基于端到端学习机制的高速公路行驶轨迹曲率预测

本文中基于端到端学习机制进行了高速公路场景下的车辆行驶轨迹预测。首先,为量化表达行驶轨迹,并对预测结果进行合理评价,建立了行车轨迹曲率预测模型与评价体系。然后,针对端到端的行驶轨迹曲率预测训练集中驾驶员行为决策的不确定性导致性能不佳的问题,采用场景切分和特征预提取的方法进行优化和实车试验验证。结果表明,该方法提高了高速公路行驶轨迹预测的准确性和可靠性。

一种基于互信息神经估计改进的未知信道端到端通信系统

针对端到端通信系统在信道未知时通过使用生成对抗网络(Generative Adversarial Network,GAN)表示信道效应而产生的梯度消失和过拟合问题,提出了一种通过互信息作为正则化项的改进方案。通过互信息神经估计器(Mutual Information Neural Estimator,MINE)计算发射信号与接收信号的互信息并由此作为正则化项来提高模型的泛化能力,从而缓解过拟合问题,而其中产生的额外梯度可以缓解梯度消失问题,从而提高了模型的学习性能。从仿真结果来看,改进后的方案表现出了更好的鲁棒性,并且在加性高斯白噪声(Additive White Gaussian Noise,AWGN)信道、瑞利衰落信道上获得了更好的误比特率性能。此外,在频率选择性信道上,改进后的方案获得了1 dB左右误比特率性能的改善。

基于端到端深度学习的声源特征清晰化方法

基于深度学习的无网格声源识别方法突破了网格划分的限制,具有精度高、预测速度快的优点。在利用传统波束形成地图(conventional beamforming map,CB Map)提取声源位置特征时,随着传声器数目的减少,CB Map的成像性能会下降,进而影响深度学习模型预测声源位置的精度。为了提高深度学习无网格方法(deep learning grid-free method,DL-GFM)的通用性,使其在较少传声器阵列的情况下有良好的性能,提出一种基于端到端深度学习模型U-Net的阵列转换方法(array converted method,ACM),对CB Map进行清晰化。首先使用18通道阵列CB Map作为输入、64通道阵列CB Map作为目标训练U-Net模型,然后使用训练好的残差神经网络(residual network,ResNet)作为DL-GFM方法的预测模型进行无网格声源坐标识别。仿真结果表明ACM方法具有良好的旁瓣消除和主瓣宽度减小能力,并且在1~8个声源范围内对非训练声源数目的情况同样有效。对于3声源的情况,ACM方法在全频段上提升了DL-GFM方法的精度。最后通过1个、2个、3个声源的试验验证了提出方法的有效性和可行性。

基于二维卷积的端到端无线通信系统研究

针对现有端到端自动编译码器无线通信系统在多径信道中表现不佳的问题,本文提出了一种改进的自动编译码器端到端无线通信系统.在设计中,通过改变卷积核的尺寸,利用二维卷积来对抗多径效应引起的频率选择性衰落,并将传统OFDM(Orthogonal Frequency Division Multiplexing)模块同自动编译码器相结合,以此来增加系统应对多径信道的能力.同时,通过仿真分析一维卷积自动编译码器无线通信系统、传统OFDM无线通信系统以及本文改进的自动编译码器无线通信系统在多径信道下的性能.结果表明,在5径瑞利信道下并且以误块率(Block Error Rate,BLER)作为性能指标时,所提出的基于二维卷积的自动编译码器无线通信系统在64QAM调制下相比经典自动编译码器无线通信系统和传统OFDM无线通信系统分别提升了17%和60%的性能,本文的仿真分析给出了详细的对比说明.另外本文还分析了不同调制、不同信道时卷积核数量对系统性能的影响.

基于端到端学习的图像编码研究及进展

在图像大数据应用背景下,伴随着硬件技术的高速发展,基于深度学习的图像视频编码技术逐渐成熟。基于端到端学习的压缩框架因能更高效地对原始图像数据进行紧致表达,在学术界和工业界都得到了广泛的关注。系统地总结了基于端到端学习的图像压缩框架中的核心模块如变换、量化、熵编码和损失函数的研究现状,对其研究进展和关键技术进行了概括性的介绍,并对前沿研究成果进行了性能比较。

改进的基于端到端学习的蜻蜓目昆虫识别算法

【目的】传统的蜻蜓目(Odonata)昆虫的鉴别算法是在标本图片上进行人工的特征提取来训练分类器,此类方法所用的数据集包含的蜻蜓目昆虫种类和数量均较少,并且样本背景单一,导致识别率低且只能识别标本图片。针对这些问题制作了一个同时包含蜻蜓目昆虫生态图片和标本图片的数据集,提出一种基于深度学习的蜻蜓目昆虫的识别算法。【方法】采用具备端到端学习优势的网络框架,在上述数据集上,使用在ImageNet上迁移学习的ResNet50进行特征提取,使用新的区域建议网络Imp-RPN进行特征筛选,再使用改进的损失函数来解决样本分布不均的问题。【结果】所提出的识别算法在精确到种的46类分类任务中识别率达到了96.2%,在精确到种并包含性别信息的90类分类任务中识别率则达到了88.7%。【结论】端到端的深度学习网络框架免除了人工标注样本的时间成本,提高了识别准确率,更能满足物种鉴别任务的需求。

基于端到端深度学习的智能车自动转向研究

为解决由图像直接计算出控制量的端到端深度学习算法中感知器和控制器难以区分的问题,对其网络结构进行了改进。通过预训练一个自编码器,得到良好的道路特征编码后,将编码器作为感知器和和转角预测控制器一起进行端到端的训练。训练结果表明,改进后的自动转向网络模型收敛得更快,预测的角度在测试集上能较好地跟随实际角度变化而变化。利用解码器和特征图反向传播法分别还原出道路图片,可视化了该自动转向模型重点关注的道路特征。

基于少样本学习的书籍装帧手写字体生成

手写字体具有一定的亲和度,尤其在书籍装帧设计中更具人性化和表达力,但手工设计字体流程烦琐且专业程度要求高。通过基于人工智能的手写字体生成算法帮助设计是解决这一问题的有效途径。本研究采用少样本字体生成网络,其中在特征提取方面采用了多子编码器提取了多个特征,可更好地捕捉不同的局部概念;在样本训练方面采用端到端的训练方法,可以显著减少训练时间,提高字体生成效率。采用定性与定量分析相结合的方式,对多种字体生成方法进行了深入比较。相较于其他方法,本研究所提出方法的FID与LPIPS值更低,这充分证明了本研究方法在生成效果上的优越性,生成的字体更加清晰且高度逼真。该方法为书籍装帧设计提供了更快、更有效的解决方案,简化了字体设计的烦琐过程,提升了设计效率。未来的研究可进一步优化生成字体的质量和多样性,以满足不同书籍装帧设计的需求。

一种端到端弱监督学习网络模型的中国画情感识别

情感识别是计算机视觉研究中的一个热点,研究中国画表现的情感对于作品鉴赏工作具有重要意义。为了提高识别性能,针对传统卷积神经网络用于提取中国画的局部区域信息会导致有效信息丢失的问题,文章提出一种基于端到端弱监督学习网络方法对中国画情感进行识别。提出的学习网络由2个分类模块和1个情感强度预测模块组成。首先,在改进特征金字塔网络的基础上构建强度预测通道,提取多层次特征。使用基于梯度的类激活映射技术从第一个分类通道生成伪强度映射图,以指导提出的网络进行情感强度学习。将预测的强度图输入到第二分类通道中进行最终的中国画情感识别。最后,在公开数据集上对提出的方法进行了验证,实验结果表明,所提出的网络就混淆矩阵、平均分类准确率、平均情感识别率分别提高了10%,15%和13%。

一种改进的CNN端到端自编码器通信系统

针对现有端到端神经网络通信系统的泛化能力改进及自编码器优化等问题,提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)的端到端通信系统改进方案。该方案在自编码器结构中引入一维卷积层(Conv1D),通过对参数的重新设计,优化了网络性能。发送端采用多层Conv1D对输入序列进行特征提取,通过训练获得发送信号的最佳调制和编码方案;接收端同样采用多层Conv1D,来恢复受到噪声污染的符号。仿真实验表明,在不同输入比特长度及编码速率条件下,所提系统表现出了良好的泛化能力。并且,在加性高斯白噪声信道和瑞利衰落信道下,训练模型的误码性能与传统的调制方式性能相吻合,验证了系统方案的可行性和有效性。此外,对于数字传输常见的突发信道,所提方案具有良好的适应性,可获得1 dB左右误码性能的改善。

基于Transformer的汉字到盲文端到端自动转换

汉字到盲文自动转换是改善我国1700万视障人群生活学习和贯彻落实国家信息无障碍建设的重要问题。现有汉盲转换方法均采用多步转换方法,先对汉字文本进行盲文分词连写,再对汉字进行标调,最后结合分词和标调信息合成盲文文本。该文提出一种基于编码器-解码器模型Transformer的端到端汉盲转换方法,利用汉字-盲文对照语料库训练Transformer模型。基于《人民日报》六个月约1200万字中文语料,该文构建了国家通用盲文、现行盲文、双拼盲文三种对照汉盲语料库。实验结果表明,该文提出的方法可将汉字一步转换为盲文,并在国家通用盲文、现行盲文、双拼盲文分别有80.25%,79.08%和79.29%的BLEU值。相比现有汉盲转换方法,该方法所需语料库的建设难度较小,且工程复杂度较低。

基于深度学习的图像超分辨率算法研究

单幅图像超分辨率算法的主要任务是根据一幅给定的低分辨率图像重建出对应的高分辨率图像。大多数基于外部样例学习的单幅图像超分辨率算法首先提取低分辨率样例图像块和高分辨率样例图像块的图像特征,然后用机器学习的某种方法学习它们之间的非线性映射关系,最后将重叠的高分辨率图像块聚合生成高分辨率图像。对基于深度学习的端到端学习架构进行改进,端到端的超分辨率学习架构无需预处理和图像聚合过程;通过加深和改进深度学习网络结构,我们提出了一种新的基于卷积神经网络的图像超分辨率算法。与其他优秀的图像超分辨率算法进行对比,实验结果证明了该算法的优越性。

深度学习遥感影像近岸舰船识别方法

针对复杂背景近岸舰船检测与细粒度识别难题,提出了一种基于深度学习的新型端到端目标识别框架,可有效检测与识别任意方向的舰船目标。针对舰船目标短边尺度较小问题,提出了角度致密化的预设框设置方法,提高了候选区域生成时的召回率;采用改进方位敏感型区域插值池化,减少了坐标量化误差,实现了舰船局部区域特征的精确建模;利用注意力机制下的全局与局部特征区域级融合方法,提升了区域特征的类别判别能力,解决了细粒度舰船识别难题;针对舰船样本稀缺性问题,使用迁移学习提升了模型性能。构建了一个含有25类近岸舰船目标的细粒度数据集,与传统学习模型相比召回率提高2%,平均识别精度提高3%,对复杂背景下目标识别具有重要实用价值。

EMF深度学习可见光/红外图像融合算法

由于可见光和红外图像成像方式的差异,对不同时相的两幅图像融合可以提高信息可靠性和精确性。为了自动地提取更多的可见光图像的细节特征和红外图像的显著性目标信息,提出一种基于端到端的多损失函数(end-to-end multi-loss function,EMF)深度学习图像融合算法。采用改进的伪孪生特征提取机制和多损失函数加权模型机制实现了一个端到端的图像融合算法,并在严格配准的TNO数据集上进行验证和分析,其中客观评价指标平均梯度和空间频率分别为14.494 8和4.722 5,明显优于其他6种经典算法,信息熵和标准差分别为41.520 9和6.982 8,优于除卷积神经网络(CNN)外的其他5种方法。实验结果表明,该算法避免了传统算法中的人为因素影响,融合图像的细节信息和显著性信息更加丰富,具有很好的应用前景。

深度学习在自动驾驶领域应用综述

成熟的自动驾驶技术能够极大降低交通事故率,保障驾驶人员与行人的安全,优化交通流运行,但早期的自动驾驶系统可靠性与智能性都很低,不能满足实际应用需求。近年来,深度学习技术迅速发展,并与自动驾驶领域结合,其在机器视觉、自然语言处理等领域的成功应用使得自动驾驶越来越接近现实。介绍了目前自动驾驶系统的主流技术框架,并对其各模块中深度学习技术的应用情况进行系统梳理,将自动驾驶系统分为分解式和端到端式两种技术方案,并将分解式方案进一步分为感知、决策、控制3大模块,分别对以上两类解决方案中深度学习技术应用的历史沿革、研究现状以及典型算法性能进行综合评述。已有的研究成果表明,分解式方案的技术路径较为成熟,感知、决策、控制3个功能模块分工清晰,可解释性强,但系统复杂度高,计算量大,软件架构庞大,硬件要求高,应进一步简化各问题的算法,加强各个算法模块间的功能整合,降低系统复杂度与硬件要求;端到端式方案计算量小,硬件要求低,且系统复杂度低,但对算法要求高,安全性低,可解释性、可靠性差,建议未来通过完善智能道路基础设施,推进5G传输的应用,加强车路、车云协同,进一步完善现有算法来解决以上问题。

基于改进YOLOv5m的室内停车位检测

针对现有检测算法在室内停车场景下对目标停车位检测精度不足、检测效率较低的情况,在现有的YO-LOv5m中增加了小目标检测层以增强对小目标样本的检测,并在此基础上引入一种坐标注意力机制来减少冗余信息输入,提升检测精度。同时建立包含8100张地下车位图像的大型室内停车场标注数据集,并在此数据集上进行实验。该方法的平均检测精度(mAP)为98.214%,准确率为97.254%,召回率为96.548%。结果显示该算法大大提高了模型精度、停车位检测性能以及模型检测的实时性,在室内停车场景的停车位检测上具有可行性。

基于PACA的复杂空中目标战术意图识别方法

针对战场中空中目标航迹动态性、时序变化性及意图多样的特性,提出一种基于端到端类属属性学习的识别方法,作为智能多意图识别模型的基本框架。融合目标航迹中的时序特征及属性特点,通过压缩及修正预处理统一输入编码信息,封装专家的知识经验为标签,学习指挥员战时情况判断的思维方式,消除其隐蔽性、欺骗性和对抗性所带来的干扰因素,得出特定目标的复杂战术意图。通过仿真实验,采用常用多分类评价体系分析端到端训练方式对结果的影响,以及与相关方法的对比分析表明,所提算法针对多意图识别更具有效性和参考价值,可用于支撑作战筹划系统建立非合作目标与保卫要地的关联关系。

改进的多尺度点云自编码器网络

三维数据的应用场景持续发展,对点云数据高效传输的需求不断增加。然而,如何压缩稀疏、非结构化、高精度的三维点以实现高效通信,仍是一个具有挑战性的问题。为此,通过改进多尺度自编码网络框架以优化局部特征提取,控制模型复杂度和计算开销;通过引入多尺度特征提取块,将潜在表征自适应地分解为多个不同尺度的局部特征;通过残差级联结构减小全局特征损失,实现特征的多尺度融合。

多视角边缘设备下的人体行为对比识别方法

视角无关是人体动作识别中的关键要素,从不同角度收集人体动作信息,可以避免遮蔽,极大提升动作识别准确率。为了高效分析现实生活中有限数量视角下的各类视频数据,提供高可用行为识别模型,提出一种基于对比学习的自监督多视角人体行为表示学习方法(MAR-NET),为边缘智能的实际部署提供技术支持。首先,输入来自不同视角的多个短视频片段,采用多视角数据输入方式将视频映射到特征嵌入空间;然后提出全新的对比损失函数,最大化同一动作特征在不同视角上的一致性表示,约束不同动作在特征空间的分布;最后将对比学习到的特征用于实际边缘设备的人体行为自监督识别任务。提出的行为识别模型通过对比学习,在嵌入空间中拉近来自同一视频的两个不同视角片段的表示距离,同时区别不同动作间的表示,为边缘设备自监督行为识别提供了高性能解决方案。在真实边缘设备搭建的实验环境中,验证了MAR-NET在自监督的多视角行为识别中的有效性。结果表明,该方法与现有仅使用RGB模态的自监督行为识别方法相比,准确度提升了18.7%。

用于求解旅行商问题的深度智慧型蚁群优化算法

启发式算法是求解组合优化问题求解的重要手段,其主要特征是能够以可接受的计算代价找到足够好的可行解.然而,设计良好的用于求解组合优化问题的启发式算法需要大量的专业领域知识以及大量的试错工作,且人工设计的启发式算法不能够保证在不同问题集上均具有一致性表现.另一方面,深度学习方法能够通过学习自动设计启发式规则,然而深度学习方法通常缺少在解空间内搜索的能力.为克服以上问题,提出了一种基于蚁群优化和深度强化学习的混合启发式算法框架.在该框架中,蚁群算法能够利用深度强化学习提取的启发式信息,而深度强化学习方法的解空间搜索性能也由于蚁群算法的加入而获得提高.采用经典的TSPLIB中的算例对该算法求解旅行商问题的效能进行了计算验证,结果表明采用深度学习方法能够极大地提升蚁群算法的计算表现,并降低其计算代价.