基于Swin Transformer的深度有监督哈希图像检索方法

在深度有监督哈希图像检索的特征提取过程中,一直由卷积神经网络架构主导,但是随着Transformer在视觉领域中的应用,Transformer替代卷积神经网络架构成为可能.为了解决现存基于Transformer的哈希方法中不能生成层次表示和计算复杂度高等问题,提出了一种基于Swin Transformer的深度有监督哈希图像检索方法.该方法以Swin Transformer网络模型为基础,在网络最后添加一个哈希层,为图像进行哈希编码.该模型中引入了局部思想和层级结构,能够有效解决上述问题.与现有的13种先进方法相比,所提方法的哈希检索性能得到大幅提升.在两个常用检索数据集CIFAR-10和NUS-WIDE上进行实验,实验结果表明：在CIFAR-10数据集上所提方法mAP最高达到98.4%,与TransHash方法相比平均提高7.1%,与VTS16-CSQ方法相比平均提高0.57%;在NUS-WIDE数据集上所提方法mAP最高达到93.6%,与TransHash方法相比平均提高18.61%,与VTS16-CSQ方法相比检索精度平均提高8.6%.     

交流侧故障下MMC-HVDC能量平衡控制策略

针对模块化多电平换流器(Modular Multilevel Converter,MMC)的柔性直流输电系统(MMC-HVDC)在交流侧故障下的常规控制方法存在换流器内部能量难以快速控制,交流侧故障导致各桥臂间能量可能出现不平衡等问题.从换流器内部机理的控制角度出发,提出了基于能量平衡控制的MMC控制方法,该方法通过优化控制MMC各桥臂电流分量来调节换流器桥臂间的功率流向,实现交流侧电流与换流器内部能量的协同控制,有效抑制换流器在系统故障过程中所引起的内部能量不均衡过程.最后,通过MATLAB/Simulink平台搭建了37电平MMC-HVDC仿真模型,仿真结果验证了所提出控制策略的有效性.