检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于交叉注意力机制的多模态感知融合方法

中国公路学报 2024年第3期37卷 181-193页

作者：张炳力潘泽昊姜俊昭张成标王怿昕杨程磊合肥工业大学汽车与交通工程学院安徽合肥230041 安徽省智能汽车工程实验室安徽合肥230009

针对智能汽车道路目标检测任务中单一传感器感知能力有限、多传感器后融合处理复杂等问题,提出了一种基于Transformer交叉注意力机制的多模态感知融合方法。首先,利用交叉注意力机制能较好地融合多模态信息的优势,搭建了基于深度学习方... 详细信息

针对智能汽车道路目标检测任务中单一传感器感知能力有限、多传感器后融合处理复杂等问题,提出了一种基于Transformer交叉注意力机制的多模态感知融合方法。首先,利用交叉注意力机制能较好地融合多模态信息的优势,搭建了基于深度学习方式的端到端融合感知网络,用以接收视觉与点云检测网络的输出,并进行后融合处理。其次,对点云检测网络的三维目标信息进行高召回处理,与视觉图像检测器输出的道路目标信息一同作为网络的输入。最后,通过网络实现二维目标信息向三维信息的融合,输出对三维目标检测信息的修正,从而得到准确度更高的后融合检测信息。在KITTI公开数据集上的验证指标表明,通过所提融合方法引入二维检测信息后,相比较PointPillars、PointRCNN、PV-RCNN及CenterPoint四种基准方法,对车辆、骑行人、行人3种类别的综合平均提升分别为7.07%、2.82%、2.46%、1.60%。通过与基于规则的后融合方法对比,所提融合网络在行人和骑行人中等、困难样本检测上,分别有平均1.88%与4.90%的提升。进一步表明所提方法具有更强的适应性与泛化能力。最后,进行了实车试验平台的搭建及算法验证,选取实车试验场景进行可视化定性分析,在实际道路场景下验证了所提检测方法与网络模型。

关键词：汽车工程多模态融合交叉注意力机制三维目标检测后融合信息修正

语义流引导采样结合注意力机制的脑肿瘤图像分割

在线全文

学校读者我要写书评

暂无评论

光学精密工程 2024年第4期32卷 565-577页

作者：宋建丽吕晓琪谷宇内蒙古科技大学信息工程学院内蒙古包头市014010 内蒙古工业大学信息工程学院内蒙古呼和浩特010051

U型网络结构的脑肿瘤自动分割方法由于多次卷积和采样操作会造成信息损失,导致分割效果不佳。为解决这一问题,提出了能够利用语义信息流引导上采样特征恢复的特征对齐单元,并在此基础上设计轻量级的双重注意力特征对齐网络(DAFANet)。首... 详细信息

U型网络结构的脑肿瘤自动分割方法由于多次卷积和采样操作会造成信息损失,导致分割效果不佳。为解决这一问题,提出了能够利用语义信息流引导上采样特征恢复的特征对齐单元,并在此基础上设计轻量级的双重注意力特征对齐网络(DAFANet)。首先,将特征对齐单元分别引入3D UNet、DMFNet和HDCNet三个经典网络,以验证其有效性和泛化性。其次,在DMFNet基础上构造轻量级的双重注意力特征对齐网络DAFANet,利用特征对齐单元强化上采样过程中的特征恢复,3D期望最大化注意力机制同时作用于特征对齐路径和级联路径,用于重点获取上下文的全程依赖关系。同时使用广义Dice损失函数提升数据不平衡时的分割精度并加快模型收敛。最后,在BraTS2018和BraTS2019公开数据集进行验证,文中所提算法在ET,WT和TC区域的分割精度分别达到80.44%,90.07%,84.57%和78.11%,90.10%,82.21%。相较于当前流行的分割网络,具有对增强肿瘤区域更好的分割效果,更擅长处理细节和边缘信息。

关键词：脑肿瘤图像分割特征对齐注意力机制轻量化

面向多场景辅助服务的大规模电动汽车聚合可调度容量建模

在线全文

学校读者我要写书评

暂无评论

电力系统自动化 2024年第7期48卷 103-115页

作者：王杨洋茆美琴杨铖周堃杜燕 Nikos D.HATZIARGYRIOU 教育部光伏系统工程研究中心合肥工业大学安徽省合肥市230009 国网安徽省电力有限公司安徽省合肥市230000 国网安徽省电动汽车服务有限公司安徽省合肥市230000 雅典国立理工大学希腊雅典15780

大规模电动汽车聚合可调度容量是含电动汽车的虚拟电厂参与多层级多场景电力平衡辅助服务的重要技术指标之一。然而,现有电动汽车聚合可调度容量模型难以适应大规模电动汽车与省级电力调度中心互动场景。为此,文中从面向电力系统调峰、... 详细信息

大规模电动汽车聚合可调度容量是含电动汽车的虚拟电厂参与多层级多场景电力平衡辅助服务的重要技术指标之一。然而,现有电动汽车聚合可调度容量模型难以适应大规模电动汽车与省级电力调度中心互动场景。为此,文中从面向电力系统调峰、调频和调压多级多场景调控新视角,提出了数据驱动和机器学习相结合的双层聚类电动汽车聚合可调度容量建模方法。该方法通过构建电动汽车-充电桩广义储能单元的个体可调度容量模型,结合基于密度空间的聚类算法和改进的自组织映射深度聚类算法,有效地融合了电动汽车电量的时间分布和充电桩的空间分布特性,构建了面向调峰、调频和调压多场景调控的聚合可调度容量模型。采用了某省实际充电记录数据对提出的方法进行了验证,获得了“早间型”“中午型”“晚间型”等多种充电画像类型,实现了时空分布各异的电动汽车广义储能系统的自主聚合和省市级规模电动汽车参与电网不同辅助服务潜能的评估,并为聚合可调度容量的预测奠定了数据基础。

关键词：电动汽车辅助服务数据驱动广义储能系统电动汽车与电网互动可调度容量聚合模型双层聚类

桁架式农田高通量信息远程采集平台设计与试验

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2024年第7期40卷 93-103页

作者：张刚王宇杨宇航唐武乔印虎杨洋安徽科技学院机械工程学院滁州239000 安徽农业大学工学院合肥230036 智能绿色农业装备安徽省联合共建学科重点实验室合肥230036

针对当前作物表型采集平台存在适用性差、采集数据量少、对农田配套设施要求高且需要人工实地采集等问题,该研究设计了一种基于桁架导轨结构的农田高通量信息远程采集平台。采集平台的运动轨道为桁架导轨结构,平台搭载相机、雷达、北斗... 详细信息

针对当前作物表型采集平台存在适用性差、采集数据量少、对农田配套设施要求高且需要人工实地采集等问题,该研究设计了一种基于桁架导轨结构的农田高通量信息远程采集平台。采集平台的运动轨道为桁架导轨结构,平台搭载相机、雷达、北斗及集成式环境传感器,可在轨道上进行前后(X轴)、左右(Y轴)、俯仰(P轴)运动,通过4G通信方式实现作物表型信息及农田环境信息的远程多方位采集。田间试验表明,4G远程通信端到端的最大延时不超过60 ms,远程监控端和采集平台端可在极短时间内进行数据交互;在远程监控端下发X、Y、P三轴阶跃信号控制指令,采集平台三轴的运动速度分别为0.5 m/s、0.0769 m/s和1.81°/s,表型传感器可在较短时间内到达目标位置进行信息采集,响应稳态误差分别为0.04 m/s、0.001 m和0.5°,运动过程平滑稳定,保证采集数据质量;Y轴从最左端移动到最右端跨度2 m的过程中,可有效对10行玉米产生近距离有效拍摄,P轴从-60°到60°的俯仰拍摄中,可对玉米苗带行垂直、前侧、后侧等几种不同的方向进行表型采集,且相机图像与雷达点云采集的一致,相机旋转俯仰拍摄的过程中受光照影响较小;对采集到相机及雷达数据融合得到具有颜色信息的三维点云,通过融合后的信息对油菜进行分株及提取株高信息,与人工实际测量株高值对比得到的R^(2)为0.96,表明采集数据效果满足后期实际作物表型参数的分析与处理;单区域的环境信息采集平均耗时10 s,各项环境参数组内无明显差异,与实测数据相比精度均大于0.95。研究结果表明该采集平台满足对农田高通量表型数据的智能化采集要求。

关键词：桁架数据采集远程控制高通量作物表型

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

一种基于微环腔辅助干涉的Fano谐振器

光学学报 2024年第11期44卷 104-114页

作者：李柯陈佳豪魏潇陈露程培红王卓远周裕鸿喻平金婧练斌宁波工程学院电子与信息工程学院浙江宁波315211 浙大宁波理工学院信息科学与工程学院浙江宁波315100

本文提出并研究了一种基于微环腔辅助干涉的Fano谐振器。在该谐振干涉结构中,输入信号光经环形谐振腔后分成的下路光和直通路光以一定相位差合束,该合束光干涉形成了有别于传统对称Lorentz线型的非对称陡峭Fano光谱。在理论上使用传输... 详细信息

本文提出并研究了一种基于微环腔辅助干涉的Fano谐振器。在该谐振干涉结构中,输入信号光经环形谐振腔后分成的下路光和直通路光以一定相位差合束,该合束光干涉形成了有别于传统对称Lorentz线型的非对称陡峭Fano光谱。在理论上使用传输矩阵方法分析了非对称线型产生的相位条件,讨论了不同耦合系数、微环损耗对非对称谱线的消光比和斜率的影响,给出了理想条件下谷点波长漂移的计算公式和完全消光条件。分析表明,当两路光信号相位差为94°时,对于耦合系数为0.242、损耗系数为0.995的Fano谐振谱消光比可高达41.54 dB,斜率可高达2372 dB/nm。基于时域有限差分(FDTD)仿真和设计,采用电子束光刻(EBL)直写器件在绝缘层上硅(SOI)平台上进行了验证。实验中两路光的合束采用了多模干涉(MMI)结构,并设计了不同相位差以验证其对Fano谐振非对称线型的影响。实验表明,在本文工艺条件下,可以获得近-25 dB的消光比和1997 dB/nm的光谱斜率。本文提出的Fano谐振结构将为高分辨率光传感、低功耗光开关和高对比度光探测等领域高性能器件的设计开辟新途径。

关键词：谐振腔 Fano共振微环传感

基于并行轻量化卷积和多尺度融合的脑部磁共振图像配准

在线全文

学校读者我要写书评

暂无评论

生物医学工程学杂志 2024年第2期41卷 213-219页

作者：沈瑜严源宋婧刘广辉许佳文魏子易兰州交通大学电子与信息工程学院兰州730070

医学图像配准在医疗诊断和治疗规划等领域具有重要意义。然而,当前基于深度学习的配准方法仍然面临着一些挑战,如对全局信息提取能力不足、网络模型参数量大、推理速度慢等问题。为此,本文提出了一种新的模型LCU-Net,采用并行轻量化卷... 详细信息

医学图像配准在医疗诊断和治疗规划等领域具有重要意义。然而,当前基于深度学习的配准方法仍然面临着一些挑战,如对全局信息提取能力不足、网络模型参数量大、推理速度慢等问题。为此,本文提出了一种新的模型LCU-Net,采用并行轻量化卷积以提升全局信息的提取能力;通过多尺度融合来解决网络参数量大和推理速度慢的问题。实验结果显示,LCU-Net的Dice系数达到0.823,Hausdorff距离为1.258,网络参数量相对于多尺度融合之前减少了约四分之一。本文提出的算法在医学图像配准任务中表现出显著优势,不仅在性能上超越了现有的对比算法,而且具有出色的泛化性能以及广泛的应用前景。

关键词：医学图像处理并行路径多尺度融合模型轻量化

Dice系数前向预测的快速正交正则回溯匹配追踪算法

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第4期46卷 1488-1498页

作者：陈平平陈家辉王宣达方毅王锋福州大学先进制造学院泉州362251 广东工业大学信息工程学院广州510006 泉州师范学院信息工程学院泉州362200

为了提高压缩感知重构算法的成功率与重构精度,该文提出基于Dice前向预测的正交正则回溯匹配追踪算法(DLARBOMP)。在该算法中,首先从匹配准则与预选阶段原子选取的角度,利用Dice系数代替原子内积计算相关度,保留原始信号信息的特性,以... 详细信息

为了提高压缩感知重构算法的成功率与重构精度,该文提出基于Dice前向预测的正交正则回溯匹配追踪算法(DLARBOMP)。在该算法中,首先从匹配准则与预选阶段原子选取的角度,利用Dice系数代替原子内积计算相关度,保留原始信号信息的特性,以此选择与残差最匹配的原子,提高算法的重构精度。同时,针对信号重构过程回溯算法的时间过长问题,在每次原子迭代过程中,该文利用正则化选择多个原子而非单个原子,实现重构精度与重构时间的平衡。最后,通过稀疏1维信号与2维图像信号重构的实验结果,显示了所提DLARBOMP算法在1维信号重构时兼顾了性能与效率,在2维压缩图像信号重构时提高其峰值信噪比(PSNR),优于正交匹配追踪(OMP)及其最新改进贪婪类算法。

关键词：信号重构压缩感知 Dice系数正则回溯贪婪类算法

在线全文

学校读者我要写书评

暂无评论

基于GAN的软测量缺失数据生成方法研究

西北工业大学学报 2024年第2期42卷 344-352页

作者：蒋栋年王仁杰兰州理工大学电气工程与信息工程学院甘肃兰州730050

针对工业过程中传感器数据缺失造成软测量模型精度低的问题,提出一种基于生成对抗网络(generative adversarial nets,GAN)的传感器缺失数据生成方法。利用孤立森林算法检测出传感器数据的缺失区域;利用缺失数据属性特征训练条件生成对... 详细信息

针对工业过程中传感器数据缺失造成软测量模型精度低的问题,提出一种基于生成对抗网络(generative adversarial nets,GAN)的传感器缺失数据生成方法。利用孤立森林算法检测出传感器数据的缺失区域;利用缺失数据属性特征训练条件生成对抗网络(conditional generative adversarial nets,CGAN),在CGAN的输入条件中添加随机序列作为附加信息迭代送入CGAN中生成数据,并借助WGAN-GP(wasserstein generative adversarial nets gradient penalty)成本函数提高网络训练的稳定性;针对缺失区域检测结果引入采样器,将采样的数据填补进缺失区域,形成完整数据集,以提高软测量模型精度。以镍闪速炉温度传感器数据为目标变量进行软测量建模,验证所提出的提高软测量模型精度方法的可行性与有效性。

关键词：数据缺失孤立森林生成对抗网络软测量模型

轻量级重参数化的遥感图像超分辨率重建网络设计

在线全文

学校读者我要写书评

暂无评论

光学精密工程 2024年第2期32卷 268-285页

作者：易见兵陈俊宽曹锋李俊谢唯嘉江西理工大学信息工程学院江西赣州341000

针对当前基于深度学习的遥感图像超分辨率重建模型部署时对硬件要求较高,本文设计了一种轻量级基于重参数化的残差特征遥感图像超分辨率重建网络。首先,采用重参数化方法设计了一种残差局部特征模块,以有效地提取图像局部特征;同时考虑... 详细信息

针对当前基于深度学习的遥感图像超分辨率重建模型部署时对硬件要求较高,本文设计了一种轻量级基于重参数化的残差特征遥感图像超分辨率重建网络。首先,采用重参数化方法设计了一种残差局部特征模块,以有效地提取图像局部特征;同时考虑到图像内部出现的相似特征,设计了一个轻量级的全局上下文模块对图像的相似特征进行关联以提升网络的特征表达能力,并通过调整该模块的通道压缩倍数来减少模型的参数量和改善模型的性能;最后,在上采样模块前使用多层特征融合模块聚合所有的深度特征,以产生更全面的特征表示。在UC Merced遥感数据集上进行测试,该算法在遥感图像3倍超分辨率下的参数量为539 K,峰值信噪比为30.01 dB,结构相似性为0.8449,模型的推理时间为0.010 s;而HSENet算法的参数量为5470 K,峰值信噪比为30.00 dB,结构相似性为0.8420,模型的推理时间为0.059 s。实验结果表明,该算法相比HSENet算法,参数量更少,运行速度较快,且峰值信噪比与结构相似性也有一定的提高。在DIV2K自然图像数据集上进行测试,该算法的峰值信噪比和结构相似性相比其他算法也有一定的优势,表明该算法的泛化能力较强。

关键词：超分辨率遥感图像全局上下文重参数化残差网络

维普期刊数据库博看期刊