检索结果-内蒙古大学图书馆

地球信息科学学报 2025年第5期27卷 1195-1213页

作者：罗健伟张银胜南京信息工程大学电子与信息工程学院无锡学院电子信息工程学院

【目的】深度卷积神经网络(DCNNs)已经成功应用于高分辨率遥感图像的语义分割，但高分辨率遥感图像普遍存在类内方差大，类间方差小、目标尺度变化显著等问题。卷积运算因其局部性，在处理这些复杂问题时受到了限制。基于Transformer的... 详细信息

【目的】深度卷积神经网络(DCNNs)已经成功应用于高分辨率遥感图像的语义分割，但高分辨率遥感图像普遍存在类内方差大，类间方差小、目标尺度变化显著等问题。卷积运算因其局部性，在处理这些复杂问题时受到了限制。基于Transformer的方法则拥有强大的全局信息建模能力，但在局部信息的提取方面存在缺陷。【方法】本文提出一种增强多尺度目标感知的双路径高分辨率遥感图像分割算法DMFPNet，模型采用基于DCNN和Transformer的非对称双编码器结构。首先，基于深度卷积构建可变通道空间金字塔模块（SCSP），动态提取融合多通道信息。其次，提出一种多尺度特征增强Transformer模块，通过特征锚点预处理，为模块提供空间偏置信息，同时在自注意力机制中构建可学习余弦相似矩阵，引导模块聚焦图像中不同尺度的目标。最后，构建了一种双边特征引导融合模块(BFGF)，实现2条分支之间不同尺度特征的融合与信息交换。【结果】本文在Vaihingen和Potsdam数据集上进行了对比实验与消融实验，结果表明：本模型在Vaihingen数据集上分别获得了83.29%、90.65%、 91.69%的平均交并比（mIoU）、mF1(mean F1-Score)和OA(Overall Accuracy)，在Potsdam数据集上获得了73.29%、83.98%、88.47%的mIoU、mF1和OA；相较于本文所对比的最佳方法，mIoU在Vaihingen和Potsdam数据集分别提升0.76%和1.42%。【结论】证明了本模型在解决高分辨率遥感图像语义分割中类内类间方差变化大、目标尺度多变等复杂问题方面具有良好的性能和较高的分割准确性。

关键词：遥感语义分割 Transformer 多尺度特征融合特征加权双分支注意力机制余弦相似度

来源：评论

学校读者我要写书评

暂无评论

面向物联网的云边端协同计算中任务卸载与资源分配算法研究

引用

电子与信息学报 2025年第2期47卷 458-469页

作者：施建锋陈忻阳李宝龙南京信息工程大学电子与信息工程学院南京214442

为满足远郊和灾区物联网(IoT)设备的时延与能耗需求,该文构建了由IoT终端、低地球轨道(LEO)卫星和云计算中心组成的新型动态卫星物联网模型。在时延、能耗等实际约束条件下,将系统时延与能耗加权和视为系统开销,构造了最小化系统开销的... 详细信息

为满足远郊和灾区物联网(IoT)设备的时延与能耗需求,该文构建了由IoT终端、低地球轨道(LEO)卫星和云计算中心组成的新型动态卫星物联网模型。在时延、能耗等实际约束条件下,将系统时延与能耗加权和视为系统开销,构造了最小化系统开销的任务卸载、功率和计算资源联合分配问题。针对动态任务到达场景,提出一种模型辅助的自适应深度强化学习(MADRL)算法,实现任务卸载决策、通信资源和计算资源的联合配置。该算法将问题分为两部分解决,第1部分通过模型辅助、二分搜索算法和梯度下降法优化了通信资源与计算资源;第2部分通过自适应深度强化学习算法训练出Q网络以适应随机任务的到达,进行卸载决策优化。该算法实现了有效的资源分配和可靠及时的任务卸载决策,且在降低系统开销方面表现出优异的效果。仿真结果表明,引入卫星的移动性,使得系统开销降低了41%。引入星间协作技术,使系统开销降低了22.1%。此外,该文所提算法收敛性能好。与基准算法相比,该算法的系统开销降低了3%,在不同环境下的性能表现都是最优。

关键词：云边端协同计算卫星物联网深度强化学习任务卸载资源分配

来源：评论

学校读者我要写书评

暂无评论

多任务联合学习下的复杂天气航拍图像目标检测算法

引用

计算机工程与应用 2025年第2期61卷 97-111页

作者：王新蕾王硕翟嘉政肖瑞林廖晨旭南京信息工程大学电子与信息工程学院南京210044 无锡学院电子信息工程学院江苏无锡214105

针对雨雾等复杂天气下无人机图像质量下降导致目标检测效果不佳的问题,提出基于上下文引导和提示学习的目标检测算法CGP-YOLO(context-guided and prompt-based YOLOv8)。构建一个多任务联合学习的检测网络,通过双分支结构达到平衡图像... 详细信息

针对雨雾等复杂天气下无人机图像质量下降导致目标检测效果不佳的问题,提出基于上下文引导和提示学习的目标检测算法CGP-YOLO(context-guided and prompt-based YOLOv8)。构建一个多任务联合学习的检测网络,通过双分支结构达到平衡图像检测和恢复的任务。提出基于提示学习的跨层注意力加权图像去噪分支,指导网络利用退化提示重构清晰的图像;模型主干设计基于上下文的残差采样模块,集成卷积注意力机制,综合目标的局部和全局信息;采用可分离大核多尺度特征提取模块,处理网络多尺度特征;引入小目标的专用检测头,增强小目标的检测精度。实验结果表明,在参数量仅为基线模型60%的情况下,该模型的检测精度提高了2.4个百分点,平均精度(mAP)提高了2.04个百分点,模型检测效果优于其他经典模型,具备卓越的性能。

关键词：多任务学习目标检测无人机图像复杂天气提示学习去噪模型

来源：评论

学校读者我要写书评

暂无评论

光学变换级联一维光子晶体宽带全向反射镜设计

引用

光学学报 2025年第1期45卷 229-235页

作者：梅永王浩志王身云南京信息工程大学电子与信息工程学院江苏南京210044

为了实现全向反射镜的小型化,设计一款基于级联结构的一维光子晶体反射镜模型。首先,利用传输矩阵法计算三个单级一维光子晶体结构在横磁波(TM波)照射条件下的全向反射系数,其全向反射带宽分别为433~453 nm、466~488 nm和499~524 nm。然... 详细信息

为了实现全向反射镜的小型化,设计一款基于级联结构的一维光子晶体反射镜模型。首先,利用传输矩阵法计算三个单级一维光子晶体结构在横磁波(TM波)照射条件下的全向反射系数,其全向反射带宽分别为433~453 nm、466~488 nm和499~524 nm。然后,将这些单级结构进行级联,计算级联结构的全向反射带宽。计算结果表明:级联结构的全向反射带宽为446~494 nm,宽度为48 nm。最后,采用变换光学原理对级联结构进行压缩变换,实现级联结构的尺寸小型化,并保持全向反射带宽不变。考虑变换介质的可实现性,基于折射率不变性对变换介质进行去磁化变换。所设计的变换介质级联结构光子晶体,不仅有效增加全向反射带宽,也显著减少反射镜的厚度,为全向反射镜的小型化和宽带化提供一种有效方案。

关键词：光子晶体全向反射镜传输矩阵变换光学

来源：评论

学校读者我要写书评

暂无评论

面向鱼眼摄像头目标检测的轻量级网络

引用

激光与光电子学进展 2025年第2期62卷 431-445页

作者：王新蕾廖晨旭王硕肖瑞林南京信息工程大学电子与信息工程学院江苏南京210044 无锡学院电子信息工程学院江苏无锡214105

鱼眼摄像头较普通摄像头检测相同场景时,部署成本更低,但要达到精准检测鱼眼图像中畸变目标的目的,就需要增加计算量。针对这种鱼眼图像检测精度和推理速度不能兼得的问题,提出一种改进的YOLOv8m鱼眼图像目标检测模型(Fisheye-YOLOv8)... 详细信息

鱼眼摄像头较普通摄像头检测相同场景时,部署成本更低,但要达到精准检测鱼眼图像中畸变目标的目的,就需要增加计算量。针对这种鱼眼图像检测精度和推理速度不能兼得的问题,提出一种改进的YOLOv8m鱼眼图像目标检测模型(Fisheye-YOLOv8)。首先,提出Faster-EMA模块,通过融合轻量级卷积和多尺度注意力,减少特征提取中的延时和复杂度;然后,设计了RFA-BiFPN结构,基于参数共享机制,通过感受野注意力和加权双向金字塔结构,同时提高检测速度和精度;其次,提出轻量级检测头G-LHead,减少了模型参数量和复杂度;最后,引入LAMP剪枝算法,在提高识别精度和推理速度间取得平衡。实验结果表明,Fisheye-YOLOv8在Fisheye8K和WoodScape数据集上的平均精度均值(mAP)达到60.5%和59.7%,较YOLOv8m提升了2.2百分点和1.2百分点,参数量与计算量仅为YOLOv8m的20.5%和29.7%,检测速度达到118 frame/s,满足实时性要求,相较于其他模型,更适合在鱼眼摄像头上部署。

关键词：鱼眼摄像头轻量级网络 YOLOv8m 参数共享机制剪枝

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv5改进的航拍图像目标检测算法

引用

系统仿真学报 2025年第2期37卷 551-562页

作者：郭业才孙京东 Amitave Saha 南京信息工程大学电子与信息工程学院江苏南京210044 无锡学院电子信息工程学院江苏无锡214105

为解决小目标检测方法检测精度低、误检率高和漏检率高等问题,提出了FSD-YOLOv5算法,在YOLOv5算法的基础上进行了三方面的改进:用FocalEIoU代替了CIoU,提高了模型收敛速度和回归精度;针对CNN架构的缺陷,采用了一种新的CNN构建模块SPD-Co... 详细信息

为解决小目标检测方法检测精度低、误检率高和漏检率高等问题,提出了FSD-YOLOv5算法,在YOLOv5算法的基础上进行了三方面的改进:用FocalEIoU代替了CIoU,提高了模型收敛速度和回归精度;针对CNN架构的缺陷,采用了一种新的CNN构建模块SPD-Conv;针对卷积神经网络降采样导致的特征图中小目标信息减少或丢失的问题,引入了特征重用来增加特征图中小目标的特征信息。仿真结果表明:FSD-YOLOv5的检测准确率为36.3%,比原算法提高了2.4%。

关键词： YOLOv5 FocalEIoU SPD-Conv 密集卷积网络航拍图像检测

来源：评论

学校读者我要写书评

暂无评论

面向多模数据的引导-对齐情绪推理方法

引用

东南大学学报(自然科学版) 2025年第2期55卷 585-592页

作者：张艳夏雨琪丁凯刘阳炀王年安徽大学电子信息工程学院合肥230601

表情和声音等微观情绪需近距离交互采集。为了将空间尺度大、数据容易获取的姿态信息作为情绪表达的载体,提出一种基于引导-对齐模块的情绪推理方法。其中引导模块借助面部关键点指导姿态特征的提取,进行帧图像二级筛选;首先提取出同时... 详细信息

表情和声音等微观情绪需近距离交互采集。为了将空间尺度大、数据容易获取的姿态信息作为情绪表达的载体,提出一种基于引导-对齐模块的情绪推理方法。其中引导模块借助面部关键点指导姿态特征的提取,进行帧图像二级筛选;首先提取出同时包含面部关键点和人体姿态的帧图像,通过对每帧图像的欧氏度量筛选保留符合要求的人体姿态帧图像,实现面部特征引导姿态特征的提取;通过特征对数归一化实现姿态对齐模块,姿态特征与面部特征、环境特征共同构成视觉特征,将视觉特征、文本特征和语音特征进行多模态特征融合。实验结果表明,该方法在MEmoR数据集上的Micro⁃F_(1)达到48.86%,一定程度上提升了多模态情绪推理能力。

关键词：情绪推理多模态特征对数对齐引导特征

来源：评论

学校读者我要写书评

暂无评论

基于多粒度特征-区域关系的赤足足迹分割方法

引用

华南理工大学学报(自然科学版) 2025年第3期53卷 57-67页

作者：张艳严毅吴红英汪思彤吴晔峰王年安徽大学电子信息工程学院安徽合肥230601

采用语义分割方法自动分割赤足足迹图像时,虽然可以减少人工干预,但对于赤足足迹图像分割中脚趾区域模糊的问题,神经网络模型需要更加重视这些区域的特征提取;对于光照不均匀的赤足足迹图像,可以通过模型建立赤足整体区域与局部区域的... 详细信息

采用语义分割方法自动分割赤足足迹图像时,虽然可以减少人工干预,但对于赤足足迹图像分割中脚趾区域模糊的问题,神经网络模型需要更加重视这些区域的特征提取;对于光照不均匀的赤足足迹图像,可以通过模型建立赤足整体区域与局部区域的上下文关系,利用整体区域特征信息来增强光照不均匀区域的特征表达,以提升图像分割的准确性与稳健性。为此,该文提出了基于多粒度特征-区域关系的赤足足迹分割方法,通过局部区域标签使特征表示关注脚趾区域,提取足迹的多粒度特征,并与足迹的全局特征进行融合,以提升对赤足足迹中模糊区域的分割效果;同时,对原始图像和足迹特征图进行空间变换,采用矩阵相乘建立两者间赤足区域关系矩阵,利用关系矩阵对赤足全局特征进行空间调制,以实现特征增强。该文还构建了一个现场赤足足迹数据集(包含25人的1100幅现场赤足足迹图像),并针对模糊、光照不均、模糊-光照不均和正常4种赤足足迹图像进行实验。结果表明,在正常赤足足迹图像上分割时,赤足类交并比达到93.50%,在模糊、光照不均、模糊-光照不均3类赤足足迹图像上分割时,赤足类交并比分别达到92.90%、93.06%、91.66%,而在模糊-光照不均赤足足迹图像上分割的赤足类交并比相比于U-Net提升了1.15个百分点。

关键词：图像分割赤足足迹多粒度特征区域关系

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的无人机航拍图像小目标检测研究进展

引用

航空学报 2025年第3期46卷 174-200页

作者：吴一全童康南京航空航天大学电子信息工程学院南京211106

基于深度学习的无人机航拍图像小目标检测在军事情报侦察、战场监视和评估、军事目标捕获与验证、智能交通治理、基础设施检查和维护、灾害防治、搜索和救援、农作物管理与分析、生态保护和监测等领域具有广泛应用,近年来已成为当下的... 详细信息

基于深度学习的无人机航拍图像小目标检测在军事情报侦察、战场监视和评估、军事目标捕获与验证、智能交通治理、基础设施检查和维护、灾害防治、搜索和救援、农作物管理与分析、生态保护和监测等领域具有广泛应用,近年来已成为当下的研究热点,故对近5年基于深度学习的无人机航拍图像小目标检测展开全面深入的调查。首先介绍无人机航拍图像小目标检测定义与面临的挑战。其次重点从判别性特征学习、超分辨率技术、实时轻量化检测、其他改进思路这4个方面详细阐述了无人机航拍图像小目标检测方法。然后系统总结无人机航拍图像小目标检测数据集,并基于VisDrone挑战赛深入分析不同算法的性能。最后全面呈现无人机航拍图像小目标检测在军事和民生领域的具体应用,讨论其未来潜在的发展方向,并指出了无人机航拍的一些担忧。期望该综述可以启发相关研究人员,进一步推动基于深度学习的无人机航拍图像小目标检测的发展。

关键词：小目标检测无人机(UAV) 航拍图像深度学习性能评估小目标检测应用

来源：评论

学校读者我要写书评

暂无评论

多尺度密集交互注意力残差真实图像去噪网络

引用

图学学报 2025年第2期46卷 279-287页

作者：郭业才胡晓伟 AMITAVE Saha 毛湘南南京信息工程大学电子与信息工程学院江苏南京210044 无锡学院电子信息工程学院江苏无锡214105

针对图像去噪特征提取不全面以及特征利用率低,导致生成图像不够清晰的问题,提出一种多尺度密集交互注意力残差去噪网络(MDIARN)。首先,通过多尺度非对称特征提取模块(MAFM)初步提取浅层信息特征,以确保图像特征的多样性;然后,多尺度级... 详细信息

针对图像去噪特征提取不全面以及特征利用率低,导致生成图像不够清晰的问题,提出一种多尺度密集交互注意力残差去噪网络(MDIARN)。首先,通过多尺度非对称特征提取模块(MAFM)初步提取浅层信息特征,以确保图像特征的多样性;然后,多尺度级联模块(MSCM)利用多维密集交互残差单元(MDIU)对图像特征进行多维映射,并逐步级联以增强模型之间的信息传递和交互性,充分拟合训练数据;引入双路全局注意力模块(DGAM)对多级特征进行全局联合学习,获取更具有判别性的特征信息;跳跃连接促进结构之间的参数共享,使不同维度的特征充分融合,保证信息的完整性;最后,采用残差学习构建出清晰的去噪图像。结果表明,该算法在真实噪声数据集(DND和SIDD)上峰值信噪比分别为39.80 dB和39.62 dB,结构相似性分别为95.4%和95.8%,均优于主流去噪算法。此外,该算法在低光度场景下应用也能保留更多细节,从而显著提升图像质量。

关键词：图像去噪多尺度特征提取多维密集交互卷积神经网络注意力

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：