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

元宇宙技术发展与应用综述

计算机科学 2025年

作者：曹明伟张迪彭圣洁李宁赵海峰安徽大学计算机科学与技术学院

元宇宙是一个结合虚拟现实、增强现实、人工智能和互联网技术的虚拟世界，不仅提供一个数字化的沉浸式环境，还代表一种新的社会互动和经济模式。随着一些科技巨头和创新企业的积极投入，元宇宙的快速发展在多个领域引起了广泛关注。本... 详细信息

元宇宙是一个结合虚拟现实、增强现实、人工智能和互联网技术的虚拟世界，不仅提供一个数字化的沉浸式环境，还代表一种新的社会互动和经济模式。随着一些科技巨头和创新企业的积极投入，元宇宙的快速发展在多个领域引起了广泛关注。本文着眼于元宇宙的起源、技术基础、当前应用以及对社会和经济的影响，探讨了其面临的隐私和安全问题，并展望了未来的发展方向。通过对元宇宙的多个方面进行深入分析，为理解和探索这一复杂前沿领域提供全面的理论框架，并为未来进一步对其进行研究和实践提供参考。

关键词：元宇宙虚拟世界应用技术隐私安全未来发展

基于SfM与Instant-NGP的田间大豆植株三维重建方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

农业工程学报 2025年

作者：曹鑫秦绪佳徐晓刚浙江工业大学计算机科学与技术学院之江实验室浙江工商大学计算机科学与技术学院

针对以往田间环境下大豆植株三维重建过程中存在的数据采集设备成本较高、重建阶段耗时较长等问题，该研究提出一种基于运动检测自适应抽帧、运动恢复结构（structure from motion,SfM）与即时神经图形原语（instant neural graphics pr... 详细信息

针对以往田间环境下大豆植株三维重建过程中存在的数据采集设备成本较高、重建阶段耗时较长等问题，该研究提出一种基于运动检测自适应抽帧、运动恢复结构（structure from motion,SfM）与即时神经图形原语（instant neural graphics primitives,Instant-NGP）的田间大豆植株三维重建方法 SfM-INGP。该方法旨在提供一套低成本、高效率且高质量的田间大豆植株三维重建方案。首先，在田间环境下利用消费级智能手机环绕拍摄大豆植株全景视频，并基于运动检测的自适应速率抽帧方式获取大豆植株多视角图像序列，以减少冗余数据并提升计算效率；其次，利用SfM算法从多视角图像中恢复相机位姿，生成稀疏点云，为后续重建提供位姿信息；最后，通过Instant-NGP算法对含有位姿信息的大豆植株图像进行多分辨率哈希编码，将其输入小型多层感知机进行训练，以完成高效的三维重建。试验结果表明，在重建效率方面，与多视图立体视觉（motion-multi view stereo,MVS）和神经辐射场（neural radiance fields, NeRF）方法相比，SfM-INGP的平均重建时间为2.82 min，分别大幅缩短90.7%和99.4%；在重建质量方面，SfM-INGP的平均峰值信噪比为24.47 dB，较MVS和NeRF分别有效提高15.4%和9.3%；在重建精度方面，SfM-INGP的均方误差为0.15，显著低于MVS的0.46和NeRF的0.37；在计算资源消耗方面，SfM-INGP的平均显存消耗为6.57 GB，虽略高于MVS的5.73 GB，但远低于NeRF的14.81 GB，展现了SfM-INGP方法在重建效率、质量、精度与计算资源消耗之间的良好平衡。该研究提出的方法在实际农业田间环境下通过低成本的数据采集设备，实现了高效率且高质量的田间大豆植株三维重建，为大豆信息化育种平台建设提供了重要的技术支持和数据基础，在其他田间作物的三维重建中具有广泛应用潜力，为未来大规模农业信息化建设提供可行性方案。

关键词：图像处理三维重建大豆 Instant-NGP SfM 神经辐射场

一种基于核数据变换方法的遥感图像谱聚类算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

林业工程学报 2025年第02期10卷 130-137页

作者：赵海军陈华月崔梦天西华师范大学计算机学院西南民族大学计算机科学与技术学院

随着遥感图像在各行各业的日益广泛应用,遥感图像的处理变得愈来愈重要。为了实现谱聚类算法应用于林业工程中的遥感图像处理,本研究提出了一种新的基于核数据变换和基于角距离度量的谱聚类算法。首先,通过对基于多变量核特征提取的一... 详细信息

随着遥感图像在各行各业的日益广泛应用,遥感图像的处理变得愈来愈重要。为了实现谱聚类算法应用于林业工程中的遥感图像处理,本研究提出了一种新的基于核数据变换和基于角距离度量的谱聚类算法。首先,通过对基于多变量核特征提取的一般核熵成分分析法的分析,并基于信息论概念和核密度估计密切相关的瑞利二次熵,提出了一种新的最佳特征提取和无监督降维方法,即最佳核熵成分分析法。它根据类或聚类信息方面的数据结构,采用一个额外的旋转,使得成分之间的独立性最大化;在这些成分中最佳地捕捉数据的高信息势部分,直接找到关于保留成分的数量的最大化信息势的基,以确保得到的解比标准的核熵成分分析得到的解保留更多(或相等)的信息势;并提出了采用梯度上升法来求解最佳核熵成分分析优化问题,具体实现是采用了一种简单的提前终止方案,以确保梯度达到一个额外迭代不会显著修改成本函数的区域。其次,通过对最佳核熵成分分析变换和样本外扩展的分析,构建了一种基于角距离度量的谱聚类算法,它采用角距离度量的核k-均值聚类目标,而不是采用基于欧氏距离的度量。优化过程采用最佳核熵成分分析空间中的角距离,以保证收敛到局部最优,从而实现图像的聚类。基于多光谱卫星图像的实验结果表明,本研究提出的谱聚类算法不仅适用于遥感图像的云筛选问题,而且相比目前其他先进的聚类算法有更好的分类性能。

关键词：遥感图像非线性特征提取概率密度函数 k-均值瑞利熵谱聚类

同方期刊数据库

图像处理中CNN与视觉Transformer混合模型研究综述

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 2025年第1期19卷 30-44页

作者：郭佳霖智敏殷雁君葛湘巍内蒙古师范大学计算机科学技术学院呼和浩特010022

卷积神经网络(CNN)与视觉Transformer是目前图像处理领域中两大重要的深度学习模型,两者经过多年来不断的研究与进步,已在该领域取得了非凡的成就。近些年来,CNN与视觉Transformer的混合模型正在逐步兴起,广泛的研究不断克服两种模型存... 详细信息

卷积神经网络(CNN)与视觉Transformer是目前图像处理领域中两大重要的深度学习模型,两者经过多年来不断的研究与进步,已在该领域取得了非凡的成就。近些年来,CNN与视觉Transformer的混合模型正在逐步兴起,广泛的研究不断克服两种模型存在的弱项,高效地发挥出各自的亮点,在图像处理任务中表现出优异的效果。基于CNN与视觉Transformer混合模型进行深入阐述。总体概述了CNN与Vision Transformer模型的架构和优缺点,并总结混合模型的概念及优势。围绕串行结构融合方式、并行结构融合方式、层级交叉结构融合方式以及其他融合方式等四个方面全面回顾梳理了混合模型的研究现状和实际进展,并针对各种融合方式的主要代表模型进行总结与剖析,从多方面对典型混合模型进行评价对比。多角度叙述了混合模型在图像识别、图像分类、目标检测和图像分割等实际图像处理特定领域中应用研究,展现出混合模型在具体实践中的适用性和高效性。深入分析混合模型未来研究方向,并为后续该模型在图像处理中的研究与应用提出展望。

关键词：卷积神经网络(CNN) 视觉Transformer 混合模型图像处理深度学习

基于Wi-Fi CSI和胶囊网络的纺织纤维识别方法

在线全文

学校读者我要写书评

暂无评论

传感器与微系统 2025年第3期44卷 107-110+116页

作者：张慧卉谷林西安工程大学计算机科学学院

针对传统纺织纤维识别方法中存在识别周期长、技术障碍高、检测仪器昂贵、且对专业人员依赖性强等问题，提出了一种基于Wi-Fi信道状态信息(CSI)的纺织纤维识别方法。首先，采集Wi-Fi信号的CSI并进行去噪处理；然后，提取小波包分解的时... 详细信息

针对传统纺织纤维识别方法中存在识别周期长、技术障碍高、检测仪器昂贵、且对专业人员依赖性强等问题，提出了一种基于Wi-Fi信道状态信息(CSI)的纺织纤维识别方法。首先，采集Wi-Fi信号的CSI并进行去噪处理；然后，提取小波包分解的时频特征，采用主成分分析(PCA)进行数据降维；最后，通过基于多头自注意力(MHSA)机制的胶囊网络(CapsNet)对输入特征矩阵的时空特征进行有偏向的提取，输出样本所属类别的概率。实验结果表明：该方法可以有效识别纺织纤维的种类，在室内独立环境下，平均识别率达到93.8%,证明了该方法的有效性和通用性，与现有的纺织纤维识别方法相比，具有更大的技术优势和更加广阔的现实应用前景。

关键词：纺织纤维识别信道状态信息胶囊网络小波包分解多头自注意力机制

一种用于联合低光增强和人脸超分的深度学习网络

在线全文

学校读者我要写书评

暂无评论

智能系统学报 2025年

作者：丛维仪郑卓然贾修一南京理工大学计算机科学与工程学院

在低光环境下，人脸图像增强是许多任务的重要恢复方法。然而，现有的低光环境下人脸超分辨率方法通常依赖于低光增强和超分算法的序列建模。遗憾的是，由于优化目标之间的差异，使用这种方法来增强人脸图像很容易导致伪影或噪声。为了... 详细信息

在低光环境下，人脸图像增强是许多任务的重要恢复方法。然而，现有的低光环境下人脸超分辨率方法通常依赖于低光增强和超分算法的序列建模。遗憾的是，由于优化目标之间的差异，使用这种方法来增强人脸图像很容易导致伪影或噪声。为了应对这一挑战，本文提出了一个端到端的低光人脸图像超分辨率网络LFSRNet（low-light face super resolution network）。该网络由浅层特征提取、深层特征提取和特征过滤上采样3个模块组成。浅层特征模块首先将输入的低光、低分辨率人脸图像映射到特征空间。随后，深度特征提取模块对其进行亮度校正并细化结构。最后，特征过滤上采样模块处理提取到的特征并重建人脸图像。此外，为了更好地重建丢失的面部细节本文还设计了一个损失函数faceMaskLoss。大量实验证明了所提模型的有效性。

关键词：人脸超分辨率低光图像增强监督学习随机掩码损失函数深度学习局部特征提取全局特征提取

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

CARFB:即插即用的目标检测模块

计算机科学与探索 2025年第1期19卷 223-236页

作者：杨梅君姚若侠谢娟英陕西师范大学计算机科学学院西安710119

针对坐标注意力(CA)在水平和垂直方向特征的平均池化可能丢失目标显著特征,以及使用二维普通卷积对小目标特征学习不足的情况,提出了CARFB(coordinate attention and receptive field block)模块。该模块将CA的平均池化修改为平均+最大... 详细信息

针对坐标注意力(CA)在水平和垂直方向特征的平均池化可能丢失目标显著特征,以及使用二维普通卷积对小目标特征学习不足的情况,提出了CARFB(coordinate attention and receptive field block)模块。该模块将CA的平均池化修改为平均+最大池化,以保留输入特征在水平和垂直方向的显著和细节信息;利用RFB具有不同大小感受野的优势,在水平和垂直方向分别使用RFB模块代替CA的融合特征统一卷积,以同时提取不同大小目标的特征;引入包含不同大小卷积核和步长的CBS模块,替换CA的二维普通卷积,进一步提取水平和垂直方向的特征,得到重新加权的输出特征。CARFB模块在水平和垂直方向保存目标位置信息,利用不同感受野提取不同大小目标的强辨别性特征,从而具有更强的特征学习能力。为了验证提出的即插即用模块CARFB的性能,将其嵌入ObjectBox目标检测框架,得到ObjectBox-CARFB模型;用CARFB模块替换RFBnet中的RFB模块,得到CARFBnet目标检测模型。MSCOCO数据集的实验测试表明,ObjectBox-CARFB模型的性能得到全面提升,尤其对小目标的检测性能提升突出;PASCALVOC和MSCOCO数据集的实验结果表明,CARFBnet300和CARFBnet512的目标检测能力分别优于原始RFBnet300和RFBnet512模型,并优于其他同系列对比模型。提出的CARFB模块具有更强的特征学习能力,对不同尺度目标均能取得较好的检测效果,特别是在小目标检测方面,效果提升显著。提出的CARFB模块可以嵌入到任何一个卷积神经网络,能保存更多的目标信息,具有更强的特征学习能力和更高的网络性能,对不同尺度目标均能取得较好的检测效果,尤其对小目标的检测效果提升显著。

关键词：目标检测感受野模块(RFB) 坐标注意力小目标深度学习

在线全文

学校读者我要写书评

暂无评论

意图驱动的网络流量分布式测量方法

软件学报 2025年第2期36卷 732-746页

作者：张宇鑫李福亮元禹博王兴伟东北大学计算机科学与工程学院辽宁沈阳110819

可编程交换机的网络流量测量技术凭借其特性可以处理高速网络流量,在灵活性、实时性等方面均有巨大的优势.然而,由于需要使用复杂的P4语言配置交换机的内部逻辑,测量任务部署复杂且易错.此外,测量准确度往往受限于交换机内部可用的测量... 详细信息

可编程交换机的网络流量测量技术凭借其特性可以处理高速网络流量,在灵活性、实时性等方面均有巨大的优势.然而,由于需要使用复杂的P4语言配置交换机的内部逻辑,测量任务部署复杂且易错.此外,测量准确度往往受限于交换机内部可用的测量资源.详细研究基于意图的网络及网络流量测量技术,提出一种意图驱动的网络流量分布式测量方法.首先,设计基于测量意图原语的意图表示形式,构建意图编译器将抽象意图表示转译为可执行的P4代码.其次,提出网络流量分布式测量方法,使用多台交换机的资源以分布式的方式协同完成一个测量任务,以大流测量为例介绍测量资源动态分配及计数器配置算法.最后,实验结果表明所提出的方法可行并且具有一定的优越性.

关键词：网络流量测量基于意图的网络意图表示意图转译可编程交换机

在线全文

学校读者我要写书评

暂无评论

基于背景-前景组成式建模的电路板异常检测

计算机研究与发展 2025年第1期62卷 144-159页

作者：傅冰飞陈同林许枫朱麟李斌薛向阳复旦大学计算机科学技术学院上海200438 联想研究院人工智能实验室北京100094

异常检测的目标是检测众多正常样本中的异常样本.在大数据时代,如何将异常检测应用于现实场景成为当下需要着重思考的问题之一.目前已有模型存在难以处理实际场景中遮挡、光照、色差等动态干扰,无法快速迁移应用场景等问题.基于此,提出... 详细信息

异常检测的目标是检测众多正常样本中的异常样本.在大数据时代,如何将异常检测应用于现实场景成为当下需要着重思考的问题之一.目前已有模型存在难以处理实际场景中遮挡、光照、色差等动态干扰,无法快速迁移应用场景等问题.基于此,提出了一种基于背景-前景组成式建模的深度学习模型,用于检测电路板场景中的异常物体.首先通过特征提取网络将输入图像重构为不包含异常物体的干净背景图像,并通过跳层连接保留图像可能存在的动态干扰.得到重构背景后,通过空间变换网络提取到异常物体的位置信息,利用自编码器提取到异常物体外观、形状和存在的隐空间表示并重构出每个异常物体.将重构的异常物体和背景图像组合得到完整图像并通过对异常物体的存在表示给定阈值来实现异常检测.为了验证方法的有效性,从真实的电路板组装环境中收集数据,并模拟实际生产中标注有限的情景,从而创建用于分析的电路板异物数据集.此外,还在航道异物碎片数据集上进行实验验证.结果表明,提出的方法在该数据集上表现良好,能够检测出9个真实场景数据中的所有异常目标,漏检率低至0%,可以应用于现实世界的电路板组装场景.

关键词：异常检测合成数据集组成式建模生成式模型多阶段训练