检索结果-南通市图书馆

YOLOv8-DEL：基于改进YOLOv8n的实时车辆检测算法研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程与应用 2025年第01期61卷 142-152页

作者：古佳欣陈高华张春美太原科技大学电子信息工程学院

车辆检测是智能交通系统和自动驾驶的重要组成部分。然而，实际交通场景中存在许多不确定因素，导致车辆检测模型的准确率低实时性差。为了解决这个问题，提出了一种快速准确的车辆检测算法——YOLOv8-DEL。使用DGCST(dynamic group con... 详细信息

车辆检测是智能交通系统和自动驾驶的重要组成部分。然而，实际交通场景中存在许多不确定因素，导致车辆检测模型的准确率低实时性差。为了解决这个问题，提出了一种快速准确的车辆检测算法——YOLOv8-DEL。使用DGCST(dynamic group convolution shuffle transformer)模块代替C2f模块来重构主干网络，以增强特征提取能力并使网络更轻量；添加的P2检测层能使模型更敏锐地定位和检测小目标，同时采用Efficient RepGFPN进行多尺度特征融合，以丰富特征信息并提高模型的特征表达能力；通过结合GroupNorm和共享卷积的优点，设计了一种轻量型共享卷积检测头，在保持精度的前提下，有效减少参数量并提升检测速度。与YOLOv8相比，提出的YOLOv8-DEL在BDD100K数据集和KITTI数据集上，mAP@0.5分别提高了4.8个百分点和1.2个百分点，具有实时检测速度（208.6 FPS和216.4 FPS），在检测精度和速度方面实现了更有利的折中。

关键词：车辆检测 YOLOv8 DGCST Efficient RepGFPN 轻量级检测头

在线全文

学校读者我要写书评

暂无评论

基于特征增强和样本充分学习的红外飞机检测

电光与控制 2025年第1期32卷 54-60页

作者：徐红鹏刘刚司起峰陈会祥河南科技大学信息工程学院河南洛阳471000

针对深度学习单阶段检测算法对红外飞机目标的特征提取能力不足以及样本学习不充分的问题,提出基于特征增强的全局上下文机制(FEGCM)和样本充分学习的目标检测算法。FEGCM可获取包含目标的全局信息与局部信息的特征图,从而提高特征提取... 详细信息

针对深度学习单阶段检测算法对红外飞机目标的特征提取能力不足以及样本学习不充分的问题,提出基于特征增强的全局上下文机制(FEGCM)和样本充分学习的目标检测算法。FEGCM可获取包含目标的全局信息与局部信息的特征图,从而提高特征提取网络对目标特征的提取能力。通过在Focal Loss中添加调制因子,在关注难负样本学习的基础上,充分利用包含目标特性的部分易负样本,使得样本充分学习,从而帮助检测算法学习到更有意义的目标特征。实验表明,所提算法在自制红外飞机数据集上的mAP_(50)达到96.9%,能够有效实现红外飞机目标检测。

关键词：红外飞机检测全局上下文空间注意力 Focal Loss 易负样本

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

轮式格斗机器人的设计与实现

现代电子技术 2025年第2期 124-130页

作者：李辉曹月花杭州电子科技大学信息工程学院

面向本科机器人方向实践教学，设计一款轮式格斗机器人。该机器人可以实现自主登台、自动巡航、自主视觉寻敌攻击、落台后重新登台等功能。首先，进行机器人的机械结构设计。通过合理的机械结构设计以及合理的传感器安装布置，可以有效... 详细信息

面向本科机器人方向实践教学，设计一款轮式格斗机器人。该机器人可以实现自主登台、自动巡航、自主视觉寻敌攻击、落台后重新登台等功能。首先，进行机器人的机械结构设计。通过合理的机械结构设计以及合理的传感器安装布置，可以有效改善机器人的结构强度、灵活性、稳定性和机动性。其次，进行机器人控制系统设计，其中，包括机器人控制系统元器件选型设计、机器人的控制策略及控制算法设计、路径规划算法设计、目标识别与视觉跟踪算法设计。最后，采用现场测试的方法对机器人的性能进行优化提升。在不同环境下，通过机器人现场表现进行测试和分析，评估机器人的性能和稳定性，并针对性地进行改进和优化。通过轮式格斗机器人的设计与实现训练，有助于提升机器人工程专业本科生在机器人领域的设计实践和问题分析能力。

关键词：格斗机器人机械结构设计控制系统设计控制策略路径规划目标识别视觉跟踪

基于熵权与集成学习的半监督小样本树种分类研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

森林工程 2025年第1期41卷 151-161页

作者：王静李静河南机电职业学院信息工程学院郑州451191 河南科技大学信息工程学院河南洛阳471000

针对传统半监督自训练分类方法易导致数据集混乱,影响后续小样本树种分类精度这一问题,基于熵权法(en-tropy weight,EW)与集成学习(ensemble learning,EL)提出EW-EL的半监督小样本树种分类方法。EW-EL在传统半监督自训练分类方法的理论... 详细信息

针对传统半监督自训练分类方法易导致数据集混乱,影响后续小样本树种分类精度这一问题,基于熵权法(en-tropy weight,EW)与集成学习(ensemble learning,EL)提出EW-EL的半监督小样本树种分类方法。EW-EL在传统半监督自训练分类方法的理论上引入EL的思想,以熵权法作为基础理论设计按基分类器当前训练周期下的F1分数计算的信息熵作为计算权重因子,再依信息熵越大基分类器越不稳定思想设计权重,使集成分类器分类概率更集中,减少集成分类器偏向性。结果显示,EW-EL较传统半监督自训练方法能更有效地均衡数据分布,使新加入数据的伪标签样本类别更准确。EW-EL所得到的小样本树种分类总精度(OA)为0.97、召回率(Recall)为0.96及Kappa系数为0.97,3种指标均优于监督分类、传统半监督自训练方法及利用传统EL机制所构建的半监督自训练方法。其中,EW-EL方法较融合软投票机制的半监督自训练方法,OA与Recall均提升了1%。EW-EL联合简单线性迭代聚类所制成的树种图在所选测试区内达到了94%。此外,进一步分析证明,EW-EL能通过集成诸多分类器,来实现更佳的小样本树种分类结果,更适用于低成本下的相关部门进行林业资源统计的工作。

关键词：无人机影像熵权法深度学习集成学习半监督小样本分类树种分类树种制图 EW-EL

同方期刊数据库博看期刊

基于改进CEEMDAN-BO-LSTM的短期电价预测

在线全文

学校读者我要写书评

暂无评论

陕西科技大学学报 2025年第1期43卷 169-176页

作者：秦昆刘立群吴青峰何俊强太原科技大学电子信息工程学院山西太原030024

电价预测对于国家电力市场的销售价格,电力调度和市场波动管理具有重要意义,但现有方法在电价预测的准确性上不理想.为了进一步提升电价预测的准确性,提出一种基于改进完全自适应噪声集合经验模态分解(ICEEMDAN),贝叶斯优化(BO)和长短... 详细信息

电价预测对于国家电力市场的销售价格,电力调度和市场波动管理具有重要意义,但现有方法在电价预测的准确性上不理想.为了进一步提升电价预测的准确性,提出一种基于改进完全自适应噪声集合经验模态分解(ICEEMDAN),贝叶斯优化(BO)和长短时记忆网络(LSTM)的短期电价预测模型.ICEEMDAN将原始数据分解为多个本征模态函数(IMF)和一个残差序列,然后将IMF分量重构为高频,中频和低频三个子序列,将子序列和残差序列分别与相关因素结合,重构为四个多维特征矩阵,输入BO-LSTM模型进行训练,最后得到预测结果.用西班牙国家电网公司Red Electric Espa a运营数据进行算例分析,结果表明ICEEMDAN-BO-LSTM模型具有更高的准确度,在电价跳跃点和峰值点处预测结果表现出色,与其他方法相比预测效果更好,对能源企业和国家电力市场调控策略具有实用价值.

关键词：电价预测完全自适应噪声集合经验模态分解贝叶斯优化长短期记忆网络

在线全文

学校读者我要写书评

暂无评论

浅海内波环境下声速剖面的深度迁移时序预测

声学学报 2025年第1期 23-31页

作者：严娴李倩倩阳凡林彭东东隽智昊李琪哈尔滨工程大学水声工程学院山东科技大学测绘与空间信息学院

海水声速随时空起伏变化,水文资料稀缺海域声速剖面时序预测困难,为此构建了基于迁移学习的长短时记忆神经网络模型,并利用中国南海海域实测的两条温度链长时序观测数据对其进行验证。针对有无孤立子内波存在的两种场景,基于迁移学习对... 详细信息

海水声速随时空起伏变化,水文资料稀缺海域声速剖面时序预测困难,为此构建了基于迁移学习的长短时记忆神经网络模型,并利用中国南海海域实测的两条温度链长时序观测数据对其进行验证。针对有无孤立子内波存在的两种场景,基于迁移学习对预训练网络模型进行微调,分析不同训练样本量下迁移网络的有效性。实验结果表明,迁移网络在有无孤立子内波存在的两种场景下均可实现高精度高效声速剖面预测,且预测性能明显优于未迁移的处理方法。

关键词：声速剖面时序预测内波迁移学习经验正交函数

基于细节增强和多颜色空间学习的联合监督水下图像增强算法

在线全文

学校读者我要写书评

暂无评论

现代电子技术 2025年第1期48卷 23-28页

作者：胡锐程家亮胡伏原苏州科技大学信息化建设与管理中心江苏苏州215009 苏州科技大学电子与信息工程学院江苏苏州215009

由于水下特殊的成像环境,水下图像往往具有严重的色偏雾化等现象。因此文中根据水下光学成像模型设计了一种新的增强算法,即基于细节增强和多颜色空间学习的无监督水下图像增强算法(UUIE-DEMCSL)。该算法设计了一种基于多颜色空间的增... 详细信息

由于水下特殊的成像环境,水下图像往往具有严重的色偏雾化等现象。因此文中根据水下光学成像模型设计了一种新的增强算法,即基于细节增强和多颜色空间学习的无监督水下图像增强算法(UUIE-DEMCSL)。该算法设计了一种基于多颜色空间的增强网络,将输入转换为多个颜色空间(HSV、RGB、LAB)进行特征提取,并将提取到的特征融合,使得网络能学习到更多的图像特征信息,从而对输入图像进行更为精确的增强。最后,UUIE-DEMCSL根据水下光学成像模型和联合监督学习框架进行设计,使其更适合水下图像增强任务的应用场景。在不同数据集上大量的实验结果表明,文中提出的UUIE-DEMCSL算法能生成视觉质量良好的水下增强图像,且各项指标具有显著的优势。

关键词：水下图像增强多颜色空间学习无监督学习细节增强特征提取特征融合

基于Radix-4 Booth编码的并行乘法器设计

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

郑州大学学报（工学版） 2025年第1期46卷 26-33页

作者：范文兵周健章郑州大学电气与信息工程学院河南郑州450001

速度和面积是评价乘法器单元性能优劣的两个基本指标。针对当前乘法器设计难以平衡版图面积和传输延时的问题,采用Radix-4 Booth算法,设计了一种新型的16位有符号定点乘法器。在部分积生成过程中,首先改进对乘数的取补码电路,然后优化... 详细信息

速度和面积是评价乘法器单元性能优劣的两个基本指标。针对当前乘法器设计难以平衡版图面积和传输延时的问题,采用Radix-4 Booth算法,设计了一种新型的16位有符号定点乘法器。在部分积生成过程中,首先改进对乘数的取补码电路,然后优化基数为4的改进Booth编码器和解码器,此结构采用较少的逻辑门资源,并且易对输入比特进行并行化处理。在Wallace压缩电路中,对符号扩展位进行预处理并设计新的压缩器结构,优化整个Wallace压缩模块。在第二级压缩过程中提前对高位使用纹波进位加法器结构计算,减小了多bit伪和的求和位数。在求和电路中,使用两级超前进位加法器结构,在缩短关键路径传输延时的同时避免增大芯片面积,提高了乘法器的运行速度。新型定点乘法器与已有的乘法器结构相比,减少了12.0%的面积,降低了20.5%的延时。

关键词： Radix-4 Booth编码面积传输延时编码器解码器 Wallace压缩

基于ECA-ResNet的轴承故障诊断方法

在线全文

学校读者我要写书评

暂无评论

轴承 2025年第1期 102-110页

作者：杨向兰孙士保王国强石念峰谢扬筱河南科技大学信息工程学院河南洛阳471023 洛阳理工学院计算机与信息工程学院河南洛阳471023 上海电力大学计算机科学与技术学院上海200090

针对传统的轴承故障诊断方法存在强噪声与变负载下关键特征提取不充分的问题,提出了一种基于有效通道注意力机制和残差网络(ECA-ResNet)的轴承故障诊断方法。首先,利用短时傅里叶变换与伪彩色处理方法将轴承振动信号转换为三通道彩色图... 详细信息

针对传统的轴承故障诊断方法存在强噪声与变负载下关键特征提取不充分的问题,提出了一种基于有效通道注意力机制和残差网络(ECA-ResNet)的轴承故障诊断方法。首先,利用短时傅里叶变换与伪彩色处理方法将轴承振动信号转换为三通道彩色图像,以此作为输入样本集;其次,基于卷积和池化操作对数据进行浅层边缘特征提取与压缩,并在有效通道注意力网络(ECA-Net)中引入残差网络模块,解决网络退化的问题,建立通道之间的联系,自适应提取深层关键特征;最后,引入Dropout抑制模型过拟合,并以Softmax层作为分类器实现故障诊断。用凯斯西储大学与江南大学轴承数据集进行验证,结果表明该方法在强噪声和变负载下的平均准确率分别为97.5%,93.69%,抗噪性、泛化性和通用性较好。

关键词：滚动轴承故障诊断傅里叶变换深度学习残差