检索结果-内蒙古大学图书馆

兵工自动化 2024年第12期43卷 26-29,41页

作者：夏庆锋李明阳宋志强许可儿无锡学院自动化学院江苏无锡214105 南京信息工程大学自动化学院南京210044

为提高疲劳驾驶检测方法的准确率和可部署性,提出一种基于RepVGG的疲劳驾驶检测算法。在模型中增添空洞卷积金字塔池化(atrous spatial pyramid pooling,ASPP)模块,以捕捉多尺度疲劳特征信息。将卷积块注意力模块(convolutional block a... 详细信息

为提高疲劳驾驶检测方法的准确率和可部署性,提出一种基于RepVGG的疲劳驾驶检测算法。在模型中增添空洞卷积金字塔池化(atrous spatial pyramid pooling,ASPP)模块,以捕捉多尺度疲劳特征信息。将卷积块注意力模块(convolutional block attention module,CBAM)与ASPP模块结合,单独应用于模型中,进一步强调和捕捉疲劳特征表达的多尺度信息和重要区域信息,并抑制图像中的背景信息,从而提高模型的性能和鲁棒性。结果表明:改进RepVGG算法在疲劳驾驶数据集上的准确率达到了97.34%,比原算法提高了2.51%,且模型参数量仅为7.1×106,具有良好的检测精度和可部署性。

关键词： RepVGG 疲劳驾驶检测 ASPP CBAM

来源：评论

学校读者我要写书评

暂无评论

基于点云强度和地面约束的大范围激光SLAM

引用

电子测量与仪器学报 2024年第4期38卷 66-75页

作者：孙伟曾豪霆张小瑞王煜叶健峰南京信息工程大学自动化学院南京210044 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 南京工业大学计算机与信息工程学院南京211816 南京信息工程大学电子与信息工程学院南京210044

在无人车领域,点云强度和地面约束对大范围环境下的建图和定位起着非常重要的作用。然而,现有的激光SLAM算法在构建地图时只考虑几何特征,而忽视点云强度信息和地面约束,导致建图细节模糊、在Z轴方向上易存在漂移,从而降低了SLAM系统的... 详细信息

在无人车领域,点云强度和地面约束对大范围环境下的建图和定位起着非常重要的作用。然而,现有的激光SLAM算法在构建地图时只考虑几何特征,而忽视点云强度信息和地面约束,导致建图细节模糊、在Z轴方向上易存在漂移,从而降低了SLAM系统的精度。为此,本文提出了一种基于点云强度和地面约束的激光SLAM优化算法。基于地面测量模型,提出构建局部条件性地面约束,不仅提高地面点提取的准确性,而且减少Z轴方向的漂移;引入点云强度信息来改善非地面点聚类的可靠性,进一步提高建图精度和定位稳定性。提出基于局部平滑度的特征提取方法,通过引入强度因子并对强度特征进行排序,优先选择具有一致强度信息的特征,增强特征提取的鲁棒性。引入球形强度图来构建强度残差,与几何残差共同优化估计位姿,有效解决里程计中地图细节处的模糊问题;基于特征投影的匹配距离以及强度差异被用来去除动态点云的干扰,进一步提高SLAM系统的鲁棒性。在公开数据集KITTI和真实场景下的实验表明,引入地面约束和点云强度信息后,本文提出的算法具有更高的建图和定位精度,相对优于传统LIO-SAM的LVI-SAM算法,本文算法的精度提升了54.5%,为无人车在大范围环境中的SLAM任务提供了可靠解决方案。

关键词：大范围环境地面约束点云强度动态点云

来源：评论

学校读者我要写书评

暂无评论

基于改进邻域空间的高维混合数据特征选择算法

引用

控制与决策 2024年第3期39卷 929-938页

作者：张腾飞张宇迪马福民南京邮电大学自动化学院人工智能学院南京210023 南京财经大学信息工程学院南京210023

作为数据挖掘领域中一项重要的数据预处理技术,特征选择算法能够有效应对高维数据带来的“维数灾难”问题.然而,如何对高维的混合数据进行特征选取仍然是当前研究的重点和难点之一.基于邻域关系的邻域粗糙集模型因其能够处理名词型属性... 详细信息

作为数据挖掘领域中一项重要的数据预处理技术,特征选择算法能够有效应对高维数据带来的“维数灾难”问题.然而,如何对高维的混合数据进行特征选取仍然是当前研究的重点和难点之一.基于邻域关系的邻域粗糙集模型因其能够处理名词型属性与数值型属性并存的混合数据,已成功应用于混合数据的特征选择.但是,现有邻域粗糙集对混合数据邻域关系的度量,仍然是基于等价关系的名词型数据划分与基于相似关系的数值型数据划分的简单融合,在利用模型划分的邻域空间和预定义的评价函数对高维混合数据进行特征选取时,适应性较差.为此,在邻域粗糙集模型的基础上,提出一种改进的邻域空间构造方法,并设计相应的邻域空间度量公式作为判别指标,自适应地调节邻域空间下邻域粒的大小;为了准确地表征高维混合数据邻域空间的判别能力,设计一种考虑边界数据和邻域空间大小的评价函数;在此基础上,提出一种启发式的高维混合数据特征选择算法.通过UCI标准数据集验证所提出算法的有效性.

关键词：特征选择邻域空间高维混合数据邻域粗糙集评价函数

来源：评论

学校读者我要写书评

暂无评论

改进U型网络的路面缺陷图像分割算法

引用

电子测量与仪器学报 2024年第8期38卷 15-25页

作者：邹凯鑫张自嘉孙伟付锦燚南京信息工程大学自动化学院南京210044 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

针对路面缺陷图像存在对比低以及其复杂的拓扑结构,现提出的大部分分割算法,在捕获感受野和提取路面缺陷特征时还存在很大的不足。因此本文提出改进U-Net的路面缺陷图像分割算法。首先,在经典的U-Net的卷积块中提出SN-Disout残差块,增... 详细信息

针对路面缺陷图像存在对比低以及其复杂的拓扑结构,现提出的大部分分割算法,在捕获感受野和提取路面缺陷特征时还存在很大的不足。因此本文提出改进U-Net的路面缺陷图像分割算法。首先,在经典的U-Net的卷积块中提出SN-Disout残差块,增强模型对过拟合的鲁棒性;其次,在编码器与解码器之间引入循环十字交叉模块,增强模型在特征图中不同位置之间捕获特征的能力,对缺陷的边界进行更准确的建模;最后,在解码器中引入空间通道挤压与激励模块,这使得网络能够更加专注于重要的特征,同时减少不相关或噪声特征的依赖;并将位置感知多头注意力加入模型的颈处,进一步有助于模型更好地理解和利用输入数据的内在关系,从而提高模型的性能和表现能力,并且使用混合损失函数Dice+BCE取代单一的损失函数。该算法在Crack500图像数据集上的交并比与F1分别达到了60.13%和75.22%,均超过U-Net、DeepLabV3+、PSPNet、TransU-Net、UNet++等主流语义分割网络。实验结果表明,该算法能有效改善网络的预测精度与细小目标的分割结果,在保证分割精度的情况下也满足了实时性的要求。

关键词：深度学习语义分割路面缺陷 U-Net 注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于YOLOX的类增量印刷电路板缺陷检测方法

引用

智能系统学报 2024年第4期19卷 1061-1070页

作者：吴瑞林葛泉波刘华平南京信息工程大学自动化学院清华大学计算机科学与技术系

为了应对更加实际的增量式印刷电路板缺陷检测场景，本文将知识蒸馏与YOLOX相结合，提出了一种基于YOLOX的类增量印刷电路板缺陷检测方法。在只使用新训练数据的情况下，模型能够检测出所有学过的缺陷类型。通过对模型的输出特征和中间... 详细信息

为了应对更加实际的增量式印刷电路板缺陷检测场景，本文将知识蒸馏与YOLOX相结合，提出了一种基于YOLOX的类增量印刷电路板缺陷检测方法。在只使用新训练数据的情况下，模型能够检测出所有学过的缺陷类型。通过对模型的输出特征和中间特征使用知识蒸馏来促进旧缺陷类别知识的传递，使得学生模型能够有效保留教师模型在旧缺陷类别上的检测性能。实验结果表明，本文方法能够显著缓解增量学习过程中的灾难性遗忘问题，在两阶段增量场景下，模型对所有缺陷的平均检测精度为88.5%，参数量为25.3×106，检测速度为39.8 f/s，便于工业设备部署的同时，可以满足增量式检测场景下印刷电路板(printed circuit board,PCB)质检的检测精度和检测速度要求。

关键词：深度学习印刷电路板类增量增量学习缺陷检测目标检测动态检测知识蒸馏灾难性遗忘

来源：评论

学校读者我要写书评

暂无评论

考虑最短转弯半径的无人机区域覆盖航迹规划

引用

实验室研究与探索 2023年第7期42卷 124-129页

作者：宋志强陈少博无锡学院自动化学院江苏无锡214105 南京信息工程大学滨江学院自动化学院江苏无锡214105

为实现无人机测量自动化,必须解决覆盖航迹规划,即无人机路径规划,以便监测感兴趣区域内的所有点。为此,提出改进的旋转卡尺航迹规划算法,综合考虑被测区域的凹凸性、无人机类型、无人机起飞点、着陆点,计算最优边-点来回航迹,构成完整... 详细信息

为实现无人机测量自动化,必须解决覆盖航迹规划,即无人机路径规划,以便监测感兴趣区域内的所有点。为此,提出改进的旋转卡尺航迹规划算法,综合考虑被测区域的凹凸性、无人机类型、无人机起飞点、着陆点,计算最优边-点来回航迹,构成完整的覆盖航迹。被测区域是凹多边形,则将其分割为具有最小个数的凸边形;如果采用固定翼无人机,则需要考虑其最小转弯半径,进行航迹规划。仿真结果表明,改进的航迹规划算法更具实用性和有效性。

关键词：无人机覆盖航迹规划最小转弯半径凹多边形分割

来源：评论

学校读者我要写书评

暂无评论

改进YOLO11的学生课堂行为检测算法

引用

电子测量技术 2025年

作者：曹倩曹燚钱承山南京信息工程大学自动化学院无锡学院物联网工程学院

针对YOLO11在课堂行为检测中存在复杂细节丢失、多尺度感知能力不足、计算效率低以及检测精度低的问题，提出了一种改进的ATDW-YOLO算法。首先，在颈部网络中构建了自适应极化特征融合模块，提升特征语义融合能力，更好地捕捉复杂细节... 详细信息

针对YOLO11在课堂行为检测中存在复杂细节丢失、多尺度感知能力不足、计算效率低以及检测精度低的问题，提出了一种改进的ATDW-YOLO算法。首先，在颈部网络中构建了自适应极化特征融合模块，提升特征语义融合能力，更好地捕捉复杂细节。其次，设计了任务动态对齐检测头模块，提高模型在多尺度目标上的识别能力。然后，在主干网络中引入动态分组卷积混洗转换模块，增强特征表示能力，实现网络轻量化。最后，采用Wise-IoU函数替代CIoU损失函数，改善边界框的拟合能力，提高检测精度。实验结果表明，与YOLO11n模型相比，ATDW-YOLO的mAP0.5和mAP0.5:0.95分别提高了3.1%和4.0%，而模型参数量、计算量和模型大小分别降低了23.1%、9.5%和23.6%，显著提升了检测精度，实现网络轻量化。

关键词： YOLO11 课堂行为检测目标检测智慧教育

来源：评论

学校读者我要写书评

暂无评论

改进孪生网络在小样本轴承故障诊断中的应用

引用

计算机工程与应用 2023年第19期59卷 294-304页

作者：赵晓平彭澎张永宏张中洋南京信息工程大学计算机与软件学院南京210044 南京信息工程大学数字取证教育部工程研究中心南京210044 南京信息工程大学自动化学院南京210044

针对传统深度学习模型过度依赖大量训练数据,在小样本条件下会出现准确率低和泛化性差的问题,提出一种基于改进孪生神经网络(improved siamese neural network,ISNN)的小样本轴承故障诊断方法。该方法致力于利用度量学习思想来判断样本... 详细信息

针对传统深度学习模型过度依赖大量训练数据,在小样本条件下会出现准确率低和泛化性差的问题,提出一种基于改进孪生神经网络(improved siamese neural network,ISNN)的小样本轴承故障诊断方法。该方法致力于利用度量学习思想来判断样本间的相似性,相比于复杂、多层的深度模型其结构更简单,在小样本下也更容易训练。具体而言,共设计了三个模块来实现故障诊断。特征提取阶段分别利用长短时记忆网络和卷积神经网络提取出故障信号的时间和空间特征,能够充分利用有限的样本信息;关系度量阶段以自适应的网络度量方式来代替常用的欧式距离度量,并且引入全局均值池化来减少网络参数;此外,与标准孪生网络相比,构建的故障分类网络可以直接对样本进行故障识别,在测试阶段无须繁琐的样本比对。实验结果表明,ISNN方法在有限的训练样本数量下,故障诊断准确率和泛化性能均优于各种对比方法。

关键词：滚动轴承孪生网络小样本故障诊断

来源：评论

学校读者我要写书评

暂无评论

多尺度注意力网络的水下图像增强算法

引用

机械科学与技术 2025年第3期44卷 505-512页

作者：陈海秀陆康何珊珊刘磊颜秋叙南京信息工程大学自动化学院南京210044 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

针对水下环境中的图像存在严重的偏色、模糊等问题,该文提出了一种新型的生成对抗网络。采用U-Net作为生成网络的基础模型并对其进行了改进,首先将注意力机制引入到网络中,并设计多尺度特征提取模块,来提取不同层次的特征。其次通过预... 详细信息

针对水下环境中的图像存在严重的偏色、模糊等问题,该文提出了一种新型的生成对抗网络。采用U-Net作为生成网络的基础模型并对其进行了改进,首先将注意力机制引入到网络中,并设计多尺度特征提取模块,来提取不同层次的特征。其次通过预处理操作输入白平衡图像提升模型的鲁棒性。为解决单一损失造成图像细节恢复不均匀的问题,在传统的对抗损失函数中联合L1损失与内容损失。实验结果表明:此方法在水下图像的颜色恢复和提高清晰度方面具有很好的效果,其中结构相似度、峰值信噪比、水下彩色质量评估和水下图像质量度量的平均值分别为0.8906、29.0761、0.4454和3.1810。在主观评价和客观评价指标上,综合来说该文算法实验结果均优于对比算法。

关键词：水下图像增强生成对抗网络注意力机制多尺度

来源：评论

学校读者我要写书评

暂无评论

改进U-Net的风云四号卫星降水估计算法研究

引用

计算机工程与应用 2023年第11期59卷 285-293页

作者：黄杰张永宏马光义朱灵龙田伟南京信息工程大学自动化学院南京210044 南京信息工程大学气象灾害预报预警与评估协同创新中心南京210044 南京信息工程大学电子与信息工程学院南京210044 南京信息工程大学计算机与软件学院南京210044

针对强对流天气条件下利用卫星图像进行降水量估计时精度不高、时空分辨率低的问题,提出了一种改进U-Net的降水量估计算法。将U-Net模型的编码器通过残差模块与解码器相结合,使得模型参数可以共享,避免深层网络模型梯度消失的情况。在... 详细信息

针对强对流天气条件下利用卫星图像进行降水量估计时精度不高、时空分辨率低的问题,提出了一种改进U-Net的降水量估计算法。将U-Net模型的编码器通过残差模块与解码器相结合,使得模型参数可以共享,避免深层网络模型梯度消失的情况。在此结构基础上引入了空间金字塔模块进行多尺度特征提取,保留更多的图像特征,加强对细小降水云团信息的特征提取能力;引入了注意力机制模块,提取重要降水特征信息。实验结果表明,该算法在命中率、虚警率、相关系数分别为0.84、0.48、0.59;均方根误差、平均绝对误差分别为1.354 mm/h、0.432 mm/h。与PERSIANN-CNN、U-Net算法相比,有效地提升了降水量估计精度。与其他降水产品对比,能更好地识别出降水区。该算法可以实现近实时的降水估计,能够有效地提升降水估计精度,对低时间分辨率的降水估计研究具有一定的价值。

关键词：降水量估计风云四号卫星卷积神经网络语义分割

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：