检索结果-南通市图书馆

基于CNN-Transformer双模态特征融合的目标检测算法

在线全文

学校读者我要写书评

暂无评论

光子学报 2024年第3期53卷 273-286页

作者：杨晨侯志强李新月马素刚杨小宝西安邮电大学计算机学院西安710121 陕西省网络数据分析与智能处理重点实验室西安710121

针对单模态目标检测的不足,提出了一种基于CNN-Transformer双模态特征融合的目标检测算法。在YOLOv5的基础上,构建了一个可以同时输入红外和可见光图像的双流特征提取网络;然后,分别提出了基于卷积神经网络结构的红外特征提取主干网络... 详细信息

针对单模态目标检测的不足,提出了一种基于CNN-Transformer双模态特征融合的目标检测算法。在YOLOv5的基础上,构建了一个可以同时输入红外和可见光图像的双流特征提取网络;然后,分别提出了基于卷积神经网络结构的红外特征提取主干网络和基于Transformer结构的可见光特征提取主干网络,以提升对红外和可见光图像的特征提取能力;最后,按照中期融合的思想,设计了双模态特征融合模块,对两个分支对应尺度的双模态特征信息进行有效融合,实现跨模态信息互补。在数据集上对所提算法进行验证,实验结果表明,该算法在KAIST数据集上对双模态图像进行检测的结果,较基准算法单独检测红外图像和可见光图像,精度分别提升了5.7%和17.4%;在FLIR数据集上较基准算法,检测精度分别提升了11.6%和17.1%;在自建GIR数据集上,所提算法的检测精度也有明显提升。此外,该算法还可以单独处理红外或可见光图像,且检测精度较基准算法均有明显提升。

关键词：目标检测卷积神经网络 Transformer 双模态特征融合红外可见光

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于跨层次聚合网络的实时城市街景语义分割

光学精密工程 2024年第8期32卷 1212-1226页

作者：侯志强程敏婕马素刚屈敏杰杨小宝西安邮电大学计算机学院陕西西安710121 西安邮电大学陕西省网络数据分析与智能处理重点实验室陕西西安710121

随着自动驾驶技术的迅速发展,精确高效的场景理解显得尤为重要。城市街景语义分割旨在准确识别并分割出行人、障碍物、道路和标志物等要素,为自动驾驶技术提供必要的道路信息。然而,当前的语义分割算法在城市街景分割中仍然面临一些挑战... 详细信息

随着自动驾驶技术的迅速发展,精确高效的场景理解显得尤为重要。城市街景语义分割旨在准确识别并分割出行人、障碍物、道路和标志物等要素,为自动驾驶技术提供必要的道路信息。然而,当前的语义分割算法在城市街景分割中仍然面临一些挑战,主要表现为不同类别的像素区分不够清晰、对于复杂场景结构的理解不够精准以及对小尺度对象或大尺度结构的分割不准确等问题。为此,本文提出一种基于跨层次聚合网络的实时城市街景语义分割算法。首先,在编码器末端设计了结合跨层次聚合的金字塔池化模块,用于高效提取多尺度上下文信息;其次,在编码器和解码器之间设计了跨层次聚合模块,通过引入通道注意力机制增强信息的表征能力,逐级聚合编码器阶段的特征以充分实现特征复用;最后,在解码器阶段设计了多尺度融合模块,在通道维度聚合全局信息与局部信息,促进深层特征与浅层特征的融合。将所提算法在两个通用的城市街景数据集上进行了验证。在一张RTX3090显卡上(TensorRT测速环境),本文算法在Cityscapes测试集以294 FPS的实时性达到73.0%mIoU的准确性,在更高分辨率的图像上以164 FPS的实时性达到75.8%mIoU的准确性;在CamVid数据集以239 FPS的实时性达到74.8%mIoU的准确性。实验结果表明,本文算法在准确性与实时性之间取得了有效平衡,对比其他算法的语义分割性能具有显著提升,为实时城市街景语义分割领域带来了新的突破。

关键词：语义分割卷积神经网络城市街景编码器-解码器结构金字塔池化模块

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

一种改进条件广播代理重加密的数据共享方案

西安电子科技大学学报 2024年第2期51卷 224-238页

作者：翟社平陆娴婧霍媛媛杨锐西安邮电大学计算机学院陕西西安710121 西安邮电大学陕西省网络数据分析与智能处理重点实验室陕西西安710121

传统的条件广播代理重加密数据共享方式过度依赖不可信第三方代理商,存在效率低、数据安全和隐私泄露等问题。针对以上问题,提出了一种将条件广播代理重加密与区块链共识机制相结合的信息安全保障方案。首先,为解决单个代理商的单点故... 详细信息

传统的条件广播代理重加密数据共享方式过度依赖不可信第三方代理商,存在效率低、数据安全和隐私泄露等问题。针对以上问题,提出了一种将条件广播代理重加密与区块链共识机制相结合的信息安全保障方案。首先,为解决单个代理商的单点故障以及合谋攻击问题,所提方案使用区块链节点轮流担任代理商节点,同时利用融合信誉机制的委托权益证明共识算法筛选出高信誉度的代理商节点参与重加密过程,大大降低了单点故障和合谋攻击的风险。其次,针对代理商节点对重加密密钥使用的高权限问题,引入门限密钥思想,将重加密密钥分割为多个片段,这些片段分布于不同的代理商节点上。通过这种方式,任何单个代理商节点都无法单独完成数据的解密,从而有效提高了重加密过程的安全性。最后,通过对方案的安全性、正确性和可信度进行分析,表明提出的方案能有效解决传统方案中的安全隐患。仿真实验结果证明,与现有数据共享方案相比,所提方案在保障数据安全方面具有明显优势,同时计算成本较低。

关键词：条件广播代理重加密门限密钥区块链共识机制

维普期刊数据库博看期刊

YOLOv8-VSC:一种轻量级的带钢表面缺陷检测算法

在线全文

学校读者我要写书评

暂无评论

计算机科学与探索 2024年第1期18卷 151-160页

作者：王春梅刘欢西安邮电大学计算机学院西安710121 西安邮电大学陕西省网络数据分析与智能处理重点实验室西安710121

目前在带钢表面缺陷检测领域,通用的目标检测算法复杂度高、计算量庞大,而一些中小型企业负责检测的终端设备通常不具备较强的计算能力,计算资源有限,从而导致检测算法部署困难。为解决该问题,基于YOLOv8n目标检测框架,提出一种轻量级... 详细信息

目前在带钢表面缺陷检测领域,通用的目标检测算法复杂度高、计算量庞大,而一些中小型企业负责检测的终端设备通常不具备较强的计算能力,计算资源有限,从而导致检测算法部署困难。为解决该问题,基于YOLOv8n目标检测框架,提出一种轻量级的带钢表面缺陷检测模型YOLOv8-VSC。该模型使用轻量级的VanillaNet网络作为骨干特征提取网络,通过减少不必要的分支结构降低模型的复杂度。同时,引入SPD模块在减少网络层数的同时加快模型的推理速度。为了进一步提升检测精度,在特征融合网络中,使用轻量级的上采样算子CARAFE,提高融合特征的质量和丰富度。最后,在NEU-DET数据集上进行大量实验,得到模型的参数量与计算量为1.96×106和6.0 GFLOPs,仅为基线的65.1%和74.1%,mAP达到80.8%,较基线提升1.8个百分点。此外,在铝材表面缺陷数据集和VOC2012数据集上的实验结果表明所提算法具有良好的鲁棒性。与先进的目标检测算法相比,所提算法在保证高检测精度的前提下需要的计算资源更少。

关键词：缺陷检测带钢表面缺陷 YOLOv8 轻量级网络 VanillaNet

基于二阶注意力的Siamese网络视觉跟踪算法

在线全文

学校读者我要写书评

暂无评论

北京航空航天大学学报 2024年第3期50卷 739-747页

作者：侯志强陈茂林马靖媛郭凡余旺盛马素刚西安邮电大学计算机学院西安710121 西安邮电大学陕西省网络数据分析与智能处理重点实验室西安710121 空军工程大学信息与导航学院西安710077

为提升基于Siamese网络视觉跟踪算法的特征表达能力和判别能力,以获得更好的跟踪性能,提出了一种轻量级的基于二阶注意力的Siamese网络视觉跟踪算法。使用轻量级VGG-Net作为Siamese网络的主干,获取目标的深度特征;在Siamese网络的末端... 详细信息

为提升基于Siamese网络视觉跟踪算法的特征表达能力和判别能力,以获得更好的跟踪性能,提出了一种轻量级的基于二阶注意力的Siamese网络视觉跟踪算法。使用轻量级VGG-Net作为Siamese网络的主干,获取目标的深度特征;在Siamese网络的末端并行使用所提残差二阶池化网络和二阶空间注意力网络,获取具有通道相关性的二阶注意力特征和具有空间相关性的二阶注意力特征;使用残差二阶通道注意力特征和二阶空间注意力特征,通过双分支响应策略实现视觉跟踪。利用GOT-10k数据集对所提算法进行端到端的训练,并在OTB100和VOT2018数据集上进行验证。实验结果表明:所提算法的跟踪性能取得了显著提升,与基准算法SiamFC相比,在OTB100数据集上,精度和成功率分别提高了0.100和0.096,在VOT2018数据集上,预期平均重叠率(EAO)提高了0.077,跟踪速度达到了48帧/s。

关键词： Siamese网络视觉跟踪残差二阶池化网络二阶空间注意力网络双分支响应策略

基于一致性哈希和随机选取的PBFT算法改进

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2024年第12期60卷 294-302页

作者：翟社平霍媛媛杨锐聂浩楠西安邮电大学计算机学院西安710121 西安邮电大学陕西省网络数据分析与智能处理重点实验室西安710121

针对实用拜占庭容错算法PBFT存在的系统动态性不足以及主节点选取随意导致的共识效率较低、系统稳健性较差等问题,提出一种基于一致性哈希和随机选取的CRPBFT共识算法。采用一致性哈希对节点进行分组,在分组的基础上增加节点动态变化机... 详细信息

针对实用拜占庭容错算法PBFT存在的系统动态性不足以及主节点选取随意导致的共识效率较低、系统稳健性较差等问题,提出一种基于一致性哈希和随机选取的CRPBFT共识算法。采用一致性哈希对节点进行分组,在分组的基础上增加节点动态变化机制,为系统提供动态的网络结构。根据节点在共识中的表现动态计算各节点的信誉值,同时定义主节点候选列表、普通节点和恶意节点这三种节点信誉层次,从高信誉值的主节点候选列表中使用可验证随机函数选取可靠且身份难以被恶意预测的主节点,并将符合信誉值要求的节点组成较稳定的共识集群。实验结果表明CRPBFT算法较PBFT算法中共识节点集群的可靠程度更高,在共识时延、吞吐量以及系统稳健性方面的性能优于PBFT算法。

关键词：区块链信誉机制可验证随机函数实用拜占庭容错算法

BERT和LSI的端到端方面级情感分析模型

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2024年第12期60卷 144-152页

作者：代佳梅孔韦韦王泽李佩哲西安邮电大学计算机学院西安710121 西安邮电大学陕西省网络数据分析与智能处理重点实验室西安710121

针对现有基于端到端方面的情感分析(E2E-ABSA)方法研究中没有充分利用文本信息的不足,提出了一种基于BERT与融合词性、句法信息(lexical and syntactic information,LSI)的模型LSI-BERT。使用BERT嵌入层和TFM特征提取器来提取语义信息,... 详细信息

针对现有基于端到端方面的情感分析(E2E-ABSA)方法研究中没有充分利用文本信息的不足,提出了一种基于BERT与融合词性、句法信息(lexical and syntactic information,LSI)的模型LSI-BERT。使用BERT嵌入层和TFM特征提取器来提取语义信息,并通过工业级自然语言处理工具SpaCy提取词性信息,引入两个权重因子α和β对语义与词性信息进行融合;采用图注意网络(graph attention networks,GAT)根据句法依存树生成的邻接矩阵进行句法依存信息的提取;利用双流注意力网络针对句法依存信息和融合了词性信息的文本信息进行融合,使这两种信息实现更好的交互。实验结果表明,模型在三个常用基准数据集上的性能优于当前代表模型。

关键词：端到端基于方面的情感分析图注意网络权重因子双流注意力网络

在线全文

学校读者我要写书评

暂无评论

基于深度学习的快速长时视觉跟踪算法

北京航空航天大学学报 2024年第8期50卷 2391-2403页

作者：侯志强马靖媛韩若雪马素刚余旺盛范九伦西安邮电大学计算机学院西安710121 西安邮电大学陕西省网络数据分析与智能处理重点实验室西安710121 空军工程大学信息与导航学院西安710077

在目标尺寸变化、遮挡和出视场等复杂长时视觉跟踪环境下,现有基于深度学习的视觉跟踪算法很难对目标进行实时准确的跟踪。针对该问题,提出一种快速的长时视觉跟踪算法,该算法由一个快速短时视觉跟踪算法和一个快速全局重检测模块组成... 详细信息

在目标尺寸变化、遮挡和出视场等复杂长时视觉跟踪环境下,现有基于深度学习的视觉跟踪算法很难对目标进行实时准确的跟踪。针对该问题,提出一种快速的长时视觉跟踪算法,该算法由一个快速短时视觉跟踪算法和一个快速全局重检测模块组成。在基准算法SiamRPN中加入二阶通道与区域空间融合的注意力模块作为短时视觉跟踪算法,在保证快速性的同时,提高算法的短时视觉跟踪精确度和成功率;为使改进后的短时视觉跟踪算法具有快速的长时视觉跟踪能力,在算法中加入提出的基于模板匹配的全局重检测模块,该模块使用轻量级网络和快速的相似度判断方法,加快重检测速率。在OTB100、LaSOT、UAV20L、VOT2018-LT、VOT2020-LT等5个数据集上进行测试,实验结果表明,所提算法在长时视觉跟踪中具有优越的跟踪性能,平均速度达104帧/s。

关键词：长时视觉跟踪深度学习二阶通道注意力区域空间注意力全局重检测

融合关系路径与实体邻域信息的知识图谱补全方法

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

计算机工程与应用 2024年第13期60卷 136-142页

作者：翟社平亢鑫年李方怡杨锐西安邮电大学计算机学院西安710121 西安邮电大学陕西省网络数据分析与智能处理重点实验室西安710121

知识图谱为许多人工智能应用提供了底层的技术支持,包括电子商务、智能导航、医疗保健、社交媒体等领域。但现有的知识图谱通常是不完整的,大量的知识隐含在其中,因此如何将知识图谱补全完整成为亟需解决的问题。现有方法大多是独立处... 详细信息

知识图谱为许多人工智能应用提供了底层的技术支持,包括电子商务、智能导航、医疗保健、社交媒体等领域。但现有的知识图谱通常是不完整的,大量的知识隐含在其中,因此如何将知识图谱补全完整成为亟需解决的问题。现有方法大多是独立处理实体邻域信息或关系路径,忽略了实体邻域信息对关系路径探索过程的重要性。为此,提出了一种融合关系路径与实体邻域信息的知识图谱补全方法(RPEN-KGC)。RPEN-KGC由采样器和推理器构成,采样器通过在实体对之间随机游走,为推理器提供可靠的推理策略。同时采样器利用实体邻域相似性对比机制约束随机游走的方向,有效提高采样的效率,并且使推理策略更加丰富。推理器通过提取关系路径的语义特征,在语义空间中推理出更加多样化的关系路径。在公开的NELL-995和FB15K-237数据集中通过链接预测任务进行实验验证,结果表明,RPEN-KGC在多数指标上相较于基准方法均有一定的提升,说明RPEN-KGC能够有效预测知识图谱中缺失的知识。

关键词：知识图谱知识图谱补全生成对抗网络多跳推理