检索结果-内蒙古大学图书馆

信号处理 2023年第1期39卷 51-60页

作者：张若楠安高云北京交通大学信息科学研究所北京100044 现代信息科学与网络技术重点实验室北京100044

场景图生成是计算机视觉领域中的热点研究方向,可连接上、下游视觉任务。场景图由形式为的三元组组成,模型需要对整幅图像的全局视觉信息进行编码,从而辅助场景理解。但目前模型在处理一对多、多对一和对称性等特殊的视觉关系时仍存在... 详细信息

场景图生成是计算机视觉领域中的热点研究方向,可连接上、下游视觉任务。场景图由形式为<主语-谓语-宾语>的三元组组成,模型需要对整幅图像的全局视觉信息进行编码,从而辅助场景理解。但目前模型在处理一对多、多对一和对称性等特殊的视觉关系时仍存在问题。基于知识图谱与场景图的相似性,我们将知识图谱中的转换嵌入模型迁移至场景图生成领域。为了更好地对此类视觉关系进行编码,本文提出了一种基于多模态特征转换嵌入的场景图生成框架,可对提取的视觉和语言等多模态特征进行重映射,最后使用重映射的特征进行谓语类别预测,从而在不明显增加模型复杂度的前提下构建更好的关系表示。该框架囊括并补充了现存的几乎所有转换嵌入模型的场景图实现,将四种转换嵌入模型(TransE、TransH、TransR、TransD)分别应用于场景图生成任务,同时详细阐述了不同的视觉关系类型适用的模型种类。本文所提框架扩展了传统应用方式,除独立模型之外,本文设计了新的应用方式,即作为即插即用的子模块插入到其他网络模型。本文利用大规模语义理解的视觉基因组数据集进行实验,实验结果充分验证了所提框架的有效性,同时,得到的更丰富的类别预测结果表明了本文所提框架有助于解决数据集中的长尾偏差问题。

关键词：场景图生成知识图谱转换嵌入模型图像语义场景理解

来源：评论

学校读者我要写书评

暂无评论

基于多层显著性模型的SAR图像舰船目标检测

引用

系统工程与电子技术 2024年第2期46卷 478-487页

作者：扈琪胡绍海刘帅奇河北大学电子信息工程学院河北保定071002 北京交通大学信息科学研究所北京100044 现代信息科学与网络技术北京市重点实验室北京100044

针对合成孔径雷达图像舰船目标检测问题,提出了一种结合选择机制与轮廓信息的多层显著性目标检测方法。首先,利用非下采样剪切波和频谱残差法进行全局显著性区域提取。其次,提出了一种基于动态恒虚警率的活动轮廓显著性模型,逐步滤除候... 详细信息

针对合成孔径雷达图像舰船目标检测问题,提出了一种结合选择机制与轮廓信息的多层显著性目标检测方法。首先,利用非下采样剪切波和频谱残差法进行全局显著性区域提取。其次,提出了一种基于动态恒虚警率的活动轮廓显著性模型,逐步滤除候选区域的虚警,提取目标轮廓,从而实现目标的精确检测。所提方法能够由粗到细地快速捕获目标区域,从而实现高效、高分辨率合成孔径雷达图像舰船检测。最后,在真实SAR数据集进行了测试,与其他经典的舰船检测方法相比,所提算法不仅有效地抑制了海杂波的影响,而且在检测精度上有较大提高。

关键词： SAR图像目标检测非下采样剪切波变换显著性检测活动轮廓模型

来源：评论

学校读者我要写书评

暂无评论

基于GBDT的铁路事故类型预测及成因分析

引用

自动化学报 2022年第2期48卷 470-478页

作者：钟敏慧张婉露李有儒朱振峰赵耀北京交通大学信息科学研究所北京100044 北京市现代信息科学与网络技术重点实验室北京100044

运用数据挖掘技术进行铁路事故类型预测及成因分析,对于建立铁路事故预警机制具有重要意义.为此,本文提出一种基于梯度提升决策树(Grandient boosting decision tree,GBDT)的铁路事故类型预测及成因分析算法.针对铁路事故记录数据缺失... 详细信息

运用数据挖掘技术进行铁路事故类型预测及成因分析,对于建立铁路事故预警机制具有重要意义.为此,本文提出一种基于梯度提升决策树(Grandient boosting decision tree,GBDT)的铁路事故类型预测及成因分析算法.针对铁路事故记录数据缺失的问题,提出一种基于属性分布概率的补全算法,最大程度保持原有数据分布,从而降低数据缺失对事故类型预测造成的影响.针对铁路事故记录数据类别失衡的问题,提出一种集成的GBDT模型,完成对事故类型的鲁棒性预测.在此基础上,根据GBDT预测模型中特征重要度排序,实现事故成因分析.通过在开放数据库上进行实验,验证了本文模型的有效性.

关键词：事故类型预测缺失补全 GBDT 集成学习成因分析

来源：评论

学校读者我要写书评

暂无评论

基于无监督深度学习的红外与可见光图像融合

引用

航空学报 2022年第S01期43卷 173-181页

作者：孙秀一胡绍海马晓乐北京交通大学信息科学研究所北京100044 现代信息科学与网络技术北京市重点实验室北京100044

目前已知的多数基于卷积神经网络的红外与可见光图像融合模型没有充分利用来自可见光源图像的层次特征,因此导致融合图像细节纹理不足。受残差网络和密集网络的启发,提出了一种基于无监督深度学习的图像融合算法来解决融合图像细节纹理... 详细信息

目前已知的多数基于卷积神经网络的红外与可见光图像融合模型没有充分利用来自可见光源图像的层次特征,因此导致融合图像细节纹理不足。受残差网络和密集网络的启发,提出了一种基于无监督深度学习的图像融合算法来解决融合图像细节纹理信息不足的问题。使用的残差密集块有连续存储机制,最大程度地保留每层的特征信息,局部残差融合和全局残差融合的设计有利于学习图像中的结构纹理。此外,为了更好地保留可见光图像中的细节纹理,引入了生成对抗网络对数据集进行无监督学习。主客观实验表明,该算法不仅获得了良好的视觉融合效果,融合图像具有更多的边缘纹理信息,在客观评价指标上对比现有优秀的算法也较大的提升。

关键词：无监督学习残差密集网络生成对抗网络红外图像可见光图像图像融合

来源：评论

学校读者我要写书评

暂无评论

基于生成对抗网络的布里渊分布式光纤传感器降噪

引用

光学学报 2024年第1期44卷 387-397页

作者：罗阔王宇瑶朱柏蓉余贶琭北京交通大学信息科学研究所北京100044 现代信息科学与网络技术北京市重点实验室北京100044 香港理工大学电子及信息工程系光子研究所中国香港999077

首先,利用自洽约束生成对抗网络(SCGAN)建模布里渊增益谱(BGS)中的真实噪声分布,生成噪声数据用于去噪卷积神经网络训练。通过对高斯噪声和SCGAN生成噪声进行直方图统计和幅度谱分析,证明了两种噪声的差异。然后,利用2种噪声分别训练3... 详细信息

首先,利用自洽约束生成对抗网络(SCGAN)建模布里渊增益谱(BGS)中的真实噪声分布,生成噪声数据用于去噪卷积神经网络训练。通过对高斯噪声和SCGAN生成噪声进行直方图统计和幅度谱分析,证明了两种噪声的差异。然后,利用2种噪声分别训练3种最新的去噪卷积神经网络,在不同温度、不同信噪比的实验数据上对比了各网络的性能。实验结果表明,所提方法能准确获取低信噪比BGS的布里渊频移,说明基于生成对抗网络的噪声提取方式能够有效地建模真实噪声,更好地训练有监督网络。

关键词：光纤光学布里渊分布式光纤传感图像去噪生成对抗网络自洽约束噪声建模

来源：评论

学校读者我要写书评

暂无评论

基于双层金属光栅的高消光比高透过率太赫兹偏振器

引用

电子学报 2023年第10期51卷 2733-2738页

作者：冀允允范飞程洁嵘王湘晖常胜江南开大学现代光学研究所天津微尺度光学信息技术科学重点实验室天津光电子传感器与传感网络技术重点实验室

本文设计了一种基于双层金属亚波长光栅的太赫兹偏振器，其可以实现高透过率和良好消光比的特性.该偏振器是通过微加工技术在薄石英衬底的上下表面上制备而成的.实验和模拟结果均表明，双层金属光栅具有与单层金属光栅相近的透过率、更... 详细信息

本文设计了一种基于双层金属亚波长光栅的太赫兹偏振器，其可以实现高透过率和良好消光比的特性.该偏振器是通过微加工技术在薄石英衬底的上下表面上制备而成的.实验和模拟结果均表明，双层金属光栅具有与单层金属光栅相近的透过率、更高的偏振度和更高的消光比.在0.3～2.0 THz的频率范围内，测量的透过率在83.4%到62.7%之间，偏振度大于99.7%，消光比大于29 dB.此外，设计的两种双层金属光栅偏振器件成功地应用于太赫兹时域光谱（TeraHertz Time Domain Spectroscopy,THz-TDS）系统中，获得了超过96.2%的偏振度和超过17.1 dB的消光比.通过调整金属亚波长光栅的参数（例如间距、线宽和金属膜厚度），可以进一步提高透过率、偏振度和消光比等特性.

关键词：太赫兹偏振器双层金属光栅亚波长消光比高透过率

来源：评论

学校读者我要写书评

暂无评论

一种基于Transformer架构的多层级自动睡眠分期模型

引用

电子学报 2025年第2期53卷 545-557页

作者：金峥贾克斌北京工业大学信息科学技术学院北京100124 先进信息网络北京实验室北京100124 计算智能与智能系统北京市重点实验室北京100124

睡眠是人体保持健康的重要生理过程,基于多导睡眠图(PolySomnoGraphy,PSG)的睡眠分期是诊疗睡眠疾病和评估睡眠质量的重要依据.人工睡眠分期法在处理大规模PSG数据时存在耗时久、效率低的问题,采用深度学习模型有效表征PSG的自动睡眠分... 详细信息

睡眠是人体保持健康的重要生理过程,基于多导睡眠图(PolySomnoGraphy,PSG)的睡眠分期是诊疗睡眠疾病和评估睡眠质量的重要依据.人工睡眠分期法在处理大规模PSG数据时存在耗时久、效率低的问题,采用深度学习模型有效表征PSG的自动睡眠分期法显现出广阔的研究前景.针对现有模型未充分考虑PSG片段内波形信息、通道间相关性信息、片段间睡眠转换信息的问题,本文提出一种基于Transformer架构的多层级睡眠分期网络模型(Hierarchical transFormer sleep staging model,HierFormer),采用Transformer编码器有效提取片段内波形特征、通道相关性特征、片段间转换特征,并结合注意力机制综合提升模型对于PSG片段内、通道间、片段间三种视角信号特性的可解释性.基于睡眠集-欧洲数据格式(sleep-European Data Format,sleep-EDF)扩展睡眠数据集开展的实验结果表明:本文模型利用更少的参数量取得优于多种现有基线模型的分期性能,分类准确率、宏平均精确率、宏平均召回率、宏平均F1分数、科恩卡帕系数分别可达到0.807、0.784、0.735、0.750和0.721.通过在三种视角下不同特征编码方式的性能对比和注意力分数的可视化,本文进一步证明了所提模型良好的编码能力和可解释性.本研究旨在为睡眠分期领域的深度学习应用提供新途径和新技术,从而辅助医生提升睡眠疾病诊疗效率.

关键词：多导睡眠图(PSG) 自动睡眠分期深度神经网络 Transformer架构注意力机制模型可解释性

来源：评论

学校读者我要写书评

暂无评论

适用于超奈奎斯特系统的高性能时钟恢复算法

引用

光学学报 2025年第3期45卷 40-50页

作者：赖凤英耿敏明莫媛岑睿刘嫱张振荣广西大学计算机与电子信息学院广西南宁530004 广西多媒体通信与网络技术重点实验室广西南宁530004 广西高校多媒体通信与信息处理重点实验室广西南宁530004 广西信息科学实验中心广西桂林541004

在超奈奎斯特系统中,针对较小压缩因子引入的较严重码间干扰对时钟恢复模块的影响,以及时钟恢复模块和自适应均衡模块相互制约而导致的性能受限问题,研究了无数据辅助的自适应均衡与时钟恢复联合算法。该方案将自适应均衡模块嵌入到时... 详细信息

在超奈奎斯特系统中,针对较小压缩因子引入的较严重码间干扰对时钟恢复模块的影响,以及时钟恢复模块和自适应均衡模块相互制约而导致的性能受限问题,研究了无数据辅助的自适应均衡与时钟恢复联合算法。该方案将自适应均衡模块嵌入到时钟恢复同步环路中,可以同时完成时钟同步、信道均衡和偏振解复用等功能。在背对背传输条件下,分别仿真验证了传统的非联合方案和所提出的无数据辅助联合方案在不同采样频率误差和不同压缩因子时的收敛性能。仿真结果表明:在压缩因子为0.85、调制格式为16阶正交振幅调制(16QAM)的超奈奎斯特系统中,相较于传统的非联合方案,该联合方案能够有效地提升时钟恢复模块的收敛性能,收敛代价至少降低约51%;在偏振模色散分别为0 ps和200 ps时,联合方案到达2×10^(-2)误码率阈值的光信噪比代价分别降低0.9 d B和1.5 d B。

关键词：光通信相干通信超奈奎斯特时钟恢复自适应均衡

来源：评论

学校读者我要写书评

暂无评论

多阶段重建内容协同优化的图像修复算法

引用

信号处理 2025年第2期41卷 325-337页

作者：秦佳白慧慧王梦丽翟双姣晋赞霞秦品乐曾建潮中北大学计算机科学与技术学院山西太原030051 北京交通大学信息科学研究所北京100044 现代信息科学与网络技术北京市重点实验室北京100044

随着数字图像技术的快速发展,图像已经成为日常生活学习中信息传递的重要载体之一。然而,由于错误传输、不当存储或者关键信息被遮挡等情况造成的图像信息丢失,往往影响人们对图像信息的理解和分析。近几年,大量渐进式图像修复算法被提... 详细信息

随着数字图像技术的快速发展,图像已经成为日常生活学习中信息传递的重要载体之一。然而,由于错误传输、不当存储或者关键信息被遮挡等情况造成的图像信息丢失,往往影响人们对图像信息的理解和分析。近几年,大量渐进式图像修复算法被提出,通过由粗到精的修复方式逐步生成受损图像的缺失信息,使修复后的图像在视觉和内容上接近原始图像。然而,在这种渐进式图像修复的结构中,低渐进层的错误往往容易传递到高渐进层中,造成修复结果在图像内容上有误,难以达到人眼视觉要求。针对这一问题,本文提出了一种多阶段重建内容协同优化的图像修复算法(Image inpainting algorithm based on multi-stage reconstruction collaborative optimization,MSNet),在渐进修复中融入并行结构,通过对三阶段渐进层内容的协同优化,提高修复结果的准确性。具体来说,在该网络的初步修复阶段后,提出了一种并行的图像内容精细化修复模块(Parallel image content refinement module,PCRM),通过基于自注意力的U-Net和增强的残差网络两个分支并行地修复图像结构和细节信息。其中,基于自注意力的U-Net倾向于对图像的结构特征进行抽象提取,并通过Multi-Head自注意力机制进行全局恢复。而增强残差网络结构则通过优化特征值区分度的方式,提升重要细节信息的表征能力,使残差网络能够更关注于重要细节的恢复。在PCRM后,为了融合第二阶段所得的多个修复重建信息,细节-结构融合模块被提出来,将细节信息合理嵌入到结构中,提高多渐进层特征在空间表征上的兼容性,减少纹理与结构不统一所造成的图像视觉不连续问题,以生成更加符合客观现实的修复结果。实验结果表明,与现有的修复算法对比,本文提出的算法可以生成纹理更加清晰,视觉上更加逼真的结果。

关键词：图像修复特征融合渐进式图像修复图像复原

来源：评论

学校读者我要写书评

暂无评论

面向压缩图像复原的网络增强训练方法

引用

信号处理 2022年第6期38卷 1192-1201页

作者：廖理心赵耀韦世奎北京交通大学信息科学研究所现代信息科学与网络技术北京市重点实验室

高质量的数据是深度卷积神经网络成功的关键因素之一。在计算机视觉领域，常用图像数据集通常以JPEG格式存储。这种有损压缩技术不可避免地会导致原始数据信息的丢失，进而造成利用压缩数据训练的卷积神经网络的性能降低。因此，为了增... 详细信息

高质量的数据是深度卷积神经网络成功的关键因素之一。在计算机视觉领域，常用图像数据集通常以JPEG格式存储。这种有损压缩技术不可避免地会导致原始数据信息的丢失，进而造成利用压缩数据训练的卷积神经网络的性能降低。因此，为了增强卷积神经网络的性能，本文提出了一种面向压缩图像复原的增强训练方法，通过复原压缩图像实现卷积神经网络的性能增强。该方法具体为一个包含复原模块和任务模块的联合增强框架。复原模块致力于恢复有损压缩技术造成的信息丢失；任务模块专注于基于任务需求增强压缩图像。两个模块联合训练，使得压缩图像的复原增强更具有目的性。本文通过图像分类任务的实验表明，与压缩图像相比，该方法能有效地复原压缩图像，增强卷积神经网络的性能。此外，该方法中两个模块间的低耦合性和可替代性保证了该方法的适用性。

关键词：压缩图像复原联合增强

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：