检索结果-南通市图书馆

基于自适应特征融合和任务对齐的小目标检测算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

激光杂志 2024年第2期45卷 36-42页

作者：郑有凯胡君红田春欣华中师范大学物理科学与技术学院武汉430079

小目标检测是计算机视觉领域具有挑战性的研究任务。针对小目标物体尺寸小、特征不明显、目标聚集等问题,提出了一种基于自适应特征融合和任务对齐的小目标检测算法C-SODNET。该算法在TOOD基础上进行优化与改进,引入ConvNeXt作为骨干网... 详细信息

小目标检测是计算机视觉领域具有挑战性的研究任务。针对小目标物体尺寸小、特征不明显、目标聚集等问题,提出了一种基于自适应特征融合和任务对齐的小目标检测算法C-SODNET。该算法在TOOD基础上进行优化与改进,引入ConvNeXt作为骨干网络,通过嵌入CBAM注意力机制和自适应特征融合模块的特征金字塔结构提升兴趣区域的特征提取能力,同时在检测头加入可变形卷积,显著改善了对于小目标物体的检测能力,最后引入CIoU回归损失函数来训练模型。实验结果表明,C-SODNET在VisDrone2019小目标检测数据集mAP_(50)为51.2%,相较于TOOD算法准确率提升了9.4%,小目标物体的精确率APs提高了7.3%,验证了算法的有效性。该算法可为高空或远距离场景小目标检测应用提供了有效解决方案。

关键词：小目标检测注意力机制任务对齐通道注意力自适应特征融合

在线全文

学校读者我要写书评

暂无评论

基于密集连接任务对齐的小目标检测算法

计算机工程与设计 2024年第4期45卷 1032-1038页

作者：田春欣陈绪君郑有凯华中师范大学物理科学与技术学院湖北武汉430079

针对当前基于卷积神经网络的单阶段目标检测算法(YOLO系列、TOOD等)对高空拍摄场景下的小目标检测存在精度低、漏检、误检等问题,在TOOD算法基础上,提出一种基于密集连接任务对齐的小目标检测算法DATNet。为提升网络的检测能力,采用CSPD... 详细信息

针对当前基于卷积神经网络的单阶段目标检测算法(YOLO系列、TOOD等)对高空拍摄场景下的小目标检测存在精度低、漏检、误检等问题,在TOOD算法基础上,提出一种基于密集连接任务对齐的小目标检测算法DATNet。为提升网络的检测能力,采用CSPDarkNet网络提取输入图像特征,通过密集连接的方式融入空洞卷积,添加注意力模块捕捉感兴趣的目标区域,引入DIoU回归损失函数通过任务对齐的检测头来训练模型。实验结果表明,DATNet在VisDrone-DET数据集上相对于TOOD算法平均准确率提升1.7%,为小目标检测场景提供了一种技术方案。

关键词：密集连接空洞卷积任务对齐目标检测小目标上下文信息特征提取

文明互鉴视野下19世纪后期至20世纪早期西方设计史上的折叠屏风

在线全文

学校读者我要写书评

暂无评论

艺术设计研究 2024年第1期 100-106页

作者：田春广州美术学院艺术与人文学院

19世纪后期至20世纪早期,西方很多著名设计师如威廉·莫里斯、阿尔丰斯·穆夏等都曾设计过源自中国的折叠屏风。这一突出的现象,是“中国风”的余波与“日本风”的流行所导致的结果。这固然显现了当时弱势的东方文化对强势的西方文化的... 详细信息

19世纪后期至20世纪早期,西方很多著名设计师如威廉·莫里斯、阿尔丰斯·穆夏等都曾设计过源自中国的折叠屏风。这一突出的现象,是“中国风”的余波与“日本风”的流行所导致的结果。这固然显现了当时弱势的东方文化对强势的西方文化的影响,实际上不过是因东西文明形态不同而产生的文明互鉴的一个常态表现。当然,强势的西方对处于弱势的东方文化采取的“拿来主义”态度是文明互鉴能够发生的一个前提。由此在设计界产生的折衷主义理念,指导着莫里斯等人将折叠屏风作为异域的设计资源,用为实现其求新求变、施展才华的一个媒介,成功地将其本土化,从而完整地演绎了文明互鉴的过程,也使莫里斯等人的折叠屏风成为其中的一个鲜活案例。

关键词：文明互鉴折叠屏风西方设计 “中国风” “日本风”

基于自适应特征融合和任务对齐的小目标检测算法

在线全文

学校读者我要写书评

暂无评论

激光杂志 2023年

作者：郑有凯胡君红田春欣华中师范大学物理科学与技术学院

小目标检测是计算机视觉领域具有挑战性的研究任务。针对小目标物体尺寸小、特征不明显、目标聚集等问题，提出了一种基于自适应特征融合和任务对齐的小目标检测算法C-SODNET。该算法在TOOD基础上进行优化与改进，引入ConvNeXt作为骨干... 详细信息

小目标检测是计算机视觉领域具有挑战性的研究任务。针对小目标物体尺寸小、特征不明显、目标聚集等问题，提出了一种基于自适应特征融合和任务对齐的小目标检测算法C-SODNET。该算法在TOOD基础上进行优化与改进，引入ConvNeXt作为骨干网络，通过嵌入CBAM注意力机制和自适应特征融合模块的特征金字塔结构提升兴趣区域的特征提取能力，同时在检测头加入可变形卷积，显著改善了对于小目标物体的检测能力，最后引入CIoU回归损失函数来训练模型。实验结果表明，C-SODNET在VisDrone2019小目标检测数据集mAP50为51.2%，相较于TOOD算法准确率提升了9.4%，小目标物体的精确率APs提高了7.3%，验证了算法的有效性。该算法可为高空或远距离场景小目标检测应用提供了有效解决方案。

关键词：小目标检测注意力机制任务对齐通道注意力自适应特征融合

交通运输行业碳排放自然达峰特征与峰值预测研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

交通运输系统工程与信息 2024年第2期24卷 34-44页

作者：杨东李艳红田春林交通运输部科学研究院综合运输研究中心北京100029

交通运输行业碳排放达峰是一项长期的自然演变过程。为研究中国交通运输行业碳达峰进程,本文首先采用国际类比法,选取国外典型国家,对比国家总体碳排放量、交通运输行业碳排放量以及换算周转量三者峰值出现的时间,分析交通运输行业碳排... 详细信息

交通运输行业碳排放达峰是一项长期的自然演变过程。为研究中国交通运输行业碳达峰进程,本文首先采用国际类比法,选取国外典型国家,对比国家总体碳排放量、交通运输行业碳排放量以及换算周转量三者峰值出现的时间,分析交通运输行业碳排放的自然达峰特征,结合交通需求预测,预判中国交通运输行业碳排放自然达峰时间。然后,引入单位换算周转量碳排放量、铁路公路货运比等核心影响因素,构建交通运输碳排放STIRPAT(Stochastic Impacts by Regression on Population, Affluence, and Technology)预测模型。最后,通过类比分析与模型预测,得到中国交通运输行业碳达峰时间及峰值排放量。国际类比结果表明:交通运输行业碳达峰与国家碳达峰之间没有明确的因果关系,但与换算周转量达峰紧密相关,交通运输行业碳排放达峰时换算周转量达峰或接近峰值;预测中国换算周转量在2048年左右达到26万亿吨公里的平台期,从国际类比的角度判断,中国交通运输行业实现碳排放自然达峰时间约在2040—2043年。STIRPAT模型显示:城镇化率、人均GDP、单位换算周转量碳排放量、铁路公路货运比每增加1%,中国交通运输行业碳排放量将分别增加1.201%、0.259%、0.454%、-0.389%。基于国际类比与STIRPAT模型组合预测判断,中国交通运输行业将在2038—2040年实现碳排放达峰,峰值排放量约为13亿t。

关键词：综合运输碳达峰国际类比 STIRPAT模型峰值预测

基于模糊函数多域特征融合与集成学习的雷达辐射源信号识别

在线全文

学校读者我要写书评

暂无评论

控制与决策 2024年第1期39卷 39-48页

作者：普运伟余永鹏姜萤田春瑾昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学计算中心昆明650500

针对复杂电磁环境下雷达辐射源信号识别方法中存在的抗噪性能差、识别准确率低等问题,提出一种融合模糊函数多域投影特征的集成深度学习识别方法.首先,对信号的模糊函数进行高斯平滑处理,从多域视角出发选取合适角度对模糊函数进行二维... 详细信息

针对复杂电磁环境下雷达辐射源信号识别方法中存在的抗噪性能差、识别准确率低等问题,提出一种融合模糊函数多域投影特征的集成深度学习识别方法.首先,对信号的模糊函数进行高斯平滑处理,从多域视角出发选取合适角度对模糊函数进行二维投影以构建特征数据集;然后,构建一种基于多域特征融合的两阶段识别分类方法,使用多个密集连接网络DenseNet 121作为初级分类器分别对3类特征数据集进行训练学习,得到初级分类结果;最后,通过Stacking策略对初级分类结果进行融合学习,得到最终类别信息.实验结果表明,所提出方法在信噪比为0 dB时对6类典型雷达信号的整体平均识别率均保持在97.24%以上,即使是在-4 dB环境中,识别率也稳定在87.16%以上,验证了所提出方法的有效性和可行性,具有一定的工程价值.

关键词：雷达辐射源信号模糊函数信号识别多域特征融合集成学习

在线全文

学校读者我要写书评

暂无评论

基于多变换域特征的雷达辐射源信号融合识别

哈尔滨工业大学学报 2024年

作者：普运伟余永鹏姜萤田春瑾昆明理工大学信息工程与自动化学院昆明理工大学计算中心广东科技学院机电工程学院

针对现有复杂体制雷达辐射源信号识别方法信息利用率低、抗噪性能差等问题，提出一种融合雷达辐射源信号多变换域特征的集成深度神经网络识别方法。首先基于双谱估计、模糊函数、HHT这三种变换域方法对辐射源信号展开处理，分别提取信... 详细信息

针对现有复杂体制雷达辐射源信号识别方法信息利用率低、抗噪性能差等问题，提出一种融合雷达辐射源信号多变换域特征的集成深度神经网络识别方法。首先基于双谱估计、模糊函数、HHT这三种变换域方法对辐射源信号展开处理，分别提取信号矩形积分双谱特征、模糊函数正交切片特征和希尔伯特边际谱特征并将它们转换为表达能力和可解释性更强的二维特征图像；其次，构建了一种基于ResNet18+MLP的融合识别模型框架，使用多个ResNet18网络作为融合模型的基学习器分别对3种变换域特征数据集进行初级识别，获得以概率表征的特征向量；最后，通过MLP对特征向量进行融合学习，获得最终的信号类别信息。实验结果表明，该方法在信噪比为0dB时对6类雷达辐射源信号的整体平均识别率均保持在99.23%以上，即使是在-4dB环境中，识别率也稳定在96.54%以上，验证了所提方法的有效性和较好性能。

关键词：雷达辐射源信号信号识别多变换域特征特征提取深度学习

基于MLP-Bagging集成分类模型的在线学习行为分析

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

云南大学学报(自然科学版) 2024年

作者：普运伟姜萤田春瑾余永鹏昆明理工大学信息工程与自动化学院昆明理工大学计算中心

针对教育者难以对学习者多样化的在线学习行为进行监测和研判等问题，提出一种带嵌入层的MLP-Bagging集成分类模型对学习者的在线学习行为进行分析与判别.考虑到学习者的在线学习行为以及个体特性，从学习准备行为、知识获取行为、交互... 详细信息

针对教育者难以对学习者多样化的在线学习行为进行监测和研判等问题，提出一种带嵌入层的MLP-Bagging集成分类模型对学习者的在线学习行为进行分析与判别.考虑到学习者的在线学习行为以及个体特性，从学习准备行为、知识获取行为、交互学习行为、学习巩固行为和辅助特征5个方面构建在线学习行为模型，并采用MLP-Bagging集成分类模型对学习者进行分类判别.实验结果表明，所构建的学习模型可对在线学习者的学习行为进行符合实际的建模，加入辅助特征有利于对各类学习者的在线学习行为进行深入的分析与指导，并且在分类模型中加入嵌入层可以有效克服标签编码带来的数据冗余和误差缺陷，从而获得更好的分类效果.与其他分类模型相比，融合多个MLP分类器的Bagging集成模型可以减少单个MLP分类器的方差，其分类准确率达到98.72%，具有较好的实际应用价值.

关键词：在线学习行为学习者分类嵌入层 MLP神经网络 Bagging集成学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

多级双树复小波网络用于低剂量CT图像去噪

计算机工程 2024年

作者：张鲁田春伟宋焕生刘侍刚陕西师范大学计算机科学学院西北工业大学深圳研究院长安大学教育技术与网络中心长安大学信息工程学院西北工业大学软件学院

基于卷积神经网络的图像去噪方法能有效去除低剂量CT图像伴随的伪影和噪声，从而确保CT设备输出高质量图像的同时降低辐射，这对患者健康和医学诊断具有重要意义。为了进一步提高低剂量CT图像的质量，本文提出了一种小波域去噪网络MDTNe... 详细信息

基于卷积神经网络的图像去噪方法能有效去除低剂量CT图像伴随的伪影和噪声，从而确保CT设备输出高质量图像的同时降低辐射，这对患者健康和医学诊断具有重要意义。为了进一步提高低剂量CT图像的质量，本文提出了一种小波域去噪网络MDTNet。首先，本文基于双树复小波变换构造多级编解码去噪网络，在多个尺度上提取特征以保留更多高频细节。此外，扩展的像素重排技术替代卷积上下采样，实现多级输入和特征融合，从而降低计算复杂度。最后，通过大量训练找到最佳的去噪模型：两级MDTNet配合LeGall滤波器和Qshift＿b滤波器，并选择较大尺寸的CT图像作为训练数据。本文使用AAPM数据集评估提出的方法，实验结果表明MDTNet能有效去除条纹状伪影和噪声，在定量和定性评估方面均优于同类型去噪方法。与FWDNet相比，MDTNet的平均PSNR和SSIM分别提高了1mm:+0.0887dB、+0.0024;3mm:+0.1443dB、+0.003。对于单张512×512分辨率的低剂量CT图像，MDTNet在GPU上仅需0.193s。MDTNet在保持高效率的同时保留了更多的高频细节，该方法为低剂量CT图像去噪提供了一个新的框架，对其他图像去噪问题具有参考价值。

关键词：低剂量CT 图像去噪卷积神经网络双树复小波变换像素重排