检索结果-南通市图书馆

基于ECA-Net的双信息流图像字幕生成方法研究

在线全文

学校读者我要写书评

暂无评论

光电子·激光 2025年第1期36卷 27-35页

作者：刘仲民苏融胡文瑾兰州理工大学电气工程与信息工程学院甘肃省工业过程先进控制重点实验室西北民族大学数学与计算机科学学院

针对图像字幕生成中由于视觉信息不足使生成的描述语句与图像内容不匹配的问题，提出一种基于高效通道注意力(efficient channel attention network, ECA-Net)的双信息流图像字幕生成方法。首先，该方法将图像分割特征作为另一个视觉信... 详细信息

针对图像字幕生成中由于视觉信息不足使生成的描述语句与图像内容不匹配的问题，提出一种基于高效通道注意力(efficient channel attention network, ECA-Net)的双信息流图像字幕生成方法。首先，该方法将图像分割特征作为另一个视觉信息源，采用迭代独立层归一化(iterative independent layer normalization, IILN)模块融合分割特征和网格特征，以双信息流网络提取图像特征；其次，在编码器中添加ECA-Net模块，通过跨通道交互学习图像特征之间的相关性，使预测结果更加关注视觉内容。最后，解码器根据提供的视觉信息和部分生成的字幕预测下一个词组，从而生成准确的字幕。在MSCOCO数据集上进行实验证明，该方法可以增强图像视觉信息之间的依赖性，使生成字幕相关度更高、语法更准确。

关键词：字幕生成通道注意力编解码器双信息流

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于特征融合和模板更新的孪生网络跟踪算法

电光与控制 2025年第1期32卷 41-47,85页

作者：吴国瑞王峰李杰太原理工大学电子信息与光学工程学院山西晋中030000 太原理工大学电气与动力工程学院太原030000

针对现有孪生网络跟踪算法仅使用主干网络最后一层的特征进行相似度匹配,以及缺少有效模板更新策略的问题,提出基于多尺度特征融合和自适应模板更新的孪生网络跟踪算法。首先,结合深度过参数化卷积设计非填充单元,提取更深层的前景特征... 详细信息

针对现有孪生网络跟踪算法仅使用主干网络最后一层的特征进行相似度匹配,以及缺少有效模板更新策略的问题,提出基于多尺度特征融合和自适应模板更新的孪生网络跟踪算法。首先,结合深度过参数化卷积设计非填充单元,提取更深层的前景特征和语义背景;然后,设计新的全局-局部特征融合模块,充分聚合浅、中层特征的全局和局部信息,捕获丰富的浅层外观特征和中层过渡特征;最后,采用自适应模板更新机制在线更新模板。为验证算法的有效性,在公开数据集上对所提算法进行详尽评估,实验结果显示,所提算法在OTB2015和VOT2018数据集上的精确度分别达到0.878和0.588,GOT10K数据集上平均重叠率达到0.526,优于其他主流算法。

关键词：目标跟踪孪生网络计算机应用多层特征融合模板更新

在线全文

学校读者我要写书评

暂无评论

2D Mesh的多故障容错路由算法

天津理工大学学报 2025年第1期41卷 70-76页

作者：胡宇杨代广珍陈乃金安徽工程大学电气工程学院安徽工程大学计算机与信息学院

容错路由算法是确保片上网络(network on chip, NoC)可靠性的主要方法，然而多故障点的绕行容错往往会导致网络负载不均衡及网络时延增大，为了解决这个问题提出了一种多故障点的无虚通道绕行容错路由算法。算法依赖于内建自测试(built-... 详细信息

容错路由算法是确保片上网络(network on chip, NoC)可靠性的主要方法，然而多故障点的绕行容错往往会导致网络负载不均衡及网络时延增大，为了解决这个问题提出了一种多故障点的无虚通道绕行容错路由算法。算法依赖于内建自测试(built-in self-test, BIST)技术获取故障区域的位置信息，继而传输到部分节点的故障存储器中。通过数据包在X维度和Y维度遇到故障区域的情况分别采用了不同的绕行策略，且无死锁特性。在8×8的2D Mesh中，相比于参考的算法，在故障区域大小横向扩展为2×2,2×3,2×4的情况下，饱和注入率分别提高了18.75%,30.23%,12.85%,并且均衡了故障区域周围的网络负载。通过周期精确的仿真模拟器实验表明，随着故障区域的横纵扩展，所提算法有效地减少了网络时延，提高了饱和注入率。

关键词：片上网络路由算法无虚通道容错饱和注入率

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

生物炭表面NO吸附特性的量子化学研究

原子与分子物理学报 2025年第5期42卷 7-16页

作者：朱世遥薛婕雯张雨轩陈斌武卫东上海理工大学上海200093 上海工程技术大学城市轨道交通学院上海201620 上海交通大学机械与动力工程学院上海200240

生物炭表面具有丰富的官能团,通过化学吸附可以与一氧化氮(NO)分子形成稳定化学键,廉价易得且环境适应性强,具有广阔的应用前景.然而,当前对生物炭表面NO吸附特性的研究大多仍停留在宏观层面,缺乏深入的微观机制解析.本文基于密度泛函理... 详细信息

生物炭表面具有丰富的官能团,通过化学吸附可以与一氧化氮(NO)分子形成稳定化学键,廉价易得且环境适应性强,具有广阔的应用前景.然而,当前对生物炭表面NO吸附特性的研究大多仍停留在宏观层面,缺乏深入的微观机制解析.本文基于密度泛函理论,深入研究了生物炭表面一氧化氮(NO)的吸附转化路径,从分子层面揭示了生物炭对NO的吸附特性.研究结果显示,N-down型吸附构型的能量普遍低于O-down型吸附构型,是较为可能的吸附构型,并且含氧原子的官能团在NO的吸附和氨(NH_(3))的形成过程中扮演着关键角色.此外,通过对N-down型构型的进一步分析发现,在与活性位点结合后,NO将优先取代羟基,最终在生物质焦炭表面转化为NH_(3).同时,基于变分过渡态理论(CVT)计算了反应速率,发现NO优先反应的途径将受到不同区域内反应速率的限制.本文通过量子化学方法深入揭示了生物炭表面NO吸附特性的微观机制,为优化生物炭在NO治理中的应用提供了理论支持.

关键词：吸附生物炭密度泛函理论

基于HPDE-YOLO的钢材表面缺陷检测算法

在线全文

学校读者我要写书评

暂无评论

沈阳理工大学学报 2025年第1期44卷 31-38页

作者：冯迎宾刘文泽沈阳理工大学自动化与电气工程学院沈阳110159

针对钢材表面缺陷检测算法精度低、计算量大等问题,提出一种基于YOLOv8n的检测算法HPDE-YOLO(high-level path aggregation dynamic efficient network-YOLO)。首先,引入高效多尺度注意力(efficient multi-scale attention,EMA)机制,与主干部分的C2f融合,增强特征提取能力,并采用C2f-Faster结构提高模型计算速度;其次,提出一种高级筛选双向特征融合金字塔与路径聚合网络(high-level screening-feature bidirectional fusion pyramid and path aggregation network,HS-FPAN),在多个尺度上同时增强语义特征,有效提升模型对细节的捕捉能力;最后,融合动态上采样模块DySample,进一步提升模型检测速度。在NEU-DET数据集上的实验结果表明,相较YOLOv8n模型,HPDE-YOLO模型检测的平均精度均值mAP@0.5达到84.2%,提升了5.7个百分点,裂纹类缺陷检测的平均精度均值mAP提升了26.88个百分点,参数量减少了45%,浮点运算量减少了32%。HPDE-YOLO模型在满足轻量化的同时能够有效提升钢材表面缺陷检测的精度,且易于移动端部署,满足工业生产需求。

关键词： YOLOv8n 缺陷检测轻量化特征融合 DySample

在线全文

学校读者我要写书评

暂无评论

基于改进卷积神经网络的机器人避障路径规划

电子设计工程 2025年第1期33卷 27-30,35页

作者：王思越宋骊颖刘俊森沈阳理工大学自动化与电气工程学院辽宁沈阳110168

由于机器人在运动过程中,无法及时更新机器人位置方向和坐标,使得目标不是全局最小点,导致机器人无法有效避障。为此,提出了基于改进卷积神经网络的机器人避障路径规划方法。使用基于改进卷积神经网络的双线性内插方法,计算目标点坐标... 详细信息

由于机器人在运动过程中,无法及时更新机器人位置方向和坐标,使得目标不是全局最小点,导致机器人无法有效避障。为此,提出了基于改进卷积神经网络的机器人避障路径规划方法。使用基于改进卷积神经网络的双线性内插方法,计算目标点坐标。通过动态窗口法评估函数,计算扩展距离。构建极大值损失函数,通过递减学习,使类别内的特征聚合度和类别间差异性达到最大。通过机器人在环境中的运动来估计机器人位置,计算机器人的平移速度、角速度,并更新机器人位置方向和坐标。构建改进后排斥函数,计算神经元中心点到目标神经元中心点的距离,规划避障路径。实验结果表明,该方法能够避过全部障碍物,且规划的起始点和目标点之间距离与实际距离一致。

关键词：改进卷积神经网络机器人避障路径规划全局最小点

全英教学和互动交流:提升研究生学术和专业素养的实践和探索——以上海理工大学光电信息与计算机工程学院“Nanotechnology”全英课程为例

在线全文

学校读者我要写书评

暂无评论

上海理工大学学报（社会科学版） 2018年第1期40卷 81-84页

作者：金涛郑继红贾宏志上海理工大学光电信息与计算机工程学院上海200093

介绍了上海理工大学光电信息与计算机工程学院通过全英教学和互动交流提升研究生学术和专业素养的一些实践和探索。针对上海理工大学研究生教育的国际化程度不足以及研究生在国际上学术和专业交流能力不足等问题,通过包括开设全英研究... 详细信息

介绍了上海理工大学光电信息与计算机工程学院通过全英教学和互动交流提升研究生学术和专业素养的一些实践和探索。针对上海理工大学研究生教育的国际化程度不足以及研究生在国际上学术和专业交流能力不足等问题,通过包括开设全英研究生课程,邀请海内外知名学者和企业专家授课,混合研究生与留学生共同授课等方式,为研究生提供国际化的教学环境,培养研究生的多方位思维,提升研究生学术和专业的国际化交流能力。

关键词：学术素养专业素养国际化全英教学

在线全文

学校读者我要写书评

暂无评论

形状记忆合金在辅助器具和康复设备中的应用

中国组织工程研究 2025年第10期29卷 2113-2123页

作者：谭鑫张洪跃赵玉婵秦春许硕贵上海体育大学运动健康学院海军军医大学第一附属医院创伤骨科上海理工大学健康科学与工程学院海军军医大学研究生院

背景：随着科技的不断进步，新技术和新方法的引入将为形状记忆合金在辅助和康复领域的应用带来更多的可能性和新的突破。目的：通过综述形状记忆合金在辅助器具和康复设备中的应用现状，讨论它们的主要方法、技术和结果，归纳总结并提... 详细信息

背景：随着科技的不断进步，新技术和新方法的引入将为形状记忆合金在辅助和康复领域的应用带来更多的可能性和新的突破。目的：通过综述形状记忆合金在辅助器具和康复设备中的应用现状，讨论它们的主要方法、技术和结果，归纳总结并提出建议，希望形状记忆合金能够不断优化，为辅助和康复设备的发展带来更多新的变革。方法：通过计算机检索万方、Pub Med和Web of Science数据库，以“形状记忆合金，应用进展，正畸，矫形，假肢，康复，特性，植入，力学性能，镍钛记忆合金，驱动”为中文检索词，以“Shape memory alloys,Application,Orthodontics,Orthopedic,Prosthetics,Rehabilitation,Properties,Implant,Drive,Progress,Prostheses”为英文检索词，最终纳入91篇文献进行综述。结果与结论：(1)形状记忆合金具有耐腐蚀性、耐磨性、生物相容性、抗疲劳性和抗扭结性等特性，相比其他传统材料(不锈钢、钛合金、钴铬合金等)具有更低的弹性模量且无生物毒性，适合作为假体长期植入体内。由于其具有形状记忆效应和优异的力学性能，遂主要作为驱动元件或作为连接设备和人体的桥梁应用于假肢、矫形器和康复设备中。(2)使用形状记忆合金驱动元件能够减轻设备质量、消除噪声、容易操作、便于携带和更好地辅助关节运动等，比起使用气动、液压和电气驱动方法的设备优势明显。(3)另外形状记忆合金在变形时能够产生恒久、稳定的应力，相比不锈钢、钛合金和铝合金矫形器具有更高的材料回收率且不用频繁更换调整，所以在矫治畸形方面更具实用价值。(4)目前形状记忆合金在矫形器中应用最多，在镫骨假体中的临床应用效果最好。而由于技术及成本等的限制，形状记忆合金在假肢和康复设备中的应用较少，且缺乏对应用效果的大样本研究。(5)虽然形状记忆合金在辅助和康复领域得到了一定的发展，但仍存在许多问题：对形状记忆合金进行精准控制很难；形状记忆合金的冷却速度慢；无法对其变形速度进行控制；缺乏对不同性状形状记忆合金的对比研究和专家共识；形状记忆合金成本高，价格贵。(6)未来应注意开发新型形状记忆合金，增加对比性研究，采用新技术、新方法(如4D打印等)解决目前存在的问题，从而研发出高性能的辅助器具和康复设备。

关键词：形状记忆合金矫形器康复设备假肢形状记忆效应驱动元件超弹性假体康复训练

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

多层级深度特征融合的乳腺癌病理图像分类

光电子·激光 2025年第02期 185-192页

作者：杨芳邹迎丁雪妍张建新大连民族大学计算机科学与工程学院大连理工大学电子信息与电气工程学部

针对既有深度学习方法在乳腺癌病理图像全局与局部特征统一表达上的不足，将长距离建模的Transformer和强局部感知的卷积神经网络(convolutional neural network, CNN)相结合，提出一种多层级深度特征融合的乳腺癌病理图像分类方法。该... 详细信息

针对既有深度学习方法在乳腺癌病理图像全局与局部特征统一表达上的不足，将长距离建模的Transformer和强局部感知的卷积神经网络(convolutional neural network, CNN)相结合，提出一种多层级深度特征融合的乳腺癌病理图像分类方法。该方法以双分支并行的Deit-B和ResNet-18模型作为骨干架构，在双分支网络中间层和末端位置分别引入特征融合操作，有效加强了乳腺癌病理图像全局与局部深度特征的联合学习；此外，在CNN支流的残差模块间引入密集连接操作来提升中间层融合特征的信息传递。通过全局-局部特征提取与支流间-支流内特征交互，可更有效捕获用于乳腺癌病理图像分类的判别特征。在乳腺癌病理图像公共数据集BreakHis上的消融实验与对比实验结果证明所提出方法的有效性，此外可获得99.83%的最优分类结果。

关键词：病理图像分类乳腺癌卷积神经网络(CNN) Transformer 特征融合