检索结果-维普期刊中文期刊服务平台

基于空间注意力机制的边缘智能煤矿监控图像目标检测方法: 1; 作者陈伟任鹏 +2 位作者安文妮田子建张帆《煤炭科学技术》 CSCD 北大核心 2024年第S2期201-210,共10页; 智能化是煤矿安全生产和快速发展的必然趋势,构建智能化生产系统的框架、云边计算协同体系,针对煤矿重点目标进行快速、精准的目标检测,是煤矿智能化发展的重要方向,然而现有的基于深度学习的目标检测算法体积庞大、计算复杂度高,难以... 展开更多; 关键词煤矿监控图像目标检测 YOLO-v4L-EA 空间注意力; 在线阅读下载PDF 职称材料

基于注意力机制的无监督矿井人员跟踪被引量：12: 2; 作者陈伟任鹏 +2 位作者田子建姜添伏轩仪《煤炭学报》 EI CAS CSCD 北大核心 2021年第S01期601-608,共8页; 目标跟踪是一项有挑战性的计算机视觉任务,在智能交通、人机交互、视频监控等领域有重要作用。目前已经出现诸多性能优越的跟踪算法,但是在煤矿场景下实现良好的跟踪效果,依旧存在较大困难,主要面临遮挡严重、背景干扰较多、井下人员较... 展开更多; 关键词矿井人员跟踪无监督学习注意力机制孪生网络 AlexNet神经网络; 在线阅读下载PDF 职称材料

基于异质图注意力网络的miRNA与疾病关联预测算法被引量：3: 3; 作者李政伟李佳树 +3 位作者尤著宏聂茹赵欢钟堂波《电子学报》 EI CAS CSCD 北大核心 2022年第6期1428-1435,共8页; 众多实验表明,microRNA(miRNA)的异常表达与人类复杂疾病的产生和演化有关.识别miRNA与疾病间的关联有助于促进临床医学的发展.然而,传统的实验方法往往耗时耗力、效率低下,因此迫切需要高效的计算方法对miRNA与疾病间的潜在关联进行预... 展开更多; 关键词图注意力网络 miRNA-疾病关联异质图深度学习; 在线阅读下载PDF 职称材料

基于域适应的煤矿环境监控图像语义分割被引量：9: 4; 作者杨潇陈伟 +2 位作者任鹏杨文嘉毕方明《煤炭学报》 EI CAS CSCD 北大核心 2021年第10期3386-3396,共11页; 煤矿复杂场景监控图像的解析是煤矿安全高效生产的重要保障。语义分割是图像智能分析的关键技术,为图像中的每个像素分配类别标签。全卷积神经网络、DeepLab系列、DFN等较高性能的语义分割模型需要依赖大量的像素级标签。针对煤矿监控... 展开更多; 关键词煤矿图像语义分割无监督域适应像素级对齐特征级对齐注意力机制; 在线阅读下载PDF 职称材料

基于深度强化学习的类集成测试序列生成方法: 5; 作者张颖辉张艳梅 +3 位作者张志成姜淑娟丁艳茹袁冠《电子学报》 EI CAS CSCD 北大核心 2023年第2期455-466,共12页; 类集成测试序列的生成是面向对象软件测试中的关键步骤,当类的测试序列不同时,相应的测试代价也不相同.在集成测试中生成一个合理的类集成测试序列可以有效降低软件测试的代价.本文将深度强化学习中的Advantage Actor-Critic算法应用于... 展开更多; 关键词集成测试测试序列深度强化学习 advantage actor-critic 测试桩复杂度; 在线阅读下载PDF 职称材料

题名基于空间注意力机制的边缘智能煤矿监控图像目标检测方法: 1; 作者陈伟任鹏安文妮田子建张帆; 机构中国矿业大学矿山数字化教育部工程研究中心中国矿业大学计算机科学与技术学院中国矿业大学(北京)机电与信息工程学院; 出处《煤炭科学技术》 CSCD 北大核心 2024年第S2期201-210,共10页; 基金国家自然科学基金资助项目(52274160,52074305,51874300)。; 文摘智能化是煤矿安全生产和快速发展的必然趋势,构建智能化生产系统的框架、云边计算协同体系,针对煤矿重点目标进行快速、精准的目标检测,是煤矿智能化发展的重要方向,然而现有的基于深度学习的目标检测算法体积庞大、计算复杂度高,难以将其部署到边缘设备来提供低时延数据分析服务。提出一种基于YOLO-v4L-EA算法的煤矿重点目标检测方法,将融合空间注意力机制的轻量级YOLO-v4部署到矿山物联网系统的边缘计算设备,从而为用户提供高响应速度的重点目标感知服务。算法层面,针对煤矿井下图像存在亮度不均匀等缺陷影响目标检测效果的问题,设计像素正则化空间注意力结构(PNSAM),用批量正则化实现空间注意力机制,该结构能够辅助目标检测模型加强对重要特征关注,有助于算法从低质量图像中感知任务目标;受MobileNet基础结构启发,基于深度可分离卷积对YOLO-v4骨干网络执行轻量化改进,使整体模型能够部署在矿井边缘计算设备;为减小h-swish激活函数造成的梯度损失,在模型中尝试使用Mish激活函数,凭借其梯度光滑特性来实现高效的深层特征提取。根据煤矿视频监控数据构建矿山目标检测数据集,用于评价目标检测网络模型实际应用性能。使用NVIDIAJetsonTX2边缘计算平台作为试验硬件设备,对比试验显示该模型在公测数据集VOC2012的试验结果相对于YOLO-v4-Tiny模型,mAP值提升了13.39%,证明该算法的有效性和正确性;该模型在矿山目标检测数据集上的mAP值为88.9%,说明该方法能有效实现煤矿井下重点目标检测。; 关键词煤矿监控图像目标检测 YOLO-v4L-EA 空间注意力; Keywords mine surveillance images object detection YOLO-v4 L-EA space attention mechanism; 分类号 TD713 [矿业工程—矿井通风与安全]; 在线阅读下载PDF 职称材料

题名基于注意力机制的无监督矿井人员跟踪被引量：12: 2; 作者陈伟任鹏田子建姜添伏轩仪; 机构中国矿业大学(北京)机电与信息工程学院中国矿业大学计算机科学与技术学院中国矿业大学矿山数字化教育部工程研究中心; 出处《煤炭学报》 EI CAS CSCD 北大核心 2021年第S01期601-608,共8页; 基金国家自然科学基金资助项目(51874300) 国家自然科学基金委员会-山西省人民政府煤基低碳联合基金资助项目(U1510115) 中国科学院上海微系统与信息技术研究所无线传感网与通信重点实验室开放基金资助项目(20190902)。; 文摘目标跟踪是一项有挑战性的计算机视觉任务,在智能交通、人机交互、视频监控等领域有重要作用。目前已经出现诸多性能优越的跟踪算法,但是在煤矿场景下实现良好的跟踪效果,依旧存在较大困难,主要面临遮挡严重、背景干扰较多、井下人员较多、数据集样本数量少、缺乏统一标注等挑战,严重影响目标跟踪的效果。针对煤矿场景下,矿井视频数据集不完善、图像质量差以及缺乏统一标注等问题,设计了一种无监督的方法训练目标跟踪模型,将相关滤波和孪生网络相结合,融合二者在目标跟踪任务的优势,构建轻量级端到端的目标跟踪网络模型,采用目标前向跟踪、多帧后向验证方法完成无监督模型的目标跟踪过程。模型的主干网络使用轻量级AlexNet神经网络,解决了煤矿环境下移动平台存储和计算资源有限的问题。根据矿井环境下存在遮挡严重、背景干扰较多、密集目标排列紧密复杂等问题,提出了使用注意力机制提取视频图像中目标重要性信息的方法。在模型的主干网络结构中添加通道注意力机制和空间注意力机制,将重点关注的目标从诸多背景信息中提取出来,通过处理重要信息进而更好地完成跟踪当前目标的任务。将改进后基于注意力机制的无监督矿井人员跟踪模型与ECO,Staple,DSST,SiamFc,SiamRPN模型的平均覆盖率和平均中心位置误差进行对比,发现所提出的目标跟踪模型适用于煤矿复杂环境的人员跟踪问题,具有较好的目标跟踪效果。; 关键词矿井人员跟踪无监督学习注意力机制孪生网络 AlexNet神经网络; Keywords mine personnel tracking unsupervised learning attention mechanism Siamese network AlexNet neural network; 分类号 TD67 [矿业工程—矿山机电]; 在线阅读下载PDF 职称材料

题名基于异质图注意力网络的miRNA与疾病关联预测算法被引量：3: 3; 作者李政伟李佳树尤著宏聂茹赵欢钟堂波; 机构中国矿业大学矿山数字化教育部工程研究中心中国矿业大学计算机科学与技术学院西北工业大学计算机学院; 出处《电子学报》 EI CAS CSCD 北大核心 2022年第6期1428-1435,共8页; 基金国家自然科学基金(No.61732012,No.61972399) 科技创新2030—“新一代人工智能”重大项目(No.2018AAA0100100)。; 文摘众多实验表明,microRNA(miRNA)的异常表达与人类复杂疾病的产生和演化有关.识别miRNA与疾病间的关联有助于促进临床医学的发展.然而,传统的实验方法往往耗时耗力、效率低下,因此迫切需要高效的计算方法对miRNA与疾病间的潜在关联进行预测.本文提出了一种基于异质图注意力网络的端到端的计算模型来预测miRNA与疾病的关联.该方法通过多头注意力机制捕获异质邻居的结构和属性信息,并将其与中心顶点的属性信息进行融合,从而构建出更具表达能力的miRNA和疾病的特征嵌入,进而通过全连接层对miRNA与疾病间的潜在关联进行预测.5折交叉验证结果显示,该模型分别在HMDD v2.0和HMDD v3.0数据集上取得了93.52%和94.82%的AUC值.此外,关于食管肿瘤的病例研究结果显示,该模型预测的前50个miRNA中有48个得到了证实.上述实验结果表明,该模型可作为一种可靠的工具预测候选疾病的相关miRNA.; 关键词图注意力网络 miRNA-疾病关联异质图深度学习; Keywords graph attention network microRNA-disease associations heterogeneous graph deep learning; 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

题名基于域适应的煤矿环境监控图像语义分割被引量：9: 4; 作者杨潇陈伟任鹏杨文嘉毕方明; 机构中国矿业大学计算机科学与技术学院中国矿业大学矿山数字化教育部工程研究中心中国科学院上海微系统与信息技术研究所无线传感网与通信重点实验室; 出处《煤炭学报》 EI CAS CSCD 北大核心 2021年第10期3386-3396,共11页; 基金国家自然科学基金资助项目(51874300) 国家自然科学基金委员会-山西省人民政府煤基低碳联合基金资助项目(U1510115)。; 文摘煤矿复杂场景监控图像的解析是煤矿安全高效生产的重要保障。语义分割是图像智能分析的关键技术,为图像中的每个像素分配类别标签。全卷积神经网络、DeepLab系列、DFN等较高性能的语义分割模型需要依赖大量的像素级标签。针对煤矿监控图像缺少标注信息及容易混淆外观相似的不同类别目标的问题,提出双对齐网络模型。该模型从特征级和像素级两方面减少域间差异,将在合成数据集上训练的语义分割模型迁移到煤矿真实场景中,实现煤矿监控图像语义分割。在特征空间中,使用特征级域适应网络学习域不变特征,减少2个领域之间特征表示的分布差异,实现特征级对齐;在像素空间中,使用像素级域适应网络将源域图像风格转换为目标域图像的风格,减少因纹理、光照等因素造成的域偏移,实现像素级对齐。分割网络使用具有煤矿环境风格的源域图像进行训练,学习煤矿监控图像光照、纹理等特征,增强煤矿监控图像中不同类别目标的区分度。判别器中添加空间注意力模块和通道注意力模块,用来提高双对齐网络模型中判别器的判别能力。通道注意力模块为每个通道的特征分配不同的权重,空间注意力模块使用非局部操作获得不同位置间的关系信息。实验选取GTA5-to-Cityscapes和SYNTHIA-to-Cityscapes两个典型的域适应任务验证双对齐网络的有效性,将该算法与AdaptSegNet,DCAN,CLAN等算法进行对比实验。实验结果表明,双对齐网络的平均交并比提高到43.7%和45.80%。对于煤矿复杂环境,选取SYNTHIA-to-Coal Mine域适应任务进行实验。双对齐网络模型的平均交并比为38.26%,比AdaptSegNet,DCAN,CLAN等算法分别提高7.19%,8.34%和5.56%。针对煤矿监控图像缺少标注信息的问题,双对齐网络减少合成图像与煤矿监控图像的域间差异,较好地分割不同类别的目标。; 关键词煤矿图像语义分割无监督域适应像素级对齐特征级对齐注意力机制; Keywords coal mine image semantic segmentation unsupervised domain adaptation pixel-level alignment feature-level alignment attention mechanism; 分类号 TP391.3 [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

题名基于深度强化学习的类集成测试序列生成方法: 5; 作者张颖辉张艳梅张志成姜淑娟丁艳茹袁冠; 机构中国矿业大学矿山数字化教育部工程研究中心中国矿业大学计算机科学与技术学院广西可信软件重点实验室(桂林电子科技大学) 南方科技大学工学院计算机科学与工程系; 出处《电子学报》 EI CAS CSCD 北大核心 2023年第2期455-466,共12页; 基金国家自然科学基金(No.61673384,No.71774159) 中国博士后基金特别资助(No.2021T140707) 广西可信软件重点实验室研究课题(No.kx201609)。; 文摘类集成测试序列的生成是面向对象软件测试中的关键步骤,当类的测试序列不同时,相应的测试代价也不相同.在集成测试中生成一个合理的类集成测试序列可以有效降低软件测试的代价.本文将深度强化学习中的Advantage Actor-Critic算法应用于解决类集成测试序列生成问题.首先,利用类间各种依赖关系构建与智能体交互的环境模型;然后,记录智能体从初始状态到终止状态的路径,即每次选择的动作对应每次选择集成到序列的类编号;最后,得出最终的类集成测试序列.实验结果表明,本文方法所得到的类集成测试序列花费的总体测试桩复杂度,在选取的7个项目中有5个表现最佳,在剩余2个项目中表现中等.; 关键词集成测试测试序列深度强化学习 advantage actor-critic 测试桩复杂度; Keywords integration test test order deep reinforcement learning advantage actor-critic complexity; 分类号 TP311 [自动化与计算机技术—计算机软件与理论]; 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	基于空间注意力机制的边缘智能煤矿监控图像目标检测方法	陈伟任鹏安文妮田子建张帆	《煤炭科学技术》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
2	基于注意力机制的无监督矿井人员跟踪	陈伟任鹏田子建姜添伏轩仪	《煤炭学报》 EI CAS CSCD 北大核心	2021	12	在线阅读下载PDF 职称材料
3	基于异质图注意力网络的miRNA与疾病关联预测算法	李政伟李佳树尤著宏聂茹赵欢钟堂波	《电子学报》 EI CAS CSCD 北大核心	2022	3	在线阅读下载PDF 职称材料
4	基于域适应的煤矿环境监控图像语义分割	杨潇陈伟任鹏杨文嘉毕方明	《煤炭学报》 EI CAS CSCD 北大核心	2021	9	在线阅读下载PDF 职称材料
5	基于深度强化学习的类集成测试序列生成方法	张颖辉张艳梅张志成姜淑娟丁艳茹袁冠	《电子学报》 EI CAS CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料