检索结果-内蒙古大学图书馆

计算机辅助设计与图形学学报 2017年第7期29卷 1275-1282页

作者：田彦王慧燕王勋黄刚章国峰浙江工商大学计算机与信息工程学院杭州310018 浙江大学CAD&CG国家重点实验室杭州310058

目标定位是计算机视觉中的关键问题,针对目前区域卷积神经网络及其扩展算法的精度受限于输出卷积图尺寸、不能得到目标准确位置的问题,提出一种基于多任务卷积神经网络的目标定位算法.在特征提取阶段,不同的任务共享相同的特征提取层;... 详细信息

目标定位是计算机视觉中的关键问题,针对目前区域卷积神经网络及其扩展算法的精度受限于输出卷积图尺寸、不能得到目标准确位置的问题,提出一种基于多任务卷积神经网络的目标定位算法.在特征提取阶段,不同的任务共享相同的特征提取层;然后分别针对不同层次信息训练对应的后续网络;在提取出高层和低层信息后,融合低层信息和高层信息得到准确的目标位置.在PASCAL VOC 2007数据库和交通场景数据库进行实验的结果表明,该算法可以有效地提高目标定位的精度.

关键词：目标定位边缘信息多任务网络深层学习信息融合

来源：评论

学校读者我要写书评

暂无评论

面向战场多任务网络的等级优先动态带宽分配

引用

系统工程与电子技术 2011年第5期33卷 1139-1145页

作者：和欣张晓林北京航空航天大学电子信息工程学院北京100191

为实现空中信息分发平台对战场多任务网络带宽资源的有效管理,在战术互联网资源管理模型中,提出一种等级优先动态带宽分配(classification prioritized dynamic bandwidth allocation,CPDBA)算法。该算法改进了基于网络效能最大化的带... 详细信息

为实现空中信息分发平台对战场多任务网络带宽资源的有效管理,在战术互联网资源管理模型中,提出一种等级优先动态带宽分配(classification prioritized dynamic bandwidth allocation,CPDBA)算法。该算法改进了基于网络效能最大化的带宽分配方法,优化了对指数效能业务的调度策略。仿真结果表明,该算法不但能够使相同带宽资源产生更高的任务价值,而且在网络过载时可以确保高优先级业务的服务质量,从而有效解决了多任务网络的链路带宽竞争问题。

关键词：动态带宽分配等级优先多任务网络信息分发

来源：评论

学校读者我要写书评

暂无评论

一种单分类器联合多任务网络的隐式句间关系分析方法

引用

数据分析与知识发现 2021年第11期5卷 80-88页

作者：王鸿舒展高印权田文洪电子科技大学信息与软件工程学院成都610054 电子科技大学长三角研究院湖州313001

【目的】提出一种单分类器联合多任务网络的隐式句间关系分析方法,即基于单分类器的多任务学习模型进行中文隐式句间关系识别。【方法】多任务学习方法通过对隐式句间关系和显式句间关系进行联合建模而获得更好的结果;而单分类器是通过... 详细信息

【目的】提出一种单分类器联合多任务网络的隐式句间关系分析方法,即基于单分类器的多任务学习模型进行中文隐式句间关系识别。【方法】多任务学习方法通过对隐式句间关系和显式句间关系进行联合建模而获得更好的结果;而单分类器是通过将四分类问题转换为二分类问题进行训练而获取结果。【结果】基于哈尔滨工业大学的中文篇章级语义关系语料库,在扩展关系和并列关系的语料中F1值分别达到0.94和0.81,在4种句间关系的F1值上均取得显著提升。【局限】模型效果还可进一步提升,数据集分布不够均衡且有待扩充。【结论】在哈尔滨工业大学的中文篇章级语义关系语料库上,所提方法取得了超过业界已知最佳结果的性能,同时也验证了删除连接词会给训练集增加噪声并影响性能。

关键词：单分类器多任务网络隐式句间关系

来源：评论

学校读者我要写书评

暂无评论

多任务网络的癫痫综合征分类和发作检测

多任务网络的癫痫综合征分类和发作检测

引用

作者：陈耀辉杭州电子科技大学

学位级别：硕士

癫痫是一种常见的大脑神经系统慢性疾病,表现为大脑神经元的异常活动。癫痫的反复发作严重影响着癫痫患者日常生活及生命安全。患者可能出现抽搐、记忆力衰退和意识丧失等症状,有时甚至会因突然摔倒而遭受二次伤害。因此,准确诊断和及... 详细信息

癫痫是一种常见的大脑神经系统慢性疾病,表现为大脑神经元的异常活动。癫痫的反复发作严重影响着癫痫患者日常生活及生命安全。患者可能出现抽搐、记忆力衰退和意识丧失等症状,有时甚至会因突然摔倒而遭受二次伤害。因此,准确诊断和及时治疗癫痫至关重要,可以有效减少其潜在危害。脑电图可以记录大脑皮层的电活动,是一种检测和研究癫痫的有效方法。临床医生可以通过观察癫痫患者的脑电信号,从而确定其癫痫综合征类型并制定对应的治疗方案。此外,根据脑电信号判断癫痫是否发作,可以避免对患者造成二次伤害。综上所述,癫痫综合征分类和癫痫发作检测在癫痫分析中都具有重要意义。然而目前的研究主要集中在一项任务上,即只研究癫痫发作检测或癫痫综合征分类其中一项任务,很少有研究能够共同探讨这两项任务。针对以上问题,本文研究同时进行癫痫综合征分类任务(ESC-Task)和癫痫发作检测任务(SD-Task)的多任务网络模型,主要贡献可概括为: 1.提出了联合ESC-Task和SD-Task的多任务学习方案。首先提取了脑电的时域、时频和非线性特征,采用t-随机邻近嵌入(t-SNE)技术分析不同癫痫综合征、发作期和发作间期的特征聚类效果。接着对每个特征进行统计分析,以研究癫痫综合征分类任务和发作检测任务的特征差异性。最后,分析了四种典型的多任务模型对ESC-Task和SD-Task性能的影响。其中,采用交互式架构的多任务模型在使用短时傅里叶变换(STFT)时频特征时表现出色,ESC-Task和SD-Task的准确率分别达到了98.33%和98.48%。 2.提出了DSMN-ESS双流多任务网络,旨在利用多通道头皮脑电图(EEG)实现癫痫综合征分类和癫痫发作检测。DSMN-ESS其中一个流采用长短时记忆网络(LSTM)和2D卷积神经网络(2D CNN)探索EEG的时间和空间信息,另一个流采用3D CNN挖掘时间、频率和空间信息。在网络中设计了一个信息共享门模块,使两个任务都能充分获得另一任务的有用信息。同时,开发了通道权重更新模块,以更好地提取多通道脑电图之间的内部空间关系。此外,还设计了AUC损失函数来解决癫痫发作检测中的数据不平衡问题。 3.基于DSMN-ESS网络开发了癫痫综合征多任务GUI系统。该系统使用Python中的Qt-Designer框架开发,可以对一段脑电信号进行滤波处理和特征提取,然后结合预训练的DSMN-ESS多任务网络模型实现癫痫综合征分类和癫痫发作检测。该系统具有实际应用意义,有望为临床医生提供有价值的辅助决策,提升工作效率。

关键词：癫痫综合征分类发作检测多任务网络数据不平衡

来源：评论

学校读者我要写书评

暂无评论

基于多任务网络的多模态肝脏MRI配准方法研究

引用

中国医学计算机成像杂志 2023年第5期29卷 516-523页

作者：于航郑忍成李若坤王成彦王鹤复旦大学类脑人工智能科学与技术研究院上海200433 复旦大学人类表型组研究院上海交通大学医学院附属瑞金医院

目的:针对多模态肝脏MRI配准问题,设计图像合成配准多任务网络(SynReg),解决弥散加权成像(DWI)和动态对比增强(DCE)影像之间常见的错位问题,证明SynReg能有效提升图像合成质量,进而提升肝细胞癌(HCC)的配准精度。方法:纳入264例肝硬化患... 详细信息

目的:针对多模态肝脏MRI配准问题,设计图像合成配准多任务网络(SynReg),解决弥散加权成像(DWI)和动态对比增强(DCE)影像之间常见的错位问题,证明SynReg能有效提升图像合成质量,进而提升肝细胞癌(HCC)的配准精度。方法:纳入264例肝硬化患者(部分患有HCC),对其扫描高b值DWI和DCE影像,并对肝脏标签和肿瘤标签进行标注。将数据集按7∶1∶2的比例划分SynReg网络的训练、验证和测试集。使用峰值信噪比(PSNR)和结构相似性指标(SSIM)评价图像合成效果,Dice指标和目标配准误差(TRE)评价配准精确度。结果:在图像合成任务中,SynReg将PSNR指标从18.452 dB提升至20.574 dB,SSIM指标从0.707提升至0.769,并显著优于对比方法对抗生成网络;在配准任务中,SynReg在肝脏区域将Dice指标从0.776提升至0.824,肿瘤区域TRE指标从4.237 mm降至3.470 mm,并且显著优于传统配准方法SyN和主流深度学习配准方法CycleMorph与TransMorph。上述结果均具有统计学意义(P<0.001)。结论:多任务网络框架中的合成任务与配准任务可以相互辅助,同时获得更好的合成效果与配准效果,且SynReg网络在肝脏轮廓和肿瘤区域均实现了优秀的配准精度,这对于临床上HCC的识别与诊断有着较大的应用价值。

关键词：图像配准图像合成多任务网络肝细胞癌诊断

来源：评论

学校读者我要写书评

暂无评论

基于注意力机-多任务网络的液压系统多状态监测识别方法研究

引用

机电工程 2021年第3期38卷 331-336页

作者：黄鹏程李海艳林景亮梁桂铭广东工业大学机电工程学院广东广州510006

针对在复杂的多状态条件下,液压系统状态监测方法监测性能不高的问题,对多任务学习和注意力机制方法进行了研究,结合多任务与注意力机制,提出了一种基于注意力机多任务网络的液压系统监测方法。首先,利用注意力机制,根据不同传感器信号... 详细信息

针对在复杂的多状态条件下,液压系统状态监测方法监测性能不高的问题,对多任务学习和注意力机制方法进行了研究,结合多任务与注意力机制,提出了一种基于注意力机多任务网络的液压系统监测方法。首先,利用注意力机制,根据不同传感器信号对任务贡献程度的大小,赋予了各个传感器不同的权重;其次,使用卷积网络(CNN)构建了自适应特征提取器,从赋予权重的多个传感器信号中提取了深度特征;最后,建立了多任务的特征共享诊断网络,实现了对液压系统多个状态的同时监测。研究结果表明:与以往的方法相比,所提出的方法监测性能更优,能更有效地对复杂的多状态条件下的液压系统的各种状态进行监测,且其平均精度达到99.3%。

关键词：液压系统多状态监测监测性能注意力机多任务网络

来源：评论

学校读者我要写书评

暂无评论

基于分层聚合与高度语义信息感知的多任务网络

引用

传感器与微系统 2024年第7期43卷 101-105页

作者：蔡林泽周爱国姚亮亮符长虹同济大学机械与能源工程学院上海201804

针对现有多任务网络对各项任务关系以及城市场景图像内在特征的分析稍显不足的问题,提出基于分层聚合与高度语义感知的多任务网络。首先,为增强特征提取网络的能力,使用分层聚合模块学习多层特征间的相互依赖性,经过共享与独立设计,实... 详细信息

针对现有多任务网络对各项任务关系以及城市场景图像内在特征的分析稍显不足的问题,提出基于分层聚合与高度语义感知的多任务网络。首先,为增强特征提取网络的能力,使用分层聚合模块学习多层特征间的相互依赖性,经过共享与独立设计,实现浅层特征与深层特征的融合,为不同下游任务馈送所需特征;其次道路场景图像中具有一定的高度差异性,水平分割相互之间的像素级分布有着显著不同,使用高度感知模块引入该先验信息,该结构简单高效。结果表明,所提方法在BDD100K的各项性能均优于同类方法,同时将车道线数据集TuSimple和CULane重新标注扩展为多任务进行测试,取得比现有方法更好的精度,验证方法的有效性。

关键词：自动驾驶多任务网络分层聚合跨层注意力

来源：评论

学校读者我要写书评

暂无评论

多任务网络模型对肝脏超声影像的识别和去噪

引用

青岛大学学报（自然科学版） 2019年第4期32卷 40-49页

作者：张欢赵希梅魏宾青岛大学计算机科学技术学院青岛266071 山东省数字医学与计算机辅助手术重点实验室青岛266000

针对肝脏超声影像受噪声和边缘模糊等因素的影响,肉眼无法客观准确辨别病灶区域等问题,提出了无监督学习的多任务网络(MultiTasking-network,MT-net)算法,该算法分为MT-net(Dn)和MT-net(Cl)两部分。其中,MT-net(Dn)算法通过使用交替优... 详细信息

针对肝脏超声影像受噪声和边缘模糊等因素的影响,肉眼无法客观准确辨别病灶区域等问题,提出了无监督学习的多任务网络(MultiTasking-network,MT-net)算法,该算法分为MT-net(Dn)和MT-net(Cl)两部分。其中,MT-net(Dn)算法通过使用交替优化和可重复利用信息的skip-connection,分别对小样本集L′s(dataset:1937)和大样本集L′B(dataset:3424)进行去噪实验,去噪后的图像最大限度地保留了肝脏图像的纹理特征,有利于提高图像的识别率,最终得到的识别率分别为97.12%和86.84%,优于AlexNet等传统算法;MT-net(Cl)算法通过对LS和LB样本进行图像纹理特征识别,达到了92.81%和86.62%的识别率。实验结果表明,多任务网络算法中的MT-net(Dn)算法更优于MT-net(Cl)算法。

关键词：多任务网络肝脏图像无监督学习图像识别图像去噪

来源：评论

学校读者我要写书评

暂无评论

基于鱼眼图像和多任务网络的道路环境感知研究

基于鱼眼图像和多任务网络的道路环境感知研究

引用

作者：张正阳湖南大学

学位级别：硕士

汽车是日常出行的重要代步工具,为人们的生活带来了诸多便利,但也存在巨大的交通隐患。自动驾驶技术可以有效减少交通事故的发生,为驾驶员提供良好的驾驶体验,拥有广泛的应用场景。环境感知是自动驾驶系统的重要组成,其通过车载传感器... 详细信息

汽车是日常出行的重要代步工具,为人们的生活带来了诸多便利,但也存在巨大的交通隐患。自动驾驶技术可以有效减少交通事故的发生,为驾驶员提供良好的驾驶体验,拥有广泛的应用场景。环境感知是自动驾驶系统的重要组成,其通过车载传感器准确识别车身周围目标,而环视鱼眼相机由于具有较大的视场角,已被广泛应用于自动驾驶领域。此外,多任务网络通过单个网络模型同时解决多种问题,减少了自动驾驶系统的运算压力和内存占用,便于部署至嵌入式平台。由于道路场景复杂多变,往往需多种任务同时配合才能完成环境感知工作,本文针对鱼眼图像下的自动驾驶场景设计了一种多任务网络,实现道路的环境感知,具体内容如下: 创建了一个多任务环视鱼眼图像数据集。由于目前缺乏开源的大规模环视鱼眼图像数据集,本研究使用线控底盘搭载的鱼眼相机在湖南大学内部拍摄了3336张鱼眼图像,并对每幅图像进行了三种任务的精细标注,提出了OLF＿FEI数据集。改进了Yolov5目标检测算法。本研究基于Yolov5模型,使用Bi FPN结构改进特征融合过程,使用EIo U＿Loss计算目标框的定位损失,实现了对鱼眼图像中失真物体的准确检测。同时,基于Yolov5改进的目标检测模型将作为后续多任务网络设计的基础。研究了多任务网络的设计,实现了网络的边线预测分支和可行驶区域分割分支。在边线预测分支中,以基于坐标和基于比例的方式设计了两种结构。在可行驶区域分割分支中,基于经典语义分割网络设计了语义分割解码器,并对该解码器进行了优化。实验表明多任务网络以较小的精度损失和较少的参数增量同时实现了目标检测、边线预测和可行驶区域分割任务。开展了针对多任务网络运行结果的全景映射研究。本文针对线控底盘搭载的环视鱼眼相机进行了全景标定,利用标定关系将多任务网络运行结果的边线和可行驶区域映射至全景图像,并基于边线对车身周围的障碍物进行了距离与方位估计,为全景图像提供信息补充。实现了多任务网络的嵌入式移植。本研究利用ONNX格式和恩智浦e IQ工具包完成了模型转换和模型量化,将算法部署至嵌入式平台,并利用嵌入式平台的NPU深度学习加速单元实现了算法的推理加速,以一定的精度损失换取了极快的运行速度。

关键词：自动驾驶环境感知鱼眼图像多任务网络全景环视系统 Yolov5

来源：评论

学校读者我要写书评

暂无评论

基于多任务网络的自动驾驶图像的检测及分割方法研究

基于多任务网络的自动驾驶图像的检测及分割方法研究

引用

作者：李政安徽农业大学

学位级别：硕士

智能驾驶感知系统是自动驾驶技术的关键组成部分,该系统包含多个任务并且需要保证高实时性和高可靠性,因此面临着巨大的挑战。多任务端到端的方法在解决此类问题方面取得了非常显著的成就,但是现已有的方法仍然存在小目标检测效果差,在... 详细信息

智能驾驶感知系统是自动驾驶技术的关键组成部分,该系统包含多个任务并且需要保证高实时性和高可靠性,因此面临着巨大的挑战。多任务端到端的方法在解决此类问题方面取得了非常显著的成就,但是现已有的方法仍然存在小目标检测效果差,在有部分遮挡的情况下目标检测较差的问题以及目标区域语义分割不精确等问题。这些诸多的问题限制了自动驾驶技术的广泛应用。为了解决以上的问题。论文提出了端到端的多任务网络模型MtpNet。论文的主要工作如下: (1)针对目前多任务网络在小目标检测中效果较差的问题,使用NWDLoss(Normalized Wasserstein Distance Loss)改进了目前常用的Io ULosss,提升了小目标的检测能力。在网络结构中引入RFAConv(Receptive-Field Attention Conv)注意力机制,并且使用ELAN(Efficient Layer Aggregation Networks)结构和重参数化方法对原始卷积进行升级,提升了在有部分遮挡的情况下目标检测的效果,改善了目标区域语义分割不精确等问题。为了提高模型的推理速度,在颈部网络的设计中改进GFPN(Generalized Feature Pyramid Network)模块提出了LGFPN(Lightweight-GFPN)以获得更低的推理延迟和更高效的检测性能。此外,根据不同任务的特点设计了更精准的多任务损失函数和更有效的训练策略。在此基础上提出了端到端的多任务网络MtpNet(Multi-tasking Panoptic Driving Perception Network)。MtpNet可以同时完成交通目标检测、可驾驶区域分割和车道线检测三项关键任务。在BDD100K(Berkeley Deep Drive)数据集上进行大量实验,结果表明MtpNet能够显著提升小目标车辆的检测能力、可以提高在部分遮挡条件下的检测效果以及明显改善可驾驶区域分割不精确等问题。与现有的方法相比,MtpNet在所有的三项任务中无论是准确性还是速度方面都达到了先进水平,同时通过在另外的三个公共数据集Tu Simple、City Scapes、CULane上对训练好的模型也进行了可视化对比测试,结果表明MtpNet在各种条件下都具有良好的检测分割效果和较强的鲁棒性。最后,论文还通过设计多个消融实验来验证所提出的多任务网络模型在上述三项任务的联合训练中的有效性,并且该模型无需复杂的优化策略即可实现端到端的训练与学习。 (2)针对上述提出的多任务网络模型在应对视频识别方面的局限性问题,提出了模型对视频识别方面进行针对性改进,在不减少识别精度等情况下以加快视频识别速度。为了解决视频帧大量重复计算问题,在原有的结构中加入一种快速准确的视频识别方法光流特征映射(Flow Feature Warp)。在选定的关键帧上使用MtpNet原始网络进行识别,然后通过特征映射将关键帧中生成的深度特征图传播映射到其他非关键帧。最后将特征图送到不同的任务解码器中实现相应的任务。通过在BDD100K video数据集上进行测试,改进后的模型在识别精度基本不变的情况下,识别速度大幅提高。

关键词：多任务网络端到端交通目标检测可驾驶区域分割车道线检测

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：