检索结果-内蒙古大学图书馆

计算机应用 2024年第5期44卷 1613-1618页

作者：耿焕同刘振宇蒋骏范子辰李嘉兴南京信息工程大学计算机学院南京210044 江苏开放大学信息工程学院南京210036 南京信息工程大学软件学院南京210044

在边缘端设备部署YOLOv8L模型进行道路裂缝检测可以实现较高的精度,但难以保证实时检测。针对此问题,提出一种可部署到边缘计算设备Jetson AGX Xavier上的基于改进YOLOv8模型的目标检测算法。首先,利用部分卷积设计Faster Block结构以替... 详细信息

在边缘端设备部署YOLOv8L模型进行道路裂缝检测可以实现较高的精度,但难以保证实时检测。针对此问题,提出一种可部署到边缘计算设备Jetson AGX Xavier上的基于改进YOLOv8模型的目标检测算法。首先,利用部分卷积设计Faster Block结构以替换YOLOv8 C2f模块中的Bottleneck结构,并将改进后的C2f模块记为C2f-Faster;其次,在YOLOv8主干网络中的每个C2f-Faster模块之后接一个SE(Squeeze-and-Excitation)通道注意力层,进一步提高检测的精度。在开源道路损害数据集RDD20(Road Damage Detection 20)上的实验结果表明:所提方法的平均F1得分为0.573,每秒检测帧数(FPS)为47,模型大小为55.5MB,相较于GRDDC2020(GlobalRoadDamageDetection Challenge 2020)的SOTA(State-Of-The-Art)模型,F1得分提高了0.8个百分点,FPS提高了291.7%,模型大小减小了41.8%,实现了在边缘设备上对道路裂缝实时且准确的检测。

关键词： YOLOv8 目标检测轻量化注意力机制道路裂缝

来源：评论

学校读者我要写书评

暂无评论

语义空间下基于情感表达的生成式文本隐写方法

引用

通信学报 2023年第4期44卷 176-186页

作者：刘玉玲王翠林付章杰湖南大学信息科学与工程学院湖南长沙410082 南京信息工程大学计算机学院、软件学院、网络空间安全学院江苏南京210044

针对现有生成式文本隐写方法存在的“过度优化”文本质量以及生成的隐写文本在语义表达上缺乏约束等问题,提出了一种在语义空间下基于情感表达的生成式文本隐写方法。该方法利用新媒体平台提供的情景融合的伪装场景,研究如何利用无监督... 详细信息

针对现有生成式文本隐写方法存在的“过度优化”文本质量以及生成的隐写文本在语义表达上缺乏约束等问题,提出了一种在语义空间下基于情感表达的生成式文本隐写方法。该方法利用新媒体平台提供的情景融合的伪装场景,研究如何利用无监督抽取模型从原始数据集中抽取情感表达组合候选集合,并基于改进的二部图排序算法对情感表达组合候选集合进行排序,得到情感表达组合集合;然后将其映射到语义空间,实现基于情感表达组合生成用户观点的同时嵌入秘密信息。实验结果表明,与同类语义空间下生成式文本隐写方法相比,所提方法生成的含密商品评论的困惑度最低可达10.536,且含密商品评论与主题具有较强相关性,进一步保证了隐写文本的认知隐蔽性,同时所提方法还可有效地用于安全保密通信领域,能够避免发送方被追踪溯源和关联分析。

关键词：生成式文本隐写语义空间无监督抽取模型情感表达

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

边缘深度挖掘的弱监督显著性目标检测

引用

计算机工程 2023年第7期49卷 169-178页

作者：李军侠王星驰殷梓石德硕南京信息工程大学计算机学院南京210044 南京信息工程大学自动化学院南京210044

基于深度学习的显著性目标检测算法大多依赖于大规模标注数据下的监督学习模式,但是,样本的像素级标签存在获取困难、标注成本高的问题。为此,设计一种边缘深度挖掘的弱监督显著性目标检测算法,仅使用图像级类别标签,从输入图像的显著... 详细信息

基于深度学习的显著性目标检测算法大多依赖于大规模标注数据下的监督学习模式,但是,样本的像素级标签存在获取困难、标注成本高的问题。为此,设计一种边缘深度挖掘的弱监督显著性目标检测算法,仅使用图像级类别标签,从输入图像的显著性目标边缘角度得到能够较准确描述目标轮廓信息的边缘特征图,以生成伪标签对显著性模型进行监督训练。通过粗糙边缘生成模块对显著性目标轮廓特征进行简单标定,用于获取粗糙边缘特征图。在此基础上,利用精细边缘生成模块优化特征以得到精细边缘特征图,能够更准确地反映目标的边界信息,在完整刻画轮廓信息的同时可以更好地抑制背景噪声。伪标签生成模块基于精细边缘特征图生成像素级伪标签。实验结果表明,相比MSW、MFNet、NSAL等算法,该算法能够准确识别显著性区域,获得的预测图具有较完整的细节信息,其中,在ECSSD数据集上S-measure值和E-measure值相较于第2名NSAL算法分别提高1.1和0.6个百分点。

关键词：弱监督显著性目标检测深度学习图像级类别标签伪标签

来源：评论

学校读者我要写书评

暂无评论

基于多标签零样本学习的滚动轴承故障诊断

引用

振动与冲击 2022年第11期41卷 55-64,89页

作者：张永宏邵凡赵晓平王丽华吕凯扬张中洋南京信息工程大学自动化学院南京210044 南京信息工程大学计算机与软件学院南京210044 南京信息工程大学江苏省网络监控中心南京210044

近年来,数据驱动的方法在滚动轴承故障诊断领域发展迅速,但面对工程实际中没有历史记录的故障类型,仍存在故障特征学习不充分、误诊率高等不足。针对上述问题,提出了多标签零样本学习(multi-label zero-shot learning,MLZSL)故障诊断方... 详细信息

近年来,数据驱动的方法在滚动轴承故障诊断领域发展迅速,但面对工程实际中没有历史记录的故障类型,仍存在故障特征学习不充分、误诊率高等不足。针对上述问题,提出了多标签零样本学习(multi-label zero-shot learning,MLZSL)故障诊断方法。首先,使用短时傅里叶变换(short-time Fourier transform,STFT)对可见类和未见类样本进行预处理,将得到的时频图像输入残差深度可分离卷积神经网络(residual depthwise separable convolutional neural network,RDSCNN)进行特征提取,再使用可见类故障特征训练属性学习网络,依靠属性学习网络预测未见类故障样本的属性向量,最终实现对未见类故障的诊断。设计了零样本条件下的故障诊断试验,结果表明MLZSL能将可见类故障属性迁移到未见类,并有效诊断未见类故障。

关键词：零样本学习(ZSL) 特征提取多标签属性学习器滚动轴承

来源：评论

学校读者我要写书评

暂无评论

融合通道注意力的跨尺度Transformer图像超分辨率重建

引用

中国图象图形学报 2025年第3期30卷 784-797页

作者：李焱董仕豪张家伟赵茹郑钰辉南京信息工程大学计算机学院南京210044 西北大学新闻传播学院西安710127

目的针对在超分辨率任务中,Transformer模型存在特征提取模式单一、重建图像高频细节丢失和结构失真的问题,提出了一种融合通道注意力的跨尺度Transformer图像超分辨率重建模型。方法模型由4个模块组成:浅层特征提取、跨尺度深层特征提... 详细信息

目的针对在超分辨率任务中,Transformer模型存在特征提取模式单一、重建图像高频细节丢失和结构失真的问题,提出了一种融合通道注意力的跨尺度Transformer图像超分辨率重建模型。方法模型由4个模块组成:浅层特征提取、跨尺度深层特征提取、多级特征融合以及高质量重建模块。浅层特征提取利用卷积处理早期图像,获得更稳定的输出;跨尺度深层特征提取利用跨尺度Transformer和强化通道注意力机制,扩大感受野并通过加权筛选提取不同尺度特征以便融合;多级特征融合模块利用强化通道注意力机制,实现对不同尺度特征通道权重的动态调整,促进模型对丰富上下文信息的学习,增强模型在图像超分辨率重建任务中的能力。结果在Set5、Set14、BSD100(Berkeley segmentation dataset 100)、Urban100(urban scene 100)和Manga109标准数据集上的模型评估结果表明,相较于SwinIR超分辨率模型,所提模型在峰值信噪比上提高了0.06~0.25 dB,且重建图像视觉效果更好。结论提出的融合通道注意力的跨尺度Transformer图像超分辨率重建模型,通过融合卷积特征与Transformer特征,并利用强化通道注意力机制减少图像中噪声和冗余信息,降低模型产生图像模糊失真的可能性,图像超分辨率性能有效提升,在多个公共实验数据集的测试结果验证了所提模型的有效性。

关键词：图像超分辨率跨尺度Transformer 通道注意力机制特征融合深度学习

来源：评论

学校读者我要写书评

暂无评论

基于属性描述的零样本滚动轴承故障诊断

引用

振动与冲击 2022年第15期41卷 105-115页

作者：赵晓平吕凯扬邵凡张中洋南京信息工程大学计算机与软件学院南京210044 南京信息工程大学江苏省网络监控中心南京210044 南京信息工程大学自动化学院南京210044

数据驱动方式是对故障诊断模型进行训练的主要方法,然而因为机器运转环境复杂,没有可用的目标故障样本供模型训练而导致特征学习不充分的情况时有发生。针对这一问题,结合零样本学习(zero-shot learning,ZSL)思想,从属性描述的角度出发... 详细信息

数据驱动方式是对故障诊断模型进行训练的主要方法,然而因为机器运转环境复杂,没有可用的目标故障样本供模型训练而导致特征学习不充分的情况时有发生。针对这一问题,结合零样本学习(zero-shot learning,ZSL)思想,从属性描述的角度出发,提出了一种基于Xception网络和卷积神经网络(convolutional neural networks,CNN)的零样本滚动轴承故障诊断方法,即X-CNN故障诊断模型。X-CNN模型首先使用Xception网络对故障信号时频图进行特征提取;根据故障类别的属性描述构建属性矩阵,使用CNN对提取的特征进行属性学习;最后通过属性矩阵的相似度比较完成诊断工作。通过零样本条件下的故障诊断试验,证明了X-CNN故障诊断模型可以在不使用测试类样本进行训练的情况下完成滚动轴承故障诊断工作。

关键词：零样本学习(ZSL) Xception 卷积神经网络(CNN) 故障诊断属性描述

来源：评论

学校读者我要写书评

暂无评论

基于嵌套U-型结构的电路板组件分割

引用

计算机工程 2024年第12期50卷 367-375页

作者：李致金范小真闫金凤南京信息工程大学人工智能学院江苏南京210044 南京信息工程大学计算机学院江苏南京210044

作为重要的现代电子元器件,高度集成的印刷电路板(PCB)的组件分割属于典型的小物件图像分割。由于复杂背景的过度引入,PCB图像的组件分割面临着边界感知能力不足等挑战。为了提高PCB分割组件边界感知能力,提出一种外部协调的嵌套U-型网... 详细信息

作为重要的现代电子元器件,高度集成的印刷电路板(PCB)的组件分割属于典型的小物件图像分割。由于复杂背景的过度引入,PCB图像的组件分割面临着边界感知能力不足等挑战。为了提高PCB分割组件边界感知能力,提出一种外部协调的嵌套U-型网络结构(U2ECNet)。U2ECNet的主干网络为嵌套U-型结构,在编解码体系中使用外部扩张模块,有效学习全局和局部信息,并关注组件区域中的边缘和角细节;使用引导细化模块,通过多尺度特征映射聚合全局语义信息,从而优化模型的分割精度,同时提高对PCB组件分割的效果;制作新的图像分割数据集PCB_SOD,其包含5608张训练图像和2403张测试图像,用于执行分割任务,并在所提网络中进行训练。在DUTS和PCB_SOD数据集上的实验结果表明,U2ECNet在平均绝对误差(MAE)和maxFβ上分别达到0.045、86.1%和0.027、87.2%,相较于其他方法,U2ECNet的MAE更低,maxFβ更高,整体分割性能达到最佳。此外,所提外部协调的嵌套U-型结构提升了PCB组件分割的精度,在复杂背景中表现出良好的鲁棒性,生成了准确的显著性分割图。

关键词：显著性分割 U-型网络结构 PCB_SOD数据集边界感知引导细化

来源：评论

学校读者我要写书评

暂无评论

基于VAE-GAN和FLCNN的不均衡样本轴承故障诊断方法

引用

振动与冲击 2022年第9期41卷 199-209页

作者：张永宏张中洋赵晓平王丽华邵凡吕凯扬南京信息工程大学自动化学院南京210044 南京信息工程大学计算机与软件学院南京210044 南京信息工程大学江苏省网络监控中心南京210044

针对滚动轴承故障诊断中样本分布不均衡引起的模型泛化能力差、诊断精度低的问题,从两个方面展开研究:(1)故障样本增广,提出结合变分自编码器(VAE)和生成对抗网络(GAN)的VAE-GAN样本增广模型;(2)改进分类算法,提出基于焦点损失(FL)和卷... 详细信息

针对滚动轴承故障诊断中样本分布不均衡引起的模型泛化能力差、诊断精度低的问题,从两个方面展开研究:(1)故障样本增广,提出结合变分自编码器(VAE)和生成对抗网络(GAN)的VAE-GAN样本增广模型;(2)改进分类算法,提出基于焦点损失(FL)和卷积神经网络(CNN)的FLCNN(focal loss and convolutional neural network)样本分类模型。在此基础上,将VAE-GAN和FLCNN融合,构建VAE-GAN+FLCNN轴承故障诊断模型。首先,将样本量少的故障类输入VAE-GAN模型,通过交替训练编码网络、生成网络和判别网络,学习出真实故障样本的数据分布,从而实现故障样本的增广;然后用增广后的数据样本训练FLCNN分类模型,完成轴承故障识别。试验对比结果表明,所提方法能够有效提升样本不均衡条件下的轴承故障诊断效果,拥有更高的Recall值和F1-score值。

关键词：滚动轴承变分自编码器(VAE) 生成对抗网络(GAN) 焦点损失(FL) 故障诊断

来源：评论

学校读者我要写书评

暂无评论

空地算力网络中的异构资源协同优化

引用

计算机工程 2025年第5期51卷 1-8页

作者：李斌山慧敏南京信息工程大学计算机学院江苏南京210044

针对算力网络中终端用户计算能力不足及边缘节点算力分配不均的问题,提出一种以激励机制为基础的无人机(UAV)协同终端直连(D2D)边缘计算方案。首先,在满足计算资源、发射功率、计算资源单价等限制条件下,通过联合优化任务卸载比例、计... 详细信息

针对算力网络中终端用户计算能力不足及边缘节点算力分配不均的问题,提出一种以激励机制为基础的无人机(UAV)协同终端直连(D2D)边缘计算方案。首先,在满足计算资源、发射功率、计算资源单价等限制条件下,通过联合优化任务卸载比例、计算资源限制量、UAV飞行轨迹、UAV和用户的发射功率以及计算资源出售单价,提出一个系统收益最大化问题。其次,利用近端策略优化(PPO)确定用户卸载和购买策略,通过在多个时间步骤上迭代优化策略最大化累积奖励,并引入剪切项以限制策略更新的幅度,以确保求解算法的稳定性。仿真结果显示,基于PPO的系统收益最大化算法相比基线算法具有更好的收敛性,并能够有效提升系统总收益。

关键词：空地算力网络激励机制终端直连通信计算卸载近端策略优化

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：