检索结果-内蒙古大学图书馆

基于Transformer和自适应特征融合的矿井低照度图像亮度提升和细节增强方法

煤炭科学技术 2024年第1期52卷 297-310页

作者：田子建吴佳奇张文琪陈伟周涛杨伟王帅中国矿业大学(北京)机电与信息工程学院北京100083 中国矿业大学计算机科学与技术学院江苏徐州221116 中国石油大学(华东)石油工程学院山东青岛266580 国家矿山安全监察局内蒙古局内蒙古呼和浩特010010

高质量矿井影像为矿山安全生产提供保障,也有利于提高后续图像分析技术的性能。矿井影像受低照度环境的影响,易出现亮度低,照度不均,颜色失真,细节信息丢失严重等问题。针对上述问题,提出一种基于Transformer和自适应特征融合的矿井低... 详细信息

高质量矿井影像为矿山安全生产提供保障,也有利于提高后续图像分析技术的性能。矿井影像受低照度环境的影响,易出现亮度低,照度不均,颜色失真,细节信息丢失严重等问题。针对上述问题,提出一种基于Transformer和自适应特征融合的矿井低照度图像亮度提升和细节增强方法。基于生成对抗思想搭建生成对抗式主体模型框架,使用目标图像域而非单一参考图像驱动判别器监督生成器的训练,实现对低照度图像的充分增强;基于特征表示学习理论搭建特征编码器,将图像解耦为亮度分量和反射分量,避免图像增强过程中亮度与颜色特征相互影响从而导致颜色失真问题;设计CEM-Transformer Encoder通过捕获全局上下文关系和提取局部区域特征,能够充分提升整体图像亮度并消除局部区域照度不均;在反射分量增强过程中,使用结合CEM-Cross-Transformer Encoder的跳跃连接将低级特征与深层网络处特征进行自适应融合,能够有效避免细节特征丢失,并在编码网络中添加ECA-Net,提高浅层网络的特征提取效率。制作矿井低照度图像数据集为矿井低照度图像增强任务提供数据资源。试验显示,在矿井低照度图像数据集和公共数据集中,与5种先进的低照度图像增强算法相比,该算法增强图像的质量指标PSNR、SSIM、VIF平均提高了16.564%,10.998%,16.226%和14.438%,10.888%,14.948%,证明该算法能够有效提升整体图像亮度,消除照度不均,避免颜色失真和细节丢失,实现矿井低照度图像增强。

关键词：图像增强图像识别生成对抗网络特征解耦 Transformer

来源：评论

学校读者我要写书评

暂无评论

无间隔棒输电线路轨迹提取与椭圆检测的舞动辨识

引用

电力系统保护与控制 2025年第4期53卷 165-175页

作者：金沫含张辰冯子瑜王琛刘舒梁睿中国矿业大学电气工程学院江苏徐州221116 中国矿业大学计算机科学与技术学院江苏徐州221116 国网连云港供电公司江苏连云港222000 国网泰州供电公司江苏泰州225300

无间隔棒输电线路由于缺少机械部件的分隔与连接,在大风、冻雨、暴雪等条件下舞动风险更大,当前研究仍无法实现针对性的实时高精度监测。针对该问题,提出了一种无间隔棒输电线路轨迹提取与椭圆检测的舞动辨识方法。首先进行数据增广和... 详细信息

无间隔棒输电线路由于缺少机械部件的分隔与连接,在大风、冻雨、暴雪等条件下舞动风险更大,当前研究仍无法实现针对性的实时高精度监测。针对该问题,提出了一种无间隔棒输电线路轨迹提取与椭圆检测的舞动辨识方法。首先进行数据增广和低照度图像增强处理。其次对传统DeepLabV3+模型进行轻量化改进,在视频初始帧锁定目标线路并实现快速分割。最后在提取短时段内线路运行轨迹的基础上,结合巡检专家知识将舞动监测转化为线路轨迹的椭圆检测。结果表明,在复杂环境条件下,所提方法有效平衡了线路轨迹提取的速度与精度,能够分析得到对应线路的舞动程度,对极端天气下的输电线路巡检有重要现实价值。

关键词：输电线路无间隔棒线路轨迹舞动轻量化

来源：评论

学校读者我要写书评

暂无评论

基于深度迁移学习的矿山微震到时精确拾取与自动定位策略

引用

煤炭学报 2023年第12期48卷 4393-4405页

作者：曹安业杨旭王常彬李森刘耀琪窦林名牛强中国矿业大学矿业工程学院江苏徐州221116 中国矿业大学计算机科学与技术学院江苏徐州221116 中国矿业大学煤炭资源与安全开采国家重点实验室江苏徐州221116

矿山智能化建设大背景下,微震监测作为冲击地压等复杂动力灾害智能预警体系建设的基础保障技术现已得到广泛应用,如何基于微震监测数据实现矿山动力事件的高效精确捕捉与定位是当前研究的重点与难点。为解决矿山低信噪比震动波到时自动... 详细信息

矿山智能化建设大背景下,微震监测作为冲击地压等复杂动力灾害智能预警体系建设的基础保障技术现已得到广泛应用,如何基于微震监测数据实现矿山动力事件的高效精确捕捉与定位是当前研究的重点与难点。为解决矿山低信噪比震动波到时自动拾取不准、定位结果受人为因素干扰等问题,结合大数据与深度学习相关理论与方法,初步尝试建立基于深度迁移学习的矿山微震实时自动定位方法。设计了基于百万条地震波数据的矿山微震到时自动拾取初始模型,为进一步使该模型适用于矿山微震定位与信息解析,结合所建立的一万余条矿山微震到时拾取数据集,构建了矿山震动波到时自动拾取模型,实现矿山震动波P波到时自动精准拾取。在此基础上,设计了微震定位台站自动优选方法,提出定位台站波速自动微调策略,实现了矿山微震事件自动精准定位。以内蒙古某煤矿强开采扰动工作面的顶板爆破数据为验证对象,结果证明自动定位算法在水平空间平均定位误差为27.88 m,三维空间平均定位误差为28.40 m,满足矿山冲击地压等动力灾害的微震定位精度需求,有效降低台站波速标定精度不足对事件定位误差的影响,鲁棒性较强,并将耗时数分钟的人工定位缩短至200 ms内完成,初步实现了矿山微震事件的自动实时定位。研究结果可为矿山动力灾害微震信息准确解析挖掘与智能预警提供可靠技术支撑。

关键词：微震监测 P波到时拾取定位算法深度迁移学习数据驱动冲击地压

来源：评论

学校读者我要写书评

暂无评论

基于Trans-nightSeg的夜间道路场景语义分割方法

引用

浙江大学学报（工学版） 2024年第2期58卷 294-303页

作者：李灿林张文娇邵志文马利庄王新玥郑州轻工业大学计算机与通信工程学院河南郑州450000 中国矿业大学计算机科学与技术学院江苏徐州221116 上海交通大学计算机科学与工程系上海200240

针对夜间道路场景图像亮度低及缺乏带标注的夜间道路场景语义分割数据集的问题,提出夜间道路场景语义分割方法 Trans-nightSeg.使用TransCartoonGAN,将带标注的白天道路场景语义分割数据集Cityscapes转换为低光条件下的道路场景图像,两... 详细信息

针对夜间道路场景图像亮度低及缺乏带标注的夜间道路场景语义分割数据集的问题,提出夜间道路场景语义分割方法 Trans-nightSeg.使用TransCartoonGAN,将带标注的白天道路场景语义分割数据集Cityscapes转换为低光条件下的道路场景图像,两者共用同一个语义分割标注,丰富夜间道路场景数据集.将该结果和真实的道路场景数据集一并作为N-Refinenet的输入,N-Refinenet网络引入了低光图像自适应增强网络,提高夜间道路场景的语义分割性能.该网络采用深度可分离卷积替代普通的卷积,降低了计算量.实验结果表明,所提算法在Dark Zurich-test和Nighttime Driving-test数据集上的平均交并比(m IoU)分别达到56.0%和56.6%,优于其他的夜间道路场景语义分割算法.

关键词：图像增强语义分割生成对抗网络(GAN) 风格转换道路场景

来源：评论

学校读者我要写书评

暂无评论

广义行为正则化离线Actor-Critic

引用

计算机学报 2023年第4期46卷 843-855页

作者：程玉虎黄龙阳侯棣元张佳志陈俊龙王雪松中国矿业大学信息与控制工程学院江苏徐州221116 华南理工大学计算机科学与工程学院广州510006

行为正则化Actor-Critic(BRAC)是一种离线强化学习算法,通过将当前策略与行为策略之间的Kullback-Leibler(KL)散度作为策略目标函数的正则化项来缓解分布偏移问题.但是,由于KL散度是一种无界的分布差异度量,在策略差异过大时,策略目标... 详细信息

行为正则化Actor-Critic(BRAC)是一种离线强化学习算法,通过将当前策略与行为策略之间的Kullback-Leibler(KL)散度作为策略目标函数的正则化项来缓解分布偏移问题.但是,由于KL散度是一种无界的分布差异度量,在策略差异过大时,策略目标函数中的累积期望回报项将仅对策略改进发挥有限的作用,从而导致最终学到的策略性能较差.针对该问题,将当前策略与行为策略之间的斜对称Jensen-Shannon(JS)散度作为策略目标函数的正则化项,提出了一种广义行为正则化离线Actor-Critic(GOACBR)算法.理论分析表明:由于斜对称JS散度有界,将其作为正则化项有助于降低策略性能差异.进一步,针对行为策略未知导致难以直接计算当前策略和行为策略间斜对称JS散度的问题,设计了一个辅助网络来对其进行间接估计.最后,给出了GOACBR的收敛性理论证明.在D4RL基准数据集上的评估结果表明:相较于BRAC,GOACBR在所有测试任务上获得的平均累积回报总和提升了289.8%.相关代码公布在https://***/houge1996/GOAC.

关键词：离线Actor-Critic 行为正则化斜对称JS散度分布偏移

来源：评论

学校读者我要写书评

暂无评论

矿山微震智能处理基础模型构建及应用

引用

煤炭学报 2025年

作者：曹安业李茂涛杨旭杨耀李森刘耀琪王常彬新疆大学地质与矿业工程学院中国矿业大学矿业工程学院中国矿业大学计算机科学与技术学院中国矿业大学煤炭精细勘探与智能开发全国重点实验室

矿山智能化建设背景下，微震信号智能处理是矿山动力灾害精确预警的基础。矿山的复杂地质条件与作业环境导致微震信号呈现强噪声、高维、强非线性等特征，传统的微震数据自动处理方法精度低，通常需要人工干预来完成微震震源参数计算，... 详细信息

矿山智能化建设背景下，微震信号智能处理是矿山动力灾害精确预警的基础。矿山的复杂地质条件与作业环境导致微震信号呈现强噪声、高维、强非线性等特征，传统的微震数据自动处理方法精度低，通常需要人工干预来完成微震震源参数计算，难以满足矿山动力灾害智能预警的需求。为此，结合大数据与深度学习相关理论与方法，初步构建了基于Transformer的矿山微震智能处理基础模型。建立了包含三十万余条微震波形的数据集，设计了微震多尺度卷积模块，研究了微震特征自适应融合策略，提出了基于特征聚合多头注意力机制的微震时序建模方法，并构建了微震智能处理多种任务解码器，可同时实现矿山微震事件检测、P波到时拾取、S波到时拾取以及初动极性判别的智能处理。矿山微震基础模型测试结果表明，事件检测准确率达到95.4%，96.6%的P波到时误差在50ms以内，65.5%的S波到时误差也在50ms以内，初动极性判别的准确率达到93.38%，可满足矿山微震数据智能实时处理的需求。在甘肃某冲击地压工作面开展了基于基础模型的矿山微震自动定位与自动震源机制反演应用。结果表明，以所构建的微震基础模型为基础，可实现矿山微震事件检测-到时拾取-初动极性判别-震源定位-震源机制求解全流程智能化处理。研究结果可为矿山动力灾害智能精确监测预警提供支撑。

关键词：微震基础模型事件检测到时拾取深度学习

来源：评论

学校读者我要写书评

暂无评论

融合注意力机制和结构线提取的图像卡通化

引用

浙江大学学报（工学版） 2024年第8期58卷 1728-1737页

作者：李灿林王新玥马利庄邵志文张文娇郑州轻工业大学计算机与通信工程学院河南郑州450000 上海交通大学计算机科学与工程系上海200240 中国矿业大学计算机科学与技术学院江苏徐州221116

为了解决图像卡通化没有突出表达图像中的重要特征信息及边缘处理不足的问题,提出融合注意力机制和结构线提取的图像卡通化方法.构建融合注意力机制的生成器网络,通过空间和通道融合特征间的联系,从不同的特征中提取更加重要和丰富的图... 详细信息

为了解决图像卡通化没有突出表达图像中的重要特征信息及边缘处理不足的问题,提出融合注意力机制和结构线提取的图像卡通化方法.构建融合注意力机制的生成器网络,通过空间和通道融合特征间的联系,从不同的特征中提取更加重要和丰富的图像信息.为了更好地实现对卡通纹理的学习,设计与全局并行的线提取区域处理模块(LERM),以便对卡通纹理的边缘区域进行对抗性训练.该方法不仅在重要区域和细节方面生成了高感知质量的卡通化图像,而且避免了内容和颜色的损失.大量的实验结果表明,利用该方法取得了更好的卡通风格化效果,验证了该方法的有效性,.

关键词：生成式对抗网络图像卡通化注意力机制结构线提取边缘检测

来源：评论

学校读者我要写书评

暂无评论

融合分层特征与残差蒸馏连接的图像超分辨率重建

引用

智能系统学报 2023年第6期18卷 1173-1184页

作者：程德强朱星光寇旗旗陈亮亮王晓艺赵佳敏中国矿业大学信息与控制工程学院江苏徐州221116 中国矿业大学计算机科学与技术学院江苏徐州221116

针对目前诸多图像超分辨率重建算法通过采用单一通道网络结构无法充分利用特征信息的问题,提出了一种可以高效利用特征信息的融合分层特征与残差蒸馏连接的超分辨率重建算法。该方法首先设计了一种将分层特征融合与残差连接相结合的连... 详细信息

针对目前诸多图像超分辨率重建算法通过采用单一通道网络结构无法充分利用特征信息的问题,提出了一种可以高效利用特征信息的融合分层特征与残差蒸馏连接的超分辨率重建算法。该方法首先设计了一种将分层特征融合与残差连接相结合的连接方式,对图像深层特征与浅层特征进行充分融合,提升了网络对于特征信息的利用率;其次设计出一种残差蒸馏注意力模块,使网络更高效地关注图像关键特征,从而可以更好地恢复出重建图像的细节特征。实验结果表明,所提出的算法模型不仅在4种测试集上呈现出更优秀的客观评价指标,而且在主观视觉效果上也呈现出更好的重建效果。具体在Set14测试集上,该模型4倍重建结果的峰值信噪比相对于对比模型平均提升了0.85 dB,结构相似度平均提升了0.034,充分证明了该算法模型的有效性。

关键词：图像处理超分辨率重建 U型网络残差连接神经网络特征融合注意力机制亚像素卷积

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv8的轻量化煤屑颗粒群实例分割方法

引用

煤炭学报 2024年第S2期49卷 1310-1321页

作者：刘敬敬孙凤乾张皓翔江鹤陈俊辉寇旗旗程德强中国矿业大学信息与控制工程学院江苏徐州221116 中国矿业大学计算机科学与技术学院江苏徐州221116

在矿井瓦斯防治的基础研究领域,大量颗粒煤被广泛用于各类实验。由于实验煤样的粒径分布对实验结果有显著影响,因此准确快速地测定煤屑颗粒群的粒径分布具有重要的研究意义。精确的颗粒实例分割是图像法检测颗粒粒径分布的关键前提。煤... 详细信息

在矿井瓦斯防治的基础研究领域,大量颗粒煤被广泛用于各类实验。由于实验煤样的粒径分布对实验结果有显著影响,因此准确快速地测定煤屑颗粒群的粒径分布具有重要的研究意义。精确的颗粒实例分割是图像法检测颗粒粒径分布的关键前提。煤屑颗粒具有体积微小、形状各异、数量众多以及颜色单一等特点,使其在图像中表现为特征微小、边缘不规则以及颗粒之间存在黏连的特征。这些因素使得深度模型难以准确捕捉和描述颗粒的边缘形状,而且对于密集小目标的分割,需要更高的计算复杂度,但为保持算法的工程实用性,还必须考虑网络的轻量性。以上因素均为分割模型的设计增加了难度。另外,深度学习是由数据驱动的,数据集的缺乏也是限制深度学习算法使用的一大挑战。为了应对以上挑战,提出了基于YOLOv8的轻量化煤屑颗粒群实例分割方法。首先,研发了基于柔性振动盘分离颗粒的图像采集系统,用于快速批量获取煤屑颗粒图片,提出基于SAM模型预标注的高效颗粒图像标注方法,提高了数据标注效率,从而构建了一个样本多样性丰富的煤屑颗粒群数据集,解决了煤屑颗粒群数据集缺乏的问题。其次,基于YOLOv8n-seg主干网络,在Backbone部分引入跨阶段局部动态蛇形卷积增强特征提取能力,从而提升模型捕捉不规则小目标边缘信息的能力,解决了煤屑颗粒这类密集不规则小目标难以特征提取的问题。再次,在特征融合网络层中设计了基于自适应权重的高性能特征融合路径,增强了模型的表征能力,解决了煤屑颗粒边缘不规则以及颗粒之间存在黏连而难以识别边缘的问题。最后,通过裁剪负责大尺寸目标的特征提取层,降低了模型复杂度和参数量,解决了分割模型计算复杂度而应用性不足的问题。实验结果显示,相较于YOLOv8n-seg,提出的DP-YOLOv8在精度方面mAP@0.5:0.95提升了0.8%,同时参数量Params从3.264×106降至1.476×10^(6),运算量FLOPs由12.1×10^(9)降至11.4×10^(9)。这表明基于YOLOv8的轻量化煤屑颗粒群实例分割方法在模型分割精度和轻量化之间实现了更好的权衡。

关键词：实例分割动态卷积轻量化煤屑颗粒 YOLOv8

来源：评论

学校读者我要写书评

暂无评论

融合层次特征和注意力机制的轻量化矿井图像超分辨率重建方法

引用

仪器仪表学报 2022年第8期43卷 73-84页

作者：程德强陈杰寇旗旗聂帅杰张剑英中国矿业大学信息与控制工程学院徐州221116 中国矿业大学计算机科学与技术学院徐州221116

针对矿井图像灰暗模糊、边缘不清晰等问题,提出了一种融合层次特征和注意力机制的轻量化矿井图像超分辨率重建方法。首先设计一种残差坐标注意力模块,在残差块中融入坐标注意力机制,使网络获得更丰富的高频细节信息;其次采用层次特征融... 详细信息

针对矿井图像灰暗模糊、边缘不清晰等问题,提出了一种融合层次特征和注意力机制的轻量化矿井图像超分辨率重建方法。首先设计一种残差坐标注意力模块,在残差块中融入坐标注意力机制,使网络获得更丰富的高频细节信息;其次采用层次特征融合机制,对不同网络层次的特征信息进行特征融合,促进边缘细节信息的重建。最后,再对融合后的特征进行降维以减少模型计算量和参数量。为了使模型在真实矿井场景中具有更好的泛化能力,构建了一种煤矿井下图像数据集CMUID用于网络模型的训练和测试实验。实验结果表明,本文算法的重建图像质量在客观指标和主观感受上均优于其他对比算法。当缩放因子为4时,与OISR算法相比,在煤矿井下数据集上PSNR和SSIM的平均值分别提升了0.3185 dB和0.0126,在公共数据集上PSNR和SSIM的平均值分别提升了0.1 dB和0.0035;网络模型参数量减少了70.7%。

关键词：矿井图像超分辨率重建注意力机制层次特征轻量化

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：