检索结果-内蒙古大学图书馆

自动化学报 2024年第3期50卷 617-639页

作者：葛泉波王远亮李宏南京信息工程大学自动化学院南京210044 江苏省大气环境与装备技术协同创新中心南京210044 江苏省大数据分析技术重点实验室南京210044 上海海事大学物流工程学院上海200135 中国飞行试验研究院西安710089

为提高复杂海洋环境中无人舰载机(Unmanned carrier-based aircraft, UCA)自动着舰时导航定位的准确性,研究舰尾流对机载雷达测量过程的动态影响问题,建立一种基于多层级耦合性分析的测量影响动态建模分析方法.首先,利用直接分解法和前... 详细信息

为提高复杂海洋环境中无人舰载机(Unmanned carrier-based aircraft, UCA)自动着舰时导航定位的准确性,研究舰尾流对机载雷达测量过程的动态影响问题,建立一种基于多层级耦合性分析的测量影响动态建模分析方法.首先,利用直接分解法和前向差分法建立一种基于离散化状态空间的时变舰尾流模型,以克服传统传递函数方法存在的局限性;其次,基于舰尾流各分量均与飞机飞行速度相关的客观事实,通过在时变系统中考虑舰尾流分量间的相互作用关系来构建一种更符合实际系统特征的分量自耦合舰尾流模型;紧接着,采用UCA姿态角变化能够改变坐标转换矩阵的思想,研究舰尾流与UCA位姿变化间的耦合联系,提出一种准确性更高的舰尾流对UCA位姿的深度影响模型;然后,以航母姿态变化对舰载雷达测量结果的影响模型为基础,通过考虑本研究场景的内在特性,建立UCA姿态变化对雷达测量结果的影响模型分析方法;紧接着,采用示意图方式获得位移变化对机载雷达测量结果的影响模型;最后,针对舰船受海洋大气(风、浪、流)干扰而出现失速这一现象,建立实际海洋环境中舰尾流对机载雷达测量结果的非线性非高斯影响分析模型.仿真实验研究验证了上述模型分析方法的有效性和优越性.

关键词：舰尾流机载雷达状态空间耦合性非线性非高斯

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

基于多车道加权融合的短时交通流预测研究

引用

公路交通科技 2021年第1期38卷 121-127页

作者：杨春霞秦家鹏王庆李欣栩南京信息工程大学自动化学院江苏南京210044 江苏省大数据分析技术重点实验室江苏南京210044 江苏省大气环境与装备技术协同创新中心江苏南京210044

短时交通流预测是改善交通规划与管理效率的一个重要因素,为了提高交通运输管理和调度能力,从路段多车道交通流隐含的交互关系,引入一种基于多车道加权融合的短时交通流预测方法。用该方法分析了加州高速公路某五车道单检测点各车道交... 详细信息

短时交通流预测是改善交通规划与管理效率的一个重要因素,为了提高交通运输管理和调度能力,从路段多车道交通流隐含的交互关系,引入一种基于多车道加权融合的短时交通流预测方法。用该方法分析了加州高速公路某五车道单检测点各车道交通流与聚合交通流之间的相关性,发现每个车道交通流与聚合交通流都呈现高度关联性。基于此,构建一种能够学习交通流上下关联性的双向长短时记忆模型。基于3种时间间隔数据,选取某一间隔交通流进行归一化及预处理,将各车道交通流和聚合交通流数据分别构成相对应的一组,采用几十组同"星期几"相应数据分别输入双向长短时记忆模型进行训练,利用各部分模型分别预测同一天相应车道和聚合的交通流。最后对预测的各部分交通流采用岭回归算法计算融合权重。通过权重融合预测的各车道交通流和聚合交通流作为最终预测的交通流,进一步在三车道检测点的3个时间间隔交通流进行试验。结果表明:本预测方法相对于未考虑各车道交通流与聚合交通流相关性传统预测模型的MAE、RMSE值均有一定程度降低,具有更高的预测精度和鲁棒性,是一种有效的交通流预测方法。

关键词：智能交通预测方法多车道关联性短时交通流双向长短时记忆

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

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

面向成组对象集的增量式属性约简算法

引用

智能系统学报 2016年第4期11卷 496-502页

作者：钱进朱亚炎江苏理工学院计算机工程学院江苏常州213015 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

现实世界中数据集都是动态变化的,非增量式属性约简方法从头重新计算原始数据集,而且未考虑先前约简结果中的信息,将耗费大量的时间和空间。为此,讨论了动态数据环境下约简的不变性,提出了一种面向成组对象集的增量式属性约简算法,利用... 详细信息

现实世界中数据集都是动态变化的,非增量式属性约简方法从头重新计算原始数据集,而且未考虑先前约简结果中的信息,将耗费大量的时间和空间。为此,讨论了动态数据环境下约简的不变性,提出了一种面向成组对象集的增量式属性约简算法,利用先前约简中信息来快速获取强传承性的约简,从而提高增量式学习算法效率。最后,将该算法与非增量式约简方法和面向单个对象的增量式约简方法在UCI数据集和人工数据集上进行了相关比较。实验结果表明,面向成组对象的增量式属性约简算法能够快速处理动态数据,具有较好的约简传承性。

关键词：粗糙集属性约简成组对象集约简传承性增量式学习

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

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

基于双向神经网络的图像分类算法

引用

计算机工程与设计 2018年第10期39卷 3113-3117页

作者：季思文闫胜业王蒙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 南京信息工程大学计算机软件学院江苏南京210044

卷积神经网络需要把特征矩阵转换成向量才能进行全连接,对特征空间结构信息造成破坏。针对这个问题,提出一种基于双向神经网络的图像分类算法。利用双向(Two-Directional)层替代原先网络框架中的全连接层并进行端到端的训练,减少特征空... 详细信息

卷积神经网络需要把特征矩阵转换成向量才能进行全连接,对特征空间结构信息造成破坏。针对这个问题,提出一种基于双向神经网络的图像分类算法。利用双向(Two-Directional)层替代原先网络框架中的全连接层并进行端到端的训练,减少特征空间结构信息的损失,提出一种扩展BP算法,用于求解双向神经网络的学习问题。改进CaffeNet及vgg-16模型并在Caltech-256和Oxford Flower-102数据集上进行图像分类对比实验,实验结果表明,在相同的实验条件下双向神经网络算法能有效提升图像分类的性能。

关键词：卷积神经网络双向神经网络图片分类特征提取全连接层

来源：评论

学校读者我要写书评

暂无评论

耦合单词与句子级文本特征的图像对抗级联生成

引用

计算机工程与科学 2023年第12期45卷 2186-2196页

作者：白志远杨智翔栾鸿康孙玉宝南京信息工程大学计算机学院江苏南京210044 南京信息工程大学计算机学院江苏省大数据分析技术实验室江苏南京210044

文本生成图像旨在根据自然语言描述生成逼真的图像,是一个涉及文本与图像的跨模态分析任务。鉴于生成对抗网络具有生成图像逼真、效率高等优势,已经成为文本生成图像任务的主流模型。然而,当前方法往往将文本特征分为单词级和句子级单... 详细信息

文本生成图像旨在根据自然语言描述生成逼真的图像,是一个涉及文本与图像的跨模态分析任务。鉴于生成对抗网络具有生成图像逼真、效率高等优势,已经成为文本生成图像任务的主流模型。然而,当前方法往往将文本特征分为单词级和句子级单独训练,文本信息利用不充分,容易导致生成的图像与文本不匹配的问题。针对该问题,提出了一种耦合单词级与句子级文本特征的图像对抗级联生成模型(Union-GAN),在每个图像生成阶段引入了文本图像联合感知模块(Union-Block),使用通道仿射变换和跨模态注意力相结合的方式,充分利用了文本的单词级语义与整体语义信息,促使生成的图像既符合文本语义描述又能够保持清晰结构。同时联合优化鉴别器,将空间注意力加入到对应的鉴别器中,使来自文本的监督信号促使生成器生成更加相关的图像。在CUB-200-2011数据集上将其与AttnGAN等多个当前的代表性模型进行了对比,实验结果表明,Union-GAN的FID分数达到了13.67,与AttnGAN相比,提高了42.9%,IS分数达到了4.52,提高了0.16。

关键词：文本生成图像生成对抗网络多模态任务

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：