检索结果-内蒙古大学图书馆

计算机应用研究 2024年第11期41卷 3509-3514页

作者：林乐平胡尚鋆欧阳宁桂林电子科技大学认知无线电与信息处理省部共建教育部重点实验室广西桂林541004 桂林电子科技大学信息与通信学院广西桂林541004

针对目前基于非迭代式网络的图像压缩感知重建方法存在着细节处理能力不足以及测量值利用不充分的问题,提出了一种双U型门控网络(dual U-shaped gated network, DUGN)用于图像压缩感知重建。该方法在原有的U型结构网络的基础上进行了改... 详细信息

针对目前基于非迭代式网络的图像压缩感知重建方法存在着细节处理能力不足以及测量值利用不充分的问题,提出了一种双U型门控网络(dual U-shaped gated network, DUGN)用于图像压缩感知重建。该方法在原有的U型结构网络的基础上进行了改进,提升了U型结构网络在压缩感知任务中的学习能力。在测量值的利用上,结合交叉注意力机制,提出了一种测量值非局部融合模块(measurements non-local fusion, MNLF),用于将测量值中的非局部信息融合到深层网络中,指导网络进行重建,提升模型性能。此外,在基本模块的设计上,提出了窗口门控网络模块(window gated network, WGN),增强了网络的细节处理能力。实验结果表明,与已有的压缩感知重建方法相比,DUGN在Set11数据集上有着更高的PSNR和SSIM,且在图像重建的真实性上有着更好的表现。

关键词：图像压缩感知重建非局部先验 U型网络门控网络

来源：评论

学校读者我要写书评

暂无评论

结合感知边缘约束与多尺度融合网络的图像超分辨率重建方法

引用

计算机应用 2020年第10期40卷 3041-3047页

作者：欧阳宁韦羽林乐平认知无线电与信息处理省部共建教育部重点实验室(桂林电子科技大学) 广西桂林541004 桂林电子科技大学信息与通信学院广西桂林541004

针对图像超分辨率重建模型需要大量参数去捕获低分辨率(LR)图像和高分辨率(HR)图像之间的统计关系,以及使用L1或L2损失优化的网络模型不能有效恢复图像高频细节等问题,提出一种结合感知边缘约束与多尺度融合网络的图像超分辨率重建方法... 详细信息

针对图像超分辨率重建模型需要大量参数去捕获低分辨率(LR)图像和高分辨率(HR)图像之间的统计关系,以及使用L1或L2损失优化的网络模型不能有效恢复图像高频细节等问题,提出一种结合感知边缘约束与多尺度融合网络的图像超分辨率重建方法。该方法基于由粗到细的思想,设计了一种两阶段的网络模型。第一阶段通过卷积神经网络(CNN)提取图像特征,并将图像特征上采样至HR大小,得到粗糙特征;第二阶段使用多尺度估计将低维统计模型逐步逼近高维统计模型,将第一阶段输出的粗糙特征作为输入来提取图像多尺度特征,并通过注意力融合模块逐步融合不同尺度特征,以精细化第一阶段提取的特征。同时,该方法引入一种更丰富的卷积特征用于边缘检测,并将其作为感知边缘约束来优化网络,以更好地恢复图像高频细节。在Set5、Set14和BSDS100等基准数据集上进行实验,结果表明与现有的基于CNN的超分辨率重建方法相比,该方法不但能够重建出更为清晰的边缘和纹理,而且在×3和×4放大因子下的峰值信噪比(PSNR)和结构相似度(SSIM)都取得了一定的提升。

关键词：卷积神经网络多尺度注意力融合感知边缘约束超分辨率重建

来源：评论

学校读者我要写书评

暂无评论

基于多姿态特征融合生成对抗网络的人脸校正方法

引用

计算机应用 2020年第10期40卷 2856-2862页

作者：林乐平李三凤欧阳宁认知无线电与信息处理省部共建教育部重点实验室(桂林电子科技大学) 广西桂林541004 桂林电子科技大学信息与通信学院广西桂林541004

针对人脸校正中单幅图像难以解决大姿态侧脸的问题,提出一种基于多姿态特征融合生成对抗网络(MFFGAN)的人脸校正方法,利用多幅不同姿态侧脸之间的相关信息来进行人脸校正,并采用对抗机制对网络参数进行调整。该方法设计了一种新的网络,... 详细信息

针对人脸校正中单幅图像难以解决大姿态侧脸的问题,提出一种基于多姿态特征融合生成对抗网络(MFFGAN)的人脸校正方法,利用多幅不同姿态侧脸之间的相关信息来进行人脸校正,并采用对抗机制对网络参数进行调整。该方法设计了一种新的网络,包括由多姿态特征提取、多姿态特征融合、正脸合成三个模块组成的生成器,以及用于对抗训练的判别器。多姿态特征提取模块利用多个卷积层提取侧脸图像的多姿态特征;多姿态特征融合模块将多姿态特征融合成包含多姿态侧脸信息的融合特征;而正脸合成模块在进行姿态校正的过程中加入融合特征,通过探索多姿态侧脸图像之间的特征依赖关系来获取相关信息与全局结构,可以有效提高校正结果。实验结果表明,与现有基于深度学习的人脸校正方法相比,所提方法恢复出的正脸图像不仅轮廓清晰,而且从两幅侧脸中恢复出的正脸图像的识别率平均提高了1.9个百分点,并且输入侧脸图像越多,恢复出的正脸图像的识别率越高,表明所提方法可以有效融合多姿态特征来恢复出轮廓清晰的正脸图像。

关键词：多幅人脸校正多姿态特征融合特征依赖关系深度学习生成对抗网络

来源：评论

学校读者我要写书评

暂无评论

轻量级的三维点云识别方法

引用

计算机工程与设计 2021年第10期42卷 2931-2937页

作者：欧阳宁陆兆能林乐平桂林电子科技大学认知无线电与信息处理省部共建教育部重点实验室广西桂林541004 桂林电子科技大学信息与通信学院广西桂林541004

针对当前三维点云识别方法存在时间和空间复杂度较高的问题,提出一种轻量级的三维点云识别方法。使用最远点采样法从原始点云中获取采样点,在采样点处构建K近邻图来有效获取点云的局部结构信息,大幅度降低网络的计算复杂度;使用注意力... 详细信息

针对当前三维点云识别方法存在时间和空间复杂度较高的问题,提出一种轻量级的三维点云识别方法。使用最远点采样法从原始点云中获取采样点,在采样点处构建K近邻图来有效获取点云的局部结构信息,大幅度降低网络的计算复杂度;使用注意力机制突出局部区域不同K近邻点的重要性,达到增强局部结构特征的目的;利用分组卷积提取高层次的局部结构特征的同时减少卷积层的参数量。在保证较高的识别准确率的前提下减少全连接层的参数量。在ModelNet40数据集上的实验结果表明,该方法的识别准确率达到同等或更优水平,网络模型的参数量得到大幅度减少,训练时间和测试时间更短,同时保持较高的鲁棒性。

关键词：三维点云识别 K近邻图最远采样法注意力机制分组卷积轻量级

来源：评论

学校读者我要写书评

暂无评论

基于多特征SSA-ELM的调制识别

引用

电讯技术 2022年第8期62卷 1044-1050页

作者：肖潇谢跃雷桂林电子科技大学信息与通信学院广西桂林541004 认知无线电与信息处理省部共建教育部重点实验室广西桂林541004

针对当前通信信号调制识别算法在低信噪比环境下识别率不高、训练速度慢、识别类型受限等问题,提出了一种基于多特征麻雀搜索算法-极限学习机(Sparrow Search Algorithm-Extreme Learning Machine,SSA-ELM)的信号调制识别方法。该方法... 详细信息

针对当前通信信号调制识别算法在低信噪比环境下识别率不高、训练速度慢、识别类型受限等问题,提出了一种基于多特征麻雀搜索算法-极限学习机(Sparrow Search Algorithm-Extreme Learning Machine,SSA-ELM)的信号调制识别方法。该方法基于四阶和六阶累积量构造两个特征参数,引入分数阶小波变换,利用分数域小波系数构造特征值,组成三维特征向量后输入SSA-ELM网络进行分类。仿真及USRP(Universal Software Radio Peripheral)采集数据验证结果表明,所提特征参数具有较好鲁棒性,且SSA算法优化后的ELM网络分类性能得到明显提高,在SNR等于6 dB时两种方法识别率均达到90%,且最高识别率达到94%。

关键词：通信信号调制识别分数阶小波变换麻雀搜索算法极限学习机

来源：评论

学校读者我要写书评

暂无评论

时频压缩随机共振用于转子故障早期检测

引用

电机与控制学报 2011年第6期15卷 38-44页

作者：王国富张海如张法全叶金才桂林电子科技大学认知无线电与信息处理教育部重点实验室广西桂林541004 中国科学院西安光学精密机械研究所陕西西安710119

针对随机共振系统仅适用于小参数(小幅值、小频率)系统,而转子故障信号频率较高的问题。依据随机共振系统的基本理论,通过引入时频压缩算法,消除了随机共振系统对待测信号频率的限制,把随机共振系统扩展到全频段。理论和实测结果表明:... 详细信息

针对随机共振系统仅适用于小参数(小幅值、小频率)系统,而转子故障信号频率较高的问题。依据随机共振系统的基本理论,通过引入时频压缩算法,消除了随机共振系统对待测信号频率的限制,把随机共振系统扩展到全频段。理论和实测结果表明:通过连续的压缩变换,获得一个适当的输入信号到随机共振系统,根据谐振峰的变化及发变换运算即可得到原始信号所含的未知频率。该算法比传统扫频算法快了6个数量级,可以在极限信噪比下检测出故障信号(-50dB)。

关键词：转子随机共振时频压缩早期故障检测弱信号检测

来源：评论

学校读者我要写书评

暂无评论

基于弱化与增强网络的雷达信号识别

引用

电讯技术 2024年第11期64卷 1844-1849页

作者：施力泉张红梅桂林电子科技大学信息与通信学院广西桂林541004 认知无线电与信息处理省部共建教育部重点实验室广西桂林541004

针对传统方法在低信噪比情况下雷达信号特征提取困难、识别准确率较低的问题,提出了一种基于时频分析和深度学习的雷达信号识别方法。首先利用Choi-Williams分布将时域信号转换成时频图像,然后将时频图像作为网络的输入,通过弱化与增强... 详细信息

针对传统方法在低信噪比情况下雷达信号特征提取困难、识别准确率较低的问题,提出了一种基于时频分析和深度学习的雷达信号识别方法。首先利用Choi-Williams分布将时域信号转换成时频图像,然后将时频图像作为网络的输入,通过弱化与增强残差块来实现对时频图像中噪声信息的弱化以及不同特征形态间差异性的增强,最终实现分类识别。实验结果表明,在信噪比为-10 dB情况下平均识别准确率仍能达到94.5%以上。

关键词：雷达信号识别低信噪比信号时频分析深度学习弱化与增强

来源：评论

学校读者我要写书评

暂无评论

基于压缩感知的一种改进射电图像重建算法

引用

现代电子技术 2020年第9期43卷 46-50页

作者：潘润宁桂林电子科技大学教育部认知无线电与信息处理重点实验室广西桂林541004

针对射电天文图像重建中由于越来越大的数据集产生的保证与提高图像重建质量的问题,提出一种基于压缩感知技术的射电干涉图像凸优化重构算法。该算法对原始对偶算法引入迭代收缩算子和阈值模型,迭代收缩算子在每一步迭代过程中利用前两... 详细信息

针对射电天文图像重建中由于越来越大的数据集产生的保证与提高图像重建质量的问题,提出一种基于压缩感知技术的射电干涉图像凸优化重构算法。该算法对原始对偶算法引入迭代收缩算子和阈值模型,迭代收缩算子在每一步迭代过程中利用前两点进行组合更新,迭代过程更为精确,通过阈值模型克服不连续性产生的伪吉布斯效应,使得重建射电图像光滑并保留了有用高频信息。实验结果表明,改进算法在信噪比与重建精度方面优于PD算法,得到了更好的效果。

关键词：射电图像重建压缩感知原始对偶算法射电天文观测凸优化算法阈值去噪

来源：评论

学校读者我要写书评

暂无评论

基于RFID覆盖扫描的标签定位方法

引用

计算机工程 2017年第3期34卷 294-298页

作者：李强王玫刘争红桂林电子科技大学教育部认知无线电与信息处理重点实验室广西桂林541004

为提高接收信号强度指标室内定位精度,提出一种基于参考标签和旋转无线射频识别(RFID)阅读器的定位方法。在室内环境下手动旋转阅读器建立读写区域,将2个区域交点作为目标定位点的坐标估值。利用优化分析或聚类分析算法对估值点进行处理... 详细信息

为提高接收信号强度指标室内定位精度,提出一种基于参考标签和旋转无线射频识别(RFID)阅读器的定位方法。在室内环境下手动旋转阅读器建立读写区域,将2个区域交点作为目标定位点的坐标估值。利用优化分析或聚类分析算法对估值点进行处理,从而得到精确定位值。实验结果表明,在2.8 m×2.8 m,5.6 m×5.6 m,8.4 m×8.4 m的室内环境下,该方法的定位误差分别低至4 cm,9 cm,18 cm,可满足仓库、超市等室内场景的定位要求。

关键词：无线射频识别阅读器参考标签优化分析聚类分析室内定位

来源：评论

学校读者我要写书评

暂无评论

基于VAE的伪样本重排练实现的类增量学习

引用

计算机工程与设计 2021年第8期42卷 2284-2290页

作者：莫建文陈瑶嘉桂林电子科技大学信息与通信学院认知无线电与信息处理省部共建教育部重点实验室广西桂林541004 桂林电子科技大学信息与通信学院广西桂林541004

针对神经网络模型进行类增量学习时产生的灾难性遗忘问题,提出一种基于VAE的伪样本重排练实现的类增量学习方法。采用VAE生成伪样本的方法,实现重排练,生成与真实图像相似的伪图像;引入大边界Softmax损失训练分类器,使分类器学习到类间... 详细信息

针对神经网络模型进行类增量学习时产生的灾难性遗忘问题,提出一种基于VAE的伪样本重排练实现的类增量学习方法。采用VAE生成伪样本的方法,实现重排练,生成与真实图像相似的伪图像;引入大边界Softmax损失训练分类器,使分类器学习到类间距离更大、类内距离更小的特征;采用一种基于类均值特征的伪样本选择策略,基于分类器训练样本的类均值特征,使筛选出来的伪样本更具代表性。在MNIST、FASHION数据集上的实验结果表明,所提方法能有效减少灾难性遗忘的影响,提高图像分类精度。

关键词：类增量学习灾难性遗忘伪样本重排练变分自编码器伪样本选择

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：