检索结果-南通市图书馆

同方期刊数据库

基于纹理先验的扩张残差注意力相似性去噪网络

在线全文

学校读者我要写书评

暂无评论

电子测量与仪器学报 2024年

作者：周先春史振婷王子威李婷张影南京信息工程大学人工智能学院南京信息工程大学电子与信息工程学院

目前，大多数基于卷积神经网络的图像去噪模型不能充分利用图像数据的冗余性，这限制了模型的表达能力。而且，为了有效去噪，往往将边缘信息用作先验知识，而纹理信息通常被忽略。针对这些问题，提出一种新的图像去噪网络，该网络首先... 详细信息

目前，大多数基于卷积神经网络的图像去噪模型不能充分利用图像数据的冗余性，这限制了模型的表达能力。而且，为了有效去噪，往往将边缘信息用作先验知识，而纹理信息通常被忽略。针对这些问题，提出一种新的图像去噪网络，该网络首先使用注意力相似性模块提取图像的全局相似性特征，通过平均池化来平滑和抑制注意力相似性模块中的噪声，以进一步提高网络性能；其次使用扩张残差模块来提取图像的局部和全局特征；最后使用全局残差学习增强网络从浅层到深层的去噪效果。此外，还设计一种纹理提取网络从噪声图像中提取局部二值模式以获取纹理信息，利用纹理信息作为先验知识，可在去噪过程中保留演化图像中的细节。实验结果表明，与一些先进的去噪网络相比，新提出的去噪网络在图像视觉上有很大改善、效率更高且峰值信噪比提高了2dB左右，结构相似性提高了3%左右，更有利于实际应用。

关键词：图像去噪卷积神经网络纹理信息注意力相似性模块扩张残差模块

基于十字网格拓扑结构的球头刀具切削轨迹仿真算法研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

华中科技大学学报（自然科学版） 2024年第6期52卷 48-55页

作者：谈玲陈鹏夏景明林疆南京信息工程大学计算机学院(网络空间安全学院) 江苏南京210044 南京信息工程大学人工智能学院(未来技术学院) 江苏南京210044

针对现有的实体构造模型计算复杂、无法满足实时性要求较高的仿真任务问题,提出一种用于球头刀具仿真的十字网格拓扑结构二维映射算法,以提高布尔求差运算效率.基于仿真模型底层拓扑提出一种十字网格拓扑结构,将节点元素作为十字网格数... 详细信息

针对现有的实体构造模型计算复杂、无法满足实时性要求较高的仿真任务问题,提出一种用于球头刀具仿真的十字网格拓扑结构二维映射算法,以提高布尔求差运算效率.基于仿真模型底层拓扑提出一种十字网格拓扑结构,将节点元素作为十字网格数据对象存放在动态邻接表中,以节约内存;此外,基于非均匀有理B样条(NURBS)曲面细分网格点,构造复杂表面的十字网格数据,拓展该方法的实用性.利用数控插补指令简化球头刀具的运动轨迹,提出一种追踪轮廓线法以构建工件与刀具的相交轮廓线,加快相交点搜索过程;引入网格参数化法将相交轮廓线的三维数据映射至二维数组,以快速生成工件与刀具的相交面.结果表明:该方法的布尔求差运算效率比主流方法提升10倍以上,内存占用平均减少46%,追踪轮廓线和二维映射法能够大幅度加快计算,十字网格拓扑结构可以显著提升内存利用率,所提出的算法能够明显改善边界表示法的计算效率,有助于计算机辅助系统的实时应用.

关键词：边界表示法球头刀具布尔求差十字网格拓扑结构计算机辅助制造

基于正反上下文语义对齐融合的多模态文本摘要模型

在线全文

学校读者我要写书评

暂无评论

中文信息学报 2024年第4期38卷 108-119页

作者：陈中峰陆振宇荣欢南京信息工程大学人工智能学院江苏南京210044

该文基于序列到序列的神经网络,提出了使用文本语义信息和图片语义信息对多模态文本摘要生成任务进行建模。具体而言,使用文本一级编码器和带有图片信息指导的二级门控编码器对多模态语义信息进行编码,对齐文本与图片的语义信息。通过... 详细信息

该文基于序列到序列的神经网络,提出了使用文本语义信息和图片语义信息对多模态文本摘要生成任务进行建模。具体而言,使用文本一级编码器和带有图片信息指导的二级门控编码器对多模态语义信息进行编码,对齐文本与图片的语义信息。通过多模态正向注意力机制与反向注意力机制多方面观察对齐后的源文本与图片内容,分别得到各自模态语义信息的正相关和不相关特征表示。使用正向滤波器过滤正向注意力机制中的不相关信息,使用反向滤波器过滤反向注意力机制中的相关信息,达到分别从正向与反向两个方面选择性地融合文本语义信息和图片语义信息的目的。最后基于指针生成网络,使用正相关信息搭建正向指针、使用不相关信息搭建反向指针,生成带有多模态语义信息补偿的文本摘要内容。在京东中文电子商务数据集上,所提模型生成的多模态文本摘要在ROUGE-1、ROUGE-2、ROUGE-L指标上分别取得了38.40、16.71、28.01的结果。

关键词：多模态文本摘要多模态信息对齐二级门控编码机制文本生成模型

在线全文

学校读者我要写书评

暂无评论

基于细化等值面拓扑的病灶切片三维重建方法

中国生物医学工程学报 2024年第1期43卷 49-59页

作者：谈玲梁颖马雯杰夏景明朱吉宁南京信息工程大学数字取证教育部工程研究中心南京210044 南京信息工程大学人工智能学院南京210044

脑组织病灶切片的三维重构对于了解神经胶质神经瘤状态具有重要意义,可用于鉴别诊断、手术模拟等。移动立方体(MC)算法是经典的多边形曲面重建算法,具有简单易实现的优点,但其存在低效且梯级现象明显的情况。针对该问题,本研究提出一种... 详细信息

脑组织病灶切片的三维重构对于了解神经胶质神经瘤状态具有重要意义,可用于鉴别诊断、手术模拟等。移动立方体(MC)算法是经典的多边形曲面重建算法,具有简单易实现的优点,但其存在低效且梯级现象明显的情况。针对该问题,本研究提出一种细化等值面拓扑的病灶切片空间堆叠重建方法(SSR-RI),旨在实现拓扑构形与运行效率的优化。SSR-RI通过构建空间坐标系对磁共振图像(MRI)切片邻近图进行处理,为了改善双线性插值法中图像分量易受损的问题,提出一种自适应空间插值法,根据灰度值变化自适应选择插值点,对周围进行扩充。在结合等法线顶点的基础上,设计了一种细化等值面提取方式的堆叠重建方法,以提高堆叠速度,并减少梯级问题。为了进一步优化SSR-RI的三维重建效果,提出一种改进的局部反射光照法(PR)以绘制三维病变,利用镜面颜色反射(SCR)与镜面指数(SE)对重建体进行渲染优化。使用公开脑肿瘤分割数据集BraTS的618例病例开展三维重建实验,以验证所提出方法性能。实验结果显示,所提算法的重建时间只需2.124 s,F-score值达到0.845,SSIM值达到0.81,相较于MC算法减少了38%的重建时间,F-score值和SSIM值分别提高了30.89%和38.4%。重构体序列间结构紧密,视觉效果更富立体感和纹理感,有效地提高了三维重建的绘制效率。

关键词：脑肿瘤图像三维重建自适应空间插值细化等值面局部反射光照

在线全文

学校读者我要写书评

暂无评论

基于嵌套U-型结构的电路板组件分割

计算机工程 2024年

作者：李致金范小真闫金凤南京信息工程大学计算机学院南京信息工程大学人工智能学院

作为重要的现代电子元器件，高度集成的印刷电路板(PCB)的组件分割属于典型的小物件图像分割。由于复杂背景的过度引入，PCB图像的组件分割面临着边界感知能力不足等挑战。为了提高PCB分割组件边界感知能力，提出了一种外部协调的嵌套U... 详细信息

作为重要的现代电子元器件，高度集成的印刷电路板(PCB)的组件分割属于典型的小物件图像分割。由于复杂背景的过度引入，PCB图像的组件分割面临着边界感知能力不足等挑战。为了提高PCB分割组件边界感知能力，提出了一种外部协调的嵌套U-型网络结构(U^2ECNet)。具体的，该算法主干网络为嵌套U-型结构，在编解码体系中使用了外部扩张模块，有效学习全局信息和局部信息，关注组件区域中边缘和角细节；其次使用的引导细化模块通过多尺度特征映射聚合全局语义信息，从而优化模型的分割精度和提高对PCB组件分割的效果；最后，制作了PCB＿SOD，一个全新的图像分割数据集，包含5608张训练图像和2403张测试图像，用于执行分割任务，在提出的网络中进行训练。在DUTS和PCB＿SOD数据集上的实验表明，该网络模型在指标MAE和maxFβ上分别为0.045，86.1%和0.027，87.2%，相较于其他方法MAE降低了，maxFβ有所提升，并且整体分割性能达到最佳。提出的外部协调的嵌套U-型结构，提升了PCB组件分割的精度，在复杂背景中表现良好的鲁棒性，并生成最准确的显著性分割图。

关键词：显著性分割 U-型网络结构 PCB_SOD数据集边界感知引导细化

基于多要素3D特征提取的短期定量降水预报技术研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

南京信息工程大学学报 2024年

作者：熊文睿张恒德陆振宇郭云谦南京信息工程大学人工智能学院国家气象中心

由于空间分辨率有限、物理参数化方案不够完善、泛化性较弱等原因，使得传统业务数值天气模式 (NWP)在定量降水预报中存在固有偏差，而深度学习神经网络具有强大的非线性拟合能力、能够自主性学习到任务相关的关键特征、泛化性较高等优... 详细信息

由于空间分辨率有限、物理参数化方案不够完善、泛化性较弱等原因，使得传统业务数值天气模式 (NWP)在定量降水预报中存在固有偏差，而深度学习神经网络具有强大的非线性拟合能力、能够自主性学习到任务相关的关键特征、泛化性较高等优势，可以有望改善现状。为此，本文提出一种基于多要素3D特征提取的短期定量降水预报技术。基于欧洲中期天气预报中心（ECMWF）提供的高分辨率ECMWF-HRES（EC-Hres）模式预报数据，构建3D-QPF（3D-Quantitative Precipitation Forecast）语义分割模型，通过先分类后回归的耦合框架，捕捉多种降水相关要素数据的3D空间特征，得到与降水实况数据间的相非线性关系，并增加PR（准确率和召回率）损失函数进一步提升模型对偏态数据的预报效果。实验结果表明，3D-QPF的逐日累积降水预报不仅在晴雨量级(0.1mm/(24 h))准确率评分稳定增长，在暴雨量级(50mm/(24 h))的准确率评分也有明显提升，暴雨量级较EC-Hres的TS评分最高提升了15.8%，RMSE优化达到18.71%。经过长期检验，3D-QPF模型与EC-Hres、中国气象局全球模式(CMA-GFS)预报以及2D-Unet和3D-Unet等经典网络模型相比做出了有效的预报订正效果。此外，随着预报时效延长至72 h，模型的优化效果仍能够保持相对稳定。

关键词：定量降水预报语义分割偏态数据耦合方式

求解复杂约束优化问题的集成多策略差分进化算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

小型微型计算机系统 2024年第7期45卷 1629-1638页

作者：张佳玉潘志庚南京信息工程大学人工智能学院(未来技术学院) 南京210044

工程和科学领域中的优化问题常常具有大量的约束限制,称为约束优化问题.这类问题要求算法有能力在可行域中寻找问题的最优解.本文针对约束优化问题提出一种集成多策略的差分进化算法(Differential Evolution with Ensemble Multi-Strate... 详细信息

工程和科学领域中的优化问题常常具有大量的约束限制,称为约束优化问题.这类问题要求算法有能力在可行域中寻找问题的最优解.本文针对约束优化问题提出一种集成多策略的差分进化算法(Differential Evolution with Ensemble Multi-Strategies,EMSDE).首先,提出一种用于约束优化的参数自适应策略,利用归一化罚函数作为权重引导参数自适应地生成.其次,结合约束和动态罚函数法设计一种新的约束处理技术.最后,采用CEC2017约束优化基准函数来测试EMSDE和7种经典的约束优化算法.实验结果表明,相比7种经典的算法,EMSDE算法具有很强的竞争力.

关键词：约束优化差分进化参数自适应约束处理技术

同方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

基于边缘计算的轻量化识别方法

计算机工程 2024年第6期50卷 287-295页

作者：李致金汤佳辉闫金凤南京信息工程大学人工智能学院江苏南京210044

“新零售”模式的出现,对传统零售业的转型以及提升用户消费体验具有重要意义。然而,目前市场上的无人水果秤大多存在一些问题,如识别率低、模型结构复杂、部署困难、模型推理实时性差等。针对这些问题,提出一种基于边缘计算的轻量化识... 详细信息

“新零售”模式的出现,对传统零售业的转型以及提升用户消费体验具有重要意义。然而,目前市场上的无人水果秤大多存在一些问题,如识别率低、模型结构复杂、部署困难、模型推理实时性差等。针对这些问题,提出一种基于边缘计算的轻量化识别方法。选用MobileNext作为主干网络,引入轻量型的注意力模块CBAM改进MobileNext中的SandGlass模块。利用Ghost模块替换SandGlass模块中的标准1×1卷积,以压缩模型的参数量和运算量。在此基础上,使用迁移学习的策略搭配NAdam优化器训练改进后的MobileNext模型,进一步提高模型的识别精度。在Fruit Recognition数据集上的实验结果表明,该方法在水果识别任务中达到了98.95%的识别准确率,优于原MobileNext、MobileNetV2和EfficientNet-B0等轻量级模型。相较于原MobileNext模型,改进后的MobileNext模型识别准确率提高了1.17个百分点,参数量仅为1.775×106,推理时间仅为16.5 ms。在实际的零售场景中,所提方法只需很小的参数量和运算量就能实现较好的识别效果,并能够部署在边缘设备上。

关键词：深度学习注意力模块轻量级模型迁移学习边缘设备

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于各向异性注意力的双分支血管分割模型

计算机工程 2024年第1期50卷 348-356页

作者：徐晓峰黄韫栀徐军南京信息工程大学人工智能学院智慧医疗研究院江苏南京210044

血管分割对于血管疾病的诊断和治疗具有重要意义,但由于血管边界模糊、病变血管的形状多变且不同样本之间的差异性较大,因此要求分割模型能够准确地挖掘血管与背景类间的差异性以及血管内部的连通性。提出一种基于中心线约束与各向异性... 详细信息

血管分割对于血管疾病的诊断和治疗具有重要意义,但由于血管边界模糊、病变血管的形状多变且不同样本之间的差异性较大,因此要求分割模型能够准确地挖掘血管与背景类间的差异性以及血管内部的连通性。提出一种基于中心线约束与各向异性注意力的新型三维血管分割网络CAU-Net。针对血管分割的难点,对基础网络结构ResU-Net进行改进,构建各向异性注意力模块,该模块根据管腔结构特有的空间各向异性,从3个方向提取血管空间各向异性特征,并对特征通道间的相关性进行建模,学习血管的三维空间信息。采用主-辅双分支模型,b-Net对血管进行语义分割,a-Net学习血管中心线的连续性特征,约束b-Net的血管分割结果,保证血管分割结果的完整性。在公开数据集3D-IRCADb-01上的实验结果表明,对于门静脉及肝静脉的分割,CAU-Net分别取得(74.80±8.05)%和(76.14±6.89)%的Dice系数、(54.80±8.09)%和(50.40±5.22)%的NSD系数、(72.43±8.26)%和(70.84±6.05)%的clDice系数、(46.47±12.89)%和(39.19±7.97)%的分支检测率以及(67.08±15.59)%和(61.47±9.32)%的树长检测率。在公开脑血管数据集IXI上进行组件消融实验,模型在验证集上的平均Dice、NSD、clDice、BD和TD分别为(94.11±0.39)%、(96.53±0.37)%、(95.83±0.59)%、(98.64±1.63)%和(95.44±1.22)%,相比于Baseline分别提升了0.92%、0.82%、0.92%、1.11%和1.60%。CAU-Net血管分割模型能够显著提升血管分割的精度和完整度。

关键词：血管分割中心线约束各向异性注意力机制双分支模型