检索结果-南通市图书馆

基于Transformer和通道混合并行卷积的高光谱图像去噪

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7期 2063-2074页

作者：胡帅高峰龚卓然陶盛恩上官心语董军宇中国海洋大学计算机科学与技术学院中国海洋大学三亚海洋研究院

目的高光谱图像因设备及环境因素容易受到噪声污染，导致图像的可见性和分析精度降低，因此高光谱图像去噪任务已经成为遥感图像处理领域国内外研究热点。当前的高光谱图像去噪方法主要面临两个难题：1）对特征的全局信息利用不足。当... 详细信息

目的高光谱图像因设备及环境因素容易受到噪声污染，导致图像的可见性和分析精度降低，因此高光谱图像去噪任务已经成为遥感图像处理领域国内外研究热点。当前的高光谱图像去噪方法主要面临两个难题：1）对特征的全局信息利用不足。当前基于卷积神经网络的方法受限于卷积核的大小，难以捕获特征的全局信息；2）卷积神经网络和Transformer在结构上存在差异，导致两者难以融合，因此，需要考虑合理的特征交互方式，来平衡局部和全局特征提取之间的关系。方法针对上述问题，本文提出了基于Transformer和通道混合并行卷积的高光谱图像去噪模型，包括3个模块：通道混合特征提取模块、基于块下采样的全局增强模块和自适应双向特征融合模块。通过这3个模块的相互作用，可以充分结合全局和局部的特征信息，处理不同区域中的噪声和纹理差异，有效提高模型对空间细节信息的恢复能力。结果实验在2个数据集上与主流的5种方法进行比较，在Pavia数据集中设置不同高斯噪声强度的情况下，相比于性能第2的模型，峰值信噪比（peak signal-to-noise ratio,PSNR）值最大提高了0.4 dB；在ICVL数据集中设置各种混合噪声的情况下，相比于性能第2的模型，PSNR最大提高了2.18 dB。同时可视化的去噪结果图像体现了本文所提出的去噪模型的优异性能。结论本文方法在各种噪声情况下均具有较好的去噪效果，显著优于当前主流方法，能够有效去除高光谱图像中噪声，同时保留图像丰富的纹理信息。

关键词：高光谱图像去噪通道混合 Transformer 特征融合全局注意力

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

面向遥感视觉问答的尺度引导融合推理网络

软件学报 2024年第5期35卷 2133-2149页

作者：赵恩源宋宁聂婕王鑫郑程予魏志强中国海洋大学信息科学与工程学部山东青岛266100 清华大学计算机科学与技术系北京100084 青岛海洋科技中心山东青岛266061

遥感视觉问答(remote sensing visual question answering,RSVQA)旨在从遥感图像中抽取科学知识.近年来,为了弥合遥感视觉信息与自然语言之间的语义鸿沟,涌现出许多方法.但目前方法仅考虑多模态信息的对齐和融合,既忽略了对遥感图像目... 详细信息

遥感视觉问答(remote sensing visual question answering,RSVQA)旨在从遥感图像中抽取科学知识.近年来,为了弥合遥感视觉信息与自然语言之间的语义鸿沟,涌现出许多方法.但目前方法仅考虑多模态信息的对齐和融合,既忽略了对遥感图像目标中的多尺度特征及其空间位置信息的深度挖掘,又缺乏对尺度特征的建模和推理的研究,导致答案预测不够全面和准确.针对以上问题,提出一种多尺度引导的融合推理网络(multi-scale guided fusion inference network,MGFIN),旨在增强RSVQA系统的视觉空间推理能力.首先,设计基于Swin Transformer的多尺度视觉表征模块,对嵌入空间位置信息的多尺度视觉特征进行编码;其次,在语言线索的引导下,使用多尺度关系推理模块以尺度空间为线索学习跨多个尺度的高阶群内对象关系,并进行空间层次推理;最后,设计基于推理的融合模块来弥合多模态语义鸿沟,在交叉注意力基础上,通过自监督范式、对比学习方法、图文匹配机制等训练目标来自适应地对齐融合多模态特征,并辅助预测最终答案.实验结果表明,所提模型在两个公共RSVQA数据集上具有显著优势.

关键词：遥感视觉问答多模态智能融合多模态推理多尺度表征

基于卫星遥感数据的RA-BP神经网络三维海温反演方法

在线全文

学校读者我要写书评

暂无评论

中国海洋大学学报（自然科学版） 2024年第7期54卷 1-11页

作者：万江岳于华明张辰宇温琦中国海洋大学三亚海洋研究院海南三亚572024 中国海洋大学海洋与大气学院山东青岛266100 中国海洋大学信息科学与工程学部计算机科学与技术学院山东青岛266100

本文利用2005—2017年的实测海温数据和卫星观测数据,构建了基于RA-BP神经网络的三维海温反演模型,对2018年印度洋东北部和太平洋西部研究海域海温剖面进行了反演,并与回归分析法和基础BP神经网络反演海温结果进行了对比分析。以均方根... 详细信息

本文利用2005—2017年的实测海温数据和卫星观测数据,构建了基于RA-BP神经网络的三维海温反演模型,对2018年印度洋东北部和太平洋西部研究海域海温剖面进行了反演,并与回归分析法和基础BP神经网络反演海温结果进行了对比分析。以均方根误差和Pearson系数作为检验指标,结果显示所有模型反演海温剖面与实测海温剖面的Pearson系数均在0.99以上。对混合层、温跃层、中深层三个水深范围,RA-BP神经网络模型在印度洋东北部研究区域的均方根误差(RMSE)均值分别为0.32、0.76和0.17℃,在太平洋西部研究区域的RMSE均值分别为0.24、1.01和0.24℃,单个剖面的RMSE在0.6℃以下。这表明在研究海域,基于实测海温数据和卫星遥感数据构建的RA-BP神经网络模型是可行的,且具有良好的反演精度。

关键词：海表温度绝对动力高度回归分析神经网络三维海温反演

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

面向三维多目标追踪的运动补偿优化方法

电子学报 2024年第2期52卷 528-539页

作者：王顺洪张昱沈江楠吉建民张燕咏中国科学技术大学计算机科学与技术学院安徽合肥230027

三维多目标追踪是自动驾驶系统中的关键模块之一,其结果的优劣主要取决于追踪模块中数据关联过程的准确度.现有的追踪方法大多从外观特征或运动特征出发计算两帧之间物体的相似度,而基于运动特征的方法通常根据当前帧和历史帧三维包围... 详细信息

三维多目标追踪是自动驾驶系统中的关键模块之一,其结果的优劣主要取决于追踪模块中数据关联过程的准确度.现有的追踪方法大多从外观特征或运动特征出发计算两帧之间物体的相似度,而基于运动特征的方法通常根据当前帧和历史帧三维包围框之间的交并比(Intersection over Union,IoU)进行关联,然而这种方式在观测点物体自身运动时存在严重缺陷.在观测点物体自身进行运动时,观测到的两帧数据将处于不同的局部坐标系,导致无法使用运动模型准确预测已追踪物体在下一帧中的位置.本文针对上述问题,通过引入观测点自身的惯性测量单元(Inertial Measurement Unit,IMU)或全球定位系统(Global Positioning System,GPS)数据,在一帧数据到达之后计算当前帧局部坐标系与上一帧局部坐标系之间的旋转和平移关系,并对已追踪的物体状态按得到的坐标变换关系进行运动补偿,使其抵消因观测点自身运动造成的偏移量.这种运动补偿增强了追踪模块的数据关联环节,提高追踪时三维包围框的关联成功率,降低误关联数量,改善三维多目标追踪的精度.在相关追踪框架及KITTI数据集上的原型验证表明,所提的运动补偿优化方法实现了1%左右的精度提升.

关键词：自动驾驶运动补偿三维多目标追踪运动特征全球定位系统惯性测量单元

在线全文

学校读者我要写书评

暂无评论

中国学习者英语二语心理词汇网络结构研究

外语教学与研究 2024年第2期56卷 239-250,320页

作者：陈士法周越彭玉乐刘洁 Brent Wolter 中国海洋大学

本研究基于中国英语学习者和英语母语者的词汇联想测试数据,利用网络科学技术,从宏观、中观和微观三个层面探索中国学习者英语二语心理词汇网络结构。研究发现有二。1)二语心理词汇网络的平均最短路径和聚集系数与其对应的随机网络参数... 详细信息

本研究基于中国英语学习者和英语母语者的词汇联想测试数据,利用网络科学技术,从宏观、中观和微观三个层面探索中国学习者英语二语心理词汇网络结构。研究发现有二。1)二语心理词汇网络的平均最短路径和聚集系数与其对应的随机网络参数相比,均存在显著差异。2)二语心理词汇网络与母语心理词汇网络在宏观层面无显著差异,在中观层面存在显著差异,在微观层面存在质的差异:二语心理词汇网络以语义为主,语义-非语义混合联结,母语心理词汇网络以语义联结为主;此外,二语水平只在微观层面影响二语心理词汇网络的内部联结:高水平学习者的语义联结占比高。据此,本文构建了英语二语心理词汇的复杂网络:节点聚集程度较高,结构优化,信息通达速度较快;随着二语水平提高,语义联结不断加强,网络结构会更优化,信息交流更有效。

关键词：二语心理词汇网络复杂网络二语水平词汇联想网络科学

在线全文

学校读者我要写书评

暂无评论

基于区块链构建安全去中心化的联邦学习方案

中国科学：信息科学 2024年第2期54卷 316-334页

作者：王恺祺洪睿琦毛云龙仲盛南京大学计算机科学与技术系南京210023

联邦学习甫一问世便得到了广泛的关注,被认为是一种具有广阔前景的分布式机器学习范式.然而,传统联邦学习方案基于中央服务器的集中式设计,在效率和可扩展性上存在不足.此外,集中式设计需要有可信的中央节点协调参与者完成训练,可能导... 详细信息

联邦学习甫一问世便得到了广泛的关注,被认为是一种具有广阔前景的分布式机器学习范式.然而,传统联邦学习方案基于中央服务器的集中式设计,在效率和可扩展性上存在不足.此外,集中式设计需要有可信的中央节点协调参与者完成训练,可能导致信任和可靠性的问题,例如中央服务器被操控或是出现单点故障.为了解决上述问题,相关领域的研究人员提出了基于区块链的去中心化联邦学习方案.去中心化联邦学习修补了传统集中式联邦学习的缺陷,但与此同时也引入了全新的攻击面.具体而言,由于区块链将网络中节点发起的全部事务保存在一个公开共享的数字账本,所有区块链节点都可以获取联邦学习参与者每轮的本地训练模型副本.这一现象严重地侵害了参与者的数据隐私和自身利益.在上述困境的驱动下,本文提出了一种安全去中心化联邦学习的可行方案,能够同时解决联邦学习参与者的数据机密性问题和学习公平性问题.区别于此前的研究工作,还提出了一种基于区块链的联邦学习的生产–消费模型,用于在模型安全聚合过程中审查参与者的本地行为,防止出现参与者不劳而获或是虚假训练的情况,在此基础上本文提出APoS共识机制,提供一种激励与审查机制,确保参与者在联邦学习的过程中倾向于选择诚实的训练.

关键词：联邦学习安全去中心化网络区块链数据消费激励机制

基于动态采样对偶可变形网络的实时视频实例分割

在线全文

学校读者我要写书评

暂无评论

浙江大学学报（工学版） 2024年第2期58卷 247-256页

作者：宋一然周千寓邵志文易冉马利庄上海交通大学计算机科学与工程系上海200240 中国矿业大学计算机科学与技术学院江苏徐州221116

为了更好地利用视频帧中蕴含的时间信息,提升视频实例分割的推理速度,提出动态采样对偶可变形网络(DSDDN). DSDDN使用动态采样策略,根据前、后帧的相似性调整采样策略.对于相似性高的帧,该方法跳过当前帧的推理过程,仅使用前帧分割进行... 详细信息

为了更好地利用视频帧中蕴含的时间信息,提升视频实例分割的推理速度,提出动态采样对偶可变形网络(DSDDN). DSDDN使用动态采样策略,根据前、后帧的相似性调整采样策略.对于相似性高的帧,该方法跳过当前帧的推理过程,仅使用前帧分割进行简单迁移计算.对于相似性低的帧,该方法动态聚合时间跨度更大的视频帧作为输入,对当前帧进行信息增强.在Transformer结构里,该方法额外使用2个可变形操作,避免基于注意力的方法中的指数级计算量.提供精心设计的追踪头和损失函数,优化复杂的网络.在YouTube-VIS数据集上获得了39.1%的平均推理精度与40.2帧/s的推理速度,验证了提出的方法能够在实时视频分割任务上取得精度与推理速度的良好平衡.

关键词：视频实时推理实例分割动态网络对偶可变形网络

相干差分吸收二氧化碳激光雷达仿真与误差分析

在线全文

学校读者我要写书评

暂无评论

光学学报 2024年第6期44卷 145-156页

作者：李因营陈相成于翠荣戴光耀吴松华中国海洋大学信息科学与工程学部海洋技术学院山东青岛266100 青岛镭测创芯科技有限公司山东青岛266101 崂山实验室山东青岛266237 中国海洋大学海洋高等研究院山东青岛266100

阐述了相干差分吸收激光雷达(CDIAL)探测大气二氧化碳(CO_(2))的原理,设计了1.57μm波段微脉冲相干探测系统,并对系统的回波信号进行了仿真。通过仿真计算分别探究了温度、压力、波长等因素对差分光学厚度计算及CO_(2)体积分数的反演精... 详细信息

阐述了相干差分吸收激光雷达(CDIAL)探测大气二氧化碳(CO_(2))的原理,设计了1.57μm波段微脉冲相干探测系统,并对系统的回波信号进行了仿真。通过仿真计算分别探究了温度、压力、波长等因素对差分光学厚度计算及CO_(2)体积分数的反演精度的影响。仿真结果显示:当波长漂移为0.5 pm、温度不确定度为1 K、压强不确定度为1 h Pa、水汽体积分数测量不确定度为10%时,这些参数引起的总体误差为0.45%;在大气中CO_(2)的体积分数为4×10^(-4)时,微脉冲相干激光雷达探测CO_(2)体积分数的测量误差约为1.8×10^(-6)。

关键词：大气光学二氧化碳体积分数相干差分吸收激光雷达仿真与性能评估

在线全文

学校读者我要写书评

暂无评论

Navi:基于自然语言交互的数据分析系统

软件学报 2024年第3期35卷 1194-1206页

作者：谢宇鹏骆昱宇冯建华青海大学计算机技术与应用系青海西宁810016 香港科技大学(广州) 广东广州511400 清华大学计算机科学与技术系北京100084

随着大数据时代的到来,数据分析的作用日益显著.它能够从海量数据中发现有价值的信息,从而更有效地指导用户决策.然而,数据分析流程中存在三大挑战:分析流程高耦合、交互接口种类多和探索分析高耗时.为了应对上述挑战,提出了基于自然语... 详细信息

随着大数据时代的到来,数据分析的作用日益显著.它能够从海量数据中发现有价值的信息,从而更有效地指导用户决策.然而,数据分析流程中存在三大挑战:分析流程高耦合、交互接口种类多和探索分析高耗时.为了应对上述挑战,提出了基于自然语言交互的数据分析系统Navi.该系统采用模块化的设计原则,抽象出主流数据分析流程的3个核心功能模块:数据查询、可视化生成和可视化探索模块,从而降低系统设计的耦合度.同时,Navi以自然语言作为统一的交互接口,并通过一个任务调度器实现了各功能模块的有效协同.此外,为了解决可视化探索中搜索空间指数级和用户意图不明确的问题,提出了一种基于蒙特卡洛树搜索的可视化自动探索方法,并设计了基于可视化领域知识的剪枝算法和复合奖励函数,提高了搜索效率和结果质量.最后,通过量化实验和用户实验验证了Navi的有效性.

关键词：数据分析数据查询可视化自然语言蒙特卡洛树搜索