检索结果-南通市图书馆

Lightweight Image Super-Resolution via Weighted Multi-Scale Residual Network

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

IEEE/CAA Journal of Automatica Sinica 2021年第7期8卷 1271-1280页

作者： Long Sun zhenbing liu Xiyan Sun Licheng liu Rushi Lan Xiaonan Luo Guangxi Key Laboratory of Image and Graphic intelligent processing Guilin University of Electronic TechnologyGuilin 541004China National Local Joint Engineering Research Center of Satellite Navigation and Location Service Guilin University of Electronic TechnologyGuilin 541004China the College of Electrical and Information Engineering Hunan UniversityChangsha 410082China

The tradeoff between efficiency and model size of the convolutional neural network(CNN)is an essential issue for applications of CNN-based algorithms to diverse real-world *** deep learning-based methods have achieved significant improvements in image super-resolution(SR),current CNNbased techniques mainly contain massive parameters and a high computational complexity,limiting their practical *** this paper,we present a fast and lightweight framework,named weighted multi-scale residual network(WMRN),for a better tradeoff between SR performance and computational *** the modified residual structure,depthwise separable convolutions(DS Convs)are employed to improve convolutional operations’***,several weighted multi-scale residual blocks(WMRBs)are stacked to enhance the multi-scale representation *** the reconstruction subnetwork,a group of Conv layers are introduced to filter feature maps to reconstruct the final high-quality *** experiments were conducted to evaluate the proposed model,and the comparative results with several state-of-the-art algorithms demonstrate the effectiveness of WMRN.

关键词： Convolutional neural network(CNN) lightweight framework multi-scale super-resolution

Hybridizing grey wolf optimization with differential evolution for global optimization and test scheduling for 3D stacked SoC

在线全文

学校读者我要写书评

暂无评论

Journal of Systems Engineering and Electronics 2015年第2期26卷 317-328页

作者： Aijun Zhu Chuanpei Xu Zhi Li Jun Wu zhenbing liu School of Mechano-Electronic Engineering Xidian University School of Electronic Engineering and Automation Guilin University of Electronic Technology Guangxi Key Laboratory of Automatic Detecting Technology and Instruments Guilin University of Aerospace Technology

A new meta-heuristic method is proposed to enhance current meta-heuristic methods for global optimization and test scheduling for three-dimensional （3D） stacked system-on-chip （SoC） by hybridizing grey wolf optimization with differential evo- lution （HGWO）. Because basic grey wolf optimization （GWO） is easy to fall into stagnation when it carries out the operation of at- tacking prey, and differential evolution （DE） is integrated into GWO to update the previous best position of grey wolf Alpha, Beta and Delta, in order to force GWO to jump out of the stagnation with DE＇s strong searching ability. The proposed algorithm can accele- rate the convergence speed of GWO and improve its performance. Twenty-three well-known benchmark functions and an NP hard problem of test scheduling for 3D SoC are employed to verify the performance of the proposed algorithm. Experimental results show the superior performance of the proposed algorithm for exploiting the optimum and it has advantages in terms of exploration.

关键词： meta-heuristic global optimization NP hard problem

Observation of Coulomb blockade and ballistic tunneling in graphene single electron transistor

在线全文

学校读者我要写书评

暂无评论

Science China(Physics,Mechanics & Astronomy) 2012年第1期55卷 7-10页

作者： TAN zhenbing liu GuangTong LU Li YANG ChangLi Beijing National Laboratory for Condensed Matter Physics Institute of Physics Chinese Academy of Sciences Beijing 100190 China

A square graphene single electron transistor （SET） was defined with two side gates, and its transport was studied at low temperature at T = 2 K. At zero magnetic field, Coulomb blockade oscillations were clearly observed near the Dirac point of this device. At high magnetic field, in the quantum Hall regime, we observed ballistic tunneling of the carders through the graphene SET, contrary to the Coulomb blockades observed while approaching the vicinity of the Dirac point.

关键词： graphene single electron transistor Coulomb blockade tunneling quantum Hall state

融合结构化卷积和双重注意力机制的轻量级眼底图像分割网络

在线全文

学校读者我要写书评

暂无评论

计算机辅助设计与图形学学报 2024年第5期36卷 760-774页

作者：汪华登刘金黎兵兵潘细朋刘振丙蓝如师罗笑南广西图像图形与智能处理重点实验室桂林541004 桂林电子科技大学计算机与信息安全学院桂林541004 广东省人民医院赣州医院(赣州市立医院)病理科赣州341000 广东省医学科学院广东省人民医院放射科广州510080

眼底血管图像的自动分割对于多种眼科疾病的计算机辅助诊断具有重要作用.针对血管的尺度差异和图像噪声导致眼底血管图像分割困难、使用单一尺度卷积运算的深度学习方法获取的特征感受野有限,以及现有的方法复杂度过高的问题,提出一个... 详细信息

眼底血管图像的自动分割对于多种眼科疾病的计算机辅助诊断具有重要作用.针对血管的尺度差异和图像噪声导致眼底血管图像分割困难、使用单一尺度卷积运算的深度学习方法获取的特征感受野有限,以及现有的方法复杂度过高的问题,提出一个融合结构化卷积和双重注意力机制的轻量级眼底图像分割网络.通过编码器增强、减少下采样次数和特征深度的编码-解码网络设计,实现参数量只有0.63M的轻量化网络.在编码阶段,提出一种结构化卷积方法,有效地避免了网络训练过拟合,提高了网络捕获差异化血管特征的能力;在解码阶段,采用基于空间和通道的双重注意力机制,使网络更加关注血管特征的上下文和几何空间信息,抑制病变等噪声的干扰.在DRIVE,CHASE_DB1和STARE数据集上进行实验的结果表明,所提网络图像分割的准确率分别为96.92%,97.57%和97.51%,灵敏度分别为83.68%,84.99%和84.87%,受试者曲线下的面积(AUC)分别为98.67%,99.05%和99.02%;并通过在DRIVE和STARE数据集上的交叉训练,验证了该网络的泛化能力.

关键词：眼底图像分割编码-解码网络轻量级网络结构化卷积双重注意力机制

在线全文

学校读者我要写书评

暂无评论

基于类中心思想的去边缘模糊支持向量机

计算机工程与应用 2006年第22期42卷 146-149页

作者：曹淑娟刘小茂张钧刘振丙华中科技大学主校区数学系武汉430074 华中科技大学图像信息处理与智能控制教育部重点实验室武汉430074

针对两类分类问题中样本点数量多、类别模糊且有孤立野点的情况,论文在类中心向量方法的基础上,提出了一种基于类中心思想的去边缘模糊支持向量机,该方法用类中心思想预先去掉那些可能不是支持向量的点,并采用降半哥西分布作为隶属度,... 详细信息

针对两类分类问题中样本点数量多、类别模糊且有孤立野点的情况,论文在类中心向量方法的基础上,提出了一种基于类中心思想的去边缘模糊支持向量机,该方法用类中心思想预先去掉那些可能不是支持向量的点,并采用降半哥西分布作为隶属度,使其适合模糊分类的性能特点。从理论和实证分析两个方面将该方法与线性可分SVM及模糊SVM进行了对比分析,结果显示该方法不但大大减少了训练点数目,从而减小了内存和计算量,提高了训练速度,而且减少了孤立野点对支持向量分类机的影响。

关键词：推广的最大间隔法模糊支持向量机模糊因子类中心去边缘方法

在线全文

学校读者我要写书评

暂无评论

基于稀疏重构消歧的偏标记分类算法

智能系统学报 2023年第4期18卷 708-718页

作者：殷建华刘振丙魏黄曌桂林电子科技大学计算机与信息安全学院广西桂林541004

针对现有的大多数方法在消歧过程中缺乏对特征空间潜在有用信息的利用和对候选标签不同置信度水平的考虑的问题,本文提出了一种基于稀疏重构消歧的偏标记学习(partial label learning by sparse reconstruction disambiguation,PL-SRD)... 详细信息

针对现有的大多数方法在消歧过程中缺乏对特征空间潜在有用信息的利用和对候选标签不同置信度水平的考虑的问题,本文提出了一种基于稀疏重构消歧的偏标记学习(partial label learning by sparse reconstruction disambiguation,PL-SRD)的新方法,利用特征空间的结构信息促进标签的消歧过程。本文通过对训练样本进行稀疏重构来刻画特征空间的拓扑结构并将其融入到标签消歧过程中;提出一个统一的框架将标签消歧与训练预测模型同时进行。在人工合成和真实数据集上进行的大量实验表明,本文提出的方法比多个现有的偏标记学习算法取得了更好的性能。

关键词：弱监督学习稀疏重构平滑假设标签消歧偏标记学习候选标签特征空间多分类

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于尺度化凸壳的代价敏感学习

桂林电子科技大学学报 2010年第5期30卷 469-473页

作者：刘振丙桂林电子科技大学电子工程与自动化学院广西桂林541004

受改变类分布思想的启发,采用最新的最大间隔方法——尺度化凸壳方法来解决代价敏感学习。该方法可以改变样本的分布,且这种改变只需为不同的类赋予不同的尺度因子就可以实现。实验结果表明,尺度化凸壳方法求解代价敏感问题的有效性,其... 详细信息

受改变类分布思想的启发,采用最新的最大间隔方法——尺度化凸壳方法来解决代价敏感学习。该方法可以改变样本的分布,且这种改变只需为不同的类赋予不同的尺度因子就可以实现。实验结果表明,尺度化凸壳方法求解代价敏感问题的有效性,其求解过程也非常简单。

关键词：尺度化凸壳代价敏感分类

基于EKF+EKS的BCG动态高斯模型滤波研究

在线全文

学校读者我要写书评

暂无评论

计算机应用与软件 2019年第10期36卷 197-204页

作者：王子民甘智宇刘振丙桂林电子科技大学计算机与信息安全学院广西桂林541000 桂林电子科技大学电子工程与自动化学院广西桂林541000 广西自动检测技术与仪器重点实验室广西桂林541000 广西信息科学实验中心广西桂林541004

心冲击图(Ballistocardiogram,BCG)信号属于微弱信号,现实采集的BCG信号通常包含采集环境干扰和个体差异,因此缺乏健康个体的BCG信号模板和适用于BCG信号的降噪方法。提出一种基于高斯核函数的动态BCG信号模型,在动态高斯模型的基础上,... 详细信息

心冲击图(Ballistocardiogram,BCG)信号属于微弱信号,现实采集的BCG信号通常包含采集环境干扰和个体差异,因此缺乏健康个体的BCG信号模板和适用于BCG信号的降噪方法。提出一种基于高斯核函数的动态BCG信号模型,在动态高斯模型的基础上,应用扩展卡尔曼滤波与扩展卡尔曼滤波平滑对BCG信号进行复合滤波。该模型提供健康个体的BCG信号,包括H波、I波、J波、k波、L波和M波特征。经联合扩展卡尔曼滤波与扩展卡尔曼平滑滤波后的BCG信号比其他传统滤波器滤波后的BCG信号信噪比更高。基于动态高斯模型合成的BCG信号能完整表达健康个体的BCG信号特征,联合扩展卡尔曼滤波和扩展卡尔曼平滑的复合滤波,对BCG信号的滤波达到了更好的降噪效果。

关键词：心冲击图信号扩展卡尔曼滤波扩展卡尔曼平滑高斯核函数

基于稀疏可学习proposal的车间工具目标检测

在线全文

学校读者我要写书评

暂无评论

电子测量与仪器学报 2024年第7期38卷 13-21页

作者：刘珍兵孙巧榆王述文夏嘉伟江苏海洋大学电子工程学院连云港222005

针对车间工具不同型号之间尺寸存在较大差异、形状种类繁多等问题,提出了一种基于稀疏可学习proposal的车间工具检测算法。首先,融入稀疏表示和可学习的proposal机制来提升模型的鲁棒性,并减少检测过程中所需的参数量;其次,引入Swin-Tra... 详细信息

针对车间工具不同型号之间尺寸存在较大差异、形状种类繁多等问题,提出了一种基于稀疏可学习proposal的车间工具检测算法。首先,融入稀疏表示和可学习的proposal机制来提升模型的鲁棒性,并减少检测过程中所需的参数量;其次,引入Swin-Transformer结构,旨在增强模型的全局以及细节学习能力,有效地解决传统卷积神经网络在高层语义信息融合方面存在的不足;然后,使用一种改进的多尺度特征融合网络架构,通过有效融合不同尺度的特征,提高了模型对于各种尺度目标的检测能力;最后,将多头注意力和动态卷积结合,在不同特征层之间建立更精确且细致的联系,从而进一步提升了目标检测的准确性;采用了CIoU损失函数,通过综合考虑位置、尺度和形状信息,使得模型对边界框的回归预测更加全面与准确。实验结果显示,本文算法在车间工具目标检测任务上的平均检测精度达到了91%,较当前主流算法至少提升了2.3%以上。同时,单张图片的检测速度大约为53 ms,满足了实时检测的需求,体现了综合性能优越。

关键词：工具检测稀疏可学习多尺度特征 Swin-Transformer 多头注意力