伊力哈木·亚尔买买提
- 作品数：38 被引量：130H指数：6
- 供职机构：新疆大学电气工程学院更多>>
- 发文基金：国家自然科学基金新疆维吾尔自治区自然科学基金新疆维吾尔自治区高校科研计划更多>>
- 相关领域：自动化与计算机技术电气工程电子电信文化科学更多>>
- 结合可变形卷积与全局信息的目标跟踪算法被引量：1
- 2024年
- 本文提出了一种以区域候选孪生网络(SiamRPN)为基础并结合可变形卷积与全局信息的目标跟踪算法。首先,使用计算花销适中的主干网络提升模型的特征提取能力;其次,采用全局上下文注意力模块提升全局信息建模能力,在相似度计量部分设计可变形互相关模块聚合模板特征与搜索特征;最后,采用多层特征融合策略充分挖掘深层语义信息与浅层定位信息,使目标的定位和分类更加准确。实验结果表明:该算法优于参与对比的主流跟踪器,在OTB100和VOT2016两个目标跟踪数据集中成功率和EAO指标分别提升了5.3%和8.5%,且跟踪速度达到68 fps,达到超实时跟踪,证明所提出算法的有效性。
- 祁笑寒伊力哈木·亚尔买买提
- 关键词：目标跟踪
- 基于改进YOLOv4的行人检测算法被引量：12
- 2022年
- 针对YOLOv4算法在行人检测中精度低,实时性差的问题,提出一种基于YOLOv4的改进算法。首先将MobileNetv2作为主干网络,在减少参数量的同时保证其特征提取能力,同时在MobileNetv2中加入Bottom-up连接,减少浅层信息的丢失;然后在特征融合网络嵌入卷积模块的注意力机制模块(convolutional block attention module,CBAM)注意力机制,增强特征的表现力;最后在分类与回归网络中加入Inception结构,进一步提高检测速度和增加网络复杂度。结果表明:在VOC数据集上,改进算法比原算法检测效果更佳,实时性更好,其精度提高了2.87%,处理速度提升了29.52 FPS;同时在真实场景下构建的数据集上,改进后的算法比YOLOv4精度提高了2.13%,具有较好的鲁棒性。
- 李挺伊力哈木·亚尔买买提
- 关键词：行人检测多尺度融合BOTTOM-UP
- 基于WGAN-GP和CNN-LSTM-Attention的短期光伏功率预测被引量：24
- 2023年
- 针对非晴天天气类型历史数据量匮乏导致光伏功率预测精度低的问题,提出了一种含有梯度惩罚的改进生成对抗网络(Wasserstein generative adversarial network with gradient penalty,WGAN-GP)和CNN-LSTM-Attention光伏功率短期预测模型。首先,利用K-means++聚类算法将历史光伏数据划分为若干天气类型,使用WGAN-GP生成符合各天气类型数据分布规律的高质量新样本,实现训练集数据增强。其次,结合卷积神经网络(convolutional neural network,CNN)在特征提取上的优势和长短期记忆网络(long short-term memory,LSTM)在时间序列预测上的优势,提升预测模型学习光伏功率与气象数据间长期映射关系的能力。此外,引入注意力机制(Attention)弥补输入序列长时LSTM难以保留关键信息的不足。实验结果表明:基于WGAN-GP对各类型天气样本扩充能有效提高预测精度;与3种经典预测模型相比,所提出的CNN-LSTM-Attention模型具有更高的预测精度。
- 雷柯松吐松江·卡日伊力哈木·亚尔买买提苏宁吴现崔传世
- 高校电机及拖动基础实验教学改革探讨
- 2022年
- 实验教学是高校教育最重要的环节,是科技创新的主要途径,是体现一所高校综合实力的标志,也在培养学生动手、创新能力和提高学生的探索意识、分析解决问题等方面有着重要的作用。本文针对电机以及拖动基础实验教学中存在的问题,结合电机实验教学目标、任务、考核方式等教学改革方面进行了探讨,并且提出了相应的改进措施。
- 艾比布拉·阿不拉伊力哈木·亚尔买买提
- 关键词：电机实验教学教学改革
- 基于YOLOv6的输电线路电力部件识别及缺陷检测算法研究被引量：3
- 2024年
- 在输电线路巡检中,关键电力部件经常会出现锈蚀、脱落等缺陷,从而造成误检、漏检问题,导致人力成本大大增加。文中针对此类问题,提出一种基于YOLOv6的改进算法,主要在neck部分增加了RepFPN结构,额外的增加了一个自底向上的路径聚合网络,从而增强输出特征的表达能力,提升模型性能,然而增加了计算成本。为了降低计算量,增加了RepVGG结构,它有着类似残差的结构,拥有丰富的梯度信息,经实验数据表明,当使用3个RepVGG结构替代C3层时,会提升1~2点精度;同时将ConvBNAct的算子进行融合后,只需要采用一个Conv+inplace activation就可以完成原有的3次Op计算,绝大多数情况下还能得到一致的数值结果,缓解了上述改进增加计算量的问题。实验表明,改进后的模型mAP_0.5:0.95提高了12%,精确度提高了3.9%,各项loss值显著降低,同时很好地检测出了电力部件各种缺陷以及输电线路上的异物。
- 游越伊力哈木·亚尔买买提吐松江·卡日
- 关键词：输电线路巡检
- 基于改进的电力关键部件识别算法研究
- 2023年
- 针对无人机在电力巡检过程中存在的待识别部件背景复杂、轮廓特征不清晰、各类部件尺寸相差较大等问题,提出一种改进的YOLOv4算法对电力关键部件进行识别。首先搭建深度可分离卷积残差块(M-Resblock-body),用其代替原特征提取网络中的部分普通卷积残差块,在不降低特征提取能力的情况下减少参数量,加快模型的推理速度。然后引入自适应调节感受野网络(SKNet),对输入的感受野进行自适应调节,捕获不同尺度的目标,通过合理分配特征通道的权重来对特征进行有效的表达,提高模型检测精度。最后为了增强模型的泛化能力,对训练集进行一系列数据增强。实验结果表明,改进后的YOLOv4算法在测试集上精度比原始网络提高8.85%,速度提升2.24 frame/s,能够有效实现电力巡检中关键部件的识别及缺陷检测。
- 李发光伊力哈木·亚尔买买提
- 关键词：目标检测
- 基于YOLOv5与改进VGG-CTC的数字仪表自动读数方法被引量：2
- 2023年
- 随着数字电网的发展,数字仪表在电网中的应用越来越广泛。为进一步提高数字仪表自动读数算法的准确率和识别效率,推动数字电网建设,文中提出一种基于YOLOv5和改进VGG-CTC模型的数字仪表自动读数方法。该方法包括数字区域定位和仪表字符识别两部分。首先,采用YOLOv5模型检测输入图像的仪表数字区域,输出预测的数字区域边界框;然后,对VGG网络的卷积层和全连接层参数进行改进,提出一种改进VGG网络,将预测的数字区域输入该网络,即可提取数字区域图像特征,通过长卷积层输出字符概率分布信息;最后,经过CTC转录模块将概率分布序列映射为预测的数字仪表示数。实验结果表明,所提自动读数方法的准确率为89.63%,识别时间为439 ms,相比其他读数方法具有较好的读数准确率和识别速度,能够提高智能电网对设备状态监测的准确性和高效性,对推进能源物联网和数字化电网的建设具有重要意义。
- 张鹏程吐松江·卡日伊力哈木·亚尔买买提刘萍邸强李振恩
- 关键词：数字仪表自动读数数字电网图像特征提取
- 基于知识蒸馏的低质量人脸图像识别算法
- 2025年
- 针对基于统一特征子空间的低质量人脸识别算法存在对低质量人脸的鲁棒性较差、特征表示能力有限等缺点,提出了一种基于知识蒸馏的低质量人脸图像识别算法。首先,将ResNeXt网络作为骨干特征提取网络,并引入双通道注意力模块构建具有注意力机制的教师-学生知识蒸馏框架。其次,采用教师网络的输出特征作为标签知识,将有效的识别特征传递给学生网络、采用注意力图特征作为中间层知识,弥补输出层知识信息单一的不足,通过结合两种知识蒸馏的方式丰富特征知识以保证教师网络模型知识信息的多样性。然后,将标签知识蒸馏损失、注意力图蒸馏损失和识别损失的加权平均融合作为网络总的损失函数,确保学生网络模型具有更好的学习能力。最后,在AgeDB-30和CPLFW测试集不同质量图像下进行测试,消融实验结果表明,相比无蒸馏的通用人脸识别模型,经过两种知识蒸馏的模型,在识别准确率上分别获得了2.25%、11.33%、24.64%和2.8%、10.58%、27.85%的提升。对比实验表明,与其他主流算法相比,本文所提算法在准确率上也获得了不同程度的提升。
- 英特扎尔·艾山江伊力哈木·亚尔买买提
- 基于残差连接的高帧率Siamese目标跟踪算法
- 2022年
- 为提高Siamese跟踪算法在快速运动和相似物体等复杂情况下的跟踪性能和跟踪速度,提出一种融合残差连接与深度可分离卷积的Siamese目标跟踪算法。将原特征提取网络中的5×5卷积替换为普通3×3卷积,在减少网络计算量的同时提高其对特征的学习能力。用计算量更小的深度可分离卷积替代原网络中所有的普通3×3卷积,不仅加快了网络推理速度,还加深了特征提取网络的深度,从而获得对目标更具表征能力的深层语义信息。在深度可分离卷积模块中加入残差连接,组成残差块,用以融合网络提取的不同层特征,提高特征信息的利用率。结果表明:所提算法在跟踪精度和成功率上均有所提高,并且在实时性和可靠性上优于其他算法。
- 石少华伊力哈木·亚尔买买提
- 关键词：目标跟踪特征提取
- 基于改进CenterNet的航拍绝缘子缺陷实时检测模型被引量：11
- 2022年
- 针对无人机在电力巡检过程中对绝缘子及其缺陷检测的准确率较低、实时性较差的问题,提出一种改进CenterNet的绝缘子缺陷检测模型。首先,使用轻量级网络EfficientNet-B0代替原始模型的特征提取网络ResNet18,在保证模型提取能力的同时加快了其推理速度;其次,搭建特征加强模块(Feature Enhancement Module,FEM),并对经过上采样后的特征通道权重进行合理分配,抑制无效特征,并借鉴FPN(Feature Pyramid Networks)融合浅层与深层特征,使特征层信息更加丰富;然后在CenterNet-Head中引入空间和通道混合的注意力机制CA(Coordinate Attention),使类别和位置信息的预测更加准确;最后,使用Soft-NMS解决在模型检测过程中由中心点预测不准导致的“单目标多框”问题。实验结果表明,改进的CenterNet比原始模型的精度提高了11.92%,速度提高了8.95 FPS,模型大小减小了54 MB。与其他检测模型相比,改进模型的精度与速度均有提高,证明了其实时性和鲁棒性。
- 李发光伊力哈木·亚尔买买提
- 关键词：绝缘子
