检索结果-南通市图书馆

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于深度学习模型的疲劳驾驶行为识别算法

汽车安全与节能学报 2024年第1期15卷 121-128页

作者：张海民安徽信息工程学院计算机与软件工程学院芜湖241000

为降低道路交通事故发生率,提出了一种基于深度学习模型的疲劳驾驶行为识别算法。采用照度增强和反射分量均衡化的方法,以提高视频图像质量。将机器视觉工具箱软件用于提取疲劳驾驶人脸行为特征,并通过双流网络构建和训练深度学习模型,... 详细信息

为降低道路交通事故发生率,提出了一种基于深度学习模型的疲劳驾驶行为识别算法。采用照度增强和反射分量均衡化的方法,以提高视频图像质量。将机器视觉工具箱软件用于提取疲劳驾驶人脸行为特征,并通过双流网络构建和训练深度学习模型,实现对疲劳驾驶行为识别。选择了不同睡眠时间段参与者在全封闭路段内的驾驶行为图像,作为实验测试目标。结果表明:用该算法测试1000张疲劳驾驶行为图像时,识别时间为89 ms,精准度为97.6%,召回率为97.0%;算力需求(每秒所执行的浮点运算次数,FLOPS)≤88;该算法能够提高疲劳驾驶行为的识别精度,有助于降低道路交通事故的发生率。

关键词：疲劳驾驶行为识别深度学习模型图像增强特征提取

人体图像精细化解析方法在语义边缘的性能评测与分析

在线全文

学校读者我要写书评

暂无评论

北京交通大学学报 2024年第2期48卷 68-75页

作者：宫琪琦赵耀北京交通大学计算机与信息技术学院北京100044

人体图像精细化解析旨在为输入的人体图像进行像素级分类,属于细粒度的图像语义分割任务,由于具有广阔的应用场景,在近10年受到了研究者的关注,相关技术得以迅速发展.本文重点研究现有人体图像解析精细化模型对人体图像语义边缘的预测性... 详细信息

人体图像精细化解析旨在为输入的人体图像进行像素级分类,属于细粒度的图像语义分割任务,由于具有广阔的应用场景,在近10年受到了研究者的关注,相关技术得以迅速发展.本文重点研究现有人体图像解析精细化模型对人体图像语义边缘的预测性能.首先,总结现有人体图像数据集,对比数据集在规模和标注类别方面的差异;其次,根据模型原理性差异,从通用图像语义分割、辅助信息引导、高分辨率特征增益和标签降噪4个方面对现有人体解析方法进行梳理和分类;再次,针对现有评估指标对于语义边缘区域预测能力敏感度不足的问题,构建新的评估指标,即平均边缘交并比(mean Boundary Intersection over Union,mBIoU),并用于对现有模型的评估,从数值上对比各方法的性能差异;最后,展望了人体解析未来的发展方向.研究结果表明:平均边缘交并比相较于现有指标能够更好地区分模型在语义边缘区域预测性能的差异,对人体图像精细化解析模型解决人体解析任务特有挑战的能力具有良好的评估作用,有利于未来算法的开发与性能评估.

关键词：计算机视觉图像语义分割人体图像精细化解析语义边缘区域性能

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

多智能体深度强化学习的图像特征分类方法

计算机工程与应用 2024年第7期60卷 222-228页

作者：张泽崴张建勋邹航李林南海重庆理工大学计算机科学与工程学院重庆400054

为解决在图像特征识别分类等机器学习任务中,存在输入图像数据复杂度过高且与部分数据与特征无关的问题,提出了一种多智能体深度强化学习的图像特征分类方法。将图像特征分类任务转化为一个部分可观测的马尔可夫决策过程。通过使用多个... 详细信息

为解决在图像特征识别分类等机器学习任务中,存在输入图像数据复杂度过高且与部分数据与特征无关的问题,提出了一种多智能体深度强化学习的图像特征分类方法。将图像特征分类任务转化为一个部分可观测的马尔可夫决策过程。通过使用多个移动的同构智能体去收集部分图像信息,并研究智能体如何形成对图像的局部理解并采取行动,以及如何从局部观察的图像中提取相关特征并分类,以此降低数据复杂性和过滤掉不相关数据。通过改进的值函数分解方法训练智能体策略网络,对环境的全局回报按照每个智能体的贡献进行拆分,解决智能体的信度分配问题。该方法在MNIST手写数字数据集和NWPU-RESISC45遥感图像数据集上进行了验证,相比基线算法能够学习到更加有效的联合策略,分类过程拥有更好的稳定性,同时精确率也有提升。

关键词：多智能体图像特征分类深度强化学习值函数分解

在线全文

学校读者我要写书评

暂无评论

有轨制导车堆垛的动态稳定性研究

计算机集成制造系统 2024年第1期30卷 316-328页

作者：尹昊董益民冯卓和红杰陈帆西南交通大学信息科学与技术学院四川成都611756 西南交通大学计算机与人工智能学院四川成都611756

有轨制导车(RGV)堆垛是智能仓储的关键一环,运动时倒塌不仅会降低工作效率,还可能带来货物损坏、轨道变形等安全隐患。为提高智能仓储系统的工作效率,从箱子位置和刚体受力的角度,提出一种RGV堆垛的可承载加速度(即不使任何箱子倒塌的... 详细信息

有轨制导车(RGV)堆垛是智能仓储的关键一环,运动时倒塌不仅会降低工作效率,还可能带来货物损坏、轨道变形等安全隐患。为提高智能仓储系统的工作效率,从箱子位置和刚体受力的角度,提出一种RGV堆垛的可承载加速度(即不使任何箱子倒塌的最大加速度值)计算方法。首先,根据加速度方向和箱子的位置,将堆垛中箱子划分为多个刚体,每个刚体包含会一起倒塌的多个箱子;然后,根据堆垛中刚体的位置构建刚体树,分析刚体之间的通过树传递的阻倒力;最后根据阻倒力计算RGV堆垛的可承载加速度。提出的可承载加速度不仅可用于限制RGV运动加速度,还可用于定量评估堆垛的动态稳定性。实验结果表明,可承载加速度计算结果与Unity仿真堆垛的动态稳定性之间,呈现皮尔逊相关系数>0.8的极强线性相关性,优于现有的堆垛动态稳定性评估方法。

关键词：智能仓储有轨制导车堆垛动态稳定性可承载加速度阻倒力

在线全文

学校读者我要写书评

暂无评论

多尺度语义信息无监督山水画风格迁移网络

计算机工程与应用 2024年第4期60卷 258-269页

作者：周粤川张建勋董文鑫高林枫倪锦园重庆理工大学计算机科学与工程学院重庆400054

针对图像转换类的生成对抗网络在处理无监督风格迁移任务时存在的纹理杂乱、生成图像质量差的问题,基于循环一致性损失提出了循环矫正多尺度评估生成对抗网络。首先在网络架构的设计上,基于图像的三层语义信息提出了多尺度评估网络架构... 详细信息

针对图像转换类的生成对抗网络在处理无监督风格迁移任务时存在的纹理杂乱、生成图像质量差的问题,基于循环一致性损失提出了循环矫正多尺度评估生成对抗网络。首先在网络架构的设计上,基于图像的三层语义信息提出了多尺度评估网络架构,以此强化源域到目标域的迁移效果;其次在损失函数的改进上,提出了多尺度对抗损失以及循环矫正损失,用于以更严苛的目标引导模型的迭代优化方向,生成视觉质量更好的图片;最后为了预防模式崩溃的问题,在风格特征的编码阶段添加了注意力机制以提取重要的特征信息,在网络的各阶段引入ACON激活函数以加强网络的非线性表达能力,避免神经元坏死。实验结果表明,相比于CycleGAN、ACL-GAN,所提出方法在山水画风格迁移数据集上的FID值分别降低了21.80%和34.33%;为了验证模型的泛化能力,在Vangogh2Photo和Monet2Photo两个公开数据集上进行了泛化实验对比,FID值相比于两个对照网络分别降低了7.58%、18.14%和4.65%、6.99%。

关键词：无监督风格迁移生成对抗网络(GAN) 多尺度评估 CycleGAN

在线全文

学校读者我要写书评

暂无评论

特征分离和非阴影信息引导的阴影去除网络

通信学报 2024年第5期45卷 178-190页

作者：黄颖房少杰程彬姜茂钱鹰重庆邮电大学软件工程学院重庆400065 重庆邮电大学计算机科学与技术学院重庆400065

为了解决现有阴影去除方法中存在的性能瓶颈以及去除结果产生的色差问题,构建了一个特征分离和非阴影信息引导的阴影去除网络(FSNIG-ShadowNet)。在分离和重建阶段,利用自重建监督将阴影图像分离成直射光和环境光两部分,对光照类型和反... 详细信息

为了解决现有阴影去除方法中存在的性能瓶颈以及去除结果产生的色差问题,构建了一个特征分离和非阴影信息引导的阴影去除网络(FSNIG-ShadowNet)。在分离和重建阶段,利用自重建监督将阴影图像分离成直射光和环境光两部分,对光照类型和反射率进行特征解耦分离,设计解码器对分离的特征进行重新耦合以获得无阴影图像。在细化阶段,该网络关注阴影和非阴影的邻接区域,设计局部区域自适应归一化模块将局部非阴影区域颜色先验传递至阴影区域以减少两区域间的色差。实验结果表明,所提FSNIG-ShadowNet与其他优秀的方法相比取得了较有竞争力的结果。

关键词：阴影去除特征分离自重建颜色先验

在线全文

学校读者我要写书评

暂无评论

基于关键点检测和多目标跟踪的猪只体尺估计

华南农业大学学报 2024年第5期45卷 722-729页

作者：姚裔芃徐晨陈鸿基刘勇徐顺来西南大学计算机与信息科学学院/软件学院重庆400700 重庆市畜牧科学院/国家生猪技术创新中心重庆402460

【目的】减少猪场人工测量猪只体尺的工作量,提高测量精度和工作效率。【方法】本研究提出基于关键点检测和多目标跟踪的猪只体尺自动估计方法,该方法使用Yolov8-Pose模型识别各猪只关键点和目标检测框,利用ByteTrack算法对猪群实时跟踪... 详细信息

【目的】减少猪场人工测量猪只体尺的工作量,提高测量精度和工作效率。【方法】本研究提出基于关键点检测和多目标跟踪的猪只体尺自动估计方法,该方法使用Yolov8-Pose模型识别各猪只关键点和目标检测框,利用ByteTrack算法对猪群实时跟踪,引入感兴趣区域规避图像畸变,提高识别速度,同时设计姿态和异常检测过滤算法减少因运动模糊、姿态不正等因素造成的误差。【结果】5个猪栏中24头猪只体长、肩宽、臀宽的平均绝对误差均小于3 cm,平均绝对百分比误差分别维持在4%、6%和7%以内。数据处理速度提升为19.3帧/s。【结论】本研究提出的基于关键点检测和多目标跟踪的猪只体尺估计方法为猪场生产场景提供了一个轻量化、易部署的自动体尺测量解决方案。

关键词： Yolov8-Pose 感兴趣区域体尺估计关键点目标检测框猪

基于自注意力机制的深度强化学习交通信号控制

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

交通运输系统工程与信息 2024年第2期24卷 96-104页

作者：张玺君聂生元李喆张红兰州理工大学计算机与通信学院兰州730050

交通信号控制(Traffic Signal Control, TSC)仍然是交通领域中最重要的研究课题之一。针对现有基于深度强化学习(Deep Reinforcement Learning, DRL)的交通信号控制方法的状态需要人为设计,导致提取交通状态信息难度大以及交通状态信息... 详细信息

交通信号控制(Traffic Signal Control, TSC)仍然是交通领域中最重要的研究课题之一。针对现有基于深度强化学习(Deep Reinforcement Learning, DRL)的交通信号控制方法的状态需要人为设计,导致提取交通状态信息难度大以及交通状态信息无法全面表达的问题,为了从有限特征中挖掘潜在交通状态信息,从而降低交通状态设计难度,提出一种引入自注意力网络的DRL算法。首先,仅获取交叉口各进入口车道车辆位置,使用非均匀量化和独热编码方法预处理得到车辆位置分布矩阵;其次,使用自注意力网络挖掘车辆位置分布矩阵的空间相关性和潜在信息,作为DRL算法的输入;最后,在单交叉口学习交通信号自适应控制策略,在多交叉口路网中验证所提算法的适应性和鲁棒性。仿真结果表明,在单交叉口环境下,与3种基准算法相比,所提算法在车辆平均等待时间等指标上具有更好的性能;在多交叉口路网中,所提算法仍然具有良好的适应性。

关键词：智能交通自适应控制深度强化学习自注意力网络近端策略优化

在线全文

学校读者我要写书评

暂无评论

基于位平面分解的量子彩色图像加密方案

北京工业大学学报 2024年第7期50卷 832-844页

作者：范萍沈政华东交通大学信息工程学院南昌330013 闽江学院计算机与控制工程学院福州350108

一般的量子图像加密算法虽然能达到加密效果,但需要的量子比特数较多,计算复杂度较高,为优化这一问题,提出了一种位平面分解的量子彩色图像加密方案。首先,采用一种位平面序信息单独编码的彩色数字图像量子表示模型(quantum representat... 详细信息

一般的量子图像加密算法虽然能达到加密效果,但需要的量子比特数较多,计算复杂度较高,为优化这一问题,提出了一种位平面分解的量子彩色图像加密方案。首先,采用一种位平面序信息单独编码的彩色数字图像量子表示模型(quantum representation model of color digital image,QRCI)来表示图像,利用量子交换门设计一种量子位交换操作,并作用于彩色图像中,对图像像素进行置乱,同时再对图像进行颜色通道交换操作。其次,对位平面序列进行反序操作,进一步加强置乱效果。接着,利用安全散列算法(secure hash algorithm 256,SHA-256)产生的哈希值来确定混沌系统的初始值。最后,利用混沌系统产生的序列对图像进行扩散,完成加密过程,形成加密图像。数值分析表明,相较于以往的加密方案,此方案大大降低了彩色图像存储时所需的量子比特位数,同时其密钥空间大,灵敏度高。仿真结果表明,该方案加密效果好,能抵御大部分常见的攻击。

关键词：位平面图像加密量子位交换通道交换 SHA-256 超混沌系统