检索结果-内蒙古大学图书馆

控制与决策 2023年第12期38卷 3571-3577页

作者：方伟朱建阳江南大学江苏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

大规模限量弧路由问题(large scale capacitated arc routing problem,LSCARP)是一个组合优化问题,应用广泛,采用分治策略是解决LSCARP的有效方法之一.首先,为了利用分治策略取得更优的分解结果,提出改进路径切割算子来求解LSCARP,其能... 详细信息

大规模限量弧路由问题(large scale capacitated arc routing problem,LSCARP)是一个组合优化问题,应用广泛,采用分治策略是解决LSCARP的有效方法之一.首先,为了利用分治策略取得更优的分解结果,提出改进路径切割算子来求解LSCARP,其能够自动识别路径集合中形态较差的路径并对其有针对性地进行切割,从而在迭代中通过将切割后的路径进行重组以获得更优的分解,有利于算法跳出局部最优取得更小的最终费用;然后,针对LSCARP的结构会影响算法最终效果的问题,设计一种自适应数据集检测算子,其能够根据LSCARP中任务边与非任务边的关系来进行参数分配从而提高分解质量;最后,将以上2个算子应用于SHAiD算法,并与当前主流相关算法进行对比.实验结果表明了所提出算法的有效性.

关键词：限量弧路由问题组合优化分治策略大规模优化路径切割自适应

来源：评论

学校读者我要写书评

暂无评论

基于特征融合与集成学习的细粒度图像分类

引用

激光与光电子学进展 2024年第22期61卷 435-447页

作者：张文丽宋威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(江南大学) 江苏无锡214122

细粒度图像分类旨在准确分类给定超类的子类别,面临类内差异大、类间差异小和训练样本有限等挑战。目前,大多数方法基于Vision Transformer进行改进以提升分类性能,但仍存在一些问题:忽略不同层次分类令牌的互补信息导致全局特征提取不... 详细信息

细粒度图像分类旨在准确分类给定超类的子类别,面临类内差异大、类间差异小和训练样本有限等挑战。目前,大多数方法基于Vision Transformer进行改进以提升分类性能,但仍存在一些问题:忽略不同层次分类令牌的互补信息导致全局特征提取不完整,多头自注意力机制中不同头部表现不一致导致局部定位不准确,以及有限训练样本易过拟合。基于此,提出一种基于特征融合与集成学习的细粒度图像分类网络,该网络包含3个模块:多层次特征融合模块融合互补信息以获取更完整的全局特征,多专家局部投票模块基于集成学习投票定位局部令牌以增强局部特征表示能力,注意力引导的混合增强模块缓解过拟合问题,提高分类准确性。所提网络在CUB-200-2011、Stanford Dogs、NABirds和IP102等数据集上的分类精度分别为91.92%、93.10%、90.98%和76.21%,相较原始Vision Transformer模型分别提高1.42百分点、1.50百分点、1.08百分点和2.81百分点,优于其他对比细粒度图像分类模型。

关键词：细粒度图像分类 Vision Transformer 特征融合集成学习混合增强

来源：评论

学校读者我要写书评

暂无评论

极限学习决策网络指导的多目标粒子群算法

引用

计算机科学与探索 2024年第6期18卷 1513-1525页

作者：张一帆宋威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

在求解多目标优化问题时,粒子群优化算法通常采用预设的榜样选择方法和搜索策略,无法根据具体的寻优状态进行调整。面对不同的优化问题,不合适的搜索策略难以有效指导种群的进化,导致种群的搜索性能降低。为了解决以上问题,提出一种极... 详细信息

在求解多目标优化问题时,粒子群优化算法通常采用预设的榜样选择方法和搜索策略,无法根据具体的寻优状态进行调整。面对不同的优化问题,不合适的搜索策略难以有效指导种群的进化,导致种群的搜索性能降低。为了解决以上问题,提出一种极限学习决策网络指导的多目标粒子群优化算法(ELDN-PSO)。首先,将多目标优化问题分解成若干标量子问题,并构建一个极限学习决策网络。网络将粒子的位置作为输入,根据当前寻优状态为每个粒子选择合适的搜索动作。将粒子在子问题上的适应度值变化作为强化学习的样本用于训练网络,并通过极限学习机提升训练速度。在优化的过程中,网络会根据寻优状态自动调整,在不同的搜索阶段为粒子选择合适的搜索策略。其次,多目标优化问题中存在一系列难以比较的非支配解,将每个解的领导能力量化成可进行比较的数值,从而更明确地为粒子选择合适的学习榜样。此外,使用一个外部档案储存较好的粒子,用于维护解集质量并指导种群的进化。在ZDT和DTLZ测试函数上进行对比实验,结果表明ELDN-PSO能够有效应对不同形状的Pareto前沿,提升种群的寻优速度以及解集的收敛性和多样性。

关键词：粒子群优化极限学习机多目标优化目标分解加速系数

来源：评论

学校读者我要写书评

暂无评论

搜索引导网络辅助的动态粒子群优化算法

引用

计算机科学与探索 2024年第12期18卷 3189-3202页

作者：刘志宋威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

在动态优化问题(DOP)中环境的变化可描述为不同类型的动态,动态优化算法(DOA)对环境的适应性十分重要。此外,DOA的局部和全局多样性损失是导致其开发和勘探能力下降的主因之一。在动态环境中保持局部和全局多样性可有效避免多样性损失... 详细信息

在动态优化问题(DOP)中环境的变化可描述为不同类型的动态,动态优化算法(DOA)对环境的适应性十分重要。此外,DOA的局部和全局多样性损失是导致其开发和勘探能力下降的主因之一。在动态环境中保持局部和全局多样性可有效避免多样性损失。为此,提出一种基于搜索引导网络的粒子群优化算法(SGNPSO),每个输入粒子基于SGN隐藏层选择学习目标,在输出层调整其加速系数,从而引导粒子的搜索。SGN属于单隐层径向基神经网络,每个隐藏节点由其中心和半径组成。设置多个相互远离的隐藏节点中心,即子群中心,从而获得多个子群。每个粒子从其所属子群不同个体历史最优位置中选择局部学习目标,从相互远离的多个子群中心中选取全局学习目标,有助于种群的局部和全局多样性保持。SGN以强化学习方式来获得输入粒子的期望输出,并通过极限学习来预训练网络。设计节点的重要性和拥挤度指标,以获取紧凑网络结构,并增量学习保证网络拟合能力。无论环境如何变化,所提方法都能够通过学习来适应不同的环境,以引导粒子的搜索,从而有效处理不同动态的DOP。在MPB和DRPBG标准测试组件上和五种主流DOA开展对比实验,结果表明,SGN-PSO在求解多种动态的DOP上取得了显著的表现提升。

关键词：动态优化增量极限学习机前馈神经网络粒子群优化

来源：评论

学校读者我要写书评

暂无评论

基于TransMANet的遥感图像语义分割算法

引用

激光与光电子学进展 2024年第10期61卷 301-312页

作者：宋熙睿葛洪伟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(江南大学) 江苏无锡214122

针对multiattention network(MANet)算法与图像语义信息关联不足、全局特征提取不充分和分割精度较低的问题,基于Transformer与注意力机制,提出一种增强浅层网络语义信息,具有融合局部和全局上下文的双分支解码器的网络结构,即Transform... 详细信息

针对multiattention network(MANet)算法与图像语义信息关联不足、全局特征提取不充分和分割精度较低的问题,基于Transformer与注意力机制,提出一种增强浅层网络语义信息,具有融合局部和全局上下文的双分支解码器的网络结构,即Transformer multiattention network(TransMANet)。首先,引入局部注意力嵌入机制,增强上下文信息的嵌入,并将高级特征的语义信息嵌入低级特征;然后,设计基于Transformer与卷积神经网络的双分支解码器,分别提取全局上下文信息和不同尺度的细节信息,对全局与局部信息建模;最后,改进原有的损失函数,缓解遥感数据集类别不平衡的问题,提高分割准确度。实验结果表明,TransMANet在UAVid、LoveDA、Potsdam和Vaihingen数据集上均取得了较MANet及其他有竞争力的先进方法更优的交并比指标,有较好的泛化能力。

关键词：图像处理语义分割注意力机制 Transformer 高分辨率遥感影像

来源：评论

学校读者我要写书评

暂无评论

融合注意力机制和上下文信息的实时交通标志检测算法

引用

计算机科学与探索 2023年第11期17卷 2676-2688页

作者：冯爱棋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江苏无锡214122

近年来交通标志检测任务得到了广泛的关注,然而现有方法常无法满足检测实时性要求,并且现有方法在检测小尺度交通标志时存在较多漏检情况,为此,提出融合注意力机制和上下文信息的实时交通标志检测算法。该算法以YOLOv5为基准模型,首先,... 详细信息

近年来交通标志检测任务得到了广泛的关注,然而现有方法常无法满足检测实时性要求,并且现有方法在检测小尺度交通标志时存在较多漏检情况,为此,提出融合注意力机制和上下文信息的实时交通标志检测算法。该算法以YOLOv5为基准模型,首先,在主干网络中嵌入空间注意力机制自适应地强化关键位置的特征,抑制干扰信息,提高主干网络的特征提取能力;其次,设计跨阶段局部窗口Transformer模块用于学习不同位置间信息的关联性,捕获交通标志周围丰富的上下文信息,有助于提高小尺度交通标志的检测精度;再次,提出轻量的特征融合网络对不同尺度的特征图进行融合,减少计算量的同时确保有效的特征融合;最后,在后处理阶段提出高斯加权融合方法修正检测框,进一步提高定位精度。在TT100K和DFG交通标志检测数据集上的实验表明,提出的算法有效地改善了小尺度交通标志的漏检情况,具有较高的准确性和实时性,可以满足实际场景的交通标志检测需求。

关键词：交通标志检测 YOLOv5 注意力机制 Transformer 上下文信息

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

融合多尺度特征的轻量级人脸检测算法

引用

模式识别与人工智能 2022年第6期35卷 507-515页

作者：王建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无锡214122

受到移动设备计算能力和存储资源受限的局限,设计高效、高精度的人脸检测器是一个开放性的挑战.因此,文中提出融合多尺度特征的轻量级人脸检测算法(Lightweight Face Detection Algorithm with Multi-scale Feature Fusion,LFDMF),摒弃... 详细信息

受到移动设备计算能力和存储资源受限的局限,设计高效、高精度的人脸检测器是一个开放性的挑战.因此,文中提出融合多尺度特征的轻量级人脸检测算法(Lightweight Face Detection Algorithm with Multi-scale Feature Fusion,LFDMF),摒弃被视为人脸检测核心组件的多级检测结构.首先,利用现有的轻量级主干特征提取网络编码输入图像.然后,利用提出的颈部网络扩张特征图感受野,并将含有不同感受野的多尺度信息融至单级特征图中.最后,利用提出的多任务敏感检测头对该单级特征图进行人脸分类、回归和关键点检测.相比分而治之的人脸检测器,LFDMF精度更高、计算量更少.LFDMF按模型计算量高低可构建3个不同大小的网络,大模型LFDMF-L在Wider Face数据集上性能较优,中等模型LFDMF-M和小模型LFDMF-S以极低的模型参数量和计算量实现可观性能.

关键词：人脸检测多尺度特征单级特征图多任务敏感检测头

来源：评论

学校读者我要写书评

暂无评论

基于差异双分支编码器的多阶段图像融合方法

引用

模式识别与人工智能 2022年第7期35卷 661-670页

作者：洪雨露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

在现有的红外和可见光图像融合方法中,融合图像中的细节信息丢失严重,视觉效果不佳.针对上述问题,文中提出基于差异双分支编码器的多阶段图像融合方法.通过两支不同结构的编码器提取多模态图像的特征,增强特征的多样性.设计多阶段的融... 详细信息

在现有的红外和可见光图像融合方法中,融合图像中的细节信息丢失严重,视觉效果不佳.针对上述问题,文中提出基于差异双分支编码器的多阶段图像融合方法.通过两支不同结构的编码器提取多模态图像的特征,增强特征的多样性.设计多阶段的融合策略,实现精细化图像融合.首先,在差异双分支编码器中,对两个编码分支提取的差异性特征进行初级融合.然后,在融合阶段,对多模态图像的显著性特征进行中级融合.最后,使用远程横向连接将差异双分支编码器的浅层特征传送给解码器,同时指导融合过程和图像重建.对比实验表明,文中算法可增强融合图像的细节信息,并在视觉效果和客观评价上都较优.

关键词：图像融合红外图像可见光图像卷积神经网络

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：