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

自适应聚合和代价自学习的多视图立体重建

探测与控制学报 2023年第4期45卷 142-149页

作者：张晓燕陈祥郭颖厦门大学嘉庚学院信息科学与技术学院福建漳州363105 厦门大学电子科学与技术学院福建厦门361005 西安机电信息技术研究所陕西西安710065

近年来,基于卷积神经网络的多视图立体(MVS)重建应用广泛,可依然存在重建结果整体性和完整性不理想问题,对多视图三维重建中的特征提取模块和匹配代价体优化模块进行改进,提出一种自适应聚合和代价自学习的多视图立体重建方法。首先,从... 详细信息

近年来,基于卷积神经网络的多视图立体(MVS)重建应用广泛,可依然存在重建结果整体性和完整性不理想问题,对多视图三维重建中的特征提取模块和匹配代价体优化模块进行改进,提出一种自适应聚合和代价自学习的多视图立体重建方法。首先,从输入图像中提取不同尺度图像特征,通过可变性卷积把不同尺度图像特征自适应聚合,以提高特征提取的准确度和丰富度;然后,通过可微分单应性变换构建匹配代价并进行正则化,再通过代价自学习模块进一步优化,进而得出每个像素在不同深度假设平面的概率值;最后,将深度假设平面和概率值加权求和得到最终的深度图。经过在DTU数据集上进行测试,与现有的基准方法MVSNet相比,整体性提高了3.0%,完整性提高了10.7%,得到了质量更优的三维重建结果。

关键词：多视图立体自适应聚合代价自学习可变形卷积

在线全文

学校读者我要写书评

暂无评论

多层自适应聚合的自监督小样本图像分类

中国图象图形学报 2023年第4期28卷 1056-1068页

作者：吕佳巫若愚重庆师范大学计算机与信息科学学院重庆401331 重庆师范大学重庆市数字农业服务工程技术研究中心重庆401331

目的在图像分类领域,小样本学习旨在利用从大规模数据集中训练到的知识来处理仅包含少量有标记训练样本的下游分类任务。通常情况下,下游任务只涉及新类样本,由于元训练阶段会构造大量任务随机抽取训练集中不同类别的样本且训练集与测... 详细信息

目的在图像分类领域,小样本学习旨在利用从大规模数据集中训练到的知识来处理仅包含少量有标记训练样本的下游分类任务。通常情况下,下游任务只涉及新类样本,由于元训练阶段会构造大量任务随机抽取训练集中不同类别的样本且训练集与测试集类别间存在领域间隙,因此模型训练周期长且可能对训练集过拟合,以致元知识无法迁移到测试集,进而导致模型泛化性差。针对以上问题,提出一种多层自适应聚合的自监督小样本图像分类模型。方法首先使用分组卷积对残差块进行改进,减少神经网络参数量,降低训练难度,缩短训练时间;然后采用多层自适应聚合的方法改进骨干网络,对网络各层语义信息加以提炼聚合,自适应分配各层权重,将聚合后的特征图作为后续分类的依据;最后加入自监督对比学习结合有监督学习挖掘样本自身潜在的信息,从而提升样本特征表达能力。结果在mini-ImageNet数据集和CUB(Caltech-UCSD birds-200-2011)数据集上与当前主流模型进行分类效果对比实验,与baseline相比,所提模型的准确率在mini-ImageNet数据集的5-way 1-shot与5-way 5-shot实验上分别提升了6.31%和6.04%,在CUB数据集的5-way 1-shot与5-way 5-shot实验上分别提升了8.95%和8.77%。结论本文模型能在一定程度上缩短训练时间、增强样本特征表达能力和优化数据分布,并缓解领域间隙所带来的问题,从而提高模型泛化性与分类效果。

关键词：小样本学习图像分类自适应聚合自监督学习对比学习

在线全文

学校读者我要写书评

暂无评论

基于自适应聚合与深度优化的三维重建算法

计算机应用研究 2023年第5期40卷 1595-1600页

作者：郑米培赵明富邢镔宋涛邢影重庆理工大学光纤传感与光电检测重庆市重点实验室重庆400054 重庆工业大数据创新中心有限公司重庆400708

针对现有基于多视图的三维重建方法未充分考虑像素点在其余视图的可见性,从而导致重建完整度不足,且在弱纹理和遮挡区域重建困难等问题,提出了一种应用于高分辨率的三维重建网络。首先提出了一种引入可见性感知的自适应成本聚合方法用... 详细信息

针对现有基于多视图的三维重建方法未充分考虑像素点在其余视图的可见性,从而导致重建完整度不足,且在弱纹理和遮挡区域重建困难等问题,提出了一种应用于高分辨率的三维重建网络。首先提出了一种引入可见性感知的自适应成本聚合方法用于成本量的聚合,通过网络获取视图中像素点的可见性,可以提高遮挡区域重建完整性;基于方差预测每像素视差范围,构建空间变化的深度假设面用于分阶段重建,在最后一阶段提出了基于卷积空间传播网络的深度图优化模块,以获得优化的深度图;最后采用改进深度图融合算法,结合所有视图的像素点与3D点的重投影误差进行一致性检查,得到密集点云。在DTU数据集上与其他方法的定量定性比较结果表明,提出方法可以重建出细节上表现更好的场景。

关键词：三维重建自适应聚合空间传播网络深度图

自适应构造与聚合多尺度代价体的双目立体匹配

在线全文

学校读者我要写书评

暂无评论

东北大学学报（自然科学版） 2023年第4期44卷 457-468页

作者：庞彦伟苏畅龙涛天津大学电气自动化与信息工程学院天津300072

基于卷积神经网络的双目立体匹配算法取得了重要进展,但现有方法在弱纹理区域、细节和边缘等位置仍然存在匹配不准确的问题.立足于双目立体匹配任务中常用的匹配代价体(cost volume),提出自适应构造与聚合多尺度代价体的双目立体匹配网... 详细信息

基于卷积神经网络的双目立体匹配算法取得了重要进展,但现有方法在弱纹理区域、细节和边缘等位置仍然存在匹配不准确的问题.立足于双目立体匹配任务中常用的匹配代价体(cost volume),提出自适应构造与聚合多尺度代价体的双目立体匹配网络.首先将多个尺度的输入特征融合成为重组特征;然后设计可学习的特征增强模块,为各个尺度的匹配代价体恢复所需的细节信息;最后基于全局注意力对各尺度匹配代价体进行尺度内聚合,并提出自适应多尺度加权方法进行尺度间聚合,筛选出适用于回归各尺度视差的匹配特征.在SceneFlow和KITTI2015数据集上的实验表明:所提方法在较小网络规模的情况下取得了有竞争力的性能表现,验证了所提方法的有效性.

关键词：双目立体匹配匹配代价体特征增强自适应聚合

面向节点分类任务的节点级自适应图卷积神经网络

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

模式识别与人工智能 2024年第4期37卷 287-298页

作者：王鑫隆胡睿郭亚梁杜航原张槟淇王文剑山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006 山西警察学院网络安全保卫系太原030401

图神经网络通过对图中节点的递归采样与聚合以学习节点嵌入,而现有方法中节点采样与聚合的模式较固定,对局部模式的多样性捕获存在不足,从而降低模型性能.因此,文中提出节点级自适应图卷积神经网络(Node-Level Adaptive Graph Convoluti... 详细信息

图神经网络通过对图中节点的递归采样与聚合以学习节点嵌入,而现有方法中节点采样与聚合的模式较固定,对局部模式的多样性捕获存在不足,从而降低模型性能.因此,文中提出节点级自适应图卷积神经网络(Node-Level Adaptive Graph Convolutional Neural Network,NA-GCN).设计基于节点重要性的采样策略,自适应地确定各节点的邻域规模.同时,提出基于自注意力机制的聚合策略,自适应地融合给定邻域内的节点信息.在多个基准图数据集上的实验表明,NA-GCN在节点分类任务上具有较优性能.

关键词：自适应采样自适应聚合节点分类图神经网络(GNNs) 谱图理论

在线全文

学校读者我要写书评

暂无评论

802.11协议MAC层帧聚合技术研究

802.11协议MAC层帧聚合技术研究

作者：毕敬腾解放军信息工程大学

学位级别：硕士

作为现代通信研究的一个重要领域,无线局域网(Wireless Local Area Networks,WLAN)凭借其方便快捷、高吞吐量等优势,已成为越来越多用户的首选上网接入方式。为标准向下兼容和增加高速无线传输技术的利用率,802.11n之后的标准都引入了... 详细信息

作为现代通信研究的一个重要领域,无线局域网(Wireless Local Area Networks,WLAN)凭借其方便快捷、高吞吐量等优势,已成为越来越多用户的首选上网接入方式。为标准向下兼容和增加高速无线传输技术的利用率,802.11n之后的标准都引入了帧聚合机制。WLAN不仅要求高吞吐率,还要求以多样化的服务质量(Quality of Service,QoS)需求支持灵活的多用户多业务接入以及多媒体业务的传输,这对媒体接入控制层(Media Access Control,MAC)聚合多种业务并提高高吞吐率技术的研究提出了迫切的要求。因此研究现有的MAC层帧聚合关键技术,设计改进的适合多种业务特点的MAC聚合方法,具有重要的科研和应用价值。本文重点研究了基于IEEE 802.11n/ac的无线局域网MAC层的帧聚合机制关键技术,并在分析帧聚合机制性能的基础上对帧聚合机制提出了两种改进的算法。主要研究工作如下:1.针对有实时业务的多业务场景,为考虑时延敏感业务的QoS要求,提高聚合效率,提出了一种基于实时业务的帧聚合机制。从语音业务的定时特性出发,设计了一种基于效用函数和业务特性的帧聚合分配算法。通过分析各业务的特性,从语音业务的定时特性出发,将业务划分为语音类和非语音类,并利用效用函数的方法建立基于效用的帧聚合分配策略,最终通过启发式算法完成聚合分配模型求解。理论分析与计算机仿真结果表明,提出的基于实时业务的帧聚合分配机制与传统的帧聚合机制相比,能够在有效提高系统聚合效率的同时,提高了系统的时隙利用率。2.针对帧聚合机制的开销问题,为降低开销提高网络的吞吐量,提出了一种基于数据包长度的帧聚合机制。从最小MAC协议数据单元(MAC Protocol Data Unit,MPDU)帧间间距引入的空分隔符开销出发,设计了一种基于最小MPDU帧间间距的自适应帧聚合算法。通过分析帧聚合机制的开销受数据帧长度的影响,根据最小MPDU帧间间距制定聚合门限,按照数据帧的长度选择相应的聚合方式,并进一步基于对聚合机制的时延分析提出一种自适应MAC服务数据单元(MAC Service Data Unit,MSDU)聚合算法。仿真结果表明,提出的基于数据包长的帧聚合机制在理想和非理想信道中,都可以保证较高且平稳的吞吐率性能。

关键词：无线局域网媒体接入控制帧聚合机制聚合调度区分业务自适应聚合

面向交通场景解析的局部和全局上下文注意力融合网络

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机应用 2023年第3期43卷 713-722页

作者：王泽宇布树辉黄伟郑远攀吴庆岗张旭郑州轻工业大学计算机与通信工程学院郑州450002 西北工业大学航空学院西安710072

为解决交通场景解析中局部和全局上下文信息自适应聚合的问题,提出3模块架构的局部和全局上下文注意力融合网络(LGCAFN)。前端的特征提取模块由基于串联空洞空间金字塔池化(CASPP)单元改进的ResNet-101组成,能够更加有效地提取物体的多... 详细信息

为解决交通场景解析中局部和全局上下文信息自适应聚合的问题,提出3模块架构的局部和全局上下文注意力融合网络(LGCAFN)。前端的特征提取模块由基于串联空洞空间金字塔池化(CASPP)单元改进的ResNet-101组成,能够更加有效地提取物体的多尺度局部特征;中端的结构化学习模块由8路长短期记忆(LSTM)网络分支组成,可以更加准确地推理物体邻近8个不同方向上场景区域的空间结构化特征;后端的特征融合模块采用基于注意力机制的3阶段融合方式,能够自适应地聚合有用的上下文信息并屏蔽噪声上下文信息,且生成的多模态融合特征能够更加全面且准确地表示物体的语义信息。在Cityscapes标准和扩展数据集上的实验结果表明,相较于逆变换网络(ITN)和对象上下文表示网络(OCRN)等方法,LGCAFN实现了最优的平均交并比(mIoU),达到了84.0%和86.3%,表明LGCAFN能够准确地解析交通场景,有助于实现车辆自动驾驶。

关键词：交通场景解析自适应聚合串联空洞空间金字塔池化长短期记忆注意力融合

基于三维剪切波变换和BM4D的图像去噪方法

在线全文

学校读者我要写书评

暂无评论

山东大学学报（工学版） 2020年第2期50卷 83-90页

作者：张胜男王雷常春红郝本利山东理工大学计算机科学与技术学院山东淄博255000

针对传统的块匹配去噪方法只能处理二维图像的缺点,提出一种基于三维剪切波变换和改进的三维块匹配过滤(block-matching and 4D filtering,BM4D)算法的图像去噪方法。利用三维剪切波变换得到变换域系数,通过硬阈值和维纳滤波,在变换域... 详细信息

针对传统的块匹配去噪方法只能处理二维图像的缺点,提出一种基于三维剪切波变换和改进的三维块匹配过滤(block-matching and 4D filtering,BM4D)算法的图像去噪方法。利用三维剪切波变换得到变换域系数,通过硬阈值和维纳滤波,在变换域中实现联合过滤。经过多尺度分解和方向剖分两个滤波阶段,确保三维剪切波变换是局部的;进行硬阈值和维纳滤波,分别包括分组、协同过滤和聚合3个步骤,利用堆积成四维组的体素立方体,在该组的四维变换同时利用每个立方体中体素之间存在的局部相关性和不同立方体中相应体素之间的非局部相关性。通过三维剪切波逆变换,得到每个分组立方体的估计值,在它们的原始位置进行自适应聚合。以峰值信噪比和结构相似度作为评价标准,试验结果表明:该方法不仅能够有效去除高噪声环境下的图像噪声,而且还能够有效地改善图像的视觉效果,具有较高的准确性。

关键词：三维剪切波变换联合过滤协同过滤非局部相关性自适应聚合

在线全文

学校读者我要写书评

暂无评论

持续记忆的流图神经网络

小型微型计算机系统 2024年

作者：郭虎升孙玉杰王文剑山西大学计算机与信息技术学院山西大学计算智能与中文信息处理教育部重点实验室

流图的节点和边以流的形式持续产生，导致整个图结构随着时间推移而不断演化。图神经网络作为图嵌入技术的一种，在捕获流图的动态信息以及快速适应流图持续演化等方面仍然面临着巨大的挑战。为解决这些问题，本文提出了持续记忆的流图... 详细信息

流图的节点和边以流的形式持续产生，导致整个图结构随着时间推移而不断演化。图神经网络作为图嵌入技术的一种，在捕获流图的动态信息以及快速适应流图持续演化等方面仍然面临着巨大的挑战。为解决这些问题，本文提出了持续记忆的流图神经网络(CMSGNN)。该模型能够根据流图持续的演化充分学习历史信息，通过增量学习的方式更新已记忆的历史信息，并且能够自适应地调整模型以适应流图的变化程度，以获得更符合当前信息的流图嵌入。该模型将历史信息与当前信息相结合使得模型能够获得更准确的流图嵌入，从而提高下游任务的准确率。实验结果表明，本文提出的CMSGNN在现实生活中的多个数据集上执行多个任务上均有更好的性能。

关键词：流图图神经网络历史信息增量更新当前信息自适应聚合