被引排行
面向路面病害的轻量级目标检测算法
苏竞哲;刘勇;针对当前道路破损分类检测任务中道路破损精度相对较低、模型计算量和参数量较大、对需要部署的终端设备性能要求较高等问题，提出一种轻量化的检测模型。该算法利用离散小波变换中的Haar小波对数据进行预处理，增强图像特征，使用线性插值的方法恢复图片原尺寸，与原通道拼接后采用通道注意力机制动态调整各通道重要性；提出一种多尺度加权特征融合金字塔网络(Multi-branch Auxiliary Weight Feature Pyramid Network, MAWFPN)结构替换原有的颈部网络，在维持模型精度的基础上降低网络的参数量；更换损失函数为ShapeIoU,在提升检测效果的同时增加了模型的稳定性；引入层自适应幅度的剪枝(Layer-Adaptive Sparsity for the Magnitude-base Pruning, LAMP)技术对模型进行裁剪，大幅降低模型的参数量与计算量。实验结果表明，改进后的算法相较于基准模型mAP50提升了1.6%,参数量和计算量分别降至基准模型的28.40%和47.69%,模型大小降低至基线的29.6%。经过优化后的算法提升了检测性能与特征提取的精准度，大幅降低了模型的尺寸，增强了其在资源受限终端上部署的能力。
基于3D可解释性神经渲染的单样本人脸重演方法
李碧莹;刘智威;曾豪;王金桥;人脸重演技术作为可控人脸生成领域的关键研究方向，其目标在于通过给定的驱动人脸图像或视频帧，驱动源人脸图像，实现其面部表情和姿态的准确可控合成。该技术要求生成结果既能保持源人脸图像的身份特征，又能与驱动人脸图像的表情姿态保持高度一致。单样本人脸重演任务由于仅依赖单一视角的2D人脸图像，导致面部信息描述不充分。现有方法在生成姿态变化幅度较大的人脸图像时，难以准确地保持人脸身份、表情姿态的一致性。针对该问题，提出了一种基于3D可解释性神经渲染的单样本人脸重演(3D Explainable Neural Rendering Based Single-sample Face Reenactment, 3D-ENS)方法。该方法在神经网络内部显式建模出固定的3D人脸结构及纹理信息用于整个重演视频生成阶段，以保证重演结果中人脸身份的一致性和表情姿态变化的稳定性。在此基础上构建了一种神经纹理补全网络，通过多尺度特征学习机制实现高质量面部纹理重建；提出了一种背景运动估计网络，预测驱动后人脸图像的背景，将背景信息与补全后的面部神经纹理渲染(Neural Texture Rendering, NTR)结果进行融合。使用关键点检测模型提供面部一致性约束，进一步提升模型的表观一致性。在主流基准数据集与真实场景数据上的实验证明，所提方法具有较好的身份保持度，能够有效应对面部姿态变化的复杂场景，为人脸重演任务提供了新的解决方案。
一种网络动态自组织的数据共享系统设计
刘英;白洁;甘朝辉;为了解决卫星遥感影像数据共享、音视频共享等数据资源共享系统技术领域中传输速度、系统成本、数据资源版权、数据安全等需求难以兼顾的问题，基于综合多副本多服务器并行传输技术和Peer-to-Peer(P2P)技术2种典型数据共享网络架构和传输模式，设计了一套动态自组织网络模型和处理算法；采用分片技术、大数据存储技术、断点续传技术等典型技术或新技术，构建了完整的网络动态自组织的数据共享系统。测试表明，技术方案支持使用普通计算机构建数据共享系统，能提供数据高速下载服务，系统组成节点动态调整和扩展，节点和数据来源具有可控性。
基于深度学习和Web的移动通信电波预测系统
高宇;杨晶晶;黄铭;赵海茹;为满足无线电波传播预测的需求，提出了一种结合卫星影像地物特征与无线电传播特性的深度学习模型RadioDualNet,以实现电波传播过程与地理空间信息的关联及可视化表示。在此基础上，设计了一种基于深度学习和Web技术的移动通信电波预测系统。该系统在开源数据集和实测数据集上进行训练与测试，结果表明，所提模型在开源数据集上的预测性能提升了45.8%,在2个数据集中的预测结果均与实测值保持较高一致性，验证了模型的有效性与适用性，为无线通信领域的网络规划与电波传播研究提供了重要参考，在提升预测精度的同时展现了良好的鲁棒性与应用价值。
一种面向复杂电磁环境的试验资源调度优化算法
姜艳霞;郭国君;郭海亮;张维;杜明;针对电磁试验场环境存在不确定性、多变性、多样性等特点，导致复杂电磁环境中试验场区用频设备的空间、时间、频谱试验资源调度困难的问题，提出了一种面向复杂电磁环境的试验资源调度优化算法——CVSPSO。利用布局方案的多种影响因素构建适应度函数，结合所提出的多维相似度计算以及基于自适应相似度阈值的凝聚式层次聚类算法提高局部多样性。在此基础上，提出一种改进的高斯变异方法，进一步提高种群随机多样性。在标准测试函数以及Unreal Engine 4 (UE4)仿真电磁试验环境的用频设备上验证了方法的效果。实验结果表明，所提方法在大多数指标上均优于对比方法，能够为复杂电磁环境的试验资源调度提供优化布局方案，满足电子试验场空间布局与资源调度需求。
基于改进GAS-YOLO的O型密封圈表面缺陷检测算法
范桃;石艳;林椿松;李淇;夏明;针对O型密封圈表面缺陷检测技术检测效率不高且检测速度慢的问题，提出一种基于改进YOLOv10n的缺陷检测算法。设计了C2f-GhostV2模块，在保持特征表达能力的同时降低大量训练资源；引入自适应下采样模块(Adaptive Downsampling Module, ADown),在更高层次上捕捉图像的特征，提高算法对小目标特征的学习能力；添加简单无参注意力模块(Simple Parameter-Free Attention Mechanism, SimAM),使模型更加关注表面缺陷特征的提取；引入轻量级共享卷积检测头(Lightweight Shared Convolutional Detection Head, LSCD-Head),解决检测头检测到的目标尺度不一致的问题，提升检测头定位和分类的性能。结果表明，GAS-YOLO能有效提升模型对于O型密封圈表面缺陷的检测，算法的平均精度均值(mean Average Precision, mAP)达到了94.4%,相较于YOLOv10n模型提升了1.7个百分点，帧率(Frames Per Second, FPS)达到129,计算量(Floating Point Operations, FLOPs)降低了14%,能更好地满足工业检测要求。
以用户为中心分簇方法综述——随机几何视角
姜逸;孙锴;黄威;随着云计算、物联网、UAV通信技术的发展，面对海量通信需求，未来网络建设趋于异构密集化、无小区化、自组织化。以用户为中心分簇为每个用户定义一个基站(Base Station, BS)协作簇，在提升用户性能、降低干扰方面具有优势，是未来大规模连接、超低时延、超可靠通信的重要支撑技术。对基于随机几何分析以用户为中心分簇性能的现有工作进行总结整理，梳理了随机几何理论建模动态网络环境的核心要素：节点分布、无线信道、分簇方法，针对异构蜂窝网络、毫米波(millimeter-Wave, mmWave)、UAV辅助边缘计算以及无小区大规模多输入多输出(Cell-Free massive Multiple Input Multiple Output, CF-mMIMO)等多种通信场景，对概率类、容量类性能指标以及具体近似方法进行了总结。
基于改进苔藓生长优化算法的无人机路径规划
高俊杰;代永强;随着农业智能监测对高质量遥感数据需求的提升，无人机路径规划已成为保障深度学习模型输入数据质量的关键环节。为此，提出一种改进苔藓生长优化算法(Improved Moss Growth Optimization Algorithm, IMGO),以优化农业场景下的无人机路径规划问题。该算法通过强化学习动态调整步长参数及复生机制触发，融合种群划分、计算风向、自适应边界策略，优化无人机路径，避开局部最优解。算法迭代优化生成高效平稳飞行路径，确保高质量农田图像采集以满足深度学习需求。仿真实验表明，相较传统算法，IMGO显著减少飞行时间与能耗，提升图像采集的覆盖率与质量，为农作物生长评估、病虫害监测、土壤肥力分析等农业指标的精确预测提供了数据支撑。该算法适用于复杂农田环境下的无人机路径规划，对推动农业智能化监测技术的实际应用具有重要意义。
低成本内陆水体GNSS日平均水位计：方法与系统
殷博怀;刘浩宇;杨讴;王峰;李杰;水位是湿地、湖泊、河流等水体的重要水文参数，可用于生态监测、自然灾害预警等。针对现有水位监测方法依赖人工测量或高成本专业监测站点导致偏远地区存在水位监测精度低、成本高、实时性差等问题，设计并研制了低成本全球卫星导航系统干涉反射(Global Navigation Satellite System Interferometric Reflectometry, GNSS-IR)测量无接触式日平均水位仪。为解决低成本GNSS天线和芯片级接收机抵周边多径信号差的问题，提出迭代式自适应数据质量控制方法。方法通过经验模态分解(Empirical Mode Decomposition, EMD)和迭代式最大类间方差异常数据剔除，使输出的测量水位与同比水位的均方根误差(Root Mean Square Error, RMSE)为6 cm。利用GNSS微带天线、低成本GNSS板卡、4G模块及树莓派搭建一套低成本、高精度的水位监测系统，将成本控制在千元内，日平均水位测量精度达到厘米级。系统具备本地数据化实时处理能力、自适应数据质量控制和远程数据传输。在外场开展实地实验得到的相关系数达0.920 5,RMSE为2.03 cm。外场测试表明，所研制的系统能有效对水体进行精准实时监测，尤其适用于偏远地区的水体监测预警。
基于残差注意力和BiLSTM的视听情绪识别
刘充;江雪;尽管人工智能系统在认知任务上表现出色，但由于缺乏人类的情感理解能力，其在人机交互场景中的应用仍存在显著局限，这使得情绪识别研究成为提升机器环境适应性的关键环节。针对多模态融合不足造成的情绪分类效果不佳的问题，提出了一种基于视听融合的情感识别解决方案。使用MobileNet模型提取面部特征，同时使用Emotion2vec提取音频特征，2种模态特征分别经过双向长短期记忆网络(Bi-dictional Long Short-Term Memory, BiLSTM)以结合前后帧特征并使用残差注意力模块融合视听2种模态特征。实验中在公共数据集RAVDESS的情绪识别准确率为91.33%,与其他方法的比较表明，该方法显著提高了视听情感识别的准确率。