姚为
- 作品数：24 被引量：44H指数：4
- 供职机构：中南民族大学计算机科学学院更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划湖北省自然科学基金更多>>
- 相关领域：自动化与计算机技术水利工程建筑科学文化科学更多>>
- 基于CA‐EfficientDet的棉布瑕疵检测方法
- 2022年
- 针对目前棉布瑕疵检测算法存在精度不够高的问题,基于高效的EfficientDet目标检测模型,结合通道注意力机制,提出了一种棉布瑕疵检测模型CA-EfficientDet,通过注意力机制在特征提取时关注重要的信息;此外,提出了改进的BiFPN特征融合策略,增加了不同层级的特征融合,提高了多尺度特征融合的效率.在棉布瑕疵企业样本及公开数据集上的实验结果表明:所提出的棉布瑕疵检测模型在精度上有明显提升,具有良好的目标检测效果.
- 徐天伦李波胡文杰姚为
- 关键词：瑕疵检测
- 基于加窗四谱线插值FFT的谐波快速分析方法及系统
- 本发明公开了一种基于加窗四谱线插值FFT的谐波快速分析方法及系统，涉及谐波分析领域。该方法包括以下步骤：信号预处理；确定四根谱线；计算四谱线插值算法的修正公式；计算基波参数；四谱线插值快速算法；确定谐波参数；进行误差分析...
- 张俊敏刘开培汪立王黎田微何顺帆姚为
- 文献传递
- 基于FS-YOLOv3及多尺度特征融合的棉布瑕疵检测被引量：6
- 2021年
- 为解决传统棉布生产工艺中瑕疵检测成本高、精度低、速度慢等问题,提出一种FS-YOLOv3(Four Scales YOLOv3)网络来自动检测棉布瑕疵.该网络结合K-Means++聚类算法,以交并比为距离度量获取较好尺寸的锚框,提高检测速度.设计了4个不同尺度的卷积特征图与深度残差网络中相应尺度的特征图进行融合,有效地学习样本特征.将Softer NMS算法作为预测框过滤机制,使得高分类置信度的边框位置更为准确.实验结果表明:使用FS-YOLOv3网络能有效提高低对比度、小尺度目标的棉布瑕疵检测精度,整体性能优于传统的检测方法.
- 刘露露李波何征姚为
- 关键词：瑕疵检测聚类
- 滑坡灾害的回声状态网络组合预测被引量：3
- 2014年
- 传统预测方法基于静态模型实现,不能有效模拟滑坡本身的动态特性,为了更好完成预测需引入动态模型。考虑到动态递归网络在训练过程中存在的收敛慢等问题,文章利用回声状态网络方法实现动态预测模型。在此基础上,构造滑坡位移的动态组合预测模型,以进一步优化预测结果。
- 姚为
- 关键词：滑坡递归神经网络回声状态网络组合预测
- 基于集成特征选择的渔船捕捞类型辨别
- 2021年
- 本文针对特征选择存在的不稳定性及选择低效等问题,提出了一种集成特征选择方法,首先使用交叉验证得到多个特征选择结果,然后采用频次统计以及截断选择的思路对多个特征选择结果进行集成。实验结果表明,基于集成的特征选择方法能有效精简特征,在渔船捕捞类型辨别任务中能够得到更好的实验结果。
- 胡涛李波姚为
- 热红外与多光谱遥感图像的神经网络回归融合方法研究被引量：5
- 2010年
- 为验证神经网络方法用于遥感图像融合的有效性,归纳了利用神经网络对遥感数据进行回归来实现融合的3种途径,并提出了一种结合图像数据回归和多光谱遥感图像锐化技术来实现热红外图像的全色锐化新方法。这种热红外图像的全色锐化方法,利用了极限学习机(ELM)这种新型神经网络算法,快速高效地由训练样本得到遥感图像数据间的回归关系;同时,方法注重图像数据本身的物理含义,以提高热红外图像数据的真实质量为目标,是一种定量化的图像融合方法。经这种方法融合得到的热红外数据也能很好地用于定量遥感的物理模型,为遥感的实际应用提供方便。该方法的有效性通过对ETM+图像进行实验得到了证明,而直接对热红外图像数据和全色图像数据进行回归的融合模式,在实验中则无法得到满意的结果。
- 姚为韩敏
- 关键词：遥感图像融合极限学习机
- 基于生成对抗网络的棉布瑕疵分割研究
- 2021年
- 在棉布生产过程中可能会产生一些瑕疵,这些瑕疵的存在会对产品质量造成影响。在生产过程中对棉布产品进行瑕疵检测是保证质量的有效途径。基于机器视觉和深度学习的瑕疵检测方法具有快速精准的检测优势,是目前应用广泛的一种方法。论文采用生成对抗网络模型,结合三种语义分割网络,构建了GAN分割模型,并对棉布瑕疵实现准确分割。实验结果表明,论文实验方法具有很高的分割准确率,具有较好的工业应用价值。
- 邹永开李波姚为
- 关键词：瑕疵检测机器视觉
- 基于CBAM的CNN-Bi-Coupled LSTM的苹果产量预测
- 2023年
- 农产品产量精准预测一直都是农业生产生活中的重要研究方向,构建一种有效针对时间序列数据的、基于CBAM模块的卷积神经网络和双向耦合的长短期记忆网络相结合的方法,来预测海阳市苹果的产量。所提及的方法不仅通过CNN来提取空间特征,LSTM的门控机制更解决了RNN对于长序列数据训练过程中出现的梯度消失问题,也使用双向网络结构利用反向传输来消除部分噪声和异常值影响。实验结果表明,该模型的RMSE值可达到28.43,相比于产量领域常用的单向LSTM、多种回归网络的预测精度都更高。基于此苹果产量预测工作可给其他农产品预测提供一种新方法,具有良好的理论和参考价值。
- 李杰王俊李波谭波姚为
- 滑坡位移的动态概率预测模型被引量：5
- 2015年
- 滑坡位移预测是实现滑坡灾害预报的有效手段,文章利用回声状态网络建立动态预测模型来预测滑坡位移。与传统预测方法相比,动态模型能更好地反映出滑坡演化的动态系统本质;动态模型的建立不需要计算互信息来实现变量选择,也使得预测过程得到简化。考虑到确定性预测的局限性,文章进一步将概率预测的思想引入滑坡位移预测的研究中,提出一种动态预测模型的概率预测方法。所提动态预测模型的预测精度,在白水河和石榴树包两个滑坡位移预测的具体案例中得到了检验;而通过概率预测得到具有明确置信度水平的预测区间,从而也对滑坡状态发展变化趋势给出了更全面的描述。
- 姚为廉城程立
- 关键词：滑坡位移动态系统递归神经网络
- 基于储备池运算和分形插值的滑坡位移预测被引量：1
- 2014年
- 滑坡地质灾害的预警可通过监测并预测滑坡位移实现。滑坡演化过程机制复杂,在无法得到准确机理模型的情况下,建立数据驱动的滑坡位移模型是模拟滑坡演化趋势的有效途径。针对滑坡演化的复杂非线性以及动态特性,建立基于储备池运算的动态神经网络滑坡位移预测模型。为了使储备池得到更充分的训练,进一步引入分形插值方法对滑坡位移测量序列进行扩展。预测方法用于3种不同发展趋势的典型滑坡,都得到了精确的预测结果。方法为实现具有复杂动态特性的滑坡位移短时序预测问题提供了解决方案。
- 姚为廉城
- 关键词：滑坡递归神经网络分形插值
