检索结果-内蒙古大学图书馆

仪表技术与传感器 2025年第1期 7-13,19页

作者：王江南葛泉波南京信息工程大学自动化学院江苏省大数据分析技术重点实验室江苏省大气环境与装备技术协同创新中心

为解决电阻抗层析成像(EIT)技术中存在灵敏度分布不均匀(位置依赖性)的问题,提出了一种灵敏度强度校正方法。利用伪阵列方法将刚性传感器区域划分为4部分,从有限元模型中提取其中的“L”型区域并根据对称性构建缩放矩阵。同时在刚性传... 详细信息

为解决电阻抗层析成像(EIT)技术中存在灵敏度分布不均匀(位置依赖性)的问题,提出了一种灵敏度强度校正方法。利用伪阵列方法将刚性传感器区域划分为4部分,从有限元模型中提取其中的“L”型区域并根据对称性构建缩放矩阵。同时在刚性传感器的基础上,研究了纸作为柔性触觉传感器材料的可行性。实验结果表明:强度校正方法能有效地提高图像重建质量;纸传感器在基于EIT的人机交互应用中具有较大的潜力。

关键词：电阻抗层析成像位置依赖性强度校正柔性触觉传感器

来源：评论

学校读者我要写书评

暂无评论

基于I_CBAM-DenseNet模型的小麦发育期识别研究

引用

南京信息工程大学学报 2025年第1期17卷 42-52页

作者：付景枝马悦宏观刘云平吴文宇丁明明尹泽凡南京信息工程大学自动化学院南京210044 南京信息工程大学大气环境与装备技术协同创新中心南京210044 南京信息工程大学江苏省大数据分析技术重点实验室南京210044 中国气象局气象探测中心北京100081

针对我国农作物发育期人工观测效率低、识别准确率不高等问题,提出一种基于I_CBAM-DenseNet模型的小麦发育期识别方法.该方法以密集连接卷积网络(DenseNet)为主干提取网络,融入卷积块注意模块CBAM.先将CBAM中的空间注意力模块(SAM)与通... 详细信息

针对我国农作物发育期人工观测效率低、识别准确率不高等问题,提出一种基于I_CBAM-DenseNet模型的小麦发育期识别方法.该方法以密集连接卷积网络(DenseNet)为主干提取网络,融入卷积块注意模块CBAM.先将CBAM中的空间注意力模块(SAM)与通道注意力模块(CAM)由传统的串联连接改为并行连接,并将改进的CBAM(I_CBAM)插入到DenseNet最后一个密集网络中,构建一种I_CBAM-DenseNet模型,再选取小麦7个重要发育时期进行自动识别.为最大化提取小麦的特征信息,将超绿特征(ExG)因子和最大类间方差法(Otsu)相结合对采集到的小麦图像进行分割处理.对比分析了I_CBAM-DenseNet、AlexNet、ResNet、DenseNet、CBAM-DenseNet以及VGG等模型的准确率和损失值的变化.结果表明,采取基于I_CBAM-DenseNet的卷积神经网络建立的模型,准确率达到99.64%,高于对比模型.

关键词：小麦发育期 DenseNet 卷积块注意模块(CBAM)

来源：评论

学校读者我要写书评

暂无评论

聚焦式学习分割一切提示的无监督视频目标分割

引用

计算机工程与科学 2025年第2期47卷 298-307页

作者：沈勇辉卜东旭张胜裕宋慧慧南京信息工程大学自动化学院江苏南京210044 江苏省大数据分析技术重点实验室江苏南京210044 大气环境与装备技术协同创新中心江苏南京210044

无监督视频目标分割旨在测试阶段自动定位和分割视频帧中的主要目标。目前,大多数模型、方法依赖于从RGB图提取的外观线索和从光流图提取的运动线索来进行目标分割。然而,目标遮挡、快速运动或静止等问题会导致光流获取的信息缺失,仅依... 详细信息

无监督视频目标分割旨在测试阶段自动定位和分割视频帧中的主要目标。目前,大多数模型、方法依赖于从RGB图提取的外观线索和从光流图提取的运动线索来进行目标分割。然而,目标遮挡、快速运动或静止等问题会导致光流获取的信息缺失,仅依靠外观分支获取的有限信息难以实现良好的分割效果。为了解决这一问题,提出了一种聚焦式学习网络模型FPLNet,该模型引入额外的双分支结构以捕捉主要目标的位置信息和轮廓信息,从而弥补光流信息的缺失。首先,所提出的模型利用分割一切模型SAM的骨干网络提取外观和运动信息,从而提高模型的泛化性。然后,将额外引入的粗粒度和细粒度的2个分割分支共同作为聚焦式学习网络的提示部分。在解码部分,RGB外观信息、光流运动信息、粗粒度特征和细粒度特征逐步融合,以此模仿人类视觉系统,实现聚焦式学习目标特征的过程。在3个标准数据集上进行了大量的测试,实验结果表明,与现有的模型相比,所提出的模型拥有更优异的性能。

关键词：无监督视频目标分割聚焦式学习分割一切模型

来源：评论

学校读者我要写书评

暂无评论

计算机控制技术课程思政的教学研究与实践

引用

湖北开放职业学院学报 2025年第5期38卷 176-178页

作者：申晓宁南京信息工程大学自动化学院江苏南京210044 南京信息工程大学江苏省大气环境与装备技术协同创新中心江苏南京210044 南京信息工程大学江苏省大数据分析技术重点实验室江苏南京210044 南京信息工程大学江苏省气象能源利用与控制工程技术研究中心江苏南京210044

在工科课程中开展课程思政教育,有助于打破学科壁垒,推动学科教育与思想政治教育的深度融合,应对全球化挑战与培养国际视野。为将课程思政教育落实于工科专业课程教学的全过程,本文以计算机控制技术课程为例,根据课程知识特点挖掘相应... 详细信息

在工科课程中开展课程思政教育,有助于打破学科壁垒,推动学科教育与思想政治教育的深度融合,应对全球化挑战与培养国际视野。为将课程思政教育落实于工科专业课程教学的全过程,本文以计算机控制技术课程为例,根据课程知识特点挖掘相应的思政育人元素,探讨思政教育与教学实践的融合方法,提出多角度的课程综合评价方式。通过在计算机控制技术的专业知识传播中强调价值引领,使学生树立了正确的理想信念、价值观和伦理观念,有效推进了在工科专业课程中实施思政育人的进程。

关键词：计算机控制技术课程思政教学实践课程综合评价闭环教学法

来源：评论

学校读者我要写书评

暂无评论

基于SEnet和多头注意力机制的推荐模型

引用

信息技术 2025年第2期49卷 1-6,13页

作者：申晓宁沈如一陈星晖宋丽妍南京信息工程大学自动化学院南京210044 南京信息工程大学江苏省大气环境与装备技术协同创新中心南京210044 南京信息工程大学江苏省大数据分析技术重点实验室南京210044 江苏省气象能源利用与控制工程技术研究中心南京210044 南方科技大学广东省类脑智能计算重点实验室广东深圳518055

现有推荐系统研究方法在处理用户和商品特征时忽略了特征之间的相关性和重要性。为此,文中提出一种结合挤压伸缩网络和多头注意力机制的个性化推荐模型。利用挤压伸缩网络求得各个特征权重并得到加权特征向量;采用多头注意力机制计算特... 详细信息

现有推荐系统研究方法在处理用户和商品特征时忽略了特征之间的相关性和重要性。为此,文中提出一种结合挤压伸缩网络和多头注意力机制的个性化推荐模型。利用挤压伸缩网络求得各个特征权重并得到加权特征向量;采用多头注意力机制计算特征之间的关联度并进行特征交叉,使关联度高的特征对点击率预测结果的影响更大;引入自适应激活函数和残差结构的深度网络作为决策层预测推荐结果。与七种已有的推荐模型在Criteo数据集和Amazon数据集上的实验对比结果表明,所提模型具有更高的推荐精度。

关键词：推荐系统深度学习挤压伸缩网络

来源：评论

学校读者我要写书评

暂无评论

基于梯度权值追踪的域自适应分类研究

引用

南京信息工程大学学报 2025年第2期17卷 203-214页

作者：崔绍君季繁繁王婷袁晓彤南京信息工程大学自动化学院南京210044 南京信息工程大学数字取证教育部工程研究中心南京210044 南京信息工程大学江苏省大数据分析技术重点实验室南京210044 南京信息工程大学计算机学院南京210044

本文提出一种基于梯度权值追踪的剪枝与优化算法(GWP),旨在解决无监督领域中存在的过拟合问题,即在下游任务上的精度远低于在训练集上的精度.针对无监督领域自适应中基于差异与基于对抗的方法,将稠密-稀疏-稠密策略应用于解决过拟合问题... 详细信息

本文提出一种基于梯度权值追踪的剪枝与优化算法(GWP),旨在解决无监督领域中存在的过拟合问题,即在下游任务上的精度远低于在训练集上的精度.针对无监督领域自适应中基于差异与基于对抗的方法,将稠密-稀疏-稠密策略应用于解决过拟合问题.先对网络进行密集预训练,并学出哪些连接是重要的;在剪枝阶段,与原有的稠密-稀疏-稠密策略中的剪枝过程不同,本文的优化算法同时将权值和梯度联合考虑,既考虑到了权值信息(即零阶信息),也考虑到了梯度信息(即一阶信息)对网络剪枝过程的影响;在重密集阶段,恢复被修剪的连接,并以较小的学习率重新训练密集网络.最终,得到的网络在下游任务上取得了理想的效果.实验结果表明,与原有的基于差异和基于对抗的领域自适应方法相比,本文提出的GWP可以有效提升下游任务精度,且具有即插即用的效果.

关键词：梯度权值追踪无监督领域自适应稠密-稀疏-稠密过拟合零阶信息一阶信息

来源：评论

学校读者我要写书评

暂无评论

基于部件检测与检索的行人精细化分割

引用

电子学报 2019年第2期47卷 502-508页

作者：王枫厉智刘青山孙玉宝南京信息工程大学信息与控制学院江苏省大数据分析技术实验室江苏南京210044

针对行人图像外观的多样性以及结构、姿态、场景的复杂性,提出一种有效的精细化行人部件分割方法.该方法实现把一幅行人图像分割成不同的语义区域,主要包含三个阶段,前两个阶段单独训练两个Fast R-CNN(Fast Region-based Convolutional ... 详细信息

针对行人图像外观的多样性以及结构、姿态、场景的复杂性,提出一种有效的精细化行人部件分割方法.该方法实现把一幅行人图像分割成不同的语义区域,主要包含三个阶段,前两个阶段单独训练两个Fast R-CNN(Fast Region-based Convolutional Neural Network,快速区域卷积神经网络)模型,分别用来检测整个人体以及各个部件以获得各类别部件的大体位置;第三个阶段使用基于检索过分割图像的方法来对检测到的各个部件进行分割,最后把各部件分割结果还原到原图坐标上以得到最终的分割结果.实验表明所提方法在三个公开的数据库上,与其他算法相比,分割准确率更高,边缘效果更好.

关键词：行人分割快速区域卷积神经网络过分割部件检索

来源：评论

学校读者我要写书评

暂无评论

融合属性特征的行人重识别方法

引用

自动化学报 2022年第2期48卷 564-571页

作者：邵晓雯帅惠刘青山南京信息工程大学自动化学院江苏省大数据分析技术重点实验室南京210044

行人重识别旨在跨监控设备下检索出特定的行人目标.由于不同的行人可能具有相似的外观,因此要求行人重识别模型能够捕捉到充足的细粒度特征.本文提出一种融合属性特征的行人重识别的深度网络方法,将行人重识别和属性识别集成在分类网络... 详细信息

行人重识别旨在跨监控设备下检索出特定的行人目标.由于不同的行人可能具有相似的外观,因此要求行人重识别模型能够捕捉到充足的细粒度特征.本文提出一种融合属性特征的行人重识别的深度网络方法,将行人重识别和属性识别集成在分类网络中,进行端到端的多任务学习.此外,对于每张输入图片,网络自适应地生成对应于每个属性的权重,并将所有属性的特征以加权求和的方式结合起来,与全局特征一起用于行人重识别任务.全局特征关注行人的整体外观,而属性特征关注细节区域,两者相互补充可以对行人进行更全面的描述.在行人重识别的主流数据集DukeMTMC-reID和Market-1501上的实验结果表明了本文方法的有效性,平均精度均值(Mean average precision,mAP)分别达到了74.2%和83.5%,Rank-1值分别达到了87.1%和93.6%.此外,在这两个数据集上的属性识别也得到了比较好的结果.

关键词：行人重识别属性识别深度学习自适应权重

来源：评论

学校读者我要写书评

暂无评论

各向同性的迭代量化哈希算法

引用

电子学报 2017年第7期45卷 1707-1714页

作者：李来刘光灿孙玉宝刘青山江苏省大数据分析技术重点实验室江苏南京210044 南京信息工程大学信息与控制学院江苏南京210044

准确有效的哈希算法是实现海量高维数据近邻检索的关键.迭代量化哈希(Iterative Quantization,ITQ)和各向同性哈希(Isotropic Hash,Iso Hash)是两种知名的编码方法.但是ITQ算法对旋转矩阵施加的约束过于单薄,容易导致过拟合;而Iso Hash... 详细信息

准确有效的哈希算法是实现海量高维数据近邻检索的关键.迭代量化哈希(Iterative Quantization,ITQ)和各向同性哈希(Isotropic Hash,Iso Hash)是两种知名的编码方法.但是ITQ算法对旋转矩阵施加的约束过于单薄,容易导致过拟合;而Iso Hash算法缺乏对哈希编码的更新策略,降低了编码质量.针对上述问题,提出了一种各向同性的迭代量化哈希算法.该方法采用迭代的策略,对编码矩阵和旋转矩阵交替更新,并在正交约束的基础上增加各向同性约束来学习最优旋转矩阵,最小化量化误差.在CIFAR-10、22K Label Me和ANN-GIST-1M基准库上与多种方法进行对比,实验结果表明本文算法在查准率、查全率以及平均准确率均值等指标上均明显优于对比算法.

关键词：哈希大规模图像检索各向同性迭代量化

来源：评论

学校读者我要写书评

暂无评论

基于卦限卷积神经网络的3D点云分析

引用

自动化学报 2021年第12期47卷 2791-2800页

作者：许翔帅惠刘青山江苏省大数据分析技术重点实验室南京210044 南京信息工程大学计算机学院、软件学院、网络空间学院南京210044

基于深度学习的三维点云数据分析技术得到了越来越广泛的关注,然而点云数据的不规则性使得高效提取点云中的局部结构信息仍然是一大研究难点.本文提出了一种能够作用于局部空间邻域的卦限卷积神经网络(Octant convolutional neural netw... 详细信息

基于深度学习的三维点云数据分析技术得到了越来越广泛的关注,然而点云数据的不规则性使得高效提取点云中的局部结构信息仍然是一大研究难点.本文提出了一种能够作用于局部空间邻域的卦限卷积神经网络(Octant convolutional neural network,Octant-CNN),它由卦限卷积模块和下采样模块组成.针对输入点云,卦限卷积模块在每个点的近邻空间中定位8个卦限内的最近邻点,接着通过多层卷积操作将8卦限中的几何特征抽象成语义特征,并将低层几何特征与高层语义特征进行有效融合,从而实现了利用卷积操作高效提取三维邻域内的局部结构信息;下采样模块对原始点集进行分组及特征聚合,从而提高特征的感受野范围,并且降低网络的计算复杂度.Octant-CNN通过对卦限卷积模块和下采样模块的分层组合,实现了对三维点云进行由底层到抽象、从局部到全局的特征表示.实验结果表明,Octant-CNN在对象分类、部件分割、语义分割和目标检测四个场景中均取得了较好的性能.

关键词：深度学习点云卦限卷积神经网络局部几何特征

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：