检索结果-南通市图书馆

维普期刊数据库

基于“度量-语义-决策”空间的自动驾驶决策

在线全文

学校读者我要写书评

暂无评论

武汉大学学报(信息科学版) 2025年

作者：应申石群智李玉顾江岩李必军武汉大学资源与环境科学学院武汉大学地理信息系统教育部重点实验室武汉大学地球空间信息技术协同创新中心武汉大学测绘遥感信息工程国家重点实验室

自动驾驶是一个跨学科的集成领域，研究者一般将自动驾驶系统分为感知、规划、控制三个模块，但三个模块内具体任务存在较大差异，模块之间的交互关系不够明确，系统在面对复杂且多样的交通场景会表现出不足。同时，端到端的自动驾驶系... 详细信息

自动驾驶是一个跨学科的集成领域，研究者一般将自动驾驶系统分为感知、规划、控制三个模块，但三个模块内具体任务存在较大差异，模块之间的交互关系不够明确，系统在面对复杂且多样的交通场景会表现出不足。同时，端到端的自动驾驶系统具备可解释性不足的问题。提出了自动驾驶“度量-语义-决策”空间决策链条，旨在针对感知、规划、控制自动驾驶系统这种流水线关系进行补充以及在一定程度上增添端到端的自动驾驶系统的可解释性，分别构建位置与几何、语义类别、规则与推理三个空间，其中度量空间提供自动驾驶交通环境中的统一时空基准以及要素位置、几何信息，语义空间提供要素类别、移动性、危险性、规则的多维信息表达，决策空间基于度量空间与语义空间实施交通规则转换、全局路径规划、局部车道规划、引导线生成、运动控制等功能。该决策链条明确了各空间内自动驾驶任务的具体内容，分析了空间之间任务的关联关系以及高精地图对三个空间的支撑作用，并以路口场景决策为例，分析了该决策链条的实际应用流程。

关键词：自动驾驶系统自动驾驶决策 “度量-语义-决策”空间高精地图交通规则

主播话术情感对直播电商平台观众购买行为和点赞行为的不对称影响

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

图书情报知识 2025年

作者：陈婷陈曦丁宏昊黄晓吴江湖北经济学院旅游与酒店管理学院武汉大学测绘遥感信息工程国家重点实验室武汉大学信息管理学院华中师范大学信息管理学院

[目的/意义]直播电商背景下，主播话术情感如何影响观众购买行为和点赞行为尚不明确。探究主播话术情感对观众购买行为和点赞行为的不对称影响，有助于主播调整语言情感表达以最大化直播效益。[研究设计/方法]基于情感传染理论及相关文... 详细信息

[目的/意义]直播电商背景下，主播话术情感如何影响观众购买行为和点赞行为尚不明确。探究主播话术情感对观众购买行为和点赞行为的不对称影响，有助于主播调整语言情感表达以最大化直播效益。[研究设计/方法]基于情感传染理论及相关文献，构建直播电商平台的主播话术情感对观众购买行为和点赞行为影响的实证模型。然后，利用抖音平台的直播视频数据和灰豚平台的消费数据，结合自然语言处理和负二项回归分析，验证主播话术情感对观众购买行为和点赞行为的影响，并探讨主播影响力的调节作用。[结论/发现]主播话术情感对观众购买行为和点赞行为的影响具有不对称关系，即主播话术情感与购买行为、点赞行为分别呈倒U型关系和线性关系；主播影响力负向调节主播话术情感和点赞行为之间的关系，但对主播话术情感和购买行为之间的关系没有调节作用。[创新/价值]丰富了情感传染理论以及直播电商平台观众行为的研究范畴，为主播的话术交流策略提供了一定的启示。

关键词：直播电商主播话术情感情感传染理论购买行为点赞行为

基于多源遥感NDVI时序曲线特征的田区尺度冬小麦物候期提取

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

农业工程学报 2025年

作者：张晓春况梦柯史良胜钟立傲易鸣武汉大学水资源工程与调度全国重点实验室

冬小麦是中国北方地区主要的粮食作物。物候是随季节变化的特定生命周期事件，准确获取区域冬小麦物候期对指导粮食作物生产具有重要意义。传统的物候期监测方法主要基于野外实地观测，在时间和空间范围上存在局限性。遥感技术的发展使... 详细信息

冬小麦是中国北方地区主要的粮食作物。物候是随季节变化的特定生命周期事件，准确获取区域冬小麦物候期对指导粮食作物生产具有重要意义。传统的物候期监测方法主要基于野外实地观测，在时间和空间范围上存在局限性。遥感技术的发展使得长时间、大范围的冬小麦物候监测成为可能。目前遥感物候监测结果是以像元为单位空间分辨率较低的栅格影像，而以田区地块为单元的物候期图更符合实际作物生长状况。该研究为了提高物候期分布图的空间分辨率和精度，并获取田区尺度冬小麦物候期图，首先基于多源高时空分辨率遥感数据建立时间上非均匀的NDVI影像数据集，然后基于插值法获取均匀的每日NDVI数据集，并通过SG滤波重构获取能够反映冬小麦真实生长状态的NDVI时序曲线。最后基于冬小麦NDVI时序曲线特征与物候特征对应关系，采用极值法和动态阈值法提取了生长季开始期（播种）、峰值期（抽穗）、成熟期和结束期4种物候期的栅格影像，并将像元尺度的物候期结果转为田区尺度。结果显示：2017—2018年度冬小麦播种期晚于其他5年；2019—2020年度和2020—2021年度抽穗期明显早于其他4年；2019—2020年度冬小麦成熟时间早于其他5年，同时该年度生长季结束期也早于其他5年。通过验证对比发现遥感物候期结果与田间数据和其他物候研究结果一致，满足物候期县域田区尺度提取的需求。并且进一步讨论冬小麦遥感抽穗期结果与气候变化响应，发现抽穗期与当年气温、降水量和日照时数关系密切。研究综合运用高分一号、环境二号、Landsat-8和哨兵二号多源光学遥感影像，准确提取了6年冬小麦田区尺度物候期的空间分布图，为监测冬小麦生长发育状态提供科学依据。

关键词：归一化植被指数遥感物候期冬小麦多源遥感影像田区尺度

基于卡尔曼“估计-校正”循环网络的暴雨临近预测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

地球信息科学学报 2025年

作者：刘杰张彤王培晓韩士元冷亮肖艳姣济南大学信息科学与工程学院武汉大学测绘遥感信息工程国家重点实验室中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室山东女子学院人工智能学院中国气象局武汉暴雨研究所中国气象局流域强降水重点开放实验室/暴雨监测预警湖北省重点实验室

【目的】精确的暴雨临近预测在防灾减灾、工农业生产和交通运输等多方面起着重要作用，对于保障社会经济发展与人民财产安全具有十分重要的意义。然而现有暴雨智能预测方法没有充分考虑暴雨过程、观测以及建模等环节的不确定性问题，阻... 详细信息

【目的】精确的暴雨临近预测在防灾减灾、工农业生产和交通运输等多方面起着重要作用，对于保障社会经济发展与人民财产安全具有十分重要的意义。然而现有暴雨智能预测方法没有充分考虑暴雨过程、观测以及建模等环节的不确定性问题，阻碍了预测准确性和稳定性的提升。【方法】本文提出基于卡尔曼“估计-校正”循环网络的暴雨临近预测方法，在个别变化理论约束下估计气象状态，并在卡尔曼滤波的指导下依据估计误差进行气象状态校正，以实现准确和可靠的暴雨预测。所提“估计-校正”网络包括个别变化约束的深度状态估计和估计误差指导的气象状态校正2个核心单元；前者根据历史气象状态估计下一时间步的气象状态及误差；后者根据估计误差和观测误差进行气象状态的校正；二者共同提升暴雨预测精度和稳定性。【结果】在ERA5和NCEP数据集上的实验证明，所提方法的暴雨预测准确性指标CSI比所对比的基线方法提升了5%，并以稳定性指标SPREAD≈0.5的成绩取得了良好稳定性。【结论】验证了在深度学习中融合滤波理论缓解不确定性问题的可行性。

关键词：暴雨预测卡尔曼滤波“ 估计-校正”循环网络个别变化物理信息神经网络

基于多尺度特征聚合的轻量化跨视角匹配定位方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

地球信息科学学报 2025年

作者：刘瑞康卢俊郭海涛朱坤侯青峰张雪松汪泽田信息工程大学时空感知与智能处理自然资源部重点实验室智慧地球重点实验室 32158部队

【目的】跨视角图像匹配与定位是指通过将地视查询影像与带有地理标记的空视参考影像进行匹配，从而确定地视查询影像地理位置的技术。目前的跨视角图像匹配与定位技术主要使用固定感受野的CNN或者具有全局建模能力的Transformer作为特... 详细信息

【目的】跨视角图像匹配与定位是指通过将地视查询影像与带有地理标记的空视参考影像进行匹配，从而确定地视查询影像地理位置的技术。目前的跨视角图像匹配与定位技术主要使用固定感受野的CNN或者具有全局建模能力的Transformer作为特征提取主干网络，不能充分考虑影像中不同特征之间的尺度差异，且由于网络参数量和计算复杂度较高，轻量化部署面临显著挑战。【方法】为了解决这些问题，本文提出了一种面向地面全景影像和卫星影像的多尺度特征聚合轻量化跨视角图像匹配与定位方法，首先使用LskNet提取影像特征，然后设计一个多尺度特征聚合模块，将影像特征聚合为全局描述符。在该模块中，本文将单个大卷积核分解为两个连续的相对较小的逐层卷积，从多个尺度聚合影像特征，显著减少了网络的参数量与计算量。【结果】本文在CVUSA、CVACT、VIGOR 3个公开数据集上进行了对比实验和消融实验，实验结果表明，本文方法在VIGOR数据集和CVACT数据集上的Top1召回率分别达到79.00%和91.43%，相比于目前精度最高的Sample4Geo分别提升了1.14%、0.62%，在CVUSA数据集上的Top1召回率达到98.64%，与Sample4Geo几乎相同，但参数量与计算量降至30.09 M和16.05 GFLOPs，仅为Sample4Geo的34.36%、23.70%。【结论】与现有方法相比，本文方法在保持高精度的同时，显著减少了参数量和计算量，降低了模型部署的硬件要求。

关键词：跨视角图像匹配多尺度特征特征聚合大卷积核分解轻量化地理定位

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

大场景SAR影像舰船目标检测的轻量化研究

地球信息科学学报 2025年

作者：张尧张艳王涛王步云信息工程大学时空感知与智能处理自然资源部重点实验室

【目的】基于合成孔径雷达(SAR)影像的舰船检测已广泛用于海洋搜救、港口侦察、领海防御等领域。然而，随着在轨智能处理技术的快速发展，对星载SAR影像舰船目标的实时检测能力提出了更高的要求。【方法】因此针对当前SAR影像舰船目标... 详细信息

【目的】基于合成孔径雷达(SAR)影像的舰船检测已广泛用于海洋搜救、港口侦察、领海防御等领域。然而，随着在轨智能处理技术的快速发展，对星载SAR影像舰船目标的实时检测能力提出了更高的要求。【方法】因此针对当前SAR影像舰船目标尺度多样，靠岸船只背景复杂，各类遥感平台硬件资源受限等问题，本文提出了一种轻量级SAR影像舰船检测模型LWM-YOLO。首先，采用优化骨干网络结合注意力机制降低网络复杂度及参数量，提出一个轻量化骨干网络（LWCA）；其次，针对解决目标尺度多样问题，构建了一个轻型特征融合模块（LGS-FPN），在增强SAR影像中舰船目标细节信息提取能力的同时减少计算复杂度；然后，为优化定位精度，提出基于MPD-Head的检测架构，提升复杂环境中微小舰船目标的检测效果；最后，在LS-SSDD和SSDD舰船目标检测数据集上，将本文算法与主流算法进行对比实验。【结果】实验结果表明，本文提出的算法平均精度值（mAP）分别达到了74.7%和97.3%，较基础模型提升了1.5%和1.0%。同时，本文所提算法参数规模缩减至原模型的36%，计算复杂度降至80%。【结论】与其他方法相比，本文提出的算法不仅在精度上有所提升，而且在检测速率上也具有显著优势。这一研究成果可为智能化目标检测、空间在轨应用等领域提供有力支撑。

关键词：合成孔径雷达目标检测轻量化深度学习舰船检测大场景影像 YOLOv8

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于双分支融合与多尺度语义增强的裂缝检测

计算机工程与应用 2025年

作者：李婕李焕文涂静敏刘钊姚剑李礼湖北工业大学电气与电子工程学院武汉大学遥感信息工程学院武汉大学深圳研究院

细粒度裂缝作为路面裂缝形成早期阶段，对其进行检测和修复可以及早消除安全隐患，降低维护成本。细粒度裂缝除拓扑结构复杂还具有宽度微小、尺度多变的几何特征，在复杂路面背景下，现有方法容易出现漏检且对其宽度感知精度不高。针对... 详细信息

细粒度裂缝作为路面裂缝形成早期阶段，对其进行检测和修复可以及早消除安全隐患，降低维护成本。细粒度裂缝除拓扑结构复杂还具有宽度微小、尺度多变的几何特征，在复杂路面背景下，现有方法容易出现漏检且对其宽度感知精度不高。针对此，本文提出了一种基于双分支选择性融合与多尺度语义增强的路面细粒度裂缝检测方法。首先，设计了增强自注意力机制和CNN的双分支并行主干网络，从局部和全局同时进行特征提取，逐层丰富特征表示；其次，提出了冗余减少和选择性特征融合（Redundancy reduction and feature selective fusion， RSF）模块，实现双分支全局和局部信息的学习和交互，增强特征的表达能力；然后，采用了多尺度语义增强融合策略，通过跨尺度的信息传递和融合，提升模型对细粒度裂缝特征的感知能力。为了验证本文方法的有效性和可靠性，在CrackTree260公共数据集上进行了训练和测试，并在CRKWH100数据集上评估模型的泛化性能。实验表明，所提出的方法在两个数据集上分别达到了0.909和0.918的ODS值，优于其他先进的裂缝检测方法。

关键词：细粒度裂缝检测自注意力机制 CNN 多尺度特征融合语义增强

改进YOLOv8的无人机航拍图像目标检测算法

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 2025年第1期61卷 121-130页

作者：梁燕何孝武邵凯陈俊宏重庆邮电大学通信与信息工程学院重庆400065 信号与信息处理重庆市重点实验室重庆400065

针对无人机航拍图像存在多个小目标聚集、目标尺度变化大的问题,提出一种改进YOLOv8的目标检测算法TS-YOLO(tiny and scale-YOLO)。在主干部分去除冗余的特征提取层,设计了一种高效特征提取模块(efficient feature extraction module,EF... 详细信息

针对无人机航拍图像存在多个小目标聚集、目标尺度变化大的问题,提出一种改进YOLOv8的目标检测算法TS-YOLO(tiny and scale-YOLO)。在主干部分去除冗余的特征提取层,设计了一种高效特征提取模块(efficient feature extraction module,EFEM),避免小目标特征消失在冗余信息中。在颈部设计了一种双重跨尺度加权特征融合方法(dual cross-scale weighted feature-fusion,DCWF),融合多尺度信息的同时抑制噪声干扰,提升特征表达能力。通过构建一种参数共享检测头(parameter-shared detection header,PSDH),使回归和分类任务实现参数共享,保证检测精度的同时有效降低了模型的参数量。所提模型在VisDrone-2019数据集上的精度(P)和召回率(R)分别达到54.0%、42.5%;相比于原始YOLOv8s模型,mAP50提高了5.0个百分点,达到44.5%,且参数量减少了55.8%,仅有4.94×106;在DOTAv1.0遥感数据集上,mAP50达到71.9%,仍具有较好的泛化能力。

关键词：目标检测无人机航拍图像 YOLOv8 小目标特征融合

维普期刊数据库

基于改进YOLOv8的自动驾驶场景目标检测算法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2025年第1期61卷 131-141页

作者：杨磊陈艳菲李海鸣石教兴安培武汉工程大学光学信息与模式识别湖北省重点实验室武汉430205 武汉工程大学电气信息学院武汉430205 华中科技大学电子信息与通信学院武汉430074

针对自动驾驶场景遮挡目标和小目标检测困难问题,提出了FAN-YOLOv8n自动驾驶检测算法。设计了特征感受野融合模块(EFFVM),增强模型主干部分对局部特征的提取,提高模型对遮挡目标的检测能力;在模型头部增加了更浅特征层P2的检测头,提高... 详细信息

针对自动驾驶场景遮挡目标和小目标检测困难问题,提出了FAN-YOLOv8n自动驾驶检测算法。设计了特征感受野融合模块(EFFVM),增强模型主干部分对局部特征的提取,提高模型对遮挡目标的检测能力;在模型头部增加了更浅特征层P2的检测头,提高模型对于小目标的检测效果;在模型颈部设计了特征指导模块(FGM)来融合浅层和深层的特征信息,使得两层之间能够更好地进行特征交互,让模型更关注细粒特征。提出了特征层融合模块(FLFM),融合多尺度特征层并进行特征增强,使模型能够自适应不同尺度目标的检测。实验结果表明,在SODA10M数据集和部分BDD100K数据集上,改进模型的mAP0.5对比原始YOLOv8n模型提升了7个百分点和6.5个百分点,适用于实际自动驾驶检测任务。

关键词：自动驾驶 YOLOv8n 小目标遮挡目标

维普期刊数据库