基于感知熵的感知音频编码器量化模块的改进

在感知音频编码中 ,双循环结构作为标准的参考算法在对编码质量的评估等工作中能起到较好的效果 ,但由于收敛速度较慢 ,故难于用于实时编码应用 .本文以 MPEG- 2 AAC的量化模块为例 ,对其进行分析 ,引入了基于感知熵的比特估算技术 ,并针对其缺陷重新设计了该模块 .实验结果表明 ,新算法在迭代次数等方面有明显改进 .

MPEG-4AAC音频编码中量化模块的改进

MPEG-4AAC音频编码标准中的量化过程采用了Brandenburg提出的双循环模式,取得了较好的编码质量和压缩比例。但在实际编码时,该方法由于迭代次数过多,会出现收敛速度较慢,甚至死锁的情况。在深入分析MPEG-4AAC量化算法的基础上,提出了一种快速计算每个比例因子频带的改进算法。该算法通过有效减少外循环计算过程,并确保每个比例因子频带的量化失真低于允许值,从而减少量化模块的计算量。实验结果表明,在不影响音频编码质量的前提下,该算法能有效地提高编码效率。

基于工作模块量化的医院职能科室绩效体系构建

基于工作模块量化构建职能科室绩效体系,通过细分工作模块、为每个模块设置合理点值、科室修正系数、个人素质点值,计算个人综合点值,在此基础上计算出个人绩效金额。基于工作模块量化的职能科室绩效体系解决了职能科室工作难以量化的难题,打破了绩效平均主义,提高了职工工作效率,调动了工作积极性,为职能科室绩效体系构建提供了新思路。

物理化学3+1模块量化联动考核体系初探

物理化学是化学专业重要的专业基础课程,为了适应应用技术型人才培养模式,对该课程的考核方式改革进行探索,提出3+1模块量化联动考核体系,该体系由平时、综合能力和考试3个课程内考核模块并与实验课程形成联动考核机制。3个考核模块和联动考核模块分别占综合成绩的25%、20%、45%和10%;每个模块包括多个考核小项,进行量化并相互关联;拟构建动态与静态、形成与终结、理论与实践、科学与技术相结合的考核体系。

基于感知熵和BFOS改进的MPEG4-AAC量化

感知音频编码中,特别是低码率时,编码性能很大程度上依赖于编码器比特分配方案的效率和收敛速度。MPEG4-AAC采用基于双循环结构的量化模块,难于实时编码,并且未考虑"比特利用效率"。本文针对此缺陷提出基于新的感知熵比特估计算法和一种改进的BFOS算法的比特分配方案,收敛速度和比特利用效率得到改善。仿真结果表明新的量化模块具有明显的优越性。

对于音频系统中的反量化算法的改进

叙述了MPEG-1LayerⅢ音频压缩编码系统中的量化和反量化模块算法原理及其编解码器的工作过程,并在此基础上结合TMS320c54x系列DSP的指令特点,针对反量化模块提出了一种快速优化算法.

基于反向瓶颈和LCBAM设计的X光违禁品检测

针对X光违禁品图像姿态与角度变化易漏检误检及困难样本检测准确率低等问题,以YOLOv5网络为基线模型,提出一种融合了反向瓶颈结构和轻量化卷积块注意力模块设计的违禁品检测模型。在主干网络采用反向瓶颈结构设计注重细节特征信息,改进网络应对检测目标大角度变化问题;采用轻量化卷积块注意力机制抑制复杂背景干扰,降低模型参数量;此外,采用高斯误差线性单元激活函数和改进的置信度损失函数增强模型的非线性表达能力,加大对置信度预测的惩罚力度,优化网络对困难样本的检测性能。所提模型在三个大型公开数据集OPIXray、SIXray、HiXray上进行训练和测试,mAP分别达到了91.9%、93.4%和82.2%。结果表明,所提模型能够有效解决基线模型应对X光违禁品角度变化问题,具有较高的检测准确性和稳健性。

基于注意力机制的多模态图像语义分割

当前许多语义分割模型利用的训练数据是RGB图像,在一些极端的环境下其模型的稳定性容易受到很大的影响,不能满足夜间场景自动驾驶的实际需求。为了解决夜间场景的语义分割问题,将ResNet-152作为特征提取网络,构建了一种融合轻量化注意力模块的多模态双编码器-解码器模型。双编码器从RGB-T两种模态中提取关键信息通过注意力模块后进行融合,然后将提取到的特征信息送入解码器,分阶段拼接上采样特征图和各层编码器提取的特征图,再通过卷积层进行特征提取,通过上采样还原分辨率,最后进行语义分割。实验结果表明,该模型在MFNet测试集上的平均准确率和平均交并比分别为76%和55.7%,相比于其他网络模型在指标上取得了一定的提升,达到了应用RGB-T模态图像精准进行日间及夜间场景语义分割的基本要求。

隧道环境下基于深度学习的轻量级安全帽检测方法

隧道施工现场人员不按规定佩戴安全帽是事故发生的主要原因之一,使用安全帽检测算法能有效监督作业平台上所有人员安全帽佩戴的情况,及时作出风险预警,降低安全事故发生的可能。然而,工业上常用的安全帽检测算法计算复杂度较高,很难适用于隧道环境中的嵌入式移动设备,已有轻量级算法又很难在隧道光线差、背景复杂的条件下保持检测精确度。针对上述问题,文中提出一种基于改进YOLO_v3的轻量级安全帽检测算法,构建运算量较低的卷积模块LW_Conv,并以此改造主干网和特征金字塔。实验结果表明,改进算法的FLOPs约为YOLO_v3的10%,平均正确率(AP)比Tiny_YOLOv3高2%。

基于改进卷积及分类器的轻量级人脸表情识别

目前深度学习的表情识别方法存在参数量大、实时性差的问题,提出基于改进卷积与分类器的轻量级人脸表情识别方法。在深度可分离卷积的基础上设计出浅层特征提取模块和轻量化卷积残差模块提取特征信息,然后改进分类器去替换全连接层进行表情分类。最终模型的参数量由11、171、271下降至5、925、288;同时在FER2013数据集和CK+数据集上保持了高达73.76%和97.74%的识别率,性能优于目前流行的ResNet18网络。

基于原子力显微技术的混合料中沥青微尺度性能测试方法

以沥青混合料试件为研究对象,探讨了原子力显微样本的制备方法.选取最大纵向起伏度和表面粗糙度两个指标对不同储存条件下的样本制备效果进行评定,提出采用低温冷冻措施保证AFM(atomic force microscope)样本平整度的制样方法;利用原子力显微技术的力学性能量化模块AFMQNM(atomic force microscope-quantitative nano mechanical),选取沥青胶浆区域3个典型的观测区域,进行原子力显微测试及微尺度力学性能量化表征.研究结果表明,"冷冻保存、低温切割"的混合料试件样本制备方法能够满足AFM技术的观测要求;AFM-QNM技术可以在混合料试件中直接测试沥青(胶浆)和矿质集料的模量和黏附性质,可有效区分不同的材料组分.

基于词组的语音识别模型研究

本文在简单介绍三种词组语音识别模型后，提出了采用离散隐马尔柯夫模型（DHMM）来构建语音识别系统，并在此基础上引入矢量量化（VQ）模块来保证识别率和识别速度。

MP3编码算法的改进与优化

针对语音信息中存在着大量的冗余这一问题,采用对MP3编码器算法的几个关键模块包括心里声学模型和量化模块进行了改进与优化,由于最初版本的MP3中的心理声学模型,不仅运算复杂度高,而且模型粗糙,由其计算得到的掩蔽阈值曲线和SMR,都不够精确。因此我们通过对MP3编码器算法的改进与优化后,不仅使MP3编码器算法具有了良好的编码质量,同时又大幅度降低了运算的复杂度,从而减少了对硬件的要求,降低了系统的成本、功耗、和体积,达到了预定的设计要求。

融合轻量化ASPP和U-Net的遥感影像烤烟种植区域提取

针对目前遥感影像中烤烟边缘识别效率低且识别精度低等问题,文章提出一种融合轻量化ASPP和U-Net框架的遥感影像烤烟种植区域提取模型。首先,该模型在U-Net编码层和解码层连接处加入轻量化空洞空间金字塔池化模块;其次,该模型将线性整流函数(Rectified Linear Unit,ReLU)替换为ReLU6激活函数,能够在低精度计算时压缩动态范围,从而使算法更具鲁棒性;最后,该模型通过采用形态学孔洞填充构建标签图后处理算法,实现分割结果优化。为验证该模型框架的有效性和适用性,文章采用无人机遥感影像作为实验数据集,构建与传统语义分割模型的对比实验以及消融实验等。实验结果表明,通过与FCN、U-Net、SegNet和DeepLabV3+等传统语义分割算法相比较,文章提出的模型获得了较好的分割效果,其像素准确率和平均交并比分别为93.7%和84.1%。此外,该模型在保证模型精度的情况下,还能够提高模型的计算速度。

基于多任务学习的人脸属性识别方法

针对传统深度卷积神经网络模型复杂、识别速度慢的问题,提出一种基于多任务学习的人脸属性识别方法。通过轻量化残差模块构建基础网络,根据属性类之间的关联关系设计共享分支网络,以大幅减少网络参数和计算开销。以多任务学习的方式联合优化各分支网络与基础网络的参数,利用关联属性间的共同特征实现人脸属性识别。采用带权重的交叉熵作为损失函数监督训练网络模型,改善正负样本数不均衡问题。在公开数据集CelebA上的实验结果表明,该方法的识别错误率低至8.45%,空间开销仅2.7 MB,在CPU上每幅图预测时间低至15ms,方便部署在资源有限的移动或便携式设备上,具有实际应用价值。

基于边缘计算和改进YOLOv5s算法的输电线路故障实时检测方法

随着输电线路无人机巡检工作的常态化,暴露出故障图像检测实时性、模糊目标检测精准性难以满足实际工作需求的问题。文章提出一种基于边缘计算和改进YOLOv5s算法的输电线路故障实时检测方法。以YOLOv5s为基础检测模型,基于Ghost轻量化模块重构模型获取数据特征的卷积操作过程,提高了模型的检测速度;采用基于KL散度分布的损失函数作为目标框定位损失函数,提升了模型对模糊图像检测的精度。将改进的YOLOv5s算法部署于华为Atlas 200 DK边缘模块中,对绝缘子自爆、防震锤脱落、鸟巢3类故障进行检测,其平均精度均值可达84.75%,检测速度为34 frame/s。结果表明,改进的算法在保证检测实时性的同时,能够提升对模糊故障目标图像的检测精度,满足无人机搭载边缘设备的输电线路巡检需求。

基于注意力机制的轻量级矿井钢丝绳断丝检测算法研究

立井提升系统作为煤矿生产中的主要运输设备,其核心构件钢丝绳常因工作负荷大、受到腐蚀、磨损等原因而产生断丝引发事故。传统的立井提升机钢丝绳检测算法存在效率低、劳动强度大、智能化程度差和准确率低等问题。基于此,提出一种改进YOLOv5s模型,并基于改进的模型进行矿井钢丝绳断丝检测。首先,设计Swiener滤波算法进行钢丝绳图像运动模糊修复,抑制噪声干扰;其次,在特征提取阶段,引入RFC3轻量化模块降低模型可训练参数,提升钢丝绳检测速度;第三,提出CBAM R注意力机制,增强模型对小断口断丝的检测能力;最后,引入Focal EIoU损失函数,提高模型对小断口断丝的检测精度并加速模型收敛。研究结果表明:所提出的基于注意力机制矿用钢丝绳断丝检测算法(CTR YOLO)可以更好地满足实际应用需求,减少了误检、漏检导致的人力成本浪费及安全事故的发生。

基于AVS音频编码的信息隐藏方法

提出了一种基于AVS音频编码的信息隐藏方法.该方法基于AVS独特的量化与位平面编码模块,使用位平面嵌入与比例因子修改技术,可以有效降低编码器码率控制对信息隐藏效果的不利影响,而且不使数据载体音质受到破坏.在量化过程中实施信息的嵌入,嵌入过程中主动修改比例因子以降低量化噪声.将隐藏信息进行矢量分组与位平面处理,进而在量化过程中将其嵌入到量化频谱中.仿真结果证明:该方法可以有效降低编码器码率控制对信息隐藏效果的不利影响,且嵌入隐藏信息后AVS音质也无明显损失.

基于轻量型卷积神经网络的海面红外显著性目标检测方法

为提高红外舰船图像显著性检测精度,同时降低参数量,提出一种轻量型红外舰船显著性检测模型。该模型针对红外图像缺乏颜色、纹理等细节特征的特点,从以下三个方面进行轻量化设计:在骨干网络设计方面,将视觉几何组网络(visual geometry group, VGG)各层的通道数减少一半作为骨干网络,以减少冗余的特征;为了进一步减少模型参数量,在前两个低层卷积模块中引入一种轻量型的线性瓶颈模块(linear bottleneck, LB)替换传统卷积模块;提出一种新的提取全局特征能力更强的轻量型的高层线性瓶颈模块(high-level linear bottleneck, HLLB)替换后3个高层传统卷积模块,并且使用自适应平均池化提取高层特征作为全局特征以得到更丰富的上下文信息。针对红外数据集缺少的问题,构建一个红外舰船数据集IRShip,包括1002幅图像。试验结果表明:该算法能够有效实现红外舰船目标的显著性检测,并且通过与其他7种常用的显著性检测模型对比,本研究提出的模型可以在大幅减少参数量的情况下有效提升红外舰船显著性目标检测的性能。