检索结果-内蒙古大学图书馆

光谱学与光谱分析 2022年第6期42卷 1804-1808页

作者：杨淋玉丁宇战晔朱绍农陈雨娟邓凡赵兴强南京信息工程大学江苏省大数据分析技术重点实验室江苏南京210044 南京信息工程大学江苏省大气环境与装备技术协同创新中心江苏南京210044 南京信息工程大学江苏省气象能源利用与控制工程技术研究中心江苏南京210044 空军航空大学航空作战与勤务学院吉林长春130022

钢材炼制过程锰、镍元素的含量均会对最终产品的硬度脆度产生影响,但由于其添加的含量需要进行严格控制,同时传统的钢铁成分检测的设备成本高、效率低、速度慢,因此需要一种高精度的快速实时分析方法。利用遗传偏最小二乘法(GA-PLS)结合... 详细信息

钢材炼制过程锰、镍元素的含量均会对最终产品的硬度脆度产生影响,但由于其添加的含量需要进行严格控制,同时传统的钢铁成分检测的设备成本高、效率低、速度慢,因此需要一种高精度的快速实时分析方法。利用遗传偏最小二乘法(GA-PLS)结合LIBS技术对钢铁样品光谱中的Mn和Ni两种元素进行定量检测,并且与传统PLS的定量分析结果进行对比,以验证GA-PLS模型预测性能。采用购置于钢材市场的12个钢铁样品,其中9个样品的光谱信息作为校正集训练模型,3个作为测试集验证模型定量性能。GA-PLS通过不断提高变量被选频率的阈值,用不同阈值下的变量建立PLS模型,对比选出最低RMSECV时的阈值(Mn和Ni元素的光谱输入变量被选频率的最佳阈值分别为8和7)。结果显示:GA-PLS锰元素预测结果的R^(2)_(P)和RMSE_(P)分别是0.9990和1.3473,相对分析误差(RPD)为2.5;镍元素预测结果的R^(2)_(P)和RMSE_(P)分别是0.9995和0.5254,RPD为8.6,最终预测的结果优于PLS。该结果表明了GA-PLS算法在冶金金属元素分析领域具有可持续性挖掘的潜力,同时也将促进LIBS技术在钢铁冶炼领域更深层次的应用。

关键词：钢铁元素定量检测激光诱导击穿光谱化学计量学

来源：评论

学校读者我要写书评

暂无评论

多尺度时频融合与稀疏网络的长时预测方法

引用

计算机工程 2024年

作者：杨春霞翟雪彤蒋耀周媛媛南京信息工程大学自动化学院江苏省大数据分析技术重点实验室江苏省大气环境与装备技术协同创新中心

长期时序预测旨在辅助决策者进行长期规划与战略制定，然而现有预测模型在进行长时预测任务时忽视了经独立变量通道进行特征提取的重要性，且未能有效融合多尺度时频信息进行深层特征提取。针对上述问题，该文提出一种多尺度时频融合与... 详细信息

长期时序预测旨在辅助决策者进行长期规划与战略制定，然而现有预测模型在进行长时预测任务时忽视了经独立变量通道进行特征提取的重要性，且未能有效融合多尺度时频信息进行深层特征提取。针对上述问题，该文提出一种多尺度时频融合与稀疏网络的长期时序预测模型(WDNet)。该模型通过重塑嵌入模块将一维时序数据分块后转换为二维时序图，并经过连续小波变换得到时频信息图，对时频信息图进行不规则稀疏卷积以获取融合的时频特征；与时序数据的原有模式融合后，在集成了多层特定卷积的模块中，经独立变量通道分别从块内和块间提取深层特征；后经全局线性和局部非线性预测头合并输出最终结果。在六个真实公开数据集上的实验结果显示，相较于先进的TimesNet模型在不同预测长度下的平均MSE下降了4.8-5.6个百分点，与表现次优的DLinear和FEDformer模型相比，WDNet在不同预测长度下的平均MSE分别下降了10.7-11.9和12.9-14.3个百分点；与其他代表性模型相比，WDNet模型的预测误差均有明显下降。实验结果表明，WDNet能有效捕捉时序数据中的复杂依赖关系，并在长期时序预测任务上有较好的预测效果。

关键词：长期时序预测时频融合稀疏网络双预测头策略深度学习

来源：评论

学校读者我要写书评

暂无评论

多维加权密集连接卷积网络的卫星云图云检测

引用

计算机工程与应用 2018年第20期54卷 184-189,196页

作者：夏旻施必成刘佳刘万安南京信息工程大学江苏省大数据分析技术重点实验室南京210044 南京信息工程大学大气环境与装备技术协同创新中心南京210044

云检测是多光谱卫星云图分析的前提。传统云检测方法不能很好地对多光谱卫星云图进行特征表示,导致了云检测不是很准确。卷积神经网络虽然能有效地提取特征,但训练时会产生梯度扩散,训练效率低,优化困难等问题。针对这些问题,提出多维... 详细信息

云检测是多光谱卫星云图分析的前提。传统云检测方法不能很好地对多光谱卫星云图进行特征表示,导致了云检测不是很准确。卷积神经网络虽然能有效地提取特征,但训练时会产生梯度扩散,训练效率低,优化困难等问题。针对这些问题,提出多维加权密集连接卷积神经网络模型实现对多光谱卫星云图的云检测。跨层连接能够实现网络中所有层之间的信息流,从而减少训练过程中的梯度消失导致收敛困难的问题。特征图之间连接的权值不同使得网络能够更高效地利用特征信息。通过实验结果对比,该模型可以很好地提取云图特征,提高多光谱云图检测的准确率,具有更好的泛化性能和优化效率。

关键词：多维加权密集连接卷积神经网络多光谱卫星云图云检测

来源：评论

学校读者我要写书评

暂无评论

混合阶通道注意力网络的单图像超分辨率重建

引用

计算机应用 2020年第10期40卷 3048-3053页

作者：姚鲁宋慧慧张开华江苏省大数据分析技术重点实验室(南京信息工程大学) 南京210044 南京信息工程大学大气环境与装备技术协同创新中心南京210044

目前用于图像超分辨率重建的通道注意力机制存在注意力预测破坏每个通道和其权重的直接对应关系以及仅仅只考虑一阶或二阶通道注意力而没有综合考虑优势互补的问题,因此提出一种混合阶通道注意力网络的单图像超分辨率重建算法。首先,该... 详细信息

目前用于图像超分辨率重建的通道注意力机制存在注意力预测破坏每个通道和其权重的直接对应关系以及仅仅只考虑一阶或二阶通道注意力而没有综合考虑优势互补的问题,因此提出一种混合阶通道注意力网络的单图像超分辨率重建算法。首先,该网络框架利用局部跨通道相互作用策略将之前一、二阶通道注意力模型采用的升降维改为核为k的一维卷积。这样不仅使得通道注意力预测更直接准确,而且得到的模型相比之前的通道注意力模型更简单;同时,采用改进一、二阶通道注意力模型以综合利用不同阶通道注意力的优势,提高网络判别能力。在基准数据集上的实验结果表明,和现有的超分辨率算法相比,所提算法重建图像的纹理细节和高频信息能得到更好的恢复,且在Set5和BSD100数据集上感知指数(PI)分别平均提高0.3和0.1。这表明此网络能更准确地预测通道注意力并综合利用了不同阶通道注意力,一定程度上提升了性能。

关键词：通道注意力机制生成对抗网络图像超分辨率重建卷积神经网络深度学习

来源：评论

学校读者我要写书评

暂无评论

基于多层特征增强的实时视觉跟踪

引用

计算机应用 2020年第11期40卷 3300-3305页

作者：费大胜宋慧慧张开华江苏省大数据分析技术重点实验室(南京信息工程大学) 南京210044 江苏省大气环境与装备技术协同创新中心(南京信息工程大学) 南京210044

为了解决全卷积孪生视觉跟踪网络(SiamFC)出现相似语义信息干扰物使得跟踪目标发生漂移,导致跟踪失败的问题,设计出一种基于多层特征增强的实时视觉跟踪网络(MFESiam),分别去增强高层和浅层的特征表示能力,从而提升算法的鲁棒性。首先,... 详细信息

为了解决全卷积孪生视觉跟踪网络(SiamFC)出现相似语义信息干扰物使得跟踪目标发生漂移,导致跟踪失败的问题,设计出一种基于多层特征增强的实时视觉跟踪网络(MFESiam),分别去增强高层和浅层的特征表示能力,从而提升算法的鲁棒性。首先,对于浅层特征,利用一个轻量并且有效的特征融合策略,通过一种数据增强技术模拟一些在复杂场景中的变化,例如遮挡、相似物干扰、快速运动等来增强浅层特征的纹理特性;其次,对于高层特征,提出一个像素感知的全局上下文注意力机制模块(PCAM)来提高目标的长时定位能力;最后,在三个具有挑战性的跟踪基准库OTB2015、GOT-10K和2018年视觉目标跟踪库(VOT2018)上进行大量实验。实验结果表明,所提算法在OTB2015和GOT-10K上的成功率指标比基准SiamFC分别高出6.3个百分点和4.1个百分点,并且以每秒45帧的速度运行达到实时跟踪。在VOT2018实时挑战上,所提算法的平均期望重叠率指标超过2018年的冠军,即高性能的候选区域孪生视觉跟踪器(SiamRPN),验证了所提算法的有效性。

关键词：视觉跟踪数据增强注意力机制全局上下文长时定位

来源：评论

学校读者我要写书评

暂无评论

基于距离加权重叠度估计与椭圆拟合优化的精确目标跟踪算法

引用

计算机应用 2021年第4期41卷 1100-1105页

作者：王宁宋慧慧张开华江苏省大数据分析技术重点实验室(南京信息工程大学) 南京210044 江苏省大气环境与装备技术协同创新中心(南京信息工程大学) 南京210044

为解决判别式相关滤波(DCF)跟踪算法在跟踪目标旋转或非刚性形变时的模型漂移、尺度粗糙、跟踪失败问题,提出一种基于距离加权重叠度估计与椭圆拟合优化的精确目标跟踪算法(DWOP-EFO)。首先,同时采用矩形框之间的重叠度和中心距离作为... 详细信息

为解决判别式相关滤波(DCF)跟踪算法在跟踪目标旋转或非刚性形变时的模型漂移、尺度粗糙、跟踪失败问题,提出一种基于距离加权重叠度估计与椭圆拟合优化的精确目标跟踪算法(DWOP-EFO)。首先,同时采用矩形框之间的重叠度和中心距离作为动态锚框质量评价的依据,能够缩小预测结果与目标区域之间的空间距离,缓解模型漂移问题;其次,为了进一步提高跟踪精度,采用轻量化的目标分割网络将目标从背景中分割出来,再利用椭圆拟合算法对分割轮廓进行优化并输出稳定的旋转矩形框,实现对目标尺度的精确估计;最后,通过尺度置信度优化策略对置信度高的尺度结果实现门控输出。所提算法能缓解模型漂移问题,同时有利于增强跟踪器的鲁棒性和提升跟踪精度。在两个最为流行的评测数据集VOT2018和OTB100上进行了实验,结果表明:在VOT2018数据集上,所提算法的期望平均重叠率(EAO)指标比基于重叠度最大化准确跟踪算法(ATOM)提高2.2个百分点,相较于基于可学习的判别模型跟踪器(DiMP)提高1.9个百分点;同时,所提算法在OTB100评测数据集上的成功率指标比ATOM高出1.3个百分点,特别是在非刚性形变属性上效果显著。所提算法在评测数据集上的平均运行速率均超过25 frame/s实现了实时跟踪。

关键词：判别式相关滤波视觉跟踪目标分割距离加权椭圆拟合

来源：评论

学校读者我要写书评

暂无评论

学习全局引导渐进特征聚合轻量级网络的显著性目标检测

引用

计算机科学 2021年第6期48卷 103-109页

作者：潘明远宋慧慧张开华刘青山南京信息工程大学大气环境与装备技术协同创新中心南京210044 南京信息工程大学江苏省大数据分析技术重点实验室南京210044

针对目前显著性目标检测算法中存在的特征融合不充分、模型较为冗余等问题,提出了一种基于全局引导渐进特征融合的轻量级显著性目标检测算法。首先,使用轻量特征提取网络MobileNetV3对图像提取不同层次的多尺度特征;然后对MobileNetV3... 详细信息

针对目前显著性目标检测算法中存在的特征融合不充分、模型较为冗余等问题,提出了一种基于全局引导渐进特征融合的轻量级显著性目标检测算法。首先,使用轻量特征提取网络MobileNetV3对图像提取不同层次的多尺度特征;然后对MobileNetV3提取的高层语义特征使用轻量级多尺度感受野增强模块以进一步增强其全局特征的表征力;最后设计渐进特征融合模块对多层多尺度特征自顶而下逐步融合,并采用常用的交叉熵损失函数在多个阶段对这些融合特征进行优化,得到由粗到细的显著图。整个网络模型是无需预处理和后处理的端到端结构。在6个基准数据集上进行了大量实验,并采用PR_Curve, F-measure, S-measure和MAE指标来衡量性能。结果表明,所提方法明显优于10种先进的对比方法,并且算法模型大小仅约为10 MB,在GTX2080Ti显卡上处理大小为400×300像素的图像的速度可以达到46帧/秒。

关键词：显著性目标检测卷积神经网络轻量快速特征融合

来源：评论

学校读者我要写书评

暂无评论

深浅层表示融合的半监督视频目标分割

引用

计算机应用 2022年第12期42卷 3884-3890页

作者：吕潇宋慧慧樊佳庆江苏省大数据分析技术重点实验室(南京信息工程大学) 南京210044 江苏省大气环境与装备技术协同创新中心(南京信息工程大学) 南京210044

为了解决半监督视频目标分割任务中,分割精度与分割速度难以兼顾以及无法对视频中与前景相似的背景目标做出有效区分的问题,提出一种基于深浅层特征融合的半监督视频目标分割算法。首先,利用预先生成的粗糙掩膜对图像特征进行处理,以获... 详细信息

为了解决半监督视频目标分割任务中,分割精度与分割速度难以兼顾以及无法对视频中与前景相似的背景目标做出有效区分的问题,提出一种基于深浅层特征融合的半监督视频目标分割算法。首先,利用预先生成的粗糙掩膜对图像特征进行处理,以获取更鲁棒的特征;然后,通过注意力模型提取深层语义信息;最后,将深层语义信息与浅层位置信息进行融合,从而得到更加精确的分割结果。在多个流行的数据集上进行了实验,实验结果表明:在分割运行速度基本不变的情况下,所提算法在DAVIS 2016数据集上的雅卡尔(J)指标相较于学习快速鲁棒目标模型的视频目标分割(FRTM)算法提高了1.8个百分点,综合评价指标为J和F得分的均值J&F相较于FRTM提高了2.3个百分点;同时,在DAVIS 2017数据集上,所提算法的J指标比FRTM提升了1.2个百分点,综合评价指标J&F比FRTM提升了1.1个百分点。以上结果充分说明所提算法能够在保持较快分割速度的情况下实现更高的分割精度,并且能够有效区别相似的前景与背景目标,具有较强的鲁棒性。可见所提算法在平衡速度与精度以及有效区分前景背景方面的优越性能。

关键词：视频目标分割注意力融合深层语义信息浅层位置信息

来源：评论

学校读者我要写书评

暂无评论

多注意力机制网络卫星图像分割算法

引用

计算机工程与应用 2021年第2期57卷 223-229页

作者：丁成翁理国夏旻崔逸尘钱俊豪刘佳南京信息工程大学江苏省大数据分析技术重点实验室南京210044 南京信息工程大学江苏省大气环境与装备技术协同创新中心南京210044

针对深度学习的语义分割法,在卫星图像分割中对半岛、小岛和湖泊细小支流的边缘信息提取丢失问题,提出了多注意力机制网络(MA-Net)卫星图像分割算法,弥补了边缘信息提取丢失问题。该算法的框架采用了端到端的对称结构,由编码和解码两部... 详细信息

针对深度学习的语义分割法,在卫星图像分割中对半岛、小岛和湖泊细小支流的边缘信息提取丢失问题,提出了多注意力机制网络(MA-Net)卫星图像分割算法,弥补了边缘信息提取丢失问题。该算法的框架采用了端到端的对称结构,由编码和解码两部分组成。编码部分采用改进的VGG16网络提取湖泊的纹理特征,解码部分引入全局平均池化注意力融合机制(GPA),能够有效融合编码部分提取的纹理特征,得到高分辨率的卫星图像特征图。在网络的输出端加入注意力机制模块(Attention),充分提取湖泊边缘信息,有效分割出半岛、小岛和湖泊细小支流。实验结果表明,该模型相比现有语义分割算法,具有更好的分割精度,各项分割指标都有提升,并且在公共数据集City Scapes上验证了模型具有通用性。

关键词：语义分割卫星图像分割编码和解码注意力机制模块

来源：评论

学校读者我要写书评

暂无评论

基于BERT与注意力机制的方面级隐式情感分析模型

引用

南京信息工程大学学报（自然科学版） 2023年第5期15卷 551-560页

作者：杨春霞韩煜陈启岗马文文南京信息工程大学自动化学院/江苏省大数据分析技术重点实验室/大气环境与装备技术协同创新中心南京210044

在方面级情感文本中存在部分不含情感词的评论句,对其情感的研究被称为方面级隐式情感分析.现有分析模型在预训练过程中可能会丢失与方面词相关的上下文信息,并且不能准确提取上下文中深层特征,本文首先构造了方面词感知BERT预训练模型... 详细信息

在方面级情感文本中存在部分不含情感词的评论句,对其情感的研究被称为方面级隐式情感分析.现有分析模型在预训练过程中可能会丢失与方面词相关的上下文信息,并且不能准确提取上下文中深层特征,本文首先构造了方面词感知BERT预训练模型,通过将方面词引入到基础BERT的输入嵌入结构中,生成与方面词信息相关的词向量;然后构造了语境感知注意力机制,对由编码层得到的深层隐藏向量,将其中的语义和句法信息引入到注意力权重计算过程,使注意力机制能更加准确地分配权重到与方面词相关的上下文.对比实验结果表明,本文模型的效果优于基线模型.

关键词：方面级情感分析隐式情感分析门控循环单元注意力机制 BERT模型

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：