【摘 要】
：
为了增强能见度深度学习模型在小样本条件下的准确率和鲁棒性,提出一种基于可见光-远红外图像的多模态能见度深度学习方法.首先,利用图像配准获取视野范围与分辨率均相同的可见光-远红外输入图像对;然后,构造三分支并行结构的多模态特征融合网络;分别在可见光图像、远红外图像及其累加特征图中提取不同性质的大气特征,各分支的特征信息通过网络结构实现模态互补与融合;最后在网络末端输出图像场景所对应的能见度的等级.采
【机 构】
：
南通大学信息科学与技术学院,南通大学交通与土木工程学院
【基金项目】
：
国家自然科学基金(61872425),南通市科技面上项目(MS12019051).
论文部分内容阅读
为了增强能见度深度学习模型在小样本条件下的准确率和鲁棒性,提出一种基于可见光-远红外图像的多模态能见度深度学习方法.首先,利用图像配准获取视野范围与分辨率均相同的可见光-远红外输入图像对;然后,构造三分支并行结构的多模态特征融合网络;分别在可见光图像、远红外图像及其累加特征图中提取不同性质的大气特征,各分支的特征信息通过网络结构实现模态互补与融合;最后在网络末端输出图像场景所对应的能见度的等级.采用双目摄像机收集不同天气情况下的室外真实可见光-远红外图像作为实验数据,在不同性能指标、多角度下的实验结
其他文献
针对在可视化过程中出现的具有相同类别对应关系的多个图表需要保持配色一致的问题,提出多图表协同配色优化,从感知性与和谐度2个方面提出感知性与和谐度引导的多图表协同配色优化方法.给定调色板和多图表数据后,对调色板的质量进行评估,若给定的调色板质量较高,则对其颜色分配方案直接进行优化;否则,先对调色板进行优化,再对其颜色分配方案进行优化.多项用户调研结果证明,该方法能够在保证多图表配色统一的前提下提升配
知识图谱嵌入将离散的符号化实体和关系映射到连续的低维空间中,使后续的任务(如推理、图谱补全等)可以通过代数运算的方式进行.大体而言,知识图谱嵌入可以分成2类主流方法:平移距离模型和语义匹配模型.从知识图谱的图结构出发,可以分析平移距离模型的学习瓶颈,进而得出结论,即平移距离模型的缺点是没有区别对待实体在头部和尾部2个位置所应有的不同语义.据此,提出位置敏感的嵌入表示(location-sensit
轴承在高负荷的环境下长时间运转经常会发生故障,造成巨大损失.若能在故障发生前期进行准确感知,则可以在很大程度上减少损失.通过分析轴承故障问题的特点,提出一种半实时的高准确率诊断方法,使用双路宽卷积核深度卷积网络(deep convolutional neural networks with double paths and wider kernels, DWDCNN)作为实时诊断算法,在结果出现异
针对现有的目标检测算法在提取特征时往往仅使用单一尺度大小的卷积核,忽略了不同尺度特征感受野的差异,从而影响网络对不同尺度目标的检测效果的问题,提出一种基于多分支并行空洞卷积的多尺度目标检测算法.首先,采用基础网络VGG-16对待检测图像进行特征提取;其次,在网络的低层引入多分支并行空洞卷积,对不同扩张率的空洞卷积进行融合,从而获取多尺度特征信息,提高网络对不同尺度特征的提取能力;然后,采用非局部化
实验采用加压流体萃取-硅酸镁小柱净化-气相色谱法(ECD检测器)测定芡实种植底泥中六六六(BHC)和滴滴涕(DDT)残留,不仅提高了萃取效率,优化了净化条件,而且准确度灵敏度较高。利用标准曲线代替工作曲线缩短程序升温时间的同时,可有效提高检测效率。结果表明:该方法采用的8种有机氯标准曲线均具有较好的线性关系,R值在0.998~0.999之间,检出限符合标准要求,精密度达到0.8%~1.5%,加标回收率在87.6%~97.1%,均符合有机物检测相关规定,适用于复杂基质中有机氯农药残留的批量测定。
针对现有方法所得物体轮廓位置欠准确、线条粗、乱等问题,提出自顶向下导引式逐层融合的物体轮廓检测网络.首先采用常用卷积神经网络作为主干网络提取不同尺度特征;鉴于低层特征中边缘位置准确但包含较多非轮廓噪声,而高层特征更有助于区分轮廓和非轮廓,自顶向下逐渐融合相邻尺度特征,借助高层特征强化轮廓边缘并抑制非轮廓噪声;最后提出改进的2分类交叉熵损失函数,训练网络生成物体轮廓.在PyTorch环境下,用公开数
RISC-V作为新一代开源精简指令集,具有功耗低、面积小和性能高的优点,因此基于RISC-V架构的技术和产品发展迅速.然而,目前基于RISC-V架构的中高端64位CPU设计实例很少,也缺乏相应的商用IP,尤其是在面向高速网络应用方面.因此,首先改进了开源的64位U500 RISC-VSoC,包括增加了总线宽度和集成二级缓存等;然后在CPU中实现了完整的100 Gbps以太网功能模块,包括介质访问控
在新加工工艺条件下,针对历史工艺条件下的刀具剩余寿命预测模型失效,且新工艺条件下缺乏足够的训练样本构建新预测模型的问题,提出一种基于动态对抗域适应的迁移学习方法,以快速构建新工艺条件下的刀具剩余寿命预测模型。首先,利用历史工艺条件下带寿命标签的过程监控数据样本,预训练源域的刀具剩余寿命预测模型。其次,通过对抗域适应训练,利用新工艺条件下的少量目标域样本,对源域预训练得到的预测模型进行部分模型参数的调整。利用调整后的模型进行新工艺条件下的刀具剩余寿命预测。最后,更新目标域样本,重复进行对抗域适应训练与预测操
基于草图的图像检索任务根据用户提供的手绘草图,从图像数据库中检索得到与该草图对应的自然图像.与传统基于内容的图像检索不同,草图和自然图像间存在明显的域差异,这使得二者的特征难以直接进行比较.针对自然图像边缘图和草图的相似性,提出了空间注意力下的边缘图融合模型,将自然图像和对应的边缘图分别编码到各自的特征空间,再通过空间注意力掩膜进行加权融合,进而用于草图图像检索.所提模型可以更有效地编码物体边缘轮
针对拉丁方秘密共享方案存在的“初始化和重构困难、秘密共享过程中秘密分片的直接暴露可能会泄露整个秘密”等问题,提出一种拉丁方秘密共享方案。利用拉丁方“轮廓与合适的自合痕”可唯一恢复该拉丁方的特性,将随机生成的拉丁方作为“秘密”,从该秘密拉丁方中随机选择“轮廓”,经过合痕转换后进行秘密共享。分析结果表明该方案能够克服潜在的安全风险,使拉丁方秘密共享方案的初始化和重构简单易行,增强秘密分片的保护,还在秘密共享的多级方案方面有所推广。