检索结果-内蒙古大学图书馆

计算机与数字工程 2022年第6期50卷 1306-1311页

作者：聂雷朱婵娟陈美君武汉科技大学计算机科学与技术学院武汉430065 智能信息处理与实时工业系统湖北省重点实验室武汉430065

异构车载网络环境中的网络选择策略对于保障车辆的网络服务质量极为重要,目前基于多属性决策的网络选择方法通过多种网络属性综合评估候选网络的性能,从而实现最佳网络的接入。然而,该类方法在执行网络切换时通常存在盲目选择最佳网络... 详细信息

异构车载网络环境中的网络选择策略对于保障车辆的网络服务质量极为重要,目前基于多属性决策的网络选择方法通过多种网络属性综合评估候选网络的性能,从而实现最佳网络的接入。然而,该类方法在执行网络切换时通常存在盲目选择最佳网络或网络切换阈值相对固定的问题,容易导致“切换阻塞”现象的发生,也难以满足动态变化的车载环境和用户需求。针对上述问题,提出一种基于自适应切换阈值的异构车载网络选择方法AHT-NSM。首先基于车辆的网络驻留时间进行候选网络的预筛选,接着利用结合主客观权重的效用函数评估候选网络的性能,最后设计一种自适应切换阈值提高网络选择方法在动态车载网络中的适应性。对比实验结果表明所提出的AHT-NSM方法在降低网络切换阻塞概率和提高网络资源利用率方面表现更优。

关键词：异构车载网络网络选择多属性决策效用函数自适应切换阈值

来源：评论

学校读者我要写书评

暂无评论

基于流动图与时间上升频的实时云层移动研究

引用

计算机技术与发展 2023年第8期33卷 37-42页

作者：陈烨李顺新武汉科技大学计算机科学与技术学院湖北武汉430065 湖北智能信息处理与实时工业系统重点实验室湖北武汉430065 武汉科技大学大数据科学与工程研究院湖北武汉430065

现有基于光线步进的云层渲染方法能够较好地得到云层形状,但渲染效率不高且在云层移动时边缘会缺失云层移动形变细节且出现不连续的情况。针对上述问题,提出了一种基于流动图的云层移动渲染算法,算法的核心思想是利用流动图控制云层在... 详细信息

现有基于光线步进的云层渲染方法能够较好地得到云层形状,但渲染效率不高且在云层移动时边缘会缺失云层移动形变细节且出现不连续的情况。针对上述问题,提出了一种基于流动图的云层移动渲染算法,算法的核心思想是利用流动图控制云层在移动时竖直方向上的偏移,使云层随风连续形变的同时增加一定前向扭曲效果。其次,为保证渲染的实时性,利用交叉矩阵来降低单帧渲染像素的数量,提高渲染速度。最后,提出使用时间上升频来增强减少渲染像素后的渲染结果。相较于未使用流动图的云层移动算法,所提算法能够在性能增加不超过10%的情况下表现出云层移动时的整体形变以及向风向连续翻滚的效果。

关键词：实时渲染云层移动光线步进流动图时间上升频

来源：评论

学校读者我要写书评

暂无评论

基于关联交互和双边注意力的稀疏目标检测器

引用

计算机工程与设计 2025年第1期46卷 206-213页

作者：周泽政陈东方王晓峰武汉科技大学计算机科学与技术学院湖北武汉430065 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065

稀疏目标检测器Sparse R-CNN算法缺少对目标间关系的建模,导致网络对全局特征信息的利用较差,使检测效果不佳。为解决上述问题,提出关联交互模块,通过融合可学习的参数和与图像数据相关的目标间关联特征数据,增强目标之间的关联性;提出... 详细信息

稀疏目标检测器Sparse R-CNN算法缺少对目标间关系的建模,导致网络对全局特征信息的利用较差,使检测效果不佳。为解决上述问题,提出关联交互模块,通过融合可学习的参数和与图像数据相关的目标间关联特征数据,增强目标之间的关联性;提出双边注意力机制,通过融合实例交互注意力信息和物体与物体间的关联注意力信息,增强对全局特征的交互。基于PASCAL VOC和MS COCO数据集的实验结果表明,该方法能够有效提升检测精度,整体性能优于原方法。

关键词：目标检测深度学习稀疏网络关联实例交互全局特征注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于高效深度瓶颈结构的实时语义分割方法

引用

计算机技术与发展 2023年第9期33卷 30-36页

作者：陈学颢李顺新武汉科技大学计算机科学与技术学院湖北武汉430065 湖北智能信息处理与实时工业系统重点实验室湖北武汉430065 武汉科技大学大数据科学与工程研究院湖北武汉430065

针对现阶段语义分割方法参数量多、计算成本高,难以满足实际场景需求的问题,提出了一种基于高效深度瓶颈结构的轻量级实时语义分割方法(GDBNet)。首先,利用分解卷积和扩张卷积的有效结合构建出高效深度瓶颈结构,并以一种轻量并高效的方... 详细信息

针对现阶段语义分割方法参数量多、计算成本高,难以满足实际场景需求的问题,提出了一种基于高效深度瓶颈结构的轻量级实时语义分割方法(GDBNet)。首先,利用分解卷积和扩张卷积的有效结合构建出高效深度瓶颈结构,并以一种轻量并高效的方式提取局部上下文信息;然后,将该结构堆叠来获取多尺度的语义信息;最后,通过注意力融合连接模块聚合多尺度的上下文信息并指导特征选择,以此提高分割效果。在不经过任何预训练和后处理的情况下,GDBNet在Cityscapes和Camvid数据集上以140.0 FPS和143.7 FPS的推理速度分别达到了72.91%和68.84%平均交并比的准确度并且参数量仅为0.66 M。该方法在Cityscapes数据集上,相比于同类型深度非对称瓶颈网络(DABNet),准确度提高了2.81百分点,推理速度上升了35.8 FPS,并且参数量降低了0.1 M;在Camvid数据集上,与SPMNet方法相比,准确度提高了1.54百分点,同时参数量和推理速度也更优。实验结果表明:所提方法在满足实时性要求的前提下,能较为准确地识别场景信息。

关键词：瓶颈结构实时语义分割分解卷积扩张卷积上下文信息

来源：评论

学校读者我要写书评

暂无评论

面向文化产品水军的多视角特征发现与识别

引用

计算机工程与设计 2021年第8期42卷 2101-2107页

作者：张晏成李涛武汉科技大学计算机科学与技术学院湖北省智能信息处理与工业实时系统重点实验室湖北武汉430065

为解决现有电商水军特征模型对文化产品水军识别不足以及单一分类器识别精度不高的问题,提出面向文化产品水军的多视角特征表达与识别模型。根据文化产品具有丰富的语义性、严格的时效性以及网络交互性等3个特点,从内容、行为、属性3个... 详细信息

为解决现有电商水军特征模型对文化产品水军识别不足以及单一分类器识别精度不高的问题,提出面向文化产品水军的多视角特征表达与识别模型。根据文化产品具有丰富的语义性、严格的时效性以及网络交互性等3个特点,从内容、行为、属性3个视角提出了评论主题相似度、平均有用度、行为关联性、兴趣关联性、平均评价积极度和综合质量评价等特征。将这些特征与电商水军识别特征结合,利用特征选择方法去除冗余特征形成表达模型,在多视角基础上运用集成学习算法进行水军识别。实验结果表明,特征表达模型具有很好的区分度,基于多视角的集成学习方法对于文化产品水军识别具有较高的精准率。

关键词：文化产品网络水军多视角特征发现集成学习

来源：评论

学校读者我要写书评

暂无评论

基于多层融合注意力的乳腺肿瘤图像分割方法

引用

计算机技术与发展 2023年第7期33卷 139-145页

作者：王宇昕付晓薇赵思宇陈芳武汉科技大学计算机科学与技术学院湖北武汉430065 智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065 武汉科技大学校医院超声影像科湖北武汉430065

针对超声乳腺肿瘤图像中存在的高散斑噪声较多、肿瘤边缘模糊以及形状复杂多样等问题,提出了一种基于多层融合注意力的超声乳腺肿瘤图像分割方法。首先,在保持U-Net编-解码结构的基础上,采用经过预训练的ResNet-34模型,用于在编码部分... 详细信息

针对超声乳腺肿瘤图像中存在的高散斑噪声较多、肿瘤边缘模糊以及形状复杂多样等问题,提出了一种基于多层融合注意力的超声乳腺肿瘤图像分割方法。首先,在保持U-Net编-解码结构的基础上,采用经过预训练的ResNet-34模型,用于在编码部分提取更深层次的特征;然后,在跳跃连接部分对相邻的浅层特征与深层特征分别进行空间与通道维度上的增强;其次,将经过注意力增强后的不同层次特征进行融合,重点关注肿瘤区域的位置,以避免散斑噪声干扰下的错误分割;最后,利用普通卷积层进行特征还原,得到分割结果。实验结果表明,所提方法对噪声干扰较大的超声乳腺肿瘤图像鲁棒性更强,Dice系数、IoU、Recall和Precision分别能够达到0.8522、0.7682、0.8773和0.8630。同时,所提方法在模型复杂度上也有较好的表现,较对比方法具有更优的分割性能。

关键词：超声乳腺图像肿瘤分割 U-Net 卷积神经网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于U-Net改进模型的多模态脑肿瘤分割方法

引用

计算机技术与发展 2022年第11期32卷 58-63页

作者：黄莉何美玲武汉科技大学计算机科学与技术学院湖北武汉430065 湖北省智能信息处理与实时工业系统重点实验室湖北武汉430065

诊断脑肿瘤时,如果能从多种模态的核磁共振成像(MRI)图像中精准分割出脑肿瘤区域,将有助于医生快速和准确的诊断。针对分割脑肿瘤时出现的边界分割不精准问题,该文提出了一种基于U-Net改进模型的脑肿瘤分割方法。该方法将U-Net每级编码... 详细信息

诊断脑肿瘤时,如果能从多种模态的核磁共振成像(MRI)图像中精准分割出脑肿瘤区域,将有助于医生快速和准确的诊断。针对分割脑肿瘤时出现的边界分割不精准问题,该文提出了一种基于U-Net改进模型的脑肿瘤分割方法。该方法将U-Net每级编码器的特征图保留,来捕获分割目标的边界细节信息,进而对保留的特征图采用自注意力模块计算通道级别注意力,加强分割目标的边界空间信息提取,最后使用尺度融合模块统一特征图的尺度和通道数,来融合分割目标的边界信息,作为解码器的输入,从而提高分割性能。该方法在BRATS2017数据集上进行训练和测试,在Dice、SE、SP三个评估指标的参考下,通过消融实验证明了融合多尺度模块和自注意力机制的有效性,并与U-Net、ResUNet、SGNet、RelayNet四种网络模型进行对比实验,表明由于融合了分割目标边界的细节和空间信息,该模型得到的分割区域更加接近真实脑肿瘤区域。

关键词：脑肿瘤 U-Net 卷积神经网络图像分割多尺度策略自注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于YOLO v3的落水人员检测

引用

计算机技术与发展 2022年第8期32卷 49-54页

作者：许晓峰陈姚节刘恒武汉科技大学计算机科学与技术学院湖北武汉430065 智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065

针对落水人员所处水域的复杂性以及波纹、阳光等因素导致对落水人员检测的准确率较低,以及在检测小目标时,经典检测算法易出现误检漏检情况,提出一种改进的YOLO v3目标检测算法。使用k-means++聚类算法对自有落水人员数据集进行聚类,得... 详细信息

针对落水人员所处水域的复杂性以及波纹、阳光等因素导致对落水人员检测的准确率较低,以及在检测小目标时,经典检测算法易出现误检漏检情况,提出一种改进的YOLO v3目标检测算法。使用k-means++聚类算法对自有落水人员数据集进行聚类,得到更适合落水人员的锚框,从而提高检测速度与精度;在网络中加入通道注意力机制模块,其关注通道信息,可以学习到不同通道特征的重要程度,根据重要程度为每个通道分配相应的权重,从而让网络关注重要的特征,抑制不重要的特征,提高重要特征的表征能力;引入感受野模块(RFB)来增大浅层特征图的感受野,从而提高小目标检测精度。最后,在自制的落水人员数据集上对该算法进行了验证,结果表明,该算法在检测效果上优于原始YOLO v3。

关键词： YOLO v3 聚类感受野模块注意力机制目标检测

来源：评论

学校读者我要写书评

暂无评论

基于多智能体Q学习的异构车载网络选择方法

引用

计算机工程与科学 2021年第5期43卷 836-844页

作者：聂雷刘博李鹏何亨武汉科技大学计算机科学与技术学院湖北武汉430065 武汉科技大学智能信息处理与实时工业系统重点实验室湖北武汉430065

异构车载网络环境下如何选择接入网络对于车载终端用户的服务体验而言至关重要,目前基于Q学习的网络选择方法利用智能体与环境的交互来迭代学习网络选择策略,从而实现较优的网络资源分配。然而该类方法通常存在状态空间过大引起迭代效... 详细信息

异构车载网络环境下如何选择接入网络对于车载终端用户的服务体验而言至关重要,目前基于Q学习的网络选择方法利用智能体与环境的交互来迭代学习网络选择策略,从而实现较优的网络资源分配。然而该类方法通常存在状态空间过大引起迭代效率低下和收敛速度较慢的问题,同时由于Q值表更新产生的过高估计现象容易导致网络资源利用不均衡。针对上述问题,基于多智能体Q学习提出一种适用于融合5G通信异构车载网络的选择方法MQSM。该方法采用多智能体协作学习的思想,利用双Q值表交替更新的方式来获得动作选择的总回报值,最终实现异构车载网络环境下长期有效的最优网络切换决策集合。实验结果表明,与同类型方法相比较,MQSM在系统总切换次数、平均总折扣值和网络容量利用率方面表现出更好的性能。

关键词：多智能体 Q学习网络选择异构车载网络 5G通信

来源：评论

学校读者我要写书评

暂无评论

基于U-Net的多尺度视网膜血管分割方法

引用

计算机技术与发展 2022年第4期32卷 140-145页

作者：喻鲁立陈黎武汉科技大学计算机科学与技术学院湖北武汉430065 智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065

视网膜血管的形态和结构一直是高血压、冠心病、糖尿病等疾病的重要诊断指标之一,其检测和分割具有十分重要的意义。为了解决视网膜血管分割中,血管末梢缺失和细小血管断裂的问题,提出了一种基于U-Net改进模型的多尺度分割方法,通过在... 详细信息

视网膜血管的形态和结构一直是高血压、冠心病、糖尿病等疾病的重要诊断指标之一,其检测和分割具有十分重要的意义。为了解决视网膜血管分割中,血管末梢缺失和细小血管断裂的问题,提出了一种基于U-Net改进模型的多尺度分割方法,通过在编码阶段和解码阶段之间采用增加卷积块的方式来保持对不同尺度下的特征提取,同时对增加的卷积块采用密集连接的方式解决由于网络加深带来的浅层特征缺失和梯度消失问题,从而增强模型的特征提取能力并提高分割性能。此外,采用Dice损失函数解决数据集中正负样本不均衡的问题。实验采用CHASE_DB1和DRIVE两个数据集进行训练和测试,通过与U-net、Residual U-net、Ladder-Net以及R2U-Net的对比表明,由于保留了多尺度的细节信息,该方法取得了更好的分割效果。实验证明,该方法能够有效提取健康视网膜图像和病变视网膜图像中的血管网络,能够较好地分割细小血管。

关键词：视网膜血管 U-Net 卷积神经网络图像分割密集连接多尺度策略

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：