首页期刊导航|国外电子测量技术
期刊信息/Journal information
国外电子测量技术
国外电子测量技术

陈光衤禹

月刊

1002-8978

fedit@vip.163.com

010-64005190

100009

北京东城区北河沿大街79号2楼

国外电子测量技术/Journal Foreign Electronic Measurement Technology北大核心CSTPCD
正式出版
收录年代

    基于双重注意力机制的间质性肺病高分辨率CT图像分类方法

    赵琪玉张俊华张剑青徐铭蔚...
    1-11页
    查看更多>>摘要：为了更精确地分类间质性疾病,提出了一种基于深度学习的分类网络,首先将多头自注意力机制模DenseNet-121结合,使得模型能够同时关注多个重点区域.然后采用卷积注意力模块实现更高效的特征提取,提升网络的空间感知能力,从而增强分类性能.最后,添加改进的空间金字塔池化层将不同尺度的特征图拼接起来以捕获更丰富的空间信息.此外针对高分辨率C图像数据集类别不均衡问题,引入Focal Loss损失函数,使得模型在训练时更专注于难分类的样本,从而进一步增强模型的分类能力.所提方法在未经训练的数据集上进行测试,达到了88.28%的准确率.相较于原始DenseNet-121在准确率、召回率、精确率、F1分数和Kappa系数提高了4.65%、5.08%、5.82%、5.45%和6.38%.实验结果表明,该方法具有特征提取能力强和分类准确率高的特点.

    间质性肺病深度学习注意力机制DenseNet-121高分辨率CT图像

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于多残差和多重特征融合的去雾算法

    武丽俞俊张征浩葛彩成...
    12-21页
    查看更多>>摘要：针对目前大多数图像去雾算法由于细节丢失导致去雾后的图像颜色失真,雾霾残留以及纹理细节模糊等问题,提出一种基于多残差和多重特征融合端到端的去雾算法.首先通过设计浅层特征提取模块,为深层网络提高丰富信息的特征图;其次设计多残差级联模块,提取多层次特征,帮助模型学习更加复杂的特征表示;然后设计局部-全局特征融合模块,捕获从最细微到最广泛的特征;最后设计结合残差注意力的跨层特征融合模块,避免上下采样后的细节缺失,更好地提取图像中的局部与全局信息特征.实验结果表明,所提算法在SOTS室内、室外测试集上峰值信噪比(PSNR)分别取得了33.12、31.07 dB,结构相似性(SSIM)分别取得0.986、0.983,与当前大多数主流算法相比得到了明显的提升,且在合成雾图像和真实雾霾图像均取得了不错的去雾效果,复原图像细节更加清晰,更符合人类视觉感知.

    图像去雾深度学习编解码器残差结构特征融合

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于改进YOLOv8n的PCB缺陷检测算法

    姜源付波权轶李昊...
    22-32页
    查看更多>>摘要：针对现有的印刷电路板(PCB)缺陷检测方法计算量大、小目标缺陷易漏检、检测速度较慢等问题,提出YOLOv8n-4SCDP缺陷检测算法.首先,在YOLOv8n颈部网络增加上采样,融合Backbone中浅层语义信息,同时增加微小目标检测层降低PCB小目标缺陷漏检率;其次,在Backbone中融入坐标注意力(CA)机制,强化特征语义和位置信息,提高了模型特征融合能力;另外,设计密集连接机构,提高模型的缺陷特征利用率,采用PConv对模型进行压缩,既保证了模型的准确性,又大大减小了模型的尺寸;最后,针对难易样本不平衡的问题,采用线性区间映射法重新定义回归损失函数(Focaler-SIoU),提高模型收敛速度和回归精度.实验结果表明,YOLOv8n-4SCDP算法的整体缺陷的平均精度均值(mAP)达到95.8%,检测帧率达到了65 fps.有效改善YOLOv8n对于PCB小目标缺陷漏检率高、检测精度低等问题.

    YOLOv8nPCB缺陷小目标缺陷检测密集连接注意力机制

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    5G异构网络中基于多目标Actor-Critic的资源分配

    曾韦健李晖
    33-40页
    查看更多>>摘要：在5G异构网络(heterogeneous network,HetNet)中广泛部署小基站可以提高网络容量和用户速率,但密集部署也会产生严重干扰和更高能耗问题.为了最大化网络能量效率(energy efficiency,EE)并保证用户服务质量(quality of service,QoS),提出了一种在小蜂窝基站中嵌入能量收集器供电的资源分配方案.首先,针对网络系统的下行链路,将频谱和小基站发射功率分配问题建模为联合优化系统能效和用户满意度的多目标优化问题.其次,提出了基于深度强化学习的多目标演员-评论家(multi-objective actor-critic,MAC)资源分配算法求解所建立的优化模型.最后,仿真结果表明,相比于其他传统学习算法,能量效率提高了11.96%～12.37%,用户满意度提高了11.45%～27.37%.

    5G异构网络能量效率用户满意度多目标优化深度强化学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    计及数据不平衡的RUSBoost-LightGBM短期负荷预测方法

    张毅温蜜
    41-49页
    查看更多>>摘要：随着人工智能技术的发展,负荷预测的准确度显著提高,但仍有一些负荷曲线预测精度较低.造成这种现象的原因在于训练集中这类负荷曲线属于少数类,导致数据不平衡,模型无法充分学习,从而影响了预测的精度.为解决电力负荷数据不平衡问题导致的预测精度降低的问题,提出了一种先分类后预测的解决方法.通过改进的K-Mediods方法把具有高相似性的历史负荷曲线进行聚类,并构造分类标签与电力负荷的特征集;然后根据预测时间的特征进行分类,通过RUSBoost算法很好的优化了分类过程中数据不平衡问题;最后在每类中使用LightGBM算法进行负荷预测.在公开数据集上的实验表明,所提出方法对少数类负荷的预测效果显著,其平均绝对百分比误差(MAPE)为2.95%,均方根误差(RMSE)为175.71 MW;对于常规负荷的预测,MAPE为3.52%,RMSE为195.84 MW,相对其他方法也具有较好的预测效果.

    负荷预测负荷曲线聚类数据不平衡RUSBoostLightGBM

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于双阶段多尺度生成对抗网络的图像复原方法

    童俊毅张银胜张培琰李长帅...
    50-58页
    查看更多>>摘要：针对人脸图像复原任务中对图像尺度信息利用不足和眼镜结构复原错误的问题,提出一种基于双阶段多尺度生成对抗网络复原模型.该模型第1阶段引入改进损失的U-Net粗重构网络,利用跳连接减少原始图像信息的丢失,融合3种不同的损失函数提高生成器的重构能力,采用双判别器考虑全局信息和局部信息,并提出一种混合域注意力机制用于关注图像的空间和通道信息.第2阶段的精修复网络构建了全新的特征增强模块,增强网络对细节信息的提取能力和对结构的表达能力,引入相对判别器,用于关注生成样本与真实样本之间的相对真实性,提高了生成质量和训练稳定性.实验结果表明,该方法能够复原各类图像缺失的情况,并能够有效复原佩戴眼镜的人脸图像,与其他方法相比,该方法的峰值信噪比、结构相似性和感知相似度评估等指标分别提升了3.81%、2.65%和0.45%.

    图像复原生成对抗网络特征增强双阶段U-Net

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于跨模态特征融合的RGB-D显著性目标检测

    李可新何丽刘哲凝钟润豪...
    59-67页
    查看更多>>摘要：RGB-D显著性目标检测因其有效性和易于捕捉深度线索而受到越来越多的关注.现有的工作通常侧重于通过各种融合策略学习共享表示,少有方法明确考虑如何维持RGB和深度的模态特征.提出了一种跨模态特征融合网络,该网络维持RGB-D显著目标检测的RGB和深度的模态,通过探索共享信息以及RGB和深度模态的特性来提高显著检测性能.具体来说,采用RGB模态、深度模态网络和一个共享学习网络来生成RGB和深度模态显著性预测图以及共享显著性预测图.提出了一种跨模态特征融合模块,用于融合共享学习网络中的跨模态特征,然后将这些特征传播到下一层以整合跨层次信息.此外,提出了一种多模态特征聚合模块,将每个单独解码器的模态特定特征整合到共享解码器中,这可以提供丰富的互补多模态信息来提高显著性检测性能.最后,使用跳转连接来组合编码器和解码器层之间的分层特征.通过在4个基准数据集上与7种先进方法进行的实验表明,方法优于其他最先进的方法.

    RGB-D显著性目标检测跨模态融合网络跨模态特征融合多模态聚合

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于S-PNet的触觉电阻抗成像后处理算法研究

    袁晶晶戎舟
    68-75页
    查看更多>>摘要：电阻抗成像技术(EIT)因其非侵入式的特性为机器人柔性触觉传感器的压力点分布可视化提供了一种可行的方法.然而EIT逆问题具有高度的非线性和病态性,当多压力点相近时,重建图像的伪影会导致压力点间存在粘连.为解决上述问题,提出一种由特征提取、特征重建以及加强特征提取3个模块构成的S-PNet电阻抗成像后处理算法,实现对粘连压力点的分割以及形状重建.该算法使用金字塔池化结构加强特征提取,在增加极小计算量的情况下,能够提取到区分相近压力点边界的多尺度特征.采用均方根误差(RMSE)和结构相似度(SSIM)来评价后处理图像质量,实验得出RMSE的平均值为0.02,SSIM的平均值为0.97.仿真与实测结果均表明,与现有算法相比,基于S-PNet的后处理算法能够得到边界清晰且形状准确的结果.

    电阻抗成像逆问题图像后处理深度学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于层次交互动态注意力与序列学习的图像超分辨率重建

    莫恒辉魏霖静
    76-86页
    查看更多>>摘要：针对图像超分辨率中网络关注度不足、模块间协同性弱和深层特征表征消失等问题,提出了一种结合层次交互动态注意力与序列学习单元的多级残差聚合超分辨率重建模型.模型采用多层次特征融合与跳跃连接的网络结构,结合不同层次的特征,捕获从低到高的不同级别的信息,生成更丰富和准确的表征.模块里通过残差连接避免梯度消失,实现深度网络的平滑损失空间和灵活增加.提出动态层次融合注意力模块动态计算各个特征的重要性权重,进行有选择性的特征融合,并通过序列学习单元捕获更长范围的上下文信息.提出多尺度特征融合模块将不同感受野的特征信息提取融合,以挖掘更深层的特征表示.模块尾部引入轻量化无参注意力机制自适应加权特征图,恢复图像高频细节.实验结果表明,相较于主流算法,提出的算法在各种公开测试集(Set5、Set14、BSD100、Urban100、Manga109)上进行3倍超分辨率重建评估,平均峰值信噪比提升约0.47 dB,平均结构相似性提升约0.006 8.且在遥感图像超分辨率重建方面展示出实际应用潜力.证明其在图像超分辨率重建方面的优越性.

    图像超分辨率注意力机制序列学习多级残差聚合网络峰值信噪比

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于递阶ANFIS树的室内定位算法研究

    金宏平戴玉帆
    87-93页
    查看更多>>摘要：室内指纹定位算法易受到多种因素的影响,造成指纹数据集的模糊性.针对应用在室内定位中的自适应神经模糊推理系统(ANFIS),随着模糊系统输入参数的增加,造成ANFIS的维数灾难和计算的复杂性等问题,提出了一种基于递阶自适应神经模糊推理系统树(HANFIS-Tree)的室内定位算法.将整体ANFIS拆分为互联型的 HANFIS-Tree结构,减少模糊规则数量,以此提高了系统的计算效率和模糊系统的可解释性,同时采用改进的特征权重算法选取与坐标位置相关性较高的信号强度(RSSI)之差作为输入参数,提高了系统的定位精度,并且引入减法聚类算法初始化输入参数,提高了系统的收敛速度.实验结果表明,与ANFIS相比,HANFIS-Tree在室内定位算法中,横坐标上定位精度提高了3.5 cm,纵坐标上运算效率均提高了约1倍.

    室内定位自适应神经模糊推理系统模糊树递阶

      原文链接:
    • NETL
    • NSTL
    • 万方数据