针对无人机航拍图像中存在小目标、目标遮挡、背景复杂的问题,提出一种基于高效特征提取和大感受野的目标检测网络(efficient feature and large receptive field network,EFLF-Net)。通过优化检测层架构降低小目标漏检率;在主干网络融...针对无人机航拍图像中存在小目标、目标遮挡、背景复杂的问题,提出一种基于高效特征提取和大感受野的目标检测网络(efficient feature and large receptive field network,EFLF-Net)。通过优化检测层架构降低小目标漏检率;在主干网络融合新的构建模块以提升特征提取效率;引入内容感知特征重组模块和大型选择性核网络,增强颈部网络对遮挡目标的上下文感知能力;采用Wise-IoU损失函数优化边界框回归稳定性。在VisDrone2019数据集上的实验结果表明,EFLF-Net较基准模型在平均精度上提高了5.2%。与已有代表性的目标检测算法相比,该方法对存在小目标、目标相互遮挡和复杂背景的无人机航拍图像有更好的检测效果。展开更多
精准预测高速铁路风险对高速铁路安全管理至关重要。为有效预测高速铁路运行中的风险概率,解决事故诱因内外部特征的提取与学习过程难以同时兼顾的问题,提出一种考虑事故诱因拓扑结构的内外双视角的高速铁路风险预测模型(internal and e...精准预测高速铁路风险对高速铁路安全管理至关重要。为有效预测高速铁路运行中的风险概率,解决事故诱因内外部特征的提取与学习过程难以同时兼顾的问题,提出一种考虑事故诱因拓扑结构的内外双视角的高速铁路风险预测模型(internal and external perspectives on the topological dendrogram of accident causes,IEPTDAC)。首先,基于树状结构刻画事故内部诱因的拓扑关系,从“人、机、环、管”4个方面提取事故诱因的外部特征;在此基础上,采用卷积神经网络的多层卷积操作提取事故诱因的内外部特征,并引入粒子群算法对卷积神经网络的关键超参数进行优化,进一步提升模型的预测性能;最后,选取某铁路局的5个区段,以19个事故诱因与风险事故数据作为研究对象,在1、3和5 h的时间粒度下,分别采用9种既有预测模型与IEPTDAC模型进行对比分析。实验结果表明,相较于现有的组合预测模型以及传统的单一预测模型,IEPTDAC模型拥有更优的预测精度和拟合效果。例如,在1 h时间粒度下,对比实验中基于暂态提取变换与DSRNet-AttBiLSTM的预测模型,IEPTDAC模型的平均绝对误差fmae降低了32.04%,均方根误差f_(rmse)降低了36.35%,决定系数f_(r^(2))提高了0.46%;在1、3和5 h的时间粒度下,IEPTDAC与传统的ConvLSTM(convolutional long short-term memory)模型相比,f_(r^(2))分别提高1.71%、3.00%、1.27%。此外,本文设计的模型消融实验验证了IEPTDAC模型各分支的合理性和有效性。该方法为高速铁路风险预测提供了一种有效的技术手段。展开更多
云接入网(Cloud Radio Access Network,C-RAN)中有限带宽的前程链路无法有效应对高铁场景下乘客大量集中式的网络资源请求.针对这一不足,本文对C-RAN架构中的射频拉远头(Remote Radio Head,RRH)配置缓存设备使其具有存储转发资源的功能...云接入网(Cloud Radio Access Network,C-RAN)中有限带宽的前程链路无法有效应对高铁场景下乘客大量集中式的网络资源请求.针对这一不足,本文对C-RAN架构中的射频拉远头(Remote Radio Head,RRH)配置缓存设备使其具有存储转发资源的功能,利用列车运行信息可预知的先验条件,针对乘客数据通信提出基于缓存机制的预下载方案以提升网络系统的吞吐量.仿真结果表明,在前程链路拥挤情况下,基于缓存的预下载方案可明显提升资源的平均传输速率和高铁通信网络的吞吐量,进而提升了乘客的在途通信服务质量(Quality of Service,QoS).展开更多
文摘针对无人机航拍图像中存在小目标、目标遮挡、背景复杂的问题,提出一种基于高效特征提取和大感受野的目标检测网络(efficient feature and large receptive field network,EFLF-Net)。通过优化检测层架构降低小目标漏检率;在主干网络融合新的构建模块以提升特征提取效率;引入内容感知特征重组模块和大型选择性核网络,增强颈部网络对遮挡目标的上下文感知能力;采用Wise-IoU损失函数优化边界框回归稳定性。在VisDrone2019数据集上的实验结果表明,EFLF-Net较基准模型在平均精度上提高了5.2%。与已有代表性的目标检测算法相比,该方法对存在小目标、目标相互遮挡和复杂背景的无人机航拍图像有更好的检测效果。
文摘精准预测高速铁路风险对高速铁路安全管理至关重要。为有效预测高速铁路运行中的风险概率,解决事故诱因内外部特征的提取与学习过程难以同时兼顾的问题,提出一种考虑事故诱因拓扑结构的内外双视角的高速铁路风险预测模型(internal and external perspectives on the topological dendrogram of accident causes,IEPTDAC)。首先,基于树状结构刻画事故内部诱因的拓扑关系,从“人、机、环、管”4个方面提取事故诱因的外部特征;在此基础上,采用卷积神经网络的多层卷积操作提取事故诱因的内外部特征,并引入粒子群算法对卷积神经网络的关键超参数进行优化,进一步提升模型的预测性能;最后,选取某铁路局的5个区段,以19个事故诱因与风险事故数据作为研究对象,在1、3和5 h的时间粒度下,分别采用9种既有预测模型与IEPTDAC模型进行对比分析。实验结果表明,相较于现有的组合预测模型以及传统的单一预测模型,IEPTDAC模型拥有更优的预测精度和拟合效果。例如,在1 h时间粒度下,对比实验中基于暂态提取变换与DSRNet-AttBiLSTM的预测模型,IEPTDAC模型的平均绝对误差fmae降低了32.04%,均方根误差f_(rmse)降低了36.35%,决定系数f_(r^(2))提高了0.46%;在1、3和5 h的时间粒度下,IEPTDAC与传统的ConvLSTM(convolutional long short-term memory)模型相比,f_(r^(2))分别提高1.71%、3.00%、1.27%。此外,本文设计的模型消融实验验证了IEPTDAC模型各分支的合理性和有效性。该方法为高速铁路风险预测提供了一种有效的技术手段。
文摘云接入网(Cloud Radio Access Network,C-RAN)中有限带宽的前程链路无法有效应对高铁场景下乘客大量集中式的网络资源请求.针对这一不足,本文对C-RAN架构中的射频拉远头(Remote Radio Head,RRH)配置缓存设备使其具有存储转发资源的功能,利用列车运行信息可预知的先验条件,针对乘客数据通信提出基于缓存机制的预下载方案以提升网络系统的吞吐量.仿真结果表明,在前程链路拥挤情况下,基于缓存的预下载方案可明显提升资源的平均传输速率和高铁通信网络的吞吐量,进而提升了乘客的在途通信服务质量(Quality of Service,QoS).
