首页期刊导航|信息技术与信息化
期刊信息/Journal information
信息技术与信息化
信息技术与信息化

廉凯

双月刊

1672-9528

sditi@163.com

0531-86133211

250101

山东省济南市山大路224号

信息技术与信息化/Journal Information Technology & Informatization
查看更多>>本刊从信息技术的研究、应用角度展现IT行业与科技发展与进步，是全国高校、科研院所、企业发表信息科学研究、技术应用成果的园地。杂志内容以科技论文为主，并设有评论与综述、信息化论坛、网络通讯、信息处理与模式识别、研究与探索、方案与应用等栏目。整个杂志分三个层次，第一个层次是评论与综述，由政府职能部门和专家对技术、产业的发展趋势，所做的前瞻性的论述和规划；第二个层次是电子信息科技论文，主要刊登高校研究生、科研院所的论文和理论研究成果；第三个层次是企业及各行业中IT技术的应用案例。
正式出版
收录年代

    交通标志的检测与识别方法研究综述

    陈晗晗王俊英任肖月
    77-82页
    查看更多>>摘要：交通标志的检测与识别是当今目标检测领域一项较为关键的技术,在智能交通系统和辅助驾驶技术中发挥着重要作用.对交通标志检测与识别领域早期的传统方法和现阶段较流行的深度学习方法分别做了阐述和分析,相较于传统的交通检测和交通识别方法,基于深度学习的方法更能兼顾准确性和实时性,对于遮挡、光线变化、目标太小等情况有很好的鲁棒性.最后总结了国内外常用的交通标志数据集,并对深度学习方法在该领域的发展进行了展望.

    交通标志的检测交通标志的识别深度学习交通标志数据集

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

    基于激光雷达的点云数据处理研究

    杜超向亚琪樊国政
    83-86页
    查看更多>>摘要：激光雷达技术目前已经在商业中得到了广泛的运用,通过激光雷达技术对点云数据处理系统的研究也有了长足的发展.由于激光雷达数据扫描所获取的是大量的离散化三维数据信息,这些以坐标来记录的数据被称为点云数据.点云是表示实际物体三维信息的统计无序数集,包含物体的三维坐标值、颜色值和灰度值.使用激光雷达的信息采集处理系统采集数据时,由于会受到外界的干扰因素(如光线反射、阴影环境)、扫描精度、物品机械振动的负面影响,采集到的点云数据存在着很大的噪声和孔洞.这些点云空间密度相差较大,使得分析结果不能直接描绘实际物体的模型.对于上述存在的漏洞,设计了一种基于激光雷达的点云数据的处理算法,实现对点云数据处理的简化、过滤、检索以及可视化.

    激光雷达点云处理PCL包围盒可视化设计

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

    一种基于HLS的目标跟踪IP核设计方法

    冯庭燕齐宇心
    87-90页
    查看更多>>摘要：视频目标跟踪一直是计算机视觉领域非常重要的一个研究分支,多种目标跟踪算法都有着非常亮眼的跟踪效果.但为了适应更多应用场景,目标跟踪算法的结构不断复杂化,计算量的增加使跟踪精度高的算法难以保证实时性的要求.针对这一问题,提出了一种基于HLS的目标跟踪IP核设计方法,选用目标跟踪领域经典算法——核相关滤波算法(KCF),通过分析算法原理中的可并行性,从循环和数组两个方面实现算法由串到并的转换,利用高级综合工具(HLS)将优化后算法打包为IP核,充分结合软硬件设计优势,在保证跟踪精度的基础上提高算法运算效率.经验证,目标跟踪IP核的处理速率可达66.7 帧/s,满足视频实时跟踪的要求.

    视频目标跟踪核相关滤波HLS并行优化IP核设计

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

    基于异构处理平台的机载实时图像识别

    刘鑫张瀚成王海翔赵岩...
    91-94页
    查看更多>>摘要：近年来,深度神经网络模型在机载图像识别方面的应用场景不断扩大,为了满足神经网络模型对硬件资源更高的实时算力需求,适应机载场景下的设备运行条件,集合嵌入式异构处理器资源,选取FT-D2000/8 作为主处理器进行算法调度,选取复旦微FMQL100TAI作为协处理器进行智能计算,并设计了具体的并行处理流程以加快计算过程.实验结果表明,相比于CPU单处理器,在CPU+NPU这样的异构处理平台下可以将图像识别帧率提高至2.8 倍,同时识别精度误差控制在 1.035%内,具有良好的性能功耗比表现.

    深度神经网络异构处理平台机载图像识别并行处理

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

    基于决策树求解非线性规划问题的算法

    杨昌霖
    95-98页
    查看更多>>摘要：针对群体智能优化算法具有随机性、盲目性、可编程性差的问题,提出了一种简单有效且不具有随机性的全局搜索算法,用于求解非线性规划问题.通过对每个决策变量的可行域离散化处理后得到的数据构建决策树,采用深度优先的规则对最优解进行搜索,搜索的同时用指数衰减函数调整搜索步长,从而逐步缩小搜索范围,直到结果收敛.算法不具有随机性,不需要编码、解码、交叉、变异等复杂操作,也不需要随机生成初始种群,可编程性强.对非线性规划的六个测试函数进行求解,并与文献中报道的结果对比,结果表明基于决策树的遍历搜索对解决非线性规划问题有效,对于多决策变量的复杂优化问题,采用分组搜索的策略既能保证求解精度,也能保证收敛速度.

    非线性规划决策树搜索算法最优化

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

    复杂系统智能授时管理方法

    张妍典胡玉梅
    99-102页
    查看更多>>摘要：现有授时设备虽然支持内置高精度时钟源以及GPS/北斗卫星授时,但面对高度复杂电磁环境的军事训练评估场景,可能由于强干扰、高阻塞等原因导致授时基准源信息获取失败,进而引起整体系统失效风险.针对上述问题,提出一种多时统源的智能授时管理方法.在实现方法中,首先以FPGA系统时钟作为基准对输入时统源进行有效性分析;然后基于分析结果进行授时智能仲裁选通,以支持系统运行期间时统源的随时切换,保证系统运行的稳定性和精确性,为复杂系统的抗干扰性和可靠性提供有效支撑.

    时统系统卫星授时FPGA智能授时

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

    用于自然植物细粒度分类的目标定位和区域选择网络

    黄文龙马祥星
    103-107页
    查看更多>>摘要：近年来,植物中的细粒度分类问题已经成为计算机视觉领域热门的方向之一.现有的大部分细粒度分类方法只专注于如何寻找更有区分性的部位,忽视了目标的整体结构有助于网络的分类和区分性部位的定位.基于注意力定位关键区域的方法大多都是利用局部注意力来直接定位的,这些方法无法判断所定位到的区域在全局所有区域中是否是最有区分性的.为了解决以上问题,提出一个模板定位和区域选择网络从粗粒度到细粒度渐进式的学习目标的特征.具体来说,目标定位模块可以定位到完整的目标,排除背景的干扰,强化网络提取目标整体结构特征的能力,有助于准确分类和后续区分性区域的定位.区域选择模块则通过全局相关性来衡量数千个区域在全局上的重要程度,根据重要性来选择最有区分性的区域,使网络学习目标的细粒度特征.在iNaturalist-2021Mini和iNaturalist-2018数据集上的实验表明,所提出的方法可以达到优异的效果.

    细粒度分类植物分类注意力机制卷积神经网络

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

    基于TUSB2046的多处理器调试模块设计与实现

    吴超汪利建王洋洋
    107-110页
    查看更多>>摘要：针对航空电子设备调试过程中,传统的模块调试方法需要多次在机柜中插拔模块,易造成模块损坏,且调试效率低下的问题,基于USB_HUB控制芯片TUSB2046IBVF设计了一款同时适用于不超过10 模块的实时在线调试电路并实现为调试模块.首先介绍了设计方案的物理架构,其次介绍了模块核心芯片的供电方式、时钟电路、负载的过流保护、与机柜的连接器定义等,最后通过对模块的测试,达到了预定的功能,效果良好.

    通用串行总线集线器(USB_HUB)调试模块多处理器联合测试行为组织(JTAG)

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

    融合词性特征的深度迁移学习商品评论情感分析

    张震
    111-114页
    查看更多>>摘要：情感分析是文本分类的研究方向,深度迁移学习通过学习目标领域数据和已有领域数据之间的相关度,提高当目标数据不足时文本分类的精度.从基于网络迁移的角度设计算法,首先使用Word2vec+词性特征词向量表示,然后进行卷积神经网络文本分类,再将训练好的模型共享网络参数,迁移至跨域商品评论数据,训练、分类评论数据.实验证明,在小样本数据集中算法精度有明显提升.

    深度迁移学习卷积神经网络词性特征商品评论分析

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

    基于深度学习的生活垃圾分类方法现状与展望

    黄乐程
    115-119页
    查看更多>>摘要：随着计算机视觉应用的突破性发展以及垃圾分类智能化需求的日益增长,基于深度学习的垃圾分类技术成为生活垃圾分类的主流发展趋势.基于深度学习的垃圾分类典型方法主要包括基于ResNet、DenseNet、单阶段目标检测方法和卷积神经网络与迁移学习相结合方法等.文章系统梳理各分类方法的技术特色和适用效果,介绍了有限的垃圾分类公开数据集图像获取及数据情况,指出深度学习在垃圾分类应用中面临数据集依赖、多目标小物体检测率低、轻量型网络模型少等瓶颈问题.聚焦问题,提出了深度学习技术在生活垃圾分类中应用的重点研究领域,并对未来研究发展趋势予以展望.

    深度学习卷积神经网络ResNetDenseNet单阶段目标检测

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