课程文献中心 更多>>

关键词： YOLOv7   目标检测   Wise-IoU   LAMP剪枝   通道知识蒸馏   TensorRT  

摘要： 针对矿井下输送机特殊运行环境下输送带撕裂的检测难题，提出一种线激光辅助下的改进YOLOv7轻量化检测算法。首先，针对输送带撕裂以小目标为主，不需要最大的检测层，从而简化网络模型，达到减小模型体积和减少参数量的目的。此外，采用动态非单调FM的Wise-IoU损失函数，使模型更加关注普通质量的样本，提高模型检测性能。然后，使用LAMP(layer-adaptive magnitude-based pruning)剪枝方法，提高模型的计算速度并降低计算复杂度，实现检测网络的轻量化，采用通道知识蒸馏无损提高模型精度，最后使用TensorRT加速模型，达到更快的检测速度。实验结果表明，与基准模型相比，改进后模型的参数量和计算量分别减少了86.8%、49.2%，mAP@0.5:0.95达到了62.4%，并且检测速度提升151.0FPS，模型大小从71.3MB减少到12.8MB。经过改进后的模型，提高了对输送带撕裂故障检测的准确性和实时性。

关键词： 特征蒸馏   模型轻量化   卷积神经网络   计算机视觉   深度学习   掩膜策略   自适应特征连接  

摘要： 针对现有特征蒸馏方法中存在教师-学生之间特征连接依靠人工设计，且难以确定特征之间的蒸馏强度导致学生模型学习无用信息的问题，文中提出了一种随机掩膜和自适应特征知识蒸馏（Random Mask and Adaptive Feature Distillation， MAFD）算法。该算法通过引入自注意力机制来自适应地确定教师-学生候选特征层之间的蒸馏强度。在学生特征生成阶段，引入随机像素掩膜策略使教师模型指导学生特征生成，以提高剩余像素的代表性，从而增强学生网络的表征能力。实验结果表明，该知识蒸馏网络在CIFAR100和ImageNet数据集上使学生模型相对基线性能提升2.0%～6.2%，在任务CUB-200、indoor、Actions和Dogs上相对于基线分别提高27.27%、14.75%、25.55%和12.55%。验证了对RetinaNet模型在COCO-2017数据集上的性能提升，说明MAFD能够更好地减少教师模型和学生模型之间的知识转移损失，并取得了竞争性的结果。

关键词： 障碍物检测   YOLOv8   改进C2f模块   改进注意力机制   损失函数  

摘要： 针对目前城市道路复杂环境下障碍物检测精度不足、检测速度慢、模型参数量大和小目标障碍物检测效果不佳的问题，提出一种改进的YOLOv8n轻量级城市行车道路障碍物检测算法。首先，制作MRObstacle城市道路障碍物目标检测数据集，扩展了障碍物检测种类与数量；其次，设计全新的SPS＿C2f改进主干网络，降低网络参数量与提升检测速度，添加M＿ECA注意力模块至网络的Neck部分，提升网络检测速度与特征表达能力；再次，融合BiFPN特征金字塔和添加小目标检测头，更好地捕捉小尺寸障碍物的特征；最后，使用可优化边界框宽度与高度值的损失函数MPDIoU，提升网络边界框回归性能。相比于原YOLOv8n算法，该算法的mAP0.5指标提升2.04%，达到97.12%；FPS值提升12.08帧每秒，达到107.45帧每秒；网络参数量减少10%，降低至2.73MB。该算法在减少参数量的同时提高了检测精度和速度，可更好应用于城市行车道路障碍物检测任务。

关键词： 边缘算力网络   任务调度   拍卖算法   动态势博弈   分布式决策  

摘要： 随着个性化、多样化的新型网络应用和业务的不断发展和成熟，数据量和计算需求呈指数型增长趋势，而云计算、边缘计算、智能终端设备等也得到了快速发展，计算资源呈现出泛在、分散部署的趋势，如何高效协同地利用这些泛在计算资源以满足日益增长的计算需求，成为当前网络领域研究的一项重要新课题.边缘算力网络集中在网络边缘，在靠近数据源的位置，将异构的计算资源和网络资源结合起来，通过资源感知、服务定位、任务调度等来提高资源利用率和任务执行效率，在保持低延迟和低成本的同时，实现对分布式计算资源的最优配置.边缘算力网络通常采用分布式的任务调度方式，各节点基于局部范围内的信息进行本地决策，具有决策时间短、能有效缓解中心控制器计算和通信压力等优势.然而，信息的局部、不对称特征限制了分布式任务调度的全局优化性能，导致计算任务的覆盖率无法得到保障.本文以边缘算力网络分布式任务调度为核心，依托博弈理论及多目标优化方法，设计基于最佳动态响应的分布式任务调度算法，引入两跳范围内的通信和共识消除机制，在最小化交互开销和决策延迟的情况下，最大限度地提升了分布式任务调度的任务覆盖率，实现向纳什均衡点的收敛；将两跳范围内的共识消除作为优化目标之一，建立基于分布式决策优化性和一致性双目标的动态势博弈模型，通过理论推导证明了局部决策和全局决策的渐进等价性，为纳什均衡的存在性及分布式任务调度的收敛性提供了有效的理论依据；最后，通过仿真与经典分布式决策算法和全局最优解进行了对比，验证了所提出算法的有效性和优化收益.

关键词： 频谱泄露   栏栅效应   窗函数   三线谱插值   四线谱插值  

摘要： 利用传统傅里叶变换进行谐波信号分析时，由于很难严格做到同步采样，整周期截断，从而不可避免地产生频谱泄露与栏栅效应，降低了检测结果的精确性。为了提高检测结果精确度，在FFT（Fast Fourier Transformation）的基础上，对Hann窗、Blackman窗、Blackmanharris窗、Nuttall窗的四谱线插值算法进行了研究，通过多项式拟合推导出不同余旋窗四线插值对应的幅值、频率、相位的修正公式。并在Matlab上对不同余旋窗四线插值算法进行仿真实验，与对应余旋窗的三谱线插值算法进行对比分析，结果表明四项三阶Nuttall窗的四谱线插值算法幅值精确度可达到10-5～10-9数量级，频率精确度可达到10-8～10-9数量级，相位精确度可达到10-3～10-7数量级，与其它算法相比精确度更高，旁瓣性能更好，能更好地抑制频谱泄露与栏栅效应。

关键词： 人工智能   图形图像处理技术   图像识别   算法  

摘要： 如今,人工智能(AI)技术在各个领域的应用日益广泛,特别是在图形图像处理领域,其发挥着越来越重要的作用。基于人工智能的图形图像处理技术极大地提高了图像处理的效率,进一步丰富了图像处理的功能,满足了人们对于高质量、高效率图像处理的需求。基于此,该文首先对人工智能进行了概述,然后对基于人工智能的图形图像处理技术做了分析,最后对人工智能算法在图形图像处理中的具体应用进行探讨。

关键词： 永磁同步电机   相电流重构   单电阻  

摘要： 为了减小永磁同步电机(PMSM)控制器的成本,提出了一种仅使用一个电阻来采样母线的电流,通过母线的电流来重新构建三相电流的方法。通过对单电阻采样原理进行分析,将不可采样区域分为两类:低占空比不可采样区和扇区过渡不可采样区。在低占空比不可采样区,对两相交替注入采样脉冲,在扇区过渡不可采样区,对一相注入采样脉冲,采样脉冲固定在脉宽调制(PWM)波的中心,并将PWM前移和后移保证占空比不变。该方法可实现PMSM全范围相电流重新构建,并获得良好的矢量控制效果。该实验基于CKS32F103C8T6平台,设计了PMSM控制系统,验证了所提采样方法的正确性。

关键词： 癫痫发作检测   脑电信号   不平衡数据集   强化学习   群智能算法  

摘要： 癫痫智能检测的脑电数据具有不平衡性。考虑到单一的群智能算法在改善数据不平衡方面的不足,提出了一种基于强化学习的自适应融合群智能算法。使用强化学习在种群进化的不同阶段自适应地选择并融合多种群智能算法;通过双种群协同进化策略,更高效地获得全局最优解;使用由全局最优解所表示的样本构建平衡数据集并训练分类器。在2个公共癫痫脑电数据集上的实验表明,该方法优于单一的群智能算法,能够有效提高分类器对少数类样本和整体数据集的分类性能。