期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于双流孪生对比网络的脑电情绪识别
1
作者 马玉良 谢昀臻 +2 位作者 孟明 高云园 佘青山 《中国生物医学工程学报》 北大核心 2025年第4期385-392,共8页
近年来基于脑电信号的情绪识别研究取得了显著的进展,然而标签的标注需要大量的人力,实际应用中难以快速获取大量带标签的数据。高效利用有限的标签进行情绪识别研究逐渐成为了一个新的应用瓶颈。为了解决这个问题,本研究提出了一种基... 近年来基于脑电信号的情绪识别研究取得了显著的进展,然而标签的标注需要大量的人力,实际应用中难以快速获取大量带标签的数据。高效利用有限的标签进行情绪识别研究逐渐成为了一个新的应用瓶颈。为了解决这个问题,本研究提出了一种基于双流孪生网络的模型架构,由两个相互作用、相互学习的卷积神经网络分支组成。首先,将模型进行预训练,将输入信号的扩增视图分别输入到孪生网络的两个分支,在分别经过分支中的卷积模块和全连接模块提取特征后进行对比学习,使模型在过程中学习到脑电信号的通用表征;然后,保留训练分支的编码器部分,对模型进行微调,得到分类结果。使用公开数据集SEED和SEED-IV中的数据样本进行模型分类效果的验证评估,在全标签数据下,分别实现了93.92%和89.71%的分类准确率。在50%的标签使用率下,实现了三分类92.68%的平均准确率,比使用全部标签只减少了1.24%准确率。所提出的模型能够有效提取脑电数据的通用表征,并在使用少量标签的情况下达到较高的识别准确率。 展开更多
关键词 情绪识别 自监督学习 脑机接口 双流网络
在线阅读 下载PDF
基于多视角融合的手眼协同超视野目标测量与3D重建 被引量:1
2
作者 张波涛 李正强 +2 位作者 华超豪 谢佳龙 吕强 《光电工程》 CAS CSCD 北大核心 2024年第10期102-115,共14页
针对动态深度相机单帧视野受限问题,及多帧拼接中的噪声扰动,本文提出了一种基于多视角融合的大型3D目标的位姿测量与重建方法。该方法搭建了深度相机的性能梯度分层模型,采用基于点云法向量的多视角扫描位姿预测,并以高度约束的RANSAC(... 针对动态深度相机单帧视野受限问题,及多帧拼接中的噪声扰动,本文提出了一种基于多视角融合的大型3D目标的位姿测量与重建方法。该方法搭建了深度相机的性能梯度分层模型,采用基于点云法向量的多视角扫描位姿预测,并以高度约束的RANSAC(HC-RANSAC)拟合目标三维模型。以机械臂末端搭载的深度相机进行多角度扫描测量,并将多视角扫描采样所获数据在局部基准坐标系下进行目标模型重建。实验结果表明:与固定深度相机或基于云台视觉的三维重建相比,所提方法具有更大的重建视野和良好的重建精度,可在近距离范围中对大目标进行重建,解决了视野与精度难以兼顾的问题。 展开更多
关键词 机器视觉 手眼协同 多视角融合 位姿测量
在线阅读 下载PDF
一种融合激光与视觉的轻量级地貌地图构建方法
3
作者 李雅雯 张波涛 +1 位作者 仲朝亮 吕强 《计算机科学》 CSCD 北大核心 2024年第S02期399-407,共9页
机器人在复杂环境中的工作性能与环境的交互作用息息相关,但传统的几何映射无法充分捕捉环境的细节信息。然而,现有的移动机器人的环境模型通常为二分类激光地图或小范围的低实时性语义地图,缺乏可承载多样化地貌信息的轻量级环境模型... 机器人在复杂环境中的工作性能与环境的交互作用息息相关,但传统的几何映射无法充分捕捉环境的细节信息。然而,现有的移动机器人的环境模型通常为二分类激光地图或小范围的低实时性语义地图,缺乏可承载多样化地貌信息的轻量级环境模型。针对该问题,文中提出了一种融合激光与视觉的轻量级地貌地图构建方法。该方法在时间和空间同步的基础上,利用改进CSPResnet的轻量级网络提取地貌的语义信息,并与点云相融合生成包含地貌信息的语义点云,以构建具有地形描述的地貌地图。同时为通过并行策略提高构图实时性,采用改进的ICP算法对点云配准进行优化,基于局部子图拼接方法构建大范围场景下的地貌地图。在实际场景中进行实验,结果表明所提方法可有效识别多种典型地貌,并在有限机载算力下构建轻量级地貌地图。 展开更多
关键词 移动机器人 轻量级语义地图 地貌地图 并行地图构建
在线阅读 下载PDF
基于运动单元累计尖峰序列的脑肌耦合分析
4
作者 苏佳豪 佘青山 +2 位作者 张建海 马玉良 范影乐 《中国生物医学工程学报》 CAS CSCD 北大核心 2023年第4期385-393,共9页
脑肌耦合能够反映大脑皮层和肌肉在感觉运动之间的联系。针对传统表面肌电信号输入-输出非线性的问题,本研究提出一种新的脑肌耦合分析方法。将运动单元分解后能线性传输神经驱动的累计尖峰序列(CST)与脑电信号进行相干性分析,定量描述... 脑肌耦合能够反映大脑皮层和肌肉在感觉运动之间的联系。针对传统表面肌电信号输入-输出非线性的问题,本研究提出一种新的脑肌耦合分析方法。将运动单元分解后能线性传输神经驱动的累计尖峰序列(CST)与脑电信号进行相干性分析,定量描述上肢抓握运动中不同收缩力水平下,不同频段特征的脑肌耦合强度和神经元的共同轴突输入。在10名健康人的指浅屈肌(FDS)和尺侧腕屈肌(FCU)的同步脑肌电数据进行了测试和分析。结果表明,在上肢抓握运动中,频段(F(4,8)=337.2,P<0.01)与收缩力水平(F(2,8)=12.15,P<0.01)均对肌间耦合影响显著,其中β与α频段最为明显,在30%MVC下,β频段相干性均值为0.23±0.10,α频段相干性均值为0.47±0.02。轴突共同输入控制收缩力水平。脑肌耦合整体强度较小,耦合强度最大的为β频段,30%MVC下相干性均值为0.12±0.02。CST脑肌耦合分析显示了脑肌间各个频段、各个收缩力水平的耦合特性和共同轴突输入,为脑肌耦合分析提供了一种新的方法。 展开更多
关键词 脑肌耦合 运动单元分解 相干性 累计尖峰序列 轴突输入
在线阅读 下载PDF
基于超轻量实时分割网络的皮肤病变图像分割方法
5
作者 梅厦锦 巫笠平 +1 位作者 张文新 马玉良 《传感技术学报》 2025年第10期1784-1792,共9页
皮肤病变图像分割在皮肤病变诊断中至关重要。然而,基于深度学习的皮肤病变分割模型计算成本高和推理速度慢,难以部署在计算能力有限的皮肤镜设备上。针对上述问题,本研究提出了一种超轻量实时分割网络。首先,采用深度可分离卷积代替标... 皮肤病变图像分割在皮肤病变诊断中至关重要。然而,基于深度学习的皮肤病变分割模型计算成本高和推理速度慢,难以部署在计算能力有限的皮肤镜设备上。针对上述问题,本研究提出了一种超轻量实时分割网络。首先,采用深度可分离卷积代替标准卷积,并设计了相对轻量的编解码网络架构,以降低模型复杂度和计算量。其次,在跳跃连接处加入了多级语义特征融合模块,有效缩小了浅层特征与深层特征的语义差距。此外,提出了多尺度特征融合模块以增强模型学习上下文信息的能力。最后,引入空间和通道注意力模块以关注重要特征。实验表明,ULRTS-Net在ISIC2016和PH2数据集上的JI指标分别达到85.78%和89.95%,且仅有0.407M的模型参数量和1.51GFLOPs。相比其他方法,ULRTS-Net在低计算成本下实现了快速精准的分割,验证了其有效性。 展开更多
关键词 皮肤病变分割 超轻量实时分割 特征融合 注意力机制
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部