检索结果-内蒙古大学图书馆

浙江大学学报(工学版) 2025年第1期59卷 89-99页

作者：于家艺吴秦江南大学人工智能与计算机学院江苏无锡214122 江南大学江苏省模式识别与计算智能工程实验室江苏无锡214122

为了充分利用单目图像提供的特征信息,提出上下文信息增强和深度引导的单目3D目标检测方法.设计高效的上下文信息增强模块,使用多个大核卷积自适应地增强多尺度目标的上下文信息,利用深度可分离卷积和条形卷积操作有效减少大核卷积的参... 详细信息

为了充分利用单目图像提供的特征信息,提出上下文信息增强和深度引导的单目3D目标检测方法.设计高效的上下文信息增强模块,使用多个大核卷积自适应地增强多尺度目标的上下文信息,利用深度可分离卷积和条形卷积操作有效减少大核卷积的参数量和计算复杂度.统计分析3D目标框各个属性的预测误差,发现3D目标框的长度和深度属性预测不准确是导致预测框偏差大的主要原因.设计深度误差加权损失函数,在训练过程中进行目标的长度和深度预测监督,提高长度和深度属性的预测精度,进而提升3D预测框的准确性.在KITTI数据集上开展实验,结果表明,所提方法在数据集的多个级别上的平均准确度高于现有的单目3D目标检测方法.

关键词：单目3D目标检测大核卷积深度可分离卷积条形卷积多尺度目标

来源：评论

学校读者我要写书评

暂无评论

语义信息处理方式分类的车道线检测技术研究综述

引用

计算机工程与应用 2025年第5期61卷 1-17页

作者：洪书颖张东霖江南大学人工智能与计算机学院江苏无锡214122 江苏省模式识别计算智能工程实验室江苏无锡214122 科技部中英人工智能联合实验室江苏无锡214122

随着自动驾驶技术的迅猛发展,车道线检测作为其关键组成部分,引起了广泛关注,并在智能交通系统中展现出巨大的应用潜力。然而,在应对复杂环境挑战时,传统车道线检测技术往往难以提供足够的识别精度。回顾车道线检测技术的发展轨迹,系统... 详细信息

随着自动驾驶技术的迅猛发展,车道线检测作为其关键组成部分,引起了广泛关注,并在智能交通系统中展现出巨大的应用潜力。然而,在应对复杂环境挑战时,传统车道线检测技术往往难以提供足够的识别精度。回顾车道线检测技术的发展轨迹,系统性地梳理了84种先进算法,并创新性地根据语义处理方式划分为四类别:语义分割辅助类、语义信息融合类、语义信息增强类和语义关系建模类。通过深入剖析算法的技术特点和优势,揭示了当前车道线检测技术所面临的主要局限。最后,对未来车道线检测技术的发展方向提出见解,特别是在语义信息利用方面,指出了潜在的研究方向。

关键词：车道线检测语义信息自动驾驶深度学习计算机视觉

来源：评论

学校读者我要写书评

暂无评论

LightGCNet:基于轻量化卷积网络的深度色域压缩算法

引用

计算机科学与探索 2025年第1期19卷 196-210页

作者：杨晨徐昊朱佳伟吴秦柴志雷江南大学人工智能与计算机学院江苏无锡214122 江苏省模式识别与计算智能工程实验室江苏无锡214122

色域压缩是大色域向小色域进行转换时保持色彩信息的关键技术。经典算法虽计算快速,但处理结果缺乏细节且没有考虑人眼的感知特性,难以满足人们对色彩品质不断提升的要求。迭代算法处理效果更佳,但极其耗时,无法投入实际应用。针对上述... 详细信息

色域压缩是大色域向小色域进行转换时保持色彩信息的关键技术。经典算法虽计算快速,但处理结果缺乏细节且没有考虑人眼的感知特性,难以满足人们对色彩品质不断提升的要求。迭代算法处理效果更佳,但极其耗时,无法投入实际应用。针对上述问题,提出了轻量化的深度色域压缩方法,该方法可在逼近迭代算法计算效果的同时保持接近经典算法的速度。为色域压缩算法设计了LightGCNet模型,该网络中的双层卷积由DSC与DW卷积组合而成,相比常规U-Net,参数量与计算复杂度急剧降低。为进一步提高模型先验性,将预训练得到的DW卷积中多个核通道进行重聚焦操作以建立联系,最终权重由重聚焦权重和预训练权重组成。针对色相、明度、彩度这三个色彩属性,设计了色域压缩专用的损失函数。该函数不仅考虑了像素级损失,而且融合了图像感知损失,并联合色彩属性的多尺度信息进行加权,解决了深度色域压缩过程中细节丢失的问题。基于迭代算法生成标签以训练网络,联合学习目标色域特征与图像信息,实现了与迭代算法相当的效果。实验结果表明:该方法与业界经典的SGCK算法相比,iCID值降低了17.08%,SSIM值提高了5.30%。相比常规U-Net模型,LightGCNet参数量减少了82.96%,乘加次数从8.5GFLOPs大幅下降至2.2GFLOPs,使改良模型更适于低端设备部署。该模型在CPU上处理单幅512×512图像仅需0.208s,计算时间比迭代类算法减少99.92%。

关键词：色域压缩轻量化深度学习色彩管理

来源：评论

学校读者我要写书评

暂无评论

基于通信和拓扑感知的SNN分区与映射算法

引用

计算机工程 2025年第5期51卷 219-228页

作者：黄尧柴志雷江南大学人工智能与计算机学院江苏无锡214122 江苏省模式识别与人工智能工程实验室江苏无锡214122

脉冲神经网络(SNN)正日益成为研究和模拟大脑各区功能及其相互关联性的重要方法。为了模拟更大规模的脑区域,并行分布式计算已成为模拟SNN的必然选择。然而,随着计算规模的增长,计算节点间的负载不均衡及通信问题成为影响SNN模拟性能的... 详细信息

脉冲神经网络(SNN)正日益成为研究和模拟大脑各区功能及其相互关联性的重要方法。为了模拟更大规模的脑区域,并行分布式计算已成为模拟SNN的必然选择。然而,随着计算规模的增长,计算节点间的负载不均衡及通信问题成为影响SNN模拟性能的主要因素。针对分布式计算平台,现有分区算法还无法找到全局最佳分区并有效地将工作负载映射到计算核心上。因此,提出一种基于通信和拓扑感知的分区与映射算法,该算法包括分区和拓扑感知映射2个核心步骤。通过引入能够感知SNN连接的分区方法,提高计算效率并降低通信延迟;在拓扑感知映射方法中,利用通信拓扑图和底层网络信息将工作负载高效地分配到各计算节点上,最小化跨不同计算核心的通信成本。实验结果表明,在国家超算济南计算中心的并行计算平台上,采用96进程规模并行模拟SNN基准测试集时,相比现有先进的分区框架,所提方法具有更好的负载均衡和通信性能,同步时间和通信时间分别减少了40%和7.1%,最终的模拟总时间缩短了30%。

关键词：脉冲神经网络分布式计算负载均衡超图分区拓扑感知映射

来源：评论

学校读者我要写书评

暂无评论

基于OpenCL的超低延迟行情加速系统设计与实现

引用

计算机应用与软件 2025年第3期42卷 15-21页

作者：冯一飞丁楠叶钧超柴志雷江南大学物联网工程学院江苏无锡214122 江南大学人工智能与计算机学院江苏无锡214122 江苏省模式识别与计算智能工程实验室江苏无锡214122

针对量化高频交易中对数据处理的低延迟需求,定制一种超低延迟的行情系统,包含网络通信、数据解码和数据分析三部分功能,并在FPGA上进行实现。对各功能模块进行并行优化,构建全流水架构;对内存架构进行优化设计,提高数据传输速率;使用... 详细信息

针对量化高频交易中对数据处理的低延迟需求,定制一种超低延迟的行情系统,包含网络通信、数据解码和数据分析三部分功能,并在FPGA上进行实现。对各功能模块进行并行优化,构建全流水架构;对内存架构进行优化设计,提高数据传输速率;使用流接口实现模块间数据传输优化,降低数据处理延迟。实验结果表明:在Alveo U50上最大吞吐率可达38.4 Gbit/s,行情处理延迟最低为678 ns,波动稳定在10 ns间,与软件方案相比,性能提升12倍,吞吐率提升1.87倍,且延迟稳定。

关键词： Vitis OpenCL 现场可编程门阵列高频量化交易超低延迟系统开发设计

来源：评论

学校读者我要写书评

暂无评论

一种增强前景的轻量级交通标志检测模型

引用

计算机工程 2025年第3期51卷 54-63页

作者：袁亚剑毛力江南大学人工智能与计算机学院江苏无锡214122 江南大学先进技术研究院江苏无锡214122 江南大学江苏省模式识别与计算机智能工程实验室江苏无锡214122

交通标志检测在辅助驾驶中扮演着不可或缺的角色,为安全驾驶提供了至关重要的支持。在实际交通环境中,在黑夜或雨天产生的背景噪声会加大交通标志检测的难度。现有模型往往难以有效检出远处的小目标交通标志,此外,在设计交通标志检测模... 详细信息

交通标志检测在辅助驾驶中扮演着不可或缺的角色,为安全驾驶提供了至关重要的支持。在实际交通环境中,在黑夜或雨天产生的背景噪声会加大交通标志检测的难度。现有模型往往难以有效检出远处的小目标交通标志,此外,在设计交通标志检测模型时应当考虑到实际部署对模型体积的要求。为此,在YOLOv8的基础上提出一种增强前景的轻量级交通标志目标检测模型。首先,设计了1个轻量级的PC2f模块替换掉原本Backbone中的部分C2f模块,该模块降低了模型的参数量和计算量,在保留更多浅层信息的同时进一步丰富了梯度流信息,同时实现了模型轻量化和提升检测性能;其次,设计了前景增强模块(FEM)并将其引入Neck位置,该模块能够有效放大前景信息并减弱背景噪声;最后,增加了一层小目标检测层,用于在高分辨率的图像上提取浅层特征,加强模型对小目标交通标志的检测性能。实验结果表明,优化后的模型在数据集CCTSDB 2021和GTSDB上的mAP_(50)分别达到了82.5%和95.3%,相较于原模型分别提升了3.6和1百分点,并且模型权重大小减小了0.22×10^(6)。这些结果验证了所提模型在实际应用中的有效性。

关键词：交通标志检测轻量化网络前景增强模块小目标检测黑夜场景目标检测

来源：评论

学校读者我要写书评

暂无评论

基于Floyd-Steinberg误差扩散的数字半调高效计算

引用

计算机工程与科学 2025年第05期 875-884页

作者：廉凯成杨晨朱佳伟柴志雷江南大学人工智能与计算机学院江苏省模式识别与计算智能工程实验室

针对工业界采用的主流数字半调算法——Floyd-Steinberg误差扩散算法在处理日益增大的图像数据时存在的数据依赖严重、可并行性低和实时性差等问题，提出高效计算方法。首先，通过预生成像素-误差扩散值查找表避免了频繁的误差和扩散过... 详细信息

针对工业界采用的主流数字半调算法——Floyd-Steinberg误差扩散算法在处理日益增大的图像数据时存在的数据依赖严重、可并行性低和实时性差等问题，提出高效计算方法。首先，通过预生成像素-误差扩散值查找表避免了频繁的误差和扩散过程计算；其次，通过基于行缓冲的高效数据结构实现访存优化；再次，提出误差累加单指令多数据SIMD并行方法，使用AVX-512指令集并行累加多个像素同向误差，增强CPU中矢量寄存器的作用；最后，通过边缘误差限制的列分块方法实现多核数据并行，同时消除由于数据并行处理时边界部分数据依赖导致的误差问题。实验结果表明：本文提出的优化算法具有良好的规模伸缩性，计算性能随最佳并行核心数量线性提升；与传统的Floyd-Steinberg误差扩散算法相比，在16核Intel?CoreTMi7-11700 CPU平台上处理5 120×5 120灰度图时，获得15倍性能提升，仅需23 ms即可完成处理，更好地满足大规模、超大幅面、超高分辨率和多变内容的工业高速印刷的需求。

关键词：数字半调 Floyd-Steinberg误差扩散单指令多数据并行计算

来源：评论

学校读者我要写书评

暂无评论

联合哈希特征和分类器学习的跨模态检索算法

引用

模式识别与人工智能 2020年第2期33卷 160-165页

作者：刘昊鑫吴小俊庾骏江南大学江苏省模式识别与计算智能工程实验室无锡214122

为了解决跨模态检索算法检索准确率较低、训练时间较长等问题,文中提出联合哈希特征和分类器学习的跨模态检索算法(HFCL).采用统一的哈希码描述语义相同的不同模态数据.在训练阶段,利用标签信息学习具有鉴别性的哈希码.第二阶段基于生... 详细信息

为了解决跨模态检索算法检索准确率较低、训练时间较长等问题,文中提出联合哈希特征和分类器学习的跨模态检索算法(HFCL).采用统一的哈希码描述语义相同的不同模态数据.在训练阶段,利用标签信息学习具有鉴别性的哈希码.第二阶段基于生成的鉴别性哈希码,采用核逻辑回归学习各模态的哈希函数.在测试阶段,给定任意一个模态查询样本,利用学习的哈希函数生成哈希特征,从数据库中检索与之语义相关的另一模态数据.在3个公开数据集上的实验验证HFCL的有效性.

关键词：哈希学习分类器学习矩阵分解跨模态检索

来源：评论

学校读者我要写书评

暂无评论

基于GhostNet的端到端红外和可见光图像融合方法

引用

模式识别与人工智能 2021年第11期34卷 1028-1037页

作者：程春阳吴小俊徐天阳江南大学人工智能与计算机学院江苏省模式识别与计算智能工程实验室无锡214122

现有的基于深度学习的红外和可见光图像融合方法大多基于人工设计的融合策略,难以为复杂的源图像设计一个合适的融合策略.针对上述问题,文中提出基于GhostNet的端到端红外和可见光图像融合方法.在网络结构中使用Ghost模块代替卷积层,形... 详细信息

现有的基于深度学习的红外和可见光图像融合方法大多基于人工设计的融合策略,难以为复杂的源图像设计一个合适的融合策略.针对上述问题,文中提出基于GhostNet的端到端红外和可见光图像融合方法.在网络结构中使用Ghost模块代替卷积层,形成一个轻量级模型.损失函数的约束使网络学习到适应融合任务的图像特征,从而在特征提取的同时完成融合任务.此外,在损失函数中引入感知损失,将图像的深层语义信息应用到融合过程中.源图像通过级联输入深度网络,在经过带有稠密连接的编码器提取图像特征后,通过解码器的重构得到融合结果.实验表明,文中方法在主观对比和客观图像质量评价上都有较好表现.

关键词：红外图像可见光图像图像融合深度学习

来源：评论

学校读者我要写书评

暂无评论

基于子空间和直方图的多记忆自适应相关滤波目标跟踪算法

引用

模式识别与人工智能 2018年第7期31卷 612-624页

作者：冯棐吴小俊徐天阳江南大学江苏省模式识别与计算智能工程实验室无锡214122

为了增强相关滤波算法(CF)在目标遮挡或背景干扰情况下跟踪的鲁棒性,提出基于子空间和直方图的多记忆自适应相关滤波目标跟踪算法.首先,针对CF使用的模板单一无法应对不同时期相邻帧目标表现的差异,提出利用随机更新策略学习多个目标模... 详细信息

为了增强相关滤波算法(CF)在目标遮挡或背景干扰情况下跟踪的鲁棒性,提出基于子空间和直方图的多记忆自适应相关滤波目标跟踪算法.首先,针对CF使用的模板单一无法应对不同时期相邻帧目标表现的差异,提出利用随机更新策略学习多个目标模板,应对不同时期的目标变化.然后,针对不同的更新模板得到多个候选目标,利用子空间学习上一帧的表示系数,综合判断候选目标的准确性.同时,因为CF与子空间表示均利用模板判断跟踪结果,对背景杂乱等情况判断容易造成偏差,所以引入颜色直方图,利用统计特征作为独立的判断依据,增强算法对候选目标判断结果的准确性.在标准视频集上的实验表明,文中算法具备一定的抗遮挡及抗背景干扰能力.

关键词：相关滤波器多记忆学习抗遮挡子空间统计直方图

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：