检索结果-南通市图书馆

伪时空图卷积网络修复姿态引导的Transformer行人视频修复方法

在线全文

学校读者我要写书评

暂无评论

计算机辅助设计与图形学学报 2024年第4期36卷 552-564页

作者：唐福梅聂勇伟余嘉祺张青李桂清华南理工大学计算机科学与工程学院广州510006 中山大学计算机学院广州510006

为解决监控视频中被遮挡行人的修复问题,提出了一种基于人体姿态的行人视频修复方法,即先修复视频中残缺的行人姿态序列,然后在修补后的姿势序列的引导下修复视频帧中人体的缺失部分.该方法采用OpenPose从视频中提取被遮挡的人体姿态序... 详细信息

为解决监控视频中被遮挡行人的修复问题,提出了一种基于人体姿态的行人视频修复方法,即先修复视频中残缺的行人姿态序列,然后在修补后的姿势序列的引导下修复视频帧中人体的缺失部分.该方法采用OpenPose从视频中提取被遮挡的人体姿态序列,针对其因存在遮挡情况导致未识别出和未准确识别部分关节点的问题,提出了一种伪时空图卷积网络模型对缺失姿态进行修复,得到一个相对准确的姿态序列;基于修复后的姿态,提出了基于姿态序列引导的Transformer行人视频修复模型.在Human3.6M数据集上进行了测试,所提出的方法在4个指标PSNR,RMSE,SSIM,LPIPS上均比对比方法有提升,特别是RMSE指标提升了9.50%,LPIPS指标提升了21.67%.

关键词：深度学习图卷积神经网络 Transformer 人体姿态补全视频修复

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于遗传算法的时间敏感网络调度方法

华南理工大学学报（自然科学版） 2024年第2期52卷 1-12页

作者：陆以勤黄成海陈嘉睿王海瀚覃健诚方婷华南理工大学电子与信息学院广东广州510640 华南理工大学信息网络工程研究中心广东广州510640 华南理工大学微电子学院广东广州511442

随着网络技术的进步,车载网、工业物联网以及5G超高可靠低时延通信(uRLLC)等应用都需要时间敏感网络(TSN)来保证超低延时的确定性数据传输。TSN流量调度需要快速且精确的调度算法,现有的精确式求解方法复杂度高,在大规模联合调度时无法... 详细信息

随着网络技术的进步,车载网、工业物联网以及5G超高可靠低时延通信(uRLLC)等应用都需要时间敏感网络(TSN)来保证超低延时的确定性数据传输。TSN流量调度需要快速且精确的调度算法,现有的精确式求解方法复杂度高,在大规模联合调度时无法满足实时性。文中设计了一种性能更优的路由优化遗传算法(Routing-GA),结合路由和流量调度约束,能通过优化路由来提高调度算法求解效率,为链路负载均衡调度提供服务。该策略增加了调度的求解空间以及求解灵活性,具备元启发式算法的快速求近最优解特点,能够简单有效地处理大规模TSN路由约束联合调度问题。Routing-GA以时间敏感流最小端到端时延作为优化目标,联合考虑路由和TSN约束,并针对TSN传输问题特性提供一种低复杂度、高效率和高拓展性的遗传算法编码方式。此外,为了提高调度算法的性能,提出针对路由长度及链路负载均衡进行优化的交叉变异机制。实验结果表明所实现的Routing-GA能有效减少端到端时延,显著提高求解质量,进化率可以达到24.42%,平均只需要传统遗传算法(GA)迭代运行时间的12%,从而有效提高了算法的求解性能,满足TSN调度的约束要求。

关键词：时间敏感网络遗传算法联合调度优化策略链路负载均衡

基于源项解耦的物理信息神经网络方法及其在放电等离子体模拟中的应用

在线全文

学校读者我要写书评

暂无评论

物理学报 2024年第14期73卷 155-166页

作者：方泽潘泳全戴栋张俊勃华南理工大学电力学院广州510641

近年来,以物理信息神经网络(PINNs)为代表的人工智能计算范式在等离子体数值模拟领域获得了极大关注,但相关研究考虑的等离子体化学体系较为简化,且基于PINNs求解更为复杂的多粒子低温等离子体流体模型的研究还尚处空白.本文提出了一个... 详细信息

近年来,以物理信息神经网络(PINNs)为代表的人工智能计算范式在等离子体数值模拟领域获得了极大关注,但相关研究考虑的等离子体化学体系较为简化,且基于PINNs求解更为复杂的多粒子低温等离子体流体模型的研究还尚处空白.本文提出了一个通用的PINNs框架(源项解耦PINNs,Std-PINNs),用于求解多粒子低温等离子体流体模型.Std-PINNs通过引入等效正离子,并将电流连续性方程替代各粒子输运方程作为物理约束,实现了重粒子输运方程源项与电子密度、平均电子能量的解耦,极大降低了训练复杂度.本文通过两个经典放电案例(低气压氩气辉光放电、大气压氦气辉光放电)展示了Std-PINNs在求解多粒子低温等离子体流体模型的应用,并将结果与传统PINNs和有限元(FEM)模型进行了对比.结果显示,传统PINNs输出了完全错误的训练结果,而Std-PINNs与FEM结果之间的L2相对误差能达到约10–2量级,由此验证了Std-PINNs在模拟多粒子等离子体流体模型的可行性.Std-PINNs为低温等离子体模拟提供了新的思路,并拓展了深度学习方法在复杂物理系统建模中的应用.

关键词：物理信息神经网络低温等离子体源项解耦流体模型

维普期刊数据库博看期刊

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于深度学习的机器人局部路径规划方法

系统仿真学报 2024年第5期36卷 1199-1210页

作者：刘泽森毕盛郭传鈜王延葵董敏华南理工大学计算机科学与工程学院广东广州510006

为了将视觉信息融入到机器人导航过程中,提高机器人对各类障碍物的识别率,减少危险事件的发生,设计了基于二维CNN及LSTM的局部路径规划网络。提出了基于深度学习的局部路径规划方案。利用机器人视觉信息及全局路径信息推理产生机器人在... 详细信息

为了将视觉信息融入到机器人导航过程中,提高机器人对各类障碍物的识别率,减少危险事件的发生,设计了基于二维CNN及LSTM的局部路径规划网络。提出了基于深度学习的局部路径规划方案。利用机器人视觉信息及全局路径信息推理产生机器人在当前时刻完成避障导航任务所需转向角度;搭建了用于对规划器核心神经网络进行训练和验证的室内场景;提出了以路径总长度、平均曲率变化率及机器人与障碍物之间的距离为性能指标的路径评估方案。实验表明:该方案在仿真环境及真实场景中均体现了较优秀的局部路径生成能力。

关键词：机器人导航路径规划实时避障深度学习

维普期刊数据库博看期刊

基于改进WGAN考虑特征分布相似性的小样本负荷预测方法

在线全文

学校读者我要写书评

暂无评论

控制理论与应用 2024年第4期41卷 597-608页

作者：卢俊菠刘俊峰罗燕曾君华南理工大学自动化科学与工程学院广东广州510640 华南理工大学电力学院广东广州510640

对于综合能源系统中新接入用户,其往往由于历史数据匮乏而难以建立精准的短期负荷预测模型.本文基于迁移学习理论,提出了一种基于改进Wasserstein生成对抗网络(WGAN)的小样本负荷预测方法.首先,本文采用最大信息系数法量化各影响特征与... 详细信息

对于综合能源系统中新接入用户,其往往由于历史数据匮乏而难以建立精准的短期负荷预测模型.本文基于迁移学习理论,提出了一种基于改进Wasserstein生成对抗网络(WGAN)的小样本负荷预测方法.首先,本文采用最大信息系数法量化各影响特征与负荷的相关性强弱.接着,将源域特征序列进行分割,计算各分割子序列与目标域小样本的实序列编辑距离确定初始源域.然后,引入卷积神经网络和长短期记忆模型建立源域预测网络.通过WGAN对齐目标域和源域负荷特征的空间分布,并在最优传输代价函数中加入局部特征损失以提高训练的稳定性和快速性.最后,将对抗训练后网络用于目标域负荷预测.采用该方法对某地区小样本负荷进行实验,结果表明,本文所提算法与其他预测模型相比能达到更高精度.

关键词：负荷预测迁移学习小样本改进Wasserstein生成对抗网络特征分布最优传输

融合多尺度Transformer的皮肤病变分割算法

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

吉林大学学报（工学版） 2024年第4期54卷 1086-1098页

作者：梁礼明周珑颂尹江盛校棋江西理工大学电气工程与自动化学院江西赣州341000 华南理工大学计算机科学与工程学院广东广州510006

针对现有皮肤病变图像分割时缺乏多尺度特征提取,从而导致细节信息缺失和病变区域误分割的问题,本文提出一种融合多尺度Transformer的编解码网络皮肤病变分割算法。首先运用Transformer模块构建分层编码器,分层编码器从全局特征变化角... 详细信息

针对现有皮肤病变图像分割时缺乏多尺度特征提取,从而导致细节信息缺失和病变区域误分割的问题,本文提出一种融合多尺度Transformer的编解码网络皮肤病变分割算法。首先运用Transformer模块构建分层编码器,分层编码器从全局特征变化角度出发,多尺度分析皮肤病变区域;然后利用多尺度融合模块、通道注意力模块和联合层构建融合解码器,多尺度融合模块互补分层编码器中浅层网络信息与深层网络信息,增强空间信息和语义信息间的依赖关系,通道注意力模块能够有效识别特征丰富的通道,提高算法分割精度;最后引入扩展模块恢复图像大小以匹配实际需求。将该算法在ISBI2016、ISBI2017和ISIC2018三个公共数据集上进行实验测试,其像素精度分别为96.70%、94.50%和95.39%,平均交并比分别为91.69%、85.74%和89.29%,算法测试整体性能优于现有算法。仿真实验证明,多尺度Transformer编解码网络能够有效地分割皮肤病变图像。

关键词：计算机应用技术皮肤病变图像分割 Transformer 多尺度融合模块通道注意力模块

特征域近端高维梯度下降图像压缩感知重构网络

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

华南理工大学学报（自然科学版） 2024年第3期52卷 119-130页

作者：杨春玲梁梓文华南理工大学电子与信息学院广东广州510640

压缩感知理论可以被用于解决信源采集设备计算资源受限的问题,但信号重构过程存在不确定性。传统的重构算法计算复杂度高,难以在实际中应用。近期,基于深度学习的重构算法打破传统算法的局限性,以其速度快、质量高等特点受到了广泛关注... 详细信息

压缩感知理论可以被用于解决信源采集设备计算资源受限的问题,但信号重构过程存在不确定性。传统的重构算法计算复杂度高,难以在实际中应用。近期,基于深度学习的重构算法打破传统算法的局限性,以其速度快、质量高等特点受到了广泛关注。现有的深度学习重构算法可以划分为“黑盒子”以及基于优化启发网络两种类型。与“黑盒子”式的网络结构相比,基于优化启发的深度网络更容易获得高精度的恢复,同时也更具可解释性。然而现有基于优化启发的图像压缩感知重构网络在每个优化阶段仅学习单一梯度,存在测量值信息利用不足、难以准确地学习梯度等缺点,限制了重构性能的提升。为了更充分地利用测量值信息,降低梯度学习的难度,本文提出了高维空间梯度学习思想,实现更准确的梯度回归。在此基础上,本文提出了特征域近端高维梯度下降(FPHGD)算法,并设计了实现该算法的深度神经网络(FPHGD-Net)以获得高精度图像重构结果。此外,本文设计了3种不同复杂度的深度空间近端映射网络结构,以满足不同的应用条件,按空间复杂度从低到高,相应模型分别为FPHGD-Net-Tiny、FPHGD-Net、FPHGD-NetPlus。实验结果表明,与OPINE-Net+相比,所提3种模型在Set11数据上的平均PSNR分别提升1.34、1.51和1.88 dB,并且在重构视觉效果上,能够恢复出更丰富的图像细节。

关键词：图像压缩感知深度学习图像恢复卷积网络近端梯度下降

在线全文

学校读者我要写书评

暂无评论

基于偏移注意力机制和多特征融合的点云分类

华南理工大学学报（自然科学版） 2024年第1期52卷 100-109页

作者：田晟宋霖赵凯龙华南理工大学土木与交通学院广东广州510640

三维点云由于受到雾、雨和雪等自然天气条件的影响较小而受到了广泛的关注,在交通、能源和医疗等多个领域得到了广泛的应用,其中点云分类旨在划分三维点云数据的类别,为不同领域决策者提供信息,实现解决方案的制订,对自动驾驶、故障诊... 详细信息

三维点云由于受到雾、雨和雪等自然天气条件的影响较小而受到了广泛的关注,在交通、能源和医疗等多个领域得到了广泛的应用,其中点云分类旨在划分三维点云数据的类别,为不同领域决策者提供信息,实现解决方案的制订,对自动驾驶、故障诊断和医学影像分析等具有重要意义。点云分类的应用前景广阔,但目前仍面临着诸多挑战。由于点云的无序性、稀疏性和有限性等特点,传统的图像处理和计算机视觉方法难以直接应用于点云数据分析,直接利用卷积神经网络不能有效提取点云特征,部分模型的特征提取不够充分,局部和全局的信息未能有效的利用,可能丢失重要特征信息。针对上述问题,提出一种实现点云的局部和全局特征相结合的多特征融合模块,并结合偏移注意力机制嵌入多特征融合模块实现较深层次点云特征的提取,同时引入残差结构充分利用浅层提取的特征,防止网络过深导致浅层特征丢失。在ModelNet40和ScanObjectNN分类数据集上进行训练和测试,并对实验进行了消融研究和部分数据可视化。实验结果发现该模型在ModelNet40上的分类总体准确率为93.6%,与PointNet、LDGCNN和PCT等模型相比,分类总体准确率分别提高了4.4、0.7和0.4个百分点;在ScanObjectNN上的分类总体准确率为83.7%,与PointNet++和DGCNN相比,分类总体准确率分别提高了5.8和5.6个百分点,具有较高的准确率和鲁棒性。

关键词：点云分类偏移注意力机制多特征融合残差网络

在线全文

学校读者我要写书评

暂无评论

一种基于决策树的比特币不可达节点发现方法

北京航空航天大学学报 2024年第6期50卷 1861-1867页

作者：李锐光朱佳伟吴阜东高家奇徐大伟祝烈煌北京理工大学网络空间安全学院北京100081 国家计算机网络应急技术处理协调中心北京100029 长春大学网络安全学院长春130022

不可达节点是指比特币网络中不接收外部连接请求的网络工作节点,发现、验证均较为困难。现有研究大多集中于可达节点,而对不可达节点的研究较少。为此,提出一种基于决策树算法的不可达节点发现方法,可以从大量比特币地址中自动分类发现... 详细信息

不可达节点是指比特币网络中不接收外部连接请求的网络工作节点,发现、验证均较为困难。现有研究大多集中于可达节点,而对不可达节点的研究较少。为此,提出一种基于决策树算法的不可达节点发现方法,可以从大量比特币地址中自动分类发现不可达节点。实验结果表明:所提方法在实验数据集上分类准确率为95.73%,召回率为91.97%;在真实数据上进行实测,并利用网络空间搜索引擎进行验证,所提方法实际分类准确率为53.75%,召回率约为76.86%。对实验中发现不可达节点的总量、地理分布、所属网络服务商等进行统计分析,为比特币监管工作提供有力技术支撑。

关键词：比特币不可达节点可达节点决策树网络空间搜索引擎