课程文献中心 更多>>

关键词： 目标检测   半监督学习   特征对齐   特征金字塔   ASFF  

摘要： 目的 针对半监督目标检测导致数据特征表示不充分，数据样本类不均衡等问题，提出一种基于特征对齐和特征融合的半监督目标检测方法。方法 在常见的半监督目标检测框架中，伪标签是完全根据分类分数生成的，然而，高置信度预测并不总是保证准确的bbox定位。为了解决定位不准确问题和特征表示不充分问题，受Consistent Teacher中的FAM-3D算法启发，考虑分类和定位的最优特征可能在不同尺度上，引入T-head特征对齐头算法，在Unbiased Teacher V2中成功地将分类和定位分支进行对齐，并且引入ASFF,通过空间过滤冲突信息的方法来抑制不一致性，从而提高了特征的尺度不变性，实现特征在空间上的融合；通过学习不同特征图之间的联系来解决特征金字塔内部的不一致性问题。结果 根据实验结果，改进的算法在COCO数据集、VOC数据集上都有一定的比例提升。结论 改进的算法可以有效减轻数据表示不充分和数据样本类不均衡问题，同时也提高了算法的精度。

关键词： 色域压缩   轻量化   深度学习   色彩管理  

摘要： 色域压缩是大色域向小色域进行转换时保持色彩信息的关键技术。经典算法虽计算快速，但处理结果缺乏细节且没有考虑人眼的感知特性，难以满足人们对色彩品质不断提升的要求。迭代算法处理效果更佳，但极其耗时，无法投入实际应用。针对上述问题，提出了轻量化的深度色域压缩方法，该方法可在逼近迭代算法计算效果的同时保持接近经典算法的速度。为色域压缩算法设计了LightGCNet模型，该网络中的双层卷积由DSC与DW卷积组合而成，相比常规U-Net，参数量与计算复杂度急剧降低。为进一步提高模型先验性，将预训练得到的DW卷积中多个核通道进行重聚焦操作以建立联系，最终权重由重聚焦权重和预训练权重组成。针对色相、明度、彩度这三个色彩属性，设计了色域压缩专用的损失函数。该函数不仅考虑了像素级损失，而且融合了图像感知损失，并联合色彩属性的多尺度信息进行加权，解决了深度色域压缩过程中细节丢失的问题。基于迭代算法生成标签以训练网络，联合学习目标色域特征与图像信息，实现了与迭代算法相当的效果。实验结果表明：该方法与业界经典的SGCK算法相比，iCID值降低了17.08%,SSIM值提高了5.30%。相比常规U-Net模型，LightGCNet参数量减少了82.96%，乘加次数从8.5GFLOPs大幅下降至2.2GFLOPs，使改良模型更适于低端设备部署。该模型在CPU上处理单幅512×512图像仅需0.208s，计算时间比迭代类算法减少99.92%。

关键词： 图像长度   尺寸测量   多边形拟合  

摘要： 在工业生产中，常常需要测量图像的尺寸。为避免传统测量方法耗时耗力且准确性不高的弊端，本文探索通过多边形拟合方法来得到被测图像的长度尺寸。通过拟合图像中的边缘点形成一个多边形，用于近似目标形状。实验的结果验证了本文算法的有效性。

关键词： 极化码   预快速   串行抵消列表   分段循环冗余校验  

摘要： 针对极化码预快速串行抵消列表(prefast successive cancellation list, PreFast-SCL)译码算法没有设置早期停止策略导致复杂度较高的问题，提出一种改进的分段循环冗余校验(cyclic redundancy check, CRC)码校验模式，进而结合该改进的校验模式提出一种增强的PreFast-SCL(enhanced PreFast-SCL,EPreFast-SCL)译码算法。该算法在编码时将信息序列进行分段并在每段信息序列尾部加入可以校验该段信息序列的CRC码，最后一段CRC码用来校验整个信息序列，当其中的某段信息序列未通过校验时，及时终止并剔除错误路径。仿真结果表明，所提出的EPreFast-SCL译码算法相对于循环冗余校验码辅助SCL(CRC aided SCL,CA-SCL)译码算法以及PreFast-SCL译码算法在一定程度上提升了译码性能且具有较低的译码复杂度。

关键词： 特征点提取   SIFT   三维重建   特征点匹配  

摘要： 目的 针对三维重建过程中尺度不变特征转换(Scale Invariant Feature Transform, SIFT)算法对噪声敏感，导致特征点提取和匹配的错误和运行时间长等问题，提出一种改进的SIFT算法，旨在提高特征点提取的准确性和减少运行时间。方法 改进的SIFT算法首先对图像的像素点进行遍历，对于每个目标像素点，将其与其8邻域内的像素点进行灰度值比较。如果相邻像素点的灰度值与目标像素点的灰度值之差小于设定的阈值，则将该相邻像素点标记为相似点；根据相似点的数量，确定目标像素点是否为兴趣点，如果相似点的数量满足特定条件，则将目标像素点判定为兴趣点，然后在以兴趣点为中心的区域内使用SIFT算法提取特征点。结果 在不同的阈值设置和对不同尺寸图像进行对比实验中，结果显示改进的SIFT算法相较于传统的SIFT算法，在特征点提取正确率上有约10%左右的提升，运行时间节约25%左右。结论 实验结果表明：本文提出的改进SIFT算法通过引入对噪声的抑制和对兴趣点的筛选，能够有效提升特征点的提取质量，以及特征点提取和匹配中的错误率，并且显著降低运行时间。

关键词： 自主切换   四旋翼飞行器   线性自抗扰控制   蜣螂优化算法  

摘要： 针对无人机在不确定外扰和强耦合等姿态控制问题，用欧拉法进行建模并线性化。结构上，由于姿态变化对位置的控制效果影响较大，所以姿态层采用串级分控，由线性自抗扰控制器(linear active disturbance rejection controller, LADRC)和模糊控制器以平滑函数进行自切换控制。其中针对线性自抗扰控制参数整定困难，提出一种改进的蜣螂优化算法，首先利用混沌映射增加种群的覆盖率；其次通过加权系数法将多目标的优化问题转化为单目标问题，并在种群寻优过程中加入高斯扰动利于跳出局部最优值。通过仿真结果表明，所提出的控制方法对飞行器有良好的鲁棒性和快速性。

关键词： 语义分割   DeeplabV3+   轻量化网络   通道注意力机制   损失函数  

摘要： 目的 考虑现有的图像语义分割网络存在分割精度低、参数量大等问题，提出一种融合轻量化和注意力机制的语义分割算法。方法 该算法在DeeplabV3+网络模型结构的基础上，使用MobileNetV2网络替换原始网络模型结构的Xception主干网络，构建轻量化语义分割网络结构，以此减少模型参数量和计算量，提高分割速度。同时，为了有效获取关注语义信息的正确特征，在编码阶段加入注意力模块机制，使网络模型在学习过程中只关注它所需要关注的点，提高图像分割精度，达到良好的分割效果。最后，在网络模型训练过程中引入BCE loss(Binary Cross Entropy loss)和Dice loss损失函数相结合，加快网络的快速收敛，对模型更好的优化，以此提高模型的分割精度。结果 通过在数据集PASCAL VOC2012实验验证表明，该算法的分割精度提高了2.82个百分点，参数量降低了14.46 M。同时，数据集Cityscapes的实验结果也验证了该算法的优越性。结论 优化后的DeeplabV3+网络模型提高网络模型性能。

关键词： 逆变器并联   SVPWM   动态调节   环流抑制  

摘要： 针对逆变器并联系统中的零序环流问题，提出一种基于空间矢量脉宽调制（SVPWM）的零序环流抑制算法。在引入虚拟阻抗后，动态调节SVPWM中零矢量的作用时间，达到环流抑制的目的。搭建逆变器并联系统的Simulink仿真模型，验证基于SVPWM的零序环流抑制算法。结果表明，在输出滤波电感不同的条件下，零序环流峰值从±4 A逐渐减小至0左右。

关键词： 高分辨率遥感影像   语义分割   卷积神经网络   Swin Transformer  

摘要： 遥感影像具有多尺度对象、复杂背景、不均衡类别等特点。基于卷积神经网络（CNN）的语义分割算法难以捕捉到影像的全局特征，导致分割效果不佳。针对以上问题，利用Swin Transformer的全局特征提取能力，提出了双编码端高分辨率遥感影像语义分割算法DEGFNet。设计特征融合模块（FFB）将Swin Transformer捕获的全局特征引入编码端，应对多尺度对象带来的挑战。在Swin Transformer中设计空间交互模块（SIB），降低复杂背景样本带来的负面影响；在解码端引入全局-局部注意力模块（GLTB）和特征细化模块（FRB），来更好地利用编码端提取的信息，提高语义分割的精确性；采用交叉熵损失和Dice Loss组成的混合损失函数训练模型，减轻样本类别不均衡带来的消极影响。在Vaihingen数据集上，宏观平均F1值（mF1）、平均交并比（mIoU）和整体准确率（OA）指标分别达到91.9%、84.8%和92.4%；在LoveDA数据集上，mIoU指标达到55.0%，均展现出了更好的语义分割效果和良好的泛化性。