期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
3
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
大都市区非对称尺度跨界治理的机制与路径--以深圳南山区和香港地区为例
1
作者
魏昱昊
于涛
《城市规划》
北大核心
2025年第4期26-32,45,共8页
由于尺度的不对称,大都市区低层级政府推动跨界治理的过程受到制约。以深圳南山区和香港地区为例,发现非对称尺度的跨界治理存在两个过程,其一是政府间的纵向尺度重构以促进跨界资本和人才流动;其二是政府、企业、社会团体间的横向多中...
由于尺度的不对称,大都市区低层级政府推动跨界治理的过程受到制约。以深圳南山区和香港地区为例,发现非对称尺度的跨界治理存在两个过程,其一是政府间的纵向尺度重构以促进跨界资本和人才流动;其二是政府、企业、社会团体间的横向多中心治理以服务跨界人才“安居”和“乐业”所需。且伴随各个过程分别存在特殊政策产业园区、基层社区服务中心、专业化服务平台和生活性服务场所作为空间载体。最后提出应当遵循以尺度重构发挥各层级政府优势、以多中心治理稳固跨界合作根基、以平台载体建设服务跨界要素等具体路径,从而推动大都市区非对称尺度的跨界治理。
展开更多
关键词
大都市区
跨界治理
非对称尺度
尺度
重构
多中心治理
在线阅读
下载PDF
职称材料
基于含噪Retinex模型的煤矿低光照图像增强方法
被引量：
7
2
作者
李正龙
王宏伟
+2 位作者
曹文艳
张夫净
王宇衡
《工矿自动化》
CSCD
北大核心
2023年第4期70-77,共8页
低光照图像会导致许多计算机视觉任务达不到预期效果,影响后续图像分析与智能决策。针对现有煤矿井下低光照图像增强方法未考虑图像现实噪声的问题,提出一种基于含噪Retinex模型的煤矿低光照图像增强方法。建立了含噪Retienx模型,利用...
低光照图像会导致许多计算机视觉任务达不到预期效果,影响后续图像分析与智能决策。针对现有煤矿井下低光照图像增强方法未考虑图像现实噪声的问题,提出一种基于含噪Retinex模型的煤矿低光照图像增强方法。建立了含噪Retienx模型,利用噪声估计模块(NEM)估计现实噪声,将原图像和估计噪声作为光照分量估计模块(IEM)和反射分量估计模块(REM)的输入,生成光照分量与反射分量并对二者进行耦合,同时对光照分量进行伽马校正等调整,对耦合后的图像及调整后的光照分量进行除法运算,得到最终的增强图像。NEM通过3层CNN对含噪图像进行拜耳采样,然后重构生成与原图像大小一致的三通道特征图。IEM与REM均以ResNet-34作为图像特征提取网络,引入多尺度非对称卷积与注意力模块(MACAM),以增强网络的细节过滤能力及重要特征筛选能力。定性和定量评估结果表明,该方法能够平衡光源与黑暗环境之间的关系,降低现实噪声的影响,在图像自然度、真实度、对比度、结构等方面均具有良好性能,图像增强效果优于Retinex-Net,Zero-DCE,DRBN,DSLR,TBEFN,RUAS等模型。通过消融实验验证了NEM与MACAM的有效性。
展开更多
关键词
煤矿低光照图像
图像增强
含噪Retinex模型
噪声估计
拜耳采样
多
尺度
非对称
卷积
注意力模块
在线阅读
下载PDF
职称材料
基于改进ShuffleNet v1的服装图像分类算法
被引量：
11
3
作者
曾华福
杨杰
李林红
《现代纺织技术》
北大核心
2023年第2期23-35,共13页
针对服装图像分类模型体积较大,缺少细分类的问题,提出基于改进ShuffleNet v1的服装图像分类算法。该算法以ShuffleNet v1为基础,通过优化模块的堆叠次数和网络层通道数来降低模型的计算量,满足算法的实时性要求;嵌入通道和空间注意力模...
针对服装图像分类模型体积较大,缺少细分类的问题,提出基于改进ShuffleNet v1的服装图像分类算法。该算法以ShuffleNet v1为基础,通过优化模块的堆叠次数和网络层通道数来降低模型的计算量,满足算法的实时性要求;嵌入通道和空间注意力模块,使得模型关注重要的特征信息,抑制无用的特征信息;设计非对称多尺度特征融合模块,加强模型的特征提取能力。结果表明:所提算法在自建的衬衫服装数据集中准确率为88.31%,分别高于ShuffleNet v1、ShuffleNet v2、MobileNet v2和ResNet50模型2.77%、3.69%、1.98%、0.62%;所提算法在DeepFashion的部分数据集中也取得了不错的效果,验证了所提算法的有效性与通用性;与基础模型相比,所提模型的参数量仅为0.73M,模型参数量减少了约60%,实现了模型准确率和推理速度的提升。
展开更多
关键词
服装图像分类
ShuffleNet
v1
深度学习
注意力机制
非对称
多
尺度
特征融合
在线阅读
下载PDF
职称材料
题名
大都市区非对称尺度跨界治理的机制与路径--以深圳南山区和香港地区为例
1
作者
魏昱昊
于涛
机构
南京大学建筑与城市规划学院
南京大学城市与区域规划系
中国城市规划学会城乡治理与政策研究专业委员会
出处
《城市规划》
北大核心
2025年第4期26-32,45,共8页
基金
国家自然科学基金项目(51878330)。
文摘
由于尺度的不对称,大都市区低层级政府推动跨界治理的过程受到制约。以深圳南山区和香港地区为例,发现非对称尺度的跨界治理存在两个过程,其一是政府间的纵向尺度重构以促进跨界资本和人才流动;其二是政府、企业、社会团体间的横向多中心治理以服务跨界人才“安居”和“乐业”所需。且伴随各个过程分别存在特殊政策产业园区、基层社区服务中心、专业化服务平台和生活性服务场所作为空间载体。最后提出应当遵循以尺度重构发挥各层级政府优势、以多中心治理稳固跨界合作根基、以平台载体建设服务跨界要素等具体路径,从而推动大都市区非对称尺度的跨界治理。
关键词
大都市区
跨界治理
非对称尺度
尺度
重构
多中心治理
Keywords
metropolitan area
cross-border governance
asymmetric scale
rescaling
polycentric governance
分类号
TU984 [建筑科学—城市规划与设计]
在线阅读
下载PDF
职称材料
题名
基于含噪Retinex模型的煤矿低光照图像增强方法
被引量：
7
2
作者
李正龙
王宏伟
曹文艳
张夫净
王宇衡
机构
太原理工大学矿业工程学院
太原理工大学山西省煤矿智能装备工程研究中心
太原理工大学机械与运载工程学院
山西焦煤集团有限责任公司博士后工作站
出处
《工矿自动化》
CSCD
北大核心
2023年第4期70-77,共8页
基金
国家重点研发计划项目(2020YFB1314004)
山西省揭榜招标项目(20201101008)
山西省重点研发计划项目(202102100401015)。
文摘
低光照图像会导致许多计算机视觉任务达不到预期效果,影响后续图像分析与智能决策。针对现有煤矿井下低光照图像增强方法未考虑图像现实噪声的问题,提出一种基于含噪Retinex模型的煤矿低光照图像增强方法。建立了含噪Retienx模型,利用噪声估计模块(NEM)估计现实噪声,将原图像和估计噪声作为光照分量估计模块(IEM)和反射分量估计模块(REM)的输入,生成光照分量与反射分量并对二者进行耦合,同时对光照分量进行伽马校正等调整,对耦合后的图像及调整后的光照分量进行除法运算,得到最终的增强图像。NEM通过3层CNN对含噪图像进行拜耳采样,然后重构生成与原图像大小一致的三通道特征图。IEM与REM均以ResNet-34作为图像特征提取网络,引入多尺度非对称卷积与注意力模块(MACAM),以增强网络的细节过滤能力及重要特征筛选能力。定性和定量评估结果表明,该方法能够平衡光源与黑暗环境之间的关系,降低现实噪声的影响,在图像自然度、真实度、对比度、结构等方面均具有良好性能,图像增强效果优于Retinex-Net,Zero-DCE,DRBN,DSLR,TBEFN,RUAS等模型。通过消融实验验证了NEM与MACAM的有效性。
关键词
煤矿低光照图像
图像增强
含噪Retinex模型
噪声估计
拜耳采样
多
尺度
非对称
卷积
注意力模块
Keywords
low light image of coal mine
image enhancement
Retinex model containing noise
noise estimation
Bayer sampling
multi-scale asymmetric convolution
attention module
分类号
TD67 [矿业工程—矿山机电]
在线阅读
下载PDF
职称材料
题名
基于改进ShuffleNet v1的服装图像分类算法
被引量：
11
3
作者
曾华福
杨杰
李林红
机构
江西理工大学电气工程与自动化学院
江西理工大学江西省磁悬浮技术重点实验室
出处
《现代纺织技术》
北大核心
2023年第2期23-35,共13页
基金
江西省03专项及5G项目(20204ABC03A15)。
文摘
针对服装图像分类模型体积较大,缺少细分类的问题,提出基于改进ShuffleNet v1的服装图像分类算法。该算法以ShuffleNet v1为基础,通过优化模块的堆叠次数和网络层通道数来降低模型的计算量,满足算法的实时性要求;嵌入通道和空间注意力模块,使得模型关注重要的特征信息,抑制无用的特征信息;设计非对称多尺度特征融合模块,加强模型的特征提取能力。结果表明:所提算法在自建的衬衫服装数据集中准确率为88.31%,分别高于ShuffleNet v1、ShuffleNet v2、MobileNet v2和ResNet50模型2.77%、3.69%、1.98%、0.62%;所提算法在DeepFashion的部分数据集中也取得了不错的效果,验证了所提算法的有效性与通用性;与基础模型相比,所提模型的参数量仅为0.73M,模型参数量减少了约60%,实现了模型准确率和推理速度的提升。
关键词
服装图像分类
ShuffleNet
v1
深度学习
注意力机制
非对称
多
尺度
特征融合
Keywords
clothing image classification
ShuffleNet v1
deep learning
attention mechanism
asymmetric multi-scale feature fusion
分类号
TP399 [自动化与计算机技术—计算机应用技术]
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
大都市区非对称尺度跨界治理的机制与路径--以深圳南山区和香港地区为例
魏昱昊
于涛
《城市规划》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于含噪Retinex模型的煤矿低光照图像增强方法
李正龙
王宏伟
曹文艳
张夫净
王宇衡
《工矿自动化》
CSCD
北大核心
2023
7
在线阅读
下载PDF
职称材料
3
基于改进ShuffleNet v1的服装图像分类算法
曾华福
杨杰
李林红
《现代纺织技术》
北大核心
2023
11
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
