检索结果-南通市图书馆

维普期刊数据库博看期刊

基于端到端深度神经网络和图搜索的OCT图像视网膜层边界分割方法

在线全文

学校读者我要写书评

暂无评论

软件学报 2024年第6期35卷 3036-3051页

作者：胡凯蒋帅刘冬高协平智能计算与信息处理教育部重点实验室(湘潭大学) 湖南湘潭411105 智能计算与语言信息处理湖南省重点实验室(湖南师范大学) 湖南长沙410081 医学影像人工智能湖南省重点实验室(湘南学院) 湖南郴州423000

视网膜层边界的形态变化是眼部视网膜疾病出现的重要标志,光学相干断层扫描(optical coherence tomography,OCT)图像可以捕捉其细微变化,基于OCT图像的视网膜层边界分割能够辅助相关疾病的临床判断.在OCT图像中,由于视网膜层边界的形态... 详细信息

视网膜层边界的形态变化是眼部视网膜疾病出现的重要标志,光学相干断层扫描(optical coherence tomography,OCT)图像可以捕捉其细微变化,基于OCT图像的视网膜层边界分割能够辅助相关疾病的临床判断.在OCT图像中,由于视网膜层边界的形态变化多样,其中与边界相关的关键信息如上下文信息和显著性边界信息等对层边界的判断和分割至关重要.然而已有分割方法缺乏对以上信息的考虑,导致边界不完整和不连续.针对以上问题,提出一种“由粗到细”的基于端到端深度神经网络和图搜索(graph search,GS)的OCT图像视网膜层边界分割方法,避免了非端到端方法中普遍存在的“断层”现象.在粗分割阶段,提出一种端到端的深度神经网络—注意力全局残差网络(attention global residual network,AGR-Net),以更充分和有效的方式提取上述关键信息.具体地,首先设计一个全局特征模块(global feature module,GFM),通过从图像的4个方向扫描以捕获OCT图像的全局上下文信息;其次,进一步将通道注意力模块(channel attention module,CAM)与全局特征模块串行组合并嵌入到主干网络中,以实现视网膜层及其边界的上下文信息的显著性建模,有效解决OCT图像中由于视网膜层形变和信息提取不充分所导致的误分割问题.在细分割阶段,采用图搜索算法去除AGR-Net粗分割结果中的孤立区域或和孔洞等,保持边界的固定拓扑结构和连续平滑,以实现整体分割结果的进一步优化,为医学临床的诊断提供更完整的参考.最后,在两个公开数据集上从不同的角度对所提出的方法进行性能评估,并与最新方法进行比较.对比实验结果也表明所提方法在分割精度和稳定性方面均优于现有方法.

关键词： OCT图像视网膜层边界分割残差神经网络注意力图搜索

基于学习者画像的个性化习题资源推荐系统设计与实现

在线全文

学校读者我要写书评

暂无评论

企业科技与发展 2024年第6期 103-106页

作者：曾荣科李倩倩周文健李璐瑶李睿湖南工业大学计算机学院湖南株洲412007 湖南第一师范学院基础教育信息化技术湖南省重点实验室湖南长沙410205

随着大数据、人工智能等新一代信息技术的迅速发展,智慧教育从理念模式向落地实践的方向转变,并逐步规模化发展。由于目前国内在线教育平台未能充分利用已有的海量学习者学习数据和学习资源数据,导致学习者无法充分了解自己的学习情况... 详细信息

随着大数据、人工智能等新一代信息技术的迅速发展,智慧教育从理念模式向落地实践的方向转变,并逐步规模化发展。由于目前国内在线教育平台未能充分利用已有的海量学习者学习数据和学习资源数据,导致学习者无法充分了解自己的学习情况并对学习资源产生信息迷航。针对上述问题,文章提出一种基于学习者画像的个性化习题资源推荐系统,利用学习者学习过程的数据并结合学习者画像,为学习者提供个性化的习题资源推荐。该系统首先采用二次K-means聚类算法构建学习者多维学习能力分数,画出学习者多维能力雷达图,用以构建学习者画像;其次融合学习者多维能力分数,采用多种推荐系统模型实现对学习者的个性化习题资源推荐;最后对学习者画像和习题资源推荐进行可视化展示。该研究为在线教育平台充分利用海量学习数据提供了新思路。

关键词：学习者画像习题资源推荐可视化展示在线教育智慧教育

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

深度学习实时语义分割研究进展和挑战

中国图象图形学报 2024年第5期29卷 1188-1220页

作者：王卓瞿绍军湖南师范大学湖南省智能计算与语言信息处理重点实验室长沙410081 湖南师范大学信息科学与工程学院长沙410081

语义分割作为计算机视觉领域的重要研究方向之一,应用十分广泛。其目的是根据预先定义好的类别对输入图像进行像素级别的分类。实时语义分割则在一般语义分割的基础上又增加了对速度的要求,广泛应用于如无人驾驶、医学图像分析、视频监... 详细信息

语义分割作为计算机视觉领域的重要研究方向之一,应用十分广泛。其目的是根据预先定义好的类别对输入图像进行像素级别的分类。实时语义分割则在一般语义分割的基础上又增加了对速度的要求,广泛应用于如无人驾驶、医学图像分析、视频监控与航拍图像等领域。其要求分割方法不仅要取得较高的分割精度,且分割速度也要快。随着深度学习和神经网络的快速发展,实时语义分割也取得了一定的研究成果。本文在前人已有工作的基础上对基于深度学习的实时语义分割算法进行系统的归纳总结,包括基于Transformer和剪枝的方法等,全面介绍实时语义分割方法在各领域中的应用。首先介绍实时语义分割的概念,再根据标签的数量和质量,将现有的基于深度学习的实时语义分割方法分为强监督学习、弱监督学习和无监督学习3个类别。在分类的基础上,结合各个类别中最具有代表性的方法,对其优缺点展开分析,并从多个角度进行比较。随后介绍目前实时语义分割常用的数据集和评价指标,并对比分析各算法在各数据集上的实验效果,阐述现阶段实时语义分割的应用场景。最后,讨论了基于深度学习的实时语义分割存在的挑战,并对实时语义分割未来值得研究的方向进行展望,为研究者们解决存在的问题提供便利。

关键词：语义分割(SS) 实时语义分割深度学习注意力卷积

基于物理不可克隆函数的轻量级可证明安全车联网认证协议

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9期46卷 3788-3796页

作者：夏卓群苏潮徐梓桑龙科军长沙理工大学计算机与通信工程学院长沙4100150 智能道路与车路协同湖南省重点实验室长沙410015

车联网(IoVs)广泛用于获取车辆和道路状况等信息,但是这些信息都是在公共信道中进行传输,所以最重要和关键的要求之一就是在严格延迟要求下的数据安全。其中,认证是解决数据安全最常用的方法,但是由于车联网的资源受限和对延迟敏感等特... 详细信息

车联网(IoVs)广泛用于获取车辆和道路状况等信息,但是这些信息都是在公共信道中进行传输,所以最重要和关键的要求之一就是在严格延迟要求下的数据安全。其中,认证是解决数据安全最常用的方法,但是由于车联网的资源受限和对延迟敏感等特点,车辆认证需要在一定的消耗和延迟内完成。然而,现有方案容易遭受物理、伪造和共谋等攻击,同时也产生了昂贵的通信和计算成本。该文提出一种基于物理不可克隆函数(PUF)的车路云协同轻量级安全认证方案。所提议方案采用轻量级的物理不可克隆函数作为车联网实体的信任保证,抵御攻击者对实体的物理和共谋等攻击;采用车路云协同的架构,在经过可信机构(TA)认证的路边单元(RSU)上完成认证运算,大大减轻了TA的计算压力,并将挑战响应对(CRPs)的更新应用到假名的构造更新中,保护身份和轨迹隐私的同时也能在身份追踪阶段披露恶意车辆身份。在实际场景的模拟实验中,通过与其它方案进行比较,表明该方案更加安全和高效。

关键词：车联网认证协议隐私保护物理不可克隆函数车路云协同

《国民体质测定标准(2023年修订)》的主要变化、目标指向和实践路向

在线全文

学校读者我要写书评

暂无评论

体育学刊 2024年第3期31卷 147-152页

作者：王毕涵汤长发张强峰湖南师范大学体育学院湖南长沙410012 湖南师范大学体适能与运动康复湖南省重点实验室湖南长沙410012

《国民体质测定标准(2023年修订)》(以下简称“新《标准》”)是《国民体质测定标准》(以下简称“原《标准》”)的最新修订版,剖析新《标准》主要变化及其背后的目标指向有助于新《标准》的全面实施。研究认为:新《标准》主要变化体现在... 详细信息

《国民体质测定标准(2023年修订)》(以下简称“新《标准》”)是《国民体质测定标准》(以下简称“原《标准》”)的最新修订版,剖析新《标准》主要变化及其背后的目标指向有助于新《标准》的全面实施。研究认为:新《标准》主要变化体现在提高测定对象年龄上限,增加身体形态指标比重,优化测定项目及评分标准,提升测试设备智能化水平,指向于应对人口老龄化的体质健康需求,改善国民越发肥胖的身体形态,追求更为科学的测评练体系,助力生活化的体质健康促进行为等目标。践行新《标准》主要变化与目标指向,应从完善法律法规与奖惩制度、建立健全国民肥胖抑制机制、强化硬软件的配套保障、宣传生活化的体质健康促进行为等方面展开。

关键词：国民体质体质测定《国民体质测定标准(2023年修订)》体质健康促进

动态场景下基于YOLOv5和几何约束的视觉SLAM算法

在线全文

学校读者我要写书评

暂无评论

包装工程 2024年第3期45卷 208-217页

作者：王鸿宇吴岳忠陈玲姣陈茜湖南工业大学轨道交通学院湖南株洲412007 湖南省智能信息感知及处理技术重点实验室湖南株洲412007

目的移动智能体在执行同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)的复杂任务时,动态物体的干扰会导致特征点间的关联减弱,系统定位精度下降,为此提出一种面向室内动态场景下基于YOLOv5和几何约束的视觉SLAM算法... 详细信息

目的移动智能体在执行同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)的复杂任务时,动态物体的干扰会导致特征点间的关联减弱,系统定位精度下降,为此提出一种面向室内动态场景下基于YOLOv5和几何约束的视觉SLAM算法。方法首先,以YOLOv5s为基础,将原有的CSPDarknet主干网络替换成轻量级的MobileNetV3网络,可以减少参数、加快运行速度,同时与ORB-SLAM2系统相结合,在提取ORB特征点的同时获取语义信息,并剔除先验的动态特征点。然后,结合光流法和对极几何约束对可能残存的动态特征点进一步剔除。最后,仅用静态特征点对相机位姿进行估计。结果在TUM数据集上的实验结果表明,与ORB-SLAM2相比,在高动态序列下的ATE和RPE都减少了90%以上,与DS-SLAM、Dyna-SLAM同类型系统相比,在保证定位精度和鲁棒性的同时,跟踪线程中处理一帧图像平均只需28.26 ms。结论该算法能够有效降低动态物体对实时SLAM过程造成的干扰,为实现更加智能化、自动化的包装流程提供了可能。

关键词：视觉SLAM 动态场景目标检测光流法对极几何约束

基于非对称性对抗训练的多源域自适应智能故障诊断方法

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

机械工程学报 2024年 76-88页

作者：李志鹏马天雨刘金平向青松唐俊杰湖南师范大学物理与电子科学学院湖南师范大学计算与随机数学教育部重点实验室湘江实验室湖南师范大学信息科学与工程学院

使用传统域自适应方法对轴流风机进行跨工况故障诊断时，源域和目标域特征会相向靠拢从而改变训练好的源域特征分布；且当源域故障特征聚集在决策边界时，在域自适应后目标域故障特征同样聚集在决策边界，容易造成部分目标样本错分；此... 详细信息

使用传统域自适应方法对轴流风机进行跨工况故障诊断时，源域和目标域特征会相向靠拢从而改变训练好的源域特征分布；且当源域故障特征聚集在决策边界时，在域自适应后目标域故障特征同样聚集在决策边界，容易造成部分目标样本错分；此外单源域自适应会影响模型的泛化能力。针对上述问题，提出一种基于非对称性对抗训练的多源域自适应智能故障诊断方法(TC-MAADA)，该方法使用三元中心损失减小源域故障特征的类内距离，增大其类间距离以提高目标样本的区分度；采用非对称性对抗训练方法实现目标域故障特征向源域单向移动；提取不同源域和目标域的域不变特征并输入各自故障分类器，使用余弦相似度对齐各分类器输出的同时施加对齐权重以提高模型的跨域诊断能力。通过试验证明，该方法在解决相关实际工业问题上成效显著。

关键词：故障诊断域自适应非对性对抗三元中心损失对齐权重

基于非对称性对抗训练的多源域自适应智能故障诊断方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

机械工程学报 2024年第18期 76-88页

使用传统域自适应方法对轴流风机进行跨工况故障诊断时，源域和目标域特征会相向靠拢从而改变训练好的源域特征分布；且当源域故障特征聚集在决策边界时，在域自适应后目标域故障特征同样聚集在决策边界，容易造成部分目标样本错分；此外单源域自适应会影响模型的泛化能力。针对上述问题，提出一种基于非对称性对抗训练的多源域自适应智能故障诊断方法，该方法使用三元中心损失减小源域故障特征的类内距离，增大其类间距离以提高目标样本的区分度；采用非对称性对抗训练方法实现目标域故障特征向源域单向移动；提取不同源域和目标域的域不变特征并输入各自故障分类器，使用余弦相似度对齐各分类器输出的同时施加对齐权重以提高模型的跨域诊断能力。通过试验证明，该方法在解决相关实际工业问题上成效显著。

关键词：故障诊断域自适应非对性对抗三元中心损失对齐权重

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SDN的数据中心网络流量负载均衡研究

云南大学学报（自然科学版） 2024年第1期46卷 45-52页

作者：王灵矫李文郭华湘潭大学自动化与电子信息学院湖南湘潭411105 湘潭大学智能计算与信息处理教育部重点实验室湖南湘潭411105

目前数据中心网络(data center network,DCN)的负载均衡方法存在对大小流的调度缺乏全局实时检测等不足,部分大流会造成拥塞、负载不均衡和带宽碎片等问题.针对上述问题,提出了一种SDN网络流量负载均衡算法—DSA-D.首先,对流量进行分类... 详细信息

目前数据中心网络(data center network,DCN)的负载均衡方法存在对大小流的调度缺乏全局实时检测等不足,部分大流会造成拥塞、负载不均衡和带宽碎片等问题.针对上述问题,提出了一种SDN网络流量负载均衡算法—DSA-D.首先,对流量进行分类,为大流计算所有源至目的主机可达路径的最短跳数路径集;然后,根据LLDP和ECHO测量链路时延以求得时延最优路径集;最后,采用概率拟合算法分配路径,实现数据中心网络流量负载均衡.在相同场景下的实验结果表明,与ECMP、Hedera和DIFF算法相比,DSA-D算法具有更好的吞吐量、链路带宽利用率和平均往返时延.

关键词：软件定义网络数据中心时延优化负载均衡