Convolutional Sparse Coding in Gradient Domain for MRI Reconstruction 被引量：1

1

作者 Jiaojiao Xiong Hongyang Lu +1 位作者 Minghui Zhang Qiegen Liu 《自动化学报》 EI CSCD 北大核心 2017年第10期1841-1849,共9页

关键词 梯度图像 稀疏编码 MRI 卷积 应用 分割图像 空间采样 磁共振成像

在线阅读 下载PDF 职称材料

基于低秩与卷积稀疏约束的压缩感知光谱成像重构方法

2

作者 郭高 王攀 +2 位作者 李杰 席特立 邵晓鹏 《光子学报》 北大核心 2025年第6期172-187,共16页

针对压缩感知光谱成像快速重建需求,提出了一种基于低秩与卷积稀疏约束的压缩感知光谱成像重建方法,首先将压缩感知光谱采集系统的重构任务,在卷积稀疏编码的框架下分解成为两部分的重构结果叠加,即低频的平滑主体结构部分和高频的纹理... 针对压缩感知光谱成像快速重建需求,提出了一种基于低秩与卷积稀疏约束的压缩感知光谱成像重建方法,首先将压缩感知光谱采集系统的重构任务,在卷积稀疏编码的框架下分解成为两部分的重构结果叠加,即低频的平滑主体结构部分和高频的纹理细节部分。针对高频的纹理细节部分的重构,提出基于卷积稀疏编码框架,对卷积字典对应的稀疏特征图进行ℓ_(2,1)范数约束,保证了对光谱数据中光谱维度的先验约束,从而提高重构数据中光谱维度的准确度。针对低频的平滑主体部分重构,提出使用全局的卷积稀疏编码,由于使用了针对低频部分所训练的卷积字典,因此使用核范数对卷积特征图进行约束。通过整合两部分的重建约束,实现了对压缩感知光谱成像系统的分步重构。通过仿真实验验证了所提方法的重构结果,在空间与光谱维度相较于主流前沿的重建方法均取得了更高的重构精度,其中空间维度上峰值信噪比至少可提升2 dB以上。 展开更多

关键词 压缩感知 光谱成像 卷积稀疏编码 火箭尾焰光谱 最优化求解

在线阅读 下载PDF 职称材料

基于多特征优化的PolSAR数据农作物精细分类方法 被引量：1

3

作者 郭交 王鹤颖 +2 位作者 项诗雨 连嘉茜 王辉 《农业机械学报》 EI CAS CSCD 北大核心 2024年第9期275-285,共11页

农作物精细分类在农业资源调查、农作物种植结构监管等诸多领域具有重要意义。极化合成孔径雷达(Polarimetric synthetic aperture radar,PolSAR)能够有效探测伪装和穿透掩盖物,提取多种散射特征信息,获取覆盖农作物生长关键物候阶段的... 农作物精细分类在农业资源调查、农作物种植结构监管等诸多领域具有重要意义。极化合成孔径雷达(Polarimetric synthetic aperture radar,PolSAR)能够有效探测伪装和穿透掩盖物,提取多种散射特征信息,获取覆盖农作物生长关键物候阶段的连续时序信息,有效提升表达作物遥感特征的丰富度,在农作物分类中独具优势。但多时相和多特征的引入必然导致模型运算量剧增,不利于工程应用。针对上述问题,本文提出了一种基于多特征优化的PolSAR数据农作物精细分类方法,首先对PolSAR数据进行多种极化目标分解及参数提取以获得多个散射特征;然后使用基于栈式稀疏自编码网络和ReliefF优选的方法进行特征增强与优化,获取最优特征集;最后构建具有2个分支结构的卷积神经网络,融合不同卷积深度输出的特征,完成农作物的高精度分类。通过对单时相数据的特征分析、单时相数据初步分类实验和多时相数据不同特征集结合分类器的对比实验,证明本文所提方法能够在低维特征输入的前提下,最大程度提取不同作物之间的差异性特征,准确高效地实现对农作物的精细分类,最高分类精度和Kappa系数分别达到97.69%和97.24%。 展开更多

关键词 农作物分类 POLSAR 栈式稀疏自编码网络 RELIEFF 卷积神经网络

在线阅读 下载PDF 职称材料

基于激光雷达的列车前向障碍物检测方法 被引量：2

4

作者 曹志威 戈轩宇 +4 位作者 秦勇 李威 沙淼 高阳 关吉瑞 《中国铁道科学》 EI CAS CSCD 北大核心 2024年第6期183-193,共11页

为解决基于视频图像的列车前向障碍物检测方法在光照条件和目标距离等因素下的泛化性问题,提出基于激光雷达的检测方法。首先,聚焦VoxelNeXt体素化过程中的精度损失,通过引入动态体素化技术对体素化过程进行优化,以减少信息丢失;其次,... 为解决基于视频图像的列车前向障碍物检测方法在光照条件和目标距离等因素下的泛化性问题,提出基于激光雷达的检测方法。首先,聚焦VoxelNeXt体素化过程中的精度损失,通过引入动态体素化技术对体素化过程进行优化,以减少信息丢失;其次,针对列车前向运行环境的空间分布特征,设计L型残差稀疏卷积模块,以便有效捕捉列车前向运行环境中点云数据的深度语义特征;最后,提出跨维度自动编码模块,使之与主干特征提取网络相结合,形成跨维度自动编码网络,进一步增强网络输出特征的表达能力。结果表明:所提方法的平均精度均值可达72.38%,平均召回率均值可达76.59%,相较于其他方法表现出显著的性能优势。该方法能够满足列车前向障碍物高精度、远距离、快速化的检测需求,为列车主动安全保障提供有效的技术依托。 展开更多

关键词 障碍物检测 激光雷达 深度学习 稀疏卷积 跨维度自动编码

在线阅读 下载PDF 职称材料

基于特征基的GMC卷积稀疏机械故障特征解析方法 被引量：2

5

作者 卢威 韩长坤 +2 位作者 闫晶晶 宋浏阳 王华庆 《仪器仪表学报》 EI CAS CSCD 北大核心 2024年第7期239-249,共11页

在机械设备的复杂工况下,监测信号易受多振动源及环境噪声干扰,导致故障特征微弱且呈现强耦合特性,这给设备故障诊断带来极大挑战。因此,提出了一种基于振动特性基的GMC增强卷积稀疏机械故障特征解析方法,实现微弱耦合故障特征解析。首... 在机械设备的复杂工况下,监测信号易受多振动源及环境噪声干扰,导致故障特征微弱且呈现强耦合特性,这给设备故障诊断带来极大挑战。因此,提出了一种基于振动特性基的GMC增强卷积稀疏机械故障特征解析方法,实现微弱耦合故障特征解析。首先,构造了一种自适应单边衰减小波匹配算法以获取最优特征原子,将最优特征原子升维同时匹配故障周期,以得到具有周期特征的振动特征基。其次,提出基于GMC增强的卷积稀疏编码,结合振动特征基优化求解稀疏系数。此外,提出了一种基于平均峭度与谐波能量比的过程参数优化选择方法,克服了优化过程中关键参数难选取的问题。最后,提取包络谱主要特征与理论故障特征频率对比判断故障类型。通过仿真分析和试验台信号验证,并对比分析了基于谱峭度分解和可调变Q因子小波变换GMC稀疏增强等两种传统方法。实验结果表明,相较于上述两种传统方法,本文提出的方法可以有效地分离不同类型的故障特征信号,并实现故障特征的增强。 展开更多

关键词 振动特征基 广义极大-极小凹 卷积稀疏编码 特征解析 故障诊断

在线阅读 下载PDF 职称材料

双支路注意力特征融合的卷积稀疏编码目标检测

6

作者 杨昶楠 张振荣 +1 位作者 郑嘉利 曲勃源 《计算机工程与设计》 北大核心 2024年第4期1225-1232,共8页

针对现有目标检测模型在实际运用中会受到各种噪声的影响而导致性能退化的问题,提出一种双支路注意力特征融合(double branch attention feature fusion,DBAFF)的方法。基于CenterNet的结构设计,引入卷积稀疏编码(convolutional sparse ... 针对现有目标检测模型在实际运用中会受到各种噪声的影响而导致性能退化的问题,提出一种双支路注意力特征融合(double branch attention feature fusion,DBAFF)的方法。基于CenterNet的结构设计,引入卷积稀疏编码(convolutional sparse coding,CSC)去噪模块。通过双支路互补学习,自适应选择不同模态的有效信息,使融合特征达到最优化,有效解决该类模型的退化问题。实验结果表明,该方法在噪声数据集VOC-Nosiy上mAP50、mAP75、mAP性能分别达到了57.9%、29.8%、24.5%,检测速度FPS达到111帧,综合性能优于原网络和仅添加卷积稀疏编码的去噪网络。 展开更多

关键词 深度学习 目标检测 双支路 卷积稀疏编码 互补学习 自适应 双支路特征融合

在线阅读 下载PDF 职称材料

基于CNN的高速铁路侵限异物特征快速提取算法 被引量：39

7

作者 王洋 余祖俊 +1 位作者 朱力强 郭保青 《仪器仪表学报》 EI CAS CSCD 北大核心 2017年第5期1267-1275,共9页

高速铁路异物侵限检测系统用来检测是否有异物侵入高速铁路安全限界。为增加系统的可靠性,提出了一种基于卷积神经网络(CNN)的特征快速提取算法。针对特征计算速度缓慢的问题,提出简化的全连接网络结构;针对准确率因简化网络结构而下降... 高速铁路异物侵限检测系统用来检测是否有异物侵入高速铁路安全限界。为增加系统的可靠性,提出了一种基于卷积神经网络(CNN)的特征快速提取算法。针对特征计算速度缓慢的问题,提出简化的全连接网络结构;针对准确率因简化网络结构而下降的问题,提出将卷积层的卷积核进行预先训练;最后为防止因全连接而导致的对称性特征提取,提出加入稀疏性参数的快速特征提取算法。改进后的卷积神经网络,在保证准确率的基础上加快了计算速度,同时满足了实时性和高准确率的要求。实验表明处理单幅图像的速度为0.15 s,准确率为99.5%。 展开更多

关键词 异物识别 卷积神经网络 预先训练卷积核 快速特征提取 稀疏编码

在线阅读 下载PDF 职称材料

基于语音卷积稀疏迁移学习和并行优选的帕金森病分类算法研究 被引量：2

8

作者 张小恒 李勇明 +4 位作者 王品 曾孝平 颜芳 张艳玲 承欧梅 《电子与信息学报》 EI CSCD 北大核心 2019年第7期1641-1649,共9页

基于语音数据分析的帕金森病(PD)诊断存在样本量小、训练与测试数据分布差异明显的问题。为了解决这些问题,需要从降维和样本扩充两个方面同时进行。因此,该文提出结合加噪加权卷积稀疏迁移学习和样本特征并行优选的PD分类算法。该算法... 基于语音数据分析的帕金森病(PD)诊断存在样本量小、训练与测试数据分布差异明显的问题。为了解决这些问题,需要从降维和样本扩充两个方面同时进行。因此,该文提出结合加噪加权卷积稀疏迁移学习和样本特征并行优选的PD分类算法。该算法可从源域的公共语音库中学习有利于表达PD语音特征的有效结构信息,同时完成降维和样本间接扩充。样本特征并行优选考虑到了样本和语音特征间的关系,从而有助于获取高质量的特征。首先,对公共语音库进行特征提取构造公共特征库;然后,以公共特征库对PD目标域的训练数据集及测试数据集进行稀疏编码,这里分别采用传统稀疏编码(SC)与卷积稀疏编码(CSC)两种稀疏编码方法;接着,对编码后的语音样本段和特征数据进行同时优选;最后,采用支撑向量机(SVM)进行分类。实验结果表明,该算法针对受试者的分类准确率最高值达到了95.0%,均值达到了86.0%,较相关被比较算法有较大提高。此外,研究还发现,相较于传统稀疏编码方法,卷积稀疏编码更有利于提取PD语音数据的高层特征;同样,迁移学习也有利于提高该算法性能。 展开更多

关键词 迁移学习 帕金森病 稀疏编码 卷积稀疏编码 语音样本特征并行优选

在线阅读 下载PDF 职称材料

基于四通道卷积稀疏编码的图像超分辨率重建方法 被引量：2

9

作者 陈晨 赵建伟 曹飞龙 《计算机应用》 CSCD 北大核心 2018年第6期1777-1783,共7页

针对图像分辨率较低的问题,提出了一种基于四通道卷积稀疏编码的图像超分辨率重建方法。首先,该方法将输入图像依次翻转90°作为四通道的各自输入,通过低通滤波和梯度算子将输入图像分解成高频和低频部分;接着,分别利用卷积稀疏编... 针对图像分辨率较低的问题,提出了一种基于四通道卷积稀疏编码的图像超分辨率重建方法。首先,该方法将输入图像依次翻转90°作为四通道的各自输入,通过低通滤波和梯度算子将输入图像分解成高频和低频部分;接着,分别利用卷积稀疏编码方法和三次插值方法对各通道低分辨率图像的高频部分和低频部分进行重建;最后,对四通道输出图像加权求均值获得重建的高分辨率图像。实验结果表明,所提方法比一些经典的超分辨率重建方法在峰值信噪比(PSNR)、结构相似度(SSIM)和抗噪性上具有更好的重建效果。所提方法不仅克服了重叠补丁破环图像补丁间一致性的缺陷,还提高了重建图像的细节轮廓,加强了重建图像的稳定性。 展开更多

关键词 图像重建 超分辨率 卷积稀疏编码 四通道 稳定性

在线阅读 下载PDF 职称材料

基于SCMA和卷积编码的联合检测译码算法 被引量：2

10

作者 赵宏伟 刘春阳 +1 位作者 许利 罗霞 《系统工程与电子技术》 EI CSCD 北大核心 2021年第3期847-853,共7页

随着卫星星座及卫星数量的不断增多,卫星测控中海量用户多址问题亟待解决。稀疏码分多址接入(sparse code multiple access,SCMA)技术能在有限信道资源上承载更多用户,有望解决大规模卫星的多址测控问题。针对传统的SCMA译码方式——消... 随着卫星星座及卫星数量的不断增多,卫星测控中海量用户多址问题亟待解决。稀疏码分多址接入(sparse code multiple access,SCMA)技术能在有限信道资源上承载更多用户,有望解决大规模卫星的多址测控问题。针对传统的SCMA译码方式——消息传递算法(massage passing algorithm,MPA)译码性能不理想的问题,提出基于SCMA和卷积编码的联合检测译码(joint detection and decoding,JDD)算法,进行多轮对数似然信息的更新以及多卫星数据交叉提供概率域的迭代,以提高系统译码性能。分析和仿真结果表明,采用基于SCMA和卷积编码的JDD算法可有效提高天基测控系统用户容量,并保证在算法复杂度适中的情况下有效提高系统误比特性能。 展开更多

关键词 稀疏码多址接入 卷积编码 似然信息交换 联合迭代译码

在线阅读 下载PDF 职称材料

基于多层次视觉语义特征融合的图像检索算法 被引量：4

11

作者 张霞 郑逢斌 《包装工程》 CAS 北大核心 2018年第19期223-232,共10页

目的为了解决低层特征与中层语义属性间出现的语义鸿沟,以及在将低层特征转化为语义属性的过程中易丢失信息,从而会降低检索精度等问题,设计一种多层次视觉语义特征融合的图像检索算法。方法首先分别提取图像的3种中层特征(深度卷积神... 目的为了解决低层特征与中层语义属性间出现的语义鸿沟,以及在将低层特征转化为语义属性的过程中易丢失信息,从而会降低检索精度等问题,设计一种多层次视觉语义特征融合的图像检索算法。方法首先分别提取图像的3种中层特征(深度卷积神经网络(DCNN)特征、Fisher向量、稀疏编码空间金字塔匹配特征(SCSPM));其次,为了对3种特征进行有效融合,定义一种基于图的半监督学习模型,将提取的3个中层特征进行融合,形成一个多层次视觉语义特征,有效结合3种不同中层特征的互补信息,提高图像特征描述,从而降低检索算法中的语义鸿沟;最后,引入具有视觉特性与语义统一的距离函数,根据提取的多层次视觉语义特征来计算查询图像和训练图像的相似度量,完成图像检索任务。结果实验结果表明,与当前检索方法对比,文中算法具有更高的检索精度与效率。结论所提算法具有良好的检索准确度,在医疗、包装商标等领域具有一定的参考价值。 展开更多

关键词 图像检索 深度卷积神经网络 Fisher向量 稀疏编码空间金字塔匹配 多层次视觉语义特征 半监督学习

在线阅读 下载PDF 职称材料

基于全局和局部信息融合的显著性检测 被引量：2

12

作者 刘尚旺 赵欣莹 杨磊 《河南师范大学学报（自然科学版）》 CAS 北大核心 2020年第3期26-33,共8页

为提高低对比度、复杂自然图像显著性检测的准确率和泛化性能,提出一种贝叶斯框架下的全局和局部信息融合的显著性检测模型.首先,构建深度卷积自编码网络,采用对称编解码结构,监督学习图像全局特征,得到全局显著图;然后,根据全局显著图... 为提高低对比度、复杂自然图像显著性检测的准确率和泛化性能,提出一种贝叶斯框架下的全局和局部信息融合的显著性检测模型.首先,构建深度卷积自编码网络,采用对称编解码结构,监督学习图像全局特征,得到全局显著图;然后,根据全局显著图产生前景和背景码本,利用局部约束线性编码算法进行编码,采用稀疏编码描述局部特征,产生局部显著图;最后,提出采用贝叶斯框架,将全局和局部信息融合,生成最终显著图.实验结果表明,所提模型在ECSSD,DUT-OMRON和PASCAL数据集上F-measure值分别为76.53%、59.45%和72.52%,MAE值分别为0.14328、0.13787和0.18105,且能够有效对低对比度、复杂真实自然图像进行显著性检测. 展开更多

关键词 显著性检测 贝叶斯框架 稀疏编码 深度卷积自编码网络

在线阅读 下载PDF 职称材料

多层局部块坐标下降法及其驱动的分类重构网络 被引量：2

13

作者 王金甲 张玉珍 +1 位作者 夏静 王凤嫔 《自动化学报》 EI CSCD 北大核心 2020年第12期2647-2661,共15页

卷积稀疏编码(Convolutional sparse coding,CSC)已广泛应用于信号或图像处理、重构和分类等任务中,基于深度学习思想的多层卷积稀疏编码(Multi-layer convolutional sparse coding,ML-CSC)模型的多层基追踪(Multi-layer basic pursuit,... 卷积稀疏编码(Convolutional sparse coding,CSC)已广泛应用于信号或图像处理、重构和分类等任务中,基于深度学习思想的多层卷积稀疏编码(Multi-layer convolutional sparse coding,ML-CSC)模型的多层基追踪(Multi-layer basic pursuit,ML-BP)问题和多层字典学习问题成为研究热点.但基于傅里叶域的交替方向乘子法(Alternating direction multiplier method,ADMM)求解器和基于图像块(Patch)空间域思想的传统基追踪算法不能容易地扩展到多层情况.在切片(Slice)局部处理思想的基础上,本文提出了一种新的多层基追踪算法:多层局部块坐标下降(Multi-layer local block coordinate descent,ML-LoBCoD)算法.在多层迭代软阈值算法(Multi-layer iterative soft threshold algorithm,ML-ISTA)和对应的迭代展开网络ML-ISTA-Net的启发下,提出了对应的迭代展开网络ML-LoBCoD-Net.ML-LoBCoD-Net实现信号的表征学习功能,输出的最深层卷积稀疏编码用于分类.此外,为了获得更好的信号重构,本文提出了一种新的多层切片卷积重构网络(Multi-layer slice convolutional reconstruction network,ML-SCRN),ML-SCRN实现从信号稀疏编码到信号重构.我们对这两个网络分别进行实验验证.然后将ML-LoBCoD-Net和ML-SCRN进行级联得到ML-LoBCoD-SCRN合并网,同时实现图像的分类和重构.与传统基于全连接层对图像进行重建的方法相比,本文提出的ML-LoBCoD-SCRN合并网所需参数少,收敛速度快,重构精度高.本文将ML-ISTA和多层快速迭代软阈值算法(Multilayer fast iterative soft threshold algorithm,ML-FISTA)构建为ML-ISTA-SCRN和ML-FISTA-SCRN进行对比实验,初步证明了所提出的ML-LoBCoD-SCRN分类重构网在MNIST、CIFAR10和CIFAR100数据集上是有效的,分类准确率、损失函数和信号重构结果都优于ML-ISTA-SCRN和ML-FISTA-SCRN. 展开更多

关键词 多层卷积稀疏编码 多层基追踪 多层局部块坐标下降法 分类 重构

在线阅读 下载PDF 职称材料

基于卷积稀疏编码的电容层析成像图像重建 被引量：2

14

作者 张立峰 卢栋臣 《计量学报》 CSCD 北大核心 2023年第7期1075-1079,共5页

针对电容层析成像(ECT)病态性逆问题,提出了一种将卷积稀疏编码模型作为惩罚项嵌入到ECT最小二乘问题的方法,通过预先训练好的滤波器并结合交替方向乘子算法(ADMM)对此模型进行求解,从而完成ECT图像重建。对提出的方法进行了仿真及实验... 针对电容层析成像(ECT)病态性逆问题,提出了一种将卷积稀疏编码模型作为惩罚项嵌入到ECT最小二乘问题的方法,通过预先训练好的滤波器并结合交替方向乘子算法(ADMM)对此模型进行求解,从而完成ECT图像重建。对提出的方法进行了仿真及实验测试,并与LBP、Tikhonov正则化及Landweber迭代算法进行比较。结果表明,提出的方法其重建图像平均相对误差和相关系数分别为0.4389及0.8968,均优于其他3种方法,中心物体及多物体分布的重建质量得到显著提升。 展开更多

关键词 计量学 电容层析成像 图像重建 卷积稀疏编码 交替方向乘子算法 多相流检测

在线阅读 下载PDF 职称材料

二元稀疏卷积纠删码

15

作者 郭网媚 刘丹丹 +1 位作者 陈琦 高晶亮 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2023年第3期112-121,共10页

针对6G无线通信中低延迟、高可靠的要求,提出了二元稀疏卷积纠删码方案,用于二元删除信道中的信息传输。该编码方案是卷积码和低密度校验码的结合。将数据包进行平均分组,然后用分块为系统低密度校验码的生成矩阵、二元随机矩阵和零矩... 针对6G无线通信中低延迟、高可靠的要求,提出了二元稀疏卷积纠删码方案,用于二元删除信道中的信息传输。该编码方案是卷积码和低密度校验码的结合。将数据包进行平均分组,然后用分块为系统低密度校验码的生成矩阵、二元随机矩阵和零矩阵的生成矩阵对数据包分组进行卷积编码。在译码时,信宿可以一边接收一边译码;若一个数据包译码失败,信宿可在接收到后续数据包后将该数据包中的信息一同译出。在该编码方式下,分析了系统的平均包时延和平均最大包时延,并且通过仿真验证了分析结果的正确性。仿真同时也表明在相同的可靠性下,二元稀疏卷积纠删码比系统低密度校验码提高了约30.8%的传输速率;在相同的码率下,二元稀疏卷积纠删码码比Raptor10码具有更高的可靠性。因此,二元稀疏卷积纠删码可用于有低时延、高可靠需求的场景。 展开更多

关键词 信道编码 卷积码 稀疏码 包丢失 二元删除信道

在线阅读 下载PDF 职称材料

SCMA-D2D混合网络卷积自编码器

16

作者 许耀华 周鑫源 +3 位作者 黄兴 蒋芳 王翊 王跃 《高技术通讯》 CAS 2023年第12期1244-1252,共9页

为满足物联网通信大连接、低功耗的需求,高效利用有限的频谱资源成为一项重要的挑战。在应用了稀疏码分多址接入(SCMA)技术的蜂窝网络中增加设备对设备(D2D)用户对,两者共享频谱资源,可以进一步提高频谱利用率,满足大规模连接和低功耗... 为满足物联网通信大连接、低功耗的需求,高效利用有限的频谱资源成为一项重要的挑战。在应用了稀疏码分多址接入(SCMA)技术的蜂窝网络中增加设备对设备(D2D)用户对,两者共享频谱资源,可以进一步提高频谱利用率,满足大规模连接和低功耗的通信需求。然而,当不同类型的用户共享相同的频谱资源时会导致严重的用户间干扰,导致多用户检测精度降低,译码复杂度增高。本文使用卷积神经网络(CNN)进行SCMA-D2D混合网络自编码器设计,通过端到端的联合训练,设计出合适的神经网络结构。用CNN单元实现混合网络的编码,学习SCMA蜂窝用户和D2D用户的有效码本;将混合网络的多用户检测问题建模为一个基于共享层机制的多任务分类解码问题,建立多用户分类解码器。实验结果表明,本文提出的自编码器能够生成对系统适应性更强的码本,结合接收端的多任务分类解码器能够有效地提高整个混合网络系统的误码率性能,同时减小译码计算复杂度。 展开更多

关键词 卷积神经网络(CNN) 稀疏码分多址接入(SCMA) 设备对设备(D2D)通信 无线通信 多用户检测

在线阅读 下载PDF 职称材料

基于深度展开和双流网络的高光谱图像融合

17

作者 刘丛 姚佳浩 《数据采集与处理》 CSCD 北大核心 2023年第6期1406-1421,共16页

针对基于深度学习的高光谱图像融合算法通常堆积多个卷积以学习映射关系、没有充分利用问题的特性以及缺乏可解释性等问题,提出一种结合深度展开与双流网络的深度网络。首先使用卷积稀疏编码建立融合模型,该模型将低分辨率高光谱图像(Lo... 针对基于深度学习的高光谱图像融合算法通常堆积多个卷积以学习映射关系、没有充分利用问题的特性以及缺乏可解释性等问题,提出一种结合深度展开与双流网络的深度网络。首先使用卷积稀疏编码建立融合模型,该模型将低分辨率高光谱图像(Low-resolution hyperspectral images,LR-HSI)和高分辨率多光谱图像(high-resolution multispectral images,HR-MSI)映射到低维子空间中。在融合模型设计中,考虑了LR-HSI和HR-MSI的共有信息以及LR-HSI的独有信息,并将HR-MSI作为辅助信息加入模型中。其次将该融合模型展开为可学习的可解释深度网络。最后,使用双流网络获取更精确的高分辨率高光谱图像(High-resolution hyperspectral images,HR-HSI)。实验表明,该网络在高光谱图像融合中可以获得出色的效果。 展开更多

关键词 高光谱图像融合 卷积稀疏编码 深度展开网络 双流网络 深度学习

在线阅读 下载PDF 职称材料

基于卷积稀疏自编码的图像超分辨率重建 被引量：12

18

作者 张秀 周巍 +1 位作者 段哲民 魏恒璐 《红外与激光工程》 EI CSCD 北大核心 2019年第1期324-330,共7页

针对卷积稀疏编码算法中特征映射的准确性的问题,为了进一步提高图像超分辨率重建的的质量,文中提出一种基于卷积稀疏自编码的图像超分辨率重建算法。该算法首先在预训练阶段利用稀疏自编码器对输入高低分辨率图像分别进行训练,得到对... 针对卷积稀疏编码算法中特征映射的准确性的问题,为了进一步提高图像超分辨率重建的的质量,文中提出一种基于卷积稀疏自编码的图像超分辨率重建算法。该算法首先在预训练阶段利用稀疏自编码器对输入高低分辨率图像分别进行训练,得到对应的图像稀疏特征表示;然后再由卷积神经网络根据得到的稀疏系数共同训练相应的滤波器及特征映射函数并更新到最优解;最后由高分辨率滤波器和对应的稀疏表示系数卷积求和,得到高分辨率重建图像估计。实验结果显示,改进算法的峰值信噪比(PSNR)结果较卷积稀疏编码算法提高了近0.1 dB,有效提高了重建图像的质量。 展开更多

关键词 稀疏编码 卷积神经网络 自编码器 深度学习 超分辨率重建

在线阅读 下载PDF 职称材料

面向稀疏卷积神经网络的GPU性能优化方法 被引量：4

19

作者 董晓 刘雷 +1 位作者 李晶 冯晓兵 《软件学报》 EI CSCD 北大核心 2020年第9期2944-2964,共21页

近些年来,深度卷积神经网络在多项任务中展现了惊人的能力,并已经被用在物体检测、自动驾驶和机器翻译等众多应用中.但这些模型往往参数规模庞大,并带来了沉重的计算负担.神经网络的模型剪枝技术能够识别并删除模型中对精度影响较小的参... 近些年来,深度卷积神经网络在多项任务中展现了惊人的能力,并已经被用在物体检测、自动驾驶和机器翻译等众多应用中.但这些模型往往参数规模庞大,并带来了沉重的计算负担.神经网络的模型剪枝技术能够识别并删除模型中对精度影响较小的参数,从而降低模型的参数数目和理论计算量,给模型的高效执行提供了机会.然而,剪枝后的稀疏模型却难以在GPU上实现高效执行,其性能甚至差于剪枝前的稠密模型,导致模型剪枝难以带来真正的执行性能收益.提出一种稀疏感知的代码生成方法,能够生成高效的稀疏卷积GPU程序.首先为卷积算子设计了算子模板,并结合GPU的特点对模板代码进行了多种优化.算子模板中的源代码经过编译和分析被转换为算子中间表示模板,设计了一种稀疏代码生成方法,能够结合剪枝后的稀疏参数,基于中间表示模板生成对应的稀疏卷积代码.同时,利用神经网络执行过程中的数据访问特点对数据的访问和放置进行了优化,有效提升了访存吞吐量.最后,稀疏参数的位置信息被隐式编码在生成的代码中,不需要额外的索引结构,降低了访存需求.在实验中证明了:相对于GPU上已有的稀疏神经网络执行方法,提出的稀疏感知的代码生成方法能够有效提升稀疏卷积神经网络的性能. 展开更多

关键词 神经网络 稀疏 GPU 性能优化 卷积 代码生成

在线阅读 下载PDF 职称材料

小波域卷积稀疏编码的低剂量CT图像重建 被引量：5

20

作者 刘进 亢艳芹 +2 位作者 胡殿麟 陈阳 康季槐 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2020年第11期1784-1794,共11页

随着CT成像技术的发展,其射线剂量明显降低,然而实现优质成像依然是低剂量CT研究领域中的重点问题.为实现低剂量CT的优质成像,减缓重建图像中伪影及噪声干扰,提出了一种小波域的卷积稀疏编码CT重建算法.该算法是利用预先构建的滤波器集... 随着CT成像技术的发展,其射线剂量明显降低,然而实现优质成像依然是低剂量CT研究领域中的重点问题.为实现低剂量CT的优质成像,减缓重建图像中伪影及噪声干扰,提出了一种小波域的卷积稀疏编码CT重建算法.该算法是利用预先构建的滤波器集,对重建图像中的小波域高频子带进行卷积稀疏表示,并引入到低剂量CT重建中以构造目标函数.通过重建图像更新和小波域卷积稀疏编码两个步骤的交替优化,实现重建目标函数的求解.在Shepp-Logan模拟数据、AAPM模拟数据与UIH真实数据上进行实验,并与全变差、字典学习、梯度正则化的卷积稀疏编码等进行对照分析,实验结果表明,所提算法可获得噪声伪影少、结构细节对比度高的重建图.最后,参数分析实验表明所提算法易实施且具有良好的参数稳健性. 展开更多

关键词 计算机断层成像 低剂量 图像重建 小波变换 卷积稀疏编码

在线阅读 下载PDF 职称材料