检索结果-内蒙古大学图书馆

北京邮电大学学报 2025年第2期48卷 73-79页

作者：张锡英王世宇李金凤边继龙东北林业大学计算机与控制工程学院牡丹江师范学院计算机与信息技术学院

基于深度学习的技术显著提高了图像超分辨率网络的性能，其中轻量级卷积神经网络(CNNs)具有参数量较小、模型复杂度低等特点，但性能受到极大限制，这影响了超分辨率方法的实际应用。为解决此类问题，提出了一种轻量级多尺度大核卷积的... 详细信息

基于深度学习的技术显著提高了图像超分辨率网络的性能，其中轻量级卷积神经网络(CNNs)具有参数量较小、模型复杂度低等特点，但性能受到极大限制，这影响了超分辨率方法的实际应用。为解决此类问题，提出了一种轻量级多尺度大核卷积的超分辨率重建网络，该方法充分利用门控机制和大核卷积，提出了一种多阶门控聚合块，使用串联的门控单元以获得全局信息和局部信息；提出了一种多阶大核注意力块，通过大核卷积获得更大感受野，并提取不同尺度的图像特征；提出了一种聚焦门控聚合块，使用跳跃连接加强模型重建图像的能力。为验证本模型的效果，在模型参数量、响应速度等评价指标，以及主观视觉效果上进行了实验，并对模型各模块进行了消融分析实验。实验表明，与轻量级网络模型相比，所提出的方法在参数量、响应速度相近甚至减少的同时，在4个基准数据集上取得的峰值信噪比和结构相似度均有明显提升，更好地平衡了模型复杂度和性能，并且取得了更有效的主观视觉效果，达到更优秀的图像重建能力。

关键词：超分辨率重建卷积神经网络注意力机制多尺度特征

来源：评论

学校读者我要写书评

暂无评论

基于复合型2S网络的红外与可见光图像配准研究

引用

科学技术与工程 2024年第16期24卷 6783-6791页

作者：郑博文王琢曹昕宇东北林业大学计算机与控制工程学院哈尔滨150040 东北林业大学机电工程学院哈尔滨150040

针对传统图像配准方法在红外图像与可见光图像配准任务中效果较差的问题。提出一种基于超级点+超级匹配(Superpoint+Superglue, 2S)复合型网络的特征匹配法用于红外与可见光图像配准。方法中首先使用Superpoint独特的特征提取方法,充分... 详细信息

针对传统图像配准方法在红外图像与可见光图像配准任务中效果较差的问题。提出一种基于超级点+超级匹配(Superpoint+Superglue, 2S)复合型网络的特征匹配法用于红外与可见光图像配准。方法中首先使用Superpoint独特的特征提取方法,充分提取红外图像与可见光图像之间的共性特征。其次利用Superglue特征匹配方法中增加匹配约束和使用注意力机制的思想,发挥神经网络的优势,提高匹配效率。在训练阶段通过使用自建数据集的方法,以提高神经网络的泛化性与准确性。结果表明:传统配准方法在3组实验图像上的特征点提取重复性评分与准确性评分分别为:(0.006 7,0.006 1)、(0.001 0,0.000 8)、(0,0),特征点正确匹配对数为:7对、1对、0对,平均数量低于估计变换矩阵所需要的最少4对匹配点对。而基于Superpoint+Superglue的红外与可见光图像配准方法的各项评分为:(0.240 2,0.262 5)、(0.193 9,0.172 2)、(0.263 0,0.264 4),特征点正确匹配对数为:252对、165对、252对,特征点提取评价指标与特征点对正确匹配数量相较于传统方法均大幅度提升,可以较好地完成配准任务。

关键词：图像配准卷积神经网络(CNN) 特征提取特征匹配

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的树冠分割及生物量估算

引用

森林工程 2024年第5期40卷 145-155页

作者：赵子琪李丹丹赵鼎程志博郭晓杰东北林业大学计算机与控制工程学院哈尔滨150040 东北林业大学机电工程学院哈尔滨150040

地上生物量反映植被生长状况和碳储量的大小,该参数的准确性对于碳循环研究以及减缓气候变化至关重要。以芭蕉树为研究对象,提出一种利用深度学习实现芭蕉树冠检测分割和地上生物量估算的新思路。首先,以深度学习算法YOLOv8s-seg为基础... 详细信息

地上生物量反映植被生长状况和碳储量的大小,该参数的准确性对于碳循环研究以及减缓气候变化至关重要。以芭蕉树为研究对象,提出一种利用深度学习实现芭蕉树冠检测分割和地上生物量估算的新思路。首先,以深度学习算法YOLOv8s-seg为基础框架改进,并应用无人机遥感影像,实现芭蕉树冠检测分割;然后,提取芭蕉树冠覆盖面积,结合实测地上生物量数据进行拟合,使用线性回归、K最近邻算法(K-NearestNeighbor,KNN)、支持向量机、随机森林和XGBoost(eXtreme Gradient Boosting)方法分别建立芭蕉地上生物量估算模型;最后,对模型估测结果进行比较分析确定最优模型。结果表明,改进后的YOLOv8s-seg模型可以快速有效地对芭蕉树冠进行检测分割。通过验证发现,基于XGBoost的地上生物量估算模型拟合效果和预测误差优于其他模型,决定系数(R^(2))为0.8814,均方根误差(RMSE)为231.37 kg,平均绝对误差(MAE)为140.47 kg,能够更准确地预测地上生物量,更适于进行芭蕉地上生物量的反演,进一步验证了利用无人机和深度学习方法提取树冠信息实现估算地上生物量的可行性。

关键词： YOLOv8s-seg 无人机遥感地上生物量树冠覆盖面积 XGBoost

来源：评论

学校读者我要写书评

暂无评论

基于高光谱图谱融合的蓝莓可溶性固形物含量检测

引用

森林工程 2025年第3期41卷 603-613页

作者：孙枭雄刘大洋朱良宽东北林业大学计算机与控制工程学院内蒙古民族大学计算机科学与技术学院东北林业大学机电工程学院

可溶性固形物含量（soluble solids content,SSC）是衡量水果内部质量的重要指标，为此，提出一种基于高光谱图谱融合的无损检测方法，用于预测蓝莓的SSC。采用3种典型的波长降维算法，包括蒙特卡罗无信息变量消除（monte carlo uninfor... 详细信息

可溶性固形物含量（soluble solids content,SSC）是衡量水果内部质量的重要指标，为此，提出一种基于高光谱图谱融合的无损检测方法，用于预测蓝莓的SSC。采用3种典型的波长降维算法，包括蒙特卡罗无信息变量消除（monte carlo uninformative variable elimination,MC-UVE）、竞争性自适应重加权采样（competitive adaptive reweighted sampling,CARS）和连续投影算法（successive projections algorithm,SPA），用于筛选有效波长。此外，提出一种结合局部二值模式（local binary patterns,LBP）和灰度共生矩阵（gray level co-occurrence matrix,GLCM）提取图像特征的策略。基于光谱特征、图像特征和融合特征，分别建立偏最小二乘（partial least squares,PLS）、反向传播神经网络（back propagation neural network,BPNN）和支持向量机（support vector machine,SVM）模型进行SSC预测。研究结果表明，利用CARS算法提取的光谱特征融合LBP+GLCM算法提取的图像特征建立的BPNN模型，具有最佳的预测精度。该模型的决定系数（R2）为0.926 1，均方根误差（root mean square error of prediction,RMSEP）为0.364 1。该研究表明高光谱图谱融合技术在无损预测蓝莓SSC中具有较大应用潜力。

关键词：可溶性固形物含量无损检测信息融合特征提取机器学习

来源：评论

学校读者我要写书评

暂无评论

基于Transformer交叉集成特征的实体关系抽取

引用

东北师大学报(自然科学版) 2025年第1期57卷 74-81页

作者：陈金玉王名扬刘旭东北林业大学计算机与控制工程学院黑龙江哈尔滨150036

提出基于Transformer交叉集成特征的实体关系抽取模型ERonTCI,通过对不同层次特征信息的交叉集成来提升实体关系抽取的精度.ERonTCI模型将BERT预训练模型作为嵌入层,将BiGRU网络和MSCNN网络作为主干结构,分别提取文本中的全局特征和局... 详细信息

提出基于Transformer交叉集成特征的实体关系抽取模型ERonTCI,通过对不同层次特征信息的交叉集成来提升实体关系抽取的精度.ERonTCI模型将BERT预训练模型作为嵌入层,将BiGRU网络和MSCNN网络作为主干结构,分别提取文本中的全局特征和局部特征;使用Transformer实现对全局和局部特征的集成,以避免信息损失,提升模型对文本特征信息的保留度;将集成后的特征信息输入线性层完成实体关系的抽取工作.在公开数据集上进行实验,结果表明,ERonTCI模型取得了比基线模型更好的实体关系抽取效果.

关键词：实体关系抽取 Transformer BiGRU MSCNN

来源：评论

学校读者我要写书评

暂无评论

基于代价敏感学习的不平衡虚假评论处理模型

引用

数据分析与知识发现 2023年第6期7卷 113-122页

作者：刘美玲尚玥赵铁军周继云东北林业大学信息与计算机工程学院哈尔滨150006 哈尔滨工业大学计算机科学与技术学院哈尔滨150001 约翰·霍普金斯大学利伯研究所巴尔的摩MD21218

【目的】增强虚假评论识别任务中模型对文本深层语义信息的学习能力,并解决虚假评论识别任务中存在的严重的数据不平衡问题。【方法】基于数据本身的用户行为特征与文本特征进行类间可分性计算自动学习代价敏感矩阵,增强模型对不平衡数... 详细信息

【目的】增强虚假评论识别任务中模型对文本深层语义信息的学习能力,并解决虚假评论识别任务中存在的严重的数据不平衡问题。【方法】基于数据本身的用户行为特征与文本特征进行类间可分性计算自动学习代价敏感矩阵,增强模型对不平衡数据的学习能力;同时利用BERT在文本编码方面的能力进一步优化模型。【结果】在YelpCHI数据集上进行实验,对比现有先进方法(En-HGAN),本文模型的F1值提升了约18个百分点,AUC值提升了约12个百分点。【局限】未将所提模型应用到更多的研究领域中。【结论】将用户行为特征与评论文本特征看作虚假评论类与真实类之间的特征集合进行类别可分性计算能够有效提高模型对虚假评论识别的性能。

关键词：虚假评论识别类别可分性计算代价敏感学习不平衡数据处理

来源：评论

学校读者我要写书评

暂无评论

基于改进ResNet101的黄瓜害虫识别方法研究

引用

江苏农业科学 2025年第5期53卷 203-212页

作者：黄英来王奇何少聪林振群牛达伟东北林业大学计算机与控制工程学院黑龙江哈尔滨150040

为提高黄瓜害虫的识别准确率,解决害虫吸食黄瓜汁液影响黄瓜产量的问题,提出一种基于ResNet101改进的黄瓜害虫识别模型QJSEC-ResNet101。该模型所采取的改进策略为(1)采用学习率余弦退火策略,使模型在训练过程中能够动态调整学习率;(2)... 详细信息

为提高黄瓜害虫的识别准确率,解决害虫吸食黄瓜汁液影响黄瓜产量的问题,提出一种基于ResNet101改进的黄瓜害虫识别模型QJSEC-ResNet101。该模型所采取的改进策略为(1)采用学习率余弦退火策略,使模型在训练过程中能够动态调整学习率;(2)利用迁移学习技术,将预训练模型的权重参数迁移到ResNet101中,从而进一步提升模型的性能;(3)为降低模型的计算复杂度并提升其轻量化程度,将原始的7×7大卷积替换为3个3×3小卷积;(3)将激活函数ReLU修改为SeLU改变神经元不学习的问题;(4)加入ECA注意力机制和CBAM注意力机制提升模型的识别效果。为增强数据的多样性,采用24种数据扩充方式对黄瓜害虫初始图像数据集进行扩充,这不仅丰富了数据集,也能使模型更好地进行特征识别和特征提取。最后,在模型的不同位置加入了ECA和CBAM等2种注意力机制,同时剪去layer中的Bottleneck模块,通过设计19种添加方案进行对比试验,选取了最优的添加方式。将改进后的模型通过pyqt界面实现,可以让使用者操作起来更加的得心应手,更加便捷。试验结果表明,QJSEC-ResNet101模型在复杂背景下对黄瓜害虫识别的准确率达到了99.39%,相较于传统模型提高了1.80百分点。同时,该模型的训练时间也大幅缩短,近乎减少了一半。因此,QJSEC-ResNet101模型为农业领域的黄瓜害虫识别提供了高效且准确的方法,具有重要的应用价值。

关键词：黄瓜害虫识别残差网络余弦退火迁移学习注意力机制

来源：评论

学校读者我要写书评

暂无评论

改进UNet++的遥感影像森林变化检测方法

引用

森林与环境学报 2024年第3期44卷 317-327页

作者：马永军张艺王广来黄建平东北林业大学计算机与控制工程学院黑龙江哈尔滨150040 东北林业大学机电工程学院黑龙江哈尔滨150040

针对森林覆盖变化检测任务,现有的基于深度学习模型存在结构复杂且忽视光谱与空间协同关系的问题,导致检测效果并不理想。为了解决这个问题,本研究提出一种结合多尺度空间解耦卷积(MSDConv)和空-谱特征协同策略(SSFC)的改进UNet++轻量... 详细信息

针对森林覆盖变化检测任务,现有的基于深度学习模型存在结构复杂且忽视光谱与空间协同关系的问题,导致检测效果并不理想。为了解决这个问题,本研究提出一种结合多尺度空间解耦卷积(MSDConv)和空-谱特征协同策略(SSFC)的改进UNet++轻量级森林覆盖变化检测方法。首先,基于UNet++网络构建一个非权重共享伪孪生网络,增加少量参数便能实现更好的特征提取,采用MSDConv模块捕捉变化对象的多尺度特征,减少信息冗余和参数计算;其次,在MSDConv中引入SSFC,获取空间和谱间的三维注意力权重且不增加额外参数,使得MSDConv获取更丰富的边缘和细节特征;最后,使用6种植被指数增强森林覆盖变化特征。结果表明,本研究提出的模型森林覆盖变化检测精度、召回率和F1分数分别为93.12%,93.62%和93.37%,模型参数量和计算量分别为6.28 MB和11.25 GB。与原始Sami-UNet++方法对比,本研究提出的模型准确率、召回率和F1分数仅分别下降1.41%、1.66%和1.53%,但参数量与计算量分别降低5.76 MB和16.19 GB。本研究提出的模型显著提高了森林覆盖变化检测任务的检测效率,对于需要处理大量图像数据的森林覆盖变化检测任务具有重要的意义,可为森林灾害的评估以及森林资源的保护提供技术手段。

关键词：森林覆盖变化检测遥感影像深度学习轻量化UNet++

来源：评论

学校读者我要写书评

暂无评论

一种空间-序列的PET/CT双模态头颈部肿瘤分割方法

引用

哈尔滨理工大学学报 2025年

作者：邱兆文方康康陈盈涛方真真禹文倩张瑞琦东北林业大学计算机与控制工程学院中南大学自动化学院

针对头颈部肿瘤CT图像在软组织上清晰度较低，导致相似性较高的肿瘤和淋巴结联合分割难度较大的问题，提出一种PET/CT双模态影像信息动态融合的头颈部肿瘤分割方法SD-UNet网络。网络的编码器采用空间-序列层在空间和序列维度分别处理特... 详细信息

针对头颈部肿瘤CT图像在软组织上清晰度较低，导致相似性较高的肿瘤和淋巴结联合分割难度较大的问题，提出一种PET/CT双模态影像信息动态融合的头颈部肿瘤分割方法SD-UNet网络。网络的编码器采用空间-序列层在空间和序列维度分别处理特征，空间维度扩增以加大感受野，将三维张量转换为像素序列处理以增强全局上下文信息，提取双模态特征。解码器中采用动态尺度注意力模块处理跳跃连接消除软组织间的噪声以增强小肿瘤的识别分割。结果表明，在Hecktor2022数据集上，所提方法在肿瘤和淋巴结的多目标分割的平均聚合Dice相似系数(DSCAgg)为79.42%，豪斯多夫距离95（HD95）为10.15mm，ROC曲面下面积（AUC）为89.02%，均优于实验中所对比的8个主流分割模型。此外，实验验证了双模态的有效性，双模态联合分别比仅使用CT和PET提高13.05和5.6个百分点，展示了双模态图像提高分割性能的效果。

关键词：头颈部肿瘤语义分割 PET/CT 空间-序列动态尺度注意力

来源：评论

学校读者我要写书评

暂无评论

一种基于SWF-BERT的软件缺陷报告严重性预测方法

引用

小型微型计算机系统 2023年第6期44卷 1338-1344页

作者：薛诗琦王阿川东北林业大学信息与计算机工程学院哈尔滨150040

针对软件缺陷报告严重性预测中现有模型分类精度较低、深层次的语义特征不够丰富等问题,本文提出了一种基于BERT句子级别与词级别特征融合的SWF-BERT(Sentence-level and Word-level features Fusion-BERT)软件缺陷报告严重性预测模型.... 详细信息

针对软件缺陷报告严重性预测中现有模型分类精度较低、深层次的语义特征不够丰富等问题,本文提出了一种基于BERT句子级别与词级别特征融合的SWF-BERT(Sentence-level and Word-level features Fusion-BERT)软件缺陷报告严重性预测模型.首先,对缺陷报告中的文本进行了数据预处理.其次,为了加强嵌入层中融合后的特征语义信息,提取词频最高的前100个单词,筛选出与缺陷严重性相关的特征词对其进行关键词嵌入操作,并融合嵌入层中的其他向量进行词嵌入.最后,将BERT模型输出层得到的特征(除[CLS]token外)送入多尺度卷积神经网络结合长短期记忆网络(MC-LSTM)模型中,加强了不同特征间远距离的时序信息.采用BERT模型输出得到的[CLS]句向量经过线性变换的结果与MC-LSTM模型输出经过线性变换得到的结果做可学习的自适应加权融合,实现了对软件缺陷报告严重性的有效预测.实验结果表明,使用SWF-BERT模型的平均准确率、召回率和F1值在Mozilla数据集中分别达到了68.41%、64.60%和64.86%,在Eclipse数据集中分别达到了61.32%、62.62%和59.31%,与其他分类算法相比,该方法在性能上得到了较大的提升.

关键词：软件缺陷报告严重性预测关键词嵌入多尺度卷积神经网络特征融合

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：