检索结果-南通市图书馆

消除背景噪声增强字符形状特征的场景文字识别

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机辅助设计与图形学学报 2024年

作者：唐善成梁少君鲁彪张莹金子成逯建辉西安科技大学通信与信息工程学院西安科技大学通信与信息工程学院

为了解决现有方法未有效地消除背景噪声和字符自身噪声干扰的问题，提出一种包含3个模块的消除背景噪声增强字符形状特征(EBEC)的文字识别模型. 空间注意力机制增强的EBEC网络只关注字符区域特征，消除背景噪声，迫使网络仅学习字符... 详细信息

为了解决现有方法未有效地消除背景噪声和字符自身噪声干扰的问题，提出一种包含3个模块的消除背景噪声增强字符形状特征(EBEC)的文字识别模型. 空间注意力机制增强的EBEC网络只关注字符区域特征，消除背景噪声，迫使网络仅学习字符形状特征，增强字符形状特征; 特征提取模块采用EfficientNet-B3作为主干网络提取特征图; 基元表征学习模块学习特征图得到视觉文字表征，通过对视觉文字表征解码得到识别结果. 实验结果表明，与经典模型相比，所提模型在合成场景数据集上识别准确率提高9.76个百分点，在公开数据集IIIT5K， ICDAR-2003， ICDAR-2015， CUTE80上识别准确率平均提高2.91个百分点; 该模型可有效地消除背景噪声和字符自身噪声，提高识别性能.

关键词：场景文字识别空间注意力机制背景噪声字符自身噪声

地方本科高校转型发展视阈下辅导员队伍建设探究——以西安科技大学通信与信息工程学院为例

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

新西部（中旬·理论） 2016年第9期 35-35,12页

作者：陈振兴刘琳刘召用西安科技大学陕西西安710054

关键词：地方本科高校转型发展辅导员队伍建设机遇挑战建议

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

修复缺陷嫌疑区域的无监督磁瓦表面缺陷检测

浙江大学学报（工学版） 2024年第4期58卷 718-728页

作者：唐善成逯建辉张莹金子成赵安新西安科技大学通信与信息工程学院陕西西安710054

磁瓦表面缺陷样本数量少,异常视觉特征分布发散,现有依赖目标特征的有监督检测方法不能有效检测未定义缺陷;磁瓦表面正常纹理呈非均匀且非周期性分布,使得经典重构网络难以准确地重构磁瓦表面正常特征,导致相关无监督检测方法性能低下.... 详细信息

磁瓦表面缺陷样本数量少,异常视觉特征分布发散,现有依赖目标特征的有监督检测方法不能有效检测未定义缺陷;磁瓦表面正常纹理呈非均匀且非周期性分布,使得经典重构网络难以准确地重构磁瓦表面正常特征,导致相关无监督检测方法性能低下.为此,采用多头注意力增强的掩码图像修复网络(MIINet),长距离提取图像特征,捕捉全局信息,增强图像修复的能力;引入视觉显著性算法抑制磁瓦表面纹理信息和突显缺陷区域,以便二值化算法精准分割缺陷嫌疑区域;利用MIINet修复待检测图像缺陷嫌疑区域,选用修复前后图像的残差图像和结构相似性实现缺陷检测与缺陷判定.与经典无监督方法相比,修复缺陷嫌疑区域的表面缺陷检测方法的准确率提升了2.36%,F1值提升了1.62%.

关键词：多头注意力磁瓦表面缺陷检测无监督学习图像修复视觉显著性

基于WGAN的智能超表面辅助系统的信道估计研究

在线全文

学校读者我要写书评

暂无评论

电波科学学报 2024年

作者：康晓非王甜西安科技大学通信与信息工程学院

针对智能超表面（reconfigurable intelligent surface, RIS）辅助的毫米波通信中系统复杂和难以获取准确的信道状态信息（channel state information, CSI）的问题，设计了一种Chan-SRWGAN网络算法的信道估计方案。该方案采用混合有源... 详细信息

针对智能超表面（reconfigurable intelligent surface, RIS）辅助的毫米波通信中系统复杂和难以获取准确的信道状态信息（channel state information, CSI）的问题，设计了一种Chan-SRWGAN网络算法的信道估计方案。该方案采用混合有源/无源RIS架构，首先利用最小二乘（leastsquare,LS）算法获取有源元件处信道估计值，再通过插值得到信道初步估计，最后利用Chan-SRWGAN深度学习网络将其重构为信道精确估计。仿真结果表明，所提方案的归一化均方误差（normalized mean squared error, NMSE）性能优于LS、正交匹配追踪（orthogonal matching pursuit, OMP）、同步OMP(simultaneous OMP, SOMP)、深度神经网络（deep neural network, DNN）、超分辨率卷积神经网络（super-resolution convolutional neural network, SRCNN）信道估计算法，证明了方案的可行性。

关键词：智能超表面(RIS) 信道估计深度学习 Wasserstein生成对抗网络(WGAN) 超分辨率卷积神经网络(SRCNN)

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于视觉的相机位姿估计方法综述

计算机应用研究 2024年

作者：王静王一博郭铖郭苹叶星邢淑军西安科技大学通信与信息工程学院

相机位姿估计是通过估计相机的位置坐标和环绕三个坐标轴的角度偏转，来描述其相对于给定场景的方向和位置，是自动驾驶、机器人技术等任务的重要组成部分。为帮助研究人员对相机位姿估计领域的研究，对相机位姿估计的研究现状和最新进... 详细信息

相机位姿估计是通过估计相机的位置坐标和环绕三个坐标轴的角度偏转，来描述其相对于给定场景的方向和位置，是自动驾驶、机器人技术等任务的重要组成部分。为帮助研究人员对相机位姿估计领域的研究，对相机位姿估计的研究现状和最新进展进行梳理。首先介绍了相机位姿估计的基本原理、评价指标和相关数据集，然后从场景关系搭建和相机姿态解算两个关键技术出发，对两阶段模型结构方法和单通道模型结构方法进行阐述总结，分别从核心算法和利用的场景信息不同上进行分类归纳分析，并通过室内室外公开数据集上的表现作对比。最后阐述了当前该领域面对的挑战和未来的发展趋势。

关键词：相机位姿估计深度学习场景关系搭建姿态解算

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于运动-时间感知的人体动作识别方法

计算机工程 2024年

作者：王晓路汶建荣西安科技大学通信与信息工程学院

针对动作视频中存在冗余信息及动作信息的特征通道分布稀疏问题，提出了一种基于运动-时间感知的3D残差网络。运动感知模块(Action- Perception Module，AM)计算特征级别的时间差来激励运动敏感通道以此获取运动特征；时间注意力模块(Te... 详细信息

针对动作视频中存在冗余信息及动作信息的特征通道分布稀疏问题，提出了一种基于运动-时间感知的3D残差网络。运动感知模块(Action- Perception Module，AM)计算特征级别的时间差来激励运动敏感通道以此获取运动特征；时间注意力模块(Temporal-Attention Module，TM)沿着时间维度计算注意力权重矩阵获取局部时间特征。将AM模块和TM模块计算结果相加，得到动作信息的融合特征，再加入到3D残差网络中，以此构造基于运动-时间感知模块(Action-Time-Perception Module，ATM)的3D残差网络。实验结果表明，在公共数据集UCF101和HMDB51上，基于ATM模块的3DResNeXt-101网络相对于3DResNeXt-101网络的动作识别的准确率分别提升了1.6%和2.8%，说明本文所提出的方法是可行、有效的。

关键词：深度学习动作识别运动感知时间注意力 3D残差网络

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于双支路卷积网络的步态识别方法

计算机应用 2024年第6期44卷 1965-1971页

作者：王晓路千王菲西安科技大学通信与信息工程学院西安710054

针对步态识别易受拍摄视角、外观变化等影响的问题,提出一种基于双支路卷积网络的步态识别方法。首先,提出随机裁剪随机遮挡的数据增强方法RRDA(Restricted Random Data Augmentation),以扩展外观变化的数据样本,提高模型遮挡的鲁棒性;... 详细信息

针对步态识别易受拍摄视角、外观变化等影响的问题,提出一种基于双支路卷积网络的步态识别方法。首先,提出随机裁剪随机遮挡的数据增强方法RRDA(Restricted Random Data Augmentation),以扩展外观变化的数据样本,提高模型遮挡的鲁棒性;其次,采用结合注意力机制的两路复合卷积层(C-Conv)提取步态特征,一个分支通过水平金字塔映射(HPM)提取行人外观全局和最具辨识度的信息;另一分支通过多个并行的微动作捕捉模块(MCM)提取短时间的步态时空信息;最后,将两个分支的特征信息相加融合,再通过全连接层实现步态识别。基于平衡样本特征的区分能力和模型的收敛性构造联合损失函数,以加速模型的收敛。在CASIA-B步态数据集上进行实验,所提方法在3种行走状态下的平均识别率分别达到97.40%、93.67%和81.19%,均高于GaitSet方法、CapsNet方法、双流步态方法和GaitPart方法;在正常行走状态下比GaitSet方法的识别准确率提升了1.30个百分点,在携带背包状态下提升了2.87个百分点,在穿着外套状态下提升了10.89个百分点。实验结果表明,所提方法是可行、有效的。

关键词：步态识别双支路卷积网络注意力机制金字塔映射深度学习

重叠阵元时分复用MIMO雷达多目标参数估计方法研究

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1期46卷 229-239页

作者：田丰刘万符渭波张浩宇西安科技大学通信与信息工程学院西安710054 西安市网络融合通信重点实验室西安710054

针对多普勒-角度耦合和速度模糊问题,该文提出一种基于重叠阵元MIMO阵列的多目标参数估计方法。该方法基于虚拟孔径原理,在传统MIMO天线阵列中引入重叠阵元,构建重叠阵元MIMO天线阵列。通过在角度快速傅里叶变换(FFT)算法中引入循环迭... 详细信息

针对多普勒-角度耦合和速度模糊问题,该文提出一种基于重叠阵元MIMO阵列的多目标参数估计方法。该方法基于虚拟孔径原理,在传统MIMO天线阵列中引入重叠阵元,构建重叠阵元MIMO天线阵列。通过在角度快速傅里叶变换(FFT)算法中引入循环迭代的方法估计阵列位置参数,利用重叠阵元回波信号的相位差值进行频率估计。同时,引入频谱搬移方法对速度区间进行转换,实现多目标的距离和速度估计。通过蒙特卡罗仿真实验,信噪比15 dB的条件下,解模糊正确率为100%,速度误差为0.1 m/s,角度误差为0.1°。基于城市交通场景采集的车辆数据集进行测试,测试结果表明,该方法能够实现对车辆目标的速度和角度精确估计,可满足交通雷达对车辆信息监测的实时性和准确性需求。

关键词：时分复用多输入多输出雷达运动补偿速度模糊重叠阵元

基于YOLO v5的农田杂草识别轻量化方法研究

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2024年第1期55卷 212-222,293页

作者：冀汶莉刘洲邢海花西安科技大学通信与信息工程学院西安710600 海南师范大学信息科学技术学院海口571158

针对已有杂草识别模型对复杂农田环境下多种目标杂草的识别率低、模型内存占用量大、参数多、识别速度慢等问题,提出了基于YOLO v5的轻量化杂草识别方法。利用带色彩恢复的多尺度视网膜(Multi-scale retinex with color restoration, MS... 详细信息

针对已有杂草识别模型对复杂农田环境下多种目标杂草的识别率低、模型内存占用量大、参数多、识别速度慢等问题,提出了基于YOLO v5的轻量化杂草识别方法。利用带色彩恢复的多尺度视网膜(Multi-scale retinex with color restoration, MSRCR)增强算法对部分图像数据进行预处理,提高边缘细节模糊的图像清晰度,降低图像中的阴影干扰。使用轻量级网络PP-LCNet重置了识别模型中的特征提取网络,减少模型参数量。采用Ghost卷积模块轻量化特征融合网络,进一步降低计算量。为了弥补轻量化造成的模型性能损耗,在特征融合网络末端添加基于标准化的注意力模块(Normalization-based attention module, NAM),增强模型对杂草和玉米幼苗的特征提取能力。此外,通过优化主干网络注意力机制的激活函数来提高模型的非线性拟合能力。在自建数据集上进行实验,实验结果显示,与当前主流目标检测算法YOLO v5s以及成熟的轻量化目标检测算法MobileNet v3-YOLO v5s、ShuffleNet v2-YOLO v5s比较,轻量化后杂草识别模型内存占用量为6.23 MB,分别缩小54.5%、12%和18%;平均精度均值(Mean average precision, mAP)为97.8%,分别提高1.3、5.1、4.4个百分点。单幅图像检测时间为118.1 ms,达到了轻量化要求。在保持较高模型识别精度的同时大幅降低了模型复杂度,可为采用资源有限的移动端设备进行农田杂草识别提供技术支持。

关键词：杂草识别目标检测 YOLO v5s 轻量化特征提取网络 Ghost卷积模块注意力机制