检索结果-内蒙古大学图书馆

华南理工大学学报(自然科学版) 2025年第3期53卷 12-19页

作者：黄阳阳许勇席星罗荣华华南理工大学计算机科学与工程学院广东广州510006

开放世界目标检测(OWOD)将目标检测问题推广到更为复杂的现实动态场景,要求系统能够识别图像中所有已知和未知目标的类别,并且具有根据新引入知识进行增量学习的能力。然而,当前的开放世界目标检测方法通常将高对象分数的区域标记为未... 详细信息

开放世界目标检测(OWOD)将目标检测问题推广到更为复杂的现实动态场景,要求系统能够识别图像中所有已知和未知目标的类别,并且具有根据新引入知识进行增量学习的能力。然而,当前的开放世界目标检测方法通常将高对象分数的区域标记为未知对象,且在很大程度上依赖于已知对象的监督。尽管这些方法能够检测出与已知对象相似的未知对象,但存在严重的标签偏差问题,即倾向于将与已知对象不相似的所有区域都视为背景的一部分。为解决此问题,该文首先提出了一种基于视觉大模型的无监督区域提议生成方法,以提高模型检测未知对象的能力;然后,针对模型训练过程中,感兴趣区域(ROI)分类阶段对新类别的敏感性会影响区域提议网络(RPN)在提议生成阶段的泛化性能,提出了解耦RPN区域提议生成和ROI分类的联合训练方法,以提高模型解决标签偏差问题的能力。实验结果表明:所提方法在MS-COCO数据集上检测未知对象的性能取得了巨大的提升,未知类别的召回率是SOTA方法的2倍以上,达到了52.1%,同时在检测已知对象类别方面也保持了竞争性;在推理速度方面,该文模型使用纯卷积神经网络构建,而不是使用密集注意力机制,帧率比基于可变形的DETR方法多8.18 f/s。

关键词：无监督开放世界增量学习目标检测

来源：评论

学校读者我要写书评

暂无评论

基于形状分析和概率推理的机器人抓取技术

引用

机器人 2025年第1期47卷 1-9,21页

作者：许振邦张平曾鸿亮孙迪钢华南理工大学计算机科学与工程学院广东广州510006

抓取异形物体任务中,因物体形状结构复杂多样,搬运物体时可能发生晃动脱落的问题。针对上述问题,本文提出基于形状分析和概率推理的机器人抓取技术。首先,分析物体点云的分散性和平整度,生成候选抓取位姿集合;其次,在仿真场景中,定性分... 详细信息

抓取异形物体任务中,因物体形状结构复杂多样,搬运物体时可能发生晃动脱落的问题。针对上述问题,本文提出基于形状分析和概率推理的机器人抓取技术。首先,分析物体点云的分散性和平整度,生成候选抓取位姿集合;其次,在仿真场景中,定性分析物体晃动脱落的影响因素,在仿真中统计成功完成抓取和旋转平移实验的次数,使用条件期望定量分析法推理抓取位姿的稳定性,训练PointNet鉴别器来评估候选抓取位姿并对其排序;最后以最佳抓取位姿完成抓取。实验结果表明,该方法能解决异形物体在抓取搬运过程中发生晃动脱落的问题。与基准方法相比,抓取平均成功率为89.2%,提升2.6%;搬运的平均稳定性达到84.2%,提升22.7%。该方法能够在多物体堆叠场景中智能抓取物体,保持抓取搬运操作的稳定性,形成合理抓取顺序。

关键词：智能抓取异形物体形状特征抓取位姿评估 6D抓取位姿

来源：评论

学校读者我要写书评

暂无评论

语义可控的三维人体体型生成

引用

计算机辅助设计与图形学学报 2025年

作者：毛爱华禤骏刘丁玮华南理工大学计算机科学与工程学院

为了实现语义可控的SMPL人体体型生成，提出一种采用虚拟测量模块优化SMPL体型参数的生成方法. 首先在SMPL模型上预先定义特征点; 然后对T-姿势下的SMPL模型进行虚拟测量，获取人体测量参数; 最后通过最小化目标函数优化SMPL的体型参... 详细信息

为了实现语义可控的SMPL人体体型生成，提出一种采用虚拟测量模块优化SMPL体型参数的生成方法. 首先在SMPL模型上预先定义特征点; 然后对T-姿势下的SMPL模型进行虚拟测量，获取人体测量参数; 最后通过最小化目标函数优化SMPL的体型参数. 在此基础上，进一步探讨人体测量参数与SMPL体型参数在体型空间中的变化关系，将测量参数的变化与体型参数建立语义可控的关联，实现了通过修改体型参数控制SMPL模型单项测量参数的变化，解决了对SMPL体型进行精细控制的问题. 实验结果表明，以身高、会阴高、臂展、胸围、腰围和臀围等人体测量参数作为约束，所提方法在保持多项人体测量参数输入约束的同时，生成的模型以虚拟测量得到的结果与输入值的误差更小， 4组男性和4组女性的虚拟测量结果误差不超过输入值结果误差的50%. 该方法也适用于SMPL-H和SMPL-X模型.

关键词：可控体型生成人体测量参数三维人体重建 SMPL

来源：评论

学校读者我要写书评

暂无评论

语言视觉激光多模态融合的机器人导航方法

引用

小型微型计算机系统 2025年

作者：毕盛杨礼铭董敏沈煜华南理工大学计算机科学与工程学院

针对在移动机器人室内导航过程中，单一使用视觉语言导航算法无法充分利用语义中的方位和环境中的感知信息、无法导航至目标半米内的问题，提出了一种语言视觉激光多模态融合的机器人导航方法.首先，在全局路径规划中，标记地图中的导... 详细信息

针对在移动机器人室内导航过程中，单一使用视觉语言导航算法无法充分利用语义中的方位和环境中的感知信息、无法导航至目标半米内的问题，提出了一种语言视觉激光多模态融合的机器人导航方法.首先，在全局路径规划中，标记地图中的导航点，保留其位姿、图像、点云图和各点之间的拓扑信息，通过多模态融合网络得到各导航点与目标的匹配权值，结合dijkstra算法和方位优化算法，规划出全局路径导航点序列.然后，在局部路径规划中，将多线激光与单目相机进行联合标定，结合目标检测、点云聚类和坐标变换方法得到目标具体位姿，发布导航任务，完成局部路径的规划.最后，通过仿真实验和真实环境实验，验证所提出的导航方法的有效性和可行性.

关键词：移动机器人导航多模态融合网络方位优化多传感器融合

来源：评论

学校读者我要写书评

暂无评论

基于混合编码和掩膜空间调制的图像补全算法

引用

华南理工大学学报(自然科学版) 2025年第3期53卷 31-39页

作者：冼进徐小茹冼允廷冼楚华华南理工大学计算机科学与工程学院广东广州510006 江苏财经职业技术学院法律与人文艺术学院江苏淮安223003

图像补全是指对图像缺失区域进行内容填充,是计算机视觉和图像处理研究的重要问题之一。当前图像补全算法的研究已经取得了很大的进展,但如果图像中的场景比较复杂且存在大面积的缺失区域时,现有算法由于缺乏有效的网络结构来捕捉图像... 详细信息

图像补全是指对图像缺失区域进行内容填充,是计算机视觉和图像处理研究的重要问题之一。当前图像补全算法的研究已经取得了很大的进展,但如果图像中的场景比较复杂且存在大面积的缺失区域时,现有算法由于缺乏有效的网络结构来捕捉图像的长距离依赖和高级语义信息,仍然较难生成高质量的完整图像。针对大范围缺失的图像补全问题,为扩大图像补全网络有限的感受野,有效地获取图像可见区域的全局信息,同时充分利用图像可见区域的有效信息,该文提出了一种基于混合编码和掩膜空间调制的图像补全算法。该算法首先通过混合编码网络对图像可见区域进行局部和全局信息的特征提取;然后采用掩膜空间调制模块,根据缺失面积的大小动态调整在生成缺失区域时的多样性;最后基于StyleGAN2的方法生成完整图像。实验结果表明,该文提出的算法能够有效地处理大范围缺失的图像,可生成具有多样性的高质量图像,并且能应用在视觉显著性模型的数据增强上。

关键词：图像补全图像增强混合编码掩膜空间调制

来源：评论

学校读者我要写书评

暂无评论

横向联邦学习:研究现状、系统应用与挑战

引用

计算机学报 2025年第1期48卷 35-67页

作者：吴文泰吴应良林伟伟左文明暨南大学信息科学技术学院广州510632 华南理工大学电子商务系广州510006 华南理工大学计算机科学与工程学院广州510006 人工智能与数字经济广东省实验室(广州) 广州510335

随着数据和算力向网络边缘下沉,人工智能应用的研发愈加依赖隐私敏感的用户数据。在这一趋势的推动下,联邦学习因其强调隐私保护的特性而逐渐成为一个广泛应用的分布式机器学习框架。作为联邦学习的原始范式,横向联邦学习(Horizontal Fe... 详细信息

随着数据和算力向网络边缘下沉,人工智能应用的研发愈加依赖隐私敏感的用户数据。在这一趋势的推动下,联邦学习因其强调隐私保护的特性而逐渐成为一个广泛应用的分布式机器学习框架。作为联邦学习的原始范式,横向联邦学习(Horizontal Federated Learning,HFL)具有扩展能力强和使用场景广泛等特点,因此是近年来该领域的研究重心,同时在产业界相关需求的驱动下有着十分广泛的应用前景。横向联邦学习的研究涉及机器学习、分布式系统、无线通信和信息安全等多个学术领域,从研究动机到技术方法都呈现多样化,但现有文献未能展现相关研究现状的全貌。此外,横向联邦学习相关技术的发展催化出了一系列开源系统框架、公开数据集以及多种场景下的应用,对进一步研究与实践都具有参考价值。为此,本文对横向联邦学习的研究现状和系统应用进行综合性调研:首先,对相关文献按照研究目标和技术角度进行全面地分类梳理,从多领域视角分析了各分支的研究现状;其次,从应用实践的视角,对比分析了面向横向联邦学习的主流系统框架与代码库、描述了数据准备方法以及典型的应用场景。在此基础上,阐明了横向联邦学习算法研究和系统应用面临的6个关键挑战,为如何缩小相关研究与系统实践之间的鸿沟提供了新的参考。

关键词：横向联邦学习数据隐私分布式系统机器学习人工神经网络

来源：评论

学校读者我要写书评

暂无评论

联邦增量学习研究综述

引用

计算机科学 2025年第3期52卷 377-384页

作者：谢家晨刘波林伟伟郑剑文华南师范大学计算机学院广州510631 华南理工大学计算机科学与工程学院广州510640

联邦学习以其独特的分布式训练模式和安全聚合机制成为近年来的研究热点。然而,在现实生活中,本地模型训练往往会收集到新数据,从而造成对旧数据的灾难性遗忘。因此,如何将联邦学习和增量学习有效结合是实现联邦生态可持续发展的关键所... 详细信息

联邦学习以其独特的分布式训练模式和安全聚合机制成为近年来的研究热点。然而,在现实生活中,本地模型训练往往会收集到新数据,从而造成对旧数据的灾难性遗忘。因此,如何将联邦学习和增量学习有效结合是实现联邦生态可持续发展的关键所在。文中首先对联邦增量学习(Federated Incremental Learning)的相关概念进行了深入的调查和分析;然后,重点阐述了基于数据、基于模型、基于架构和基于多方面联合优化的联邦增量学习方法,同时对现有方法进行分类和比较;最后,分析和总结了联邦增量学习未来的研究发展方向,如大规模、小样本、安全可靠和多任务场景下的联邦增量学习。

关键词：联邦学习安全聚合灾难性遗忘可持续发展联邦增量学习

来源：评论

学校读者我要写书评

暂无评论

基于Matrix Core的高性能多维FFT设计与优化

引用

华南理工大学学报(自然科学版) 2025年第3期53卷 20-30页

作者：陆璐祝松祥田卿燕林海山郭逸劼华南理工大学计算机科学与工程学院广东广州510006 鹏城实验室广东深圳518000 广东省隧道工程安全与应急保障技术及装备企业重点实验室广东广州510440

快速傅里叶变换(FFT)算法广泛应用于科学计算等领域。为了充分挖掘图形处理器(GPU)的计算能力并进一步提高FFT的计算效率,该文针对矩阵形式的Stockham FFT,提出了一种基于Matrix Core的高性能多维FFT计算方案。在计算优化方面,该方案利... 详细信息

快速傅里叶变换(FFT)算法广泛应用于科学计算等领域。为了充分挖掘图形处理器(GPU)的计算能力并进一步提高FFT的计算效率,该文针对矩阵形式的Stockham FFT,提出了一种基于Matrix Core的高性能多维FFT计算方案。在计算优化方面,该方案利用Matrix Core加速FFT计算中的矩阵乘运算,同时通过编译器内部指令完成小粒度的矩阵乘加,使得Matrix Core支持更多尺寸的FFT计算。在内存优化方面,该方案使用2层迭代策略,以充分利用共享内存,减少与全局内存的数据交换;根据Matrix Core的矩阵数据在各个线程寄存器中的分布规律,直接在寄存器上完成FFT计算中大量存在的矩阵逐元素乘操作;通过对共享内存中的数据进行重排来缓解存储体冲突,并采用双缓冲策略缓解访存瓶颈。该文还提出了高效的矩阵转置策略,以加速多维FFT计算。在AMD MI250 GPU平台上将该方案与GPU上主流的高性能FFT计算库rocFFT和VkFFT进行了比较实验,结果表明:该方案在AMD MI250上的1维、2维和3维FFT平均计算效率均优于rocFFT和VkFFT,3维FFT的平均计算效率为rocFFT的1.5倍,为VkFFT的2.0倍,具有较好的性能提升;mcFFT的计算精度与rocFFT和VkFFT保持在相同水平。

关键词：图形处理器 Matrix Core 快速傅里叶变换矩阵乘法

来源：评论

学校读者我要写书评

暂无评论

联邦学习通信效率研究综述

引用

计算机科学 2025年第2期52卷 1-7页

作者：郑剑文刘波林伟伟谢家晨华南师范大学计算机学院广州510631 鹏城实验室广东深圳518066 华南理工大学计算机科学与工程学院广州510640

作为一种分布式机器学习范式,联邦学习(Federated Learning,FL)旨在在保护数据隐私的前提下,实现在多方数据上共同训练机器学习模型。在实际应用中,FL在每轮迭代中需要大量的通信来传输模型参数和梯度更新,从而提高通信效率,这是FL面临... 详细信息

作为一种分布式机器学习范式,联邦学习(Federated Learning,FL)旨在在保护数据隐私的前提下,实现在多方数据上共同训练机器学习模型。在实际应用中,FL在每轮迭代中需要大量的通信来传输模型参数和梯度更新,从而提高通信效率,这是FL面临的一个重要挑战。文中主要介绍了FL中通信效率的重要性,并依据不同的侧重点将现有FL通信效率的研究分为客户端选择、模型压缩、网络拓扑重构以及多种技术结合等方法。在现有的FL通信效率研究的基础上,归纳并总结出通信效率在FL发展中面临的困难与挑战,探索FL通信效率未来的研究方向。

关键词：联邦学习通信效率客户端选择模型压缩网络拓扑重构

来源：评论

学校读者我要写书评

暂无评论

数据缺失情况下配电网时间序列数据分类算法

引用

沈阳工业大学学报 2025年第1期47卷 29-36页

作者：萧展辉张世良邓丽娟徐菡华南理工大学计算机科学与工程学院广东广州510614 南方电网数字电网研究院有限公司数据平台产品部广东广州510663

【目的】在智能电网快速发展的背景下,配电网作为电力传输与分配的关键环节,其数据的有效管理和分析对于保障电网稳定运行、提升供电质量至关重要。然而,配电网数据种类繁多且复杂,涵盖了用户用电行为、天气情况、设备基础信息及营销数... 详细信息

【目的】在智能电网快速发展的背景下,配电网作为电力传输与分配的关键环节,其数据的有效管理和分析对于保障电网稳定运行、提升供电质量至关重要。然而,配电网数据种类繁多且复杂,涵盖了用户用电行为、天气情况、设备基础信息及营销数据等多个维度。不同类型的数据在采集和传输过程中,会因磁场信号、噪声信号、冗余数据等干扰出现缺失,不仅增加了配电网运行监控的难度,还为故障分析、状态评估及优化决策等工作带来极大挑战。【方法】为提高数据处理的准确性和效率,提出一种数据缺失情况下的配电网时间序列数据分类算法。根据时间序列数据在配电网中的分布状态,利用平滑算法去除数据噪声,从而显著提升数据的准确性和可靠性,优化因冗余数据干扰而产生的问题。对缺失数据进行增量填补,依据时间序列数据的内在规律和相邻数据点的相关性,对缺失数据进行合理推测和填补,保持了数据的完整性,同时确保了时间序列的连续性和一致性。计算不同时间序列的数据缺失情况,将高维和低维数据状态空间与单元、多元时间序列相结合,凭借维度映射得到数据维度因子,实现簇内分类。【结果】设计方法填补后数据均在原始数据附近,无冗余问题,且分类耗时点均匀分布,呈现出线性趋势,充分展示了其高效稳定的数据处理能力。设计方法分类配电网时间序列数据后,同种类配电网数据聚集且互不干扰,噪声数据大幅减少,相对差异值(RDV)始终保持在0.05以下,特异度在数据缺失率5%~35%的范围内均维持在95.0%以上,显著高于对比方法的91.5%和92.0%。【结论】设计方法通过平滑去噪、增量填补和维度映射等技术手段,有效应对数据缺失带来的挑战,提高了数据处理的准确性和效率。同时,验证了设计方法在保持高分类精度和快速收敛速度方面的优势,表明其能够有效应对数据缺失情况,显著提升配电网数据的分类效果和运行稳定性。该算法研究不仅丰富了配电网数据分析的理论体系,还为智能电网的运维管理提供了实用的技术支持,具有重要的理论价值和现实意义。

关键词：数据缺失配电网维度映射平滑算法多元序列数据分类噪声干扰维度因子

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：