池化

摘要： 行人重识别是指利用计算机视觉技术在给定监控的图像中识别目标行人,受拍摄场景视角和姿势变化、遮挡等因素的影响,现有基于局部特征的行人重识别方法所提取的特征辨别力差,从而导致重识别精度较低。为有效地利用特征信息,提出一种多尺度多粒度融合的行人重识别方法 MMF-Net。通过多个分支结构学习不同尺度和不同粒度的特征,并利用局部特征学习优化全局特征,以加强全局特征和局部特征的关联性。同时,在网络的低层引入语义监督模块以提取低层特征,并将其作为行人图像相似性度量的补充,实现低层特征和高层特征的优势互补。基于改进的池化层,通过结合最大池化和平均池化的特点获取具有强辨别力的特征。实验结果表明,MMFNet方法在Market-1501数据集上的首位命中率和mAP分别为95.7%和89.1%,相比FPR、MGN、BDB等方法,其具有较优的鲁棒性。

摘要： 池化操作是深度卷积神经网络的重要组成部分,也是深度卷积神经网络成功的关键因素之一。然而,在图像识别过程中,传统直接的池化操作会损失特征信息,影响识别的准确率。针对池化操作的特征信息损失问题,提出了基于离散小波变换的双域特征融合模块,以克服直接使用池化操作的缺点。该模块同时考虑了空域和通道域的双域特征融合,将池化操作嵌入在空域特征融合模块与通道域融合模块之间,有效地抑制了直接使用池化操作带来的特征信息损失。通过替换已有的池化操作,新的双域特征融合模块可以非常容易地嵌入到目前流行的深度神经网络架构中。针对图像分类问题,采用VGG,ResNet以及DenseNet等主流网络架构,在CIFAR-10,CIFAR-100,Mini-Imagenet等数据集上进行了一系列实验。实验结果表明,相比经典网络、流行的基于嵌入注意力机制网络和最新基于小波的深度卷积神经网络,所提方法可以获得更高的分类准确率。

摘要： 在光伏发电越来越成熟的当下,光伏组件的维护也成为了一大难题.为避免环境影响下产生的光伏热斑损害光伏板,从而导致发电效率下降,以及当前的检测手段中小型热斑经常被漏检的情况,结合无人机检测清理时对速度和准确性的需要,针对传统的两级检测方法,搭建了基于ResNet(Residual Network)残差网络的全卷积网络模型,并进一步使用灰度化、滤波及边缘梯度拟合等方法对模型评估条件进行改进,实现对光伏板上热斑的准确定位.实验结果表明,改进后的全卷积网络模型对小型光伏热斑同样有着很好的检测效果,检测时间减少了60%.该模型的应用不但满足了光伏检测中对于实时性的要求,而且成本较低、移植性较强,可以适用于绝大部分场景,大大降低了对环境和光伏组件工作状态的要求.

摘要： 为有效降低传感网络图像压缩算法的计算复杂度,提高偏远区域无线传感网络的监测与传输性能,提出一种改进低复杂度多级树集合分裂(Set Partitioning in Hierarchical Trees,SPIHT)的传感网络图像压缩算法。该算法在图像小波分解过程中,利用提出的两种池化决策裁剪和优化高频系数,解决了SPIHT在重要性系数选择方面计算复杂度高的问题。通过实验对比分析,对于同类型和不同类型特征的图像,在保证重构图像清晰度的条件下,提出算法在编码、解码时间上分别比SPIHT算法平均减少38.47%和44.11%,有效降低了计算复杂度,提升了传感网络监测与传输能效。

摘要： 肺结节的精准分割对于肺肿瘤的良恶性诊断具有重要意义。针对肺结节在肺部CT图像中占比较小且形态各异,为肺结节的识别带来障碍等问题,提出一种改进的U-Net肺结节分割算法:加入双注意力模块,强化重要特征;使用残差模块简化网络训练,避免梯度消失;加入空洞空间金字塔池化模块,得到上下文不同尺度的特征;融合Focal loss函数与Dice损失函数,解决样本分布不均衡和难分样本挖掘问题。对Luna16数据集的100例患者的CT图像进行了测试。实验结果表明,该方法的交并比和F1分数分别达到了0.7888和0.8959。与Seg‐Net、U-Net、U-Net++网络和其他改进策略相比,本文方法可以准确地分割出肺结节,具有更好的分割性能。

摘要： 目的:利用深度学习新技术图神经网络,构建结合信息保留的多头注意力图池化模型以解决图分类问题。方法:首先,设计信息保留模块,保留被丢弃节点中的有效信息。其次,采用多头注意力机制,多次计算中心节点与邻居节点的相关度,更加全面地学习节点重要性得分。之后,将池化图中的孤立点与邻居节点相连,以保证图结构的连通性。最后,利用读出操作将每一层输出传至分类器,完成图分类。结果:所提出的方法在7个基准数据集上进行图分类实验,在5个数据集上的分类性能优于其他方法。结论:结合信息保留的多头注意力图池化模型在图分类任务中具有优越性。

摘要： 近年来,恶意软件威胁事件大规模地破坏正常的计算机系统秩序,进而造成大量的经济损失影响社会正常运转。经过对已有恶意软件分类方法和流行人工智能方法的研究,本文提出了一种基于BERT的预训练汇编文本嵌入方法,利用图神经网络对恶意家族分类,效果明显优于传统方法。

摘要： 针对卷积神经网络(CNN)在医学图像分割时,受皮肤病损图像多样性、分割目标位置、形状及尺度变化等因素影响,提出了一种基于传统卷积神经网络综合注意力模块图像分割算法;首先利用U-Net主干网络的优势,其目的让图像特征提取更完善;其次,由空间、通道、尺度构成的综合注意力机制对目标病灶区域进行检测识别,利用通道级联把来自编码器中低级图像特征和解码器中高级图像特征注意力结合起来进行权值自适应融合,提升了网络对样本病灶区的关注度和辨识力,突出强调最相关的特征通道和多尺度间最显著的特征图;通过对ISIC2018数据集及医院整形外科提供患者不同类型的皮肤肿瘤图像进行分割测试,并将注意力模块随机组合形成的不同算法进行指标评价比对,所提出算法的平均分割精度可达92.89%;实验结果表明,所提出算法是有效可行的,在多维度下分割处理带复杂背景的皮肤病灶图像时有更高的鲁棒性。

摘要： 针对卷积神经网络(CNN)中的传统池化算法不能很好地考虑到池化域内每个元素与该池化域所含特征之间关联性的问题,提出一种基于高斯函数的池化算法。首先根据池化域内各元素的值和所有元素的最大值计算高斯函数的三个参数值,然后运用高斯函数计算池化域内所有元素的权重,最后根据这些权重对池化域内所有元素值计算加权平均值,并以此作为池化结果。选择LeNet5、VGG16、ResNet18和MobileNet v3作为实验模型,在公开数据集CIFAR-10、Fer2013和德国交通标志识别基准(GTSRB)上进行实验,并与最大池化、平均池化、随机池化、混合池化、模糊池化、融合随机池化和soft池化这七种池化算法进行对比。实验结果表明,所提算法在三个数据集上相较其他算法在精度方面均有0.5个百分点到6个百分点的提升,且在运行效率方面优于上述除最大池化和平均池化两种池化算法外的其他池化算法,从而验证所提算法有效且具适合应用于对运算时间要求不高但对精度要求较高的情况。

摘要： 提出了一种新的面向6G的多频段智能融合模型——Meta-cell元小区+Stack-free非栈式用户面。该模型支持高中低任意频段资源的智能编排组合,从而按需实现组网目标,例如在最大化频谱效率和能量效率、减少空口时延和切换时延等目标间取得平衡,从而拥有极高的业务适应能力。Meta-cell元小区和Stack-free非栈式用户面通过在组件化、解耦、池化和虚拟化的基础上叠加智能化可编排可配置,解决了现有多频段组网技术不够灵活高效的问题,有助于赋能6G丰富多样的业务和组网场景。

摘要： 本发明涉及一种基于最大池化和平均池化的混合池化方法。本发明结合了最大池化和平均池化的优点，利用平方平均的数学意义和实际意义，形成了一种基于最大池化和平均池化的混合池化方法，该池化方法能够更好的保留图像的纹理特征和背景特征，从而提高图像分类精度，并降低分类损失。本发明是基于DenseNet所做的实验，但本发明可应用于其他使用池化层的卷积神经网络，比如ResNet，FastRCNN等等。

摘要： 本发明公开了一种电池化成系统及电池化成方法，电池化成系统包括：电池功率回路单元；采样单元，所述采样单元的一端与所述电池功率回路单元电连接，用于采集所述电池功率回路单元的电信号；控制单元，所述控制单元与所述采样单元的另一端电连接，用于根据所述电信号输出控制信号；其中，所述电池功率回路单元包括：恒压调节单元和单体电池；所述恒压调节单元与所述单体电池并联连接，所述恒压调节单元与所述控制单元电连接，用于接收所述控制信号以调节所述单体电池恒压充电。本申请实施例保证了单体电池恒流恒压充电的连续，并避免了电池功率回路单元出现电流抖动现象。

摘要： 本发明涉及一种针对卷积神经网络最大池化层的池化器及池化加速电路，池化器包括第一选择器、第二选择器、比较器、常数寄存器和池化寄存器；比较器的第一输入端输入池化窗口中的特征数据，第二输入端接入第一选择器的输出数据，输出端连接到第二选择器；第一选择器的第一输入端连接常数寄存器，第二输入端连接外部的池化缓存从中读取数据，第三输入端连接池化寄存器输出端；第二选择器的第一输出端作为池化最终结果输出端，第二输出端连接外部的池化缓存向其写入数据，第三输出端连接池化寄存器的输入端。本发明以尽可能小的FPGA资源消耗量，实现常见CNN中最大池化层的高效计算，进而解决将CNN部署到嵌入式设备中遇到的实时性问题和功耗问题。

摘要： 本发明涉及一种基于最大池化和平均池化的混合池化方法。本发明结合了最大池化和平均池化的优点，利用平方平均的数学意义和实际意义，形成了一种基于最大池化和平均池化的混合池化方法，该池化方法能够更好的保留图像的纹理特征和背景特征，从而提高图像分类精度，并降低分类损失。本发明是基于DenseNet所做的实验，但本发明可应用于其他使用池化层的卷积神经网络，比如ResNet，FastRCNN等等。

摘要： 本发明提供了一种锂离子电池化成检测柜和锂离子电池化成检测方法。其中，锂离子电池化成检测柜包括：五金柜体、托板、电极夹、RAM内存条、红外温度传感器、数据线、报警装置。化成检测柜使用红外温度传感器温度检测技术，并基于环境温度以及锂离子电池特有的充放电过程的温度数据，加以建模，通过红外识别，电脑处理，及时将异常电池识别并给出声﹑光警报信息。锂离子电池化成检测方法通过红外温度传感器实时检测每一个正在化成检测的锂离子电池，电脑主机数据系统比对电脑储存器内的标准容量‑温度曲线，将该电池在此最高温度下的容量数据换算成标准室温下的容量数据。本发明将温度对锂离子电池一致性的影响降到了最低。

摘要： 本发明提供一种池化装置与池化方法，以有效率地使用寄存器堆的空间去对数据矩阵进行池化操作。数据矩阵被划分为多个区块。池化装置包括寄存器堆以及执行单元。寄存器堆在池化操作的第一批次期间加载数据矩阵中的第一区块与第二区块。寄存器堆在第一批次期间对在寄存器堆中的第一区块与第二区块进行池化操作的第一批次操作。在完成第一批次操作后的第二批次期间，寄存器堆舍弃第一区块并且保留第二区块，以及加载数据矩阵中的第三区块。执行单元在第二批次期间对在寄存器堆中的第二区块与第三区块进行池化操作的第二批次操作。

摘要： 本发明的目的是提供一种基于多尺度条形池化和金字塔池化的道路提取方法，通过替换到传统的池化方式，采用条形池化聚合远程上下文，以一种高效的方式编码道路特征，解决了在遥感图像中道路提取的连通性问题。

摘要： 本发明属于电池生产设备技术领域，尤其涉及电池化成层压板结构及电池化成夹具，包括层板、压紧件和接电板，层板具有压紧面，用于压紧电池，压紧件与接电板相对设置在层板的两侧；还包括调节件，用于调节接电板的位置；层板的压紧面上还设置有安装槽，安装槽的侧壁设置有斜推块，斜推块设置有斜推面；调节件上延伸有调节连接部，调节连接部伸入安装槽内，与斜推块滑动地扣合、且与斜推面贴合；接电板连接在调节件上；推动调节件，使接电板与压紧面的距离改变。本电池化成层压板在满足不同厚度电池的化成时，其无需更换接电板，只需通过调节件调节即可实现，不仅能实现快速调节接电板，可以降低化成设备的成本。

摘要： 本发明涉及电池制备技术领域，尤其涉及一种电池化成装置及电池化成方法。化成方法包括恒流阶段，在恒流阶段内，依据气体产生的速度将恒流阶段划分为至少两个阶段，至少两个阶段中包括第一阶段和第二阶段，第二阶段发生在第一阶段之后，第二阶段为高速产气阶段，在第一阶段内气体产生的速度小于在第二阶段内气体产生的速度，第二阶段和/或第二阶段以后的阶段对电池进行补液。根据本发明的电池化成方法，将恒流阶段分为至少两个阶段，并对电池内部进行补液，电解液更容易流向电池内，从而可以提升补液效率，由此可以提升化成时电解液浸润充分性，提高电池化成时SEI形成良率。

摘要： 本发明公开了一种蓄电池化成用的灌酸壶、蓄电池化成方法。本发明采用中隔底部连通的灌酸壶，使电池化成的主要过程中，液面保持一致，在真空条件下化成，起到了搅拌作用，减少了各个单格的体积偏差和失水量偏差造成单格的比重差异，提高了各个单格的一致性，提高了电池容量，并延长电池使用寿命。