检索结果-南通市图书馆

维普期刊数据库

基于改进TimeSformer算法的人体异常行为识别研究

在线全文

学校读者我要写书评

暂无评论

计算机工程 2024年

作者：廖晓群徐清钏杨浩东李丹薛亚楠西安科技大学通信与信息工程学院

人体异常行为研究是应对人体潜在危险和紧急情况的重要保障任务。针对人体异常行为定义模糊、缺乏标准数据集的问题，该文基于生活场景定义了六种高发生频率的人体异常行为，并自建数据集，命名为Human Abnormal Behavior Dataset-6（HA... 详细信息

人体异常行为研究是应对人体潜在危险和紧急情况的重要保障任务。针对人体异常行为定义模糊、缺乏标准数据集的问题，该文基于生活场景定义了六种高发生频率的人体异常行为，并自建数据集，命名为Human Abnormal Behavior Dataset-6（HABDataset-6），包括头痛、摔倒、抽搐、腰痛、拳打和踢踹六种异常行为。为处理该数据集，采用了注意力机制TimeSformer算法，但发现其在自建数据集上存在高损失和时间序列建模不够全面的问题，难以提取复杂样本的特征。因此，该文采用ASGD优化算法改进Cross-Entropy Loss，即提出的CAS模块使原算法损失值降低了33.7%，其次嵌入时间偏移模块TSM到原算法的Backbone网络中，提高时间序列的感知能力，从而提取更优特征用于模型训练。为了更好处理人体异常行为数据，将二者进行结合改进原算法，即该文提出的TS-AT算法，在自建数据集上取得了良好效果，Top1 Accuracy达到0.96，各行为类别的推理精度均在0.8以上，平均精度提高了30%。为验证TS-AT算法的可用性，对公开数据集UCF-10和老人异常行为数据进行了测试，平均测试精度分别达到了0.99和0.84，超过了SlowFast、TPN、TSN等先进算法。这些结果表明TS-AT算法对人体异常行为识别方面具有更高的精确度和良好的鲁棒性，有望提高应对潜在危险和紧急情况的能力，进一步保障人们的安全与健康。

关键词：人体异常行为 TimeSformer 时间序列优化算法时间偏移模块

基于Bi-LSTM和SVM的频谱预测与感知协同方法研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

无线电通信技术 2024年

作者：殷晓虎张珂珂张安熠田冲西安科技大学通信与信息工程学院

在认知无线电(Cognitive Radio，CR)中，频谱感知与频谱预测是关键技术，用于监测和识别授权用户对频谱的占用情况，在频谱资源未被使用时让非授权用户使用，提高频谱资源利用率。现有研究中大多单独使用其中一种技术对授权用户频谱使... 详细信息

在认知无线电(Cognitive Radio，CR)中，频谱感知与频谱预测是关键技术，用于监测和识别授权用户对频谱的占用情况，在频谱资源未被使用时让非授权用户使用，提高频谱资源利用率。现有研究中大多单独使用其中一种技术对授权用户频谱使用状态进行判定，为了充分利用频谱感知与频谱预测技术的优势，进一步提升信道环境不佳时的频谱状态识别率，提出了一种频谱预测和频谱感知协同识别频谱状态的方法。使用双向长短时记忆网络(Bi-directional Long Short-Term Memory Network，Bi-LSTM)频谱预测与灰狼算法优化的支持向量机(Grey Wolf Optimizer-Support Vector Machines，GWO-SVM)频谱感知协同，将二者输出根据动态自适应选择策略处理后输出最终识别结果。实验证明，该方法能够自适应信道环境，在信道环境对于单一技术负面影响较大时，仍然保持较高的频谱状态识别率。

关键词：认知无线电频谱感知频谱预测 GWO-SVM Bi-LSTM

基于改进Yolov8-pose的分心驾驶检测与识别

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电子测量技术 2024年

作者：朱周华侯智杰田成源周怡纳西安科技大学通信与信息工程学院

针对现有的分心驾驶检测算法存在检测率低、检测速率慢等问题，本文构建了一种基于改进Yolov8-pose的分心驾驶检测识别模型Yolov8-EFM。首先，通过使用EfficientViT更换Yolov8-pose的主干网络，结合CNN和VIT之间的互补性，提升了检测的... 详细信息

针对现有的分心驾驶检测算法存在检测率低、检测速率慢等问题，本文构建了一种基于改进Yolov8-pose的分心驾驶检测识别模型Yolov8-EFM。首先，通过使用EfficientViT更换Yolov8-pose的主干网络，结合CNN和VIT之间的互补性，提升了检测的准确率；其次，使用FasterBlock模块替换C2f中的Bottleneck模块，增加了检测速率并减小模型参数；最后在SPPF后加入了轻量级的MLCA注意力模块，在模型大小和准确性之间取得了良好的平衡。实验结果表明，本文所构建的Yolov8-EFM模型，mAP50可以达到98.9%，模型大小只有9.7M，该方法不仅可以识别出具体分心行为，还可以检测上半身的人体骨架，可以有效应用在驾驶员分心驾驶的检测场景中。

关键词：分心检测人体姿态估计 Yolov8-pose EfficientViT FasterNet MLCA

感兴趣区域Yolo＿BFROI的扶梯乘客安全检测算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程与应用 2024年

作者：侯颖胡鑫赵瑞瑞张楠徐艳红马莉西安科技大学通信与信息工程学院

自动扶梯智能化监控是预防乘客事故发生的重要手段，然而扶梯运行环境较复杂，背景干扰严重，远距离小目标乘客的检测容易造成漏检和误检问题，本文提出一种基于感兴趣区域改进Yolov8的轻量化自动扶梯乘客摔倒检测算法。首先，改进算法... 详细信息

自动扶梯智能化监控是预防乘客事故发生的重要手段，然而扶梯运行环境较复杂，背景干扰严重，远距离小目标乘客的检测容易造成漏检和误检问题，本文提出一种基于感兴趣区域改进Yolov8的轻量化自动扶梯乘客摔倒检测算法。首先，改进算法设计了基于感兴趣区域的BiFormer＿ROI注意力机制模块，构造SPD-Conv和BiFormer＿ROI的小目标检测模块组改进Yolov8骨干网络，屏蔽非扶梯背景区域的复杂环境干扰，有效提高小目标检测率。其次，考虑实际应用需要采用GhostSlimPAFPN轻量化结构优化Neck网络，在保持检测精度的同时有效减少模型参数量。最后，采用具有目标尺寸自适应惩罚因子的PIoU v2损失函数改进Head网络，从而实现更快的收敛和更高的检测精度。在自建扶梯乘客摔倒数据集上，本文改进算法乘客摔倒平均检测精度达到94.2%，检测帧率为87.7fps，检测性能显著提高，能有效减少漏检和误检问题，且具有良好的实时性，可以更好地保障乘客安全乘梯。

关键词：深度学习自动扶梯摔倒检测 Yolov8算法感兴趣区域轻量化

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

抗混叠与多尺度特征融合的水下目标检测算法

计算机工程与应用 2024年

作者：王书朋李凡西安科技大学通信与信息工程学院

针对水下环境复杂性带来的多尺度目标检测挑战，提出了改进算法WPS-YOLOv8。首先，设计了小波池化卷积模块(wavelet pooling convolution， WPConv)，该模块通过小波池化技术降低通道压缩后特征图的分辨率，有效抑制了传统下采样过程中... 详细信息

针对水下环境复杂性带来的多尺度目标检测挑战，提出了改进算法WPS-YOLOv8。首先，设计了小波池化卷积模块(wavelet pooling convolution， WPConv)，该模块通过小波池化技术降低通道压缩后特征图的分辨率，有效抑制了传统下采样过程中产生的频率混叠伪影，提升了特征提取质量和表达能力。其次，提出了局部逐点分组重排卷积模块(partial pointwise group shuffle convolution， PGConv)，该模块通过结合局部卷积与逐点卷积，能够在减少信息冗余的同时保持通道间的信息交互，弥补了深度可分离卷积的不足，增强了特征融合效果。最后，提出了ShapeLoss损失函数，综合考虑影响不同尺度目标检测精度的因素，通过集成Shape-IoU和Shape-NWD两种损失测度，有效提升了对多尺度目标的总体检测精度。实验结果显示，相较于YOLOv8，WPS-YOLOv8在URPC2018和UTDAC2020水下数据集上的平均精度均值(mean Average Precision， mAP)分别提升了8.6%和4.4%，展现了其在水下多尺度目标检测中的出色表现。

关键词：海洋底栖生物水下目标检测小波池化多尺度特征融合

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于运动-时间感知的人体动作识别方法

计算机工程 2024年

作者：王晓路汶建荣西安科技大学通信与信息工程学院

针对动作视频中存在冗余信息及动作信息的特征通道分布稀疏问题，提出了一种基于运动-时间感知的3D残差网络。运动感知模块(Action- Perception Module，AM)计算特征级别的时间差来激励运动敏感通道以此获取运动特征；时间注意力模块(Te... 详细信息

针对动作视频中存在冗余信息及动作信息的特征通道分布稀疏问题，提出了一种基于运动-时间感知的3D残差网络。运动感知模块(Action- Perception Module，AM)计算特征级别的时间差来激励运动敏感通道以此获取运动特征；时间注意力模块(Temporal-Attention Module，TM)沿着时间维度计算注意力权重矩阵获取局部时间特征。将AM模块和TM模块计算结果相加，得到动作信息的融合特征，再加入到3D残差网络中，以此构造基于运动-时间感知模块(Action-Time-Perception Module，ATM)的3D残差网络。实验结果表明，在公共数据集UCF101和HMDB51上，基于ATM模块的3DResNeXt-101网络相对于3DResNeXt-101网络的动作识别的准确率分别提升了1.6%和2.8%，说明本文所提出的方法是可行、有效的。

关键词：深度学习动作识别运动感知时间注意力 3D残差网络

融合多策略鲸鱼算法和强化学习的储层自适应优化方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

控制工程 2024年

作者：郭伟郝思琦姚欢任志忠米娜娃尔·木提拉西安科技大学通信与信息工程学院

针对经典回声状态网络(Echo State Network，ESN)随机生成的动态储层存在大量冗余神经元以及储层参数随机选取而影响网络预测性能的问题，提出一种融合多策略鲸鱼算法(Multi-strategy Whale Optimization Algorithm，MWOA)和强化学习的... 详细信息

针对经典回声状态网络(Echo State Network，ESN)随机生成的动态储层存在大量冗余神经元以及储层参数随机选取而影响网络预测性能的问题，提出一种融合多策略鲸鱼算法(Multi-strategy Whale Optimization Algorithm，MWOA)和强化学习的储层自适应优化方法(MWOA-QESN)。首先利用MWOA算法对ESN储层关键参数进行优化，其次引入互信息衡量储层神经元对网络输出的贡献度，最后利用强化学习的决策机制对储层神经元筛减以简化网络结构，提高网络预测性能。通过多个时间序列数据集和短期电力负荷数据集的实验结果表明，相比其他预测模型，MWOA-QESN模型的预测性能更优，同时具有最简的网络结构。

关键词：回声状态网络储层优化多策略鲸鱼算法互信息强化学习

基于YOLO v5的农田杂草识别轻量化方法研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

农业机械学报 2024年第1期55卷 212-222,293页

作者：冀汶莉刘洲邢海花西安科技大学通信与信息工程学院西安710600 海南师范大学信息科学技术学院海口571158

针对已有杂草识别模型对复杂农田环境下多种目标杂草的识别率低、模型内存占用量大、参数多、识别速度慢等问题,提出了基于YOLO v5的轻量化杂草识别方法。利用带色彩恢复的多尺度视网膜(Multi-scale retinex with color restoration, MS... 详细信息

针对已有杂草识别模型对复杂农田环境下多种目标杂草的识别率低、模型内存占用量大、参数多、识别速度慢等问题,提出了基于YOLO v5的轻量化杂草识别方法。利用带色彩恢复的多尺度视网膜(Multi-scale retinex with color restoration, MSRCR)增强算法对部分图像数据进行预处理,提高边缘细节模糊的图像清晰度,降低图像中的阴影干扰。使用轻量级网络PP-LCNet重置了识别模型中的特征提取网络,减少模型参数量。采用Ghost卷积模块轻量化特征融合网络,进一步降低计算量。为了弥补轻量化造成的模型性能损耗,在特征融合网络末端添加基于标准化的注意力模块(Normalization-based attention module, NAM),增强模型对杂草和玉米幼苗的特征提取能力。此外,通过优化主干网络注意力机制的激活函数来提高模型的非线性拟合能力。在自建数据集上进行实验,实验结果显示,与当前主流目标检测算法YOLO v5s以及成熟的轻量化目标检测算法MobileNet v3-YOLO v5s、ShuffleNet v2-YOLO v5s比较,轻量化后杂草识别模型内存占用量为6.23 MB,分别缩小54.5%、12%和18%;平均精度均值(Mean average precision, mAP)为97.8%,分别提高1.3、5.1、4.4个百分点。单幅图像检测时间为118.1 ms,达到了轻量化要求。在保持较高模型识别精度的同时大幅降低了模型复杂度,可为采用资源有限的移动端设备进行农田杂草识别提供技术支持。

关键词：杂草识别目标检测 YOLO v5s 轻量化特征提取网络 Ghost卷积模块注意力机制

基于WGAN的智能超表面辅助系统的信道估计研究

维普期刊数据库

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

电波科学学报 2024年

作者：康晓非王甜西安科技大学通信与信息工程学院

针对智能超表面（reconfigurable intelligent surface, RIS）辅助的毫米波通信中系统复杂和难以获取准确的信道状态信息（channel state information, CSI）的问题，设计了一种Chan-SRWGAN网络算法的信道估计方案。该方案采用混合有源... 详细信息

针对智能超表面（reconfigurable intelligent surface, RIS）辅助的毫米波通信中系统复杂和难以获取准确的信道状态信息（channel state information, CSI）的问题，设计了一种Chan-SRWGAN网络算法的信道估计方案。该方案采用混合有源/无源RIS架构，首先利用最小二乘（leastsquare,LS）算法获取有源元件处信道估计值，再通过插值得到信道初步估计，最后利用Chan-SRWGAN深度学习网络将其重构为信道精确估计。仿真结果表明，所提方案的归一化均方误差（normalized mean squared error, NMSE）性能优于LS、正交匹配追踪（orthogonal matching pursuit, OMP）、同步OMP(simultaneous OMP, SOMP)、深度神经网络（deep neural network, DNN）、超分辨率卷积神经网络（super-resolution convolutional neural network, SRCNN）信道估计算法，证明了方案的可行性。

关键词：智能超表面(RIS) 信道估计深度学习 Wasserstein生成对抗网络(WGAN) 超分辨率卷积神经网络(SRCNN)