课程文献中心 更多>>

关键词： 子空间聚类   多视角学习   表示学习   块对角表示  

摘要： 子空间聚类方法为高维多视角数据的聚类问题提供了有效的解决方案。针对现有算法利用低秩或稀疏约束通过模型的特定性质不能使得表示矩阵直接具有块对角性的问题,提出了一致块对角和限定的多视角子空间聚类算法(CBDE-MSC)。CBDE-MSC将各个视角的子空间表示矩阵分解为一致自表示矩阵和特定自表示矩阵。对于一致自表示矩阵,使用块对角约束使其具有近似的块对角结构,探索数据的一致性;对于特定自表示矩阵,在其间施加限定性约束,探索数据的互补性。使用矩阵L_(2,1)范数约束误差矩阵,使其满足行稀疏。此外,使用交替方向乘子法(ADMM)优化目标函数。采用归一化互信息(NMI)、正确率(ACC)、调整兰德指数(AR)和F分数(F-score)等评价指标,对CBDE-MSC进行了评估。实验结果表明,CBDE-MSC与现有的一些优良算法相比,4个指标的结果均有较大的提升,尤其是在YaleB数据集上,相比于经典方法CSMSC,其NMI,ACC,AR和F-score分别提升了0.088,0.127,0.145和0.122。实验结果验证了所提算法的有效性。

关键词： MobileNetV3-Large   NAM注意力机制   PReLu激活函数   TrivialAugment数据增强  

摘要： 食物图像识别在食物安全监控、营养分析以及饮食推荐系统中发挥重要作用。然而,食物图像的多样性、复杂性以及光照等外部因素给识别任务带来了诸多难度和挑战。为了解决这些问题,提出了一种基于改进MobileNetV3-Large食物图像分类算法。在MobileNetV3-Large预训练模型基础上,引入PReLu激活函数和NAM注意力机制,通过捕捉图像中的非局部依赖关系来增强模型对关键特征的关注度;引入了多任务损失函数,通过同时优化多个相关任务来进一步提升分类性能;采用了TrivialAugment数据增强技术,通过扩展训练数据集的规模和多样性来增强模型的泛化能力。实验结果表明,通过这些改进,模型在Food-101数据集上的准确率从66.9%提升至84.2%,证明了所提方法的有效性。

关键词： 目标检测   旋转测量   轨迹预测   深度学习   检测精度  

摘要： 物体在高速运动过程中受到的外力改变了其角动量,从而导致旋转的发生,而旋转产生的马格努斯力使物体轨迹变得难以预测。想要完成高速旋转目标的准确测量与轨迹预测离不开目标的检测、追踪以及运动建模。为提高研究人员对高速旋转目标转速测量与轨迹预测的了解程度,梳理体育、军事、自动驾驶等领域中关于高速旋转目标的研究文献,涵盖了从传统方法到深度学习算法的演变,重点分析计算机视觉算法及其难点、旋转测量与轨迹预测方法。通过全面梳理相关内容,发现现有高速旋转目标的转速测量及轨迹预测算法仍存在稳定性和实时性不足等挑战,后续仍需深入探索与实践。

关键词： 助行机器人   跌倒检测   卡尔曼滤波   数据融合   加速度特征   机器学习   支持向量机   风险函数  

摘要： 为了预防用户跌倒并提高助行机器人的安全性,文中提出了一种基于改进支持向量机(Support Vector Mmachine,SVM)模型的助行机器人用户跌倒检测算法。通过安装在助行机器人上的压力传感器和超声波测距传感器获取位移和速度数据集,采用改进卡尔曼滤波进行数据融合来获得用户运动意图,并进行加速度数据特征提取。基于改进支持向量机模型进行输出概率化及风险函数最优化处理,从而提高分类阈值精度。仿真实验结果表明,所提算法的正确率为98.68%,灵敏度和特异度分别96.66%和90.34%,具有较好的综合性能指标,并能在500 ms内触发防御保护机制。

关键词： 栖息地适宜性指数   最优算法   黑水河   中华纹胸鮡  

摘要： 为研究中华纹胸鮡(Glyptothorax sinensis)栖息地适宜性指数(Habitat suitability index,HSI)模型最优算法,科学评估其适宜栖息地分布,基于2018—2019年黑水河中华纹胸鮡渔获物数据及同步采集的13个环境因子,采用一元非线性函数拟合构建单个环境因子SI曲线,并结合最大值法(Maximum,MAX)、最小值法(Minimum,MIN)、算术平均法(Arithmetic mean model,AMM)、几何平均法(Geometric mean model,GMM)、加权平均法(Weighted moving average,WMA)分别计算中华纹胸鮡HSI值。计算结果表明:在各模型算法中,算术平均法和加权平均法两种方法的预测结果误差最小,最大值法与最小值法的预测结果与中华纹胸鮡实际分布偏差较大,在进行算法选择时要慎重考虑。黑水河中华纹胸鮡栖息地适宜性指数总体呈现上游至下游纵向上升趋势,HSI值大于0.7的点位为下游自然河段S3和S4。水温、海拔等物理环境是驱动中华纹胸鮡栖息地空间分布差异的主要因素。算术平均法及加权平均法为黑水河中华纹胸鮡栖息地适宜性指数模型预测最优算法。研究结果可为黑水河鱼类栖息地评估提供参考资料,促进鱼类栖息地保护。

关键词： 自动驾驶   视觉联合感知   语义融合   双向注意力信息增强   多任务   多尺度  

摘要： 【目的】作为自动驾驶关键部分,视觉联合感知系统可完成自动驾驶场景中的目标检测、可行驶区域分割及车道线检测等多项任务,在实际应用中需实现精度与速率的合理权衡。自动驾驶视觉联合感知框架YOLOP在实时性方面取得了优异表现,但存在特征金字塔不同尺度间的特征冲突及下采样过程的纹理细节损失问题。为缓解这些问题,提出一种融合空间语义的自动驾驶视觉联合感知算法,以空间语义嵌入和融合为核心,从特征增强及特征融合两方面改进YOLOP原有语义融合网络。【方法】在特征增强方面,提出双向注意力信息增强模块,减少多尺度特征图生成过程中的空间信息损失,从水平和垂直两个正交维度对全局上下文先验及对应精确位置信息建模,将通道注意力语义信息嵌入至空间细节,有效突出关键区域,提升特征图纹理细节表征能力;在特征融合方面,设计多分支级联特征融合模块,缓解各层级特征对应空间位置的相互干扰,采用不同扩张率空洞卷积与指数加权池化增大感受野范围,级联融合空间上下文语义信息,利用动态卷积对多尺度场景特征进行自适应交互聚合,实现纹理细节与高层语义的信息互补。此外,针对模型中各子任务训练不均衡问题,引入自适应参数对损失函数加权系数进行改进,有效提升网络检测和分割性能。【结果】在BDD100K数据集的实验表明,相比于YOLOP,所构建自动驾驶视觉联合感知模型保证了网络推理实时性,在车道线检测及目标检测平均精度方面分别提升了8.9%和1.6%。

关键词： 织物疵点   YOLOv8   GhostNet   注意力机制   轻量化   目标检测  

摘要： 为应对织物疵点目标检测中背景纹理复杂以及硬件资源有限问题,本文提出一种基于改进YOLOv8n的轻量化织物疵点检测算法(GSL-YOLOv8n)。首先,为减少YOLOv8n模型参数量与网络结构复杂度,结合Ghost思想构建C2fGhost模块,并用Ghost卷积层替换YOLOv8n网络结构的普通卷积(Conv);其次,在主干网络末端嵌入无参注意力机制SimAM,去除冗余背景,增强小目标语义信息和全局信息,增强网络特征提取能力;最后,设计轻量化共享卷积检测头LSCDH,运用Scale层对特征进行缩放,在保证模型轻量化的同时尽可能减少精度损失。改进后的算法GSL-YOLOv8n相比原YOLOv8n模型平均精度提升0.60%,达到98.29%,检测速度FPS基本保持不变,模型体积、计算量和参数量分别减少66.7%、58.0%和67.4%,满足纺织工业生产对织物疵点检测的应用要求。

关键词： 光流估计   嵌入式系统   边缘GPU设备   推理速度  

摘要： 提出了一种适用于边缘GPU设备的光流估计网络,旨在解决稠密光流估计由于巨大计算量而难以在嵌入式系统上部署的问题。首先,针对充分发挥GPU资源的需求,设计了一个高效的特征提取网络,以降低内存访问成本;其次,通过采用扁平形结构的迭代更新模块来估计光流,进一步缩小了模型的尺寸,并提升了GPU带宽的利用率。在不同数据集上的实验结果表明,本文模型具备高效的推理能力和出色的光流估计能力。特别地,与目前先进的轻量级模型相比,所提出的模型在仅使用0.54 Mb参数的情况下,误差减少了12.8%,推理速度提升了22.2%,在嵌入式开发板上展现出了令人满意的性能。

关键词： 调度算法   生产控制系统   NSGA2算法  

摘要： 本文研究了生产车间生产调度控制算法,包括生产车间生产调度问题的数学描述、生产调度问题的目标函数及生产调度控制算法如何设计和实现,利用NSGA2算法进行详细建模和设计,再对生产车间的生产调度进行仿真验证。在此基础上,本文对生产调度控制问题进行描述,构建了多目标求解生产调度问题的数学模型,设计出一种新型的遗传优化调度控制算法并完成模型求解,经过应用仿真并分析后验证算法有效。结果表明,遗传算法是适宜生产车间实际生产过程的调度算法。

关键词： 数字赋能   逮捕条件   社会危险性   算法  

摘要： 数字赋能逮捕社会危险性评估有助于解决评估数据容量较小及质量不高、结果缺乏检验等问题。其逻辑在于,利用数字技术收集反映逮捕社会危险性的各项证据并转化成计算机可理解的结构化数据,再通过算法测算出风险等级并输出人类可理解的司法建议。从效果来看,数字赋能逮捕社会危险性评估在增强评估模型专业性、保障评估模型客观性和提高评估结果准确性等方面优势明显,但同时也面临着“僵尸预测”、算法歧视、算法黑盒等方面的质疑。未来改革需要进一步调整思路,强调在构建专业评估模型的基础上确保评估数据的数量与质量,并建立动态的校准机制,以不断优化评估的模型;同时,还应当强化评估算法的公开、算法歧视的治理、算法的审核与问责,完善评估算法的治理模式;此外,还需保障评估过程中犯罪嫌疑人的参与权、隐私权和救济权,确保评估程序的公正,以此实现数字赋能逮捕社会危险性评估的预期目标。