期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到7篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
HKRNet:高实时性点云配准轻量化框架
1
作者 王志航 杨华实 +4 位作者 杨维 庞明喜 陈治中 巩昊杨 王鼎衡 《科学技术与工程》 北大核心 2025年第11期4629-4637,共9页
为解决LIO-SAM (tightly-coupled lidar inertial odometry via smoothing and mapping)等基于ICP(iterative closest point)方法的传统点云配准策略和HRegNet(hierarchical registration network)等基于深度神经网络方法的新型点云配... 为解决LIO-SAM (tightly-coupled lidar inertial odometry via smoothing and mapping)等基于ICP(iterative closest point)方法的传统点云配准策略和HRegNet(hierarchical registration network)等基于深度神经网络方法的新型点云配准模型均存在的算力消耗高、配准时间长等问题,通过深入研究HRegNet神经网络点云配准模型框架,提出具有轻量化、实时性特点的HKRNet(hierarchical kcpstack registration network)网络模型。首先,使用点云体素化和高斯阈值降采样联用的滤波方法,去除雷达扫描地面的大量无用点,将点的数量从13万左右降至约7万。其次,对HRegNet模型内部耗时大的K最近邻(K-nearest neighbors, KNN)点云聚类算法改进为KD树(K-dimensional tree, KD-Tree)算法,能够在保证精度的前提下提升25%的处理速度。最后,针对模型内部卷积模块内存消耗高、计算效率低的问题,使用张量分解的轻量卷积模块并提出分层奇异值分解算法,将模型压缩至原来的86.1%并节约61.2%的计算量。结果表明,HKRNet网络相对于HRegNet网络可以在微小的精度损失下,减少40%的配准时间,单次配准时间不超过84 ms,满足实时配准的使用需求。 展开更多
关键词 点云配准 深度学习 模型轻量 点云下采样
在线阅读 下载PDF
多种变量组合方案下的机器学习模型在PM_(2.5)浓度估算中的性能对比——以陕西关中地区为例
2
作者 徐翠玲 胡雪 +2 位作者 袁兵 郭灿 赵丽华 《地球科学与环境学报》 北大核心 2025年第4期829-843,共15页
获取高分辨率、高精度连续PM_(2.5)浓度,有利于揭示空气质量分布规律,对环境治理、大气污染防治及经济的可持续发展具有重要意义。基于2020~2022年陕西关中地区PM_(2.5)地面监测数据、气溶胶光学厚度(AOD)数据、气象数据、地理数据和协... 获取高分辨率、高精度连续PM_(2.5)浓度,有利于揭示空气质量分布规律,对环境治理、大气污染防治及经济的可持续发展具有重要意义。基于2020~2022年陕西关中地区PM_(2.5)地面监测数据、气溶胶光学厚度(AOD)数据、气象数据、地理数据和协同监测污染物数据等,依据其性质进行分类,设计11种变量组合方案,分别构建随机森林(RF)模型、梯度提升树(GBT)模型和轻量梯度提升机(LightGBM)模型估算关中地区PM_(2.5)浓度,并对不同方案下的模型估算精度进行对比分析。结果表明:(1)3种模型在两两变量组合方案下的估算效果优于在单一变量组合方案下,在多变量组合方案下的估算效果则最优;(2)在同一方案下,LightGBM模型表现最佳,而且多变量组合方案下的LightGBM模型拟合结果在11种变量组合方案中是最优的,其决定系数(R2)为0.94,均方根误差(RMSE)为9.31μg·m-3,平均绝对误差(MAE)为6.27μg·m-3;(3)与ChinaHighPM_(2.5)数据集、VANPM_(2.5)数据集相比,多变量组合方案下的LightGBM模型估算结果不仅在空间分布上与两个数据集中同区域、同时期数据具有较高的一致性,而且在细节刻画和估算精度上更具优势,提升了精度与可靠性。 展开更多
关键词 大气环境 PM_(2.5)浓度 随机森林模型 梯度提升树模型 轻量梯度提升机模型 多变量组合 机器学习 陕西
在线阅读 下载PDF
基于混合自然梯度与轻量梯度增加的电力工程成本预测方法
3
作者 宋坤 石晶 +2 位作者 郑瑛楠 张如玉 刘伯楠 《沈阳工业大学学报》 北大核心 2025年第2期183-189,共7页
【目的】电力工程建设成本的准确预测对资源配置和决策优化至关重要。传统成本估算方法依赖于人工经验,容易受到工程项目复杂性和不确定性的影响,导致预测误差较大。近期广受关注的机器学习技术则为电力工程成本的预测提供了新的解决方... 【目的】电力工程建设成本的准确预测对资源配置和决策优化至关重要。传统成本估算方法依赖于人工经验,容易受到工程项目复杂性和不确定性的影响,导致预测误差较大。近期广受关注的机器学习技术则为电力工程成本的预测提供了新的解决方案。但现有模型往往缺乏对预测结果不确定性的评估,且存在预测精度低、训练效率低、容易过拟合的缺点。本文提出了一种基于混合自然梯度与轻量梯度增加模型的电力工程成本预测方法,旨在提高预测精度,同时提供预测结果的不确定性估计。【方法】自然梯度增加模型能够估计预测值概率分布的特点,可应用于电力工程成本预测领域。然而,考虑到自然梯度增加模型在训练效率和过拟合问题中的不足,借鉴了轻量梯度增加模型的直方图优化算法,并将其融合到自然梯度增加模型中,形成了一种基于混合自然梯度与轻量梯度增加模型的电力工程成本预测方法,该模型不仅能够提高预测精度,还能够量化分析预测结果的不确定性。【结果】为验证所提模型的有效性,选用2002—2022年间发布的全真工程造价BIM数据库进行分析,该数据库包含2000条电力工程数据。提出的混合模型在测试集上表现优异,相关系数、均方根误差和平均偏置误差等指标均优于其他模型,且测试集上预测结果处于置信度为95%预测区间的概率达到了94.3%。相较于自然梯度增加模型,混合模型不仅提高了预测精度,还有效避免了过拟合问题,并在训练效率方面表现较好。【结论】本文提出的混合自然梯度与轻量梯度增加模型能够在提高预测精度的同时进行预测结果的不确定性估计,满足电力工程成本预测的多样化需求。实验验证了该模型在预测精度、泛化能力和训练效率上的优势,特别适用于复杂电力工程项目的成本估算。研究的创新之处在于提出了一种新型混合模型,结合了轻量梯度增加模型训练效率高以及自然梯度增加模型可提供预测结果的不确定性估计的双重优势,解决了传统模型训练效率低、容易过拟合的问题,并且可以量化分析预测结果的不确定性,能够为优化资源配置与提高决策效率提供有力支持。 展开更多
关键词 电力工程 成本预测 自然梯度增加模型 轻量梯度增加模型 混合模型 直方图优化算法 预测结果 不确定性
在线阅读 下载PDF
基于行列解耦采样的轻量车道线检测模型 被引量：1
4
作者 陈浩楠 雷印杰 王浩 《计算机科学》 CSCD 北大核心 2021年第S02期416-419,共4页
随着深度学习的发展,基于深度卷积神经网络的车道线检测模型在自动驾驶系统和高级辅助驾驶系统中得到了广泛的应用。这些模型虽然有较高的精度,但通常计算量大且运行速度慢。为了解决该问题,提出了一种车道线检测任务专用的轻量神经网... 随着深度学习的发展,基于深度卷积神经网络的车道线检测模型在自动驾驶系统和高级辅助驾驶系统中得到了广泛的应用。这些模型虽然有较高的精度,但通常计算量大且运行速度慢。为了解决该问题,提出了一种车道线检测任务专用的轻量神经网络模型。首先,提出了一种行列解耦采样的卷积模块,该模块利用图像中车道线区域的行列可分解性对传统的残差卷积模块进行了合理的优化。其次,利用深度可分离卷积技术进一步降低行列解耦采样卷积模块的计算量。此外,还设计了一种金字塔空洞卷积模块来增加模型的感受野。在CULane数据集上的实验的结果表明,文中提出的轻量车道线检测模型与之前最好的SCNN模型相比,浮点计算量降低了95.2%,F1分数提高了1.0%,在保持较高精度的前提下显著降低了车道线检测模型的计算量。 展开更多
关键词 计算机视觉 卷积神经网络 车道线检测 车道线分割 轻量模型
在线阅读 下载PDF
基于动态门控特征融合的轻量深度补全算法 被引量：1
5
作者 孙海峰 穆正阳 +3 位作者 戚琦 王敬宇 刘聪 廖建新 《软件学报》 EI CSCD 北大核心 2023年第4期1765-1778,共14页
稠密深度图在自动驾驶和机器人等领域至关重要,但是现今的深度传感器只能产生稀疏的深度测量,所以有必要对其进行补全.在所有辅助模态中, RGB图像是常用且易得的信息.现今的许多方法都采用RGB和稀疏深度信息结合进行补全.然而它们绝大... 稠密深度图在自动驾驶和机器人等领域至关重要,但是现今的深度传感器只能产生稀疏的深度测量,所以有必要对其进行补全.在所有辅助模态中, RGB图像是常用且易得的信息.现今的许多方法都采用RGB和稀疏深度信息结合进行补全.然而它们绝大部分都是利用通道拼接或逐元素求和简单的对两种模态的信息进行融合,没有考虑到不用场景下不同模态特征的置信度.提出一种以输入深度稀疏分布为指导,结合双模态信息量的动态门控融合模块,通过动态产生融合权重的方式对两个模态特征进行更高效的结合.并且根据不同模态的数据特征设计了精简的网络结构.实验结果表明所提出模块和改进的有效性,提出的网络在两个有挑战性的公开数据集KITTI depth completion和NYU depth v2上,使用了很少的参数量达到了先进的结果,取得了性能和速度的优秀平衡. 展开更多
关键词 深度补全 特征融合 轻量模型 图像处理 自动驾驶
在线阅读 下载PDF
基于轻量卷积神经网络的高速铁路隧道表面病害筛选算法 被引量：5
6
作者 黄晓东 漆泰岳 覃少杰 《铁道标准设计》 北大核心 2022年第5期112-118,共7页
随着急剧增加的高速铁路隧道检测需求,基于计算机视觉的高速铁路隧道病害识别和健康检测是国内外的新趋势。然而,高速铁路隧道结构表面图像大多数是无病害图像(占比90%以上),剔除大量无病害图像而只保存有病害图像,可以大幅减少图像存... 随着急剧增加的高速铁路隧道检测需求,基于计算机视觉的高速铁路隧道病害识别和健康检测是国内外的新趋势。然而,高速铁路隧道结构表面图像大多数是无病害图像(占比90%以上),剔除大量无病害图像而只保存有病害图像,可以大幅减少图像存贮量和降低高速海量存贮对硬件要求。为此,提出一种基于深度卷积神经网络的隧道表面病害筛选算法,以推理速度和预测精度均衡的残差神经网络ResNet-18作为主干结构,将深度可分离卷积替代标准卷积搭建适用于实时筛选的轻量模型ResNet-DS(Depthwise Separable),采用权重损失函数、静态离线量化进行模型优化,新算法对神经网络轻量化,实现了海量图像高速识别和剔除。结果表明:改进的轻量模型识别精度高达98.67%,与原模型相比较,筛选速度在GPU(RTX 2060Super 8G)上提升22%(10.86 ms/张),在CPU上提升178%(21.20 ms/张)。该研究为病害快速采集系统提供一种实时筛选算法,更好地满足检测需求。 展开更多
关键词 高速铁路 铁路隧道 表面病害 深度学习 卷积神经网络 轻量模型 图像分类
在线阅读 下载PDF
基于多层次知识蒸馏的连续图像语义分割方法 被引量：2
7
作者 凌志 李幸 +2 位作者 张婷 陈良 孙立宁 《计算机集成制造系统》 EI CSCD 北大核心 2023年第4期1244-1253,共10页
为让学生模型学习到更全面的表征知识,提出一种多层次知识蒸馏方法,将教师模型的知识分为高、中、低多层次进行蒸馏。这3种层次的知识分别被指代为模型预测值、多尺度融合特征图以及特征层中的特征值,并以多层次知识为基础设计蒸馏项。... 为让学生模型学习到更全面的表征知识,提出一种多层次知识蒸馏方法,将教师模型的知识分为高、中、低多层次进行蒸馏。这3种层次的知识分别被指代为模型预测值、多尺度融合特征图以及特征层中的特征值,并以多层次知识为基础设计蒸馏项。首先基于低层次知识的特征蒸馏保证学生模型与教师模型的特征分布尽可能接近;再以中层次知识为基础,将图像的空间结构知识传递给学生模型;最后利用高层次的知识编码相邻帧间的依赖关系,并将该隐含知识传递给学生模型。此外定义的语义一致性损失也可有效改善像素点在前后帧标签预测不一致的情况。实验证明,该蒸馏方法能显著提升学生模型的精度,并在模型精度和轻量化方面取得了更好的平衡,具备良好的应用前景。 展开更多
关键词 语义分割 知识蒸馏 连续图像 轻量模型 相似性计算
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部