检索结果-南通市图书馆

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

双编码端高分辨率遥感影像语义分割算法

计算机科学与探索 2024年

作者：吴梦可高心丹东北林业大学计算机与控制工程学院

遥感影像具有多尺度对象、复杂背景、不均衡类别等特点。基于卷积神经网络(Convolutional Neural Network，CNN)的语义分割算法难以捕捉到影像的全局特征，导致分割效果不佳。针对以上问题，利用Swin Transformer的全局特征提取能力，... 详细信息

遥感影像具有多尺度对象、复杂背景、不均衡类别等特点。基于卷积神经网络(Convolutional Neural Network，CNN)的语义分割算法难以捕捉到影像的全局特征，导致分割效果不佳。针对以上问题，利用Swin Transformer的全局特征提取能力，提出了双编码端高分辨率遥感影像语义分割算法DEGFNet(Dual Encoders and Global Local Transformer Feature Refinement Network)。首先，设计特征融合模块(Feature Fusion Block，FFB)将Swin Transformer捕获的全局特征引入编码端，应对多尺度对象带来的挑战，同时，在Swin Transformer中设计空间交互模块(Spatial Interaction Block，SIB)，降低复杂背景样本带来的负面影响；其次，在解码端引入全局-局部注意力模块(Global Local Transformer Block，GLTB)和特征细化模块(Feature Refinement Block，FRB)，来更好地利用编码端提取的信息，提高语义分割的精确性；最后，采用交叉熵损失和Dice Loss组成的混合损失函数训练模型，减轻样本类别不均衡带来的消极影响。在Vaihingen数据集上，宏观平均F1值(macro-F1，mF1)、平均交并比(mean Intersection over Union，mIoU)和整体准确率(Overall Accuracy，OA)指标分别达到91.9%、84.8%和92.4%，在LoveDA数据集上，mIoU指标达到55.0%，均展现出了更好的语义分割效果和良好的泛化性。

关键词：高分辨率遥感影像语义分割卷积神经网络 Swin Transformer

基于锥形追踪和网络分解的NeRF三维重建方法

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：景维鹏王源锋李超东北林业大学计算机与控制工程学院

在计算机视觉领域，神经辐射场(Neural Radiance Fields， NeRF)是以空间坐标或者其他维度(时间、相机位姿等)作为输入，通过多层感知机(Multilayer Perceptron， MLP)网络模拟目标函数，生成目标标量(颜色、深度等)的过程。NeRF的应用... 详细信息

在计算机视觉领域，神经辐射场(Neural Radiance Fields， NeRF)是以空间坐标或者其他维度(时间、相机位姿等)作为输入，通过多层感知机(Multilayer Perceptron， MLP)网络模拟目标函数，生成目标标量(颜色、深度等)的过程。NeRF的应用包括对三维场景进行高质量的重建，而其在处理不同分辨率的场景时会产生过度模糊或者伪影的渲染效果，且存在训练耗时较长的问题。为了解决这两个问题，提出了基于锥形追踪和网络分解的NeRF三维重建方法。首先使用了锥形追踪的方法，通过为每个像素投射一个圆锥体，并将投射的圆锥体切割成一系列的圆锥台，沿着该圆锥体进行特征化，通过高效渲染抗锯齿的圆锥台来降低模糊或者伪影效果。为了缩短训练时间，使用网络分解的方法，将原始NeRF接收5维数据的神经网络分解为两个网络，有效地缩短了训练时间。实验结果表明，本文的方法在NeRF＿Synthetic、LLFF和Multiresolution数据集中，相比于NeRF、F2-NeRF等算法重建效果提升了14.4%-24.6%，训练时间也缩减到1/10，能够重建出更丰富的细节特征，其视觉效果更加良好，训练速度也更快。

关键词：神经辐射场多层感知机三维重建神经网络隐式重建锥形追踪网络分解

基于IPSO-BP算法的WPT系统结构参数优化方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电源学报 2024年

作者：李振杰白玉鸿刘一琦班明飞东北林业大学计算机与控制工程学院

以提高无线电能传输（WPT）系统的传输效率为目标，对WPT系统的结构参数进行优化。针对WPT系统结构参数设计领域内的传统优化方法效率低、全面性差的问题，建立SS型WPT系统的参数优化模型，确定优化参数。在此基础上，提出一种综合了正... 详细信息

以提高无线电能传输（WPT）系统的传输效率为目标，对WPT系统的结构参数进行优化。针对WPT系统结构参数设计领域内的传统优化方法效率低、全面性差的问题，建立SS型WPT系统的参数优化模型，确定优化参数。在此基础上，提出一种综合了正交试验、有限元仿真以及改进的粒子群优化（IPSO）-反向传播神经网络（BP）算法的WPT系统结构参数优化方法。实验结果表明，预测结果与实验结果间的平均误差值为4.3%，该优化方法合理可行，对WPT系统的结构参数优化具有参考意义。

关键词：无线电能传输粒子群算法神经网络结构参数优化

基于注意力机制融合多特征的东北虎个体自动跟踪方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

生物多样性 2024年第3期32卷 137-150页

作者：许群谢永华东北林业大学计算机与控制工程学院哈尔滨150040

跟踪野生动物可以了解它们的生态习性和种群动态。自动化的、高效准确的目标跟踪算法对于野生动物保护具有重要意义。由于东北虎(Panthera tigris altaica)生存环境复杂,行动方式隐蔽且具有快速运动的特点,拍摄到的图像可能存在运动模... 详细信息

跟踪野生动物可以了解它们的生态习性和种群动态。自动化的、高效准确的目标跟踪算法对于野生动物保护具有重要意义。由于东北虎(Panthera tigris altaica)生存环境复杂,行动方式隐蔽且具有快速运动的特点,拍摄到的图像可能存在运动模糊问题,难以捕获清晰稳定的画面。因此,监测东北虎种群的难点在于实现自动准确地跟踪东北虎个体。在实际环境中,由于光照变化、遮挡、相似性干扰等问题的存在,导致错误跟踪东北虎个体。针对这些问题,本文提出了一种基于注意力特征融合的孪生网络跟踪框架,旨在实现对实际复杂场景中东北虎个体的准确跟踪。基于孪生网络的视觉目标跟踪框架将目标跟踪视为相似性学习问题,本文对传统基于孪生网络的跟踪架构进行改进,将注意力特征融合嵌入主干网络ResNet50中进行特征提取。为了增强模型对跟踪场景中发生极端尺度变化的东北虎个体的关注度,本文在注意力特征融合模块中引入了多尺度通道注意力机制,以适应不同的东北虎个体状态和环境变化。实验结果表明,本文的方法与当前的先进跟踪器相比取得了更优的跟踪性能,跟踪成功率和精确度分别达到了72.5%和93.9%,相比基准跟踪算法分别提高了4.1%和2.3%,证明本文的跟踪方法可以在复杂的实际场景下为自动高效地监测东北虎提供一种有效的方案。

关键词：东北虎单目标跟踪孪生网络特征融合注意力机制

维普期刊数据库

融合多粒度语义信息和知识图谱的中文医疗问答匹配模型

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 2023年

作者：管立本李实东北林业大学计算机与控制工程学院

中文医疗领域问答容易受到医疗特定词汇的噪声影响，相对于开放领域问答其更具有挑战性。以往的中文医疗问答研究主要依赖于字符级别的细粒度信息，忽略了携带更多语义信息的单词级别的粗粒度信息。此外，引入外部医学知识图谱可以进一... 详细信息

中文医疗领域问答容易受到医疗特定词汇的噪声影响，相对于开放领域问答其更具有挑战性。以往的中文医疗问答研究主要依赖于字符级别的细粒度信息，忽略了携带更多语义信息的单词级别的粗粒度信息。此外，引入外部医学知识图谱可以进一步丰富问答句子中的细粒度信息，然而目前大多数研究通常只采用句子和外部知识共同表示的简单方式。由此提出一种融合多粒度语义信息和知识图谱的中文医疗问答匹配模型(CMQA-MGSI)。该模型引入Lattice网络，结合Word2Vec和BERT设计了两种特征向量提取模型来选择问答句子中最相关的字符序列和单词序列以获得更丰富的多粒度语义信息；为了更好的融合外部领域知识，设计双通道注意力模块提取问答句子和知识图谱中实体嵌入以及关系嵌入之间多个角度的知识表征信息。该模型在数据集cMedQA1.0和cMedQA2.0上的实验表明，效果优于现有的问答匹配模型。

关键词：中文医疗问答多粒度信息知识图谱 Lattice网络注意力机制

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

改进残差网络甜瓜叶片病害的识别研究

计算机工程与应用 2023年

作者：黄英来姜忠良东北林业大学计算机与控制工程学院

针对甜瓜叶片不同程度的病害识别研究较少，人工检测实时性差且存在识别准确率较低等问题，提出了一种基于改进残差网络模型的甜瓜叶片病害识别方法。首先，将传统的ResNet50模型作为骨干网络，将ReLu激活函数替换为ELU激活函数；其次，... 详细信息

针对甜瓜叶片不同程度的病害识别研究较少，人工检测实时性差且存在识别准确率较低等问题，提出了一种基于改进残差网络模型的甜瓜叶片病害识别方法。首先，将传统的ResNet50模型作为骨干网络，将ReLu激活函数替换为ELU激活函数；其次，将ResNet50的模型的第一层卷积中的7×7卷积核替换成Incption结构，在全连接层之后加入Dropout层，增强模型的表达能力并缓解过拟合问题；最后，引入MHSA多头注意力机制，提高模型的泛化能力。进行数据预处理，将训练集与测试集的比例划分为7:3，采用数据增强的方式对小样本数据集进行扩充。实验结果表明：改进的残差网络模型准确率与原模型相比提高了1.03个百分点，识别准确率达到98.72%且模型参数量为19.3MB。与其他网络模型相比准确率大幅提升，可以为甜瓜叶片病害的高效识别和及时预防治理提供参考。

关键词：甜瓜叶片病害图象识别残差网络多头注意力机制深度学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于深度学习的道路损坏检测算法研究

哈尔滨理工大学学报 2024年

作者：于鸣向广德于金生东北林业大学计算机与控制工程学院

针对道路损伤检测中存在的小目标检测难，图像背景复杂，在检测过程中易出现漏检，误检等问题。提出了一种改进Yolov5s的道路损伤检测算法，首先在主干网络中添加轻量级的注意力模块，使得网络模型更为关注检测目标中的重要信息。其次... 详细信息

针对道路损伤检测中存在的小目标检测难，图像背景复杂，在检测过程中易出现漏检，误检等问题。提出了一种改进Yolov5s的道路损伤检测算法，首先在主干网络中添加轻量级的注意力模块，使得网络模型更为关注检测目标中的重要信息。其次改进颈部网络中的特征融合机制，提高对重要特征的使用，在网络深处使用gsconv模块来替换模型原有的卷积模块，减少网络的参数量，达到提升模型的检测速度的目的，最后使用SIOU作为损失函数，来提高模型检测的稳定性。根据实验结果得出，改进网络在参数量为原模型89%的同时，其精准率，召回率，以及精度相较于原始网络模型分别提升了6.8%，2%，1.6%。证明了改进方法有效的提高道路损伤检测的准确性和效率。

关键词：深度学习目标检测注意力机制道路损伤特征融合

一种面向农产品供应链信息管理应用的改进PBFT算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

重庆理工大学学报(自然科学) 2023年

作者：黄英来黄鹤林谷训开杨柳松东北林业大学计算机与控制工程学院

在农产品供应链信息管理系统中，常见的共识算法是实用拜占庭容错算法（Practical Byzantine Fault Tolerance，PBFT）。但当网络规模扩大、交易量增加，PBFT面临性能瓶颈。同时，在复杂场景下，PBFT可能因节点间通信延迟和节点失效等... 详细信息

在农产品供应链信息管理系统中，常见的共识算法是实用拜占庭容错算法（Practical Byzantine Fault Tolerance，PBFT）。但当网络规模扩大、交易量增加，PBFT面临性能瓶颈。同时，在复杂场景下，PBFT可能因节点间通信延迟和节点失效等问题，效率和稳定性大打折扣。为应对这些挑战，研究提出了一种面向农产品供应链信息管理场景的改进PBFT算法，即MFW-PBFT（Multi-Factor Weighted PBFT）算法。该算法通过基于节点的活跃度、数据贡献度和历史行为等多因素权重，选出一部分节点作为“代理节点”参与共识过程，且对一致性协议进行优化，从而在一定程度上解决了传统PBFT算法的性能瓶颈问题。研究的结果显示，MFW-PBFT算法相较于传统PBFT算法和两种流行的改进PBFT算法，在处理大规模网络和交易数据时表现出更高的效率和稳定性。

关键词：农产品供应链信息管理系统共识算法区块链 MFW-PBFT算法

基于多域特征结合CBAM模型的脑电信号抑郁识别

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

哈尔滨理工大学学报 2023年

作者：陈宇胡秀秀王胜东北林业大学计算机与控制工程学院

目前脑电信号（EEG）的抑郁症识别方法主要采用单一特征提取方法，无法覆盖多域特征信息，导致现有模型分类性能不高，因此本文提出了一种多域特征结合CBAM模型（CNN-BiLSTM-Attention Mechanism）的抑郁症识别算法。首先利用连续小波... 详细信息

目前脑电信号（EEG）的抑郁症识别方法主要采用单一特征提取方法，无法覆盖多域特征信息，导致现有模型分类性能不高，因此本文提出了一种多域特征结合CBAM模型（CNN-BiLSTM-Attention Mechanism）的抑郁症识别算法。首先利用连续小波变换（CWT）提取时频域特征，并结合脑电电极空间信息构成2D特征图像，共同保留脑电的空间、时间和频率信息；然后使用卷积神经网络(convolutional neural network，CNN)提取空间和频域特征，再输入双向长短时记忆网络(bidirectional long and short-term memory，BiLSTM)以捕获时间信息；最后结合注意力机制（Attention Mechanism，AM），对网络提取的多域特征赋予不同的权重，以筛选出更具代表性的抑郁特征，从而提高识别抑郁症的准确性。实验表明，本文提出的基于CBAM模型的抑郁症识别算法在公共数据集上取得了99.10%的准确率，为脑电信号抑郁症识别研究提供了一种有效的新方法。

关键词：脑电图抑郁症卷积神经网络双向长短时记忆网络注意力机制