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

基于特征增强的高分辨率人体姿态估计网络

电子测量技术 2024年第2期47卷 131-141页

作者：谢唯嘉易见兵曹锋李俊江西理工大学信息工程学院赣州341000

在轻量级卷积神经网络进行高分辨率人体姿态估计时存在提取特征不充分,针对该问题,提出了一种基于特征增强的高分辨率人体姿态估计网络。首先利用空洞卷积补全操作提取图像特征,以避免特征信息丢失且保持模型参数基本不变;接着利用池化... 详细信息

在轻量级卷积神经网络进行高分辨率人体姿态估计时存在提取特征不充分,针对该问题,提出了一种基于特征增强的高分辨率人体姿态估计网络。首先利用空洞卷积补全操作提取图像特征,以避免特征信息丢失且保持模型参数基本不变;接着利用池化增强模块进行卷积提取特征的选择,以保留重要特征且减轻传统池化模块对提取特征造成的破坏;最后利用加强通道信息交互的深度可分离卷积模块进行特征提取,以保持该模块的参数量较少且能够提高其特征提取能力。在COCO2017数据集进行性能测试,本文算法和DiteHRNet30算法的AR值分别为77.9%和77.2%;在MPII数据集进行性能测试,本文算法和DiteHRNet30算法的PCKh值分别为32.6%和31.7%。实验结果表明,本文算法在人体姿态估计精度和算法复杂度之间能够达到较好的平衡。

关键词：人体姿态估计轻量级网络高分辨率空洞卷积池化深度可分离卷积

在线全文

学校读者我要写书评

暂无评论

多尺度特征融合的点云配准算法研究

广西师范大学学报（自然科学版） 2024年第3期42卷 108-120页

作者：易见兵彭鑫曹锋李俊谢唯嘉江西理工大学信息工程学院江西赣州341000

现有点云配准算法提取的特征不够丰富,导致配准精度很难进一步提升。针对该问题,本文提出一种基于深度学习的多尺度特征融合点云配准算法。首先,利用EdgeConv提取多个不同尺度的特征,该特征能够保持局部几何结构特性;接着,引入非线性极... 详细信息

现有点云配准算法提取的特征不够丰富,导致配准精度很难进一步提升。针对该问题,本文提出一种基于深度学习的多尺度特征融合点云配准算法。首先,利用EdgeConv提取多个不同尺度的特征,该特征能够保持局部几何结构特性;接着,引入非线性极化注意力对其输出特征进行筛选,从而提高特征信息的有效性;然后,将以上多尺度特征进行融合并再次利用EdgeConv提取其特征,从而提高特征的表达能力;在刚体姿态估计阶段,采用线性李代数处理旋转变换以充分挖掘点云中的变换信息;最后,根据配准过程中提取点云特征的变化,动态调整损失函数各组成部分的权重,获得更准确的模型预测结果。在ModelNet40数据集上进行实验,本文算法在训练集和测试集样本种类相同时的旋转误差为1.8267,位移误差为0.0010;在训练集和测试集的样本种类不相同时(泛化实验)的旋转误差为2.9794,位移误差为0.0010。实验结果表明,本文算法的配准精度相比当前主流算法均有提高且泛化性能较好。

关键词：深度学习点云配准特征提取刚体目标姿态估计李代数

等距螺旋锥齿轮的精确建模与金属粉末注射成型工艺试制

在线全文

学校读者我要写书评

暂无评论

粉末冶金技术 2024年第2期42卷 207-214页

作者：刘赣华唐乃夫汪啟江西理工大学机电工程学院赣州341000

等距螺旋锥齿轮作为一种新型锥齿轮,其螺旋齿面具有法向等距的特点,适用于金属粉末注射成型工艺批量化生产。根据坐标变换理论推导出球面渐开线和等距圆锥螺旋线的参数方程,再基于齿面形成原理建立齿面数学模型;在MATLAB中对齿面数学模... 详细信息

等距螺旋锥齿轮作为一种新型锥齿轮,其螺旋齿面具有法向等距的特点,适用于金属粉末注射成型工艺批量化生产。根据坐标变换理论推导出球面渐开线和等距圆锥螺旋线的参数方程,再基于齿面形成原理建立齿面数学模型;在MATLAB中对齿面数学模型编程计算出齿面离散点坐标,并通过UG逆向工程完成等距螺旋锥齿轮的精确建模;利用ANSYS仿真分析等距螺旋锥齿轮的啮合接触,得出齿轮的传动性能;最后通过金属粉末注射成型工艺完成等距螺旋锥齿轮的试制。研究结果表明,齿面数学模型结合离散点逆向建模可确保模型的精度,金属粉末注射成型工艺可用于等距螺旋锥齿轮的批量化生产。

关键词：等距螺旋锥齿轮齿面数学模型三维建模啮合分析金属粉末注射成型

基于Spark和NRSCA策略的并行深度森林算法

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2024年第1期41卷 126-133页

作者：毛伊敏刘绍芬江西理工大学信息工程学院江西赣州341000 韶关学院信息工程学院广东韶关512026

针对并行深度森林在大数据环境下存在冗余及无关特征过多、两端特征利用率过低、模型收敛速度慢以及级联森林并行效率低等问题,提出了基于Spark和NRSCA策略的并行深度森林算法——PDF-SNRSCA。首先,该算法提出了基于邻域粗糙集和Fisher ... 详细信息

针对并行深度森林在大数据环境下存在冗余及无关特征过多、两端特征利用率过低、模型收敛速度慢以及级联森林并行效率低等问题,提出了基于Spark和NRSCA策略的并行深度森林算法——PDF-SNRSCA。首先,该算法提出了基于邻域粗糙集和Fisher score的特征选择策略(FS-NRS),通过衡量特征的相关性和冗余度,对特征进行过滤,有效减少了冗余及无关特征的数量;其次,提出了一种随机选择和等距提取的扫描策略(S-RSEE),保证了所有特征能够同概率被利用,解决了多粒度扫描两端特征利用率低的问题;最后,结合Spark框架,实现级联森林并行化训练,提出了基于重要性指数的特征筛选机制(FFM-II),筛选出非关键性特征,平衡增强类向量与原始类向量维度,从而加快模型收敛速度,同时设计了基于SCA的任务调度机制(TSM-SCA),将任务重新分配,保证集群负载均衡,解决了级联森林并行效率低的问题。实验表明,PDF-SNRSCA算法能有效提高深度森林的分类效果,且对深度森林并行化训练的效率也有大幅提升。

关键词：并行深度森林算法 Spark框架邻域粗糙集正弦余弦算法多粒度扫描

在线全文

学校读者我要写书评

暂无评论

基于互信息和融合加权的并行深度森林算法

计算机应用研究 2024年第2期41卷 473-481页

作者：毛伊敏李文豪江西理工大学信息工程学院江西赣州341000 韶关学院信息工程学院广东韶关512000

针对大数据环境下并行深度森林算法中存在不相关及冗余特征过多、多粒度扫描不平衡、分类性能不足以及并行化效率低等问题,提出了基于互信息和融合加权的并行深度森林算法(parallel deep forest algorithm based on mutual information ... 详细信息

针对大数据环境下并行深度森林算法中存在不相关及冗余特征过多、多粒度扫描不平衡、分类性能不足以及并行化效率低等问题,提出了基于互信息和融合加权的并行深度森林算法(parallel deep forest algorithm based on mutual information and mixed weighting,PDF-MIMW)。首先,在特征降维阶段提出了基于互信息的特征提取策略(feature extraction strategy based on mutual information,FE-MI),结合特征重要性、交互性和冗余性度量过滤原始特征,剔除过多的不相关和冗余特征;接着,在多粒度扫描阶段提出了基于填充的改进多粒度扫描策略(improved multi-granularity scanning strategy based on padding,IMGS-P),对精简后的特征进行填充并对窗口扫描后的子序列进行随机采样,保证多粒度扫描的平衡;其次,在级联森林构建阶段提出了并行子森林构建策略(sub-forest construction strategy based on mixed weighting,SFC-MW),结合Spark框架并行构建加权子森林,提升模型的分类性能;最后,在类向量合并阶段提出基于混合粒子群算法的负载均衡策略(load balancing strategy based on hybrid particle swarm optimization algorithm,LB-HPSO),优化Spark框架中任务节点的负载分配,降低类向量合并时的等待时长,提高模型的并行化效率。实验表明,PDF-MIMW算法的分类效果更佳,同时在大数据环境下的训练效率更高。

关键词： Spark框架并行深度森林互信息负载均衡

在线全文

学校读者我要写书评

暂无评论

高水压高应力岩石声波时域传播特性试验研究

煤炭学报 2024年

作者：金解放赵康艳黄方博王宇方立兴江西理工大学土木与测绘工程学院江西理工大学资源与环境工程学院

地下工程岩体普遍处于水压力和地应力环境中，水压力和地应力共同控制着岩石的物理力学特性；研究高水压和高应力对岩石声波传播的影响特性，有利于揭示深部岩体工程开挖时围岩损伤演化、动态力学响应以及水压力和地应力的反演。基于自... 详细信息

地下工程岩体普遍处于水压力和地应力环境中，水压力和地应力共同控制着岩石的物理力学特性；研究高水压和高应力对岩石声波传播的影响特性，有利于揭示深部岩体工程开挖时围岩损伤演化、动态力学响应以及水压力和地应力的反演。基于自主研发的高水压高应力岩石声波测试系统，设置多组水压力和轴向静应力等级用于模拟地下水压力和地应力环境，对红砂岩和石灰岩进行声波传播试验。选取岩石声波首波波形，研究岩石声波波速、首波幅值和能量随水压力和轴向静应力的变化关系，构建岩石声学参数的演化经验模型。研究结果表明，当承受的轴向静应力确定时，红砂岩声波波速随水压力的增大呈先上升后下降的变化趋势，二者呈良好高斯函数关系，石灰岩声波波速随水压力的增加先快速升高后缓慢降低。当承受的水压力确定时，2种岩石声波波速随轴向静应力的增大均呈现先增加后减小的变化趋势，红砂岩声波波速与轴向静应力呈高斯函数关系，且红砂岩声波波速变化显著，石灰岩变化较小。确定轴向静应力工况下，红砂岩首波幅值和能量随水压力的增加先平缓发展后快速降低，首波幅值与水压力呈指数函数的变化关系；石灰岩首波幅值和能量随水压力的增加先快速增加后平稳发展或略有降低。确定水压力工况下，红砂岩首波幅值和能量随轴向静应力的增加先升高后下降；石灰岩首波幅值和能量随轴向静应力的增大先快速上升后急剧减小。研究成果对深部高水压环境下岩体工程开挖围岩赋存状态表征、应力波传播以及邻近结构的稳定性分析提供理论基础。

关键词：深部高水压岩石声波传播声波波速首波幅值首波能量

基于多尺度无参数注意力机制增强网络的遥感图像超分辨率重建

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

激光与光电子学进展 2024年

作者：郑剑刘子龙于祥春江西理工大学信息工程学院江西理工大学宜春锂电新能源产业研究院

为了获取具有更多高频信息和纹理细节信息的遥感图像，并解决遥感图像超分辨率网络结构复杂、参数过多和模型规模大的问题，本文提出一种多尺度无参数注意力机制的增强网络。首先，该网络利用卷积层提取低分辨率遥感图像的浅层特征，接... 详细信息

为了获取具有更多高频信息和纹理细节信息的遥感图像，并解决遥感图像超分辨率网络结构复杂、参数过多和模型规模大的问题，本文提出一种多尺度无参数注意力机制的增强网络。首先，该网络利用卷积层提取低分辨率遥感图像的浅层特征，接着将浅层特征输入到提出的多尺度无参数注意力增强模块，该模块利用多个不同大小卷积核的卷积层并行连接组合来细化多尺度特征的提取，在无参数注意力机制下，通过对称激活函数增强具有高贡献的特征信息，抑制冗余信息。经过6个残差连接的多尺度无参数注意力增强模块后，由重建模块生成最终的重构图像。大量实验结果表明，与现有代表性的方法进行对比，该网络在性能指标和视觉效果方面都具有显著的重建优势，PSNR与SSIM均优于其他对比方法。

关键词：遥感图像深度学习图像超分辨率多尺度特征无参数注意力机制

改进轻量化VTG-YOLOv7-tiny的钢材表面缺陷检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

光学精密工程 2024年第8期32卷 1227-1240页

作者：梁礼明龙鹏威冯耀卢宝贺江西理工大学电气工程与自动化学院江西赣州341000

针对钢材表面缺陷形态多样、结构复杂且存在检测目标漏检现象和算法参数量过大等问题,提出一种轻量化VTG-YOLOv7-tiny的钢材缺陷检测算法。该方法一是设计VoVGA-FPN网络,以减少信息传递过程中的丢失,增强网络特征融合能力;二是构建三重... 详细信息

针对钢材表面缺陷形态多样、结构复杂且存在检测目标漏检现象和算法参数量过大等问题,提出一种轻量化VTG-YOLOv7-tiny的钢材缺陷检测算法。该方法一是设计VoVGA-FPN网络,以减少信息传递过程中的丢失,增强网络特征融合能力;二是构建三重坐标注意力机制,提升模型对空间和通道信息的特征提取能力;三是引入鬼影混洗卷积,在提高精度的同时降低模型参数量和计算量;四是增加大目标检测层,改善特征图中部分缺陷占比较大,导致检测精度低的问题。在NEU-DET和Severstal钢材缺陷数据集进行实验验证,改进后算法与原模型相比,mAP分别提升5.7%和8.5%;参数量和计算量分别降低0.61 M和4.2 G;精确度和召回率分别提升7.1%,1.8%和8.9%,7.0%。实验结果表明,改进后的算法更好地平衡了检测精度和轻量化,为边缘终端设备提供了参考。

关键词：缺陷检测轻量化YOLOv7-tiny VoVGA-FPN网络三重坐标注意力鬼影混洗卷积

基于双通道注意力机制的AE-BIGRU交通流预测模型

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

铁道科学与工程学报 2024年第5期21卷 1774-1782页

作者：黄艳国何烜杨仁峥江西理工大学电气工程与自动化学院江西赣州341000

交通流预测是智能交通系统的关键。针对目前交通流数据复杂的时空关联性以及自身的不确定性,为准确预测高速公路交通流并缓解交通拥堵问题,提出以自编码器网络(AE)和双向门控循环单元(BIGRU)相结合的深度学习组合预测模型(AE-BIGRU),并... 详细信息

交通流预测是智能交通系统的关键。针对目前交通流数据复杂的时空关联性以及自身的不确定性,为准确预测高速公路交通流并缓解交通拥堵问题,提出以自编码器网络(AE)和双向门控循环单元(BIGRU)相结合的深度学习组合预测模型(AE-BIGRU),并在此基础上引入双通道注意力机制进行模型训练。将预处理后的数据采用滑动窗口的方式作为参数输入模型,通过AE提取交通流的空间特征,得到输入信息特征的最优抽象表示;利用BIGRU从前向和后向传播中获取信息,充分提取交通流的时间相关特征,更全面地捕捉时间演变规律;最后结合双通道注意力机制,增强预测模型的特征提取能力,最大限度地保留特征信息,提升模型的预测精度,从而得到最终短时流量的预测目标值。为验证模型的适用性,采用多组短时交通流数据进行仿真实验,与其他基准模型对比发现:该交通流预测模型能够有效捕获交通流的动态时空特征,加强关键信息的提取,所预测的流量更加接近真实值,具有良好的泛化能力。其中测试集的均方根误差值下降了约0.061~0.604,平均绝对误差值下降了约0.025~0.512,相关系数值R2提高了约0.007~0.062。研究结果表明,随着预测步长的增加,该实验模型在交通流数据的时间特性上仍能表现出稳定的预测性能,所建的组合预测模型在预测精度和鲁棒性方面表现出更高水平。

关键词：智能交通交通流预测 AE-BIGRU模型深度学习双通道注意力机制