摘要:类激活映射(class activation mapping,CAM)通过生成显著性图来解释深度学习模型的决策过程。然而,现有CAM方法在生成显著性图时,难以兼顾精确度与鲁棒性。本文提出了一种基于多阶梯度优化的CAM模型(multi-step gradient optimization- based class activation mapping,MG-CAM),通过引入多阶梯度优化策略,融合多维特征信息,动态调整特征图的权重分布,以提升显著性图的精确表达能力与可靠性。在ImageNet数据集上设计了实验,结果表明,MG-CAM在多个评价指标上均有良好表现。此外,MG-CAM通过了健全性检查和消融实验,验证了其对模型参数的敏感性和多阶梯度优化策略的有效性,为提高深度学习模型的可解释性提供了一种研究思路。

摘要:煤矿井下轨道异物的侵入严重影响运输安全。针对当前算法对异物边缘信息分割效果差、实时性低等问题,提出一种非对称编解码结构的井下轨道异物分割方法。首先,编码阶段基于Transformer结构设计一种高效的多尺度特征提取主干网络,在保持精度的同时提升计算效率；其次,提出浅层特征增强模块(shallow feature enhancement module,SFEM) 解决井下异物边界难以精确分割的问题；之后,使用轻量级的Concat解码器用于融合不同尺度的特征信息,预测分割结果；最后,针对井下环境异物多样及其特征不均衡的特点,设计混合损失提高网络对各类异物的敏感程度和准确性。实验结果表明,本文方法的平均交并比 (mean intersection over union,mIoU) 、平均像素精度(mean pixel accuracy,mPA) 、分割速率均达到最优,分别是86.83%、92.49%、36.9 frame/s,满足井下轨道异物分割任务中高准确性和实时性要求。

摘要:针对现有图像分割算法面对非结构化道路场景,无法同时满足准确性和实时性需求的问题,本文提出双分辨率语义分割网络(dual resolution semantic segmentation network,DRSNet)进行实时图像分割。在高分辨率分支引入自注意力机制,去除冗余信息,在低分辨率分支的特征提取阶段采用多尺度特征图提取策略,提高对不规则边界和混淆类的识别；提出一种改进的金字塔池化模块减少模型参数,实现网络轻量化；通过对特征图加权的方法来融合双边特征,减少非结构化场景中关键信息损失。本文算法在自制的非结构化数据集上以93.77帧每秒的速度,平均像素准确率达到77.02%,实现了64.39%的均交并比(mean intersection over union,mIoU) ,相较于DDRNet (deep dual resolution network)提高了11.23%,且高于SegFormer、PSPNet等分割网络。实验结果表明,该模型在分割精度和推理速度上达到更好的平衡。

摘要:RGB-D语义分割已被广泛研究,并取得显著效果。传统方法使用简单的策略来融合RGB和深度特征,难以有效利用多模态信息。此外,现在的方法大多采用双流Transformer提取信息,导致参数大幅增加,从而阻碍了它们的实际应用。为解决该问题,本文结合Transformer和CNN设计RGB-D语义分割网络,利用Mix Transformer(MiT)提取深度特征,使用ConvNext提取RGB特征。为有效利用RGB信息和深度信息,设计特征交互互补模块(feature interaction complementation module,FICM)实现特征提取过程中的RGB信息和深度信息的交互与校正。为有效融合RGB和深度特征,提出非对称特征选择融合模块(asymmetric feature selection fusion module,AFSFM)融合RGB特征和深度特征。在NYU Depth V2和SUN RGB-D两个数据集上的大量实验结果表明,该方法可以对室内复杂场景实现快速有效的分割。

摘要:煤矿井下的工作环境极为复杂,针对噪声、灰尘和阴暗区域导致目标漏检误检的问题,提出了一种基于轻量化网络融合的井下轨道异物检测方法。首先,对YOLOv7-Tiny网络框架进行针对性改进,引入FasterNet和GhostV2模块,在保持高性能水平的同时降低了模型复杂度。其次,结合ECA(efficient channel attention)注意力机制设计了ELAN_E模块,提高了模型对异物特征的敏感性。最后,采用Focal-EIoU损失函数优化坐标损失计算,进一步提升了检测准确性。实验结果表明,相较于YOLOv7-Tiny,提出方法在参数量和计算量方面分别减少了30.23%和15.15%。同时mAP(mean average precision)指标提升了1.2%,有效地提高了异物检测的精度和效率,为煤矿井下轨道区域入侵检测提供了有效改进方案。

摘要:本文针对现有的伪装目标检测(camouflage object detection,COD)网络模型不能充分利用各个层次之间的信息从而导致检测结果模糊的问题,提出了基于边缘与注意力的递进式网络(progressive network based on edge and attention,EAPNet)。首先提出了边缘信息提取模块(edge information extraction module,EIEM),提取主干网络第一、三、五阶段的特征生成边缘特征图；然后提出了感受野与边缘特征聚合模块(receptive field and edge aggregation module,RFEAM)聚合主干网络相邻阶段的感受野特征和边缘特征；最后利用所提出的注意力辅助融合模块(attention-assisted fusion module,AAFM)对相邻RFEAM的输出特征进行二次递进式融合。在三个COD数据集上的实验结果表明本文方法优于其他10个模型。

摘要:传统的1×1卷积在进行升维和降维操作时,没有对空间信息进行处理,从而带来较多的计算冗余并造成性能下降。针对该问题,本文提出一种将空间信息优化与轻量网络相融合的网络架构Lite-EfficientNet,该架构将轻量级网络ShuffleNet中的Shuffle块嵌入EfficientNet网络,并引入一种自适应空间信息卷积(adaptive spatial information convolution, ASC)单元,通过学习一组与输入数据相关的偏移量自适应地调整1×1卷积的位置,从而有效恢复1×1卷积丢失的空间信息,实现了计算效率和性能的优化。实验结果表明ASC单元在减少计算复杂度的同时,显著提高了模型对空间信息的捕捉和整合能力,验证了其在高效网络设计中的潜力。与现有的轻量级模型相比,Lite-EfficientNet在ImageNet1k数据集上的分类准确率和推理速度均有所提升,在目标检测和实例分割任务中也具有广泛的适用性。

摘要:由于传统的拼接融合方法处理子孔径重叠区域会出现拼接痕迹和中高频部分数据丢失的问题,本文提出了基于非下采样轮廓波变换(non-sampled contourlet transform,NSCT ) 方法进行子孔径重叠区域融合。该方法可使各子孔径的重叠区域分解成低频和高频系数矩阵。然后,采用不同的方法对低频和高频系数矩阵进行融合处理,获得新的系数矩阵,最后通过逆变换获得整体面形。本文对该算法进行数值仿真,结果表明本算法能够还原原始面形。对200 mm口径平面镜和40 mm×310 mm长矩形平面进行拼接检测,与全口径面形的测量结果对比,并采用功率谱密度(power spectral density,PSD) 基于非下采样轮廓波变换的子孔径拼接技术研究 对本文算法和均化融合拼接面形进行分析。实验结果表明,拼接所得的面形和全口径面形分布基本一致,且能够消除拼接痕迹并保证中高频数据不丢失。

摘要:本文研究了一种测试与评价量产晶硅太阳电池光电转换性能的方法,获得量产晶硅太阳电池的极限光电转换效率(power conversion efficiency,PCE) 及其性能优化的空间。该方法是在产线上引入Suns-Voc 测试,结合模拟太阳光照下J-V测试,获得每个电池的双二极管模型的光电参数；优选每个实测最佳参数,利用双二极管模型数值计算电池的极限光电转换效率及每个光电参数提升至最佳值对批量电池性能的影响。将该方法应用于批量制备的工业级尺寸晶硅太阳电池,结果表明:实验测得量产太阳电池的均值光电转换效率为22.49%,其极限光电转换效率具有达到22.90%的潜力；依次优化短路电流密度JSC、第一复合电流J₀₁、第二复合电流J₀₂及串联电阻Rs,批量电池的均值光电转换效率能够依次绝对提升0.09%、0.09%、0.11%和0.14%。基于上述研究,该测试和评价光电转换性能的方法可以为优化量产晶硅太阳电池的性能提供指导。

摘要:为探究不同偏振参数特性的激光脉冲对激光场内不同初始位置的高能电子运动与功率辐射分布影响,以电磁学基本方程为基础建立电子激光对撞模型,借助MATLAB软件分析模拟出了不同偏振参数下不同初始位置的电子辐射空间分布特点。研究表明,随着偏振参数从0—1增加,其与不同位置的电子对撞产生的空间辐射分布呈双峰状向四周过渡；在初始位置一定时,辐射分布随偏振参数增大双峰逐渐下降扁平；在偏振参数一定时,辐射分布随初始位置变化而显现微小变化。同时发现在偏振参数为0.7,电子初始于z正半轴上距原点30 μ m位置出现电子单位空间立体角辐射最大值。

摘要:光电容积脉搏波(photoplethysmographic,PPG) 信号能反映血糖浓度(blood glucose concentrations,BGCs) ,准确提取该信号对无创血糖监测至关重要。本文提出了一种优化方法,通过经验小波变换(empirical wavelet transform,EWT)去除高低频噪声,将PPG 信号分解为多个子信号。采用动态时间规整算法(dynamic time warping,DTW)计算子信号的相似度,以识别并剔除异常子信号,随后建立包含保留和剔除异常子信号的两组数据集合。对比分析结果显示,剔除异常子信 号后的特征参数(峰峰值、上升支、下降支速率和信号长度的标准差)分别降低了30.34%、20.15%、43.80%和40.54%,显示了该方法在特征值提取可靠性上的提升。此外,该优化方法还使得PPG特征值的采集稳定性提高了44.4%,验证了其在无创血糖监测中的实用性与可靠性。

摘要:激光通信信号作用距离受猫眼效应影响,导致通信质量下降,为此研究基于K均值算法的逆向调制激光通信信号作用距离控制方法。逆向调制激光系统分为主动端和逆向端。主动端发射激光,逆向端接收并调制后通过逆向单元返回主动端,主动端解调后,实现激光系统的逆向调制通信,从而确定激光信号衰减与距离关系。基于此,采用K均值算法聚类初始衰减信号,确定激光信号衰减密度分布情况,结合光学追踪矩阵设定控制矩阵以抑制猫眼效应并控制衰减信号,保证逆向调制激光通信作业距离。该方法能够聚类不同通信模式的光信号,确保激光信号的传输强度和距离。研究方法提升了激光信号传输的稳定性,实际应用效果好。

摘要:光纤布拉格光栅(fiber Bragg grating,FBG)由于其高精度和免受电磁干扰特性,在传感器领域受到了广泛关注。基于FBG的形状传感是一种新兴的形状传感技术,这种传感器通过在多点上嵌入FBG,捕捉并分析结构形变,无需外部视觉辅助即可实现形状传感。此外,该技术具有高度灵活、易于集成安装及高精度等优点,特别适用于航空航天、汽车工业和桥梁等大型结构的实时健康监测。本文从FBG形状传感原理切入,介绍了FBG形状传感技术关键的3个方面,即温度补偿技术、光纤光栅解调技术和空间重构算法,综述了这些关键技术的研究进展,对其中的具体方法进行了对比分析,探讨了当前面临的主要挑战和未来的发展方向。