针对基于深度学习的苗族服饰图像语义分割模型存在提取过程中服饰掩码拟合质量不高的问题,文章提出一种基于渐进式注意力学习的多尺度深度学习金字塔模型(Multi-scale Deep learning pyramidal network of progressive attentional lear...
详细信息
针对基于深度学习的苗族服饰图像语义分割模型存在提取过程中服饰掩码拟合质量不高的问题,文章提出一种基于渐进式注意力学习的多尺度深度学习金字塔模型(Multi-scale Deep learning pyramidal network of progressive attentional learning,MultiDeepPPL)分割苗族服饰。首先,设计了一种密集跨级连接网络,充分利用多尺度方式提取特征的特性,融合不同尺度特征;然后,嵌入了一种渐进式注意力学习金字塔结构,从不同的特征图中迁移相似性与跨尺度相似性,并采用空域注意力和3D卷积对前述特征进行融合。实验结果表明,所提模型在苗族服饰数据集上平均交并比(Mean Intersection over Union,MIoU)达到0.873,类别平均像素准确率(Pixel Accuracy,MPA)达到0.943,Dice相似系数达到0.912,召回率(Recall)达到0.8951。上述评估指标结果表明,文章所提方法明显优于当前其他语义分割算法,为少数民族文化的研究提供了一种有效可行的方法。
嵌入式设备在调度多核多任务时,由于引入的处理器数量增多,导致调度效率低,以及能耗大等问题。基于此,提出基于实时动态电压频率调整(Dynamic voltage and frequency scaling,DVFS)的嵌入式多核多任务调度算法。构建嵌入式多核多任务能...
详细信息
嵌入式设备在调度多核多任务时,由于引入的处理器数量增多,导致调度效率低,以及能耗大等问题。基于此,提出基于实时动态电压频率调整(Dynamic voltage and frequency scaling,DVFS)的嵌入式多核多任务调度算法。构建嵌入式多核多任务能耗模型,得到不同情况下设备的能量消耗情况;建立多核多任务调度数学模型,在策略集合中找到合适的调度策略,保持时间值始终为最小;利用多核多任务调度算法机制,通过计算嵌入式设备中各个处理核的潜在负载能力,找出与预期负载最接近的处理核,并将任务分配到该任务核中,实现多核多任务的合理调度。实验结果表明,所提方法的调度效率高,且能量消耗低于3.5mW。
暂无评论