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。

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。

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。

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。

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。

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。

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.

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。

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。

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。

面向高维特征和多分类的分布式梯度提升树

梯度提升树算法由于其高准确率和可解释性,被广泛地应用于分类、回归、排序等各类问题.随着数据规模的爆炸式增长,分布式梯度提升树算法成为研究热点.虽然目前已有一系列分布式梯度提升树算法的实现,但是它们在高维特征和多分类任务上性能较差,原因是它们采用的数据并行策略需要传输梯度直方图,而高维特征和多分类情况下梯度直方图的传输成为性能瓶颈.针对这个问题,研究更加适合高维特征和多分类的梯度提升树的并行策略,具有重要的意义和价值.首先比较了数据并行与特征并行策略,从理论上证明特征并行更加适合高维和多分类场景.根据理论分析的结果,提出了一种特征并行的分布式梯度提升树算法FP-GBDT.FP-GBDT设计了一种高效的分布式数据集转置算法,将原本按行切分的数据集转换为按列切分的数据表征;在建立梯度直方图时,FP-GBDT使用一种稀疏感知的方法来加快梯度直方图的建立;在分裂树节点时,FP-GBDT设计了一种比特图压缩的方法来传输数据样本的位置信息,从而减少通信开销.通过详尽的实验,对比了不同并行策略下分布式梯度提升树算法的性能,首先验证了FP-GBDT提出的多种优化方法的有效性;然后比较了FP-GBDT与XGBoost的性能,在多个数据集上验证了FP-GBDT在高维特征和多分类场景下的有效性,取得了最高6倍的性能提升.

NECP-X的多重并行策略及效率优化

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。我国超级计算机的快速发展使大规模并行计算逐渐成为可能,而如何发展相应的并行算法成为当务之急。本文基于数值反应堆物理计算程序NECP-X研究特征线方法的空间、角度和特征线多重并行策略。为实现高效并行,空间并行采用了区域分解的并行方式;为充分考虑角度并行的负载平衡,采用了"贪婪算法"角度区域分解算法;为节省内存和提高效率,应用并分析了共享式内存并行模式下动态调度的特征线并行方案。数值结果表明,NECP-X中的空间、角度和特征线并行效率较高,可充分利用并行资源,实现大规模并行。

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。

融合Swin-Transformer网络模型的水体高光区域提取

在强光的照射下,水体的镜面反射往往会对遥感影像产生很大影响,其主要表现就是在图像上产生大小不同、形状各异的亮斑。这些亮斑附近的地物信息基本上都被淹没,对后期的影像分析会造成不同程度的影响,因此对这些亮斑的检测识别就显得尤为重要。文章以DeeplabV3plus为主要网络,提出一种融合Swin-Transformer模块的网络模型。该模型将Swin-Transformer网络作为一个模块与卷积骨干网络并行提取特征。提取出的两类特征经上采样后进行特征融合,再经多次卷积等实现了水体亮斑的识别与分割。实验结果表明,该模型能够对不同类型、不同形状的水体亮斑进行识别分割,其平均交并比为93.44%。

基于隐性群体双模分解的并行振荡抑制算法

现实的通信网络由多重网络组成,构成具有多维任务分配的复杂网络结构,在任务处理中会产生并行振荡,对复杂网络中的振荡抑制是提高复杂网络并行处理的重要因素。传统的并行振荡方法采用奇异值分解降维的特征匹配算法,在面对大规模复杂任务求解时产生大量的内存需求和时间损耗。提出一种基于隐性群体双模分解的并行振荡抑制算法,首先进行复杂网络多维业务并行处理模型设计,得到了复杂网络多维业务并行处理模型的指标参量体系,采用隐性群体并行特征匹配方法实现双模特征匹配并行处理。仿真实验表明,采用该算法进行复杂网络隐性群体的并行特征匹配,实现并行处理和串行处理,双模分解的时间成本及空间成本大幅降低,加速比提高2倍,有效抑制网络振荡。算法在进行复杂网络多任务并行处理中发包数量,时延和能量效率等方面具有优越性能。