首页期刊导航|黑龙江大学自然科学学报
期刊信息/Journal information
黑龙江大学自然科学学报
黑龙江大学自然科学学报

霍丽华

双月刊

1001-7011

hdxb@vip.sohu.com

0451-86608818

150080

哈尔滨市学府路74号

黑龙江大学自然科学学报/Journal Journal of Natural Science of Heilongjiang UniversityCSCD北大核心CSTPCD
正式出版
收录年代

    基于异构并行的DAS高密度数据实时解调技术

    张健何向阁郭莹张敏...
    90-98页
    查看更多>>摘要:针对分布式光纤声波传感(Distributed optical fiber acoustic sensing,DAS)系统中高密度数据实时解调的需求,提出了基于中央处理器(Central processing unit,CPU)和图形处理器(Graphic processing unit,GPU)的异构并行计算架构,完成了实时解调双通道外差型DAS系统传感数据,可满足同时对两个通道共5 000个等效阵元实时解调处理需求.此系统每秒需处理的数据量高达400 MB,相较于仅使用CPU运算的225.5 s运算时间,采用异构并行计算架构的运算时间优化到了468.2 ms,运算速度提升了 482倍,且该方案仍有巨大的算力冗余空间,可为后续DAS系统整体实时性能的提升提供算力支持.

    异构并行分布式光纤声波传感高密度数据实时解调

    基于神经网络的屏幕内容图像质量评估

    杨昭息佳琦陈智超汪国强...
    99-108页
    查看更多>>摘要:随着计算机移动网络技术快速发展,实现屏幕内容图像的分发和处理达到信息共享尤为重要.本文提出了一种基于深度学习卷积神经网络(Convolution neural network,CNN)的屏幕内容图像质量评估方法.人类视觉系统针对文字区域和图像区域具有不同的关注点,所以不能从单一的特征去判断图片的质量,通过设计更深层次的卷积神经网络从而达到多特征提取的目的.本模型使用全卷积网络(Full convolution network,FCN)将屏幕内容图像分割成文字区域和图片区域,利用深层次CNN分别对文本区域和图片区域进行质量评估,通过融合策略将分数整合在一起得到图像的整体质量得分.本模型允许局部质量和局部权重的联合学习,以数据为主导进行驱动,并且不依赖手工特征和图像统计的知识.在两个公开数据集上的实验结果表明,所提出的方法性能相比于目前的方法在主观感知上取得了更高的一致性.

    屏幕内容图像深度学习特征提取神经网络图像质量评估

    改进YOLOv5的遥感图像目标检测

    刘国新朱福珍巫红
    109-115页
    查看更多>>摘要:针对基于YOLOv5算法的小目标的检测精度低、密集目标识别效果差的问题,提出了一种改进YOLOv5目标检测 框架.YOLOv5的主干网络加入卷积块注意力模块(Convolutional block attention module,CBAM)可提高特征提取能力,增强网络对图像纹理的感知能力,使小目标获取更多关注.为了解决密集 目标检测的漏检问题,YOLOv5的颈部网络使用加权双向特征网络(Bidirectional feature pyramid network,BiFPN)替代原有的像素聚合网络(Path aggregation network,PAN),通过权值共享的方式实现多尺度特征融合.采用EIoU作为模型的边界框回归损失函数,提高了边界框回归性能,加快网络收敛速度.在DOTA数据集上,实验验证了 YOLOv5的改进结果,此方法的mAP为80.0%,能够检测更多的目标,相较于YOLOv5,改进YOLOv5的mAP提升了5.2%.

    目标检测YOLOv5算法卷积块注意力模块加权双向特征金字塔EIoU

    异步马尔科夫跳变系统的分布式融合估计

    张蕊林红蕾
    116-126页
    查看更多>>摘要:对带有相关噪声的多传感器异步马尔科夫跳变系统,提出了线性最小方差意义下的按矩阵加权分布式融合估计算法.系统中不同传感器间测量噪声相关,并与系统噪声同时刻相关,同时不同传感器以不同的采样速率均匀采集观测数据.在状态更新点利用伪观测法,并引入Dirac函数,通过状态增广,将异步马尔科夫跳变系统转化为状态更新点的单速率系统.进而利用Kalman滤波理论,提出了线性最小方差意义下的最优局部状态滤波器、系统噪声估值器和两传感器间的估计误差互协方差矩阵,提出了多传感器按矩阵加权分布式最优融合估值器.通过跟踪系统数值仿真实例,进一步验证了所提算法的有效性.

    分布式融合马尔科夫跳变系统异步采样噪声相关

    人物介绍

    封3页