检索结果-南通市图书馆

基于音视频信息融合与Self-Attention-DSC-CNN6网络的鲈鱼摄食强度分类方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

农业机械学报 2025年第1期56卷 16-24页

作者：李道亮李万超杜壮壮中国农业大学信息与电气工程学院北京 100083 国家数字渔业创新中心北京 100083 天津农学院计算机与信息工程学院天津 300392

摄食强度识别分类是实现水产养殖精准投喂的重要环节.现有的投喂方式存在过度依赖人工经验判断、投喂量不精确、饲料浪费严重等问题.基于多模态融合的鱼类摄食程度分类能够综合不同类型的数据(如:视频、声音和水质参数),为鱼群的投喂提... 详细信息

摄食强度识别分类是实现水产养殖精准投喂的重要环节.现有的投喂方式存在过度依赖人工经验判断、投喂量不精确、饲料浪费严重等问题.基于多模态融合的鱼类摄食程度分类能够综合不同类型的数据(如:视频、声音和水质参数),为鱼群的投喂提供更加全面精准的决策依据.因此,提出了一种融合视频和音频数据的多模态融合框架,旨在提升鲈鱼摄食强度分类性能.将预处理后的Mel频谱图(Mel Spectrogram)和视频帧图像分别输入到Self-Attention-DSC-CNN6(Self-attention-depthwise separable convolution-CNN6)优化模型进行高层次的特征提取,并将提取的特征进一步拼接融合,最后将拼接后的特征经分类器分类.针对Self-Attention-DSC-CNN6优化模型,基于CNN6算法进行了改进,将传统卷积层替换为深度可分离卷积(Depthwise separable convolution,DSC)来达到减少计算复杂度的效果,并引入Self-Attention注意力机制以增强特征提取能力.实验结果显示,本文所提出的多模态融合框架鲈鱼摄食强度分类准确率达到90.24％,模型可以有效利用不同数据源信息,提升了对复杂环境中鱼群行为的理解,增强了模型决策能力,确保了投喂策略的及时性与准确性,从而有效减少了饲料浪费.

关键词：鲈鱼摄食强度分类多模态融合 Self-Attention-DSC-CNN6

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于降采样的光谱基线校正方法

光谱学与光谱分析 2025年第2期45卷 351-357页

作者：胡颖惠曹政傅海军戴继生江苏大学电气信息工程学院江苏镇江212013 东华大学信息科学与技术学院上海201620

基线漂移现象普遍存在于光谱数据的采集过程中,基线校正是对抗基线漂移干扰的重要手段。基于稀疏表示的基线校正方法能取得较好的光谱预处理目标,但在应用于高维度光谱基线校正时,计算复杂度极大,实效性差;且在纯光谱稀疏结构上的利用... 详细信息

基线漂移现象普遍存在于光谱数据的采集过程中,基线校正是对抗基线漂移干扰的重要手段。基于稀疏表示的基线校正方法能取得较好的光谱预处理目标,但在应用于高维度光谱基线校正时,计算复杂度极大,实效性差;且在纯光谱稀疏结构上的利用度不足,性能有待进一步提升。为充分利用稀疏结构并显著降低计算复杂度,提出了一种基于降采样的光谱基线校正方法。通过降采样策略构造一个多快拍并附加相关矩阵的稀疏恢复模型,在降低光谱数据维度的同时,确保各降采样快拍具有共同稀疏性和空间相关性。随后,在变分贝叶斯推理(VBI)框架中引入独立向量分解模式,利用向量乘积的数学变换技巧,自适应解耦多快拍间的空间相关性,进而分别推断出各快拍对应的贝叶斯最优稀疏解。此外,采用网格细化技术处理离网间隙,进一步提升了基线校正性能。模拟和真实数据集上的实验结果验证了所提方法的优越性。

关键词：基线校正光谱分析降采样稀疏贝叶斯学习

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

自动驾驶认知能力测试评价研究综述

汽车安全与节能学报 2025年第1期16卷 1-15页

作者：杨澜赵祥模王润民王振房山瞿广跃长安大学信息工程学院西安710018

对交通动态情境的准确认知是自动驾驶(AV)智能性的关键体现,因此全面、合理、高效的测试评价方法对于验证其效能至关重要。为了跟踪自动驾驶认知能力测试评价的研究进展,该文首先从宏观、中观和微观3个层面深入剖析了自动驾驶测试领域... 详细信息

对交通动态情境的准确认知是自动驾驶(AV)智能性的关键体现,因此全面、合理、高效的测试评价方法对于验证其效能至关重要。为了跟踪自动驾驶认知能力测试评价的研究进展,该文首先从宏观、中观和微观3个层面深入剖析了自动驾驶测试领域存在的核心问题,深入探讨了自动驾驶与人类驾驶在认知方面的关联性;其次,从基于“金字塔”模型的自动驾驶测试体系架构入手,全面回顾了在关键测试场景生成、虚拟仿真测试、虚实融合测试、实际道路测试以及认知能力评价等领域的最新研究成果;最后,指出了自动驾驶认知能力测试评价领域面临的挑战和发展趋势。该综述研究成果将为自动驾驶技术的迭代演进和功能验证提供重要参考。

关键词：自动驾驶(AV) 认知能力测试场景虚实融合性能评价

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

高分光学影像多方向相位一致性局部配准模型

遥感技术与应用 2025年第01期 226-236页

作者：艾文浩李星华武汉大学遥感信息工程学院

高分光学影像易受到成像条件及地物变化等因素的影响，出现难以忽略的几何与辐射畸变，传统配准算法难以保证精度与稳定性。为此，本研究充分发挥相位一致性在影像几何结构表达上的优势，提出了一种基于多方向相位一致性的配准算法，利... 详细信息

高分光学影像易受到成像条件及地物变化等因素的影响，出现难以忽略的几何与辐射畸变，传统配准算法难以保证精度与稳定性。为此，本研究充分发挥相位一致性在影像几何结构表达上的优势，提出了一种基于多方向相位一致性的配准算法，利用Log-Gabor滤波器计算影像在不同方向上的相位一致性及其最小矩估计，进一步通过多阈值约束提取影像角点，并构建对辐射、旋转弱敏感的描述符，以实现复杂辐射、几何畸变场景下的同名特征匹配，最后利用匹配特征解算局部配准模型。基于高分一/二/六/七号影像的多组实验证明，所提出算法可以实现高精度配准，适用于不同来源、不同场景及不同分辨率的国产高分光学影像配准任务。

关键词：几何配准特征提取特征描述相位一致性国产高分光学影像

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于残差空间网络的建筑图像编辑

计算机辅助设计与图形学学报 2025年

作者：朱成赵光哲林本旺王雪平北京建筑大学电气与信息工程学院

建筑图像层次结构的复杂性给图像编辑带来了一定的挑战. 虽然部分工作结合重建和编辑的方法进行建筑图像编辑，但由于图像编码到的空间维度较低，容易丢失空间信息，导致编辑后的建筑图像发生扭曲，难以保持结构一致性. 为了解决上... 详细信息

建筑图像层次结构的复杂性给图像编辑带来了一定的挑战. 虽然部分工作结合重建和编辑的方法进行建筑图像编辑，但由于图像编码到的空间维度较低，容易丢失空间信息，导致编辑后的建筑图像发生扭曲，难以保持结构一致性. 为了解决上述问题，提出一种基于StyleGAN的建筑图像编辑模型ABEditor. 首先提出多层次结构的残差空间网络，用于学习多层空间特征和风格特征，并连接到StyleGAN对应维度的高维特征空间，通过逐层校正对输入图像进行精确重构，表达丰富的空间信息，在合成网络更接近于输出的后期层，使用编码器将图像映射到低维隐空间，保证图像的颜色细节; 为了更准确地评估编辑效果，提出一种基于语义分割的平均像素编辑距离（APEDS）评价指标. 在LSUN Church数据集上与相关方法进行实验的结果表明， ABEditor在保留建筑图像细节和空间结构方面有所提升，在SSIM， FID， L2， LPIPS， PSNR和APEDS定量分析指标中，分别提升28.64%， 20.74%， 13.67%， 1.67%， 10.01%和21.26%.

关键词：建筑图像编辑生成对抗网络反演残差空间学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

视频多模态情感分析关键技术研究综述

计算机科学与探索 2025年第3期19卷 539-558页

作者：段宗涛黄俊臣朱晓乐长安大学信息工程学院西安710018

情感分析是自动判定观点持有者所表现的态度或情绪倾向性的过程,其在商业、社交媒体分析和舆情监测等领域得到了广泛应用。在单一模态情感分析中,多数研究者使用文本、面部表情和音频信息来进行分析。然而,随着深度学习技术的快速发展,... 详细信息

情感分析是自动判定观点持有者所表现的态度或情绪倾向性的过程,其在商业、社交媒体分析和舆情监测等领域得到了广泛应用。在单一模态情感分析中,多数研究者使用文本、面部表情和音频信息来进行分析。然而,随着深度学习技术的快速发展,情感分析逐渐从单一模态扩展至多模态领域,综合多种模态,能够克服单一模态存在的局限性并更加准确和全面地理解人们所表达的情感。以三种单模态情感分析为基础对多模态情感分析中的关键技术进行了综述。简要介绍了多模态情感分析的背景和目前的研究现状;总结了常用的相关数据集;分别对基于文本、面部表情和音频信息的单模态情感分析进行了简要叙述;重点梳理了视频多模态情感分析中的关键技术,如多模态融合、对齐和模态噪声处理,并对这些技术的关系与应用进行了详细分析;对不同模型在三种常用数据集上的性能指标进行了分析,进一步验证了关键技术的有效性。讨论了多模态情感分析现存问题和未来的发展趋势。

关键词：情感分析多模态模态融合模态对齐模态噪声

维普期刊数据库

多层次分支跨尺度融合的遥感图像语义分割网络

在线全文

学校读者我要写书评

暂无评论

激光与光电子学进展 2025年第04期 305-320页

作者：曾军英邓森耀秦传波翟懿奎贾旭东顾亚谨徐家华五邑大学电子与信息工程学院

传统的语义分割网络受限于狭窄的感受野和单分支的网络架构，未能充分考虑复杂遥感场景空间关系、边界和上下文信息的关联性，通常会出现分割准确率下降和边界模糊等负面现象。为了应对上述分割挑战，提出一种多层次分支跨尺度融合的遥... 详细信息

传统的语义分割网络受限于狭窄的感受野和单分支的网络架构，未能充分考虑复杂遥感场景空间关系、边界和上下文信息的关联性，通常会出现分割准确率下降和边界模糊等负面现象。为了应对上述分割挑战，提出一种多层次分支跨尺度融合的遥感图像语义分割网络（MBCFNet）。首先，构建多层次分支的网络结构，其由浅层Swin Transformer、空间分支、语义分支和边界分支共同构建而成，每个分支专注于提取特定层次的特征信息。然后，设计跨尺度融合模块，旨在有效整合不同分支输出的多尺度特征，从而提升模型对遥感地貌的综合表征能力。最后，引入一个大感受野的多尺度解码模块来传递不同尺度的特征信息，有效提升网络对于复杂遥感场景的尺度适应能力。所提MBCFNet在3个公开遥感数据集（Vaihingen、Potsdam和Uavid）上的平均交并比分别达到了86.93%、84.51%和74.55%，优于Mit-B2、ST-UNet和GLOTS等先进语义分割算法。实验结果表明，MBCFNet在遥感图像语义分割任务中具有较高的分割准确性和泛化能力。

关键词：遥感多层次分支跨尺度融合语义分割 Swin Transformer

基于多李雅普诺夫函数的一般非线性系统渐近镇定

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

自动化学报 2025年第1期51卷 197-209页

作者：杨可馨李永强侯忠生冯宇浙江工业大学信息工程学院杭州310000 青岛大学自动化学院青岛266071

针对离散时间非线性系统,提出一种基于多李雅普诺夫(Lyapunov)函数的控制器设计方法.该方法不仅能够保证闭环系统稳定性,还能够扩大闭环吸引域(Domain of attraction,DOA).首先,给出基于多Lyapunov函数下系统渐近稳定的充分条件.结果表... 详细信息

针对离散时间非线性系统,提出一种基于多李雅普诺夫(Lyapunov)函数的控制器设计方法.该方法不仅能够保证闭环系统稳定性,还能够扩大闭环吸引域(Domain of attraction,DOA).首先,给出基于多Lyapunov函数下系统渐近稳定的充分条件.结果表明,由多个Lyapunov函数的负定不变集构成的并集是一个稳定的控制集合,其从控制空间到状态空间的投影是闭环DOA的估计.随后,使用区间分析算法求解集合的内近似估计,基于此算法可以求解多Lyapunov函数的负定不变集的近似值和闭环DOA的估计值,并给出相应控制器的设计方法.最后,通过仿真算例验证了本文方法的有效性.

关键词：非线性系统多李雅普诺夫函数稳定性吸引域区间分析

维普期刊数据库

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

车辆急动度对神经网络油耗预测性能影响研究

汽车安全与节能学报 2025年第1期16卷 117-126页

作者：张立成押境田彭琨杨冉长安大学信息工程学院西安710064

为了研究精细驾驶行为对基于单个和混合神经网络的油耗模型预测性能的影响,选择车辆急动度(Jerk)作为神经网络训练输入的重要变量。采用长短期记忆网络(LSTM)、循环神经网络(RNN)、非线性自回归带外部输入模型(NARX)、广义回归神经网络(... 详细信息

为了研究精细驾驶行为对基于单个和混合神经网络的油耗模型预测性能的影响,选择车辆急动度(Jerk)作为神经网络训练输入的重要变量。采用长短期记忆网络(LSTM)、循环神经网络(RNN)、非线性自回归带外部输入模型(NARX)、广义回归神经网络(GRNN)、卷积神经网络(CNN)、门控循环单元(GRU)、多层感知机(MLP)以及卷积神经-长短期记忆网络(CNN-LSTM)混合神经网络共8种典型神经网络模型,选取(速度,加速度)、(速度,加速度和Jerk)、(发动机转速)共3种输入参数组合,以及校园低速、城市中速和高速公路高速共3种速度工况,累计进行了69组实验。结果表明:相较其余6种单个神经网络模型,LSTM模型在各输入组合和各速度工况下的预测性能最好;CNN-LSTM混合模型的预测性能略优于LSTM模型。引入车辆急动度(Jerk)后,各神经网络油耗预测模型在各速度工况的预测性能都得到显著提高,其中,单个模型中,RMSE最高下降了43.2%(CNN网络,高速路况),RE最高下降了68.2%(LSTM网络,城市路况),R2最高提升了41.8%(NARX网络,城市路况);混合模型中,RMSE和RE分别最高下降了34.9%和61.0%(城市路况)。

关键词：生态驾驶油耗预测神经网络模型驾驶行为车辆急动度(Jerk)