课程文献中心 更多>>

关键词： 深度学习   矩阵填充   注意力机制   HRNet   深度特征  

摘要： 矩阵填充技术提供了一种高效的方式来弥补数据的缺失。数据缺失是数据分析、机器学习、图像处理等诸多领域中的共性问题。利用矩阵填充,可发现隐藏在数据中的规律及变化规律,从而对其进行更深层次的认识和运用。矩阵填充还可以改善数据的完整性和质量,提高预测和决策的准确性。因此,在数据处理和实际应用中,解决矩阵填充的问题显得尤为关键。矩阵填充涉及多种数据类型,图像类填充是一个关键问题,因此构建可修复图像类数据的矩阵填充模型就显得尤为重要。通过填充缺失的像素,可使图像恢复完整,提高图像的可视化效果。图像填充还能优化图像的后续处理流程,例如图像的分类、对象的识别以及图像的重建工作。因此,在图像处理和分析领域,解决图像填充的问题具有不可忽视的重要性。 在此基础上,提出一种融合HRNet与注意力机制的对抗式自编码模型AHAAE。AH-AAE模型从两个方面对基本对抗自编码器进行了改进。第一个改进的点是将生成器中的编码器部分进行重构为HRNet,使其能够更好地表达和保持图像的细节,进而改善修复结果的质量和逼真度。第二个改进的地方是将注意力机制引入生成器中,注意力机制通过图像细节加强了对局部填充的控制,提高图像填充质量。当图像部分受损时,可以保证填充的结果只覆盖需要的部分,而不会对整幅图像做多余的改动。本文提出的AH-AAE模型通过引入通道注意力在跳跃连接处构建通道相似性融合模块来丰富通道之间的特征关系;在解码器网络中,结合空间注意力和位置编码的位置融合模块用于增强边界位置信息的表达。 为了验证模型效果,在MS-COCO以及KITTI数据集上进行了多项实验,证明了AH-AAE模型的填充能力、去噪能力以及环境感知能力,在多个指标上均达到了最优。本文所提的模型性能良好,未来可为敦煌壁画修复、计算机视觉以及视频填充等图像类数据修复领域发展提供参考。

关键词： 光纤环网通信   电力监控   数据安全   数据传输方法  

摘要： 传统电力监控数据安全传输方法直接对电力传输数据进行多目标加密认证，并未对电力监控数据安全传输协议进行设计，导致传输性能较差，对此，提出基于光纤环网通信的电力监控数据安全传输方法。首先，设计电力监控数据安全传输协议。然后，基于光纤环网通信进行多目标加密认证，保障电力监控数据的机密性。最后，根据电力监控电力数据安全传输算法实现电力监控数据安全传输。实验结果表明，该研究方法数据抗捕获率在90%以上，最低值为97.35%,远高于传统方法，具有实用性。

关键词： 化纤丝饼   缺陷检测   深度学习   注意力机制  

摘要： 化纤长丝是布匹纺织的原料,为了方便其储存及运输,通常会将其卷绕在纸筒上形成化纤丝饼。在这个过程中会由于多种因素影响,导致化纤丝饼外表面出现缺陷。而这些缺陷将严重影响后续的销售以及织物生产,因此在化纤丝饼封装前对其外观进行检测很有必要。传统的人工检测,一方面检测效率低、可靠性差、主观性强且检测标准易变化;另一方面由于化纤丝饼缺陷普遍不明显,需要依赖强光辅助照明,长时间检测会对工人健康产生影响。此外,由于化纤丝饼外观缺陷种类多样、内部结构复杂且部分缺陷特征不明显等原因,传统机器视觉难以同时有效地检测化纤丝饼的多种缺陷。因此,有必要引入基于深度学习的图像识别技术,研究基于深度学习的化纤丝饼外观视觉检测系统。 本文的主要内容如下: (1)针对化纤丝饼外观视觉检测需求分析,研究实际产线生产中化纤丝饼常见的外观缺陷定义及产生原由,结合实际化纤丝饼产线情况,对视觉检测系统进行设计。 (2)针对化纤丝饼缺陷种类多且目前缺少大型图像公开数据集适用于化纤丝饼外观缺陷检测任务的问题,构建本文特有的化纤丝饼外观缺陷数据集。通过深度学习模型对该数据集进行训练,得到化纤丝饼外观视觉检测模型。 (3)针对化纤丝饼绊丝缺陷检测效果较差问题,首先使用图像增强技术,增强绊丝缺陷目标细节特征,使计算机视觉能更好的捕获目标缺陷,以协助深度学习算法构建出检测效果更佳的网络模型,通过模拟检测实验分析,绊丝缺陷准确率提升2.99%;其次为深度学习网络添加注意力机制,对化纤丝饼缺陷图像中不同区域的关注程度进行加权,让算法更加聚焦于重要的特征区域,通过模拟检测实验分析,绊丝缺陷准确率再次提升1.71%。 (4)对本文提出的化纤丝饼外观缺陷检测系统进行工程化设计,给出在实际产线上对化纤丝饼外观缺陷进行检测的具体步骤,利用专门的推理工具来实现实地工程化检测,并进行模拟生产过程中的实时检测实验,实验结果准确率达96.56%,满足实际化纤工厂的检测需求。