检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

融合体素图注意力的三维目标检测算法

智能系统学报 2024年第3期19卷 598-609页

作者：鲁斌孙洋杨振宇华北电力大学控制与计算机工程学院河北保定071003 复杂能源系统智能计算教育部工程研究中心河北保定071003

目前基于点云的三维目标检测方法未能充分利用点云局部几何特征,导致对点云稀疏的目标检测效果不佳。为此,本文提出基于原始点云体素图注意力的两阶段三维目标检测算法(voxel graph attention region-CNN,VGT-RCNN)。通过多尺度体素特... 详细信息

目前基于点云的三维目标检测方法未能充分利用点云局部几何特征,导致对点云稀疏的目标检测效果不佳。为此,本文提出基于原始点云体素图注意力的两阶段三维目标检测算法(voxel graph attention region-CNN,VGT-RCNN)。通过多尺度体素特征插值计算网格中心点特征;在多尺度非空体素特征上构造局部图;通过图注意力机制对体素特征进行加权平均,充分提取并利用目标的局部几何特征完成检测。该算法主要针对当前二阶段算法在进行特征聚合时对不同体素特征的重要性考虑不足进行改进,引入可学习的权重矩阵,动态学习体素特性的权重,提高局部特征表达能力。本文在流行的KITTI自动驾驶数据集上进行了充分测试,取得了具有竞争力的检测效果,尤其是在对点云稀疏的汽车目标检测上,准确率有较大提高。本文还对检测效果进行了可视化分析。

关键词：点云三维目标检测图注意力特征插值多尺度特征激光雷达体素化车辆检测

维普期刊数据库博看期刊

融合残差上下文编码和路径增强的视杯视盘分割

在线全文

学校读者我要写书评

暂无评论

中国图象图形学报 2024年第3期29卷 637-654页

作者：梅华威尚虹霖苏攀刘艳平华北电力大学控制与计算机工程学院保定071003 复杂能源系统智能计算教育部工程研究中心保定071003 河北省能源电力知识计算重点实验室保定071000

目的从眼底图像中分割视盘和视杯对于眼部疾病智能诊断来说是一项重要工作,U-Net及变体模型已经广泛应用在视杯盘分割任务中。由于连续的卷积与池化操作容易引起空间信息损失,导致视盘和视杯分割精度差且效率低。提出了融合残差上下文... 详细信息

目的从眼底图像中分割视盘和视杯对于眼部疾病智能诊断来说是一项重要工作,U-Net及变体模型已经广泛应用在视杯盘分割任务中。由于连续的卷积与池化操作容易引起空间信息损失,导致视盘和视杯分割精度差且效率低。提出了融合残差上下文编码和路径增强的深度学习网络RCPA-Net,提升了分割结果的准确性与连续性。方法采用限制对比度自适应直方图均衡方法处理输入图像,增强对比度并丰富图像信息。特征编码模块以ResNet34(residual neural network)为骨干网络,通过引入残差递归与注意力机制使模型更关注感兴趣区域,采用残差空洞卷积模块捕获更深层次的语义特征信息,使用路径增强模块在浅层特征中获得精确的定位信息来增强整个特征层次。本文还提出了一种新的多标签损失函数用于提高视盘视杯与背景区域的像素比例并生成最终的分割图。结果在4个数据集上与多种分割方法进行比较,在ORIGA(online retinal fundus image database for glaucoma analysis)数据集中,本文方法对视盘分割的JC(Jaccard)指数为0.939 1,F-measure为0.968 6,视杯分割的JC和Fmeasure分别为0.794 8和0.885 5;在Drishti-GS1数据集中,视盘分割的JC和F-measure分别为0.951 3和0.975 0,视杯分割的JC和F-measure分别为0.863 3和0.926 6;在Refuge(retinal fundus glaucoma challenge)数据集中,视盘分割的JC和F-measure分别为0.929 8和0.963 6,视杯分割的JC和F-measure分别为0.828 8和0.906 3;在RIM-ONE(retinal image database for optic nerve evaluation)-R1数据集中,视盘分割的JC和F-measure分别为0.929 0和0.9628。在4个数据集上结果均优于对比算法,性能显著提升。此外,针对网络中提出的模块分别做了消融实验,验证了RCPA-Net中各个模块的有效性。结论实验结果表明,RCPA-Net提升了视盘和视杯分割精度,预测图像更接近真实标签结果,同时跨数据集测试结果证明了RCPA-Net具有良好的泛化能力。

关键词：视杯视盘分割深度学习注意力机制残差空洞卷积路径增强

基于改进YOLOv8的船舰遥感图像旋转目标检测算法

在线全文

学校读者我要写书评

暂无评论

图学学报 2024年第4期45卷 726-735页

作者：牛为华郭迅华北电力大学计算机系河北保定071003 复杂能源系统与智能计算教育部工程研究中心河北保定071003

针对船舰遥感目标图像检测中存在的小目标检测困难,船舰形状各异以及传统水平边界框对于高长宽比的目标所框选冗余信息较多的问题,提出了一种基于改进YOLOv8的船舰遥感图像旋转目标检测算法。通过改进主干网络中的卷积结构,缓解了由于... 详细信息

针对船舰遥感目标图像检测中存在的小目标检测困难,船舰形状各异以及传统水平边界框对于高长宽比的目标所框选冗余信息较多的问题,提出了一种基于改进YOLOv8的船舰遥感图像旋转目标检测算法。通过改进主干网络中的卷积结构,缓解了由于跨步卷积所导致的细粒度信息丢失的问题,对于小目标检测的精度有所提升;将C2f中的部分卷积模块替换为DCNv3可变形卷积,使其可以更好提取不规则物体的特征信息,提高模型的非线性建模能力;在颈部网络中融入主干网络中的浅层特征信息,缓解了经多次卷积操作所导致的细节信息丢失的问题,提升了模型对小目标物体的检测能力。实验结果表明,改进后的算法在ShipRSImageNet数据集上的检测精度(mAP50)达到了84.317%,较基准模型提升了4.054%,在HRSC2016数据集上达到了93.235%,较基准模型提升了1.555%,在少量增加模型参数量的情况下取得了较高的检测性能,很好地平衡了模型的效率和性能。

关键词： YOLOv8 旋转目标检测可变形卷积特征融合深度学习

在线全文

学校读者我要写书评

暂无评论

改进YOLOv8的轻量级军事飞机检测算法

计算机工程与应用 2024年第18期60卷 114-125页

作者：刘丽张硕白宇昂李宇健张初夏华北电力大学计算机系河北保定071000 复杂能源系统智能计算教育部工程研究中心河北保定071000

遥感图像军事飞机检测在侦察预警、情报分析等领域具有重要意义。为使军事飞机检测模型能在算力受限的设备上高效运行,从网络设计与模型压缩两个方面对YOLOv8n进行轻量化改进。在网络设计方面,使用FAS_C2f替换原始主干网络中的C2f模块,... 详细信息

遥感图像军事飞机检测在侦察预警、情报分析等领域具有重要意义。为使军事飞机检测模型能在算力受限的设备上高效运行,从网络设计与模型压缩两个方面对YOLOv8n进行轻量化改进。在网络设计方面,使用FAS_C2f替换原始主干网络中的C2f模块,减少计算冗余并加快网络特征提取的速度;根据军事飞机目标的尺度特征对网络结构进行优化,缓解因过度下采样导致的小目标信息丢失问题;使用Inner-SIoU作为新的定位回归损失函数,提升对小目标样本的学习能力并加快回归边界框的收敛。在模型压缩方面,使用基于LAMP分数的通道剪枝对重设计后的模型进行压缩,进一步减少参数和模型大小;并利用通道级知识蒸馏(channel-wise knowledge distillation,CWD)将模型精度恢复到接近剪枝前的水平。实验结果表明,在公开军用飞机数据集MAR20上,轻量化后的模型mAP为97.2%,体积仅有0.7 MB,较原始模型缩小了88.3%,FPS提高了14帧/s,满足军事飞机目标检测的实时性要求。

关键词：目标检测军事飞机 YOLOv8 模型剪枝知识蒸馏

联合结构-语义关系图知识推理的输电线路螺栓缺陷识别方法

在线全文

学校读者我要写书评

暂无评论

智能系统学报 2024年

作者：赵振兵王睿王艺衡苗思雨赵文清华北电力大学电气与电子工程学院华北电力大学复杂能源系统智能计算教育部工程研究中心华北电力大学河北省电力物联网技术重点实验室华北电力大学控制与计算机工程学院

针对输电线路螺栓缺陷识别任务中存在的视觉不可分与语义歧义问题，提出了联合结构-语义关系图知识推理的输电线路螺栓缺陷识别方法。首先通过语义关系图提取螺栓各属性有判别力的特征类映射；然后经结构关系图捕获螺栓上下文信息并建... 详细信息

针对输电线路螺栓缺陷识别任务中存在的视觉不可分与语义歧义问题，提出了联合结构-语义关系图知识推理的输电线路螺栓缺陷识别方法。首先通过语义关系图提取螺栓各属性有判别力的特征类映射；然后经结构关系图捕获螺栓上下文信息并建立跨不同尺度的空间关系；之后利用图卷积神经网络经协作学习利用螺栓各属性之间的结构知识与语义知识实现语义关系图节点的更新；最后通过螺栓训练数据集统计的标签共现信息辅助图知识推理网络提高螺栓缺陷识别的准确率。在实验阶段，选取3类典型金具上的13类螺栓属性作为研究对象。对比实验结果表明，本文方法对螺栓缺陷的识别效果优于其他方法，较基线模型提升了8.12%的准确率。

关键词：输电线路螺栓缺陷识别知识表达知识推理图神经网络结构关系语义关系

结合FISCO BCOS与拓扑优化一致性算法的配电网多目标经济调度

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程 2024年

作者：王桂兰张成周国亮华北电力大学控制与计算机工程学院华北电力大学复杂能源系统智能计算教育部工程研究中心国网冀北电力有限公司技能培训中心

随着分布式能源的高比例渗透、大量储能单元以及柔性负荷的加入，主动配电网的优化调度也变得更加具有挑战性。现有经济调度较少考虑柔性负荷和储能单元的接入、收敛速度较慢，同时结合国家“双碳目标”，本文提出了FISCO BCOS平台下结... 详细信息

随着分布式能源的高比例渗透、大量储能单元以及柔性负荷的加入，主动配电网的优化调度也变得更加具有挑战性。现有经济调度较少考虑柔性负荷和储能单元的接入、收敛速度较慢，同时结合国家“双碳目标”，本文提出了FISCO BCOS平台下结合通信拓扑优化一致性算法的配电网多目标经济调度策略。该策略综合考虑发电机发电成本、污染气体排放、储能成本和柔性负荷用电效益，利用通信拓扑优化的一致性算法提高系统收敛速度，结合FISCO BCOS联盟链的存储和rPBFT共识机制优化节点间的信息共享、降低领导节点的中心性、防止部分节点作恶，实现配电网多目标最优功率分配。仿真结果表明，本文的配电网多目标调度经济调度策略收敛速度快，在领导节点切换、不同阶段时节点退出与加入及功率交换指令变化、收敛系数变动场景下仍能较快收敛，具有良好的鲁棒性和稳定性；且收敛速度优于快速一致性算法，目标权重系数选取恰当，经济与环境结果均优于多目标NSGA-II算法。

关键词：主动配电网区块链 FISCO BCOS平台多目标调度通信拓扑优化一致性算法

基于改进YOLOv8与语义知识融合的金具缺陷检测方法研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

图学学报 2024年

作者：李刚蔡泽浩孙华勋赵振兵华北电力大学计算机系复杂能源系统智能计算教育部工程研究中心中国华电集团有限公司

针对输电线路螺栓金具缺陷检测任务中存在的缺陷样本类间分布不均、缺陷微小特征提取困难等问题，提出基于改进YOLOv8和语义知识融合的输电线路螺栓缺陷检测方法。首先，通过深入分析数据样本中螺栓金具缺陷种类与该螺栓承载金具种类之... 详细信息

针对输电线路螺栓金具缺陷检测任务中存在的缺陷样本类间分布不均、缺陷微小特征提取困难等问题，提出基于改进YOLOv8和语义知识融合的输电线路螺栓缺陷检测方法。首先，通过深入分析数据样本中螺栓金具缺陷种类与该螺栓承载金具种类之间的关系，完成语义关联构建工作；之后，在YOLOv8模型Neck部分引入BiFusion和RepBlock模块，增强模型的特征提取能力；其次，使用改进的融合语义知识校正权重的loss函数，进一步提高训练模型的准确性，减少误检的发生；最后，分别完成基线选取实验、消融实验、超参数调整实验以及对比实验。实验结果表明，相较于Baseline模型，改进YOLOv8方法在平均精确率(mAP)上提升了4.0%，在关键少样本类精确率上提升了24.6%，可有效提高输电线路螺栓金具缺陷检测的效果，所提出的语义关联构建及语义知识融合方法具有一定的泛用性，为输电线路无人机智能巡检领域提供了新的方法支持。

关键词：无人机巡检输电线路金具螺栓缺陷检测语义信息融合 YOLOv8

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于同质中间模态的跨模态行人再识别方法

图学学报 2024年第4期45卷 670-682页

作者：罗智徽胡海涛马潇峰程文刚华北电力大学控制与计算机工程学院北京102206 复杂能源系统智能计算教育部工程研究中心河北保定071003

可见光-红外跨模态行人再识别(VI-Re ID)旨在对不同摄像头采集同一行人的可见光图像和红外图像进行检索与匹配。除了存在可见光行人再识别(Re ID)中因位姿、视角、局部遮挡等造成的模态内差异外,可见光图像和红外图像的模态间差异是VI-R... 详细信息

可见光-红外跨模态行人再识别(VI-Re ID)旨在对不同摄像头采集同一行人的可见光图像和红外图像进行检索与匹配。除了存在可见光行人再识别(Re ID)中因位姿、视角、局部遮挡等造成的模态内差异外,可见光图像和红外图像的模态间差异是VI-ReID的主要挑战。现有方法通常对2种模态的图像进行联合特征学习来缩小模态间差异,忽略了可见光和红外两种模态图像在通道上的本质不同。为此,本文试图从2种模态共同生成一种中间模态来辅助缩小模态间差异,并在标准ViT(vision transformer)网络上通过局部特征和全局特征的融合来优化特征嵌入学习。首先,设计同质中间模态生成器,通过可见光图像和红外图像共同生成同质中间模态(H-modality)图像,将3种模态图像投影到统一的特征空间进行联合约束,从而借助中间模态缩小可见光模态和红外模态间的差异,实现图像级对齐。进一步提出一种基于同质中间模态的Transformer跨模态行人再识别方法,使用ViT提取全局特征,设计一个局部分支以增强网络的局部感知能力。在全局特征提取中,为了增强全局特征的多样性,引入头部多样性模块(head enrich module)使不同的头聚合图像不同的模式。该方法融合全局特征与局部特征,能够提高模型的判别能力,在SYSU-MM01和RegDB数据集上的rank-1/m AP分别达到67.68%/64.37%和86.16%/79.11%,优于现有大多数最前沿的方法。

关键词：行人再识别跨模态 Transformer 中间模态特征融合

基于双重注意力时间卷积长短期记忆网络的短期负荷预测

在线全文

学校读者我要写书评

暂无评论

系统仿真学报 2024年

作者：李丽芬张近月曹旺斌梅华威华北电力大学计算机系河北省能源电力知识计算重点实验室华北电力大学电子与通信工程系河北省电力物联网技术重点实验室(华北电力大学) 复杂能源系统智能计算教育部工程研究中心

负荷预测是保证电力供需平衡的基础，为了提高负荷预测的精度，充分提取负荷与其它特征因素之间的隐藏关系，提出一种基于双重注意力时间卷积长短期记忆网络(Dual-attention Temporal Convolutional Long Short-term Memory Network，DA... 详细信息

负荷预测是保证电力供需平衡的基础，为了提高负荷预测的精度，充分提取负荷与其它特征因素之间的隐藏关系，提出一种基于双重注意力时间卷积长短期记忆网络(Dual-attention Temporal Convolutional Long Short-term Memory Network，DA-TCLSNet)的负荷预测方法。首先基于最大信息系数法对数据集进行相关性分析完成特征筛选以减少模型的计算量、采用滑动窗构建模型的输入，然后构建DA-TCLSNet预测模型，该模型包括时间卷积层、多头稀疏自注意力层、长短期记忆层和时间模式注意力层。时间卷积层提取不同时间尺度下的依赖关系、挖掘负荷及天气等数据之间的非线性特征；多头稀疏自注意力模块关注重要信息；长短期记忆网络层挖掘时间序列的长期依赖关系；时间模式注意力模块实现自适应学习同一时间步上不同变量间的联系，并通过残差结构连接上述模块以提高模型的表达能力。最后使用多个数据集进行验证，实验结果表明，该方法相比于其它负荷预测方法具有更佳的预测性能。

关键词：负荷预测时间卷积网络注意力残差结构相关性分析