检索结果

Select

1. 基于轻量化YOLOv5的新型菜品识别网络

张成涵宇, 林钰哲, 谭程珂, 王俊帆, 顾烨婷, 董哲康, 高明煜

《计算机应用》唯一官方网站 2024, 44 (2): 638-644. DOI: 10.11772/j.issn.1001-9081.2023030271

摘要（481）

HTML （22）

PDF （2914KB）（910）

为了更好地满足中餐菜品识别对准确性和时效性的应用需求，设计一种新型的菜品识别网络。在原YOLOv5模型的基础上，结合Supermask方法与结构化通道剪枝对模型进行剪枝操作，并利用Int8量化技术最终实现对模型的轻量化处理，保证模型在菜品识别中兼顾准确率和速度，同时提高模型的可移植性。实验结果表明，所提模型在交并比（IoU）为0.5时，平均精度均值（mAP）达到99.00%，平均每帧识别时间达到59.54 ms，相较于原始YOLOv5降低了20 ms，且准确率基本保持一致。此外，利用Qt软件将新型菜品识别网络移植到瑞萨RZ/G2L开发板，构建智能出餐系统，可实现点餐、生成订单、自动出餐全流程，为未来真正的餐厅智能出餐系统的构建应用提供了理论与实践基础。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于知识蒸馏的深度无监督离散跨模态哈希

张成, 万源, 强浩鹏

计算机应用 2021, 41 (9): 2523-2531. DOI: 10.11772/j.issn.1001-9081.2020111785

摘要（485）

PDF （1705KB）（585）

跨模态哈希因其低存储花费和高检索效率得到了广泛的关注。现有的大部分跨模态哈希方法需要额外的手工标签来提供实例间的关联信息，然而，预训练好的深度无监督跨模态哈希方法学习到的深度特征同样能提供相似信息；且哈希码学习过程中放松了离散约束，造成较大的量化损失。针对以上两个问题，提出基于知识蒸馏的深度无监督离散跨模态哈希（DUDCH）方法。首先，结合知识蒸馏中知识迁移的思想，利用预训练无监督老师模型潜藏的关联信息以重构对称相似度矩阵，从而代替手工标签帮助有监督学生模型训练；其次，采用离散循环坐标下降法（DCC）迭代更新离散哈希码，以此减少神经网络学习到的实值哈希码与离散哈希码间的量化损失；最后，采用端到端神经网络作为老师模型，构建非对称神经网络作为学生模型，从而降低组合模型的时间复杂度。在两个常用的基准数据集MIRFLICKR-25K和NUS-WIDE上的实验结果表明，该方法相较于深度联合语义重构哈希（DJSRH）方法在图像检索文本/文本检索图像两个任务上的平均精度均值（mAP）分别平均提升了2.83个百分点/0.70个百分点和6.53个百分点/3.95个百分点，充分体现了其在大规模跨模态数据检索中的有效性。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于局部近邻标准化和动态主元分析的故障检测策略

张成, 郭青秀, 冯立伟, 李元

计算机应用 2018, 38 (9): 2730-2734. DOI: 10.11772/j.issn.1001-9081.2018010071

摘要（629）

PDF （785KB）（343）

针对工业过程的动态和多模态特性，提出一种基于局部近邻标准化（LNS）和动态主元分析（DPCA）相结合的故障检测方法（LNS-DPCA）。首先，在训练数据集中寻找样本的 K近邻集；然后，应用 K近邻集的均值与标准差对当前样本进行标准化处理；最后，在新的数据集中应用DPCA方法确定T ²和SPE控制限进行故障检测。LNS方法能够消除过程的多模态特征，使得标准化后数据近似服从多元高斯分布，且保持过程离群点偏离正常样本轨迹；而结合DPCA方法则能够提高对具有动态特性过程的监视性能。利用数值例子和青霉素发酵过程进行仿真，并将测试结果与主元分析法（PCA）、DPCA、 K近邻故障检测（FD- KNN）等方法进行对比分析，验证了LNS-DPCA方法的有效性。

参考文献 | 相关文章 | 多维度评价

Select

4. 基于判别核主元空间 k近邻的批次过程监视

张成, 郭青秀, 李元

计算机应用 2018, 38 (8): 2185-2191. DOI: 10.11772/j.issn.1001-9081.2018020345

摘要（435）

PDF （977KB）（366）

针对批次过程非线性、多模态等特征，提出一种基于判别核主元 k近邻（Dis-kPC kNN）的故障检测方法。首先，在核主元分析（kPCA）中，高斯核的窗宽参数依据样本类别标签在类内窗宽和类间窗宽中判别选取，使得核矩阵能有效提取数据的关联特征，保持数据的类别信息；其次，在核主元空间中引用 k近邻规则代替传统的T ²统计方法， k近邻规则可以有效处理主元空间非线性和多模态等特征的故障检测问题。数值模拟实例和半导体蚀刻工艺过程仿真实验表明:基于判别核主元 k近邻方法可以有效地处理具有非线性和多模态结构特征的故障检测问题，提高计算的效率，减少内存的占用，并且故障检测率明显优于传统方法。

参考文献 | 相关文章 | 多维度评价

Select

5. 基于改进的局部近邻标准化和 kNN的多阶段过程故障检测

冯立伟, 张成, 李元, 谢彦红

计算机应用 2018, 38 (7): 2130-2135. DOI: 10.11772/j.issn.1001-9081.2017112701

摘要（427）

PDF （905KB）（353）

针对多阶段过程数据具有多中心和各工序结构不同的特征问题，提出了一种基于改进的局部近邻标准化和 k近邻的故障检测（ILNS- kNN）方法。首先寻找样本的前 k个近邻样本的前 K局部近邻集；其次使用局部近邻集的均值和标准差来标准化样本，获得标准样本；最后在标准样本集上计算样本的累积近邻距离作为检测指标进行故障检测。改进的局部近邻标准化（ILNS）将各阶段数据的中心平移到原点，并且调整各阶段数据的离散程度，使之近似相等，从而将多阶段过程数据融合为服从单一多元高斯分布的单阶段数据。进行了青霉素发酵过程故障检测实验。实验结果表明ILNS- kNN方法对所设置的六类故障的检测率高于97%。ILNS- kNN方法在保持对一般多阶段过程故障的检测能力的同时，能够实现对阶段方差差异显著的多阶段过程故障的检测，从而更好地保证多阶段生产过程的安全性和产品的高质量。

参考文献 | 相关文章 | 多维度评价

Select

6. 基于统计模量和局部近邻标准化的局部离群因子故障检测方法

冯立伟, 张成, 李元, 谢彦红

计算机应用 2018, 38 (4): 965-970. DOI: 10.11772/j.issn.1001-9081.2017092310

摘要（443）

PDF （783KB）（441）

针对多工况过程数据的批次不等长、中心漂移、工况结构不同等特点，提出基于统计模量和局部近邻标准化的局部离群因子故障检测方法（SP-LNS-LOF）。首先计算每个训练样本的统计模量；然后使用局部近邻集标准化统计模量，得到标准样本；最后计算标准化样本的局部离群因子，并将其作为检测指标，将局部离群因子的分位点作为检测控制限，当在线样本的局部离群因子大于检测控制限时，判定其为故障；否则为正常。统计模量提取过程的主要信息，且消除批次不等长的影响；局部近邻标准化克服工况中心漂移和工况结构不同的困难；局部离群因子度量样本的相似度，实现故障样本和正常样本的分离。进行了半导体蚀刻过程故障检测仿真实验，实验结果表明SP-LNS-LOF检测出了全部21个故障，比主元分析（PCA）、核主元分析（kPCA）、基于 k近邻的故障检测（FD-kNN）、局部离群因子（LOF）方法具有更高的检测率。理论分析和仿真实验说明SP-LNS-LOF方法适用于多工况过程故障检测，具有较高的故障检测效率，能保证多工况生产过程的安全性。

参考文献 | 相关文章 | 多维度评价

Select

7. 基于改进偏最小二乘法的多模态过程故障检测方法

李元, 吴昊俣, 张成, 冯立伟

计算机应用 2018, 38 (12): 3601-3606. DOI: 10.11772/j.issn.1001-9081.2018051183

摘要（369）

PDF （908KB）（401）

针对传统的数据驱动方法偏最小二乘法（PLS）中存在的多模态数据故障检测效果不佳的问题，提出了一种新的故障检测方法——基于局部近邻标准化（LNS）的PLS（LNS-PLS）。首先，利用LNS方法对原始数据进行高斯化处理，在此基础上建立PLS的监控模型，确定T ²和平方预测误差（SPE）的控制限；其次，对测试数据同样进行LNS标准化处理，再计算出测试数据的PLS监控指标来进行过程监视及故障检测，解决了PLS中无法处理多模态的问题。将所提方法应用于数值例子和青霉素生产过程，并将其测试结果与主成分分析（PCA）、 K最近邻（ KNN）、PLS等方法进行对比分析。实验结果表明，所提方法的故障检测效果优于PLS、 KNN、PCA，该方法在分类及多模态过程故障检测方面有较高的准确性。

参考文献 | 相关文章 | 多维度评价

Select

8. 基于DSP的单车道车流量实时监测算法

杨婷, 李博, 石雯婧, 张成飞

计算机应用 2017, 37 (2): 593-596. DOI: 10.11772/j.issn.1001-9081.2017.02.0593

摘要（556）

PDF （621KB）（614）

针对传统的车流量检测系统采用感应器设备硬件安装繁杂及通用车流量检测算法无法判别车辆行驶方向的问题，提出一种基于数字信号处理器（DSP）的单车道车流量实时监测算法，并应用于停车场。首先，在虚拟检测带上使用背景差分法完成车辆检测，并对均值法背景建模进行改进；其次，提出一种邻帧二值归类算法对车辆行驶方向进行判别；最后，在虚拟检测带上进行车流量计数并将车位情况实时显示于LED显示屏上。通过模拟实验验证了所提算法的可行性，并在实际测试实验中，得到邻帧二值归类算法方向判别的准确率为96.5%，车位监控算法准确率为92.2%。实验结果表明，该单车道车流量实时监测算法准确率较高，节省了检测系统设备，可以应用于单车道停车场进行车流量实时监测。

参考文献 | 相关文章 | 多维度评价

Select

9. 基于判别式扩散映射分析的非线性特征提取

张成, 刘亚东, 李元

计算机应用 2015, 35 (2): 470-475. DOI: 10.11772/j.issn.1001-9081.2015.02.0470

摘要（587）

PDF （868KB）（429）

针对高维数据难以被人们直观理解,且难以被机器学习和数据挖据算法有效地处理的问题,提出一种新的非线性降维方法——判别式扩散映射分析(DDMA)。该方法将判别核方案应用到扩散映射框架中,依据样本类别标签在类内窗宽和类间窗宽中判别选取高斯核窗宽,使核函数能够有效提取数据的关联特性,准确描述数据空间的结构特征。通过在人工合成Swiss-roll测试和青霉素发酵过程中的仿真应用,与主成分分析(PCA)、线性判别分析(LDA)、核主成分分析(KPCA)、拉普拉斯特征映射(LE)算法和扩散映射(DM)进行比较,实验结果表明DDMA方法在低维空间中代表高维数据的同时成功保留了数据的原始特性,且通过该方法在低维空间中产生的数据结构特性优于其他方法,在数据降维与特征提取性能上验证了该方案的有效性。

参考文献 | 相关文章 | 多维度评价

Select

10. 基于区域行进策略的飞机油箱检查机器人路径规划算法

牛国臣张成巍李紫微

计算机应用 2014, 34 (8): 2415-2418. DOI: 10.11772/j.issn.1001-9081.2014.08.2415

摘要（292）

PDF （528KB）（500）

针对类似于飞机油箱环境中连续型机器人的路径规划问题，设计基于区域行进策略的路径规划算法，结合机器人本体结构约束规划到达油箱内任意给定目标点的路径。连续型机器人具有运动灵活性，但超冗余自由度导致了三维空间规划的多解性，增加了算法的复杂度。采用降低维度的方式，通过将三维空间转化为二维平面进行规划，降低了算法的时间复杂度。将飞机油箱的单舱划分为两个区域，根据目标点所处区域位置确定规划策略。最后，基于Matlab对所提算法进行仿真，实验结果验证了算法的可行性和有效性。

参考文献 | 相关文章 | 多维度评价

Select

11. 核参数判别选择方法在核主元分析中的应用

张成李娜李元逄玉俊

计算机应用 2014, 34 (10): 2895-2898. DOI: 10.11772/j.issn.1001-9081.2014.10.2895

摘要（209）

PDF （549KB）（547）

针对核主元分析(KPCA)中高斯核参数β的经验选取问题，提出了核主元分析的核参数判别选择方法。依据训练样本的类标签计算类内、类间核窗宽，在以上核窗宽中经判别选择方法确定核参数。根据判别选择核参数所确定的核矩阵，能够准确描述训练空间的结构特征。用主成分分析(PCA)对特征空间进行分解，提取主成分以实现降维和特征提取。判别核窗宽方法在分类密集区域选择较小窗宽，在分类稀疏区域选择较大窗宽。将判别核主成分分析(Dis-KPCA)应用到数据模拟实例和田纳西过程(TEP)，通过与KPCA、PCA方法比较，实验结果表明，Dis-KPCA方法有效地对样本数据降维且将三个类别数据100%分开,因此，所提方法的降维精度更高。

参考文献 | 相关文章 | 多维度评价