检索结果-南通市图书馆

基于新模态-小波包分解的超宽带雷达生命体征信号去噪算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电子测量与仪器学报 2024年第3期38卷 143-151页

作者：余慧敏朱姣姿湖南师范大学信息科学与工程学院长沙410006

超宽带雷达具有高分辨率,穿透能力强,低功耗等优势,工作时人体无需接触任何电极或传感器,可以穿透衣服、废墟等非金属介质在较远的距离内检测人体生命体征信息,在非接触式生命体征检测方面具有很重要的应用价值。由于人类心跳信号容易... 详细信息

超宽带雷达具有高分辨率,穿透能力强,低功耗等优势,工作时人体无需接触任何电极或传感器,可以穿透衣服、废墟等非金属介质在较远的距离内检测人体生命体征信息,在非接触式生命体征检测方面具有很重要的应用价值。由于人类心跳信号容易被呼吸谐波和其他噪声干扰,为了准确提取人体生命体征信号,提出一种基于改进的自适应噪声集合经验模态分解(ICEEMDAN)与小波包分解(WPD)结合的生命体征信号去噪方法。先通过超宽带雷达测量待测者的生命体征,获取人体所在空间位置提取出体表微动信号,对体表振动信号进行补偿与欠采样处理;利用ICEEMDAN-WPD的阈值去噪方法对微动信号进行模态分解,选取合适的模态分量去噪并进行重构,获取人体心跳微动信号的时频特征。实验结果表明,该算法相较于传统的去噪算法将相关系数提高到了0.9405,信噪比提高到了9.0938 dB,保留更多的生命体征信息的同时拥有更高的信噪比,可有效应用于生命体征检测领域。

关键词：超宽带自适应集合经验模态分解小波包分解生命体征

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

面向交通标识的改进RT-DETR检测算法

小型微型计算机系统 2024年

作者：谢竞邓月明湖南师范大学信息科学与工程学院

针对交通标识检测过程中，驾驶车速过快或光照等外界环境因素导致交通标识发生形变、模糊而造成的检测精度与速度下降的问题，本文提出一种面向交通标识的改进RT-DETR检测算法。首先在算法的主干网络中引入了DCNv2可变形卷积并设计了MCC... 详细信息

针对交通标识检测过程中，驾驶车速过快或光照等外界环境因素导致交通标识发生形变、模糊而造成的检测精度与速度下降的问题，本文提出一种面向交通标识的改进RT-DETR检测算法。首先在算法的主干网络中引入了DCNv2可变形卷积并设计了MCCA注意力机制，进而提出DCNv2att可变形注意力卷积块，有效的生成了偏移量，根据目标对象的形状变化自适应地选择采样位置并更准确的捕捉物体边界的细节信息；然后针对原算法Transformer编码器位置编码方式中存在的周期性缺陷问题，采用一种可学习的位置编码，模型可以自主的学习并适应输入序列特点的位置信息表示，从而提高模型的性能；最后将原GIoU损失函数替换为MPDIoU损失函数，以直接最小化预测边界框和地面实况边界框之间的左上和右下点的距离，缓解了当预测的边界框完全被地面实况边界框覆盖时，损失函数无法优化锚框位置与尺寸的问题。改进的算法在TT100K数据集上与原RT-DETR算法相比，综合平均精度提高了3.0个百分点，计算量下降了18%，FPS提高了12帧，轻量化的同时提高了检测精度与检测速度，显著优于同类对比算法，可实际应用于交通标识检测场景。

关键词： RT-DETR 交通标识位置编码注意力机制 MPDIoU Loss

连续与离散变量协同分析的非平稳非高斯工业过程异常检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电子学报 2024年

作者：蔡美玲罗迪肖敬日李婧妍刘金平湖南师范大学信息科学与工程学院湘江实验室湖南师范大学数学与统计学院湖

关键词：混合学生分布混合多项分布非平稳过程非高斯过程变分贝叶斯推断持续学习

基于RFB和YOLOv5特征增强融合改进的钢材缺陷检测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程 2024年

作者：黄硕清黄金贵湖南师范大学信息科学与工程学院

钢材表面缺陷形状不规则、尺度不一、背景复杂等因素，大大增加了钢材表面缺陷检测的难度。针对现有方法检测精度低、速度慢、小目标缺陷难以检测等问题，提出了一种基于RFB和YOLOv5特征增强融合改进的钢材缺陷检测方法RFB-YOLOv5-E，... 详细信息

钢材表面缺陷形状不规则、尺度不一、背景复杂等因素，大大增加了钢材表面缺陷检测的难度。针对现有方法检测精度低、速度慢、小目标缺陷难以检测等问题，提出了一种基于RFB和YOLOv5特征增强融合改进的钢材缺陷检测方法RFB-YOLOv5-E，以提高钢材表面缺陷的识别率。首先，对YOLOv5中的C3模块进行修改，升级为C3s模块，通过增加更多的梯度流分支来获取更多的梯度信息，从而提高模型的准确度。；然后改进浅层特征提取网络，添加特征增强函数，增大背景与缺陷间的差距，再增加一个下采样层和一个检测头，扩大网络的深度和感受野，提高特征提取的能力和检测能力；此外还改进了RFB模块并替换YOLOv5主干网络中的SPPF模块，通过模拟人类视觉进一步增大感受野，更加强化网络的特征提取能力。实验结果表明，RFB-YOLOv5-E算法在NEU-DET数据集上的mAP达到了79.2%，较原YOLOv5算法提高了8.5%，检测速度为122 FPS，实现了检测速度与检测精度更好的均衡。

关键词：缺陷检测特征增强 RFB模块 YOLOv5方法

基于对抗训练与对比表示蒸馏的图神经网络推理优化研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程 2024年

作者：李强谭兴义郑唯刘震杨文海湖南师范大学信息科学与工程学院

图神经网络（GNNs）在节点分类任务上表现优异，但其消息传递机制导致的邻域获取延迟问题限制了其在延迟敏感应用中的部署。尽管多层感知机（MLPs）在节点分类任务的准确性不及GNNs，但由于其理想的推理效率，仍是实际工业应用的主要工... 详细信息

图神经网络（GNNs）在节点分类任务上表现优异，但其消息传递机制导致的邻域获取延迟问题限制了其在延迟敏感应用中的部署。尽管多层感知机（MLPs）在节点分类任务的准确性不及GNNs，但由于其理想的推理效率，仍是实际工业应用的主要工具。鉴于GNNs和MLPs在各自优势与劣势上的互补性，提出了基于对抗训练与对比表示蒸馏的图神经网络推理优化方法，以将GNNs教师模型学到的知识传递给更高效的MLPs学生模型。通过将快速梯度符号法生成的特征扰动与节点内容特征结合并作为学生模型的输入，然后在真实标签与教师模型的Softmax概率分布的指导下，对学生模型进行对抗训练，以降低其对节点特征噪声的敏感性。此外，设计对比表示蒸馏模块，将学生和教师模型对同一节点输出的嵌入视为正样本对，对不同节点输出的嵌入视为负样本对。通过缩小正样本对的距离并扩大负样本对的距离，使学生模型能够捕捉教师模型输出的节点嵌入之间的关系，从而保留GNNs的全局拓扑结构。在公共数据集上的大量实验表明，当教师模型为GraphSAGE时，采用该方法训练得到的MLPs学生模型在推理速度上比GraphSAGE快89倍，准确性相较于普通MLP和GraphSAGE分别平均提高了14.12%和2.02%，且优于现有的两种基线方法。

关键词：图神经网络知识蒸馏推理加速对比学习对抗训练

基于物联网的宿舍环境监测与综合管理系统研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

湖南师范大学自然科学学报 2024年第05期 121-126页

作者：张宛芸周诗瑶魏新宇杨艺清董俊张连明湖南师范大学信息科学与工程学院

宿舍作为公共聚集区，具有人员数量大的特点，存在着室内环境难以实时监测维护、室内人员是否在位难以实时统计等问题。宿舍环境的好坏会直接影响居住人的生活质量及身心状态，宿舍人员的实时统计会影响管理工作的判断决策。本文基于物... 详细信息

宿舍作为公共聚集区，具有人员数量大的特点，存在着室内环境难以实时监测维护、室内人员是否在位难以实时统计等问题。宿舍环境的好坏会直接影响居住人的生活质量及身心状态，宿舍人员的实时统计会影响管理工作的判断决策。本文基于物联网技术设计了一种宿舍环境实时监测与综合管理系统。本系统采用温度、光敏、噪声传感器精确感知宿舍温度变化、熄灯与否、吵闹噪声情况；运用先进毫米波雷达技术，在保护学生隐私的前提下，实时监测统计宿舍人员在寝情况；基于物联网技术将环境和人员到寝数据传输到信息中心进行集中处理分析。宿舍作为物联网的各个节点，基于MQTT协议将各节点采集的数据通过WIFI网关上传至云平台，实现数据的共享与持久化。最后在微信小程序端实现数据可视化，用以辅助学校后勤管理部门实时、多维度监测学生宿舍情况。实测结果表明：云平台接收的数据能及时反映学生宿舍的环境数据波动和人数变化，实现用户终端远程监控功能，满足人员管理和宿舍环境安全舒适的监测和维护需要。

关键词：物联网寝室环境监测云平台雷达传感

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

多模态信息增强表示的中文关键词抽取方法

清华大学学报（自然科学版） 2024年第10期64卷 1785-1796页

作者：周炫余刘林卢笑李璇张思敏湖南师范大学基础教育大数据研究与应用重点实验室长沙410006 湖南师范大学工程与设计学院长沙410006

关键词抽取是指能自动抽取反映文本主题的词或者短语,被广泛应用于文本检索、文本摘要等领域中。目前关键词抽取任务主要依赖于预训练语言模型来获取文本表示,这类语言模型主要基于单一模态的通用文本语料进行训练,存在无法根据下游任... 详细信息

关键词抽取是指能自动抽取反映文本主题的词或者短语,被广泛应用于文本检索、文本摘要等领域中。目前关键词抽取任务主要依赖于预训练语言模型来获取文本表示,这类语言模型主要基于单一模态的通用文本语料进行训练,存在无法根据下游任务特性进行领域适配和语义表征能力有限的问题。该文提出一种多模态信息增强表示的中文关键词抽取方法MIEnhance-KPE,首先引入Adapter层将偏旁和部首信息集成到预训练语言模型层中,得到领域自适应的文本表示;其次利用卷积神经网络提取汉字的图像特征,同时使用交叉注意力机制融合汉字图像特征和文本特征,实现文本语义表示增强;最后利用条件随机场(conditional random field,CRF)模型进行序列标注任务,并计算词语的位置-词频权重对其进行排序获得关键词。与目前十分先进的关键词抽取方法KIEMP相比,MIEnhance-KPE在公开的中文科学文献数据集和自构建的中文教育关键词抽取数据集上的F值分别提升了15.71%和3.40%;消融实验结果表明,所提出的领域自适应模块和视觉语义增强表示模块均能有效提高关键词抽取的准确性。MIEnhance-KPE的提出有助于教育研究者精准了解教育发展趋势,促进教育理论和实践的创新。

关键词：中文关键词抽取多模态信息多粒度语义特征交叉注意力机制领域自适应

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

自我引导和特征引导增强的小样本分割网络

小型微型计算机系统 2024年

作者：吴杰瞿绍军湖南师范大学信息科学与工程学院

小样本分割的一个关键要素是有效利用支持集中的信息.以往的方法大都通过掩码平均池化获取全局特征向量，这种方式获取的特征向量比较粗糙.设计了一种基于高层特征的自我引导模块（HSGM）来增强特征向量的质量；为了充分利用支持图像中... 详细信息

小样本分割的一个关键要素是有效利用支持集中的信息.以往的方法大都通过掩码平均池化获取全局特征向量，这种方式获取的特征向量比较粗糙.设计了一种基于高层特征的自我引导模块（HSGM）来增强特征向量的质量；为了充分利用支持图像中的信息以及查询特征和支持特征间的相关性，设计了一种特征引导增强模块（FGEM），利用高层特征来引导低层特征得到强化的查询特征.这两个模块能够有效地挖掘支持图像中的上下文信息以及支持特征与查询特征之间的潜在相关性.针对以往k-shot分割大都是对特征向量进行平均融合，设计一种类注意力机制的分割策略来融合不同样本的信息.提出的自我引导和特征引导增强的小样本分割网络在PASCAL-5i和COCO-20i两个公共数据集上与近年来部分优秀方法进行实验对比，均取得较为先进的效果.实验结果表明所提出方法对挖掘支持样本中的信息以及提高小样本分割性能有较大帮助.

关键词：小样本学习小样本语义分割注意力机制特征引导

MMD-YOLOv7:黑暗条件下车辆检测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程 2024年

作者：黄金贵刘朋唐文胜湖南师范大学信息科学与工程学院

车辆检测与识别是智能交通和自动驾驶领域的一项关键技术，对于道路安全和自动驾驶起着至关重要的作用，一直是备受关注的研究热点。基于深度学习的目标检测模型，使得车辆检测精度得到了大幅提高，但在夜间低光照和恶劣天气等不利条件... 详细信息

车辆检测与识别是智能交通和自动驾驶领域的一项关键技术，对于道路安全和自动驾驶起着至关重要的作用，一直是备受关注的研究热点。基于深度学习的目标检测模型，使得车辆检测精度得到了大幅提高，但在夜间低光照和恶劣天气等不利条件下现有车辆检测技术的精度和可靠性仍然存在极大地挑战。针对这一问题，基于YOLOv7模型提出了一种专门针对夜间黑暗条件下的车辆检测方法和模型——MMD-YOLOv7。首先基于坐标注意力机制CA构建了一种新的多通道坐标注意力模块MCCA，显著提升了模型在捕捉全局和局部特征信息方面的能力。其次，创新性地通过设计构建了一个多尺度卷积模块MSC实现对ELAN结构针对性的改进，使得模型更好地适应夜间视觉环境中的噪声干扰，同时提升了特征提取的能力和精度。最后，引入了多分支模块DBB，进一步增强了模型对复杂特征的捕捉能力。为了验证所提出的模型效果，选取了BDD100K数据集中的6000张夜间场景图片进行了训练和测试，实验结果表明，本模型在车辆检测精度上相比原始YOLOv7模型提升了5.3个百分点，展现出了本文模型在处理低光照情况下的强大能力。此外，在其它多个公开的车辆检测数据集上也表现出了很好的性能，验证了本文模型具备很强的鲁棒性和泛化能力。

关键词： YOLO模型目标检测车辆检测深度学习注意力机制