检索结果-内蒙古大学图书馆

浙江大学学报（工学版） 2024年第11期58卷 2219-2229页

作者：张林杰柴志雷王宁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

针对当前基于点云的三维目标检测算法缺乏目标准确的空间位置信息,提出局部信息编码模块和后期交叉融合模块的三维目标检测算法.在特征提取阶段,模型通过三维稀疏卷积高效地编码全局特征.局部信息编码模块利用目标内部的原始点云信息,... 详细信息

针对当前基于点云的三维目标检测算法缺乏目标准确的空间位置信息,提出局部信息编码模块和后期交叉融合模块的三维目标检测算法.在特征提取阶段,模型通过三维稀疏卷积高效地编码全局特征.局部信息编码模块利用目标内部的原始点云信息,构建目标的细粒度语义信息,通过自注意力机制对这些信息进行重新加权,增强局部特征的表达能力.提出交叉融合模块,用于局部特征与全局特征的信息交互,产生表达能力更强的目标检测特征.使用KITTI和Waymo公开数据集,验证所提出的方法.在KITTI数据集的简单、中等和困难任务上,本文方法的平均准确率AP0.7分别达到了91.60%、82.53%和77.83%,在Waymo数据集上的平均准确率AP0.7达到74.92%.

关键词：点云稀疏卷积局部信息注意力机制交叉融合

来源：评论

学校读者我要写书评

暂无评论

基于上下文信息增强和深度引导的单目3D目标检测

引用

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

基于双重注意力时空图卷积网络的行人轨迹预测

引用

浙江大学学报（工学版） 2024年第12期58卷 2586-2595页

作者：向晓倩陈璟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

当前行人轨迹预测研究面临两大挑战:1)如何有效提取行人前后帧之间的时空相关性;2)如何避免在轨迹采样过程中受到采样偏差的影响而导致性能下降.针对以上问题,提出基于双重注意力时空图卷积网络与目的抽样网络的行人轨迹预测模型.利用... 详细信息

当前行人轨迹预测研究面临两大挑战:1)如何有效提取行人前后帧之间的时空相关性;2)如何避免在轨迹采样过程中受到采样偏差的影响而导致性能下降.针对以上问题,提出基于双重注意力时空图卷积网络与目的抽样网络的行人轨迹预测模型.利用时间注意力捕获行人前后帧的关联性,利用空间注意力获取周围行人之间的相关性,通过时空图卷积进一步提取行人之间的时空相关性.引入可学习的抽样网络解决随机抽样导致的分布不均匀的问题.大量实验表明,在ETH和UCY数据集上,新方法的精度与当前最先进的方法相当,且模型参数量减少1.65×10^(4),推理时间缩短0.147 s;在SDD数据集上精度虽略有下降,但模型参数量减少了3.46×10^(4),展现出良好的性能平衡,能为行人轨迹预测提供新的有效途径.

关键词：轨迹预测深度学习图卷积网络时空图卷积时间注意力空间注意力轨迹采样

来源：评论

学校读者我要写书评

暂无评论

空间注意力与位置优化的三维人体姿态估计域适应算法

引用

计算机科学与探索 2024年第9期18卷 2384-2394页

作者：姜友鹏华阳宋晓宁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江苏无锡214122

现有三维人体姿态估计器在单个数据集上表现较好,但受限于训练数据姿态结构的单一,其在跨域实验上的泛化性不足。现有方法通过增加姿态多样性来弥补该缺陷,然而这些方法生成的新姿态缺乏真实有效性且姿态全局位置的分布与目标数据集仍... 详细信息

现有三维人体姿态估计器在单个数据集上表现较好,但受限于训练数据姿态结构的单一,其在跨域实验上的泛化性不足。现有方法通过增加姿态多样性来弥补该缺陷,然而这些方法生成的新姿态缺乏真实有效性且姿态全局位置的分布与目标数据集仍存在显著差距。针对上述问题,提出一种基于生成对抗网络(GAN)的空间注意力与全局位置优化的三维人体姿态估计域适应算法。算法引入空间节点注意力模块约束生成器产生更自然的人体姿态,并结合姿态位置修正模块促使生成姿态向目标数据域对齐,从而解决以上域适应问题。此外,为了提升估计器训练的稳定性,提出一种端到端随机混合的训练策略,使姿态估计器可兼顾新旧数据信息的学习。作为一种生成式的域适应方法,该算法可以高效地应用于各种二阶段三维人体姿态估计器。通过跨场景实验与跨数据集实验,结果表明所提算法在多个基准数据集上的表现均达到当前最佳。其中在3DHP数据集中,该方法MPJPE与AUC指标相比最优工作优化了1.7%和1.4%,验证了所提算法可有效提高三维人体姿态估计器的泛化性。

关键词：三维人体姿态估计无监督域适应生成对抗网络(GAN) 注意力机制

来源：评论

学校读者我要写书评

暂无评论

YOLOv4-Tiny的改进轻量级目标检测算法

引用

计算机科学与探索 2024年第1期18卷 138-150页

作者：何湘杰宋晓宁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江苏无锡214122

目标检测是深度学习的重要分支领域,大量的边缘设备需要轻量级的目标检测算法,但现有的轻量级的通用目标检测算法存在检测精度低、检测速度慢的问题。针对这一问题,提出了一种基于注意力机制的YOLOv4-Tiny的改进算法。调整了原有的YOLOv... 详细信息

目标检测是深度学习的重要分支领域,大量的边缘设备需要轻量级的目标检测算法,但现有的轻量级的通用目标检测算法存在检测精度低、检测速度慢的问题。针对这一问题,提出了一种基于注意力机制的YOLOv4-Tiny的改进算法。调整了原有的YOLOv4-Tiny算法的主干网络的结构,引入了ECA注意力机制,使用空洞卷积改进了传统的SPP结构为DC-SPP结构,并提出了CSATT注意力机制,与特征融合网络PAN形成CSATT-PAN的颈部网络,提高了网络的特征融合能力。提出的YOLOv4-CSATT算法和原始YOLOv4-Tiny算法相比,在检测速度基本持平的情况下,对于信息的敏感程度以及分类的准确程度有了明显的提高,在VOC数据集上精度提高了12.3个百分点,在COCO数据集上高出了6.4个百分点。在VOC数据集上,相比Faster RCNN、SSD、Efficientdet-d1、YOLOv3-Tiny、YOLOv4-MobileNetv1、YOLOv4-MobileNetv2、PP-YOLO算法在精度上分别高出3.3、5.5、6.3、17.4、10.3、0.9和0.6个百分点,在召回率上分别高出2.8、7.1、4.2、18.0、12.2、2.1和4.0个百分点,FPS达到94。通过提出CSATT注意力机制提高了模型对于空间的通道信息的捕捉能力,并结合ECA注意力机制和特征融合金字塔算法,提高了模型的特征融合的能力以及目标检测精度。

关键词：目标检测 YOLOv4-Tiny算法注意力机制轻量级神经网络特征融合

来源：评论

学校读者我要写书评

暂无评论

结合扩散模型图像编辑的图文检索后门攻击

引用

计算机科学与探索 2024年第4期18卷 1068-1082页

作者：杨舜陆恒杨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江苏无锡214122

深度神经网络在模型训练阶段易受到后门攻击,在训练图文检索模型时,如有攻击者恶意地将带有后门触发器的图文对注入训练数据集,训练后的模型将被嵌入后门。在模型推断阶段,输入良性样本将得到较为准确的检索结果,而输入带触发器的恶意... 详细信息

深度神经网络在模型训练阶段易受到后门攻击,在训练图文检索模型时,如有攻击者恶意地将带有后门触发器的图文对注入训练数据集,训练后的模型将被嵌入后门。在模型推断阶段,输入良性样本将得到较为准确的检索结果,而输入带触发器的恶意样本会激活模型隐藏后门,将模型推断结果恶意更改为攻击者设定的结果。现有图文检索后门攻击研究都是基于在图像上直接叠加触发器的方法,存在攻击成功率不高和带毒样本图片带有明显的异常特征、视觉隐匿性低的缺点。提出了结合扩散模型的图文检索模型后门攻击方法(Diffusion-MUBA),根据样本图文对中文本关键词与感兴趣区域(ROI)的对应关系,设计触发器文本提示扩散模型,编辑样本图片中的ROI区域,生成视觉隐匿性高且图片平滑自然的带毒训练样本,并通过训练模型微调,在图文检索模型中建立错误的细粒度单词到区域对齐,把隐藏后门嵌入到检索模型中。设计了扩散模型图像编辑的攻击策略,建立了双向图文检索后门攻击模型,在图-文检索和文-图检索的后门攻击实验中均取得很好的效果,相比其他后门攻击方法提高了攻击成功率,而且避免了在带毒样本中引入特定特征的触发器图案、水印、扰动、局部扭曲形变等。在此基础上,提出了一种基于目标检测和文本匹配的后门攻击防御方法,希望对图文检索后门攻击的可行性、隐蔽性和实现的研究能够抛砖引玉,推动多模态后门攻防领域的发展。

关键词：后门攻击图文检索扩散模型感兴趣区域

来源：评论

学校读者我要写书评

暂无评论

融合增量学习与Transformer模型的股价预测研究

引用

计算机科学与探索 2024年第7期18卷 1889-1899页

作者：陈东洋毛力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江苏无锡214122

股票价格预测一直是金融研究和量化投资共同关注的重点话题。当前股价预测的深度学习模型多数基于批处理学习设置,这要求训练数据集是先验的,这些模型面对实时的数据流预测是不可扩展的,当数据分布动态变化时模型的预测效果将会下降。... 详细信息

股票价格预测一直是金融研究和量化投资共同关注的重点话题。当前股价预测的深度学习模型多数基于批处理学习设置,这要求训练数据集是先验的,这些模型面对实时的数据流预测是不可扩展的,当数据分布动态变化时模型的预测效果将会下降。针对现有研究对非平稳股票价格数据预测精度不佳的问题,提出一种基于增量学习和持续注意力机制的在线股价预测模型(Increformer),通过持续自注意力机制挖掘特征变量之间的时序依赖关系,采用持续归一化机制处理数据非平稳问题,基于弹性权重巩固的增量训练策略获取数据流中的新知识,提高预测精度。在股票市场的股指与个股价格序列中选取五个公开数据集进行实验。实验结果表明,Increformer模型能够有效挖掘数据的时序信息以及特征维度的关联信息从而提高股票价格的预测性能。通过消融实验评估了Increformer模型的持续归一化机制、持续注意力机制以及增量训练策略的效果及必要性,验证了所提模型的准确性与普适性,Increformer模型能够有效捕捉股票价格序列的趋势与波动。

关键词：时间序列预测 Transformer模型增量学习持续注意力机制

来源：评论

学校读者我要写书评

暂无评论

特征融合与分发的多专家并行推荐算法框架

引用

浙江大学学报（工学版） 2023年第7期57卷 1317-1325页

作者：杨哲葛洪伟李婷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

为了解决点击率预测任务中现存的参数共享和计算耗费较高的问题,提出特征融合与分发的多专家并行推荐算法框架.利用该方法不仅可以提高并行架构对不同类型特征的分辨能力,学习表现力更强的特征输入,还能够在显式特征和隐式特征之间进行... 详细信息

为了解决点击率预测任务中现存的参数共享和计算耗费较高的问题,提出特征融合与分发的多专家并行推荐算法框架.利用该方法不仅可以提高并行架构对不同类型特征的分辨能力,学习表现力更强的特征输入,还能够在显式特征和隐式特征之间进行参数共享,缓和反向传播期间的梯度,提高模型的性能.该框架是轻量级而且与模型无关的,可以泛化应用在众多主流并行架构的推荐算法上.在3个公共数据集上的大量实验结果表明,利用该算法框架,能够有效地提高SOTA模型的性能.

关键词：推荐系统点击率预测深度学习多专家模型

来源：评论

学校读者我要写书评

暂无评论

面向图像复原和增强的轻量级交叉门控Transformer

引用

计算机科学与探索 2024年第3期18卷 718-730页

作者：薛金强吴秦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

现有的图像复原和图像增强方法难以同时兼顾在多个子任务上的鲁棒性和维持较小的参数量与计算代价。针对这一问题,提出轻量级交叉门控转换算法(CGT)。一方面,总结了传统全局自注意力机制捕获全局依赖关系的局限性,将全局自注意力机制改... 详细信息

现有的图像复原和图像增强方法难以同时兼顾在多个子任务上的鲁棒性和维持较小的参数量与计算代价。针对这一问题,提出轻量级交叉门控转换算法(CGT)。一方面,总结了传统全局自注意力机制捕获全局依赖关系的局限性,将全局自注意力机制改进为跨层次交叉门控自注意力机制。同时提出轻量化的前馈神经网络,从而以极小的计算代价学习到跨层次局部依赖关系,在局部邻域内重构清晰特征。另一方面,针对传统方法对编码器和解码器平等地进行加法或拼接的操作易导致信息干扰这一缺陷,提出长距离重置更新模块,分别对无用信息与清晰特征加以抑制和更新。在图像去噪、图像去雨和低亮度图像增强3个不同任务的9个公开数据集上,与最新的25个方法进行的对比实验结果表明,所提出的轻量级交叉门控转换模型以较少的参数量和计算代价,在图像复原和图像增强领域中均取得较高的峰值信噪比和结构相似度,重构出接近真实世界场景的清晰图像,达到了先进的图像复原性能。

关键词：图像复原图像增强深度学习 Transformer 轻量化特征融合

来源：评论

学校读者我要写书评

暂无评论

基于多起点和Mask策略的深度强化学习算法求解覆盖旅行商问题

引用

控制与决策 2024年第4期39卷 1160-1166页

作者：方伟接中冰陆恒杨张涛江南大学江苏省人工智能国际合作联合实验室江苏无锡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 中国船舶科学研究中心江苏无锡214082

覆盖旅行商问题(covering salesman problem,CSP)是旅行商问题的变体,在防灾规划、急救管理中有着广泛应用.由于传统方法求解问题实例耗时严重,近年来深度神经网络被提出用于解决该类组合优化问题,在求解速度和泛化性上有明显的优势.现... 详细信息

覆盖旅行商问题(covering salesman problem,CSP)是旅行商问题的变体,在防灾规划、急救管理中有着广泛应用.由于传统方法求解问题实例耗时严重,近年来深度神经网络被提出用于解决该类组合优化问题,在求解速度和泛化性上有明显的优势.现有基于深度神经网络求解CSP的方法求解质量较低,特别在大规模实例上与传统的启发式方法相比存在较大差距.针对上述问题,提出一种新的基于深度强化学习求解CSP的方法,由编码器对输入特征进行编码,提出新的Mask策略对解码器使用自注意力机制构造解的过程进行约束,并提出多起点策略改善训练过程、提高求解质量.实验结果表明,所提方法对比现有基于深度神经网络的求解方法进一步缩小了最优间隙,同时有着更高的样本效率,在不同规模和不同覆盖类型的CSP中展现出更强的泛化能力,与启发式算法相比在求解速度上有10~40倍的提升.

关键词：覆盖旅行商深度强化学习组合优化多起点 Mask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：