检索结果-内蒙古大学图书馆

中南林业科技大学学报 2011年第7期31卷 46-51页

作者：陈超云中南林业科技大学计算机与信息工程学院湖南长沙410004

论述了基于网络的人物卡通智能生成系统关键技术。利用.net上传组件上传用户像片,利用jQuery框架中的Jcrop插件实现头像范围选择,结合.net GDI+实现头像的剪切,引入了人脸与卡通模板进行图像合成的算法。合成后的卡通融入了客户的特征,... 详细信息

论述了基于网络的人物卡通智能生成系统关键技术。利用.net上传组件上传用户像片,利用jQuery框架中的Jcrop插件实现头像范围选择,结合.net GDI+实现头像的剪切,引入了人脸与卡通模板进行图像合成的算法。合成后的卡通融入了客户的特征,能获得良好的卡通图像,并可将图像下载到客户端。该技术使用方便、快捷,有较高的实用价值。

关键词：图像裁剪 jquery 图像合成 ***图像处理

来源：评论

学校读者我要写书评

暂无评论

基于视觉辅助与自适应粒子滤波的机器人自定位

引用

郑州大学学报（理学版） 2023年第5期55卷 73-80页

作者：刘超凡于文涛曲枫张祺徐浩中南林业科技大学计算机与信息工程学院湖南长沙410004

为解决机器人自定位粒子退化问题,提出一种基于视觉辅助与自适应粒子滤波的机器人自定位方法。首先采用改进萤火虫优化算法调整基于双里程运动模型的建议分布,然后使用融合视觉标签验证信息的子群互助重采样算法,在缓解粒子退化的同时... 详细信息

为解决机器人自定位粒子退化问题,提出一种基于视觉辅助与自适应粒子滤波的机器人自定位方法。首先采用改进萤火虫优化算法调整基于双里程运动模型的建议分布,然后使用融合视觉标签验证信息的子群互助重采样算法,在缓解粒子退化的同时提高粒子多样性。从位姿跟踪误差和粒子多样性两个方面对算法进行评价,结果表明,所提算法在仿真和真实环境下都具有较高的定位精度和稳定性。

关键词：自适应粒子滤波萤火虫算法视觉辅助定位互助重采样

来源：评论

学校读者我要写书评

暂无评论

基于生成对抗网络与多头注意力的文本隐写术

引用

计算机工程与科学 2023年第10期45卷 1789-1796页

作者：黄瑶潘丽丽熊思宇蒋湘辉马俊勇中南林业科技大学计算机与信息工程学院湖南长沙410004

随着深度学习的发展,基于文本生成的隐写术取得了重大突破。现有基于文本生成的方法存在暴露偏差的问题,即训练阶段每个输入都来自真实样本标签,预测阶段的输入来自上一时刻预测的输出。训练和预测之间的输入样本差异会产生误差积累,使... 详细信息

随着深度学习的发展,基于文本生成的隐写术取得了重大突破。现有基于文本生成的方法存在暴露偏差的问题,即训练阶段每个输入都来自真实样本标签,预测阶段的输入来自上一时刻预测的输出。训练和预测之间的输入样本差异会产生误差积累,使得生成样本与真实样本分布相差过大。针对这个问题,提出了一种基于生成对抗网络和多头注意力的文本隐写术—TS-GANMA。首先,利用生成对抗网络训练文本生成器,通过多头注意力机制提取多头注意力得分参与奖惩模块的奖励计算,得到更适合生成器的反馈信息。随后,生成器与鉴别器进行对抗训练,能够解决暴露偏差的问题,优化文本生成模型。最后,对文本生成模型输出的条件概率分布进行编码,实现秘密信息嵌入。实验结果表明,在相同的嵌入率时,TS-GANMA隐写术与LSTM-vlc和ADG相比,隐写文本的困惑度有显著的降低,这是因为采用TS-GANMA进行文本隐写,生成的隐写文本与真实文本的统计分布更加拟合,生成的隐写文本质量更高。

关键词：文本隐写暴露偏差生成对抗网络多头注意力

来源：评论

学校读者我要写书评

暂无评论

基于改进Swin Transformer的森林火灾检测算法

引用

中南林业科技大学学报 2022年第8期42卷 101-110页

作者：叶铭亮周慧英李建军中南林业科技大学计算机与信息工程学院湖南长沙410004

【目的】森林火灾常常会对人类的财产和生态多样性造成巨大损害,传统的森林火灾检测技术存在可靠性低、造价过高等不足。目前基于卷积神经网络的深度学习算法在处理图像型数据上具有准确性高、成本低、速度快等优势,但是其处理视觉要素... 详细信息

【目的】森林火灾常常会对人类的财产和生态多样性造成巨大损害,传统的森林火灾检测技术存在可靠性低、造价过高等不足。目前基于卷积神经网络的深度学习算法在处理图像型数据上具有准确性高、成本低、速度快等优势,但是其处理视觉要素和物体之间关系的能力不如Transformer。因此,本研究提出一种改进Swin Transformer网络的方法应用于森林火灾检测。【方法】Transformer是一种基于自注意机制的深度神经网络,其强大的表现能力使得其能够在计算机视觉领域大放异彩。Swin Transformer提出将Transformer应用于计算机视觉任务,构建了一种名为Swin Transformer Blocks的骨干网络,并且提出了一种滑动窗口多头自注意力机制。本文结合Transformer与深度学习算法并应用于森林火灾检测领域,在Swin Transformer网络结构中对窗口自注意力机制进行改进,采用了knn自注意力提高对小块噪声的识别,使用Augmentation数据增强方法增加模型的泛化能力。【结果】数据集为自建的森林火灾图像数据集,通过旋转、裁剪、模糊以及色彩调节等数据增广的方法将300张不同环境下的森林火灾图像数据扩充到1900张图像,最后对Swin Transformer以及改进后的模型进行对比实验,改进后的算法准确率可达98.1%,bbox_mAP、bbox_mAP_50和bbox_mAP_75分别达到了66.7%、96.4%和81.3%。【结论】本文提出一种改进Swin Transformer应用于森林火灾检测的方法。研究结果表明,改进的Swin Transformer模型能够有效检测不同环境下的森林火灾。

关键词：森林火灾深度神经网络 Swin Transformer 目标检测

来源：评论

学校读者我要写书评

暂无评论

认知无线Mesh网络中满足QoS的高吞吐量安全路由协议

引用

通信学报 2014年第11期35卷 69-80页

作者：邝祝芳陈志刚王国军刘蕙中南林业科技大学计算机与信息工程学院湖南长沙410004 中南大学软件学院湖南长沙410083 密苏里州立大学计算机科学系密苏里州斯普林菲尔德65897

提出了一种综合考虑链路安全、链路冲突、链路可靠度与链路可用带宽的路由判据SIEB。SIEB包括链路安全和链路性能2个方面,在SIEB的链路安全权值计算中,为了抵御各种洞攻击,提出了基于两跳邻居反馈的链路信任值计算方法。在此基础上,提... 详细信息

提出了一种综合考虑链路安全、链路冲突、链路可靠度与链路可用带宽的路由判据SIEB。SIEB包括链路安全和链路性能2个方面,在SIEB的链路安全权值计算中,为了抵御各种洞攻击,提出了基于两跳邻居反馈的链路信任值计算方法。在此基础上,提出了链路安全权值计算算法LSWC和链路性能权值计算算法LSPC,提出了分布式满足QoS约束的路由协议SIEBP,SIEBP的目标是:构造安全的路由路径,并且最大化网络吞吐量。仿真结果表明,SIEBP能达到预定目标,构造的路径能抵御黑洞、灰洞、虫洞等攻击,并且获得了较高的网络吞吐量。

关键词：认知无线Mesh网络安全路由链路冲突链路可用带宽路径可靠度

来源：评论

学校读者我要写书评

暂无评论

基于多核极限学习机的遥感影像林地信息提取

引用

中南林业科技大学学报 2018年第9期38卷 20-25页

作者：王传立张晓芳唐鼐袁梦文益君郭瑞中南林业科技大学计算机与信息工程学院湖南长沙410004

高光谱遥感影像包含了大量的波段信息,能够很好地应用于地物的识别。基于单核的高光谱遥感影像极限学习机分类模型,因其实施简单、分类精度高、训练时间短,已被广泛地应用于高光谱遥感影像识别。但是核特征的选取,以及单核特征表达的单... 详细信息

高光谱遥感影像包含了大量的波段信息,能够很好地应用于地物的识别。基于单核的高光谱遥感影像极限学习机分类模型,因其实施简单、分类精度高、训练时间短,已被广泛地应用于高光谱遥感影像识别。但是核特征的选取,以及单核特征表达的单一性,限制了模型分类精度的进一步提高。为了解决此问题,受多核极限学习机(MK-ELM)思想的启发,首先使用核方法,提取了遥感影像的多核特征表达;然后利用多核极限学习机理论,同时优化极限学习机结构参数以及多核特征融合系数,获得最优的分类模型。为了说明MK-ELM的有效性,在Indian pines数据集上做了对比实验,该实验证明基于多核极限学习机遥感影像分类模型的分类精度较单核极限学习机有明显地提高,MK-ELM的分类整体精度为80.2%,Kappa系数高达78%;同时将多核极限学习机应用到芷江林场的林地信息提取,其分类精度高达89.1%,Kappa系数达86%。

关键词：高光谱遥感影像单核极限学习机多核极限学习机

来源：评论

学校读者我要写书评

暂无评论

粗糙集和BP神经网络对自适应考试模型的改进

引用

中南林业科技大学学报 2011年第8期31卷 211-216页

作者：王传立中南林业科技大学计算机与信息工程学院湖南长沙410004

分析了传统的自适应考试模型存在的不足,在此基础上利用粗糙集筛选出了和自适应考试模型密切相关的因子:作业指数、课堂活跃指数和教学方式,并分别计算出了各个因子的重要性为0.300 0、0.333 3、0.133 3;然后再利用BP神经网络对筛选出... 详细信息

分析了传统的自适应考试模型存在的不足,在此基础上利用粗糙集筛选出了和自适应考试模型密切相关的因子:作业指数、课堂活跃指数和教学方式,并分别计算出了各个因子的重要性为0.300 0、0.333 3、0.133 3;然后再利用BP神经网络对筛选出的因子进行训练,进过300次的迭代训练获得了稳定的BP网络结构,误差率小于3.9%。最后采用训练好的BP神经网络改进了自适应考试模型。经实际和模拟数据检验改进后的模型相对于改进前测试效率提高了将近50%。

关键词：粗糙集 BP神经网络自适应考试影响因子

来源：评论

学校读者我要写书评

暂无评论

利用增长量分配模型的杉木林分生长预测建模

引用

浙江农林大学学报 2014年第6期31卷 898-904页

作者：邓静陈宇拓中南林业科技大学计算机与信息工程学院湖南长沙410004

以Richards方程为林分生长预测方程,结合林分的少量实测和经验数据,采用最小二乘法求得Richards方程的各个参数重构方程,根据重构的Richards方程预测林分的整体生长,然后根据预测量得到平均增长量,基于"强者越强,弱者越弱"原... 详细信息

以Richards方程为林分生长预测方程,结合林分的少量实测和经验数据,采用最小二乘法求得Richards方程的各个参数重构方程,根据重构的Richards方程预测林分的整体生长,然后根据预测量得到平均增长量,基于"强者越强,弱者越弱"原则的增长量分配模型,将增长量合理地分配到每株林木上。在预测林分生长时,提出一种全林分生长模型到单木生长模型转换的新算法,即全林分生长模型采用Richards方程预测林分某个生长因子整体的平均增长量,然后根据增长量分配模型将整体增长量合理分派到每株林木,实现由整体到个体的转换。采用湖南省攸县黄丰桥林场1块杉木Cunninghamia lanceolata林分样地的实验数据并对其模拟建模。结果表明:该方法可使林分预测建模简便快速,且建立的生长模型真实度较高。

关键词：森林测计学 Richards方程林分生长模型增长量分配模型

来源：评论

学校读者我要写书评

暂无评论

基于密集连接的高分辨率遥感图像分类

引用

广西师范大学学报（自然科学版） 2022年第3期40卷 88-94页

作者：陈知明张江邱汉清戴颖成吴宇鑫李建军中南林业科技大学计算机与信息工程学院湖南长沙410004

高分辨率遥感图像分类是当前一个研究热点,基于深度卷积网络和全连接条件随机场的高分辨率遥感图像分类模型(Deeplab),因其高效精准的分类性能被广泛应用于该研究领域,但Deeplab模型存在空洞卷积核对高分辨率遥感图像的信息利用率不足... 详细信息

高分辨率遥感图像分类是当前一个研究热点,基于深度卷积网络和全连接条件随机场的高分辨率遥感图像分类模型(Deeplab),因其高效精准的分类性能被广泛应用于该研究领域,但Deeplab模型存在空洞卷积核对高分辨率遥感图像的信息利用率不足、限制分类精度进一步提高的问题。本文提出一种基于密集连接的轻量级高分辨率遥感图像分类模型Dspp,采用密集卷积网络连接结构,将Deeplab的空洞卷积金字塔结构替换成密集连接结构,以提高信息利用率且增强模型的泛化能力,并与当前经典的FCN、FCN8S、Deeplab分类网络模型进行实验对比。结果表明,Dspp模型相较于FCN模型、FCN-8S模型和Deeplab模型的整体精度分别提高16.8、11.7和7.7个百分点,验证了本模型的有效性。

关键词：高分辨率遥感图像分类模型空洞卷积密集连接结构全连接条件随机场

来源：评论

学校读者我要写书评

暂无评论

基于ResNet-50的级联注意力遥感图像分类

引用

广西师范大学学报（自然科学版） 2023年第6期41卷 80-91页

作者：宋冠武陈知明李建军中南林业科技大学计算机与信息工程学院湖南长沙410004

知识蒸馏能提高神经网络的泛化能力,可解决遥感图像场景分类时标注数据不足的问题。遥感图像存在的类间高相似性会导致中间知识特征丢失,针对该问题,本文提出一种基于自蒸馏级联注意力机制的特征提取方法(SDCASA)。首先构造权值共享的... 详细信息

知识蒸馏能提高神经网络的泛化能力,可解决遥感图像场景分类时标注数据不足的问题。遥感图像存在的类间高相似性会导致中间知识特征丢失,针对该问题,本文提出一种基于自蒸馏级联注意力机制的特征提取方法(SDCASA)。首先构造权值共享的教师、学生网络;然后使用级联注意力模块精细化深层教师网络所提取到的特征,同时保留被浅层神经网络过滤的中间边缘信息;再利用精细化之后的特征指导学生网络学习;最后在下游训练一个线性分类器完成特征分类。在3个公开数据集AID、MLRSNet、EuroSAT上使用20%和50%的样本训练,分类准确率分别达到85.17%、90.10%、91.13%和85.50%、92.13%、91.17%。此方法能有效提高遥感图像场景分类准确率,性能优于主流自监督图像分类方法SimSiam、SwAV、MoCov2、Deepcluster,具有良好的应用价值。

关键词：自蒸馏注意力机制遥感图像自监督学习图像分类

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：