-
题名自适应分离知识蒸馏的遥感目标检测
- 1
-
-
作者
杨晓雨
顾进广
-
机构
武汉科技大学计算机科学与技术学院
武汉科技大学智能信息处理与实时工业系统湖北重点实验室
-
出处
《计算机工程与应用》
北大核心
2025年第6期295-303,共9页
-
基金
国家重点研发计划(2022YFC3300800)。
-
文摘
近年来,深度模型在大规模应用方面取得巨大成功,但计算复杂度和存储需求等问题使它们在资源有限的设备上难以部署。知识蒸馏(KD)是一种压缩模型的方法,然而现有方法未考虑遥感数据集的特点。具体来说,在遥感数据集中由于背景复杂,图像中目标物体较小,直接应用现有的知识蒸馏方法时会出现大量噪声,影响训练性能。因此提出了自适应分离知识蒸馏(ASKD)方法。ASKD允许学生模型自动选择多尺度核心特征,减少噪声,同时通过分离全局和局部特征,有效抑制背景干扰。在LEVIR和SSDD数据集上,ASKD在单阶段和双阶段检测器上都取得了出色性能。例如,基于ResNet-18的Faster RCNN,ASKD在SSDD上实现了59.2%的mAP,比基线模型高出2.0个百分点,甚至胜过教师模型。
-
关键词
知识蒸馏
遥感
轻量级目标检测
-
Keywords
knowledge distillation
remote sensing
lightweight object detection
-
分类号
TP311.1
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于多智能体Q学习的异构车载网络选择方法
被引量：3
- 2
-
-
作者
聂雷
刘博
李鹏
何亨
-
机构
武汉科技大学计算机科学与技术学院
武汉科技大学智能信息处理与实时工业系统重点实验室
-
出处
《计算机工程与科学》
CSCD
北大核心
2021年第5期836-844,共9页
-
基金
国家自然科学基金(61802286,61602351)
湖北省自然科学基金(2018CFB424)。
-
文摘
异构车载网络环境下如何选择接入网络对于车载终端用户的服务体验而言至关重要,目前基于Q学习的网络选择方法利用智能体与环境的交互来迭代学习网络选择策略,从而实现较优的网络资源分配。然而该类方法通常存在状态空间过大引起迭代效率低下和收敛速度较慢的问题,同时由于Q值表更新产生的过高估计现象容易导致网络资源利用不均衡。针对上述问题,基于多智能体Q学习提出一种适用于融合5G通信异构车载网络的选择方法MQSM。该方法采用多智能体协作学习的思想,利用双Q值表交替更新的方式来获得动作选择的总回报值,最终实现异构车载网络环境下长期有效的最优网络切换决策集合。实验结果表明,与同类型方法相比较,MQSM在系统总切换次数、平均总折扣值和网络容量利用率方面表现出更好的性能。
-
关键词
多智能体
Q学习
网络选择
异构车载网络
5G通信
-
Keywords
multi-agent
Q-learning
network selection
heterogeneous vehicular network
5G communication
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名结合注意力机制与LSTM的短期风电功率预测模型
被引量：19
- 3
-
-
作者
廖雪超
伍杰平
陈才圣
-
机构
武汉科技大学计算机科学与技术学院
武汉科技大学智能信息处理与实时工业系统重点实验室
-
出处
《计算机工程》
CAS
CSCD
北大核心
2022年第9期286-297,304,共13页
-
基金
国家自然科学基金(61902285)。
-
文摘
风力发电预测在电力系统的运行中发挥着重要作用。现有风电功率的短期预测模型因风速的复杂性和随机性,难以确定风速与风电功率的非线性映射关系,导致预测精度降低。提出一种结合变分模态分解、双阶段注意力机制、误差修正模块与深度学习算法的短期风电功率预测模型。通过对原始数据进行互信息特征选择,获得与风电功率相关性较强的特征,并对其进行信号预处理,利用变分模态分解对多维特征序列进行分解,得到具有一定中心频率的模态分量,以降低各个特征序列的复杂性和非平稳性。采用基于双阶段注意力机制与编解码架构的长短时记忆(LSTM)神经网络对模态分量进行训练与预测,得到初始预测误差。在此基础上,利用误差修正模块对初始预测误差进行变分模态分解和修正,从而提高模型的预测精度。实验结果表明,与自回归移动平均模型、标准编解码结构的LSTM模型相比,该预测模型的平均绝对误差最高可降低约87%,具有较优的预测性能。
-
关键词
短期风电功率预测
变分模态分解
长短时记忆神经网络
注意力机制
误差修正
-
Keywords
short-term wind power prediction
Variational Modal Decomposition(VMD)
Long Short-Term Memory(LSTM)neural network
attention mechanism
error correction
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名多层感知机结合辐射传输模型的复杂陆地表面云检测
被引量：4
- 4
-
-
作者
邓梦娇
徐新
马盈盈
龚威
金适宽
胡瑞敏
-
机构
武汉科技大学计算机科学与技术学院
武汉科技大学智能信息处理与实时工业系统重点实验室
武汉大学测绘遥感信息工程国家重点实验室
武汉大学计算机学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2022年第4期932-942,共11页
-
基金
国家自然科学基金(No.U1803262)。
-
文摘
云检测是卫星遥感数据预处理中至关重要的工作.本文将多层感知机和辐射传输模型相结合,利用可见光和近红外波段反射率信息从卫星影像中识别出云像元.该方法利用SBDART辐射传输模型,模拟获得了各种复杂陆地地表的反射率值数据集,为多层感知机提供训练样本.随后,用训练好的多层感知机模型区分FY-3D卫星MERSI II影像中的云像元和非云像元,利用CALIPSO垂直特性掩膜产品(Vertical Feature Mask,VFM)逐像元进行验证,并与MODIS云掩膜产品(MYD35)进行横向对比.结果表明,以VFM数据集为标准的情况下,多层感知机识别云的总正确率为76.25%,其中在夏季和低纬度地区效果最好,如赤道附近地表识别的准确率可达到91.74%,而在城市、农田和裸地等复杂地表类型条件下的云检测识别正确率分别为83.37%、84.52%和73.11%,分别高于MYD35产品的83.25%、83.31%和72.66%.为了进一步验证多层感知机结合辐射传输模型云检测方法的有效性,将辐射传输模型模拟得到的训练样本分别用于k-最近邻、朴素贝叶斯以及随机森林算法,并与本文多层感知机算法进行对比.结果表明,将多层感知机和辐射传输模型相结合具有更高的正确率.
-
关键词
云检测
多层感知机
辐射传输模拟
MERSI
II
MODIS
-
Keywords
cloud detection
multilayer perceptron
radiative transfer simulation
MERSI II
MODIS
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于特征融合和混合注意力的超分辨率重建
- 5
-
-
作者
左云瑞
陈东方
王晓峰
-
机构
武汉科技大学计算机科学与技术学院
武汉科技大学智能信息处理与实时工业系统湖北重点实验室
-
出处
《计算机工程与设计》
北大核心
2023年第11期3387-3394,共8页
-
基金
国家自然科学基金项目(61572381、61273225)。
-
文摘
由于现有的基于卷积神经网络的超分辨率重建模型无法从多个尺度上利用特征进行加权,导致对于高频细节的恢复能力较差;同时随着网络深度的不断增加导致浅层信息在传输过程中容易弱化或丢失。为此,提出一种基于特征融合和混合注意力的超分辨方法。利用不同尺度间特征的相似性这一特点设计一种多尺度注意力机制,捕获特征图之间和特征图内部的依赖关系;与空间注意力相结合,捕获空间域内隐含的高频信息。设计一种层次特征融合结构对提取出的特征进行充分保留。实验结果表明,该算法在恢复高频细节方面表现良好。
-
关键词
卷积神经网络
特征相似性
多尺度注意力
空间注意力
特征融合
跳跃链接
图像超分辨率
-
Keywords
convolutional neural networks
feature similarity
multi-scale attention
spatial attention
feature fusion
skip connection
image super resolution
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
