多阶段特征蒸馏加权的轻量级图像超分辨率网络

针对在轻量化网络中提取底层特征感受野不足以及缺乏对局部关键特征强化的问题,提出一种多阶段特征蒸馏加权的轻量级图像超分辨率网络LMSWN。首先,通过类金字塔模块扩大对浅层特征提取时的感受野,融合不同尺度的特征信息,丰富网络的信息流;其次,设计多阶段残差蒸馏加权模块用于增强方形卷积提取局部关键特征的能力,以恢复更多细节信息提高重建性能,同时将通道分离与1×1卷积结合共同实现对特征的逐级蒸馏,减少网络参数量;最后,引入2个自适应参数对多阶段残差蒸馏加权模块的2条支路特征进行联合学习,提升对不同层次特征信息的关注度,进一步增强网络的表征能力。实验结果表明,在Set 5、Set 14、BSD 100、Urban 100和Manga 109这5个基准测试集上的实验充分验证了所提网络的有效性,其性能超过了当前主流轻量级网络。

基于改进的MobilenetV3热轧钢带表面缺陷分类

提出一种基于轻量化神经网络MobilenetV3-large改进的热轧钢带表面缺陷分类算法,通过剪枝、大量削减卷积层数、调整通道大小和步长,以及修改对应的网络参数快速降低了参数量.为弥补修改模型带来的准确率下降的问题,将激活函数ReLU更换为Hard-Swish,引入置换注意力机制替换原模型中的通道注意力机制,在进一步降低参数量的同时提高运行效率和分类准确率.在NEU-CLS表面缺陷数据集中的试验结果表明,改进后的算法参数量为0.5 MB,相比原模型降低96.89%,训练图片的时间由19.81 ms/幅降至10.73 ms/幅,平均准确率为99.26%,比改进前提高了5.56%,表明改进后的算法可应用于实时分类.

基于多门混合专家网络的情感分析与文本摘要多任务模型

在目前机器学习应用场景中,大多数方法仍然专注于孤立地学习单个任务,即为每个任务建立一个单独的模型。然而许多现实问题需要多模态的方法来解决,因此需要采用多任务模型。目前多门混合专家网络MMoE在多任务领域取得了不错的效果,然而在针对特定领域的学习仍然存在没有专注于独立任务的信息学习、学习任务之间联系能力不足的问题。为此,文中在多门混合网络专家模型上针对情感分析和文本摘要这一特定领域进行了优化,采用基于解码器的架构针对MMoE的架构进行重构;为解决重新设计架构带来的数据格式和流向变化的问题,同时增加针对任务独有信息的学习,设计了新的门控制网络架构;基于情感分析与文本摘要互助理论,提出两种门控制网络权值修改机制,并通过实验选择性能最佳的机制和参数。最后通过改进前后的性能对比和消融实验,证明了在情感分析和文本摘要领域,所提模型有着更优于MMoE的性能,并且每个优化都对模型性能提升有所贡献。

带有半渐进式分层提取机制的轻量化多任务模型

多任务学习目前广泛被应用于各大领域,然而大部分效果较佳的模型都有着复杂的网络层级和架构,导致这些多任务学习模型很难被应用于资源有限的设备上,例如:经费有限但是人口基数大的国家或地区进行人口普查预测、便携设备的翻译等任务。为解决这一问题,提出半渐进式分层提取的轻量化多任务模型。模型首先通过对顶层任务独有的专家模块进行剪枝,将原先负责提取每个独立任务深层信息的工作交由每个任务的塔层模块进行。这一做法使得模型既能轻量化,同时也保留了将任务共享参数和任务独有参数分离及分层次提取信息的特点。为了弥补剪枝后模型性能及准确率上的下降,参考不确定性对损失加权的思想,引入动态联合损失进行优化,使得模型可以不断预测任务之间重要性对每个任务的损失进行权值调整。同时,也对部分超参数进行调优。通过模型在公共数据集UCI人口普查-收入数据集上的评估,最终证明模型有着与轻量化之前不分上下的性能。

融合TF-IDF算法和预训练模型的文本数据增强

针对自然语言处理领域的数据增强问题,首次提出了一种基于TF-IDF算法和预训练语言模型BERT融合的文本数据增强方法。首先,改进传统的基于随机策略的词元选择方法,避免对语义起到关键作用的词元进行改写,利用TF-IDF算法提取样本的非核心词,得到替换的目标词元;之后针对现有算法在生成新数据时,依赖输入样本而导致的增强样本多样化受限问题,融合BERT模型预测目标替换词元,并使用预测的结果替换目标词元。实验结果表明,基于TF-IDF和BERT预训练模型融合的文本数据增强算法有效提升深度学习模型的性能达5.8%,优于现有的文本数据增强算法。

特征规范化的图卷积神经网络推荐算法

为了提高推荐算法的推荐性能,针对现有的图卷积神经网络(graph convolutional neural network,GCN)的推荐算法中,2-3层的传播网络结构不利于较远距离节点之间进行信息交互,而加深网络层数又会导致性能急剧下降的问题,提出一种特征规范化的图卷积神经网络推荐算法。该方法为传播网络中每一层输出特征进行规范化处理,避免节点嵌入表示随着网络层数增加而变得过于相似;在预测阶段,使用自注意力机制(self-attention mechanism,SA)将各层的输出进行连接,以获得更好的节点最终表示。在3个真实数据集上与传统算法以及现有同类型推荐算法进行对比,验证了该模型的有效性。实验结果表明,所提模型与基准模型相比,在召回率Recall@N和归一化折损累计增益NDCG@N上有明显提高,平均提升1.675%,最高可提升3.406%。

改进的MobileNetV3热轧钢带表面缺陷分类算法

热轧制品在工业制造领域有着重要作用,针对其在生产中的表面缺陷问题,提出了一个基于MobileNetV3算法改进的热轧钢带表面缺陷分类算法,通过引入改进的置换注意力机制SAMM替换原模型中的SE注意力机制,在降低参数量的同时提高分类准确率。同时,引入Mish激活函数来替换原模型中的Hard-Swish激活函数,进一步提高分类准确率。将两者结合,构造新的Bneck模块,在此基础上构造新的A-MobileNetV3热轧钢带表面缺陷分类算法。使用NEU-CLS热轧钢带表面缺陷数据集进行分类实验,实验结果表明,改进后的算法分类准确率达到了99.44%,相比于原模型提高了5.74%,而参数量仅为10.35 MB,相比于原模型减少了35.59%。表明改进后的分类算法可以胜任热轧钢带表面缺陷分类的任务。

基于改进YOLOv5的舰船目标检测

为解决舰船目标检测中,在多目标情况下的舰船容易被遮挡,造成舰船目标漏检等问题,提出了一种基于坐标注意力机制的深度学习目标检测模型Ship-YOLOv5s-CA,能够对舰船目标进行自动识别。在图像预处理方面,通过采用马赛克图像增强和混类图像增强的方法,提升了模型的训练速度和泛化能力。然后对基于轻量化的YOLOv5s模型进行算法改进,通过对主要模块进行精简,整体上减低了模型的参数量。并且在YOLOv5s的主干网络中融入坐标注意力机制,使得改进后的模型能够更加准确获取目标特征的位置信息,从而提升模型的精确率。将融入坐标注意力机制的模型与融入其他注意力机制的模型进行实验对比,并分析了不同注意力机制对模型性能指标的影响。然后将改进后的YOLOv5s模型与未改进的模型进行实验对比,改进后的模型各项指标均优于其他模型。

多尺度信息蒸馏的轻量级图像超分辨率算法

针对现有的图像超分辨率算法存在细节信息恢复能力较弱、特征复用不合理的问题,提出一种结合信息蒸馏及双链路上采样的超分辨率重建算法.首先,通过多尺度信息蒸馏模块对特征进行多维度提取,使获取的特征信息更全面,增强网络的表征能力;其次,蒸馏机制将多尺度特征进行选择性提炼,并将蒸馏出的部分特征利用层次注意力机制进行全局复用,不仅降低了网络参数,还能获取更丰富的上下文信息;最后,对不同路径下获取的特征分别上采样,将局部和全局特征相结合,提高对细节信息恢复的能力.实验结果表明,所提算法重建出的图像质量更佳,在4倍放大系数下的平均峰值信噪比值比特征蒸馏交互加权网络(FDIWN)提升了0.35 dB,模型参数量相对于级联残差网络(CARN)降低了55%,其性能超过了当前主流轻量级算法.

融入注意力机制的多尺度卷积图像去雾方法

图像的去雾问题是一项富有挑战性的视觉任务。以往的图像去雾方法往往过于依赖雾天图像退化的物理模型,且当前利用卷积神经网络进行图像去雾的模型较为复杂,基于此提出一种不依赖于物理模型的轻量级去雾网络MADNet。该网络主要由融入注意力机制的多尺度卷积模块构成,通过将有雾图像看成是清晰的无雾图像和雾度残留图像组成,让MADNet直接学习目标无雾图像和输入的有雾图像之间的雾度残留物,最后实现端到端的图像去雾。实验结果表明,MADNet在数据集SOTS和NH-HAZE上的结构相似性和峰值性噪比均优于其它对比方法的,在真实场景中也能取得较好的去雾效果。

基于修复对抗网络的烟包表面缺陷检测方法

针对烟包表面缺陷检测方法存在识别准确率低、复用性差和检测条件高等问题,提出一种基于图像修复对抗网络的烟包表面缺陷检测方法。利用UNET网络改进上下文编码器构成修复网络,分别用扩张率等于2和3的空洞卷积提取不同粒度的特征信息,通过SK注意力机制对其赋予权重后融入到残差网络中构成判别网络,根据待测图像与修复图像的差值过滤掉缺陷特征比较明显的烟包,对差阈值附近的烟包用判别网络进行二次检测。在3000张烟包图像数据集上对比试验,结果显示,检测速度较快,准确率最高为97.5%,可以有效滤除表面缺陷的烟包。研究对包装盒表面缺陷的检测具有借鉴意义。

双向式CBR学习算法研究

文中在反馈式CBR算法的基础上针对多个使用群体提出了一种新的双向式CBR算法,把使用者信息和实例信息相分离而成为使用者实例库和应用实例库,通过对使用者实例库的搜索来重用已有的针对不同用户的搜索策略、改编策略和存储策略,从而使对应用实例库的搜索的速度和精度、改编的满意度和存储结构的合理性达到最优化。通过一个实际CBR系统的验证,具有很好的收敛速度和精度,同时具有很高的自学习性。

基于FLEXSIM的通用弹药配送中心仿真研究

通用弹药配送,是指在平时或战时状态下开展的军事物流活动。首先讨论了建立军事物流中心的必要性,分析了弹药配送中心的工作流程和概念模型,基于FLEXSIM建立了弹药配送系统仿真模型,重点研究配送中心的最大存储和订货条件(最小库存)对配送中心成本的影响。这对于配送中心的规划建设具有十分重要的参考价值。

二分图的无关分解及其在覆盖问题中的应用

为了解决大容量存贮器制造过程中因缺陷而造成成品率低的问题，或并行阵列中的容错重组问题，一般采用冗余修复的方法，该问题可以归结为对二分图的覆盖，且该问题属于NP完全问题．本文提出一个新的二分图无关分解方法．运用这一方法，可将一个二分图分解为多个互不关联的子图，然后分别在各子图中对缺陷进行覆盖，从而使该问题复杂度降低，提高修复速度．

工作流技术在通用弹药供应保障中的应用

针对未来信息化战争对通用弹药供应保障的效率提出的更高要求,对工作流技术和通用弹药供应保障研究现状进行分析,建立将工作流技术应用到通用弹药供应保障中的生命周期图,并研究生命周期的每一环节。应用工作流技术对于通用弹药供应保障势必产生巨大的军事效益。

基于C/S与B/S的高校科研管理信息系统的设计与实现

分析了B/S和C/S模式混合使用的优越性,讨论了基于该模式下的高校科研管理信息系统的设计方案和系统特点以及系统实施过程中的关键技术。

双向图覆盖的启发式离散度求解

为了解决大容量存贮器制造过程中因各种原因造成的成品率低的问题，或并行阵列中的容错重组问题，一般采用冗余修复的方法．该问题一般被归结为双向图的覆盖问题，且其复杂度被证明为ＮＰ．为加快求解速度，可以采用启发式算法求解．本文提出一种新的启发式算法求解，可以降低该问题的复杂度，提高修复效率．

纳西象形文Web植入技术

描述纳西象形文的Web植入技术,属于纳西象形文应用项目之一。纳西象形文的Web植入技术主要采用WEFT生成字体数据库,通过CSS2嵌入到纳西象形文Web页面中,从而使网络客户无需下载字体也可正常浏览纳西象形文字网页。

网上购物车的数据库技术实现策略

介绍了常用的两种网上购物车技术实现方案 ,提出了一种采用数据库技术实现网上购物车的新方法 ,并给出了设计思想及具体实现策略。

基于JavaBean组件技术控制系统组态

当前的工控系统应用中存在诸如软件系统的可靠性、扩充性以及组态软件的移植性等问题，针对这些问题，讨论了将软件组件技术及ＪａｖａＢｅａｎ应用于工控组态系统，并就实例详细介绍了基于ＪａｖａＢｅａｎ组件技术的工控组态系统的开发步骤及设计过程．