检索结果-南通市图书馆

基于伪标签的弱监督显著特征增强目标检测方法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2024年第1期51卷 233-242页

作者：史殿习刘洋洋宋林娜谭杰夫周晨磊张轶天津(滨海)人工智能创新中心天津300457 智能博弈与决策实验室北京100091 国防科技大学计算机学院长沙410073

显著性目标检测旨在检测图像中最明显的区域。传统的基于单一标签的算法不可避免地受到所采用的细化算法的影响,表现出偏见特征,从而进一步影响了显著性网络的检测性能。针对这一问题,基于多指令滤波器结构,提出了一种基于伪标签的弱监... 详细信息

显著性目标检测旨在检测图像中最明显的区域。传统的基于单一标签的算法不可避免地受到所采用的细化算法的影响,表现出偏见特征,从而进一步影响了显著性网络的检测性能。针对这一问题,基于多指令滤波器结构,提出了一种基于伪标签的弱监督显著特征增强目标检测方法FeaEM,通过从多个标签中集成更全面和准确的显著性线索,从而有效提升目标检测的性能。FeaEM方法的核心是引入一个新的多指令滤波器结构,利用多个伪标签来避免单一标签带来的负面影响;通过在指令滤波器中引入特征选择机制,从噪声伪标签中提取和过滤更准确的显著性线索,从而学习更多有效的具有代表性的特征;同时,针对现有的弱监督目标检测方法对输入图像的尺度十分敏感,同一图像的不同尺寸输入的预测结构存在较大偏差问题,通过引入尺度特征融合机制,以确保在输入不同尺寸的同一图像时,能输出一致的显著图,进而有效提高模型的尺度泛化能力。在多个数据集上进行的大量实验表明,所提出的FeaEM方法优于最具代表性的方法。

关键词：深度学习目标检测显著性伪标签注意力机制

基于DQN的多智能体深度强化学习运动规划方法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2024年第2期51卷 268-277页

作者：史殿习彭滢璇杨焕焕欧阳倩滢张玉晖郝锋智能博弈与决策实验室北京100091 天津(滨海)人工智能创新中心天津300457 国防科技大学计算机学院长沙410073

DQN方法作为经典的基于价值的深度强化学习方法,在多智能体运动规划等领域得到了广泛应用。然而,DQN方法面临一系列挑战,例如,DQN会过高估计Q值,计算Q值较为复杂,神经网络没有历史记忆能力,使用ε-greedy策略进行探索效率较低等。针对... 详细信息

DQN方法作为经典的基于价值的深度强化学习方法,在多智能体运动规划等领域得到了广泛应用。然而,DQN方法面临一系列挑战,例如,DQN会过高估计Q值,计算Q值较为复杂,神经网络没有历史记忆能力,使用ε-greedy策略进行探索效率较低等。针对这些问题,提出了一种基于DQN的多智能体深度强化学习运动规划方法,该方法可以帮助智能体学习到高效稳定的运动规划策略,无碰撞地到达目标点。首先,在DQN方法的基础上,提出了基于Dueling的Q值计算优化机制,将Q值的计算方式改进为计算状态值和优势函数值,并根据当前正在更新的Q值网络的参数选择最优动作,使得Q值的计算更加简单准确;其次,提出了基于GRU的记忆机制,引入了GRU模块,使得网络可以捕捉时序信息,具有处理智能体历史信息的能力;最后,提出了基于噪声的有效探索机制,通过引入参数化的噪声,改变了DQN中的探索方式,提高了智能体的探索效率,使得多智能体系统达到探索-利用的平衡状态。在PyBullet仿真平台的6种不同的仿真场景中进行了测试,实验结果表明,所提方法可以使多智能体团队进行高效协作,无碰撞地到达各自目标点,且策略训练过程稳定。

关键词：多智能体系统运动规划深度强化学习 DQN方法

Remote sensing image encryption algorithm based on novel hyperchaos and an elliptic curve cryptosystem

在线全文

学校读者我要写书评

暂无评论

Chinese Physics B 2024年第5期33卷 292-304页

作者：田婧希金松昌张晓强杨绍武史殿习 School of Computer Science National University of Defense TechnologyChangsha 410003China Intelligent Game and Decision Laboratory (IGDL) Beijing 100091China School of Information and Control Engineering China University of Mining and TechnologyXuzhou 221116China

Remote sensing images carry crucial ground information,often involving the spatial distribution and spatiotemporal changes of surface elements.To safeguard this sensitive data,image encryption technology is essential.In this paper,a novel Fibonacci sine exponential map is designed,the hyperchaotic performance of which is particularly suitable for image encryption algorithms.An encryption algorithm tailored for handling the multi-band attributes of remote sensing images is proposed.The algorithm combines a three-dimensional synchronized scrambled diffusion operation with chaos to efficiently encrypt multiple images.Moreover,the keys are processed using an elliptic curve cryptosystem,eliminating the need for an additional channel to transmit the keys,thus enhancing security.Experimental results and algorithm analysis demonstrate that the algorithm offers strong security and high efficiency,making it suitable for remote sensing image encryption tasks.

关键词： hyperchaotic system elliptic curve cryptosystem(ECC) 3D synchronous scrambled diffusion remote sensing image unmanned aerial vehicle(UAV)

在线全文

学校读者我要写书评

暂无评论

基于观测重构的多智能体强化学习方法

计算机科学 2024年第4期51卷 280-290页

作者：史殿习胡浩萌宋林娜杨焕焕欧阳倩滢谭杰夫陈莹智能博弈与决策实验室北京100091 国防科技大学计算机学院长沙410073 天津(滨海)人工智能创新中心天津300457 国防科技创新研究院北京100071

共同知识是多智能体系统内众所周知的知识集。如何充分利用共同知识进行策略学习,是多智能体独立学习系统中的一个挑战性问题。针对这一问题,围绕共同知识提取和独立学习网络设计,提出了一种基于观测重构的多智能体强化学习方法IPPO-CKO... 详细信息

共同知识是多智能体系统内众所周知的知识集。如何充分利用共同知识进行策略学习,是多智能体独立学习系统中的一个挑战性问题。针对这一问题,围绕共同知识提取和独立学习网络设计,提出了一种基于观测重构的多智能体强化学习方法IPPO-CKOR。首先,对智能体的观测信息进行共同知识特征的计算与融合,得到融合共同知识特征的观测信息;其次,采用基于共同知识的智能体选择算法,选择关系密切的智能体,并使用重构特征生成机制构建它们的特征信息,其与融合共同知识特征的观测信息组成重构观测信息,用于智能体策略的学习与执行;最后,设计了一个基于观测重构的独立学习网络,使用多头自注意力机制对重构观测信息进行处理,使用一维卷积和GRU层处理观测信息序列,使得智能体能够从观测信息序列中提取出更有效的特征,有效缓解了环境非平稳与部分可观测问题带来的影响。实验结果表明,相较于现有典型的采用独立学习的多智能体强化学习方法,所提方法在性能上有显著提升。

关键词：观测重构多智能体协作策略多智能体强化学习独立学习

在线全文

学校读者我要写书评

暂无评论

视觉惯性导航系统初始化方法综述

国防科技大学学报 2023年第2期45卷 15-26页

作者：刘哲史殿习杨绍武李睿豪国防科技大学计算机学院湖南长沙410073 军事科学院国防科技创新研究院北京100071

视觉惯性导航系统通过初始化,对尺度信息、重力向量、速度、惯性传感器偏差等一系列状态估计所需参数进行快速求解,以提升系统后续导航定位与环境感知的准确性。根据传感信息耦合方式,视觉惯性导航系统初始化方法可以分为三类:联合初始... 详细信息

视觉惯性导航系统通过初始化,对尺度信息、重力向量、速度、惯性传感器偏差等一系列状态估计所需参数进行快速求解,以提升系统后续导航定位与环境感知的准确性。根据传感信息耦合方式,视觉惯性导航系统初始化方法可以分为三类:联合初始化、非联合初始化和半联合初始化。基于现有研究工作,从基础理论、发展与分类、现有方法、性能评估四个方面展开,对目前主流的初始化方法进行综述,并总结视觉惯性导航系统初始化领域未来的发展趋势,有利于对视觉惯性导航系统初始化方法形成总体性了解并把握其发展方向。

关键词：视觉惯性导航系统初始化传感融合惯性数据处理

Deep-Init：基于深度学习的视觉惯性里程计非联合初始化方法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2023年

作者：史殿习高云琦宋林娜刘哲周晨磊陈莹智能博弈与决策实验室(北京) 天津(滨海)人工智能创新中心国防科技创新研究院国防科技大学计算机学院

对于非线性的单目VIO系统来说，其初始化过程至关重要，初始化结果的好坏直接影响整个系统运行过程中状态估计的精度。为此，我们将深度学习方法引入到单目VIO系统的初始化过程中，提出了一种高效的非联合初始化方法（简称Deep-Init）... 详细信息

对于非线性的单目VIO系统来说，其初始化过程至关重要，初始化结果的好坏直接影响整个系统运行过程中状态估计的精度。为此，我们将深度学习方法引入到单目VIO系统的初始化过程中，提出了一种高效的非联合初始化方法（简称Deep-Init），其核心是使用深度神经网络对IMU中陀螺仪的偏置和噪声等随机误差项进行准确估计，得到初始化过程中的关键参数，即陀螺仪的bias；同时，我们将IMU预积分与SfM进行松耦合，通过位置和旋转对齐，使用最小二乘法对绝对尺度、速度以及重力矢量等进行快速恢复，并将其作为初始值来引导非线性紧密耦合的优化框架。由于深度神经网络对陀螺仪数据进行补偿，从而大大增加了IMU中旋转估计量的准确性，有效提高了IMU数据的信噪比，同时减少了最小二乘方程失效的次数，因而进一步减少了计算量。使用去除误差项的陀螺仪数据的预积分量替换SfM中的旋转量，将IMU的旋转量作为真值，不仅避免了将不准确的SfM值作为真值进行初始化时所带来的误差，有效提升了系统状态估计的精度，而且能够有效地适应高速运动、光照变换剧烈和纹理重复等SfM估计效果差的场景。在EuRoC数据集上，我们对本文所提出的方法的有效性了进行实验验证，实验结果表明，本文所提出的初始化方法Deep-Init无论是精度还是耗时均取得了良好的效果。

关键词：视觉惯性里程计深度学习初始化惯性测量单元

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

小样本目标检测研究综述

计算机学报 2023年第8期46卷 1753-1780页

作者：史燕燕史殿习乔子腾张轶刘洋洋杨绍武国防科技大学计算机学院长沙410073 军事科学院国防科技创新研究院北京100071 天津(滨海)人工智能创新中心天津300457

数据驱动下的深度学习技术在计算机视觉领域取得重大突破,但模型的高性能严重依赖于大量标注样本的训练.然而在实际场景当中,大规模数据的获取和高质量的标注十分困难,限制了其在特定应用领域的进一步推广.近年来小样本学习在目标检测... 详细信息

数据驱动下的深度学习技术在计算机视觉领域取得重大突破,但模型的高性能严重依赖于大量标注样本的训练.然而在实际场景当中,大规模数据的获取和高质量的标注十分困难,限制了其在特定应用领域的进一步推广.近年来小样本学习在目标检测领域的发展,为解决上述问题提供了新的研究思路.小样本目标检测旨在通过少量标注样本实现对图像中目标的分类和定位.本文从任务和问题、学习策略、检测方法、数据集与实验评估等角度出发,对当前小样本目标检测的研究成果加以梳理和总结.首先,系统性地阐述了小样本目标检测的任务定义及核心问题,并讨论了当前方法采用的学习策略.其次,从工作原理角度出发,将现有检测方法归纳总结为四类,对这四类检测方法的核心思想、特点、优势及存在的不足进行了系统性的阐述,为不同场景下选择不同的方法提供了依据.之后,本文对目前小样本目标检测采用的典型数据集、实验设计及性能评估指标进行了深入分析,进而对四类典型方法在数据集上的实验结果进行概括总结,尤其是对部分典型方法的检测性能进行了系统性对比分析.最后,立足于现有方法的优势和劣势,我们指出当前方法面临的挑战,并对下一阶段小样本目标检测技术未来的发展趋势提出了见解,期望为该领域的后续研究提供参考.

关键词：深度学习目标检测小样本学习小样本目标检测

GPS拒止环境下基于定位置信度的多无人机协同定位方法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2022年第4期49卷 302-311页

作者：史殿习刘聪佘馥江张拥军国防科技大学计算机学院长沙410073 军事科学院国防科技创新研究院北京100166 天津(滨海)人工智能创新中心天津300457

GPS拒止环境下的无人机定位问题是目前亟需研究和解决的一个难点问题。针对无人机集群系统在GPS拒止环境下的协同定位问题展开研究,首先,提出了定位置信度的概念,用于量化GPS拒止环境下无人机的定位准确程度;其次,提出了一种基于定位置... 详细信息

GPS拒止环境下的无人机定位问题是目前亟需研究和解决的一个难点问题。针对无人机集群系统在GPS拒止环境下的协同定位问题展开研究,首先,提出了定位置信度的概念,用于量化GPS拒止环境下无人机的定位准确程度;其次,提出了一种基于定位置信度的多无人机协同定位方法,该方法在基于持久性激励的相对定位法的基础上,利用定位置信度,自适应地调节协同定位过程中各无人机自主定位所占比重,以提高无人机集群定位的精度;第三,设计了一个用于融合异构传感器数据的扩展卡尔曼滤波器EKF,可部署于单架无人机上,将协同定位结果融入无人机位姿解算过程中,以提高无人机个体定位的精度;最后,在ROS平台上设计实现了一个多无人机协同定位原型系统,并在Gazebo仿真环境搭建的多无人机飞行场景中进行验证。结果表明,所提出的协同定位方法不仅能够有效缓解传统惯性导航方法的误差累积问题,而且能够有效提高无人机集群定位的精度。

关键词：定位置信度无人机 GPS拒止环境协同定位扩展卡尔曼滤波

在线全文

学校读者我要写书评

暂无评论

面向事件相机的时间信息融合网络框架

计算机科学 2022年第5期49卷 43-49页

作者：徐化池史殿习崔玉宁景罗希刘聪国防科技创新研究院北京100071 国防科技大学计算机学院长沙410073 天津(滨海)人工智能创新中心天津300457

事件相机是一种启发式传感器,它通过感知光线强度变化输出事件,响应异步和稀疏事件形式的像素级亮度变化,缓解了传统相机在光线条件变化复杂和物体高速运动场景下成像不清晰的问题。最近,基于学习的模式识别方法将事件相机的输出转化为... 详细信息

事件相机是一种启发式传感器,它通过感知光线强度变化输出事件,响应异步和稀疏事件形式的像素级亮度变化,缓解了传统相机在光线条件变化复杂和物体高速运动场景下成像不清晰的问题。最近,基于学习的模式识别方法将事件相机的输出转化为伪图像的表示形式,在光流估计、目标识别等视觉任务中取得了巨大的进步。但是,这类方法丢弃了事件流之间的时间相关性,导致伪图像的纹理不够清晰,特征提取困难。为此,提出了基于事件流划分算法的神经网络框架,显式地融合了事件流的时间信息。该框架将输入的事件流划分成多份,使用权重分配网络给每一份事件流赋予不同的权重,并使其通过卷积神经网络融合时空信息、提取高级特征,最后对输入分类。在N-Caltech101和N-Cars数据集上进行的对比实验表明,与现有最先进算法相比,所提框架在分类准确率上有明显的提升。

关键词：时间信息事件流融合权重分配卷积神经网络