检索结果-内蒙古大学图书馆

计算机系统应用 2023年第8期32卷 116-125页

作者：刘佳林潇陈大鹏徐闯石豪南京信息工程大学自动化学院南京210044 江苏省智能气象探测机器人工程研究中心南京210044 江苏省大数据分析技术重点实验室南京210044 江苏省大气环境与装备技术协同创新中心南京210044

目前,大多数的增强现实和自动驾驶应用不仅会使用到深度网络估计的深度信息,还会使用到位姿网络估计的位姿信息.将位姿网络和深度网络同时集成到嵌入式设备上,会极大地消耗内存.为解决这一问题,提出一种深度网络和位姿网络共用特征提取... 详细信息

目前,大多数的增强现实和自动驾驶应用不仅会使用到深度网络估计的深度信息,还会使用到位姿网络估计的位姿信息.将位姿网络和深度网络同时集成到嵌入式设备上,会极大地消耗内存.为解决这一问题,提出一种深度网络和位姿网络共用特征提取器的方法,使模型保持在一个轻量级的尺寸.此外,通过带有线性结构的深度可分离卷积轻量化深度网络,使网络在不丢失过多细节信息前提下还可获得更少的参数量.最后,通过在KITTI数据集上的实验表明,与同类算法相比,该位姿网络和深度网络参数量只有的35.33 MB.同时,恢复深度图的平均绝对误差也保持在0.129.

关键词：深度学习单目深度估计自监督学习轻量化计算机视觉

来源：评论

学校读者我要写书评

暂无评论

基于空间自适应卷积LSTM的视频预测

引用

计算机应用与软件 2020年第9期37卷 62-67,110页

作者：吴哲夫张令威刘光宇刘光灿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

在视频预测领域,传统的CNN与LSTM都不能充分表征视频中的时空特征。针对这一问题提出空间自适应卷积LSTM算法。受空间变换网络启发,在卷积LSTM内部的“input-to-state”计算过程中将传统卷积操作改为空间自适应卷积:利用额外卷积层获得... 详细信息

在视频预测领域,传统的CNN与LSTM都不能充分表征视频中的时空特征。针对这一问题提出空间自适应卷积LSTM算法。受空间变换网络启发,在卷积LSTM内部的“input-to-state”计算过程中将传统卷积操作改为空间自适应卷积:利用额外卷积层获得自适应卷积所需的位置参数,令自适应卷积根据时空信息选择卷积位置,提升模型捕捉时空变换特征的性能;并针对雷达回波预测提出多分支编码预测的网络架构,根据降水类别训练4个不同的支路,以提升网络的预测性能。在合成数据集与真实数据集上的实验结果表明,该模型取得了有竞争力的结果,单独设计一个模块让网络显式地学习某种特征会使网络有更好的性能。

关键词：卷积LSTM 空间变换网络视频预测

来源：评论

学校读者我要写书评

暂无评论

LIBS与变量选择PLS结合的含油土壤中Cu,Ni定量分析

引用

光谱学与光谱分析 2020年第12期40卷 3812-3817页

作者：朱绍农丁宇陈雨娟邓凡陈非凡严飞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

土壤中重金属元素检测是环境保护事业的重点之一,因此亟需一种能够快速检测土壤重金属浓度的定量分析手段。该研究旨在建立一种基于激光诱导击穿光谱结合偏最小二乘法的含油土壤中重金属元素快速定量检测方法。通过激光诱导击穿光谱(LI... 详细信息

土壤中重金属元素检测是环境保护事业的重点之一,因此亟需一种能够快速检测土壤重金属浓度的定量分析手段。该研究旨在建立一种基于激光诱导击穿光谱结合偏最小二乘法的含油土壤中重金属元素快速定量检测方法。通过激光诱导击穿光谱(LIBS)获取含油土壤光谱数据,采用偏最小二乘法(PLS)对样品中铜、镍元素进行定量分析预测,并在此基础上,结合区间以及后向区间法对全谱进行变量筛选,构建形成区间偏最小二乘法(iPLS)和后向区间偏最小二乘法(BiPLS)定量分析铜、镍元素含量的模型。结果表明:后向区间偏最小二乘法(BiPLS)在剔除了干扰信息的基础上,保留了更多的有效光谱信息,获得了比PLS和iPLS更好的预测结果:铜元素的测试集预测结果的决定系数(RP^2)和均方根误差(RMSEP)分别为0.944 9和0.036 3,相对分析误差(RPD)为3.0;镍元素的测试集预测结果的RP^2和RMSEP分别为0.933 7和0.041 4, RPD为2.6,两元素的BiPLS预测结果相较于PLS和iPLS方法均有所提升。因此,针对含油土壤重金属元素光谱信息, BiPLS算法相较于iPLS和PLS算法更适合与LIBS光谱相结合,筛选对Cu和Ni两种重金属元素定量分析贡献度较大的特征变量,进而提升模型的预测效果。该方法将促进LIBS技术应用于土壤品质在线评价。

关键词：含油土壤重金属检测激光诱导击穿光谱偏最小二乘法

来源：评论

学校读者我要写书评

暂无评论

模型压缩中的对抗鲁棒性实验分析

引用

陕西师范大学学报（自然科学版） 2020年第2期48卷 69-75页

作者：夏海峰袁晓彤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

模型压缩和对抗鲁棒性在深度学习模型落地到实际应用场景中扮演着重要的角色,本文将二者结合到同一视角下,探讨在模型压缩同时又可以使精简后的模型具有鲁棒性的问题。在对抗训练的框架下,对模型压缩和模型鲁棒性之间一些性质上的关联... 详细信息

模型压缩和对抗鲁棒性在深度学习模型落地到实际应用场景中扮演着重要的角色,本文将二者结合到同一视角下,探讨在模型压缩同时又可以使精简后的模型具有鲁棒性的问题。在对抗训练的框架下,对模型压缩和模型鲁棒性之间一些性质上的关联进行了研究,并且通过实验证明了模型压缩和对抗鲁棒性可以同时得到。

关键词：深度神经网络模型压缩对抗攻击对抗训练

来源：评论

学校读者我要写书评

暂无评论

联合姿态先验的人体精确解析双分支网络模型

引用

软件学报 2020年第7期31卷 1959-1968页

作者：高明达孙玉宝刘青山邵晓雯江苏省大数据分析技术重点实验室(南京信息工程大学自动化学院) 江苏南京210044 江苏省大气环境与装备技术协同创新中心(南京信息工程大学自动化学院) 江苏南京210044

人体解析旨在将人体图像分割成多个具有细粒度语义的部件区域,进行形成对人体图像的语义理解.然而,由于人体姿态的复杂性,现有的人体解析算法容易对人体四肢部件形成误判,且对于小目标区域的分割不够精确.针对上述问题,联合人体姿态估... 详细信息

人体解析旨在将人体图像分割成多个具有细粒度语义的部件区域,进行形成对人体图像的语义理解.然而,由于人体姿态的复杂性,现有的人体解析算法容易对人体四肢部件形成误判,且对于小目标区域的分割不够精确.针对上述问题,联合人体姿态估计信息,提出了一种人体精确解析的双分支网络模型.该模型首先使用基干网络表征人体图像,将人体姿态估计模型预测到的姿态先验作为基干网络的注意力信息,进而形成人体结构先验驱动的多尺度特征表达,并将提取的特征分别输入至全卷积网络解析分支与检测解析分支.全卷积网络解析分支获得全局分割结果,检测解析分支更关注小尺度目标的检测与分割,融合两个分支的预测信息可以获得更为精确的分割结果.实验结果验证了该算法的有效性,在当前主流的人体解析数据集LIP和ATR上,所提方法的m Io U评测指标分别为52.19%和68.29%,有效提升了解析精度,在人体四肢部件以及小目标部件区域获得了更为准确的分割结果.

关键词：人体解析语义分割人体姿态估计部件检测卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于深度学习和组织形态分析的肺癌基因突变预测

引用

生物医学工程学杂志 2020年第1期37卷 10-18页

作者：王荃沈勤张泽林蔡程飞鲁浩达周晓军徐军南京信息工程大学自动化学院南京210044 江苏省大数据分析技术重点实验室南京210044 南京军区总医院病理科南京210002

肺癌是一种常见的肺部恶性肿瘤,是全球发病率和死亡率最高的恶性肿瘤。对于发生了表皮生长因子受体(EGFR)基因突变的晚期非小细胞型肺癌患者,可以使用靶向药物来进行针对性治疗。EGFR基因突变的检测方法很多,但是各有优缺点。本文拟通... 详细信息

肺癌是一种常见的肺部恶性肿瘤,是全球发病率和死亡率最高的恶性肿瘤。对于发生了表皮生长因子受体(EGFR)基因突变的晚期非小细胞型肺癌患者,可以使用靶向药物来进行针对性治疗。EGFR基因突变的检测方法很多,但是各有优缺点。本文拟通过探索非小细胞型肺癌苏木精-伊红(HE)染色的全扫描组织病理图像形态学特征与患者EGFR基因突变之间的关联,达到预测EGFR基因突变风险的目的。实验结果表明,本文所提出的EGFR基因突变风险预测模型的曲线下面积(AUC)在测试集上可达72.4%,准确率为70.8%,提示非小细胞型肺癌全扫描组织病理图像中的组织形态学特征与EGFR基因突变之间存在密切关联。本文从病理图像的尺度来分析基因分子表型,将病理组学和分子组学相融合,建立EGFR基因突变风险预测模型,揭示全扫描组织病理图像和EGFR基因突变风险的关联性,或可为该领域提供一个颇具前景的研究方向。

关键词：深度学习肺癌病理图像基因突变精准医疗

来源：评论

学校读者我要写书评

暂无评论

利用KL散度度量通道冗余度的深度神经网络剪枝方法

引用

计算机应用与软件 2021年第11期38卷 300-306页

作者：杨鑫袁晓彤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大气环境与装备技术协同创新中心江苏南京210044

提出一种基于KL散度的结构化剪枝方法,用KL散度来衡量通道之间的差异性,并定义通道的重要因子,通过删减重要因子较小的通道来进行结构化剪枝。在CIFAR-10和CIFAR-100数据集上,对ResNet进行结构化剪枝,并对比几种较为先进的硬剪枝方法,发... 详细信息

提出一种基于KL散度的结构化剪枝方法,用KL散度来衡量通道之间的差异性,并定义通道的重要因子,通过删减重要因子较小的通道来进行结构化剪枝。在CIFAR-10和CIFAR-100数据集上,对ResNet进行结构化剪枝,并对比几种较为先进的硬剪枝方法,发现KL散度能发掘出卷积层中的冗余通道,剪枝后精度可能不会下降太多,在减少10%~30%网络参数与浮点运算的情况下,甚至比原始网络准确率要高0.4到0.6百分点。

关键词：深度神经网络模型压缩结构化剪枝 KL散度

来源：评论

学校读者我要写书评

暂无评论

基于I_CBAM-DenseNet模型的小麦发育期识别研究

引用

南京信息工程大学学报 2025年第1期17卷 42-52页

作者：付景枝马悦宏观刘云平吴文宇丁明明尹泽凡南京信息工程大学自动化学院南京210044 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 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 中国气象局气象探测中心北京100081

针对我国农作物发育期人工观测效率低、识别准确率不高等问题,提出一种基于I_CBAM-DenseNet模型的小麦发育期识别方法.该方法以密集连接卷积网络(DenseNet)为主干提取网络,融入卷积块注意模块CBAM.先将CBAM中的空间注意力模块(SAM)与通... 详细信息

针对我国农作物发育期人工观测效率低、识别准确率不高等问题,提出一种基于I_CBAM-DenseNet模型的小麦发育期识别方法.该方法以密集连接卷积网络(DenseNet)为主干提取网络,融入卷积块注意模块CBAM.先将CBAM中的空间注意力模块(SAM)与通道注意力模块(CAM)由传统的串联连接改为并行连接,并将改进的CBAM(I_CBAM)插入到DenseNet最后一个密集网络中,构建一种I_CBAM-DenseNet模型,再选取小麦7个重要发育时期进行自动识别.为最大化提取小麦的特征信息,将超绿特征(ExG)因子和最大类间方差法(Otsu)相结合对采集到的小麦图像进行分割处理.对比分析了I_CBAM-DenseNet、AlexNet、ResNet、DenseNet、CBAM-DenseNet以及VGG等模型的准确率和损失值的变化.结果表明,采取基于I_CBAM-DenseNet的卷积神经网络建立的模型,准确率达到99.64%,高于对比模型.

关键词：小麦发育期 DenseNet 卷积块注意模块(CBAM)

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv3-HM的手部姿态估计方法研究

引用

测控技术 2023年第4期42卷 60-66,87页

作者：刘佳石豪陈大鹏卞方舟徐闯南京信息工程大学自动化学院江苏南京210044 江苏省智能气象探测机器人工程研究中心江苏南京210044 江苏省大数据分析技术重点实验室江苏南京210044 江苏省气象能源利用与控制工程技术研究中心江苏南京210044

二维手部姿态估计是人机交互领域的一项关键技术。为增强复杂环境下系统鲁棒性,提高手势姿态估计精度,提出一种基于目标检测和热图回归的YOLOv3-HM算法。首先,利用YOLOv3算法从RGB图像中识别框选手部区域,采用CIoU作为边界框损失函数;然... 详细信息

二维手部姿态估计是人机交互领域的一项关键技术。为增强复杂环境下系统鲁棒性,提高手势姿态估计精度,提出一种基于目标检测和热图回归的YOLOv3-HM算法。首先,利用YOLOv3算法从RGB图像中识别框选手部区域,采用CIoU作为边界框损失函数;然后,结合热图回归算法对手部的21个关键点进行标注;最终,通过回归手部热图实现二维手部姿态估计。分别在FreiHAND数据集与真实场景下进行测试,结果表明,该算法相较于传统手势检测算法在姿态估计精度和检测速度上均有所提高,对手部关键点的识别准确率达到99.28%,实时检测速度达到59 f/s,在复杂场景下均能精准实现手部姿态估计。

关键词：手部姿态估计 YOLOv3-HM 热图回归关键点检测

来源：评论

学校读者我要写书评

暂无评论

基于深度级联网络的乳腺淋巴结全景图像的癌转移区域自动识别

引用

中国生物医学工程学报 2020年第3期39卷 257-264页

作者：李宝明胡佳瑞徐海俊王聪蒋燕妮张智弘徐军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 江苏省人民医院病理科南京210029 江苏省人民医院影像科南京210029

淋巴结癌转移区域的自动识别是乳腺癌病理分期的重要前提。但由于全景图像尺寸巨大,组织形态复杂多样,在乳腺淋巴结全景图像中自动检测和定位癌转移区域具有很大的难度。设计一种基于深度级联网络的方法,实现对乳腺淋巴结全景图像癌转... 详细信息

淋巴结癌转移区域的自动识别是乳腺癌病理分期的重要前提。但由于全景图像尺寸巨大,组织形态复杂多样,在乳腺淋巴结全景图像中自动检测和定位癌转移区域具有很大的难度。设计一种基于深度级联网络的方法,实现对乳腺淋巴结全景图像癌转移区域的自动定位与识别。采用由粗定位到精定位的两个深度网络模型级联的方式,首先基于医生标记的癌转移区域,提取阳性与阴性图像块训练粗定位网络VGG16得到粗定位结果,然后对比粗定位结果与医生标记提取阳性和假阳性区域的图像块,再训练精定位的Res Net50网络用于识别阳性和假阳性区域。为了验证所提出深度级联网络的有效性,选用Camelyon16公开的共400张乳腺淋巴结全景图像数据集用作训练和测试。结果表明,所提出的VGG16+Res Net50级联网络模型的定位指标FROC得分达到0.8912,分别比单个深度网络模型VGG16和Res Net50的FROC得分高0.1531和0.1470,比Alex Net+VGG16级联的网络模型FROC得分高0.0288,显示深度级联网络模型对淋巴结癌转移区域可以实现更加精准的识别。

关键词：全景病理图像癌转移区域检测深度级联网络

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：