为了提高U-Net网络性能的同时尽可能减少额外计算量,本文提出了一种新的多尺度偶数卷积注意力UNet(Multiscale Even Convolution Attention U-Net,MECAU-Net)网络。该网络在编码端采用2×2偶数卷积代替3×3卷积进行特征提取,并...
详细信息
为了提高U-Net网络性能的同时尽可能减少额外计算量,本文提出了一种新的多尺度偶数卷积注意力UNet(Multiscale Even Convolution Attention U-Net,MECAU-Net)网络。该网络在编码端采用2×2偶数卷积代替3×3卷积进行特征提取,并借鉴多尺度思想,采用4×4偶数卷积将得到的信息直接传递给主干部分,以获取更全面的图像信息并减少额外计算开销,同时还采用对称填充解决偶数卷积提取信息过程中产生的偏移问题。此外,在2×2偶数卷积模块后加入卷积注意力模块,结合空间和通道注意力,在提取更丰富的信息的同时几乎不增加额外开销。最后,在两个医学图像数据集上进行仿真实验,实验结果表明提出的MECAU-Net网络相对于U-Net在稍微增加计算成本的情况下,分割性能得到了较大的提升,并比其他对比网络取得更好的分割性能的同时还降低了参数量。
目的随着三维扫描仪以及三维点云采集技术的飞速发展,三维点云在计算机视觉、机器人导引和工业设计等方面的应用越来越广泛。但是由于传感器分辨率、扫描时间以及扫描条件等限制,采集到的点云通常比较稀疏,无法满足许多应用任务的要求,因此人们一般采用上采样的方法获取稠密点云。但是由于原始稀疏点云缺失细节信息,对单一低分辨率点云进行上采样得到的结果往往较差。方法首次提出一种触觉增强的图卷积点云超分网络,主要思想是通过动态图卷积提取触觉特征并与低分辨率点云特征进行融合,以得到更加精确的高分辨率点云。由于触觉点云相比于低分辨率点云更加密集、精确,而且比较容易获取,因而本文将其与原始稀疏点云进行融合辅助后可以获得更加准确的局部特征,从而有效提升上采样的精度。结果首先构建用于点云超分的三维视触觉数据集(3D vision and touch,3DVT),包含12732个样本,其中70%用于训练新模型,30%用于测试;其次,采用倒角距离作为评价指标对数据集进行测试和验证。实验结果表明,不添加触觉辅助信息时,超分后点云的平均倒角距离为3.009×10-3,加入一次触觉信息融合后,平均倒角距离降低为1.931×10-3,加入两次触觉信息融合后,平均倒角距离进一步降低为1.916×10-3,验证了本文网络对点云超分效果的提升作用。同时,不同物体的可视化效果图也表明,加入触觉信息辅助后的上采样点云分布更加均匀、边缘更加平滑。此外,进一步的噪声实验显示,在触觉信息的辅助下,本文提出的网络对噪声具有更好的鲁棒性。在以3DVT数据集为基础的对比实验中,相比于现有最新算法,本文算法的平均倒角距离降低了19.22%,取得了更好的实验结果。结论通过使用本文提出的触觉增强的图卷积点云超分网络,借助动态图卷积提取触觉点云特征并融合低分点云,可以有效提高超分重构后高分辨率点云的质量,并且对周围噪声具有良好的鲁棒性。
具有混合记忆的自步对比学习(Self-paced Contrastive Learning,SpCL)通过集群聚类生成不同级别的伪标签来训练网络,取得了较好的识别效果,然而该方法从源域和目标域中捕获的行人数据之间存在典型的分布差异,使得训练出的网络不能准确区别目标域和源域数据域特征。针对此问题,提出了双分支动态辅助对比学习(Dynamic Auxiliary Contrastive Learning,DACL)框架。该方法首先通过动态减小源域和目标域之间的局部最大平均差异(Local Maximum Mean Discrepancy,LMMD),以有效地学习目标域的域不变特征;其次,引入广义均值(Generalized Mean,GeM)池化策略,在特征提取后再进行特征聚合,使提出的网络能够自适应地聚合图像的重要特征;最后,在3个经典行人重识别数据集上进行了仿真实验,提出的DACL与性能次之的无监督域自适应行人重识别方法相比,mAP和rank-1在Market1501数据集上分别增加了6.0个百分点和2.2个百分点,在MSMT17数据集上分别增加了2.8个百分点和3.6个百分点,在Duke数据集上分别增加了1.7个百分点和2.1个百分点。
针对低轨卫星物联网场景下基于窄带物联网(narrow band Internet of Things,NB-IoT)体制的物联终端大尺度地理范围内多场景应用业务时延和终端功耗需求动态变化问题,提出一种利用马尔可夫链模型评估NB-IoT终端在扩展不连续接收(extended...
详细信息
针对低轨卫星物联网场景下基于窄带物联网(narrow band Internet of Things,NB-IoT)体制的物联终端大尺度地理范围内多场景应用业务时延和终端功耗需求动态变化问题,提出一种利用马尔可夫链模型评估NB-IoT终端在扩展不连续接收(extended discontinuous reception,eDRX)和节能模式(power saving mode,PSM)下的时延功耗的方法,建立了以下行业务延迟和终端功耗为优化目标的多目标优化问题。在信关站利用终端历史业务数据信息离线训练基于支持向量机(support vector machine,SVM)的时延功耗的回归预测模型,以回归预测模型作为非支配排序遗传算法(non-dominated sorting genetic algorithms-II,NSGA-II)的目标函数,得到多目标优化问题的Pareto前沿解集,进一步从Pareto前沿解集中选择满足当前应用时延功耗需求的工作状态定时器参数值,在线配置终端。仿真结果表明,相比于传统的地面物联网终端固定式定时器参数配置方法,所提出的业务驱动的定时器参数配置方法在终端动态多场景应用下能够更好地满足业务时延和终端功耗需求。
随着通信技术的发展，物联网(Internet of Things，IoT)在现实生活中发挥着越来越重要的作用，无人机(Unmanned Aerial Vehicle，UAV)通信在物联网中的应用也得到了广泛研究。无人机作为移动数据收集器，用于采集无线传感网络(Wireless ...
详细信息
随着通信技术的发展，物联网(Internet of Things，IoT)在现实生活中发挥着越来越重要的作用，无人机(Unmanned Aerial Vehicle，UAV)通信在物联网中的应用也得到了广泛研究。无人机作为移动数据收集器，用于采集无线传感网络(Wireless Sensor Network，WSN)中感知节点(Sensor Nodes，SNs)的数据，引入信息年龄(Age of Information，AoI)作为评价网络性能的指标，提出了一种基于无人机轨迹设计和感知节点调度策略的数据采集方案。基于该方案，构建了平均信息年龄(Average Age of Information，AAoI)和感知节点能耗加权最小化模型，通过优化UAV的轨迹、感知节点的调度以及发射功率，最小化系统平均信息年龄和能耗的加权和，该问题为混合整数非线性问题，通常难以直接求解。因此，首先利用路径离散化方法将多个连续的变量离散化，然后提出了基于块坐标下降法(Block Coordinate Descent，BCD)和连续凸逼近(Successive Convex Approxiamtion，SCA)的联合优化算法，得到了满足KKT条件的局部最优解。从仿真结果可以看出实现了信息年龄和感知节点能耗的有效平衡，表明了所提方案的可行性。
暂无评论