检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于MobileNet的轻量化云检测模型

自然资源遥感 2024年

作者：叶武剑谢林峰刘怡俊温晓卓李扬广东工业大学集成电路学院广东工业大学信息工程学院

针对现有云检测算法计算量和模型规模庞大,在边缘设备上的部署几乎不可行的问题,提出了一种基于Mobile Net网络的轻量化云检测模型。该方法在下采样阶段,使用基于注意力机制的残差模块,通过分组卷积降低模型参数量,并结合通道重排机制... 详细信息

针对现有云检测算法计算量和模型规模庞大,在边缘设备上的部署几乎不可行的问题,提出了一种基于Mobile Net网络的轻量化云检测模型。该方法在下采样阶段,使用基于注意力机制的残差模块,通过分组卷积降低模型参数量,并结合通道重排机制和挤压激励(Squeeze-and-Excitation,SE)通道注意力来增强通道间的信息交流。通过这种方式,我们既减少了参数量和计算复杂度,同时保持了对重要特征的提取能力。在上采样阶段,使用了Rep Conv模块和改进的空洞空间金字塔池化模块(atrous spatial pyramid pooling,ASPP),以提高网络的学习能力和捕捉图像细节与空间信息的能力。实验结果证明,该文模型在参数量和模型复杂度降低的情况下,能够实现较高精度的云检测,具备实用性和可行性。

关键词：云检测 MobileNet网络注意力机制多尺度特征空洞空间金字塔池化模块

结合双语义数据增强与目标定位的细粒度图像分类

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程 2022年第2期48卷 237-242,249页

作者：谭润叶武剑刘怡俊广东工业大学信息工程学院广州514000

细粒度图像分类旨在对属于同一基础类别的图像进行更细致的子类划分,其较大的类内差异和较小的类间差异使得提取局部关键特征成为关键所在。提出一种结合双语义数据增强与目标定位的细粒度图像分类算法。为充分提取具有区分度的局部关... 详细信息

细粒度图像分类旨在对属于同一基础类别的图像进行更细致的子类划分,其较大的类内差异和较小的类间差异使得提取局部关键特征成为关键所在。提出一种结合双语义数据增强与目标定位的细粒度图像分类算法。为充分提取具有区分度的局部关键特征,在训练阶段基于双线性注意力池化和卷积块注意模块构建注意力学习模块和信息增益模块,分别获取目标局部细节信息和目标重要轮廓这2类不同语义层次的数据,以双语义数据增强的方式提高模型准确率。同时,在测试阶段构建目标定位模块,使模型聚焦于分类目标整体,从而进一步提高分类准确率。实验结果表明,该算法在CUB-200-2011、FGVC Aircraft和Stanford Cars数据集中分别达到89.5%、93.6%和94.7%的分类准确率,较基准网络Inception-V3、双线性注意力池化特征聚合方式以及B-CNN、RA-CNN、MA-CNN等算法具有更好的分类性能。

关键词：细粒度图像分类数据增强双线性网络注意力学习目标定位

在线全文

学校读者我要写书评

暂无评论

基于统一标签矩阵的快速多视图聚类

华南理工大学学报（自然科学版） 2023年第9期51卷 110-119,138页

作者：刘怡俊王嘉达钟仕杰杨晓君叶武剑广东工业大学集成电路学院广东广州510006 广东工业大学先进制造学院广东揭阳515200 广东工业大学信息工程学院广东广州510006

在多视图聚类领域,众多方法直接从原始数据中学习相似矩阵,但是这忽视了原始数据中的噪声所产生的影响;此外,还有一些方法必须对图拉普拉斯矩阵进行特征分解,这导致可解释性的降低且需要k-means等后处理。为解决以上问题,文中提出一种... 详细信息

在多视图聚类领域,众多方法直接从原始数据中学习相似矩阵,但是这忽视了原始数据中的噪声所产生的影响;此外,还有一些方法必须对图拉普拉斯矩阵进行特征分解,这导致可解释性的降低且需要k-means等后处理。为解决以上问题,文中提出一种基于统一标签矩阵的快速多视图聚类。首先,从松弛的归一化切割和比率切割的统一观点出发对目标函数增加非负约束;然后,通过指示矩阵对相似矩阵进行结构化图重构,确保获得的图具有强簇内连接和弱簇间连接;此外,通过设置统一的标签矩阵降低迭代次数,从而进一步提升该方法的运行速度;最后,基于交替方向乘子法的策略对问题进行优化求解。算法通过随机选择锚点地址的方法对多视图数据集进行对齐,对齐视图能够大幅提升聚类的精度。在迭代过程中通过使用奇异值分解来替代特征分解,有效地解决了传统谱聚类算法计算复杂度高的问题;通过按行索引指示矩阵的最大元素的列标直接获得标签。在4个真实数据集上的实验结果证明了该算法的有效性,表明其聚类性能优于现有的9种基准算法。

关键词：多视图聚类标签矩阵图重构可解释性

基于FPGA并行加速的脉冲神经网络在线学习硬件结构的设计与实现

在线全文

学校读者我要写书评

暂无评论

华南理工大学学报（自然科学版） 2023年第5期51卷 104-113页

作者：刘怡俊曹宇叶武剑林子琦广东工业大学集成电路学院广东广州510006 广东工业大学信息工程学院广东广州510006

当前,基于数字电路的脉冲神经网络硬件设计,在学习功能方面的突触并行性不高,导致硬件整体延时较大,在一定程度上限制了脉冲神经网络模型在线学习的速度。针对上述问题,文中提出了一种基于FPGA并行加速的高效脉冲神经网络在线学习硬件结... 详细信息

当前,基于数字电路的脉冲神经网络硬件设计,在学习功能方面的突触并行性不高,导致硬件整体延时较大,在一定程度上限制了脉冲神经网络模型在线学习的速度。针对上述问题,文中提出了一种基于FPGA并行加速的高效脉冲神经网络在线学习硬件结构,通过神经元和突触的双并行设计对模型的训练与推理过程进行加速。首先,设计具有并行脉冲传递功能和并行脉冲时间依赖可塑性学习功能的突触结构;然后,搭建输入编码层和赢家通吃结构的学习层,并优化赢家通吃网络的侧向抑制的实现,形成规模为784~400的脉冲神经网络模型。实验结果表明:在MNIST数据集上,使用该硬件结构的脉冲神经网络模型训练一幅图像需要的时间为1.61 ms、能耗约为3.18 mJ,推理一幅图像需要的时间为1.19 ms、能耗约为2.37 mJ,识别MNIST测试集样本的准确率可达87.51%;在文中设计的硬件框架下,突触并行结构能使训练速度提升38%以上,硬件能耗降低约24.1%,有助于促进边缘智能计算设备及技术的发展。

关键词：神经网络学习算法加速并行结构

基于双专用注意力机制引导的循环生成对抗网络

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

液晶与显示 2022年第6期37卷 746-757页

作者：劳俊明叶武剑刘怡俊袁凯奕广东工业大学信息工程学院广东广州510006 广东工业大学集成电路学院广东广州510006

现有基于循环生成对抗网络的图像生成方法通过引入独立通用的注意力模块,在无匹配图像转换任务中取得了较好的效果,但同时也增加了模型复杂度与训练时间,而且难以关注到图中关键区域的所有细节,图像生成效果仍有提升的空间。针对上述问... 详细信息

现有基于循环生成对抗网络的图像生成方法通过引入独立通用的注意力模块,在无匹配图像转换任务中取得了较好的效果,但同时也增加了模型复杂度与训练时间,而且难以关注到图中关键区域的所有细节,图像生成效果仍有提升的空间。针对上述问题,提出一种基于双专用注意力机制引导的循环生成对抗网络(Dual-SAG-CycleGAN),分别对生成器和判别器采用不同的注意力机制进行引导。首先,提出一种名为SAG(Special Attention-mechanism Guided)的专用注意力模块来引导生成器工作,在提升生成图像质量的同时降低网络的复杂度;然后,对判别器采用基于CAM(Class Activation Mapping)的专用注意力机制引导模块,抑制生成器生成无关的噪声;最后,提出背景掩码的循环一致性损失函数,引导生成器生成更加精准的掩码图,更好地辅助图像转换。实验证明,本文方法与现有同类模型相比,网络模型参数量降低近32.8%,训练速度快34.5%,KID与FID最低分别可达1.13和57.54,拥有更高的成像质量。

关键词：生成对抗网络无匹配图像转换专用注意力机制循环一致性损失图像生成

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于多层二部图的高光谱模糊聚类算法

计算机应用研究 2023年第4期40卷 1246-1249,1274页

作者：刘怡俊龙锦涛杨晓君广东工业大学信息工程学院广州510006

针对传统模糊聚类算法对初始聚类中心非常敏感以及对高光谱图像处理效果不佳的问题,为减少聚类数据的复杂度、降低聚类过程的计算成本以提升聚类性能,提出了一种基于多层二部图的高光谱模糊聚类算法。首先使用SuperPCA预处理方法对超像... 详细信息

针对传统模糊聚类算法对初始聚类中心非常敏感以及对高光谱图像处理效果不佳的问题,为减少聚类数据的复杂度、降低聚类过程的计算成本以提升聚类性能,提出了一种基于多层二部图的高光谱模糊聚类算法。首先使用SuperPCA预处理方法对超像素分割得到的每个同质区域进行PCA来学习HSI数据不同区域的固有低维特征,从而获得高光谱数据的低维表示;其次,构造一个多层二部图矩阵来描述数据点和锚点之间的关系,降低了计算复杂度;最后,在模糊聚类中加入基于多层二部图的非负正则项来约束模糊隶属度矩阵的解空间。在Indian Pines和Pavia University数据集上进行的实验表明,所提算法能提高聚类效果与性能。

关键词：高光谱图像模糊聚类多层图非负正则项

图像感知引导CycleGAN网络的背景虚化方法

在线全文

学校读者我要写书评

暂无评论

液晶与显示 2023年第9期38卷 1248-1261页

作者：叶武剑林振溢刘怡俊刘成民广东工业大学集成电路学院广东广州510006 广东工业大学信息工程学院广东广州510006

现有生成对抗网络在背景虚化处理过程中,往往是无差别地提取整张输入图像的特征,导致网络难以区分图像的前后景,从而容易出现图像失真的现象。本文提出了图像感知引导CycleGAN网络的背景虚化方法,通过引入图像感知信息以提升模型性能。... 详细信息

现有生成对抗网络在背景虚化处理过程中,往往是无差别地提取整张输入图像的特征,导致网络难以区分图像的前后景,从而容易出现图像失真的现象。本文提出了图像感知引导CycleGAN网络的背景虚化方法,通过引入图像感知信息以提升模型性能。图像感知信息包括注意力信息和景深信息,前者用于引导网络关注不同的前后景区域,从而区分前后景;而后者用于增强前景目标的感知信息,能够实现有效的智能定焦并减少图像出现失真的现象,使背景虚化效果更佳。通过最小化生成对抗损失及循环一致性损失,可以避免丢失过多景深信息,提高图片的生成质量。实验结果及数据表明,提出的方法在背景虚化过程中能有效区分前后景并改善图像失真的现象,使生成的效果更加真实。此外,在与现有方法生成的图像效果对比中,通过采用问卷调查的方式进行了评估。本文提出的图像感知引导CycleGAN网络的背景虚化方法与SOTA相比,生成的图像质量更好,模型大小与生成图像的速率也具有明显的优势,分别为56.10 MB及47 ms。

关键词：背景虚化图像感知 CycleGAN网络智能定焦

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

类脑机的思想与体系结构综述

计算机研究与发展 2019年第6期56卷 1135-1148页

作者：黄铁军余肇飞刘怡俊北京大学计算机科学技术系北京100871 广东工业大学信息工程学院广州510006

经典计算机的理论边界在1936年就由图灵确定了,冯·诺依曼体系结构计算机也受限于图灵机模型.囿于神经形态器件的缺失,神经网络模型一直在经典计算机上运行.然而,冯·诺依曼体系结构与神经网络的异步并行结构及通信机制并不匹配,表现之... 详细信息

经典计算机的理论边界在1936年就由图灵确定了,冯·诺依曼体系结构计算机也受限于图灵机模型.囿于神经形态器件的缺失,神经网络模型一直在经典计算机上运行.然而,冯·诺依曼体系结构与神经网络的异步并行结构及通信机制并不匹配,表现之一是功耗巨大,发展面向神经网络的体系结构,对于人工智能乃至一般意义上的信息处理都是重要方向.类脑机是仿照生物神经网络、采用神经形态器件构造的、以时空信息处理为特征的智能机器.类脑机的思想在计算机发明之前就提出了,研究开发实践也已经进行了30多年,多台类脑系统已经上线运行,其中SpiNNaker专注于类脑系统的体系结构研究,提出了一种行之有效的类脑方案.未来20年左右,预计模式动物大脑和人脑的精细解析将逐步完成,模拟生物神经元和神经突触信息处理功能的神经形态器件及集成工艺将逐步成熟,结构逼近大脑、性能远超大脑的类脑机有望实现.类脑机像生物大脑一样都是脉冲神经网络,神经形态器件具有真正的随机性,因此类脑机具备丰富的非线性动力学行为.已证明任何图灵机均可由脉冲神经网络构造出来,类脑机在理论上是否能够超越图灵机,是需要突破的一个重大问题.

关键词：类脑机脉冲神经网络神经形态计算图灵机突触可塑性

在线全文

学校读者我要写书评

暂无评论

自适应加权根多项式回归颜色校正算法研究

电子测量技术 2023年第8期46卷 45-50页

作者：付小康刘梅刘怡俊叶武剑邱逸铭王小林广东工业大学信息工程学院广州510006 广州中医药大学基础医学院广州510006 中国科学院北京纳米能源与系统研究所北京101400

针对多项式回归颜色校正方法中的不足,提出一种自适应加权的根多项式回归算法。多项式回归颜色校正过程中需要手动标定色卡色块位置,操作不便且易产生人为误差,本文自主设计了一种带QR码上3个定位标识符的色卡,可实现色卡色块的自动定位... 详细信息

针对多项式回归颜色校正方法中的不足,提出一种自适应加权的根多项式回归算法。多项式回归颜色校正过程中需要手动标定色卡色块位置,操作不便且易产生人为误差,本文自主设计了一种带QR码上3个定位标识符的色卡,可实现色卡色块的自动定位;针对多项式回归法的高阶项会放大噪声且对噪声不具有健壮性的问题,本文算法将自适应地调整权重矩阵以减小样本奇异值对拟合性能的影响,再由色差值计算另一个增益系数矩阵,从而提高校正性能。经实验验证,本文算法在CIELab色差值、PSNR两项指标上相较于传统多项式回归方法都有较大提升。其中,传统多项式回归方法平均CIELab色差值高达6.5,且该数值受环境影响较大,而本文算法对不同环境下的图像校正后色差可稳定在3.2以下。

关键词：图像处理颜色校正自动定位色卡多项式回归自适应加权