳等问题，提出了基于深度学习算法的燃气PE管道焊缝缺陷智能检测方法，实现从输入燃气PE管道焊缝DR检测图像到输出缺陷种类及其测量值的精细化测量。首先，在宏观区域层面采用YOLOv5网络预提取缺陷区域，减少与缺陷相似的非目标区域的干扰，并设计了融合坐标注意力机制(CA)与加权双向特征金字塔网络(BiFPN)的CA-BiFPN模块，以提高对小目标缺陷检测能力，其最终的缺陷识别定位平均精确度为95.1%。然后，在微观边界层面采用语义分割算法Deeplabv3+,实现像素级别的缺陷分割，缺陷分割平均像素准确率为91.25%、平均交并比值为85.52%。最后，在几何特征层面采用最小外接矩形法计算其实际尺寸大小，其平均相对误差为5.47%。结果表明该检测方法可实现燃气PE管缺陷高效率、高精度、智能化检测。     

基于大数据的干扰源智能定位系统

随着4G业务持续增长,干扰对4G网络性能和UE感知影响逐步增强,急需早发现、早处理,避免影响用户感知。传统的干扰排查依赖工程师优化人员经验及技能水平,通过频谱仪进行现场扫频摸排,缺失准确的摸排范围和方向,耗费大量的时间和人力资源,排查效率较低。面对网络质量受无线干扰影响的桎梏,制定基于大数据的干扰源智能定位系统,基于MRO数据和干扰数据库信息对干扰用户进行特征画像,依据干扰用户标签特征和干扰定位识别算法,准确定位干扰区域,再结合面、线、点的现场频谱定位排查“三步法”快速精确定位干扰源所在位置,提升现场扫频排扰效率,促进网络质量不断提升。     

大气相干长度仪全屏自动跟踪测量软件

介绍了大气相干长度仪测量软件的升级改进.该软件对原有图像处理方法进行了改进,提高了目标光斑的识别效率,将原有的半屏测量拓展为全屏测量,增强了系统的测量稳定性.同时,升级后的测量软件实现了大气相干长度仪在复杂环境下进行图像灰度和对比度的自动调节,仪器在执行跟踪测量任务时可以根据背景光变化实时调节目标识别算法的参数,进而能...     

基于显著性区域和蚁群算法的图像检索研究

针对提取到的图像特征受背景信息干扰,不能有针对性地提取到所需要的图像信息影响检索精度.为了解决这一问题,本文提出一种基于改进VGGNet(visual geometry group network)和蚁群算法的图像显著性区域检索算法.首先,利用类激活映射(class activation mapping,CMA)算法对...     

基于深度学习的酒标分割研究

红酒图像中的酒标区域含有重要的红酒品类信息,而对酒标区域的定位与分割可以有效去除背景区域对图像匹配算法的干扰。传统图像分割算法大多基于局部图像特征和人工设计规则,对噪声较为敏感,并且难以应对大规模数据的处理。针对传统算法的不足,本文首先构造了一个大规模酒标分割数据集,然后提出了一种基于深度学习的酒标分割方法。我们构造了一个基于残差网络的语义分割模型,并且在模型中加入跨层连接,实现低层特征和高层特征的有效融合,使得分割的边缘细节更加清晰和准确。另外,我们采用了带孔卷积金字塔池化结构整合多尺度信息,在增大模型感受野的同时使得模型适应不同尺度的酒标区域。在我们构造的酒标数据集上的实验结果表明,本文提出的酒标分割网络能够进行实时的酒标图像分割,并且达到了相当高的分割准确率。      

用于嵌入式终端的改进ENet街景语义分割

现有的移动终端实时语义分割算法对图像细节特征的处理能力较差,空间特征丢失严重。针对上述问题,提出了一种融合不同层级空间特征的方法,基于改进的 ENet,在下采样层使用反向残差结构,增加网络计算过程中图像信息的获取,减少下采样造成的图像空间特征丢失。通过空间注意力对图像空间特征进行筛选,增强相关特征,削弱不相关特征。该方法将高分辨率的浅层空间特征与具有丰富语义信息的深层特征融合,提高了网络对图像细节特征的处理能力。实验表明,在 NVIDIA Jetson TX2、NVIDIA Jetson Xavier NX 及 NVIDIA Jetson Xavier AGX 等嵌入式终端上,所提出网络与现有算法相比,其性能在 Cityscapes 数据集上提高了 2.9%,在 CamVid 数据集上提高了 3.2%。      

基于机器学习技术的直放站干扰识别方法研究

干扰识别和优化是运营商无线网络优化的重点环节和长期需求。本文提出了一种基于机器学习技术的直放站干扰识别方法,能够大幅提升直放站干扰识别的准确性和排查效率,为难以用规则识别的复杂无线干扰系统提供了一种新的技术实现途径,实验和测试结果证明了该方法的有效性。