课程文献中心 更多>>

关键词： 无人机   轻量化   目标检测   YOLOv5  

摘要： 为解决无人机“黑飞”造成的安全隐患,针对现有的基于深度学习的无人机目标检测算法模型参数量大、训练耗时长的问题,提出了一种基于YOLOv5算法的轻量级无人机实时目标检测(ED-YOLOv5s)算法。首先结合轻量化模型(efficient model,EMO)对YOLOv5骨干网络的特征提取部分进行重构;其次引入归一化高斯Wasserstein距离(normalized Gaussian Wasserstein distance,NWD)和比例因子计算候选框之间的相似度来部分替代IoU(intersectiom over union);然后引入无参注意力机制SimAM以优化权重分布,提升检测精确度,以达到对YOLOv5网络的Backbone、Head进行优化的效果;最终,得到模型大小为4.57 M,浮点运算量为26.1 GFLOPs的ED-YOLOv5s轻量级无人机检测算法。实验数据表明,改进后的算法提高了检测精度,实现了模型轻量化,所提算法在DUT Anti-UAV数据集上AP@50值达到96.7%,在RTX2060显卡上检测速度达到37 frame/s。

关键词： 机器人   路径规划   改进的A^(*)算法   代价函数   启发函数  

摘要： 针对传统A算法在机器人路径规划中存在的缺陷,提出一种改进的A^(*)路径规划算法;对实际代价函数和预估代价函数进行动态权重分配,提高前端路径搜索的初始轨迹质量。结合曼哈顿距离和对角线距离设计非传统表达的启发函数,准确地估计每个节点与目标节点的距离,实现全局路径最短,减少寻路时间和转向次数;针对大幅转角情况下路径不够平滑问题,应用贝塞尔曲线拟合生成的路径点。仿真结果表明:改进的A算法能够在复杂环境中生成最短全局路径,平均转向次数减少24.75%,平均寻路时间缩短30.66%,具有耗时短、转向次数少、路径更平滑等优点。

关键词： NVMe   多核处理器   多队列存储管理   IO调度   SSD  

摘要： 本文针对嵌入式多核操作系统下的NVMe多队列存储管理进行了深入研究。通过结合NVMe标准中的多队列特性和多核处理器的并发计算能力,提出了一种高效的存储管理方案。首先,介绍了NVMe多队列机制的原理和设计思路,重点讨论了多核处理器多队列IO调度方法,多队列命令执行过程。最后,通过实验验证,验证了所提出存储管理方案在嵌入式多核系统中的有效性和可行性,展现了其在提升系统IO性能和减少访问延迟方面的潜力。综合来看,本文的研究为嵌入式多核操作系统下的NVMe多队列存储管理提供了一种有效的解决方案,具有较高的实用性和推广价值。

关键词： 推荐系统   情感分析   词袋   协同过滤   三部图  

摘要： 文本是新闻最主要的媒介,传统基于情感词典的新闻推荐算法在分析情感词汇时,通常会忽略词典外的词汇情感,使得情感词汇标记不全,导致预测准确度不高和排序性能不佳等问题。针对这些问题,提出了一种推断未知词汇情感的启发式方法,设计了一种对应的新闻推荐算法来验证其有效性。构建标题-情感词-情感字三部图模型,将情感词典中的词汇情感扩散到单个的字,通过情感词和情感字得到了标题情感。首先,用词袋模型提取出标题的话题特征。然后,计算标题之间的情感相似度和话题相似度,并将两种相似度融合作为综合的相似度评价指标。接着,选取与目标新闻相似度较高的新闻作为邻居。算法通过邻居新闻的时均点击量,预测出目标新闻的时均点击量,将时均点击量视为目标新闻的预测评分,最终将评分排序实现对用户的新闻推荐。在真实的网易热榜新闻数据集上验证了该方法的可行性与有效性。对比其他算法,本文算法的平均绝对误差最优准确度提升了2.2%»3.4%,均方根误差最优准确度提升了2.3%»2.9%,归一化折损累计增益平均得分提升了0.7%»1.8%。

关键词： YOLOv7-tiny   道路病害检测   自适应指数加权池化   SimAM注意力机制   SPPAda结构   P2小目标网络层  

摘要： 针对目前道路病害检测方法参数量较大、小目标病害检测效果差且易出现误检、漏检的问题,提出一种基于改进YOLOv7-tiny的道路病害检测算法。引入深度可分离卷积(DSC)和无参注意力机制(SimAM)设计ELAN-SimAM-D结构,减少计算量和参数量以实现轻量化,同时加强模型的特征提取和特征融合的能力;引入自适应指数加权池化和自适应融合设计SPPAda结构作为空间金字塔池化结构,增强道路病害信息的保留程度,降低病害的漏检;新增P2小目标网络层,加强对较小目标病害的检测能力,提高模型的检测精度;设计新的损失函数NWD-EIOU替换原CIOU损失函数,提高小目标定位的精度。实验结果表明,相较于原始的YOLOv7-tiny算法,改进后的YOLOv7-tiny算法在自建实验数据集下mAP@0.5达到83.14%,提升了3.50%,召回率上提升了4.96%,模型的参数量降低了33.84%,能够满足道路病害检测的需求。

关键词： 摔倒检测   YOLOv8s算法   EIoU损失函数   SE注意力机制  

摘要： 为了能够准确的识别老人摔倒姿态,提出了一种改进的YOLOv8s摔倒检测模型。首先,在YOLOv8s模型的主干网络中引入SE注意力机制模块,将通道特征分成多个子图特征,让不同组的特征进行融合,使网络自适应地聚焦于关键特征,抑制对当前任务贡献度较小的特征,提高了特征提取能力;其次,用EIoU替换CIoU损失函数,加快收敛速度,提高了模型的精确率和稳定性;最后,将训练好的模型在URFD+等数据集上验证。实验结果表明,该模型精确率达到了99.50%,召回率达到了99.00%,mAP50达到了99.50%,比原模型的性能全面提升。与YOLOv5s+K-means++模型比较,精确率提升了3.22%,召回率提升了5.32%,mAP50提升了2.38%;与C2D-YOLO模型比较,精确率提升了10.00%,召回率提升了11.40%,mAP50提升了7.80%;与YOLOv5s+C3new模型比较,精确率提升了2.50%,召回率提升了6.80%,mAP50提升了4.1%。改进后模型较原模型和目前先进模型有较大的优势。

关键词： 图像拼接   伪造检测   图像去噪   椒盐噪声   卷积神经网络  

摘要： 在图像取证领域,图像拼接检测技术可以通过分析图像内容识别拼接,并定位拼接区域。然而,在传输、扫描等常见场景中,椒盐(s&p)噪声会不可避免地随机出现,且随着噪声强度的增加,当前拼接取证方法的效力将逐渐减弱,甚至失效,极大地影响了现有拼接取证方法的效果。因此,提出一种能够抵御高强度椒盐噪声的拼接取证算法。所提算法分为2个主要部分:预处理部分和拼接取证部分。首先,预处理部分利用ResNet32与中值滤波器的融合,去除图像中的椒盐噪声,并通过卷积层恢复受损的图像内容,从而最大限度地消除椒盐噪声对拼接取证部分的影响并恢复图像细节;其次,拼接取证部分基于暹罗网络结构,提取与图像唯一性相关的噪声伪影,并通过不一致判断识别拼接区域。在通用篡改数据集上的实验结果表明,所提算法在RGB图像和灰度图像上均取得了良好的效果。在10%噪声场景下与FS(Forensic Similarity)和PSCC-Net(Progressive Spatio-Channel Correlation Network)取证算法相比,所提算法将马修斯相关系数(MCC)值提升超过50%,这验证了所提算法在被噪声干扰的篡改图像上取证的有效性和先进性。

关键词： 高校   计算机   网络安全防护   信息时代  

摘要： 在新时代科学技术的发展下,信息技术对人们的生产和生活产生了深远影响。高校作为受益者之一,利用各类信息技术手段,进行管理和教育活动,提高了基础设施信息化建设水平,满足了师生教管的需求。然而,这也对高校计算机网络安全,提出了新的挑战。因此,本文就基于信息时代发展下,高校计算机网络安全防护技术,展开分析和论述,希望以此可以给广大相关工作者以建议或启发。

关键词： 大数据背景   计算机科学与技术   应用现状   发展对策  

摘要： 大数据时代,计算机科学技术已被广泛应用人类生活及生产工作当中,不仅可以减轻人员工作压力,提高工作效率,还可以提高生活及生产的自动化水平以及机械化水平等,促进大数据时代的发展。当前,大数据背景下计算机科学与技术应用现状良好,本文先是对计算机科学与技术具体应用进行了分析,随后又对计算机科学技术应用现状展开了探讨,最后是对该技术发展策略的研究,重在确保计算机科学与技术应用符合大数据时代发展要求。

关键词： 强噪声条件下   数字图像   模糊边缘检测   平滑处理  

摘要： 强噪声会造成图像细节不清晰,不利于获取高精度的图像边缘检测结果,为了有效解决上述问题,提出一种强噪声条件下数字图像模糊边缘检测算法。在强噪声条件下,采用分解算法预先处理数字图像,通过低通滤波器消除部分高频梯度信息,在滤除数字图像噪声的同时更好地保留边缘细节信息。将数字图像灰度信息模糊化,通过模糊偏移度最小准则确定模糊对比度操作系数,获取最优S型灰度映射函数,增强数字图像对比度,引入多方向模糊形态学检测数字图像模糊边缘。实验结果表明,所提算法可以有效检测数字图像模糊边缘,同时还可以有效提升检测效率。