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
2
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
融合交叉序列预测和一致性对比的WiFi人体活动识别
1
作者
王杨
许佳炜
+4 位作者
王傲
宋世佳
谢帆
赵传信
季一木
《计算机工程与科学》
北大核心
2025年第1期160-170,共11页
随着IEEE 802.11bf标准的发布,WiFi感知技术已从学术研究走向工业应用。针对现有的基于WiFi的人体活动检测系统往往依赖于较强假设约束问题,从如何充分利用无标签CSI样本出发,设计了一种适用于WiFi感知领域的自监督模型CPCC-Fi。模型在...
随着IEEE 802.11bf标准的发布,WiFi感知技术已从学术研究走向工业应用。针对现有的基于WiFi的人体活动检测系统往往依赖于较强假设约束问题,从如何充分利用无标签CSI样本出发,设计了一种适用于WiFi感知领域的自监督模型CPCC-Fi。模型在对比学习思想的基础上首先使用序列数据增强生成不同视图的无标记CSI样本;然后通过自监督学习获取CSI序列内在表示特征;再通过少量标记样本对模型进行微调,最后即可实现下游人体活动的有效感知和识别。在自采和公开数据集上的相关实验结果表明,与CNN+Linear、CNN+Transformer+Linear和TS-TCC相比,CPCC-Fi模型的各项性能均有所提升。
展开更多
关键词
自监督学习
信道状态信息
人体活动识别
表征学习
在线阅读
下载PDF
职称材料
基于轻量化YOLOv8s交通标志的检测
被引量：
17
2
作者
朱强军
胡斌
+1 位作者
汪慧兰
王杨
《图学学报》
CSCD
北大核心
2024年第3期422-432,共11页
为了提高交通标志检测的实时性和可行性,提出了一种基于YOLOv8s的轻量化交通标志检测模型。首先,用FasterNet中的残差模块FasterNetBlock替换C2f模块中的BottleNeck,降低模型参数量和计算量;其次,用一种小目标检测层去替换大目标检测层...
为了提高交通标志检测的实时性和可行性,提出了一种基于YOLOv8s的轻量化交通标志检测模型。首先,用FasterNet中的残差模块FasterNetBlock替换C2f模块中的BottleNeck,降低模型参数量和计算量;其次,用一种小目标检测层去替换大目标检测层,降低Backbone中网络层数,实现大幅度提高检测速度和降低参数量;最后,用Wise-IOU替换原CIOU损失函数,提高速度和精度。在TT100K交通标志数据集上验证,其与YOLOv8s模型比较,mAP50提高了5.16%,参数量降低了76.48%,计算量降低了13.33%,FPS快了35.83%。与其他模型相比,mAP50平均提高了15.11%,参数量平均降低了85.74%,计算量平均下降了46.23%,FPS平均提高了31.49%。该模型具有检测精度高、参数量少、计算量低、速度快等优点,较原算法有很大地提升,且与其他先进的交通标志检测模型比较时表现出了很强的竞争力,在交通标志检测中具有较大优势。
展开更多
关键词
轻量化
YOLOv8s
改进小目标层
交通标志检测
Wise-IOU
TT100K
在线阅读
下载PDF
职称材料
题名
融合交叉序列预测和一致性对比的WiFi人体活动识别
1
作者
王杨
许佳炜
王傲
宋世佳
谢帆
赵传信
季一木
机构
安徽师范大学皖江学院大数据与人工智能系
安徽师范大学
计算机与信息
学院
南京邮电
大学
高性能计算与
大数据
处理研究所
出处
《计算机工程与科学》
北大核心
2025年第1期160-170,共11页
基金
国家重点研发计划(2018AAA010300)
国家自然科学基金(61871412)
+3 种基金
安徽省自然科学基金(KJ2019A0938,KJ2021A1314,KJ2019A0979)
安徽高校自然科学重点项目(2022AH052899,KJ2019A0979,KJ2019A0511,2023AH052757)
机器视觉检测安徽省重点实验室(KLMVI-2023-HIT-11)
安徽省高校学科(专业)拔尖人才学术资助项目(gxbjZD2022147)。
文摘
随着IEEE 802.11bf标准的发布,WiFi感知技术已从学术研究走向工业应用。针对现有的基于WiFi的人体活动检测系统往往依赖于较强假设约束问题,从如何充分利用无标签CSI样本出发,设计了一种适用于WiFi感知领域的自监督模型CPCC-Fi。模型在对比学习思想的基础上首先使用序列数据增强生成不同视图的无标记CSI样本;然后通过自监督学习获取CSI序列内在表示特征;再通过少量标记样本对模型进行微调,最后即可实现下游人体活动的有效感知和识别。在自采和公开数据集上的相关实验结果表明,与CNN+Linear、CNN+Transformer+Linear和TS-TCC相比,CPCC-Fi模型的各项性能均有所提升。
关键词
自监督学习
信道状态信息
人体活动识别
表征学习
Keywords
self-supervised learning
channel state information
human activity recognition
representation learning
分类号
TP391.4 [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
基于轻量化YOLOv8s交通标志的检测
被引量：
17
2
作者
朱强军
胡斌
汪慧兰
王杨
机构
安徽师范大学皖江学院大数据与人工智能系
安徽师范大学
物理与电子信息
学院
安徽师范大学
计算机与信息
学院
出处
《图学学报》
CSCD
北大核心
2024年第3期422-432,共11页
基金
安徽省高校自然科学研究重点项目(2023AH052459)
安徽师范大学皖江学院重点自然科研项目(WJKYZD-202301)
+1 种基金
安徽省高等学校省级质量工程项目(2022sx052)
安徽师范大学皖江学院教学质量工程项目(WJXGK-202201)。
文摘
为了提高交通标志检测的实时性和可行性,提出了一种基于YOLOv8s的轻量化交通标志检测模型。首先,用FasterNet中的残差模块FasterNetBlock替换C2f模块中的BottleNeck,降低模型参数量和计算量;其次,用一种小目标检测层去替换大目标检测层,降低Backbone中网络层数,实现大幅度提高检测速度和降低参数量;最后,用Wise-IOU替换原CIOU损失函数,提高速度和精度。在TT100K交通标志数据集上验证,其与YOLOv8s模型比较,mAP50提高了5.16%,参数量降低了76.48%,计算量降低了13.33%,FPS快了35.83%。与其他模型相比,mAP50平均提高了15.11%,参数量平均降低了85.74%,计算量平均下降了46.23%,FPS平均提高了31.49%。该模型具有检测精度高、参数量少、计算量低、速度快等优点,较原算法有很大地提升,且与其他先进的交通标志检测模型比较时表现出了很强的竞争力,在交通标志检测中具有较大优势。
关键词
轻量化
YOLOv8s
改进小目标层
交通标志检测
Wise-IOU
TT100K
Keywords
lightweight
YOLOv8s
improved small target layer
traffic sign detection
Wise-IOU
TT100K
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
U463.6 [机械工程—车辆工程]
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
融合交叉序列预测和一致性对比的WiFi人体活动识别
王杨
许佳炜
王傲
宋世佳
谢帆
赵传信
季一木
《计算机工程与科学》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于轻量化YOLOv8s交通标志的检测
朱强军
胡斌
汪慧兰
王杨
《图学学报》
CSCD
北大核心
2024
17
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
