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

多通路轻量化卷积神经网络的研究

计算机工程与应用 2023年第6期59卷 134-145页

作者：赵立欣白宇安胜彪河北科技大学信息科学与工程学院石家庄050018

大量研究表明,卷积神经网络宽度展宽可以提取更加多元的特征,但对模型通道宽度进行展宽时,引起训练参数量呈二次增长,进而导致训练成本高与网络模型庞大的问题。针对上述问题,提出多通路模块,通过优化模块内部通路的运算结构,使得模型... 详细信息

大量研究表明,卷积神经网络宽度展宽可以提取更加多元的特征,但对模型通道宽度进行展宽时,引起训练参数量呈二次增长,进而导致训练成本高与网络模型庞大的问题。针对上述问题,提出多通路模块,通过优化模块内部通路的运算结构,使得模型可以经济高效地提取多元特征。具体来说,与传统网络宽度展宽方式相比,多通路模块避免在通道维度上展宽,将展宽方式转移到通路维度,保证输出特征多样性的同时有效降低了模型参数量。由于网络深度加深更容易提取抽象的语义信息,多通路模块通过对各计算通路设定不同的卷积深度,使得模块具有多尺度特征提取能力,即使得输出特征中既包含细节位置信息,也包括逐渐抽象的语义信息。在研究过程中,利用注意力机制改善模块内通路关系时,发现注意力机制存在一定条件性。实验结果表明,由多通路模块组成的5.3MB轻量化卷积神经网络,在CiFar-10上分类准确度比43.4MB的Res-Net-18高出1.32%。对模型优化后(33MB),分类准确度达到了95.15%,较SE-Net18(45.1MB)精度提升0.65%。

关键词：多通路轻量化网络宽度特征分布注意力机制

在线全文

学校读者我要写书评

暂无评论

深度学习的2D-3D融合深度补全综述

计算机工程与应用 2023年第13期59卷 17-32页

作者：白宇梁晓玉安胜彪河北科技大学信息科学与工程学院石家庄050018

深度图补全的目的是从深度传感器捕获的稀疏图预测密集像素级深度。它在自动驾驶、三维重建、增强现实和机器人导航等各种应用中发挥着至关重要的作用。最近在这项任务上的成功证明基于深度学习的2D-3D融合深度图补全技术成为该领域的... 详细信息

深度图补全的目的是从深度传感器捕获的稀疏图预测密集像素级深度。它在自动驾驶、三维重建、增强现实和机器人导航等各种应用中发挥着至关重要的作用。最近在这项任务上的成功证明基于深度学习的2D-3D融合深度图补全技术成为该领域的主流方案。论述了该方法近年在业界的研究现状,分析了补全任务常用的数据集与评价指标以及对传感器获取的噪声和稀疏数据的处理方法。将两个模态外观特征的融合方式分为:早期融合、后期融合和多级融合,从提取几何线索和多任务学习角度出发进行归纳分析并对其优势和局限性进行对比。对深度图补全的发展前景和可能的研究方向进行了展望。

关键词：深度学习深度图补全自动驾驶三维重建 2D-3D融合

在线全文

学校读者我要写书评

暂无评论

小样本图像分类研究综述

计算机科学与探索 2023年第3期17卷 511-532页

作者：安胜彪郭昱岐白宇王腾博河北科技大学信息科学与工程学院石家庄050018

近年来,借助大规模数据集和庞大的计算资源,以深度学习为代表的人工智能算法在诸多领域取得成功。其中计算机视觉领域的图像分类技术蓬勃发展,并涌现出许多成熟的视觉任务分类模型。这些模型均需要利用大量的标注样本进行训练,但在实际... 详细信息

近年来,借助大规模数据集和庞大的计算资源,以深度学习为代表的人工智能算法在诸多领域取得成功。其中计算机视觉领域的图像分类技术蓬勃发展,并涌现出许多成熟的视觉任务分类模型。这些模型均需要利用大量的标注样本进行训练,但在实际场景中因诸多限制导致数据量稀少,往往很难获得相应规模的高质量标注样本。因此如何使用少量样本进行学习已经逐渐成为当前的研究热点。针对分类任务系统梳理了当前小样本图像分类的相关工作,小样本学习主要采用元学习、度量学习和数据增强等深度学习方法。从有监督、半监督和无监督等层次归纳总结了小样本图像分类的研究进展和典型技术模型,以及这些模型方法在若干公共数据集上的表现,并从机制、优势、局限性等方面进行了对比分析。最后,讨论了当前小样本图像分类面临的技术难点以及未来的发展趋势。

关键词：深度学习监督学习元学习度量学习图像分类

一种改进YOLOv4的半导体芯片表面字符识别算法

在线全文

学校读者我要写书评

暂无评论

国外电子测量技术 2022年第4期41卷 77-82页

作者：安胜彪娄慧儒白宇河北科技大学信息科学与工程学院石家庄050018

针对采用人工方法对芯片进行分选和重排时的精度、速度和鲁棒性都达不到工业现场要求的情况,提出了一种基于改进YOLOv4的半导体芯片表面字符识别方法。该算法通过轻量化YOLOv4的特征提取网络,保留更多的浅层特征信息;在非特征提取网络... 详细信息

针对采用人工方法对芯片进行分选和重排时的精度、速度和鲁棒性都达不到工业现场要求的情况,提出了一种基于改进YOLOv4的半导体芯片表面字符识别方法。该算法通过轻量化YOLOv4的特征提取网络,保留更多的浅层特征信息;在非特征提取网络引入深度可分离卷积,减少模型参数;在网络头部嵌入卷积注意力模块(BAM),进一步提升对小尺寸字符的特征提取能力。通过对工业半导体芯片的识别实验结果表明,与原YOLOv4相比,改进的方法具有更高的识别精度和更快的识别速度,且具有良好的鲁棒性和泛化能力,能够满足工业现场字符识别的需求。

关键词：深度学习字符识别 YOLOv4 半导体芯片

在线全文

学校读者我要写书评

暂无评论

基于HRNet的高效人体姿态估计算法

无线电工程 2023年第9期53卷 2028-2035页

作者：安胜彪贾鹏园白宇河北科技大学信息科学与工程学院河北石家庄050018

高分辨率网络(High-Resolution Network,HRNet)因并行连接高分辨率卷积且在并行卷积中重复进行多尺度融合来维持高分辨率表示,弥补了重复上采样和下采样过程造成的信息损耗等问题而受到广泛研究。但该网络只选取最高分辨率特征表示作为... 详细信息

高分辨率网络(High-Resolution Network,HRNet)因并行连接高分辨率卷积且在并行卷积中重复进行多尺度融合来维持高分辨率表示,弥补了重复上采样和下采样过程造成的信息损耗等问题而受到广泛研究。但该网络只选取最高分辨率特征表示作为输出,忽略了其他分辨率分支的特征,且对遮挡等原因产生的困难点的检测精度较低。为了提升网络对关节点定位的精度,提出了一种改进HRNet的网络模型H-HRNet(High Precision-HRNet)。提出了一种结合注意力机制的特征融合方法,对各通道提取到的信息进行融合,提高了网络对关键点的提取精度;为了解决困难点检测精度不高等问题,在特征提取网络后添加调优模块并设计多级监督机制进行监督;为了减少坐标编解码过程中的误差损失,使用一种新的解码策略。实验结果表明,模型在COCO和MPII两个数据集上的精度分别达到了76.1%和90.6%,比基线网络HRNet分别提高了1.7%和0.4%,验证了H-HRNet模型的有效性。

关键词：人体姿态估计注意力机制坐标编解码困难点

在线全文

学校读者我要写书评

暂无评论

基于多任务对齐的密集行人检测算法研究

电子测量技术 2023年第17期46卷 79-86页

作者：安胜彪李晔彤白宇河北科技大学信息科学与工程学院石家庄050018

行人检测是深度学习目标检测领域的重要分支,但密集场景中存在严重遮挡问题,给行人检测带来巨大挑战。为了缓解该问题,在CenterNet多任务学习模型上提出目标检测和姿态关键点检测任务对齐方法,改进后的模型为Center_tood。首先提出分离... 详细信息

行人检测是深度学习目标检测领域的重要分支,但密集场景中存在严重遮挡问题,给行人检测带来巨大挑战。为了缓解该问题,在CenterNet多任务学习模型上提出目标检测和姿态关键点检测任务对齐方法,改进后的模型为Center_tood。首先提出分离模块:该模块将原始特征分离得到更加关注各个任务的特征;在此基础上提出任务对齐方法:通过设计对齐度量来约束损失,使模型在梯度上更大程度地向着多任务对齐的方向优化,同时利用一致性约束,使模型学习到不同任务之间的共性信息,从而对齐不同任务的特征。实验部分采用CrowdPose数据集训练和测试。本算法的目标检测AP值为74.3%,提高了11.5%;人体姿态关键点AP值为55.8%,提高了9.6%。实验结果验证了提出的多任务学习算法在密集场景行人检测上的有效性。

关键词：行人检测遮挡问题 CenterNet 多任务学习对齐损失

在线全文

学校读者我要写书评

暂无评论

基于多特征匹配的轻量化行人跟踪算法研究

电子测量技术 2022年第21期45卷 67-74页

作者：安胜彪刘新宇白宇河北科技大学信息科学与工程学院石家庄050018

行人跟踪是深度学习研究中的热点内容。目前的跟踪算法存在无法满足实时性和因跟踪目标相似度太高、目标间的遮挡、运动不规律造成ID频繁转换的问题。为了提高运行速度,在目标检测阶段使用CNN和transformer相结合的轻量化网络,采用联合... 详细信息

行人跟踪是深度学习研究中的热点内容。目前的跟踪算法存在无法满足实时性和因跟踪目标相似度太高、目标间的遮挡、运动不规律造成ID频繁转换的问题。为了提高运行速度,在目标检测阶段使用CNN和transformer相结合的轻量化网络,采用联合检测的方式,共享特征权重,并行计算检测、重识别、人体姿态估计分支,同时调整各个分支卷积通道数。跟踪部分则利用卡尔曼滤波预测的目标运动信息,目标重识别信息,和目标姿态的各个关键点位置信息共同完成目标身份匹配,减少了同一ID的频繁转换。实验部分采用MOT16数据集训练和测试。本算法的多目标跟踪准确度(MOTA)为48.5%,多目标跟踪精确度(MOTP)为78.17%,FPS为20,模型大小为18.4 M。实验表明,提出的跟踪算法提高了整体的跟踪性能,实时性和准确性达到了预期要求。

关键词：轻量化网络多特征匹配行人跟踪

32~40 GHz高耐功率PIN二极管限幅低噪声放大器MMIC

在线全文

学校读者我要写书评

暂无评论

中国电子科学研究院学报 2022年第9期17卷 869-874页

作者：邸跃红杨旭杨琳蔡明伟安胜彪西安机电信息技术研究所陕西西安710065 河北科技大学河北石家庄050018

本文提出了一种32~40 GHz高耐功率砷化镓(Gallium Arsenide,GaAs)PIN二极管限幅低噪声放大器单片微波集成电路(Monolithic Microwave Integrated Circuit,MMIC)。将PIN限幅器与低噪声放大器联合设计,同时采用高鲁棒性低噪声放大器网络,... 详细信息

本文提出了一种32~40 GHz高耐功率砷化镓(Gallium Arsenide,GaAs)PIN二极管限幅低噪声放大器单片微波集成电路(Monolithic Microwave Integrated Circuit,MMIC)。将PIN限幅器与低噪声放大器联合设计,同时采用高鲁棒性低噪声放大器网络,提高了限幅低噪声放大器的耐功率和小信号特性。为了降低放大器的噪声系数,提出了包含电感和PIN二极管的T型匹配单元,将多个匹配单元级联作为低噪声放大器的输入匹配网络。该限幅低噪声放大器MMIC采用0.15-μm PIN/pHEMT工艺制造。测试结果表明,该芯片可以承受最高为38 dBm的连续波30 min不损坏。在32~40 GHz频率范围内,电路的小信号增益和噪声系数分别为18±0.4 dB和2.5~2.8 dB,证明了该设计方法的有效性。在目前报道的限幅低噪声放大器MMIC中,该限幅低噪声放大器具有最高的工作频率,该电路可广泛的应用于高功率、高机动性的毫米波雷达系统中。

关键词： PIN二极管 GaAs 限幅低噪声放大器单片微波集成电路高耐功率

在线全文

学校读者我要写书评

暂无评论

基于级联式卷积神经网络的芯片检测方法

无线电工程 2022年第5期52卷 880-887页

作者：安胜彪杨旭陈书旺赵立欣李亚航白宇河北科技大学信息科学与工程学院河北石家庄050018

在智能物料排序系统中,芯片存在大小不一、分布密集、摆放角度多样性的情况。针对小体积和带有角度的目标在大尺寸拍摄图像中检测精度较低的问题,提出了一种基于级联式卷积神经网络的芯片识别定位方法来检测芯片的位置和角度。搭建二级... 详细信息

在智能物料排序系统中,芯片存在大小不一、分布密集、摆放角度多样性的情况。针对小体积和带有角度的目标在大尺寸拍摄图像中检测精度较低的问题,提出了一种基于级联式卷积神经网络的芯片识别定位方法来检测芯片的位置和角度。搭建二级级联神经网络,第1级网络利用改进后的YOLOv5s模型检测芯片位置,根据所得位置裁剪出单个芯片图像作为第2级网络的输入,在第2级网络中提出利用关键点回归方法求得角度信息;对大尺寸图像进行叠加式裁剪算法处理,得到尺寸较小的子图作为YOLOv5s模型的输入,解决大尺寸图像对小目标检测精度较低的难题。实验结果表明,基于级联卷积网络的芯片检测精度达94.6%,角度误差小于0.5°,能够满足智能物料排序系统中对位置和角度的要求。

关键词：芯片识别定位级联关键点检测大尺寸图像旋转角度