当前的目标分割模型难以兼顾分割性能与推断效率,为此提出一种基于尺度注意知识迁移的自蒸馏目标分割方法。首先,构建了一个仅利用主干特征的目标分割网络作为推断网络,实现高效的前向推断过程。其次,提出了一种基于尺度注意知识的自蒸...当前的目标分割模型难以兼顾分割性能与推断效率,为此提出一种基于尺度注意知识迁移的自蒸馏目标分割方法。首先,构建了一个仅利用主干特征的目标分割网络作为推断网络,实现高效的前向推断过程。其次,提出了一种基于尺度注意知识的自蒸馏学习模型:一方面,设计了具有尺度注意机制的金字塔特征模块,利用尺度注意机制自适应地捕获不同语义水平的上下文信息,提取更具区分性的自蒸馏知识;另一方面,融合交叉熵、KL(Kullback-Leibler)散度和L2距离构造蒸馏损失,高效驱动蒸馏知识向分割网络迁移,提升泛化性能。该方法在COD(Camouflaged Object Detection)、DUT-O(Dalian University of Technology-OMRON)、SOC(Salient Objects in Clutter)等五个目标分割数据集上进行了验证:将所提推断网络作为基准网络,所提自蒸馏模型分割性能在Fβ指标上平均提升3.01%,比免教师(TF)自蒸馏模型增加了1.00%;所提网络与近期的残差分割网络(R2Net)相比,参数量减少了2.33×10^(6),推断帧率提升了2.53%,浮点运算量减少了40.50%,分割性能提升了0.51%。实验结果表明:所提方法能有效兼顾性能与效率,适用于计算和存储资源受限的应用场景。展开更多
人工智能技术的迅速发展和广泛应用,为不断变革和发展的医学教学带来了新的机遇和挑战。ChatGPT作为一种自然语言处理技术(natural language processing,NLP),具有自动化处理和生成语言的能力,正在逐渐被应用于医学教学领域。文章首先...人工智能技术的迅速发展和广泛应用,为不断变革和发展的医学教学带来了新的机遇和挑战。ChatGPT作为一种自然语言处理技术(natural language processing,NLP),具有自动化处理和生成语言的能力,正在逐渐被应用于医学教学领域。文章首先介绍了ChatGPT的概念及其应用现状,其次针对医学教育的特点和存在的问题,指出ChatGPT在医学教学中的应用前景和面临的挑战,需要在技术、数据隐私保护和教学模式等方面进行更加深入的探讨和研究。展开更多
模拟投料环境,探索温度、时间、氧化剂NaClO、弱碱NaHCO_(3)、弱酸NaHSO_(3)对DTD分解情况的影响。结果表明:温度低于15℃时DTD分解缓慢,高于15℃时DTD分解迅速,且随时间的延长分解加剧。氧化剂NaClO会造成产物的迅速分解,4 h DTD分解剩...模拟投料环境,探索温度、时间、氧化剂NaClO、弱碱NaHCO_(3)、弱酸NaHSO_(3)对DTD分解情况的影响。结果表明:温度低于15℃时DTD分解缓慢,高于15℃时DTD分解迅速,且随时间的延长分解加剧。氧化剂NaClO会造成产物的迅速分解,4 h DTD分解剩余24.53%。NaHCO_(3)、NaHSO_(3)的加入对DTD的分解影响较小。为避免长时间对收率的影响,合成结束后需迅速进行后处理,对后期工业化生产具有重要的指导意义。展开更多
在信息物理高度融合背景下,快速、准确地检测虚假数据注入攻击(false data injection attacks,FDIAs)是城市配电网安全稳定运行的关键。提出一种基于对抗性自动编码器的城市配电网FDIAs检测方法,将自动编码器和生成对抗网络结合,能够提...在信息物理高度融合背景下,快速、准确地检测虚假数据注入攻击(false data injection attacks,FDIAs)是城市配电网安全稳定运行的关键。提出一种基于对抗性自动编码器的城市配电网FDIAs检测方法,将自动编码器和生成对抗网络结合,能够提取数据特征,发现FDIAs引起的配电网数据异常,并在少量标记数据的基础上完成网络训练,避免出现高昂标记成本的同时,还可减少FDIAs检测对网络拓扑结构的依赖。通过典型配电网案例仿真和结果分析,验证所提方法与现有FDIAs检测方法相比,在检测精度与效率方面都有一定优势,适用于规模日益庞大的城市配电网。展开更多
文摘当前的目标分割模型难以兼顾分割性能与推断效率,为此提出一种基于尺度注意知识迁移的自蒸馏目标分割方法。首先,构建了一个仅利用主干特征的目标分割网络作为推断网络,实现高效的前向推断过程。其次,提出了一种基于尺度注意知识的自蒸馏学习模型:一方面,设计了具有尺度注意机制的金字塔特征模块,利用尺度注意机制自适应地捕获不同语义水平的上下文信息,提取更具区分性的自蒸馏知识;另一方面,融合交叉熵、KL(Kullback-Leibler)散度和L2距离构造蒸馏损失,高效驱动蒸馏知识向分割网络迁移,提升泛化性能。该方法在COD(Camouflaged Object Detection)、DUT-O(Dalian University of Technology-OMRON)、SOC(Salient Objects in Clutter)等五个目标分割数据集上进行了验证:将所提推断网络作为基准网络,所提自蒸馏模型分割性能在Fβ指标上平均提升3.01%,比免教师(TF)自蒸馏模型增加了1.00%;所提网络与近期的残差分割网络(R2Net)相比,参数量减少了2.33×10^(6),推断帧率提升了2.53%,浮点运算量减少了40.50%,分割性能提升了0.51%。实验结果表明:所提方法能有效兼顾性能与效率,适用于计算和存储资源受限的应用场景。
文摘人工智能技术的迅速发展和广泛应用,为不断变革和发展的医学教学带来了新的机遇和挑战。ChatGPT作为一种自然语言处理技术(natural language processing,NLP),具有自动化处理和生成语言的能力,正在逐渐被应用于医学教学领域。文章首先介绍了ChatGPT的概念及其应用现状,其次针对医学教育的特点和存在的问题,指出ChatGPT在医学教学中的应用前景和面临的挑战,需要在技术、数据隐私保护和教学模式等方面进行更加深入的探讨和研究。
文摘模拟投料环境,探索温度、时间、氧化剂NaClO、弱碱NaHCO_(3)、弱酸NaHSO_(3)对DTD分解情况的影响。结果表明:温度低于15℃时DTD分解缓慢,高于15℃时DTD分解迅速,且随时间的延长分解加剧。氧化剂NaClO会造成产物的迅速分解,4 h DTD分解剩余24.53%。NaHCO_(3)、NaHSO_(3)的加入对DTD的分解影响较小。为避免长时间对收率的影响,合成结束后需迅速进行后处理,对后期工业化生产具有重要的指导意义。
文摘在信息物理高度融合背景下,快速、准确地检测虚假数据注入攻击(false data injection attacks,FDIAs)是城市配电网安全稳定运行的关键。提出一种基于对抗性自动编码器的城市配电网FDIAs检测方法,将自动编码器和生成对抗网络结合,能够提取数据特征,发现FDIAs引起的配电网数据异常,并在少量标记数据的基础上完成网络训练,避免出现高昂标记成本的同时,还可减少FDIAs检测对网络拓扑结构的依赖。通过典型配电网案例仿真和结果分析,验证所提方法与现有FDIAs检测方法相比,在检测精度与效率方面都有一定优势,适用于规模日益庞大的城市配电网。
