Search | Engineering

订阅投稿

首页工程期刊工程焦点工程成就工程前沿关于我们 English

资源类型

期刊论文 367

会议信息 16

会议视频 8

年份

2024 1

2023 46

2022 47

2021 45

2020 43

2019 43

2018 18

2017 40

2016 17

2015 2

2014 6

2013 4

2012 9

2011 4

2010 2

2009 5

2008 5

2007 14

2006 5

2005 7

展开︾

关键词

深度学习 15

人工智能 8

图像处理 6

机器学习 6

项目管理 6

2020 5

DX桩 4

2019 3

MATLAB 3

3D打印 2

Cu(In 2

ICBSP 2

Quantitative structure 2

imge analysis 2

stereology 2

参数估计 2

深度神经网络 2

生物医学 2

重建 2

展开︾

检索范围：

排序：展示方式：

基于改进立体网络的深度估计 Research Article

徐万朋1,邹玲3,吴玲达1,齐越2,钱昭勇1

《信息与电子工程前沿（英文）》 2022年第23卷第5期页码 777-789 doi: 10.1631/FITEE.2000676

摘要：自监督深度估计方法通过在训练数据中利用目标图像和参考图像之间的视角合成，呈现了可以与全监督方法相媲美的结果。图像中的低纹理区域也使深度估计的效果受到很大影响。为了解决这些问题，本文提出一系列改进，以实现更加有效的深度预测。首先，我们通过改进网络结构来促进网络中的信息流通，并提高学习空间结构的能力。其次，使用二值蒙版去除目标图像和参考图像之间低纹理区域中的像素，以更准确地重建图像。最后，我们随机输入目标图像和参考图像对数据集进行扩充，并在ImageNet上进行预训练，从而使模型获得良好的通用特征表示。我们使用立体图像对作为输入，在KITTI自动驾驶数据集的特征分割上验证了最先进的性能。

关键词：单目深度估计；自监督；图像重建

HTML PDF 收藏

基于图像的深度学习降雨强度估计方法 Article

尹航, 郑飞飞, 段焕丰, Dragan Savic, Zoran Kapelan

《工程（英文）》 2023年第21卷第2期页码 162-174 doi: 10.1016/j.eng.2021.11.021

摘要：本文提出了一种基于图像的深度学习模型来估计具有高时空分辨率的城市降雨强度。进一步来说，一种称为基于图像的降雨卷积神经网络（image-based rainfall convolutional neural network, irCNN）模型是使用从现有密集传感器（即智能手机或交通摄像头）收集的降雨图像及其相应的测量降雨强度值开发的。随后使用经过训练的irCNN 模型根据传感器的降雨图像有效地估计降雨强度。分别利用合成降雨数据和真实降雨图像来探索irCNN 在理论和实际模拟降雨强度方面的准确性。结果表明，irCNN 模型提供的降雨量估计值的平均绝对百分比误差在13.5%~21.9%之间，超过了文献中其他最先进的建模技术的性能。

关键词：城市洪水降雨图像深度学习模型卷积神经网络（CNN）降雨强度

HTML PDF 收藏

自监督脓毒症治疗推荐算法 Research Articles

朱思涵1,浦剑2

《信息与电子工程前沿（英文）》 2021年第22卷第7期页码 926-939 doi: 10.1631/FITEE.2000127

摘要：本文将强化学习应用于个人治疗推荐，采用对样本不确定性进行建模并评估的方法，根据患者对治疗的反应和状态，将患者样本分为两个域，然后使用辅助迁移学习任务重建两个域的样本，使用特权学习的蒸馏方法与用于迁移学习的变分自动编码器框架关联低质量域和高质量域间的任务通过结合自监督方式获得更好的状态和动作表示，本文提出一种针对引起较高风险的不确定性进行控制的深度强化学习方法；模型提供一定的灵活性使之可以在不同场景对模糊样本做出保守预测或明确判断，并降低预期死亡率。在大规模公开可用的真实医疗数据集MIMIC-III上的实验表明，所提模型将总体估计死亡率降低了2.3%，并将主要估计死亡率降低到9.5%。

关键词：治疗推荐；脓毒症；自监督学习；强化学习；电子病历

HTML PDF 收藏

半监督堆叠距离自动编码器的表征学习在图像分类上的应用 Research Articles

侯亮,罗潇逸,汪子扬,梁军

《信息与电子工程前沿（英文）》 2020年第21卷第7期页码 963-1118 doi: 10.1631/FITEE.1900116

摘要：图像分类是深度学习的重要应用。在典型分类任务中，分类精度与通过深度学习方法提取的特征密切相关。自动编码器是一种特殊神经网络，常用于降维和特征提取。该模型被称为半监督距离自动编码器。首先以无监督方式对每一层进行预训练。在随后的监督训练中，将优化的参数设置为初始值。为获得更好性能，使用堆叠式模型代替具有单一隐含层的传统自动编码器结构。将所提半监督距离自动编码器方法分别与传统自动编码器、稀疏自动编码器和监督自动编码器比较，实验结果证明该模型有效。

关键词：自动编码器；图像分类；半监督学习；神经网络

HTML PDF 收藏

针对无监督域自适应问题的深度逐层领域修正算法 Article

Shuang LI, Shi-ji SONG, Cheng WU

《信息与电子工程前沿（英文）》 2018年第19卷第1期页码 91-103 doi: 10.1631/FITEE.1700774

摘要：深度神经网络凭借强大的特征抽象能力，已成功应用在机器学习的多个领域。然而，传统深度网络假设训练样本和测试样本来自同一分布，这一假设在很多实际应用中并不成立。为借助深度网络解决领域偏移问题，本文提出逐层领域修正（layer-wise domain correction, LDC）深度域自适应算法。该算法通过在已有深度网络中增加领域修正层，将源域网络成功适配到目标领域。与此同时，网络深度的增加极大提高了网络表达能力。LDC算法不需要目标领域有标记样本，在几个跨领域分类识别数据集都取得了当时最好结果，且其训练比已有深度域自适应算法快近10倍。

关键词：无监督域自适应；最大均值偏差；残差网络；深度学习

HTML PDF 收藏

复小波的亚像元图像重建及去噪方法

张智,韦志辉,夏德深

《中国工程科学》 2008年第10卷第11期页码 76-81

摘要：

通过对亚像元理论的分析，对两帧错半个像元的遥感图像进行复小波插值，引入基于层间的小波自适应阈值方法去除噪声，并通过重构得到更高分辨率的遥感图像，同时，算法对遥感图像的复原效果好于常用的方法。

关键词：亚像元复小波自适应阈值重建去噪

HTML PDF 收藏

深度三维重建：方法、数据和挑战 Review Article

刘彩霞1,孔德慧1,王少帆1,王志勇2,李敬华1,尹宝才1

《信息与电子工程前沿（英文）》 2021年第22卷第5期页码 615-766 doi: 10.1631/FITEE.2000068

摘要：三维形状重建是计算机视觉、计算机图形学、模式识别和虚拟现实等领域的重要研究课题。现有三维重建方法通常存在两个瓶颈：（1）它们涉及多个人工设计阶段，导致累积误差，且难以自动学习三维形状的语义特征；（2）它们严重依赖图像内容和质量，以及精确校准的摄像机。因此，这些方法的重建精度难以提高。基于深度学习的三维重建方法通过利用深度网络自动学习低质量图像中的三维形状语义特征，克服了这两个瓶颈。本文对基于深度学习的三维重建方法进行全面综述。首先，基于不同深度学习模型框架，将基于深度学习的三维重建方法分为4类：递归神经网络、深自编码器、生成对抗网络和卷积神经网络，并对相应方法作详细分析。再次，对基于深度学习的三维重建方法进行综合比较，包括不同方法在同一数据库、同一方法在不同数据库以及同一方法对于不同视角个数输入的结果比较。最后，讨论了基于深度学习的三维重建方法的发展趋势。

关键词：深度学习模型；三维重建；循环神经网络；深度自编码器；生成对抗网络；卷积神经网络

HTML PDF 收藏

NGAT：基于广度和深度探索注意力机制的半监督图表示学习 Research Articles

胡荐苛,张引

《信息与电子工程前沿（英文）》 2022年第23卷第3期页码 409-421 doi: 10.1631/FITEE.2000657

摘要：为缓解过度平滑，本文提出一种嵌套的图注意网络，即基于双重注意力机制的多尺度特征融合模型NGAT，该网络可以半监督形式工作。除广度探索，k层NGAT运用注意力机制引导的分层聚合策略，选择性地利用来自k阶邻域的信息特征，即深度探索。

关键词：图学习；半监督学习；节点分类；注意力机制

HTML PDF 收藏

融合自监督图学习与目标自适应屏蔽的会话型推荐方法 Research Article

王祎童,蔡飞,潘志强,宋城宇

《信息与电子工程前沿（英文）》 2023年第24卷第1期页码 73-87 doi: 10.1631/FITEE.2200137

摘要：为了解决上述问题，本文提出一种融合自监督图学习与目标自适应屏蔽的会话型推荐方法(SGL-TM)。具体来说，首先根据所有涉及到的会话构建全局图，然后从物品之间的全局连接中捕捉自监督信号，用来监督模型生成当前会话中准确的物品表示。之后，通过比较真值与经过我们设计的目标自适应屏蔽模块调整后的物品的预测分数来计算主监督损失。最后，将主监督组件与辅助自监督模块相结合，以获得用来优化模型参数的最终损失。

关键词：会话型推荐；自监督学习；图神经网络；目标自适应屏蔽

HTML PDF 收藏

深度学习在医学超声图像分析中的应用综述 Review

刘盛锋, 王毅, 杨鑫, 雷柏英, 刘立, 李享, 倪东, 汪天富

《工程（英文）》 2019年第5卷第2期页码 261-275 doi: 10.1016/j.eng.2018.11.020

摘要：对于图像分析来说，很有必要开发先进的自动化超声图像分析方法来帮助医生进行超声诊断，一方面可以减轻医生的负担，另一方面可以降低诊断的主观性，从而使得诊断更加客观与准确。近年来，深度学习已经成为最主要的机器学习工具，并且广泛应用于各个研究领域，尤其是一般的图像分析与计算机视觉。在医学超声图像分析中，深度学习也展示了巨大的应用潜力。本文首先简要介绍了一些流行的深度学习结构，然后总结并全面讨论了深度学习方法在超声图像分析的各种特定任务（如图像分类、物体检测与目标分割）中的应用。最后，本文讨论了深度学习在医学超声图像分析应用中所面临的挑战以及潜在的发展趋势。

关键词：深度学习医学超声图像分析分类分割检测

HTML PDF 收藏

基于图像处理的超高速撞击碎片云的动态建模与损伤估计 Research Article

曾入,宋燕,吕伟臻

《信息与电子工程前沿（英文）》 2022年第23卷第4期页码 555-570 doi: 10.1631/FITEE.2100049

摘要：由于难以从实验中获得高质量碎片云图像，对薄板上超高速撞击产生的碎片云进行轨迹建模和有效损伤估计一直是一项具有挑战性的任务。为提高超高速撞击对典型双层板防护结构损伤的估计精度，本文结合传统数值分析结果，利用图像处理技术，研究了连续阴影图中碎片云的分布特征。本文的目标是从图像处理获取的阴影图中提取碎片云的目标运动参数，并构建轨迹模型用来估计损伤。本文方法获得的结果与传统数值推导结果的对比表明，从图像处理中获取超高速撞击实验数据的方法可以为改进数值模拟方法提供关键信息。最后，基于所构建的模型，提出一种改进的后壁损伤估计方法。估计的损坏与后墙实际损坏情况的对比证明了所提模型的有效性。

关键词：碎片云；超高速撞击；图像处理；损伤估计

HTML PDF 收藏

论智能起源中的简约与自洽原则 Position Paper

马毅1,曹颖2,沈向洋3

《信息与电子工程前沿（英文）》 2022年第23卷第9期页码 1298-1323 doi: 10.1631/FITEE.2200297

摘要：深度学习重振人工智能十年后的今天，我们提出一个理论框架来帮助理解深度神经网络在整个智能系统里面扮演的角色。我们引入两个基本原则：简约与自洽；分别解释智能系统要学习什么以及如何学习。确切地说，简约与自洽这两个原则能自然地演绎出一个高效计算框架：压缩闭环转录。这个框架统一并解释了现代深度神经网络以及众多人工智能实践的演变和进化。

关键词：智能；简约；自洽；编码率减少；深度网络；闭环转录

HTML PDF 收藏

基于双重约束的多帧图像降噪方法 Research Articles

张丹,赵磊,许端清,鲁东明

《信息与电子工程前沿（英文）》 2022年第23卷第2期页码 220-233 doi: 10.1631/FITEE.2000353

摘要：深度学习在计算机视觉领域应用非常成功，促进了图像降噪和多帧图像降噪领域的快速发展。本文针对多帧图像降噪问题，提出一种从多帧噪声图像中恢复清晰图像的方法。该方法结合BM3D（块匹配和三维滤波，block-matching and 3D filtering）算法和卷积神经网络（CNN）模型完成多帧图像降噪任务。该CNN模型基于分治法的思想设计。首先，用BM3D算法处理带噪声的多帧图像。然后，将预处理后的图像和原始噪声图像分别输入CNN模型的两个并行分支。最后，用一个轻量级CNN模块融合两个分支的输出得到最终图像估计。此外，引入图像块匹配策略解决帧不对齐问题。在合成和真实噪声图像上的实验结果表明，该算法与其他算法相比具有一定竞争力。

关键词：图像降噪；多帧图像降噪；深度学习

HTML PDF 收藏

学习挑选伪标签：一种用于命名实体识别的半监督学习方法 Research Articles

李真真,冯大为,李东升,卢锡城

《信息与电子工程前沿（英文）》 2020年第21卷第6期页码 809-962 doi: 10.1631/FITEE.1800743

摘要：深度学习模型在命名实体识别（NER）中实现了最先进的性能；然而，其良好性能很大程度上依赖于大量标记数据。在某些特定领域，例如医学、金融和军事领域，标记数据非常稀缺，而未标记数据则很容易获得。本文提出一种用于NER任务的半监督方法，其通过学习一个判别模块筛除错误伪标签，以创建高质量标注数据。伪标签是为未标记数据自动生成的标签，并被当作真实标签用来训练模型。该半监督框架包括3个步骤：为特定NER任务构建最佳单神经网络模型，学习一个评价伪标签的模块，以及迭代创建新的标记数据和改进NER模型。两个英语NER任务和一个中文医疗命名实体识别任务的实验结果表明，该方法进一步提高了最佳单神经模型的性能。

关键词：命名实体识别；无标注数据；深度学习；半监督学习方法

HTML PDF 收藏

基于RGBD和稀疏学习的鲁棒目标跟踪 Article

Zi-ang MA, Zhi-yu XIANG

《信息与电子工程前沿（英文）》 2017年第18卷第7期页码 989-1001 doi: 10.1631/FITEE.1601338

摘要：随着深度传感器的普及，深度信息因其对光照变化与遮挡表现出一定的鲁棒性而被广泛应用于视觉目标跟踪算法中。本文提出了一种基于RGBD和稀疏学习的跟踪算法，从三个方面将深度信息应用到稀疏学习跟踪框架。首先将深度图像特征结合现有的基于彩色图像的视觉特征用于目标外观的鲁棒特征描述。为了适应跟踪过程中的各种遮挡情况，我们设计了一种特殊的遮挡物模板用于增广现有的超完备字典。最后，我们进一步提出了一种基于深度信息的遮挡物检测方法用于有效地指示模板更新。

关键词：目标跟踪；稀疏学习；深度视角；遮挡物模板；深度图像特征