并行特征提取和渐进特征融合的计算机主板装配缺陷检测

针对计算机主板装配缺陷检测中的元器件位置分布复杂、缺陷目标不显著及多尺度等问题,本文提出了一种并行特征提取和互交叉渐进特征融合的端到端的缺陷检测算法。首先,结合部分卷积和视觉Transformer提出了一种并行残差特征提取网络,利用部分卷积的低计算复杂度的优势提取局部特征,同时利用视觉Transformer的长距离建模能力扩大模型的感受野,增强网络的特征提取能力。其次,引入注意力机制和特征渐进融合机制,提出了一种多尺度注意力互交叉的渐进特征融合网络,增强检测模型的特征融合能力。在公开数据集上的实验结果表明,该算法的平均精度均值(mAP)达到了94.63%,相较于基线模型YOLOv5提升了4.62%,并优于其他几种先进模型,检测速度达到了25 FPS。实现了较好的检测精度与速度的平衡,为实际工业环境下计算机主板表面装配缺陷检测自动化和智能化的实现提供了一种快速、有效的方法。

基于并行特征提取的轴承故障诊断方法

应对在工业噪声环境下如何提高现有轴承故障诊断方法的鲁棒性能和泛化性能,提出一种卷积自编码器-长短期记忆(Convolutional AutoEncoder-Long Short-Term Memory,CAE-LSTM)并行特征提取模型。该方法使用CAE编码器冻结的局部空间特征融合长短期记忆-1维卷积网络(Long Short-Term Memory-1-dimensional Convolutional Neural Network,LSTM-1DCNN)所提取的时序相关性特征完成模型训练,在特征融合过程引入有效通道注意力机制(Efficient Channel Attention,ECA)完成特征的权重分配,实现全局特征信息的充分提取,最终通过Softmax函数输出轴承的故障诊断结果。在自测和公开的轴承数据集上进行实验验证,其对比实验结果表明:所提出的并行特征提取模型具备优良的轴承故障诊断性能,且具备较好的噪声鲁棒性和泛化能力。

多访问并行特征提取下大数据准确推荐仿真

大数据具有数据量大、数据类型众多的特点,由于用户行为的复杂性,导致大数据推荐的精度降低。为了提升大数据推荐结果的准确性,提出一种基于多访问并行特征提取的大数据推荐算法。通过爬虫技术在访问网站和分类目录网站获取网站分类标签库,识别上网终端搭载的操作系统。分析历史访问行为和兴趣网站之间的关系,根据经验提取用户访问行为特征,采用RNN提取序列特征。通过BiasSVD模型简化矩阵维度,获取目标用户预测评分,利用聚类用户最近邻的真实评分和预测评分之间的平均差值调整目标预测评分,完成大数据推荐。实验结果表明,所提算法在推荐列表为12时,其覆盖率为75%~98%之间,且提高了加速比,全面验证了所提算法的优越性。

基于并行特征组合与广义K-L变换的字符识别

针对传统的串行特征融合方法的弱点,提出了一种新的并行特征融合方法.该方法的基本思路是:首先,利用复向量将样本空间上的两组特征集组合起来,构成复特征向量空间;然后,从理论上推广了经典的K-L变换方法与3种基本的K-L展开方法,使其适用于复特征向量空间内的特征抽取.此外,还揭示了并行特征融合的对称性质,并详细讨论了并行特征组合的策略问题.最后,用所提出的方法来解决手写体字符的特征抽取与识别问题.在南京理工大学NUST603HW手写体汉字库以及Concordia大学的CENPARMI手写体阿拉伯数字数据库上的实验结果表明,所提出的特征融合方法不仅较大幅度地提高了识别率,而且识别结果优于传统的串行特征融合方法.

结合并行特征传递深度学习网络的矿井行人检测

矿井行人检测是实现机车无人驾驶的关键技术之一,传统视觉特征提取算法无法有效地应对矿井巷道环境复杂、照明恶劣等问题.为此提出了一种基于并行特征传递的矿井行人检测深度学习网络,以保证检测的高准确率与强实时性.首先阐述了网络的结构,包括并行工作的行人辨识模块和行人定位模块,以及两者之间的特征传递块;其中行人辨识模块粗略调整锚点框位置与大小且过滤负锚点,行人定位模块进一步提升回归精度并给出预测结果特征,传递块将行人辨识模块的不同层的特征转换成行人定位模块所需特征.其次采用数据集扩增、数据增强和难例挖掘等措施优化训练过程.最后给出基于安徽桃源与新集矿井采集视频的实验结果.实验数据表明,所提算法以37帧/s的实时处理速率,其平均精度仍可保持63.4%,与YOLOv1算法相比,平均精度提高9.2%,与M2Det算法相比,提高22帧/s.

基于并行特征融合的金融汉字特征提取方法

以金融汉字为研究对象,针对金融汉字的特点,提出了一种基于改进的Gabor滤波器和弹性网格相结合的新的特征提取方法。利用Gabor滤波器获取汉字的统计特征,利用弹性网格获取汉字的笔画特征,最后利用并行特征融合与分类的方法得到最终识别结果。实验证明,该方法是行之有效的,识别的速率和正确率有了显著的提高。

嵌入注意力机制的并行多尺度点云上采样方法

目前,基于深度学习的点云上采样方法缺失对局部区域特征关联性的关注和对全局特征的多尺度提取,导致输出的密集点云存在异常值过多、细粒度不高等问题。为解决上述问题,提出了嵌入注意力机制的并行多尺度点云上采样网络(Parallel Multi-scale with Attention mechanism for Point cloud Upsampling),网络由特征提取器、特征拓展器、坐标细化器和坐标重建器4个模块级联组成。首先给定一个N×3的稀疏点云作为输入,为了获得点云的全局和局部特征信息,设计了一个嵌入注意力机制的并行多尺度特征提取模块(PMA)用于将三维空间的点云映射到高维特征空间。其次使用边缘卷积特征拓展器拓展点云特征维度,得到高维点云特征,以更好地保留点云特征的边缘信息,将高维点云特征通过坐标重建器转换回三维空间中。最后使用坐标细化器精细调整输出点云细节。在合成数据集PU1K上的对比实验结果表明,PMA-PU生成的密集点云在倒角距离(CD)、豪斯多夫距离(HD)和点面距离(P2F)上都有显著提升,分别比性能次优的网络模型优化了7.863%,21.631%,14.686%。可视化结果证明了PMA-PU具有性能更好的特征提取器,能够生成细粒度更高、形状更接近真实值的密集点云。

基于主成分分析的并行特征融合JPEG隐写检测

针对目前JPEG隐写检测方法的特征选取缺乏理论依据,特征冗余度高的问题,提出一种基于主成分分析进行并行特征融合的JPEG隐写分析方法.首先分析所选特征之间的互补性,然后用主成分分析进行特征变换,去除冗余信息,最后将特征并行融合.实验结果表明,和串行特征融合相比,本文方法具有更高的JPEG隐写图像检测率和更快的分类速度.

一种基于两步降维和并行特征融合的表情识别方法

在采用特征融合方法进行人脸表情识别时,通常会产生高维特征问题。针对这一问题,提出一种基于两步降维和并行特征融合的表情识别新方法。利用主成分分析法(principal component analysis,PCA)分别对待融合的两类特征在实数域进行第一次降维,将降维后的特征进行并行特征融合;为了解决在并行融合过程中产生的高维复特征问题,提出一种基于酉空间的混合判别分析方法(unitary-space hybrid discriminant analysis,unitary-space HDA)作为酉空间的特征降维方法。该方法是实数域混合判别分析法在酉空间内的扩展,并兼顾了复特征数据的类间判别信息及全局描述信息。对局部二值模式(local binary pattern,LBP)和Gabor小波特征进行融合,并在JAFFE和CK+表情数据集上开展对比实验。实验结果表明,该方法具有较好的高维复特征数据降维能力,并且有效提高了表情识别率。

MOC/SN耦合三维中子输运程序的并行优化

KYCORE程序是中国核动力研究设计院开发的径向特征线法与轴向离散纵标法耦合三维中子输运程序。KYCORE程序采用几何区域并行方法,可并行计算不同区域的数据。但由于其庞大的计算量以及内存占用量,KYCORE基于几何区域并行取得的时间增益不高,且程序无法再对区域中输运模块二级并行。MPI二维拓扑通信结构将不同维度的计算划分至不同通信域,适用于二维计算问题。将其应用至KYCORE程序,使几何区域和输运模块独立开,实现了在不破坏原有一维几何区域并行结构的情况下,可以进一步实现区域内部输运模块即二维维度上的并行优化。针对输运模块中的特征线法求解模块,特征线两级并行优化算法自适应地为各个进程划分能群计算任务,且各个进程动态负载均衡。针对C5G7基准例题测试,对于不同大小的算例,输运特征线法模块的并行效率达70%及以上,测试表明该结构与方法取得了明显的加速效果,具有精确性、高可扩展性。

基于并行特征提取和改进BiGRU的网络安全态势评估

针对目前网络安全态势评估方法在特征提取、高效性等方面存在的不足,该文提出了一种基于并行特征提取和改进双向门控循环单元(BiGRU)的网络安全态势评估方法,设计了一个由并行特征提取网络(PFEN)和基于注意力机制改进的BiGRU组成的深度学习模型(PFEN-ABiGRU)。PFEN模块由并行的稀疏编码器组成,用于差异化地提取不同网络威胁的关键信息并将提取的特征与原始信息融合;ABiGRU模块通过注意力机制对关键特征进行加权以提高模型的准确性。将训练好的PFEN-ABiGRU模型用于网络威胁检测,根据威胁检测结果,结合提出的网络安全态势量化指标,计算网络安全态势值。实验结果表明,PFEN-ABiGRU在精确率和召回率上均优于对比的其他模型。

基于并行附加特征提取网络的SSD地面小目标检测模型

针对SSD原始附加特征提取网络(Original Additional Feature Extraction Network,OAFEN)中stride操作造成图像小目标信息丢失和串联结构产生的多尺度特征之间冗余度较大的问题,提出了一种计算量小、感受野大的深度可分离空洞卷积(Depthwise Separable Dilated Convolution,DSDC),并利用DSDC设计了一个包含三个独立子网络的并行附加特征提取网络(Parallel Additional Feature Extraction Network,PAFEN).PAFEN上路用两个DSDC提取尺寸为19*19和3*3的特征图;中路用一个DSDC提取尺寸为10*10的特征图;下路用两个DSDC提取尺寸为5*5和1*1的特征图.实验结果表明,在SSD框架内,PAFEN在mAP和检测时间等方面均优于OAFEN,适用于地面小目标的检测任务.

VR环境下基于特征并行匹配的多视图三维重建

传统重建方法因对多视图特征的处理能力有限,导致重建结果存在质量低的问题。针对上述问题,研究设计了基于特征并行匹配的多视图三维重建方法。首先利用摄像机设备获取VR环境中的多视图三维数据,并通过径向校正、降噪以及运动恢复三个步骤实现对初始图像数据的预处理。然后以并行化的形式检测多视图中的特征点,并实现对特征的提取与匹配。结合多视图的特征匹配结果,实现表面重构和稠密重构,最终通过光顺处理输出VR环境下的三维重建结果。对比实验结果表明,与传统的重建方法相比,研究方法的重建质量更高且耗时更短。

双通道视频图像多特征并行融合方法仿真

对双通道视频图像的多特征并行进行融合,能够有效提高双通道图像的完整性。对视频图像多特征并行融合,需要获得运动图像软特征,跟踪当前帧位置,完成视频图像多特征并行的融合。传统方法首先融合视频图像多特征并行概要,对其进行模板识别匹配,但忽略了跟踪当前帧位置,导致融合效果不理想。提出双通道视频图像多特征并行融合方法。融合待跟踪目标区域,统计初始像素点拟合成时域轨迹,计算时域轨迹的空间谱带以及边缘谱带进行合并,获得运动图像软特征,估计出单应性矩阵,跟踪当前帧位置。实验结果表明,该方法有效提高了双通道图像的完整性。

船舶多目标图像特征并行提取算法

一片海域中包含多个船舶目标,同时提取多个目标过程极其复杂。传统的船舶多目标图像特征并行提取算法提取出来图像特征清晰度很差。为解决此问题,研究了一种新的船舶多目标图像特征并行提取算法,介绍了船舶图像多目标特征提取架构图,重点分析颜色特征提取过程、纹理特征提取过程和形状特征提取过程。特征并行提取流程共分为初始分析、目标特征识别、图像特征确认、描述显示4个步骤,通过计算目标船舶所在位置,分析灰度值,提取船舶特征。利用与传统算法的对比实验验证了该算法的可行性。实验结果表明,给出的算法提取的目标图像清晰度更高。

面向三维重建的无人机影像并行处理技术

为提升三维重建任务的执行速度,解决行业现实应用对时效性的需求,提出一种无人机影像并行处理与特征提取算法,基于CPU与GPU两种计算架构在三维重建的两个阶段并行加速处理。一是基于CPU的并行处理策略,针对多核处理器采用OpenMP多线程机制,对无人机影像进行并行加载,为后续处理提供高效数据源;二是基于GPU的并行处理策略,通过改进SIFTGPU算法在GPU上以并行方式对图像进行特征提取,为快速重建提供特征输入。真实数据的实验结果表明,与现有算法相比,在图像处理速度上提升了2倍,特征点数量提升了4倍的同时,提取速度提升了11倍。

NECP-X中角度与特征线并行的研究与实现

特征线方法在应用于全堆芯三维输运计算时面临着计算时间长、内存需求量大的问题,而大规模并行是最有效的解决办法。传统的并行策略是进行空间的区域分解,但当问题的几何规模较小时,其并行度有限,无法充分利用并行资源。本文在高保真物理计算程序NECP-X空间区域分解的基础上研究了角度和特征线的三重并行计算。为实现角度并行的负载平衡,采用了考虑权重的贪婪算法角度并行策略;为节省内存,在共享内存的并行模式下采用动态调度的分配方案实现特征线并行。数值结果表明,NECP-X中的角度和特征线并行效率较高,可在空间区域分解并行的基础上进一步扩大并行规模,提高计算速度。

基于多维度特征并行提取模型的黄酒制品指标预测

随着粮食行业的逐渐发展,常见预测方法得到制品的原料指标含量不满足时代需要。提出多维度特征并行提取与神经网络全局优化结合的混合模型,通过0,1加权后完成不同数据处理方法并行组合。采用和声搜索算法分别与BP、RNN神经网络结合,分组化处理和声记忆库避免陷入局部最优,实现网络类型及结构的优选并完成特征选择,通过HS算法代替传统优化器进一步优化网络权重,从整体性实现神经网络全局优化。实验表明,通过混合模型实现预测,在黄酒原料指标大米水分、蛋白质、粗淀粉、脂肪含量、直链淀粉等指标值上的预测值与真实值之间具有较小的误差值。模型决定系数提高8%至24%,均方误差缩小7%至21%。可为生产优质制品提供满足时代需要的原料优选参考。

基于语音卷积稀疏迁移学习和并行优选的帕金森病分类算法研究

基于语音数据分析的帕金森病(PD)诊断存在样本量小、训练与测试数据分布差异明显的问题。为了解决这些问题,需要从降维和样本扩充两个方面同时进行。因此,该文提出结合加噪加权卷积稀疏迁移学习和样本特征并行优选的PD分类算法。该算法可从源域的公共语音库中学习有利于表达PD语音特征的有效结构信息,同时完成降维和样本间接扩充。样本特征并行优选考虑到了样本和语音特征间的关系,从而有助于获取高质量的特征。首先,对公共语音库进行特征提取构造公共特征库;然后,以公共特征库对PD目标域的训练数据集及测试数据集进行稀疏编码,这里分别采用传统稀疏编码(SC)与卷积稀疏编码(CSC)两种稀疏编码方法;接着,对编码后的语音样本段和特征数据进行同时优选;最后,采用支撑向量机(SVM)进行分类。实验结果表明,该算法针对受试者的分类准确率最高值达到了95.0%,均值达到了86.0%,较相关被比较算法有较大提高。此外,研究还发现,相较于传统稀疏编码方法,卷积稀疏编码更有利于提取PD语音数据的高层特征;同样,迁移学习也有利于提高该算法性能。

四通道同步心音信号采集装置设计及特征识别

为了实现先天性心脏病的快速筛查,文中设计制作了四通道同步心音信号采集装置,并对四通道先心病心音信号的分析提出了新的表征方法。首先讨论四通道同步心音传感器和先心病筛查设备的设计,然后根据心音的特点提出多通道心音信号并行特征的表征方法。在分析单路心音能量熵的基础上,重点讨论4路心音的能量熵特征集和互信息特征集,并且对能量熵特征集进行主成分分析,用相关系数作为互信息特征集的权重参数,最终获得多元优化融合特征数据集,这不仅实现了特征数据的压缩,而且给出分类识别所需的关键特征。分类实验结果表明,多路心音的并行特征表征效果明显优于单通道心音的特征表征效果,运用针对性强的特征融合策略对于提高先天性心脏病筛查速度和准确率具有积极的意义。