公共文化服务平台

张索非: 作品数：25 被引量：125H指数：7; 供职机构：南京邮电大学物联网学院更多>>; 发文基金：国家自然科学基金江苏省高校自然科学研究项目江苏省自然科学基金更多>>; 相关领域：自动化与计算机技术电子电信天文地球更多>>

合作作者

面向目标检测的SSD网络轻量化设计研究被引量：3: 2020年; 在基于深度卷积神经网络的目标检测方法中,模型的参数量动辄数十兆字节,在计算资源有限的移动终端等边缘设备中部署这样的大模型比较困难。为了解决这个问题,本文在Single Shot MultiBox Detector(SSD)的基础上联合轻量化网络设计和参数量化两种技术来实现网络模型的轻量化。首先,基于ResNet50和MobileNet我们重新设计了SSD目标检测框架,并训练了一个全精度参数模型。然后,在全精度参数模型的基础上,采取逐块量化的策略将特征提取层中卷积层的参数精度降低到三值(零和正负一)。实验结果表明,本文提出的联合方案在Pascal VOC2007数据集上测试能够达到72.54%的mAP,和其他业界领先的轻量级目标检测方法相比检测精度更高且能使模型占用的内存空间更小。; 冯烨张索非吴晓富; 关键词：目标检测移动终端

面向行人重识别的多域批归一化问题研究被引量：1: 2022年; 近年来基于深度神经网络的行人重识别算法取得了长足的进步,被广泛应用于网络中的批归一化(batch normalization)模块发挥着重要作用。批归一化模块在多数情况下可有效提高网络收敛速度和训练稳定性,然而当多个独立标注的数据库混合在一块进行跨域或者多域训练时,数据之间的分布差异使得目前的批归一化算法工作逻辑存疑。由于不同批次下训练数据的分布差异较大,归一化过程中的统计参数不稳定导致批归一化效果恶化。该文聚焦于多数据集合并下的行人重识别模型训练问题,通过对多数据集分布差异导致的多域模型批归一化存在的问题进行分析。然后针对模型批量归一化算法面对的多域差异,提出了一种解决策略,在多个数据集并行训练下提高了模型的泛化能力。实验结果表明:所提出的多域归一化方法在多域训练下能有效提高模型最终的泛化能力,获得更高的识别准确度,并且可应用于其他行人重识别网络以进一步提升模型性能。; 张誉馨张索非王文龙吴晓富; 关键词：计算机视觉

基于典型相关性分析的稀疏表示目标追踪: 2018年; 传统稀疏表示目标追踪算法首先通过粒子滤波方法对状态粒子进行采样,然后利用灰度特征表征采样粒子观测向量,最后构造基于观测向量的稀疏表示模型来进行目标追踪。与传统稀疏表示模型不同,该文提出一个基于典型相关性分析的稀疏表示模型,此模型首先使用两种特征来表征粒子观测向量,然后对两种观测向量的子空间投影结果进行稀疏建模。所构建的模型可通过在子空间中探究特征间的相关性来实现不同特征的互补融合,提升稀疏表示模型在复杂监控环境下的鲁棒性。; 康彬曹雯雯颜俊张索非

基于空洞卷积鉴别器的语义分割迁移算法被引量：1: 2020年; 近年来,基于卷积神经网络的有监督图像语义分割方法的研究取得了巨大进展。针对该方法所依赖的手动标签繁琐、费时的问题,一种流行的解决方法是通过游戏视频来收集类似于真实场景的图像并自动生成标签,随后利用迁移学习将合成场景训练的模型迁移到真实场景。由于域偏移,简单地将合成场景(源域)上学习的模型应用到真实场景(目标域)一般会出现较高的泛化误差。针对该问题,提出一种新的图像语义分割的无监督迁移算法。该算法首先基于传统的图像风格转换网络对源域图像集进行风格转换预处理,使得图像风格能对齐于目标域,有效降低域间差异;然后,采用生成对抗训练实现源域与目标域特征的对齐。针对现有生成对抗训练中鉴别网络视野受限的问题,提出通过空洞卷积来设计鉴别网络,从而有效提升鉴别网络的分辨能力。在两个典型城市道路数据集GTA5以及SYNTHIA上的实验表明:相比于经典的AdaptSegNet算法,所提算法在GTA5数据集上的平均交并比(mIoU)提高了4.5%,在SYNTHIA数据集上的平均交并比提高了2.6%。; 杨培健吴晓富张索非周全

基于热重启机制的胶囊投影网络快速训练算法被引量：1: 2020年; 胶囊投影网络是一种新型的深度神经网络结构,将传统的卷积神经网络与胶囊投影结构结合来学习潜在的视觉特征。尽管胶囊投影网络在多个分类数据集上展现出了先进的性能,但是训练该算法模型往往需要较高的学习成本,这对胶囊投影网络在实际问题中的应用带来一定的限制。针对该问题,将基于热重启机制的随机梯度下降算法引入到胶囊投影网络的学习中,提出了一种基于热重启机制的胶囊投影网络快速训练算法,并在多个分类数据集上对该方法进行实验评估。实验结果表明,与原始的胶囊投影网络相比,该方法不仅解决了训练成本高昂的问题,同时所学模型也具有比较好的泛化性能。; 谢奔张索非吴晓富; 关键词：卷积神经网络快速训练算法

面向行人重识别分集特征挖掘的多分支深度神经网络构造进展被引量：7: 2021年; 随着深度学习的兴起,近年来行人重识别性能提高的关键是如何构建具有分集特征挖掘的深度神经网络以获得行人图像的紧凑表达,而多分支深度神经网络是实现分集特征挖掘的主要途径。文中分析了近年来用于行人重识别多分支深度神经网络的几种主流构建方法,包括局部分割分集、注意力分集、特征遮挡分集、异构支路分集等,并在3个行人重识别数据集Market1501,Duke,CU⁃HK03上对不同算法性能进行了比较分析。基于当前进展,最后还讨论了行人重识别分集特征挖掘的未来研究趋势。; 吴晓富尹梓睿宋越张磊谢奔赵师亮张索非

多分支协作OSNet的微结构优化研究被引量：1: 2020年; OSNet是一种有效的轻量级行人重识别网络,因其兼具有轻量化和高性能的优异特点引起了行人重识别领域的关注。最近的研究表明:多分支协作OSNet网络——BC-OSNet能取得更高的识别率。本文在此基础上继续研究网络微结构的调整对BC-OSNet模型性能的影响,重点通过通用池化GeM、连续高斯Dropout、注意力学习Batch DropBlock(BDB)/Relation-Aware Global Attention(RGA)等微结构的有效融入,研究微结构优化的BC-OSNet性能提升效果。实验结果表明:经微结构优化的BC-OSNet在四个行人重识别数据集Market1501,Duke,CUHK03_Labeled和CUHK03_Detected上的mAP分别达到了89.9%,82.1%,84.2%和81.5%,相比初始的BC-OSNet提高0.6%,1.4%,1.1%和1.7%。; 张磊吴晓富张索非尹梓睿

数据集类别不平衡性对迁移学习的影响分析被引量：3: 2020年; 数据集类别不平衡性是机器学习领域的常见问题,对迁移学习也不例外。本文针对迁移学习下数据集类别不平衡性的影响研究不足的问题,重点研究了以下几种不平衡性处理方法对迁移学习的影响效果分析:过采样、欠采样、加权随机采样、加权交叉熵损失函数、Focal Loss函数和基于元学习的L2RW(Learning to Reweight)算法。其中,前三种方法通过随机采样消除数据集的不平衡性,加权交叉熵损失函数和Focal Loss函数通过调整传统分类算法的损失函数以适应不平衡数据集的训练,L2RW算法则采用元学习机制动态调整样本权重以实现更好的泛化能力。大量实验结果表明,在上述各种不平衡性处理方法中,过采样处理和加权随机采样处理更适合迁移学习。; 程磊吴晓富张索非; 关键词：不平衡数据分类重采样

FreeRTOS与μC/OS-Ⅲ内核分析及选型研究被引量：11: 2018年; FreeRTOS与μC/OS-Ⅲ是当今主流实时操作系统的代表,使用量位于嵌入式应用前列。从任务管理、同步与通信、时间管理及软件定时器、内存管理、中断管理等方面分析FreeRTOS与μC/OS-Ⅲ内核。介绍了FreeRTOS和μC/OS-Ⅲ授权方式,并说明了μC/OS-Ⅲ符合行业认证标准情况。分析了行业因素、自身开发实力、可利用资源以及成本等方面的影响,为实时操作系统选型提供思路。; 杨玥邵浩然张索非; 关键词：FREERTOS 实时操作系统

面向空间信息的数据通信协议的设计与实现被引量：7: 2017年; 鉴于传统地理信息系统缺少一种对传感器实时数据获取的方法,利用传统地理信息系统的手段很难进行传感器的实时展示。针对此问题,研究传感器数据通信协议的特征,结合地理信息空间操作的特点,设计面向空间信息的数据通信协议,采用实时通信的方式解决传统地理信息系统在展示传感器数据方面实时性差的问题。根据面向空间信息的数据通信协议,设计与之对应的服务端操作与响应模型。在远程电表监控软件中验证了该协议的可行性。; 焦东来蒋贺张索非陈雪飞; 关键词：地理信息系统传感器管理数据通信协议实时通信服务器模型

张索非

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

张索非

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈