课程文献中心 更多>>

关键词： 多目标检测   YOLOv8   轻量化   共享卷积   Wise-IoU  

摘要： 本文提出了一种多机制融合的轻量化交通多目标检测算法,该算法以YOLOv8算法的基本网络结构为基础,通过引入多种机制对YOLOv8算法进行改进,以实现轻量化的目的,并且在确保轻量化的前提下,能够尽量保持YOLOv8算法的高检测精度。本文主要做了三方面的创新工作:1) 设计了FasterC2f模块,替代了YOLOv8算法中的C2f模块,该模块通过降维策略,对输入特征图进行高效处理,显著降低了模型的参数总量与计算复杂度;2) 设计了一种轻量化的检测头架构——Lightweight Shared Convolutional Detection (LSCD),通过引入共享卷积机制,有效减少了检测头的参数量,同时增强了特征图之间的全局信息融合能力,确保了较高的检测精度;3) 对损失函数进行改进,引入Wise-IoU机制,在不增加复杂度的前提下,进一步提高算法的检测精度。实验结果表明,本文提出的算法在交通多目标检测任务上取得了优异的表现,不仅在模型体积和计算量上实现了显著的轻量化,而且保持了较高的检测精度。This paper presents a lightweight multi-target traffic detection algorithm that integrates multiple mechanisms. Based on the fundamental network architecture of the YOLOv8 algorithm, this algorithm introduces various mechanisms to improve YOLOv8, aiming to achieve lightweightness while maintaining its high detection accuracy as much as possible. The main innovations of this paper lie in three aspects: 1) A FasterC2f module is designed to replace the C2f module in YOLOv8. This module employs a dimensionality reduction strategy to efficiently process input feature maps, significantly reducing the total number of model parameters and computational complexity. 2) A lightweight detection head architecture, named Lightweight Shared Convolutional Detection (LSCD), is devised. By incorporating a shared convolutional mechanism, it effectively decreases the number of parameters in the detection head while enhancing the global information fusion capability among feature maps, thereby ensuring high detection accuracy. 3) The loss function is improved by introducing the Wise-IoU mechanism, which further enhances the detection accuracy of the algorithm without increasing its complexity. Experimental results demonstrate that the proposed algorithm exhibits excellent performance in multi-target traffic detection tasks, achieving remarkable lightweightness in terms of model size and computational cost while maintaining high detection accuracy.

关键词： 光子计数探测器CT   虚拟非碘算法   纯净钙化算法   冠状动脉钙化积分   冠状动脉疾病  

摘要： 目的 基于光子计数探测器CT(PCD-CT)纯净钙化(PureCalcium)虚拟非碘算法在不同的层厚、keV和量子迭代重建(QIR)参数下测得冠状动脉钙化积分(CACS),评估其定量的准确性并探讨最优的重建参数。方法前瞻性纳入行PCD-CT CCTA检查的病人64例。以常规真实平扫(TNC)影像获得的CACS_(TNC)为参考标准,采用不同参数[层厚(3 mm、1.5 mm),keV(55~75)和QIR(1、4)]重建得到_(PureCalcium)影像并计算CACS_(PureCalcium)。使用Wilcoxon符号秩检验比较CACS_(PureCalcium)与CACS_(TNC),采用Spearman相关系数、组内相关系数(ICC)和Bland-Altman检验对CACS_(PureCalcium)与CACS_(TNC)进行相关性分析和一致性检验。结果 采用层厚3 mm,55/60/65 keV+QIR 1/4、70 keV+QIR 1以及采用层厚1.5 mm,55 keV+QIR 1/4和60 keV+QIR 1获得的CACS_(PureCalcium)与CACS_(TNC)相比,差异均无统计学意义(均P>0.05)。以不同的层厚、keV和QIR强度获得的CACS_(PureCalcium)与CACS_(TNC)均呈正相关(r:0.94~0.98,均P<0.05)。采用层厚1.5 mm+55 keV+QIR 1得出的CACS_(PureCalcium)和CACS_(TNC)的偏倚最小(偏倚:4.28,95%一致性上限/下限:167.29/-158.72)。结论 不同的层厚、keV、QIR对CACS的结果均有显著影响,层厚1.5 mm+55 keV+QIR 1参数重建下的CACS_(PureCalcium)更接近CACS_(TNC)。

关键词： 阵列信号处理   入侵杂草算法   阵元失效校正   方向图综合   副瓣电平抑制  

摘要： 阵列天线由许多辐射天线阵元组成,当阵元失效的情况发生时,阵列辐射远场方向图将发生不同程度的畸变,严重影响天线系统的正常使用。因此,采用优化算法降低方向图畸变程度,恢复方向图辐射特性,是十分有必要的。本文设计了自适应入侵杂草优化(Adaptive Invasive Weed Optimization,AIWO)算法,并利用其解决雷达天线阵元失效校正问题。算法中的自适应标准差随着迭代次数增加而逐渐减小,每个杂草个体根据其适应度值不同被分配不同的标准差。自适应标准差的使用,更好地平衡了算法的全局探索和局部勘探能力,混沌序列的引入提高了最优杂草的局部抗停滞能力,使得原始算法的寻优精度都得到了提高。本文算法在方向图综合的目标函数中设计增加了公共激励约束条件以提高天线系统的稳定性并降低系统维护成本,对比现有两种算法,在更为苛刻的阵列形式下,本文综合所得公共激励占比由0分别上升至17.4%,且修复前后场方向图的辐射特性满足指标要求,结果证明了算法的阵元失效校正性能突出。

关键词： 点云数据   人工势场算法   安全避障策略  

摘要： 传统的避障算法在处理复杂环境如多障碍物紧密排列时,常遇到路径规划困难和易陷入局部最小值等问题。针对这些问题,文章提出了一种改进的人工势场避障算法,使机器人能够在复杂的环境中避开任意形状的障碍物,并找到有效的路径。针对不规则大型障碍物,文章采用了激光扫描的方式来获取它们表面的点云数据,并对这些数据进行分析和处理,以获得障碍物的参数,将这些参数收集到数据集中。为了解决传统人工势场算法容易陷入局部稳定的问题,所提算法使用了基于表面点的障碍物感知和斥力生成,并针对抖动点的问题提出了一种新的安全避障策略。通过对比实验,结果表明所提避障算法显著提升了机器人在复杂障碍物环境下的避障能力,展示了该算法的有效性和优势。

关键词： 关系矩阵   相对粒度   属性约简  

摘要： 属性约简是粗糙集和粒计算理论中一项重要的数据处理方法。针对传统属性约简算法在处理动态数据问题上的不足,在相对粒度的基础上,利用关系矩阵研究了当决策信息系统的对象变化时,相对粒度的增量式变化机制。根据这种变化机制,提出了基于关系矩阵的相对粒度增量式属性约简算法,提高了属性约简效率。

关键词： 光伏电池   最大功率点跟踪   扰动观察法  

摘要： 光伏电池的输出功率随光照强度和环境温度的变化而变化,设计合理的最大功率点跟踪(Maximum Power Point Tracking, MPPT)算法对于太阳能的高效利用具有重要的意义。本文以某分布式光伏发电系统为例,首先基于光伏电池的等效电路,通过MATLAB/Simulink建模对光伏电池输出功率与光照和温度之间的关系进行了分析;然后,设计了Boost升压电路,可得到稳定的750V直流母线电压;最后,在变步长扰动观察法的基础上引入阶矩因子g和步长函数t(k)对ΔU进行变化,进一步验证了最大功率点的跟踪效果。研究结果表明,该算法简便可行,能够使光伏电池在光照强度和温度发生变化时输出最大功率。

关键词： 肾肿瘤   诊断   影像组学   机器学习   体层摄影术   X线计算机  

摘要： 目的:比较基于CT平扫影像组学特征的机器学习算法模型与放射科医师对囊性肾占位性病变(CRM)的诊断效能。方法:招募来自广东省中医院5家分院经病理诊断的CRM患者207例,其中4家162例(内部测试集)按7∶3比例随机分为训练集与验证集,训练集提取CT平扫影像组学特征用于机器学习算法建模,由2位放射科医师进行全肿瘤分割。使用单变量分析、最小绝对收缩和选择算子(LASSO)算法及双向消除法筛选ICC>0.75的特征,以构建朴素贝叶斯、梯度提升算法(GBM)及主成分分析(PCA)的监督与非监督影像组学机器学习算法模型,进行验证集验证,在珠海分院45例(外部测试集)中完成外部测试。使用ROC曲线评估机器学习算法模型诊断效能,并与放射科医师诊断结果进行比较。结果:207例中,良性92例,恶性115例。放射科医师诊断的敏感度、特异度、准确率分别为84.2%、91.1%和85.5%,AUC为0.87。机器学习算法模型在训练集和验证集中诊断效能相近[训练集敏感度(95.3%~100.0%)、特异度(93.4%~100.0%)、准确率(94.4%~100.0%)、AUC(0.97~1.00);验证集敏感度(83.3%~89.9%)、特异度(87.0%~95.7%)、准确率(85.4%~90.2%)、AUC(0.85~0.92)];在外部测试集中,PCA和朴素贝叶斯的敏感度、特异度、准确率和AUC均高于GBM。放射科医师的诊断效能与PCA及朴素贝叶斯模型相近。结论:CT平扫影像组学的多种机器学习算法模型对CRM具有较好的诊断效能,可作为CRM患者的潜在筛查方法。

关键词： 建筑工程   资料管理   BIM技术   融合应用  

摘要： 伴随着大数据的蓬勃发展,建筑资料数字库的创建需应对大量数据管理和准确信息投放之间的供需冲突。对此,建筑资料管理要精准对接施工单位的知识需求,打破以往服务模式的局限。过去采纳的卷积神经网络在处理建筑资料时有着两大缺陷,首先是割裂了语义实体与嵌入实体间的关联,造成语义与嵌入信息不适配;其次是忽视了语义网络、向量空间可能存在的维度差别,进而在具体运用中引发信息错配。为解决上述问题,DKN算法引入了知识感知卷积神经网络。该网络能够整合语义与知识信息,有着多通道处理能力、语义-嵌入实体对齐功能,同时结合了资料知识的语义级与知识级表示,生成了知识感知的嵌入向量。根据对比已有推荐算法,发现DKN算法在技术适配与价值契合方面均表现出色,适用于建筑资料知识推荐系统。在此前提下,本文深入探讨了建筑资料、知识图谱的搭建、DKN算法模型的构建,并遵循系统构造理论,设计出了源于DKN推荐算法的建筑资料知识推荐系统架构与安全框架,设计旨在完成建筑资料数字库的高效管理与准确投放,从而为施工单位提供更加个性化的知识服务。

关键词： 径向基函数神经网络   奇异值分解   K折交叉验证   插值  

摘要： 径向基函数神经网络(RBFNN)可用于插值和分类预测,本文提出基于奇异值分解(SVD)技术来改进传统的RBFNN,从而极大地简化网络结构.具体来说,本文提出的方法能够实现隐藏层神经元的自动选取和优化,删除冗余的神经元,进而节省内存和计算成本.同时,我们将使用K折交叉验证法来确定径向基函数(RBF)中的径向参数ε,以保证算法精度.更重要的是,我们基于Halko等提出的近似SVD算法[2],逐行读取样本数据并实时处理,避免将所有样本数据一次性导入内存.所有的数值实验都表明,相比于传统的RBFNN,本文提出的算法在不损失计算精度的前提下,极大地提高了计算效率,并简化了RBFNN结构.

关键词： 机器遗忘   L1正则化   一次牛顿更新   ADMM算法  

摘要： 随着数据所有者对于数据隐私的重视程度不断增加,如何高效完成用户的数据删除请求成为相关机构关注的热点,并据此衍生出一系列关于机器遗忘算法的研究.本文提出了基于L1正则化的CR模型,利用ADMM算法得到了影响函数的显式解,并通过一次牛顿更新法来实现精准高效的机器遗忘.真实数据实验表明,所提方法在分类能力和运行时间上优于再训练模型和L2-CR模型.相对于再训练模型,时间缩短了超过100倍;相对于L2正则化模型,准确率提高了5-7个百分点,达到了遗忘效率和模型效用的权衡.