最新刊期
2024年第23卷第11期
-
语义文本相似度计算方法研究综述 AI导读
“在自然语言处理领域，专家对语义文本相似度计算方法进行了深入分析，为衡量文本间语义相似度提供新思路。”摘要：语义文本相似度计算是自然语言处理领域一个关键任务，旨在衡量两个文本之间的语义相似程度。对以往经典和当前主流的语义文本相似度计算方法进行归纳和总结，将这些方法划分为传统的方法和基于深度学习的方法两大类。传统的方法又划分为基于字面匹配、基于统计和基于规则的方法。基于深度学习的方法又划分为基于词嵌入、基于句向量和基于预训练模型的方法。在进一步细分每个类别的基础上，详细介绍了各子类的典型方法，并对各种方法的基本思想、优点和局限性进行了深入分析和总结。最后，对语义文本相似度计算方法可能的发展方向进行了展望。关键词：文本相似度;语义相似度;自然语言处理;深度学习;预训练模型390|393|0更新时间：2024-11-19 -
语音风格迁移研究综述 AI导读
“语音风格迁移技术最新研究进展，分析了特征提取、语料对齐、迁移模型和声码器等关键因素，为该领域发展提供新方向。”摘要：语音风格迁移技术是在保证语音内容不变的前提下，将源说话人的语音风格或音色转换为目标说话人的语音风格或音色。为快速了解语音风格迁移关键技术最新发展，结合近几年语音风格迁移领域的国内外研究，分别选取特征提取、语料对齐、迁移模型和声码器4个重要影响因素对研究现状进行分析，主要包括多种特征提取方法比较、平行语料库和非平行语料选择、wavenet声码器和几种相关改进后的声码器。最后，着重介绍深度神经网络应用于风格迁移模型的最新研究进展，归纳出该领域的研究现状，识别其中仍然存在的关键问题和技术挑战，并对未来研究方向和潜在应用进行展望。关键词：语音风格迁移;深度学习;迁移模型;语音转换;声码器109|141|0更新时间：2024-11-19 -
基于同态加密的云控制系统研究综述 AI导读
“在云控制系统领域，同态加密技术为数据保密性提供解决方案，推动了云加密控制系统的未来发展。”摘要：随着云计算和控制理论飞速发展，云控制系统应运而生以实现高效率的控制计算，但在通信网络与第三方云之间传输和处理敏感数据易受到窃听和篡改数据的网络攻击。由于同态加密可解决这个安全漏洞，在传输和计算的各个层面加密数据，为整个控制环路提供数据保密性。首先，综合分析了利用同态加密对云控制系统进行安全保护的研究，然后介绍了基于同态加密的线性控制、分布式控制和模型预测控制的研究进展；其次，分析了解决动态控制器运行时间有限问题的不同方法的特点和局限性；最后，总结了用于加密数据的量化技术，并展望云加密控制系统未来的发展方向。以期为基于同态加密的云控制系统的研究者提供参考与借鉴。关键词：同态加密;云控制系统;云计算;安全43|30|0更新时间：2024-11-19
研究综述
-
基于翻译嵌入模型的可视化推荐方法 AI导读
“在数据可视化领域，研究者提出了基于知识图谱嵌入模型的新方法，通过sTransH模型学习实体与关系嵌入，有效推理可视化设计选择。”摘要：可视化推荐与自动生成可视化可以帮助无数据可视化背景的用户快速创建有效的数据可视化。针对基于规则和机器学习的方法中工作量大和可解释性差的问题，提出一种基于知识图谱嵌入模型的方法，采用缓存自对抗负采样学习实体和关系的嵌入，构建知识图谱推理可视化设计。首先，使用基于规则的方法从数据集中抽取特征，构建知识图谱；其次，采用改进的TransH（即sTransH）模型来学习实体与关系的嵌入，解决一对多/多对一的状况；最后，根据实体的嵌入投影和平移向量来推理可视化设计选择。实验结果表明，sTransH模型在精度、平均排名 （MR）、排名比例 （Hit@2） 等指标评估中均优于现有的 TransE、TransH、RotatE 和 TransE-adv 基线方法，验证了该模型在可视化推荐方面的有效性。关键词：数据可视化;可视化推荐;知识图谱嵌入;翻译模型150|140|0更新时间：2024-11-19 -
基于DOCnet的强对流天气分类识别 AI导读
“在强对流天气识别领域，研究者提出了基于DOCnet的分类识别方法，有效提高了分类准确度。”摘要：强对流天气对人民生命财产有严重威胁，精确识别强对流天气有益于更好地预测强对流天气。为了解决传统机器学习方法忽视不同强对流天气在雷达图上的不同形状表达和传统机器学习方法计算量大等问题，提出一种基于DOCnet的多类强对流天气分类识别方法。该网络使用深度倍频卷积分别提取雷达图像的高频特征和低频特征，在去除低频特征图中冗余空间减少参数量的同时，增大了提取低频特征图和高频特征图卷积层的感受野，能充分提取雷达图的图像特征，提高模型对强对流天气的分类准确度。通过泛洪法训练模型，提高了模型泛化能力。在风暴事件图像（SEVIR）数据的测试集中，DOCnet模型对强降水、雷暴大风、冰雹、龙卷风4类强对流天气分类的平均命中率为90.54%，平均临界成功指数为81.2%，平均空报比率为11.9%。与基线模型相比，DOCnet的命中率提高了15.02个百分点；与表现最好的MobileNet V2相比，DOCnet的命中率高出5.87%。实验结果表明，DOCnet能够有效提高强对流天气分类效果。关键词：分类识别;强对流天气;倍频卷积;深度卷积;雷达图107|44|0更新时间：2024-11-19 -
基于知识图谱的零样本文档检索伪查询生成 AI导读
“在文档检索领域，研究者提出了基于知识图谱的零样本文档检索伪查询生成方法KGQG，有效提升了检索性能并减轻了手动标记训练数据的工作量。”摘要：为提高文档检索模型性能，减轻手工标记训练数据的工作量，提出一种基于知识图谱的零样本文档检索伪查询生成方法KGQG。该方法利用知识图谱增强伪查询，将外部信息与伪查询相结合，以生成更丰富、更具信息量的伪查询。实验结果表明，在BEIR基准测试的12个公开数据集中，KGQG方法比经典的稀疏检索模型、稠密检索模型以及最新的基于外部知识扩展的零样本稠密检索模型在归一化折现累计效益（NDCG）指标方面分别提升了4.6、11.88、7.96个百分点。KGQG方法不仅能提高检索性能，而且减少了手动标记训练数据需求，为文档检索模型的未来研究与应用提供了有益参考。关键词：稠密检索;信息检索;零样本学习;查询扩展;知识图谱;自然语言处理37|91|0更新时间：2024-11-19 - “在教育服务智能化领域，研究者提出了融合图嵌入和注意力机制的自适应学习路径推荐模型GE-MAKT，有效提升了个性化学习规划的准确性。”摘要：自适应学习路径推荐是智能技术在教育服务智能化中的核心应用。知识追踪通过分析学生的历史学习记录，预测其未来知识水平，从而为其提供个性化的学习规划与推荐。然而，现有的知识追踪方法在处理学生在线学习行为的复杂性时存在数据稀疏问题，并且忽略了时间因素和学生的遗忘机制，导致模型不能准确捕捉学生的状态变化，影响推荐效果。因此，在知识追踪模型中融合图嵌入和注意力机制，设计出一种新颖的深度学习支持下的自适应学习路径推荐模型（GE-MAKT）。实验结果表明，相较于传统方法，GE-MAKT模型的AUC和ACC两个评价指标得到显著提升，增强了对学生知识掌握水平的判断能力，可为学生提供更加个性化的学习路径推荐。关键词：在线学习;深度学习;知识追踪;图嵌入;注意力机制;路径推荐66|193|0更新时间：2024-11-19
-
改进伪三维残差网络的微表情识别方法 AI导读
“在微表情识别领域，研究者提出了改进伪三维残差网络方法，有效提升了识别率和鲁棒性。”摘要：针对微表情特征捕捉难度大、识别率低存在的问题，提出一种改进伪三维残差网络的微表情识别方法。首先，预处理数据集样本后，在伪三维残差网络（Pseudo-3DResNet）设计阶段，针对基本3D残差单元层间顺序不合理、输出值不稳定及信息传播阻塞3个问题，设计了Pseudo-3D-SS、Pseudo-3D-PS、Pseudo-3D-SSS不同的瓶颈结构，并应用到4个残差块中。其次，将两个独立设计的卷积层和池化层应用在不同残差块间过滤表征不强的微表情序列，以进一步突出有价值的特征信息和去除冗余，实现时空特征提取。最后，为进一步降低亮度变化对光流特征提取的影响，提升追踪特征点速度，改进了基于L1范数的全变分光流法，利用TV-OFM方法提取光流特征以得到每个微表情的水平光流序列和垂直光流序列。实验表明，所提方法相较于近期方法的未加权F1值（UF1）、未加权平均召回率（UAR）分别提升3.61%、2.92%；在光流法比较实验中，所提方法追踪特征点的速度相较于比较方法提升30.08%；将包含改进的4个残差块变体与其他网络变体比较发现，所提模型的Avg（UF1+UAR）提升2.5%，网络结构具有更强的泛化和特征提取能力；在层中叠加卷积和池化操作能更平衡地提取特征，进一步提高识别率，使模型更具鲁棒性和先进性。关键词：微表情识别;TV-OFM光流法;伪三维残差网络;残差块;LOOCV评估方法37|53|0更新时间：2024-11-19 -
基于用户画像的大学生群体综合特征分析方法 AI导读
“在高校育人管理领域，专家构建了大学生群体综合特征画像标签体系，为个性化教育管理提供支持。”摘要：精准化育人是当前“以人为本”教育理念下高校育人管理工作的应然取向。用户画像技术作为一种能够精准分析用户特征、描绘用户行为的技术手段，可以很好地应用于大学生群体特征分析，推动教育个性化和信息化。针对目前大学生群体综合特征分析方法效率低下、结果真实性差的问题，提出一种基于用户画像技术的大学生群体综合特征画像标签体系与构建框架，旨在准确分析大学生群体的综合特征。通过爬取相关信息平台、发放问卷调查、联系高校相关部门等方式获取可公开数据展开实验分析，采用K-means算法聚类分析得到5类大学生群体，分别为全面型、学霸型、大众型、兴趣型和低迷型。实验结果表明，该画像标签体系与构建框架能有效反映大学生群体的综合特征，为高校个性化和精准化教育管理提供支持，同时也有助于促进大学生的自我认知与管理。关键词：用户画像;大学生;群体特征;精准化育人147|495|0更新时间：2024-11-19 - “在气象预报领域，专家提出了基于U-net和3D注意力机制的风场订正模型，有效提高了数值天气预报的准确率。”摘要：目前，数值天气预报产品已广泛应用于气象预报业务中。针对数值预报模式本身不足导致的预报误差，为进一步提高其预报准确率，提出一种融合多要素时空特征的基于U-net和3D注意力机制的风场订正模型。采用该模型对中国气象局研发的国家气象中心GRAPES-3KM模式预报的近地面10 m风场进行偏差订正，以RMSE、MAE作为评价指标，与原数值预报产品、传统订正方法以及U-net、CU-net模型进行比较。实验结果表明，经过所提模型订正后的10 m纬向风RMSE相较原预报数据、LASSO回归、U-net、CU-net模型降低了4.19%~42.67%，MAE降低了6.06%~45.29%；10 m经向风RMSE指标降低了8.55%~41.35%，MAE降低了6.54%~40.82%；10 m全风速RMSE降低了6.14%~29.41%，MAE降低了1.5%~21.08%。所提模型相较对照模型有更好的订正效果，同时未出现订正结果过于平滑的情况。关键词：数值天气预报;深度学习;偏差订正;多要素融合;3D注意力134|114|0更新时间：2024-11-19
-
基于点云孔洞边界检测的暗涵排口信息提取 AI导读
“在暗涵排口信息提取领域，专家提出了基于点云孔洞边界检测的新方法，有效提高了边界检测准确率，降低了误判率，为暗涵排查信息化提供了参考。”摘要：针对暗涵三维激光扫描模型的点云数据量庞大且噪音干扰严重，手动提取其排口信息效率低且易误判的情况，提出一种基于点云孔洞边界检测的暗涵排口信息提取方法。首先，根据点云平均距离建立球形邻域，并投影至邻域的微切平面内；其次，利用最大夹角和引力的复合准则判别边界点，并运用边界点聚类及平面拟合方法去除噪点和非孔洞边界；最后，根据边界点的凸包提取暗涵排口坐标、高程与尺寸信息。结果表明，球形邻域比kd-tree邻域表现出更强的鲁棒性；复合准则在计算时间仅增加5%的情况下，边界检测准确率比单一准则提高了3%，且误判率降低了近一半。该方法为暗涵排查信息化提供了一定参考。关键词：暗涵;排口;点云;孔洞边界检测;复合准则12|37|0更新时间：2024-11-19 -
基于论文语义与引用网络的技术发展趋势分析 AI导读
“在医疗物联网领域，专家利用NLP技术提取论文语义特征，构建技术发展网络图，分析技术趋势。”摘要：随着科学技术的快速发展，识别分析技术领域的发展轨迹和研究热点具有重要意义，但技术数据的爆炸式增长使得人工监测技术趋势的成本和时间增加。鉴于此，提出一种基于论文语义主题和引文分析的技术发展网络图生成方法，以实现技术发展趋势分析。该方法使用自然语言处理（NLP）技术从科学论文中提取潜在的语义特征，并通过聚类分析实现技术领域的主题划分。结合论文技术主题分类和论文引用分析构建由主要论文组成的技术发展网络图，并采用图算法对生成的网络图进行分析以获得有意义的技术趋势结果。根据医疗物联网领域的论文，实现该领域技术主题划分，并生成该领域技术网络图以实现技术趋势分析。特别是，将图算法应用于生成的技术发展网络图，有助于发现医疗保健物联网领域的研究热点及趋势。关键词：技术发展网络图;趋势分析;主题模型;自然语言处理;词嵌入;医疗物联网25|80|0更新时间：2024-11-19 -
基于深度学习的空气污染多城市联合预测模型 AI导读
“在城市空气污染预测领域，专家提出了基于深度学习的多城市联合预测模型Res-Att-SimVP，有效缓解周边城市污染物扩散影响，为空气污染物浓度预测提供解决方案。”摘要：传统的城市空气污染预测模型仅对成都市历史数据进行时间建模，忽略了周边城市污染物扩散空间维度的影响。为此，提出一种基于深度学习的空气污染多城市联合预测模型Res-Att-SimVP，包括空间特征提取模块、时间特征提取模块、特征筛选模块、预测模块。其中，空间特征提取模块使用残差网络提取各城市之间的空间特征信息；时间特征提取模块使用Inception网络进行时序建模；特征筛选模块使用通道注意力机制和空间注意力机制，选择性关注不同区域与时刻的特征信息；预测模块使用全连接网络实现空气污染物浓度预测。集成所有模块可以有效缓解周边城市污染物扩散带来的影响。采用成都市及周边12个城市逐小时的气象数据、空气污染物数据、成都市与周边城市间的距离信息，测试该方法与对照方法在不同时间尺度下对空气污染物浓度的预测性能。结果表明，与Res-ConvLSTM模型相比，Res-Att-SimVP模型对PM2.5、PM10、NO2在不同预测时长下的RMSE、MAE平均值分别下降12%和15%、11%和15%、12%和22%，具有较高的准确性。关键词：空气污染预测;深度学习;时空数据;多城市联合;时间序列33|73|0更新时间：2024-11-19
人工智能
- “车载自组织网络数据规模激增，DFPC算法提升车辆卸载成功率，降低负载方差。”摘要：车载自组织网络（VANET）承载的数据规模呈现爆炸性增长趋势。针对车联网中在线卸载场景下，多边缘服务器（MEC）负载不均衡导致车辆卸载成功率严重下降问题，提出一种基于软件定义网络（SDN）的车联网多MEC动态负载均衡算法DFPC。该算法结合排队论中先到先服务和有优先权的服务两种方式，SDN控制器通过一定的等待时延定时收集当前批任务，利用改进的K-means聚类算法快速对多维任务分类，优先入队紧急度相对高的任务；再利用SDN控制器定时收集的MEC上下文信息，实现卸载任务在多个MEC之间分配的动态反馈调节，解决了多MEC之间动态负载不均衡问题，充分利用MEC的计算资源，最终提升了整体车辆卸载成功率。为了验证DFPC算法在真实动态场景下的有效性，设计一种多MEC接入的在线卸载框架MOLF，通过低成本硬件部署模式完成在线卸载场景下负载均衡性能测试。实验结果表明，相比基准方案，DFPC算法平均卸载成功率提升了28%，平均负载方差降低了73%。关键词：车载自组织网络;移动边缘计算;负载均衡;在线卸载;软件定义网络34|93|0更新时间：2024-11-19
-
基于核函数的隔离森林算法 AI导读
“在离群点检测领域，K-iForest算法通过核函数重新采样提升性能，实验显示其AUC值优于其他算法0.1%~100.2%。”摘要：基于随机子采样的隔离森林算法没有考虑到子采样中来自不同区域样本点之间的相对密度，为此提出基于核函数的隔离森林算法K-iForest，根据概率密度函数重新采样来提高隔离森林算法的性能。在离群点检测数据库（ODDS）的Annthyroid、ForestCover、Mulcross、 Shuttle 和Http（KDD Cup 1999）、Smtp（KDD Cup 1999）、KDD CUP 99数据集上验证K-iForest算法的有效性和效率，并与iForest算法、EIF算法、RRCF算法、GIF算法以及HIF算法进行比较。实验结果表明，K-iForest算法的AUC值高出其他算法0.1%~100.2%。关键词：核函数;离群点检测;隔离森林算法;概率密度;相对密度12|48|0更新时间：2024-11-19 -
基于K-means聚类改进的特征匹配算法 AI导读
“在图像拼接领域，专家利用K-means算法优化KNN匹配，提升匹配率近1倍，缩短匹配时间约0.2秒，并改进最佳缝合线算法，有效去除重叠区域“鬼影”错位现象。”摘要：图像的匹配和融合是图像拼接的核心步骤，而在图像匹配过程中，传统的KNN匹配算法中错误匹配较多，且图像上的正确匹配点对连线的斜率几乎平行。鉴于此，使用K-means算法对其进行聚类以筛选出正确匹配。实验表明，该算法可以去除大量错误匹配，较传统算法匹配率最大可提升近1倍，匹配时间最大可缩短约0.2 s。在图像融合中对最佳缝合线算法作出改进，并且与渐出渐入融合算法进行比较实验，证明改进的缝合线算法可有效去除图像重叠区域的“鬼影”、错位现象。关键词：KNN匹配;Kmeans聚类;RANSAC算法;最佳缝合线;渐出渐入算法18|97|0更新时间：2024-11-19
计算机软件与理论
-
多灾害多源异构数据库构建与管理系统实现 AI导读
“在防灾减灾领域，专家构建了多灾害多源异构数据库与管理系统，实现了极端灾害数据的高效采集和标准化，为减小灾害风险提供技术支持。”摘要：近年来全球极端天气频发，诱发了大量灾害，如洪水、泥石流、崩塌等。构建多灾害多源异构数据库与数据管理系统，对于防灾减灾以及灾后应急救援、灾后重建等均具有重要意义。首先，介绍多灾害多源异构数据库与管理系统的构架；其次，详细介绍了基于MySQL关系型数据库的管理系统设计，并应用Python语言开发数据采集程序，实现对地震、海啸、洪水、波浪、火灾五类极端灾害数据信息的高效采集和标准化；再次，应用序列化与反序列化、事务处理两项关键技术实现了数据库的高效存储与检索；最后，进行数据库管理系统功能测试。结果表明，所建数据库及管理系统运行良好。该数据库的构建与管理系统的实现可为减小极端灾害风险以及增加各地抗灾韧性提供重要技术支持。关键词：极端灾害;灾害数据库;MySQL数据库;数据采集;多源异构31|166|0更新时间：2024-11-19 -
基于击键特征的身份认证系统设计与实现 AI导读
“在个人信息安全领域，专家设计了结合口令与击键特征的双因素认证方案，提高了身份认证的安全性和便捷性。”摘要：随着互联网技术的飞速发展，个人信息安全越来越被重视。基于用户名与口令的传统身份认证方式存在口令被泄密的风险，以人脸识别与指纹识别为主的生物特征识别技术因高昂的设备与复杂的算法使其通用性大受影响，采用生物行为特征对用户身份进行识别已成为研究热点。为此，设计一种口令与击键特征相结合的双因素认证方案，通过采集输入口令以及输入口令时的个人击键行为特征，结合新维信息优先思想，利用统计学算法与曼哈顿算法对采集到的用户击键行为特征数据进行分析与建模，并与当前用户的击键行为特征进行相似度匹配，从而对用户身份进行认证。基于该方案设计的系统不仅具有界面友好、操作方便、安全性高等特性，而且能自动显示每个用户的击键特征曲线，可作为重要信息系统的第一道安全闸门。关键词：信息安全;身份认证;击键特征;统计学算法;曼哈顿算法46|107|0更新时间：2024-11-19 - “在城市规划和智慧旅游领域，精准识别建筑物至关重要。针对建筑物标注数据稀缺和视觉外观多样性问题，专家提出了基于余弦注意力机制的少样本建筑识别方法，有效提升了模型性能。”摘要：建筑物作为城市空间中的核心地标和人类活动的重要载体，其精准识别在城市规划、智慧旅游等领域具有重要意义，然而收集和标注足够量的数据是一项昂贵且耗时的任务。针对部分建筑物标注数据稀缺且视觉外观多样性导致特征表示不足的问题，提出一种基于余弦注意力机制的少样本建筑识别方法。该方法利用自适应原型表示方法充分捕捉目标对象的特征，并使用余弦注意力机制代替Transformer中的缩放点积注意力机制以优化模型性能。首先收集来自公开资源的样本数据，其次构建了一个包含多种青岛历史建筑的少样本分类数据集，再次使用该数据集验证所提出方法的有效性。实验结果表明，在1-shot和5-shot学习场景中，该方法准确率分别达到了58.08%、77.15%，验证了该方法对少样本建筑的识别能力和效果。关键词：少样本学习;建筑物识别;Transformer;余弦注意力;Xception网络27|57|0更新时间：2024-11-19
-
基于大数据的云数据中心智能运维系统 AI导读
“在云计算中心智能运维领域，专家基于ARIMA模型和Isolation Forest算法，提出了大数据分析方法，有效预测容量趋势和监测异常，提高了系统稳定性和健壮性。”摘要：针对云计算中心容量趋势无法预测和异常无法监测的问题，基于ARIMA模型的时间序列算法和Isolation Forest的异常检测算法，提出一种以大数据分析为基础对云计算中心进行智能运维的方法。实验表明，基于Isolation Forest的服务器异常检测方法准确率约为88%，基于ARIMA模型的磁盘容量预测平均绝对误差为0.158 6，证明了该系统相较于传统运维平台具有更好的稳定性、健壮性及服务能力。关键词：云计算中心;智慧运维;孤立森林;ARIMA模型;趋势预测;异常检测21|112|0更新时间：2024-11-19
软件设计、开发与应用
- “在医学影像领域，研究者提出了MU-Net算法，有效提升了脑胶质瘤分割的准确度，为脑肿瘤治疗提供新方案。”摘要：核磁共振影像分割对于脑肿瘤患者的治疗至关重要，但肿瘤形态多变、边界模糊等问题使得其边缘分割效果不佳。为解决以上问题，提出一种基于多U-Net网络的脑胶质瘤自动化分割算法MU-Net。首先，以U-Net为主干网络，在编码阶段设计残差空洞卷积模块作为短连接，增强编码特征长距离信息的连接，从而改善特征提取效果；其次，在网络跳跃连接处引入改进的高效通道注意力机制，同时使用平均池化和最大池化充分利用空间和通道信息，以提高分割准确度；最后，在经过改进高效通道注意力机制处理后的跳跃连接处设计多个不同深度的双输出U-Net作为编码与解码之间的纽带，以增强网络对不同尺度脑肿瘤的适应性。在BraTS2020数据集上进行大量实验，结果表明MU-Net算法对完整肿瘤、肿瘤核心和增强肿瘤的Dice系数分别为86.75%、77.76%和76.21%，与基准模型相比分别提升了2.6%、2.55%和2.41%，具有更好的分割效果。关键词：脑肿瘤;核磁共振影像分割;多U-Net网络;残差模块;高效通道注意力机制;双输出U-Net75|93|0更新时间：2024-11-19
-
基于霍夫变换与改进模板匹配算法的水果检测 AI导读
“在水果采摘领域，研究者提出了一种新型目标检测方法，有效提高了复杂环境下小尺寸水果的检测识别准确率，为自动采摘提供理论方法和实践经验。”摘要：在水果尺寸较小、部分遮挡、光照变化、背景杂乱等情况下，采摘机器人的检测、识别准确率难以提高，导致采摘时出现漏采、错采等问题。针对该问题，通过融合霍夫圆检测算法和改进模板匹配算法，提出一种新型的目标检测方法，以有效地检测与识别复杂情况下的小尺寸、多类水果。首先，对目标水果数据进行自适应阈值二值化等预处理以除噪；其次，采用霍夫圆检测算法检测出水果位置；再次，对模板匹配算法进行改进，设计一种像素、亮度、对比度和结构4个层面的匹配相似度计算方法，识别出水果品种；最后，以草莓、红枣、蓝莓进行实验验证。结果表明，所提算法用时约3.2 ms，平均检测精度均值达95%，优于SSD、YOLOv8、YOLOv9这3种算法。同时，该算法在复杂环境下的识别准确率为92%，能够为小尺寸水果的自动采摘提供有效的理论方法和实践经验。关键词：采摘机器人;水果检测;霍夫圆检测;模板匹配;匹配相似度27|76|0更新时间：2024-11-19 - “在电力作业安全领域，专家提出了融合GSConv轻量化YOLOv5s的检测算法，有效监测作业人员是否正确佩戴安全设备。”摘要：为了判断电力作业人员是否佩戴安全帽、绝缘靴、绝缘手套、绝缘服等安全设备，确保电力施工现场安全，提出一种融合GSConv轻量化YOLOv5s的电力作业安全设备检测算法。首先，采用C3Ghost卷积和深度分离卷积（DWConv）构建新的特征提取端，同时在特征融合端使用GSConv替换普通卷积降低模型复杂度，减少参数量和计算量，在提高算法计算速度的同时提高检测精度；其次，使用K-mean++聚类算法获取YOLOv5s算法输出端的候选框设定值；最后，采用PSA机制改进 YOLOv5s算法的特征提取端，提升电力作业场景安全设备图像的通道分辨率和空间分辨率，保留被遮挡小目标的关键节点信息。实验结果表明，该算法的平均精度均值（IoU=0.5）达到0.962，比原网络检测性能提升了1.50 %，同时模型参数由7.02 M减少至2.77 M，计算量由15.8 GFLOPs减少至5.7 GFLOPs。该算法可满足电力作业实时性检测需求，能在电力作业场景存在遮挡和缺失时有效监测作业人员是否正确佩戴安全设备。关键词：轻量化YOLOv5s算法;电力作业;安全穿戴设备;PSA机制;GSConv12|78|0更新时间：2024-11-19
-
基于YOLOv5的静态手势识别检测模型 AI导读
“在实时手势检测领域，研究者提出了基于YOLOv5的手势识别算法，通过优化主干网络，实现了轻量化并有效解决了实时检测问题。”摘要：针对实时手势检测需求，提出一种基于YOLOv5的手势识别算法。通过采用轻量级主干网络MobileNetV3替代YOLOv5s中的CSPNet-53，优化后的主干网络整合了深度可分离卷积与SE注意力机制，形成模型M_YOLO_N（MobileNet_YOLOv5_NewIou）。与原始模型相比，M_YOLO_N的参数量减少了33%，计算复杂度（GFLOPs）降低了54%，在自制手势数据集上的mAP@0.5提升了2.4%。该模型不仅实现了轻量化，而且有效解决了实时检测问题。针对多尺度手势检测，保留SPPF模块，并引入归一化高斯瓦伦汀距离（NWD）技术，提出新的边界框损失函数NewIoU。在不增加参数的前提下，改进后的模型在多尺度手势检测中的置信度提升了20%。关键词：YOLOv5;手势识别;深度可分离卷积;注意力机制45|86|0更新时间：2024-11-19 - “街景图像语义分割研究取得新进展，提出了结合生成对抗网络与混合注意力机制的分割模型，有效提高了分割精度和模型稳定性。”摘要：街景图像语义分割是自动驾驶领域的主要研究任务之一，对于路径规划和行人安全保障具有重要意义。目前，街景图像语义分割主要存在小目标物体分割不精确、模型容易出现过拟合的问题。为此，提出一种结合生成对抗网络与混合注意力机制的街景图像语义分割模型。具体而言，提出一种多尺度混合注意力模块，用于增强上下文语义信息、提高特征表征能力和对多尺度目标的适应性。同时，为了降低过拟合，引入BN层，结合DCGAN网络构建生成对抗网络分割模型，通过判别损失和分割损失共同约束训练，以增强模型稳定性、提高分割精度。实验结果表明，与DeepLabV3+相比，所提模型在Cityscapes数据集上的分割精度提高了2.4个百分点，mIoU值达到73.4%。关键词：街景语义分割;生成对抗网络;混合注意力机制;混合损失函数41|45|0更新时间：2024-11-19
- “在目标检测领域，针对航拍小目标图像检测难题，提出了基于YOLOv8s改进的轻量化小目标检测算法。实验结果表明，所提算法在Visdrone数据集上的mAP50和mAP50：95分别达到41.4%和24.9%，相较原始YOLOv8s算法精度提高了1.6%和1.3%，参数量和运算量降低了36.8%和42.8%。”摘要：小目标检测一直是目标检测领域的热点，而航拍小目标图像具有尺度变化大、视角和姿态变化多样等特点，容易造成漏检、误检。针对这些问题，提出基于YOLOv8s改进的轻量化小目标检测算法。首先，在Backbone部分使用CESE_C2f模块，利用轻量化注意力机制提升检测效果并降低参数量；其次，根据BiFPN思想设计新的网络结构，充分利用已有网络信息加强深层与浅层特征信息的融合；最后，使用新的轻量化检测头LW_Detect（Lightweight_Detect）大幅度降低运算量与参数量，以满足实时性要求。实验结果表明，所提算法在Visdrone数据集上的mAP50和mAP50：95分别达到41.4%和24.9%，相较原始YOLOv8s算法精度提高了1.6%和1.3%，参数量和运算量降低了36.8%和42.8%。关键词：YOLOv8s;小目标;轻量化;BiFPN;目标检测36|72|0更新时间：2024-11-19
- “在工业生产领域，针对钢表面缺陷检测问题，专家改进YOLOv8模型，提出YOLOv8-LSD算法，有效提高检测精度和速度。”摘要：由于制造工艺不完善，加上外部因素影响，钢表面常会存在一些缺陷，从而影响其寿命及可用性。表面缺陷检测是工业生产中的必要过程，而传统的表面缺陷检测算法存在精度低、速度慢的缺点。为此，在YOLOv8模型基础上加以改进，将原有的损失函数CIoU替换为SIoU函数，并在Backbone部分引入ShuffleAttention（SA）注意力机制，以提高对图像浅层和深层特征信息的提取能力，最后针对数据集特点在网络中增加一个小目标检测层，强化特征提取能力。实验表明，改进的YOLOv8-LSD算法，较原算法的mAP值提高了3.9%，降低了缺陷误检测和漏检率。关键词：钢材表面缺陷;YOLOv8;SIOU;ShuffleAttention（SA）;检测层32|139|0更新时间：2024-11-19
图形图像处理
- “在人工智能教学领域，专家探讨了基于OBE理念与案例驱动教学法的改革策略，旨在提升学生兴趣和思政素养，增强实践应用能力。”摘要：传统人工智能教学方法面临诸多挑战，包括算法繁多、内容晦涩难懂、学生兴趣缺失及思政教育不足。为此，以人工智能导论课程为研究对象，探讨了基于OBE理念与案例驱动教学法的教学改革策略。改革措施包括重塑课程知识、能力、素养目标，优化与重构教学内容，实施线上线下混合式教学模式，还提出多维并举的考核机制，旨在构建一个闭环式、模块化的教学单元满足行业和学生需求。实践表明，所提措施能提升学生对人工智能课程的兴趣和自信心，培养其思政素养，增强了学生的实践应用和解决实际问题的能力，能更好地适应计算机类人工智能方向的应用型人才培养需求。关键词：OBE;案例驱动;教学改革;人工智能;思政教育32|48|0更新时间：2024-11-19
- “在网络安全人才培养领域，高校与企业合作建立开放式实验室，探索安全人才培养新模式，有效提升毕业生就业率和薪资水平，具有推广价值。”摘要：网络安全人才的培养与储备是国家网络空间主权的基本保障，也是高校亟需解决的问题。针对网络安全人才培养产出与招聘市场岗位需求之间不平衡的问题，提出开放式实验室建设，在普通本科院校展开安全人才培养的新模式。该模式联合网络安全企业，建立以校园网安全体系为基础，以安全攻防实战为导向的开放式实验室。从培养方案制定、学生选拔、实践环境构建、双师型师资培养、实践评价与校企合作6个方面详细阐述了培养模式的探索与实践过程。通过比较历年毕业生就业报告，发现实验室毕业生就业率提升了15%，平均薪资为同类专业毕业生的1.9倍。该模式积极推进普通本科院校网络安全人才培养以及实践型师资队伍建设，有较大推广价值。关键词：网络安全人才;培养模式;开放式实验室;双师型;实践教学27|53|0更新时间：2024-11-19
计算机人才与教育
- 技术支持由北京北大方正电子有限公司提供 鄂ICP备18021494号-4
鄂公网安备42010602004949号 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
0