检索结果-南通市图书馆

具有恒定输出的双分支共面式无线电能传输系统

在线全文

学校读者我要写书评

暂无评论

电源学报 2024年

作者：冯群群殷佳斌熊飚罗斌南昌大学信息工程学院

在多负载无线充电领域中，往往需要给接收设备提供恒压（CV）或者恒流（CC）充电。但在已有的多负载无线电能传输系统（WPT）研究中，通常只具有CV或CC中的一种输出模式，同时提供恒压输出或恒流输出的工作很少。对此，该文提出了一种... 详细信息

在多负载无线充电领域中，往往需要给接收设备提供恒压（CV）或者恒流（CC）充电。但在已有的多负载无线电能传输系统（WPT）研究中，通常只具有CV或CC中的一种输出模式，同时提供恒压输出或恒流输出的工作很少。对此，该文提出了一种平面式双分支WPT系统，可同时提供两路负载无关的输出，一路为恒流输出而另一路为恒压输出，两个支路可独立设计且互不影响。可通过开关控制或取走某个分支的方式提供三种供电方式：恒流分支和恒压分支同时供电、仅对恒压分支供电、仅对恒流分支供电。首先，阐述了该双分支WPT系统的拓扑结构，阐明了负载无关和两分支独立工作的工作原理；其次，揭示损耗对系统性能的影响以及负载动态范围的估算方法；最后，搭建了由5个谐振器构成的双分支实验平台，实验和理论吻合得很好。通过在共面相邻线圈结合处添加铁氧体介质板，显著增强了相邻线圈的磁耦合并提高了系统传输效率，在恒流、恒压、恒流与恒压同时供电的三种工作模式下，测量的最大传输效率分别达到了89.2%，93.5%，91.6%。

关键词：无线电能传输负载无关双分支

基于注意力和挤压-激励Inception的双分支合成语音检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机应用 2024年

作者：王晗赵腊生张强程银清邱泽鹏先进设计与智能计算省部共建教育部重点实验室(大连大学)

合成语音攻击给人们的生活带来巨大的威胁，为了解决现有模型从冗余信息中提取关键信息能力不足以及单一模型无法综合利用多检测模型优势的问题，提出一种基于注意力和挤压-激励(SE)模块-Inception的双分支(Dual-ABIB)合成语音检测模型... 详细信息

合成语音攻击给人们的生活带来巨大的威胁，为了解决现有模型从冗余信息中提取关键信息能力不足以及单一模型无法综合利用多检测模型优势的问题，提出一种基于注意力和挤压-激励(SE)模块-Inception的双分支(Dual-ABIB)合成语音检测模型。首先，基于SincNet(Sinc-based Convolutional Neural Network)提取的初始特征图进行注意力分支合成语音检测模型训练，并输出注意力图；其次，将注意力图和初始特征图进行点积运算并与初始特征图叠加，作为SE-Inc分支的输入进行训练；最后，通过决策级加权融合处理两个分支所获得的分类分数，实现合成语音检测。实验结果表明，所提模型在参数量为539×103的情况下，在ASVspoof2019数据集上获得了0.0332的最小串联检测代价函数值(min t-DCF)和1.15%的等错误率(EER)，与SE-ResABNet方法相比，在参数量仅为其56%的情况下，min t-DCF和EER分别下降了35%和39%；同时在ASVspoof2015和ASVspoof2021数据集上表现了更好的泛化能力。以上结果验证了所提模型能够在较小参数量下，获得更低的min t-DCF和EER。

关键词：注意力机制挤压-激励模块双分支合成语音检测决策级融合

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于细节增强的双分支实时语义分割网络

计算机应用 2024年

作者：郑秋梅牛薇薇王风华赵丹中国石油大学(华东)计算机科学与技术学院

实时语义分割方法常利用双分支结构分别保存图像的浅层空间信息和深层语义信息。然而，当前基于双分支结构的实时语义分割方法重点研究挖掘语义特征，忽略了空间特征的保持，导致网络无法精准地捕捉图像内物体的边界和纹理等细节特征，... 详细信息

实时语义分割方法常利用双分支结构分别保存图像的浅层空间信息和深层语义信息。然而，当前基于双分支结构的实时语义分割方法重点研究挖掘语义特征，忽略了空间特征的保持，导致网络无法精准地捕捉图像内物体的边界和纹理等细节特征，最终分割效果欠佳。针对以上问题，提出基于细节增强的双分支实时语义分割网络（DEDBNet），多阶段增强空间细节信息。首先，提出细节增强双向交互模块（DEBIM），在分支间的交互阶段使用轻量空间注意力机制增强高分辨率特征图对细节信息的表达能力，促进空间细节特征在高低两分支上的流动，以加强网络对细节信息的学习能力；其次，设计局部细节注意力特征融合模块（LDAFF），在两分支末端特征融合的过程中同时对全局语义信息和局部空间信息进行建模，解决不同层次特征图之间细节不连续的问题；此外，引入边界损失，在不影响模型速度的情况下引导网络浅层对物体边界信息的学习。实验结果表明，所提网络在Cityscapes验证集上以92.3帧速率（FPS）获得78.2%的平均交并比（m IoU），在Cam Vid测试集上以202.8 FPS获得79.2%的m IoU。与深度双分辨率网络（DDRNet-23-slim）相比，m IoU分别提高了1.1%和4.5%。实验结果表明，DEDBNet能够准确地分割场景图像，并能满足实时性要求。

关键词：实时语义分割双分支细节增强特征融合注意力机制

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

融合双分支动态偏好的会话推荐

计算机系统应用 2024年第3期33卷 52-62页

作者：沈学利王乐田学成辽宁工程技术大学软件学院葫芦岛125105

针对基于会话的推荐算法仅对用户单一偏好进行静态建模而无法捕捉用户受环境影响偏好产生的波动,从而降低推荐准确性的问题.提出融合双分支动态偏好的会话推荐方法:首先,通过异构超图来建模不同类型信息,设计双分支聚合机制获取以及整... 详细信息

针对基于会话的推荐算法仅对用户单一偏好进行静态建模而无法捕捉用户受环境影响偏好产生的波动,从而降低推荐准确性的问题.提出融合双分支动态偏好的会话推荐方法:首先,通过异构超图来建模不同类型信息,设计双分支聚合机制获取以及整合异构超图中信息并且学习多类型节点之间的关系,再用价格嵌入增强器来加强类别和价格之间关系;其次,设计双层偏好编码器,其中采用多尺度时序Transformer提取用户动态价格偏好,利用软注意机制和反向位置编码学习用户动态兴趣偏好;最后,用门控机制融合用户多类型动态偏好,向用户进行推荐.通过在Cosmetics和Diginetica-buy两个数据集上进行实验,结果证明与其他对比算法相比在Precision和MRR评价指标中有显著的提升.

关键词：推荐系统多类型动态建模异构超图双分支注意力机制

在线全文

学校读者我要写书评

暂无评论

融合全局和局部信息的实时烟雾分割算法

西安电子科技大学学报 2024年第1期51卷 147-156页

作者：张欣雨梁煜张为天津大学微电子学院天津300072

针对烟雾形状不规则、呈半透明状且边界模糊导致烟雾分割困难的问题,提出一种融合全局和局部信息的双分支实时烟雾分割算法。该算法设计了轻量级的Transformer分支和卷积神经网络分支分别提取烟雾的全局特征和局部特征,Transformer分支... 详细信息

针对烟雾形状不规则、呈半透明状且边界模糊导致烟雾分割困难的问题,提出一种融合全局和局部信息的双分支实时烟雾分割算法。该算法设计了轻量级的Transformer分支和卷积神经网络分支分别提取烟雾的全局特征和局部特征,Transformer分支和卷积神经网络分支共同作用,可以在充分学习烟雾的长距离像素依赖关系的同时保留烟雾细节信息,从而准确区分烟雾和背景像素,改善烟雾分割效果。同时该结构可以满足实际烟雾检测任务的实时性要求;基于多层感知机的解码器充分利用不同尺度的烟雾特征图,并进一步建模烟雾全局上下文信息,增强模型对多尺度烟雾的感知能力,从而提升烟雾分割精度;而且解码器结构简单,可以降低解码器部分的计算量。该算法在自建烟雾分割数据集上的平均交并比为92.88%,模型参数量为2.96 M,推理速度为56.94帧/s。该算法在公开数据集上的综合性能优于其他烟雾检测算法。实验结果表明,该算法分割烟雾的准确率高,推理速度快,可以满足实际烟雾检测任务的准确性和实时性需求。

关键词：烟雾分割 Transformer 卷积神经网络双分支

基于浅层特征调制的轻量级单幅图像超分辨率重建

在线全文

学校读者我要写书评

暂无评论

控制与决策 2024年

作者：程德强王子强张皓翔寇旗旗钱建生江鹤中国矿业大学信息与控制工程学院中国矿业大学计算机科学与技术学院

浅层特征在超分辨率重建网络中扮演关键角色,其中蕴含丰富的图像细节,对准确估计深层特征具有明显参考价值.然而,研究者常常忽视浅层特征,过度依赖深层模块堆叠和拓扑结构优化,进而造成信息冗余.因此,本研究提出一种轻量级超分辨率重建... 详细信息

浅层特征在超分辨率重建网络中扮演关键角色,其中蕴含丰富的图像细节,对准确估计深层特征具有明显参考价值.然而,研究者常常忽视浅层特征,过度依赖深层模块堆叠和拓扑结构优化,进而造成信息冗余.因此,本研究提出一种轻量级超分辨率重建网络,旨在探索浅层特征与深层特征的映射机制,以提升重建质量.首先,通过利用浅层特征生成特征掩码,引导深层特征的生成过程;其次,采用基于注意力机制的特征选择模块,动态生成特征权重信息;最后,设计了双分支特征增强学习模块,平衡输出特征权重并增强特征融合能力,进一步提升重建性能.实验结果表明,所提出的算法在国际通用数据集上显著提升了峰值信噪比和结构相似度指标,同时具有较小的模型参数量和卓越的视觉表现.这些结果验证了本研究所提出的轻量级超分辨率重建网络的有效性和优越性.

关键词：超分辨浅层特征调制特征掩码动态注意力双分支轻量级

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于双分支特征聚合网络的车辆检测算法

计算机工程与应用 2024年

作者：吕蒙毛盛辉柴亮高鹏飞时蕾郑州铁路职业技术学院郑州地铁集团有限公司

车辆目标检测是自动驾驶的重要环节，现有的车辆目标检测算法在特征提取方面没有充分考虑CNN（Convolutional Neural Network）和Transformer各自的优缺点，这在一定程度上限制了网络的整体性能。对此，本文提出了一种由CNN和Transforme... 详细信息

车辆目标检测是自动驾驶的重要环节，现有的车辆目标检测算法在特征提取方面没有充分考虑CNN（Convolutional Neural Network）和Transformer各自的优缺点，这在一定程度上限制了网络的整体性能。对此，本文提出了一种由CNN和Transformer组成的双分支特征聚合网络。在编码阶段，基于CNN和Transformer各自的优势，构建了双分支主干网络来对原始图像的特征信息进行提取;并且通过设计的多级别空间注意力模块和双支路特征聚合模块使两个分支间的特征信息相互引导学习；最后通过构建的双分支注意力模块来进一步减少深层神经网络中特征信息的丢失。在实验部分通过消融实验和对比实验进一步验证了所提算法的有效性。其相比主流的目标检测算法而言，在mAP（mean Average Precision）指标上提升了约3.5%。

关键词：车辆目标检测 CNN Transformer 双分支引导学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于自注意力机制的双分支密集人群计数算法

浙江大学学报:工学版 2023年第10期57卷 1955-1965页

作者：杨天乐李玲霞张为天津大学微电子学院天津300072

针对密集人群计数中人头尺度变化大、复杂背景干扰的问题,提出基于自注意力机制的双分支密集人群计数算法.该算法结合卷积神经网络(CNN)和Transformer 2种网络框架,通过多尺度CNN分支和基于卷积增强自注意力模块的Transformer分支,分别... 详细信息

针对密集人群计数中人头尺度变化大、复杂背景干扰的问题,提出基于自注意力机制的双分支密集人群计数算法.该算法结合卷积神经网络(CNN)和Transformer 2种网络框架,通过多尺度CNN分支和基于卷积增强自注意力模块的Transformer分支,分别获取人群局部信息和全局信息.设计双分支注意力融合模块,以具备连续尺度的人群特征提取能力;通过基于混合注意力模块的Transformer网络提取深度特征,进一步区分复杂背景并聚焦人群区域.采用位置级-全监督方式和计数级-弱监督方式,在ShanghaiTech Part A、ShanghaiTech Part B、UCFQNRF、JHU-Crowd++等数据集上进行实验.结果表明,算法在4个数据集上的性能均优于最近研究,全监督算法在上述数据集的平均绝对误差和均方根误差分别为55.3、6.7、82.9、55.7和93.1、9.8、145.1、248.0,可以实现高密集、高遮挡场景下的准确计数.特别是在弱监督算法对比中,以低参数量实现了更佳的计数精度,并达到全监督87.9%的计数效果.

关键词：人群计数深度学习自注意力机制双分支弱监督学习

层级特征交互与增强感受野双分支遥感图像去雾网络

在线全文

学校读者我要写书评

暂无评论

遥感学报 2023年第12期27卷 2831-2846页

作者：孙航方帅领但志平任东余梅孙水发三峡大学计算机与信息学院宜昌443002 三峡大学湖北省农田环境监测工程技术研究中心宜昌443002 三峡大学湖北省水电工程智能视觉监测重点实验室宜昌443002

近年来,深度学习的去雾方法在图像去雾领域取得了显著的成绩。然而,大多数基于U型网络的去雾方法将编码层特征直接传递到对应解码层,缺乏浅层和深层特征之间的信息交互。此外,基于非U型网络的去雾方法存在感受野受限问题,无法有效的利... 详细信息

近年来,深度学习的去雾方法在图像去雾领域取得了显著的成绩。然而,大多数基于U型网络的去雾方法将编码层特征直接传递到对应解码层,缺乏浅层和深层特征之间的信息交互。此外,基于非U型网络的去雾方法存在感受野受限问题,无法有效的利用上下文信息。从而导致这些方法在场景尺度变化较大的遥感图像去雾中无法取得理想效果。为此,本文提出了一种层级特征交互与增强感受野的双分支遥感图像去雾网络,该方法包含层级特征交互子网和多尺度信息提取子网。其中,层级特征交互子网利用层级特征交互融合模块,逐层的在浅层特征中引入语义信息,深层特征中引入空间细节信息,从而增强编码层中不同层级特征之间的信息交互。多尺度信息提取子网利用多尺度残差空洞卷积模块,融合不同感受野的特征,从而获取对于遥感图像去雾至关重要的上下文信息。在两个公开数据集上的实验结果表明,本文提出的去雾方法相比现有的9种优秀的去雾算法,取得了最好的客观评价指标和视觉效果。

关键词：深度学习遥感图像去雾层级特征交互感受野双分支