检索结果-南通市图书馆

维普期刊数据库

基于YOLOv5s的改进实时红外小目标检测

在线全文

学校读者我要写书评

暂无评论

激光与红外 2024年第2期54卷 281-288页

作者：谷雨张宏宇彭冬亮杭州电子科技大学自动化学院浙江杭州310018 杭州电子科技大学圣光机联合学院浙江杭州310018

针对红外图像分辨率低、背景复杂、目标细节特征缺失等问题,提出了一种基于YOLOv5s的改进实时红外小目标检测模型Infrared-YOLOv5s。在特征提取阶段,采用SPD-Conv进行下采样,将特征图切分为特征子图并按通道拼接,避免了多尺度特征提取... 详细信息

针对红外图像分辨率低、背景复杂、目标细节特征缺失等问题,提出了一种基于YOLOv5s的改进实时红外小目标检测模型Infrared-YOLOv5s。在特征提取阶段,采用SPD-Conv进行下采样,将特征图切分为特征子图并按通道拼接,避免了多尺度特征提取过程中下采样导致的特征丢失情况,设计了一种基于空洞卷积的改进空间金字塔池化模块,通过对具有不同感受野的特征进行融合来提高特征提取能力;在特征融合阶段,引入由深到浅的注意力模块,将深层特征语义特征嵌入到浅层空间特征中,增强浅层特征的表达能力;在预测阶段,裁减了网络中针对大目标检测的特征提取层、融合层及预测层,降低模型大小的同时提高了实时性。首先通过消融实验验证了提出各模块的有效性,实验结果表明,改进模型在SIRST数据集上平均精度均值达到了95.4%,较原始YOLOv5s提高了2.3%,且模型大小降低了72.9%,仅为4.5 M,在Nvidia Xavier上推理速度达到28 f/s,利于实际的部署和应用。在Infrared-PV数据集上的迁移实验进一步验证了改进算法的有效性。提出的改进模型在提高红外图像小目标检测性能的同时,能够满足实时性要求,因而适用于红外图像小目标实时检测任务。

关键词：红外小目标检测 YOLOv5s 注意力机制特征融合

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于多视图对比学习的动态图链接预测方法

南京大学学报(自然科学) 2024年第3期 383-395页

作者：焦鹏飞吴子安刘欢张纪林万健杭州电子科技大学网络安全学院杭州电子科技大学计算机学院数据安全治理浙江省工程研究中心浙江科技学院

链接预测旨在推断网络中缺失的边或预测未来可能出现的边.先前的链接预测研究主要集中在处理静态网络上，其目标是预测已知网络中缺失的边，然而，现实世界中许多复杂网络通常是动态变化的，使得动态网络中的链接预测任务往往比静态网... 详细信息

链接预测旨在推断网络中缺失的边或预测未来可能出现的边.先前的链接预测研究主要集中在处理静态网络上，其目标是预测已知网络中缺失的边，然而，现实世界中许多复杂网络通常是动态变化的，使得动态网络中的链接预测任务往往比静态网络中更为复杂和困难.近年来，基于动态图表示学习的链接预测方法已经展现较好的结果，这类方法利用动态图表示学习方法学习节点的嵌入表示，以捕捉网络的结构和演化信息，从而在动态网络中实现有效的链接预测.现有方法主要采用循环神经网络或自注意力机制作为神经网络架构的组件，通过时间序列网络学习动态网络的演化信息，然而，动态网络的多样性和演化模式的可变性对基于复杂时序网络的方法提出挑战.这些方法可能很难适应不同动态网络中不断发展的演化模式，同时，在图表示学习领域，图对比学习因为其强大的自监督学习能力受到广泛关注，但是现有方法大多针对静态图，对于动态图的研究较少.为了解决上述问题，提出一种动态网络多视图对比学习的链接预测方法，不依赖额外的时序网络参数，实现动态网络的表示学习和链接预测.该方法将动态网络快照视为网络的多个视图，摆脱对比学习对数据增强的依赖.通过构建包含网络结构、节点演化以及拓扑演化三个视图的对比学习目标函数，挖掘快照内网络结构、快照间节点和网络高阶结构的演化模式学习节点表示，实现链接预测任务.最后，在多个真实数据集上进行了多类动态链接预测实验，实验结果显著优于所有基线方法，验证了所提方法的有效性.

关键词：链接预测对比学习图表示学习动态网络动态图嵌入

基于改进BiLSTM模型的光伏阵列故障诊断

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电源学报 2024年

作者：罗凯元刘光宇毛嘉铭杭州电子科技大学自动化学院

为了正确辨识光伏阵列运行状态并降低故障漏诊率，提出一种改进双向长短期记忆网络(BiLSTM)的光伏阵列故障诊断方法。首先，结合注意力机制优化调节故障标签的注意力权重分配，降低光伏阵列故障诊断的漏诊率；其次，通过融合佳点集、分... 详细信息

为了正确辨识光伏阵列运行状态并降低故障漏诊率，提出一种改进双向长短期记忆网络(BiLSTM)的光伏阵列故障诊断方法。首先，结合注意力机制优化调节故障标签的注意力权重分配，降低光伏阵列故障诊断的漏诊率；其次，通过融合佳点集、分段自适应逃逸能量机制及黄金正弦三种策略对传统的哈里斯鹰算法进一步优化，并通过优化后的哈里斯鹰算法对BiLSTM模型超参数进行寻优。对比实验表明：IHHO-Att-BiLSTM模型对光伏阵列故障诊断的准确率达到99.26%，漏诊率低至0.13%。

关键词：光伏阵列故障诊断漏诊双向长短期记忆网络注意力机制

考虑配送交通风险的新零售平台、骑手及消费者三方演化博弈分析

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

系统管理学报 2024年第1期33卷 46-58页

作者：汪翼李秀晖雒兴刚杭州电子科技大学管理学院杭州310018

新零售行业中配送骑手的交通事故比率不断攀升引起了社会的广泛关注。骑手出于对配送超时和消费者投诉的担心,在配送途中选择超速违章,从而增加交通风险。为避免消费者对配送超时进行投诉,越来越多的平台企业主动建立超时补偿机制,即对... 详细信息

新零售行业中配送骑手的交通事故比率不断攀升引起了社会的广泛关注。骑手出于对配送超时和消费者投诉的担心,在配送途中选择超速违章,从而增加交通风险。为避免消费者对配送超时进行投诉,越来越多的平台企业主动建立超时补偿机制,即对配送超时为消费者提供补偿。该补偿机制能否有效减少消费者投诉,进而影响骑手的配送行为,降低其配送中的交通风险,是值得研究的重要问题。构建由新零售平台、骑手及消费者组成的三方演化博弈模型,其中,平台决定是否建立针对消费者的超时补偿机制,骑手在不同风险程度的配送行为之间进行选择,而消费者则决定在超时情况下是否进行投诉。研究发现:平台对于骑手超时的直接惩罚额度是影响骑手的策略中最关键的影响因素。当直接惩罚额度较大时,平台、消费者的任何策略选择都无法改变骑手普遍向高风险配送策略演化的“骑手困境”情况;当直接惩罚额度适中,建立超时补偿机制给平台企业带来的直接效用较大,且平台与消费者普遍对骑手更具有同理心时,三方演化策略均衡可以达到理想状态:平台建立主动补偿机制、骑手低风险配送、消费者对于订单超时选择不投诉。

关键词：新零售平台骑手困境配送交通风险超时补偿演化博弈

维普期刊数据库