摘 要:在监测交通违法行为的检测任务中,传统的人工监控与基础传感器方法因准确性和实时性存在局限而面临挑战。通过引入多目标跟踪技术,可以显著提升检测效率和系统识别的准确性。文章提出了一种针对车辆信息的多目标跟踪算法,使用MAU-DLA34(MixedAttentionUnit-DeepLayerAggregation34)作为主干网络,替换传统的DLA34主干网络。在处理高密度交通和复杂交互情况下,
摘 要:针对现有方法对非结构文本中结构复杂的敏感个人信息实体无法有效识别的问题,提出一种基于内容和上下文的敏感个人信息实体识别方法。一方面,利用规则匹配检测具有可预测模式的敏感实体类型;另一方面,构建了一个基于词对关系分类架构(ELECTRA-W2NER,EW2NER)的实体关系分类识别模型,以检测模式复杂的敏感实体类型。EW2NER 使用最新的ELECTRA(Efficiently Learni
摘 要:针对复杂自然环境中茶叶病害的检测问题,提出一种创新的检测模型,旨在为茶叶病害的精确识别提供有力支持。模型设计中,增加了小目标检测层,提升了对微小目标的检测;引入了CA(CoordAttention)注意力机制,增强模型对细节信息的捕捉能力;采用Focal-EIOU损失函数进一步优化算法模型;替换主干网络MobilevitV2,提升了模型的性能。实验结果表明,在同等条件下,与YOLOv8n原
摘 要:针对传统风电场景生成方法未充分利用风电功率的预测误差,以及未合理考虑风电序列时间相关性的问题,提出了一种基于LSTM-CGAN(LongShort-Term MemoryConditionalGenerativeAdversarialNetwork)的风电场景生成方法。该方法在条件生成对抗网络模型的训练过程中引入了符合风电预测误差分布的随机噪声,同时使用深度长短期记忆网络搭建条件生成对抗网
摘 要:针对如何在图卷积网络中融入用户的社交网络以及有效实现异构关系学习的问题,提出了一种包含隐式信任和影响的新颖的异构图卷积网络框架(HGCNTI)。该框架基于用户-用户二分图构建信任子图和影响子图,充分利用用户间的隐式关系达到增强用户-项目表示的目的;此外,设计了一个多视角元网络,从不同用户或项目中提取个性化信息,实现个性化知识转换的自适应增强。实验结果表明,在Ciao和Epinions两个数
摘 要:随着神经网络的广泛应用,尤其是注意力机制的引入,风格迁移研究取得了显著进展。文章对基于卷积神经网络、注意力机制的图像风格迁移进行了综述。首先,分析了风格迁移的基本原理和传统方法,详细介绍了基于深度学习的风格迁移算法,尤其聚焦于那些通过引入注意力机制来强化模型风格表现与内容保持能力的创新方法。其次,通过比较不同算法的性能,探讨了现有方法在局部内容保留和风格控制精度方面的优点与缺点。最后,分析
摘 要:针对目前咖啡果实的成熟度主要依赖人工判断且果实相互遮挡导致识别难度大的问题,文章提出一种改进的YOLOv8模型的咖啡果实成熟度检测方法。首先,在Backbone端使用iRMB(InvertedResidualMobileBlock)混合网络模块替换C2f(CSPBottleneckwith2Convolutions),增强模型特征表示能力;其次,引入BiFormer 注意力机制,增强对遮挡
摘 要:针对在多目标文本生成图像和语义相关度高的情况下,于CUB数据集中进行实验时,发现生成的鸟图像中有许多“多头”“多脚”情况,文章在MA-GAN(多阶段注意力机制的生成对抗网络)模型上加入对比学习以优化图像生成。同时,采用特征插值方法增强图像的某些特征,从而提高语义一致性和文本辨识度。通过在CUB和COCO数据集上的实现验证,改进后模型的IS(InceptionScore)指标分别提高了0.1
摘 要:为了解决文档图像质量评价网络对图像特征提取不充分、评价指标不恰当等问题,提出了一种基于Transformer的双流文档图像质量评价算法。首先,利用Transformer提取图像特征,计算特征通道间注意力;其次,使用权重模块预测文档图像OCR(光学字符识别)准确率作为文档图像质量得分,使用CNN(卷积神经网络)提取文档全局特征,全连接后预测图像的自然图像得分;最后,将两者得分结合作为预测图像
摘 要:为了提高农业自动化杂草检测的效率和准确性,提出了一种基于改进YOLOv8(YouOnlyLookOnceversion8)的百合地杂草分类识别方法。针对百合地杂草形态多样、颜色特征复杂且区分度低的难题,引入了TransNext聚合注意力模块和DCNv2(DeformableConvNetV2)注意力机制,优化了YOLOv8-n模型的特征提取和目标识别性能。通过实施数据增强策略,显著地提升了
摘 要:触觉传感器采集的一维触觉数据能够用于识别并区分物体的特征,进而实现对物体类别的分类。文章以轻量级卷积神经网络GhostNet为基础框架,提出了一种改进的复合损失函数,以提升模型的分类性能。为进一步适应一维触觉数据的特性,研究对GhostNet模型进行了结构上的改进,使其能够高效处理一维数据。同时,研究将改进后的GhostNet与GRU(GatedRecurrentUnit)网络相结合,构建
摘 要:模糊测试是目前比较流行的网络协议漏洞挖掘技术之一,但是存在现有网络协议模糊器对字段间的关联性探索不足的问题。为此,提出了一种基于字段信息和覆盖率反馈的模糊测试方法。该方法通过两个参数定量表示协议数据模型中不同字段的关系和每一个字段本身的影响力,并利用覆盖率信息持续学习更新,从而指导模糊测试向更高效的方向变异。基于该方法实现了基于字段信息和覆盖率反馈的模糊测试模糊器FMFuzzer(Fiel
摘 要:针对社交网络中的隐私信息传播问题,改进了传统的信息传播模型,提出了基于信任的社区信息传播控制方案。首先,引入社区结构和信息敏感度两个特征,以更准确地模拟信息传播过程。其次,采用基于信任的真相传播机制,有效地控制了谣言的扩散。仿真实验结果表明,相较于传统模型,社区传播模型达到传播峰值的平均速度提高了31%,更好地模拟了信息传播过程。同时,基于信任的社区谣言控制方案在平均35轮内有效地控制了谣
摘 要:为提高甘肃陇中黄土丘陵沟壑地区旱地春小麦的产量和水分利用效率,本研究在定西市安定区凤翔镇安家沟村设立了试验区,根据该地区长期的气象和灌溉实验数据,采用APSIM(AgriculturalProductionSystemssIMulator)模型和DPS(DataProcessingSystem)软件进行动态模拟,分析了6种灌溉情景下春小麦的产量和水分利用率,并对产量与灌水量进行拟合分析,以
摘 要:目前,基于深度学习的偏微分方程求解工作聚焦于固定几何区域,存在难以适配几何模型实时变化的问题,因此提出了一种基于主从图神经网络的拓扑一致模型等几何分析重用方法。该方法利用图神经网络预测偏微分方程的解。在自制数据集上进行实验验证,结果表明,即使在复杂几何模型上预测复杂方程,该方法仍能将数值解的相对误差控制在10%以内。这证明了该方法能够高效且精确地在一组拓扑一致的B样条模型上取得光滑连续的数