检索结果-内蒙古大学图书馆

现代信息科技 2022年第1期6卷 73-78页

作者：李慧琳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

针对基于卷积神经网络的可行驶区域检测方法计算耗时长、实时性差等问题,基于Vitis AI为其设计了一种定制计算系统,并通过采用模型定点化、网络剪枝、硬件定制等优化方法,实现了对可行驶区域检测方法的高效计算。实验结果表明,在Xilinx ... 详细信息

针对基于卷积神经网络的可行驶区域检测方法计算耗时长、实时性差等问题,基于Vitis AI为其设计了一种定制计算系统,并通过采用模型定点化、网络剪枝、硬件定制等优化方法,实现了对可行驶区域检测方法的高效计算。实验结果表明,在Xilinx ZCU102异构计算平台上,可编程逻辑部分的工作频率为200 MHz时,所实现的可行使区域检测系统的识别帧率可达到46 FPS,计算性能可达903 GOPS,能效比为50.45 GOPS/W,可以较好地满足实际系统的需求。

关键词：现场可编程门阵列 Vitis AI 可行驶区域检测定制计算系统卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于显著性特征和角度信息的遥感图像目标检测

引用

计算机科学 2021年第4期48卷 174-179页

作者：袁星星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

遥感图像中的目标具有密集性、多尺度和多角度等特性,这使得遥感图像多类别目标检测成为一项具有挑战性的课题。因此,文中提出了一种新的端到端的遥感图像目标检测框架。该框架通过提取显著性特征和不同卷积通道之间的相互关系来增强目... 详细信息

遥感图像中的目标具有密集性、多尺度和多角度等特性,这使得遥感图像多类别目标检测成为一项具有挑战性的课题。因此,文中提出了一种新的端到端的遥感图像目标检测框架。该框架通过提取显著性特征和不同卷积通道之间的相互关系来增强目标信息,抑制非目标信息,从而提高特征的表示能力。同时,在不增加模型参数的情况下,在卷积模块中添加多尺度特征模块来捕获更多的上下文信息。为了解决遥感图像中目标角度多变这一问题,该框架在区域建议网络中加入了角度信息,得到有角度的矩形候选框,并在训练过程中添加注意力损失函数来引导网络学习显著性特征。该框架在公开的遥感图像数据集上进行了相关验证,在水平任务框和方向任务框上的实验结果证明了所提方法的有效性。

关键词：遥感图像目标检测多尺度特征通道自学习显著性学习

来源：评论

学校读者我要写书评

暂无评论

适合长时跟踪的自适应相关滤波算法

引用

计算机辅助设计与图形学学报 2020年第1期32卷 121-129页

作者：肖逸清葛洪伟江苏省模式识别与计算智能工程实验室(江南大学) 无锡214122 江南大学物联网工程学院无锡214122

针对在长时跟踪中,快速运动、遮挡等复杂情况很容易引起模板漂移,导致跟踪失败的问题,提出一种适合长时跟踪的自适应相关滤波算法.首先融合HOG特征、CN特征和灰度特征,在增强特征判别力的同时,结合EdgeBoxes生成检测建议并找到最优建议... 详细信息

针对在长时跟踪中,快速运动、遮挡等复杂情况很容易引起模板漂移,导致跟踪失败的问题,提出一种适合长时跟踪的自适应相关滤波算法.首先融合HOG特征、CN特征和灰度特征,在增强特征判别力的同时,结合EdgeBoxes生成检测建议并找到最优建议,实现跟踪器尺度与纵横比的自适应;然后利用高置信度跟踪结果来避免模板被破坏,将目标移动速度与边缘组数结合起来形成一种新的自适应更新率,并对每一帧目标框的尺度进行校正;最后在跟踪失败的情况下,应用增量学习检测器以滑动窗口的方式恢复目标位置.在标准测试集上与基于相关滤波的7种算法进行对比,实验表明,该算法在精确度和成功率上均取得较优效果.

关键词：核相关滤波长时跟踪模型更新目标重检测

来源：评论

学校读者我要写书评

暂无评论

基于时空交互注意力模型的人体行为识别算法

引用

激光与光电子学进展 2020年第18期57卷 317-325页

作者：潘娜蒋敏孔军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

针对传统的双流网络不能有效提取视频序列中的有效帧和帧中的有效区域,而导致识别准确率低的问题,提出了一种基于时空交互注意力模型(STIAM)的人体行为识别算法。首先,利用两个不同的深度学习网络分别提取空间和时间特征;其次,设计一种... 详细信息

针对传统的双流网络不能有效提取视频序列中的有效帧和帧中的有效区域,而导致识别准确率低的问题,提出了一种基于时空交互注意力模型(STIAM)的人体行为识别算法。首先,利用两个不同的深度学习网络分别提取空间和时间特征;其次,设计一种掩模引导的空间注意力模型,用于计算每一帧上的显著性位置;然后,设计一种光流引导的时间注意力模型,用于定位每个视频中的显著性帧;最后,分别将时间、空间注意力获得的权重与空间特征、时间特征进行加权融合,使模型实现时空交互性。在UCF101和Penn Action数据集上与现有的方法进行比较,实验结果表明,STIAM具有较好的特征提取能力,可以明显提升行为识别的精度。

关键词：机器视觉行为识别双流网络注意力深度学习交互性

来源：评论

学校读者我要写书评

暂无评论

多空间分辨率自适应特征融合的相关滤波目标跟踪算法

引用

模式识别与人工智能 2020年第1期33卷 66-74页

作者：汤张泳吴小俊朱学峰江南大学物联网工程学院无锡214122 江南大学江苏省模式识别与计算智能工程实验室无锡214122

相关滤波算法因无法充分利用深度特征和浅层特征的互补特性而限制跟踪性能.针对该问题,文中提出多空间分辨率自适应特征融合的相关滤波目标跟踪算法.首先,使用更深的ResNet-50网络提取深度特征,提高特征表示在跟踪过程中的鲁棒性和鉴别... 详细信息

相关滤波算法因无法充分利用深度特征和浅层特征的互补特性而限制跟踪性能.针对该问题,文中提出多空间分辨率自适应特征融合的相关滤波目标跟踪算法.首先,使用更深的ResNet-50网络提取深度特征,提高特征表示在跟踪过程中的鲁棒性和鉴别性.再针对不同特征具有不同空间分辨率的特点,从视频帧中分割不同尺度的图像块作为搜索区域,更好地平衡边界效应和样本数目.最后,引入自适应特征融合方法,以自适应的权重融合两类特征的响应图,充分利用其互补特性.在多个标准数据集上的实验证实文中算法的有效性和鲁棒性.

关键词：视觉目标跟踪相关滤波特征表示自适应融合

来源：评论

学校读者我要写书评

暂无评论

基于PYNQ集群的内存负载分析系统设计

引用

现代信息科技 2022年第8期6卷 1-5页

作者：华夏柴志雷张曦煌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

在分布式计算平台上研究脉冲神经网络(SNN)的工作负载特性时,快速确定SNN模型构建所需的内存消耗以及平台的网络承载能力,是提高工作负载研究效率的重要手段。针对该问题,文章搭建了PYNQ集群分布式计算平台,设计了集群内存负载分析系统... 详细信息

在分布式计算平台上研究脉冲神经网络(SNN)的工作负载特性时,快速确定SNN模型构建所需的内存消耗以及平台的网络承载能力,是提高工作负载研究效率的重要手段。针对该问题,文章搭建了PYNQ集群分布式计算平台,设计了集群内存负载分析系统。实验表明:内存负载分析系统在内存消耗的预测方面取得了97.98%的平均准确率,在预测集群网络承载能力方面取得了97.19%的准确率,通过分析集群承载SNN模型时的内存负载,有效提升了集群上的SNN工作负载研究效率。

关键词：脉冲神经网络(SNN) 分布式计算平台计算能效 NEST仿真器

来源：评论

学校读者我要写书评

暂无评论

基于Selenium与SVM的Web自动化测试方法

引用

软件导刊 2023年第1期22卷 171-175页

作者：张曦煌蔡晶晶柴志雷奚智雯江南大学人工智能与计算机学院江苏无锡214215 无锡太湖学院智能装备学院江苏无锡214064 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214215

为满足频繁迭代的企业级Web应用的测试需求,提出一种基于SVM的Web自动化测试方法。该方法基于Selenium框架构建数据获取层、机器学习层、用例执行层3层架构,并以FPGA公有云平台的Web应用为研究对象对其前端页面功能进行自动化测试。实... 详细信息

为满足频繁迭代的企业级Web应用的测试需求,提出一种基于SVM的Web自动化测试方法。该方法基于Selenium框架构建数据获取层、机器学习层、用例执行层3层架构,并以FPGA公有云平台的Web应用为研究对象对其前端页面功能进行自动化测试。实验结果表明,该系统能识别前端页面上Web元素所对应的测试用例,并且能够为新页面的Web元素选择适当的测试用例,预测准确率达到96.71%。所提方法对现有Web自动化测试方法具有一定的参考与借鉴意义。

关键词： Web自动化测试 SVM Selenium框架 FPGA公有云平台

来源：评论

学校读者我要写书评

暂无评论

融合多种拓扑信息的生物网络比对算法

引用

小型微型计算机系统 2021年第10期42卷 2173-2177页

作者：刘晓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

针对使用单一拓扑信息进行生物网络比对,难以提高比对质量的问题,本文提出了3种拓扑度量方法用于网络比对,以提高比对质量.主要工作分为3个部分:1)首次提出了相关值的概念,用以衡量同一网络中结点间的相似性;2)为了更充分地挖掘不同网... 详细信息

针对使用单一拓扑信息进行生物网络比对,难以提高比对质量的问题,本文提出了3种拓扑度量方法用于网络比对,以提高比对质量.主要工作分为3个部分:1)首次提出了相关值的概念,用以衡量同一网络中结点间的相似性;2)为了更充分地挖掘不同网络结点间的相似性信息,提出了一种基于特征向量中心性的拓扑得分计算方法,并将其应用于模块内比对阶段得分函数的构造;3)考虑到网络的模块化性质,引入了保守边,以便能最大限度的获取不同网络模块间的边保守信息.通过对IsoBase数据库中的6个物种对进行实验,结果表明,本文算法ECAlign获得了更高拓扑质量的比对,同时与现有的其他方法相比,本文方法的综合表现最好.

关键词：网络比对相关值特征向量中心性保守边

来源：评论

学校读者我要写书评

暂无评论

面向大规模数据的DBSCAN加速算法综述

引用

计算机研究与发展 2023年第9期60卷 2028-2047页

作者：陈叶旺曹海露陈谊康昭雷震杜吉祥华侨大学计算机科学与技术学院福建厦门361021 食品安全大数据技术北京市重点实验室(北京工商大学) 北京100048 电子科技大学计算机科学与工程学院成都611731 模式识别国家重点实验室(中国科学院自动化所) 北京100190 厦门市数据安全与区块链技术重点实验室(华侨大学) 福建厦门361021 福建省大数据智能与安全重点实验室(华侨大学) 福建厦门361021 江苏省计算机信息处理技术重点实验室(苏州大学) 江苏苏州215006

DBSCAN(density-based spatial clustering of applications with noise)是应用最广的密度聚类算法之一.然而,它时间复杂度过高(O(n^(2))),无法处理大规模数据.因而,对它进行加速成为一个研究热点,众多富有成效的工作不断涌现.从加速目... 详细信息

DBSCAN(density-based spatial clustering of applications with noise)是应用最广的密度聚类算法之一.然而,它时间复杂度过高(O(n^(2))),无法处理大规模数据.因而,对它进行加速成为一个研究热点,众多富有成效的工作不断涌现.从加速目标上看,这些工作大体上可分为减少冗余计算和并行化两大类;就具体加速手段而言,可分为6个主要类别:基于分布式、基于采样化、基于近似模糊、基于快速近邻、基于空间划分以及基于GPU加速技术.根据该分类,对现有工作进行了深入梳理与交叉比较,发现采用多重技术的融合加速算法优于单一加速技术;近似模糊化、并行化与分布式是当前最有效的手段;高维数据仍然难以应对.此外,对快速化DBSCAN算法在多个领域中的应用进行了跟踪报告.最后,对本领域未来的方向进行了展望.

关键词：快速化DBSCAN 密度聚类聚类算法大数据数据挖掘

来源：评论

学校读者我要写书评

暂无评论

面向楼梯应急通信系统的随机多簇信道模型

引用

计算机工程与应用 2020年第17期56卷 109-114页

作者：梁金鹏李正权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

楼梯信道模型是设计楼梯应急通信系统的关键,而信号多簇特性对信道建模具有重要影响,对此提出了新的随机多簇信道冲击响应(Channel Impulse Response,CIR)模型。对于视距(Line of Sight,LOS)环境,提出用距离相关函数拟合簇到达时间。而... 详细信息

楼梯信道模型是设计楼梯应急通信系统的关键,而信号多簇特性对信道建模具有重要影响,对此提出了新的随机多簇信道冲击响应(Channel Impulse Response,CIR)模型。对于视距(Line of Sight,LOS)环境,提出用距离相关函数拟合簇到达时间。而非视距(Non LOS,NLOS)环境下,簇到达时间与距离无关。CIR中每个簇用指数衰减函数描述,其中衰减常量随距离变化。最后用实测数据验证所提出模型的准确性,并用S-V模型作比较。结果表明,所提出模型更适合描述室内楼梯传播特性。

关键词：信道模型多簇信道冲击响应(CIR)模型指数衰减

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：