首页期刊导航|重庆工商大学学报（自然科学版）
期刊信息/Journal information
重庆工商大学学报（自然科学版）
重庆工商大学学报（自然科学版）

刘启能

月刊

1672-058X

yzzk@chinajournal.net.cn

023-62769495

400067

重庆市南岸区学府大道21号

重庆工商大学学报（自然科学版）/Journal Journal of Chongqing Technology and Business(Natural Sciences Edition)
查看更多>>本刊坚持“立足重庆、面向全国，以重点、特色学科为龙头，充分发挥本校学科优势”的特色化发展道路。始终坚持正确的舆论导向 始终坚持“科学技术工作必须面向经济建设”的办刊方针 始终坚持以繁荣科学文化技术、促进学校对外学术交流，反映我校科研、教学成果，发现和培养创新人才为己任。
正式出版
收录年代

    基于稀疏化卷积网络剪枝的火焰图像识别方法

    颜佳文林献坤潘溢洲
    79-84页
    查看更多>>摘要：目的 野火预警大多采用烟雾或红外传感器检测，且这些传感器在大型开放式空间下，容易受到环境的影响，从而很难进行开放场所的精准火灾预警，而优越的火焰检测模型往往存在过多的参数量，且存在结构冗余的问题，基于此问题，提出一种改进的VGG深度卷积网络架构。方法 以映射变换为基础，进行像素值调整，在保证分类精度的前提下，采用L1正则化保证稀疏性，并基于BN层进行结构化剪枝，从而降低模型储存数据量，得到精简的模型。结果 大量的仿真试验结果表明:该方法在不同剪枝比例下，在野火架构数据集上，检测与勘误率依然能够保持高的准确精度，改进的模型在剪枝率为80％时，准确率达到了 95。29％，提升了 0。92％，并有效解决了模型过参数化的问题;通过不同的微调训练，模型精度略微超过没有进行剪枝时的模型，且在参数量上少了近20倍，并随着剪枝率的上升，检测效果在原有精度水平上无明显下降，甚至略高于原始模型精度，这说明在训练过程中，有大量的冗余权重。结论 该方法可以大幅度缩减模型的储存量，并可保证较高的分类精度，具有较好的实际应用意义，可以应用在神经网络存储计算能力较弱的嵌入式设备中。

    深度卷积网络VGG火焰检测剪枝

      原文链接:
    • 万方数据

    基于混合域注意力ResNeSt的结肠息肉分割模型

    周孟然刘思怡卞凯王宁...
    85-93页
    查看更多>>摘要：目的 针对因息肉大小不一，边界不清，光线影响，在图片中所占比例较小导致的分割精度不高的问题，提出了一种改进的U型结构网络BMR-Net。方法 该模型的框架为编码器-解码器形式，在编码器部分采用ResNeSt提取特征，在计算成本增加很少的情况下改善了特征提取效果;在编码器和解码器之间设计边界预测生成模块(BPGM)来聚合高层特征并加入改良空间金字塔池化模块，在其中引入注意力机制，提升多尺度信息融合效果，获得更精确的全局特征图表示;针对不清晰的边缘部分采用反向注意力模块，删除已预测区域，校正边界信息。结果 在 CVC-ClinicDB、Kvasir-SEG、CVC-ColonDB、ETIS-Larib、EndoScene 数据集上进行测试，mDice 值分别达到了0。930、0。903、0。743、0。712、0。874。结论 该方法分割性能和泛化性能均优于其他的先进方法，并且可以更加精确和完整地分割出小尺寸息肉，可以为结肠息肉患者提供早期预后信息。

    图像分割结肠息肉ResNeSt编解码网络注意力机制

      原文链接:
    • 万方数据

    面向特征演化数据流的增量学习方法研究

    陈燕菲刘三民
    94-104页
    查看更多>>摘要：目的 特征演化数据流的特征空间随时间推移而动态变化，传统增量学习方法囿于固定特征空间的假设，无法直接应用于特征演化数据流的学习场景，因此针对挖掘特征演化数据流时面对的分类模型与当前数据特征不匹配而失效、模型预测性能受噪声干扰等问题，提出了一种面向特征演化数据流的增量学习方法。方法 首先，通过引入模糊隶度函数并结合增量孪生支持向量机模型，鲁棒地训练与更新分类器;当出现新特征时，重新训练新分类器，同时结合局部线性加权回归算法拟合新旧特征之间的映射关系，从而在旧特征消失时，利用所学到的映射关系，将已训练好的旧分类器投影至新特征空间继续更新;最后，结合两种不同的集成策略以合并新旧两分类器实现共同预测。结果 通过大量仿真实验，所提方法分类准确率相较于对比方法提升了 0。3％～21。7％;在含不同信噪比数据集上，分类模型性能整体优于对比模型，并随着人工增加噪声比例，模型分类效果受负面影响较小。结论 所提方法得以构建性能高效稳定的分类模型，在提升模型预测精度的同时能减少噪声对分类性能的干扰，增强了模型对特征演化数据流自适应学习能力。

    数据流挖掘特征演化增量学习动态数据流集成学习

      原文链接:
    • 万方数据

    基于改进SIFT算法的三维重建技术研究

    李冉杨超宇
    105-111页
    查看更多>>摘要：目的 针对三维重建过程中尺度不变特征转换(Scale Invariant Feature Transform，SIFT)算法对噪声敏感，导致特征点提取和匹配的错误和运行时间长等问题，提出一种改进的SIFT算法，旨在提高特征点提取的准确性和减少运行时间。方法 改进的SIFT算法首先对图像的像素点进行遍历，对于每个目标像素点，将其与其8邻域内的像素点进行灰度值比较。如果相邻像素点的灰度值与目标像素点的灰度值之差小于设定的阈值，则将该相邻像素点标记为相似点;根据相似点的数量，确定目标像素点是否为兴趣点，如果相似点的数量满足特定条件，则将目标像素点判定为兴趣点，然后在以兴趣点为中心的区域内使用SIFT算法提取特征点。结果 在不同的阈值设置和对不同尺寸图像进行对比实验中，结果显示改进的SIFT算法相较于传统的SIFT算法，在特征点提取正确率上有约10％左右的提升，运行时间节约25％左右。结论 实验结果表明:本文提出的改进SIFT算法通过引入对噪声的抑制和对兴趣点的筛选，能够有效提升特征点的提取质量，以及特征点提取和匹配中的错误率，并且显著降低运行时间。

    特征点提取SIFT三维重建特征点匹配

      原文链接:
    • 万方数据

    基于公共项共享的改进双三次插值算法电路研究

    完海张肖强杨帆郑辛星...
    112-122页
    查看更多>>摘要：目的 针对传统双三次插值缩放算法硬件资源消耗大、计算速度相对较慢的问题，提出一种利用公共项共享的改进双三次插值算法硬件电路优化方法。方法 该方法涉及构建双三次插值的插值系数计算公式，采用公因式消除法简化公式，目的是提取插值系数计算中的公共成分和中间插值系数;随后，在硬件电路实施过程中，将这些公共成分合并起来，进行综合计算;最终，通过对中间插值系数的表述和共享组件的整合，构建出一个优化的双三次插值电路。结果 理论分析表明:乘法器数量从36个减少到20个，从而降低了硬件资源消耗;所构建的双三次插值电路使用硬件描述语言，并使用AMD Xilinx的Vivado开发工具进行综合。实验结果表明:优化后的双三次插值电路在基础层面上减少了 8％的LUT(查找表)、2％的LUTRAM和14％的DSP(数字信号处理器)资源。结论 事实证明:与现有优化技术相比，基于公因子共享的双三次插值算法优化方法能更有效地减少硬件电路资源消耗，同时保持图像缩放质量。

    双三次插值缩放算法公共项共享硬件电路优化插值系数

      原文链接:
    • 万方数据

    基于EEG-TCNet的运动想象脑电识别方法

    李卫校凌六一
    123-128页
    查看更多>>摘要：目的 针对以深度学习为解码的方法在运动想象脑电信号识别过程中仅对原始的运动想象脑电信号进行特征提取而不进行样本扩充和往往采用单一尺度的卷积对多频段的运动想象脑电信号进行特征提取，无法充分发掘各频段之间相关性的问题，在主流EEG-TCNet解码方法的基础上提出了一种样本扩充和多尺度的解码方法。方法 首先，对运动想象脑电信号进行分割，以增加数据集样本数，将运动想象脑电信号等间隔下采样成3个不同的子序列，每个子序列都含有与原始运动想象脑电信号相同的数据特征;其次，使用EEGNet对每个子序列进行特征提取，对不同的子序列使用不同尺度的EEGNet以便提取不同频段的特征;之后，对每个经过EEGNet提取后的子序列采用一种基于卷积滑动的方法再进分割，充分挖掘每个子序列潜在的信息;再次，将每个处理后的子序列传入到时间卷积网络进行特征提取和降维;最后，对所有处理后的子序列进行拼接、平均操作，并传入到全连接层进行识别。结果 在公开的BCI竞赛数据集Ⅳ-2a上进行验证，所做出改进的网络相对于EEG-TCNet、EEGNet的解码准确度分别有5。19％和7。7％的提升。结论 证明所做出改进的网络在运动想象脑电信号识别任务中具有更理想的解码性能。

    EEG-TCNet运动想象脑电信号卷积神经网络时间卷积网络

      原文链接:
    • 万方数据