检索结果-维普期刊中文期刊服务平台

基于多尺度金字塔池化的调制识别算法被引量：1: 1; 作者李泊含刘芸江李艳福《电光与控制》 CSCD 北大核心 2022年第12期18-24,40,共8页; 针对传统基于特征提取(FB)的信号调制识别算法所存在的识别准确率低、特征提取难度大以及算法泛化性能差等问题,结合卷积神经网络(CNN)和多尺度金字塔池化(MSPP)提出一种基于MSPP-CNN的信号自动调制识别(AMR)算法。在所提出的算法中,使... 展开更多; 关键词调制识别多尺度金字塔池化深度学习卷积神经网络; 在线阅读下载PDF 职称材料

基于金字塔知识的自蒸馏HRNet目标分割方法被引量：6: 2; 作者郑云飞王晓兵 +2 位作者张雄伟曹铁勇孙蒙《电子学报》 EI CAS CSCD 北大核心 2023年第3期746-756,共11页; 知识蒸馏能有效地将教师网络的表征能力迁移到学生网络,无须改变网络结构即可提升网络的性能.因此,在性能优异的目标分割主干网HRNet(High-Resolution Net)中构建自蒸馏学习模型具有重要意义.针对HRNet并行结构中深层与浅层信息充分融... 展开更多; 关键词自蒸馏学习并行结构网络多尺度池化金字塔结构化相似性目标分割; 在线阅读下载PDF 职称材料

基于改进的IIE-SegNet的快速图像语义分割方法被引量：1: 3; 作者李庆王宏健 +2 位作者李本银肖瑶迟志康《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2024年第2期314-323,共10页; 针对IIE-SegNet计算复杂度高、计算量大等问题,本文提出一种基于IIE-SegNet的改进方法。编码结构中引入经ImageNet训练过的VGG16和多尺度空洞卷积空间金字塔池化来获得丰富的编码信息;解码结构中,设计全局加平均模块来解决IIE-SegNet计... 展开更多; 关键词语义分割深度学习多尺度空洞卷积空间金字塔池化图像信息熵全局加平均 VGG16 IIE-SegNet; 在线阅读下载PDF 职称材料

基于混合注意力机制的调制识别算法: 4; 作者李佳宜刘芸江 +1 位作者李泊含刘浩《电光与控制》 2025年第9期41-46,60,共7页; 针对目前基于卷积神经网络(CNN)进行调制识别的方法,在卷积层不断加深的过程中浅层空间信息丢失、训练耗时长等问题,提出一种基于混合注意力机制的调制识别算法。首先,通过构建多尺度金字塔池化(MSPP)对输入进行并行处理,提取信号的深... 展开更多; 关键词信号调制调制识别多尺度金字塔池化混合注意力机制卷积神经网络; 在线阅读下载PDF 职称材料

题名基于多尺度金字塔池化的调制识别算法被引量：1: 1; 作者李泊含刘芸江李艳福; 机构空军工程大学信息与导航学院; 出处《电光与控制》 CSCD 北大核心 2022年第12期18-24,40,共8页; 基金国家自然科学基金面上项目(61871474)。; 文摘针对传统基于特征提取(FB)的信号调制识别算法所存在的识别准确率低、特征提取难度大以及算法泛化性能差等问题,结合卷积神经网络(CNN)和多尺度金字塔池化(MSPP)提出一种基于MSPP-CNN的信号自动调制识别(AMR)算法。在所提出的算法中,使用多尺度金字塔池化提高模型对不同调制信号的非线性特征提取能力,使模型具有更强的特征表达和泛化性能;在CNN模型的构建过程中,使用不同的卷积、池化以及激活方法对模型进行最优化验证,从而保证模型结构以及参数的合理性。实验结果显示,所提算法在信噪比为-18 dB,0 dB,18 dB时的识别准确率分别达到56%,62.98%,92.04%;与其他传统特征提取算法以及CNN算法的大量对比试验,证明了所提算法的有效性和高识别准确率。; 关键词调制识别多尺度金字塔池化深度学习卷积神经网络; Keywords modulation recognition multi-scale pyramid pooling deep learning convolutional neural network; 分类号 TN911.7 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于金字塔知识的自蒸馏HRNet目标分割方法被引量：6: 2; 作者郑云飞王晓兵张雄伟曹铁勇孙蒙; 机构陆军工程大学指挥控制工程学院陆军炮兵防空兵学院安徽省偏振成像与探测重点实验室陆军工程大学指挥控制工程学院计算机与科学博士后流动站; 出处《电子学报》 EI CAS CSCD 北大核心 2023年第3期746-756,共11页; 基金国家自然科学基金(No.61801512,No.62071484) 江苏省自然科学基金(No.BK20180080)。; 文摘知识蒸馏能有效地将教师网络的表征能力迁移到学生网络,无须改变网络结构即可提升网络的性能.因此,在性能优异的目标分割主干网HRNet(High-Resolution Net)中构建自蒸馏学习模型具有重要意义.针对HRNet并行结构中深层与浅层信息充分融合导致直接蒸馏难以实现的挑战,本文提出一种基于多尺度池化金字塔的结构化自蒸馏学习模型:在HRNet分支结构中引入多尺度池化金字塔表示模块,提升网络的知识表示和学习能力;构造“自上而下”和“一致性”两种蒸馏模式;融合交叉熵损失、KL(Kullback-Leibler)散度损失和结构化相似性损失进行自蒸馏学习.在四个包含显著性目标和伪装目标的分割数据集上的实验表明:本文模型在不增加资源开销的前提下,有效提升了网络的目标分割性能.; 关键词自蒸馏学习并行结构网络多尺度池化金字塔结构化相似性目标分割; Keywords knowledge distillation parallel network multi-scale pooling pyramid structural similarity object seg⁃mentation; 分类号 TP391 [自动化与计算机技术—计算机应用技术] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于改进的IIE-SegNet的快速图像语义分割方法被引量：1: 3; 作者李庆王宏健李本银肖瑶迟志康; 机构哈尔滨工程大学智能科学与工程学院烟台南山学院智能科学与工程学院; 出处《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2024年第2期314-323,共10页; 基金 GF科技创新特区项目(21-163-05-ZT-002-005-03) 水下机器人重点实验室基金项目(JCKYS2022SXJQR-09) 哈尔滨工程大学“高水平科研引导专项”(3072022QBZ0403)。; 文摘针对IIE-SegNet计算复杂度高、计算量大等问题,本文提出一种基于IIE-SegNet的改进方法。编码结构中引入经ImageNet训练过的VGG16和多尺度空洞卷积空间金字塔池化来获得丰富的编码信息;解码结构中,设计全局加平均模块来解决IIE-SegNet计算量大的问题;研究Focal损失函数来解决正、负采样不平衡的问题。实验结果表明:与IIE-SegNet相比,本方法在PASCAL VOC 2012数据集上的语义分割速度更快,平均每次迭代快0.6 s左右,测试单张图像的时间平均减少了0.94 s;分割精度更高,MIoU提升了2.1%。在扩展的PASCAL VOC 2012(Exp-PASCAL VOC 2012)数据集上的语义分割速度更快,平均每次迭代快0.4 s左右,测试单张图像的时间平均减少了0.92 s;分割精度更高,MPA和MIoU分别提升了2.6%和2.8%,特别是对于小尺度目标分割边界更清晰,性能得到了很大的提升。; 关键词语义分割深度学习多尺度空洞卷积空间金字塔池化图像信息熵全局加平均 VGG16 IIE-SegNet; Keywords semantic segmentation deep learning multiscale atrous spatial pyramid pooling(MASPP) image in-formation entropy(IIE) global add average(GAA) VGG16 IIE-SegNet; 分类号 TP389.1 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于混合注意力机制的调制识别算法: 4; 作者李佳宜刘芸江李泊含刘浩; 机构空军工程大学信息与导航学院; 出处《电光与控制》 2025年第9期41-46,60,共7页; 基金国家自然科学基金(62203464) 陕西省自然科学基础研究计划项目(2022JQ-655)。; 文摘针对目前基于卷积神经网络(CNN)进行调制识别的方法,在卷积层不断加深的过程中浅层空间信息丢失、训练耗时长等问题,提出一种基于混合注意力机制的调制识别算法。首先,通过构建多尺度金字塔池化(MSPP)对输入进行并行处理,提取信号的深度特征和多尺度特征;然后,引入改进卷积的混合级联注意力机制,包括缩放点积注意力(SDPA)和挤压-激发块(SEB)从空间和通道维度关注有利于调制识别的关键特征,使模型具有适应性更强的特征表达能力,同时有效缩短了模型的训练时间。实验结果表明,所提算法在信噪比为-20 dB、0 dB、20 dB时的识别准确率分别达到52.16%、61.87%、91.69%,均高于其他算法;相比于多尺度金字塔池化算法,训练时间缩短了50.84%。证明了所提算法能有效地提取信号特征,具有更好的识别准确率。; 关键词信号调制调制识别多尺度金字塔池化混合注意力机制卷积神经网络; Keywords signal modulation modulation recognition multi-scale pyramid pooling hybrid attention mechanism convolutional neural network; 分类号 TN911.7 [电子电信]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于多尺度金字塔池化的调制识别算法	李泊含刘芸江李艳福	《电光与控制》 CSCD 北大核心	2022	1	在线阅读下载PDF 职称材料
2	基于金字塔知识的自蒸馏HRNet目标分割方法	郑云飞王晓兵张雄伟曹铁勇孙蒙	《电子学报》 EI CAS CSCD 北大核心	2023	6	在线阅读下载PDF 职称材料
3	基于改进的IIE-SegNet的快速图像语义分割方法	李庆王宏健李本银肖瑶迟志康	《哈尔滨工程大学学报》 EI CAS CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
4	基于混合注意力机制的调制识别算法	李佳宜刘芸江李泊含刘浩	《电光与控制》	2025		在线阅读下载PDF 职称材料