摘要:随着计算机辅助诊断技术快速发展, 对皮肤病变筛查的效率明显提高, 但皮肤镜图像中众多干扰因素, 致使皮肤病变区域自动分割成为难题. 由于Skip-Connecting模型在小目标和模糊边界分割、Atrous-Convolution模型在大范围和多尺度病变分割的良好表现, 成为皮肤病变图像分割的两大主流方向; Transformer模型凭借其强大的全局建模能力和对长距离依赖关系的捕捉能力, 未来将与传统深度学习模型进一步耦合, 以优化分割性能. 基于此, 本文系统梳理Skip-Connecting模型与Atrous-Convolution模型在皮肤病变分割中的应用进展及其衍生网络的改进策略; 重点分析Transformer模型在该领域的应用范式及其与传统模型的耦合方法; 并对视觉状态空间模型(Mamba)、生成对抗网络、扩散模型等新兴架构的探索性研究进行分析. 最后, 针对当前临床研究中存在的局限性及分割效果不佳的问题, 提出相应的解决思路, 并对未来的研究方向进行展望.

摘要:随着不确定知识图谱(uncertain knowledge graph, UKG)在开放世界知识表示中的广泛应用, 其内部所建模的概率型关系日益复杂. 仅依赖嵌入表示或简单的模式匹配方法, 已难以满足对高质量推理结果的需求. 因此, 引入高置信、可解释的规则挖掘机制, 对于提升UKG的推理能力与知识可解释性具有重要意义. 为此本文提出了一种基于BERT语义建模与结构路径规则挖掘的不确定知识图谱补全模型UBERT-RM (uncertain knowledge graph BERT-rule mining). UBERT-RM构建了一个端到端的统一框架, 将子图建模、路径生成与置信度预测有机融合于一体. 模型利用BERT提取三元组的上下文语义表征, 路径生成模块采用Transformer解码器结构, 以自回归方式逐步生成高置信度的关系路径. 规则解析模块中引入动态置信度阈值机制, 对节点进行筛选与解析, 确保最终的推理路径在保持语义连贯的同时具备良好的可信度与可解释性. 在置信度预测部分, 模型将生成的规则与目标三元组共同编码, 通过多头自注意力机制进行深层语义交互与信息聚合, 并引入多层感知机实现对尾实体置信度的回归建模, 从而完成从路径挖掘到置信度预测的闭环推理过程. 在CN15k和NL27k数据集上的实验结果表明, UBERT-RM在链接预测任务中的效果都达到了最佳.

摘要:雷达回波外推被广泛用于降水预测和气象灾害预警等任务, 近年来结合深度学习的时序预测模型有效提升了预测效果, 但是仍然存在着全局依赖建模不足、预报图像模糊等问题. 为了提升预测精度, 提出一种融合动态窗口注意力与长短期记忆网络的雷达回波外推模型DMLSTM (dynamic window attention memory-enhanced LSTM). 首先, 通过动态双缩放窗口注意力精准捕捉多尺度气象结构; 同步采用记忆增强型滑动窗口维持时空连续演化; 再由自适应残差门控单元抑制长程特征衰减并增强突变响应; 最终, 借梯度对齐型多尺度注意力损失函数保持关键气象结构的物理运动约束. 实验结果表明, 在深圳雷达回波数据集上, 相较最优基线模型(SwinLSTM-B), 本研究模型参数量小幅增加, 经结构优化后, 单轮推理耗时增加5%, 但均方误差(MSE)降低了10.3%, 结构相似性(SSIM)提升了1.4%. 在Moving MNIST数据集上, MSE降低14.9%, SSIM达0.926. 实验结果验证了该模型在雷达回波外推任务的先进性及其泛化能力.

摘要:内窥镜影像为胃癌的筛查与诊断提供重要依据. 然而, 传统内窥镜检查准确率有限. 为此, 多模态融合异常检测方法被引入内窥镜影像分析, 但仍面临模态偏差与配对数据稀缺等问题. 针对这些问题, 本文提出一种基于多模态增强融合与多分支蒸馏的内窥镜异常检测模型. 首先, 设计交叉掩码注意力跨模态融合模块, 通过局部特征重建与交叉注意力机制挖掘模态间的潜在关系. 其次, 提出一种多分支跨模态蒸馏架构, 由多模态教师网络和两个独立学生分支组成. 该架构仅教师网络需配对数据训练, 学生分支则完全无需配对数据. 这一设计降低模型对配对数据的依赖并有效缓解模态偏差. 最后, 引入全局余弦相似度损失以增强多模态特征的一致性表示. 在真实公开数据集上进行的大量实验表明, 本文方法在多模态内窥镜异常检测任务中取得领先的性能. 本文的源码已公开在: https://github.com/LuoYifei-xs/CEMD.

摘要:在复杂堆叠环境中, 引入推动动作辅助机械臂抓取可以提升抓取成功率. 然而, 现有推抓协同方法中存在网络特征提取能力不足与推动策略低效等问题. 针对上述问题, 本文提出一种改进的基于深度Q网络 (DQN)的推抓协同算法. 该方法在感知-动作策略网络中引入高效多尺度注意力(efficient multi-scale attention, EMA)机制, EMA模块通过通道分组与跨空间建模增强对物体边缘、物体表面等关键任务特征的提取能力; 同时, 设计基于图像频域能量变化与能量质心位移的推动有效性评估机制, 构建更具判别力的奖励函数, 以引导智能体学习有效的推抓协同策略. 在CoppeliaSim仿真环境平台上的实验表明, 本文方法相较于METOVPG等基线方法, 在抓取成功率和动作效率方面均有显著提升. 其中, 在仿真环境下测试抓取成功率提升21.2%, 验证了所提注意力机制与奖励设计在复杂场景下的有效性与协同优势.

摘要:多智能体强化学习是多智能体系统研究的重要组成部分, 在复杂协同任务中成效显著. 然而, 在需要长期决策的场景下, 由于长期回报的估计难度更大, 且难以对环境中的不确定性进行精准建模, 多智能体的表现往往不佳. 为解决上述问题, 本文提出了一种基于分位数回归的多智能体记忆强化学习模型. 该模型不仅选择性地将历史决策经验用于辅助长期决策, 还通过分位数函数对回报分布进行建模, 从而有效地捕捉了回报的不确定性. 该模型由记忆索引模块、隐式分位数决策网络和值分布分解模块这3部分组成, 其中记忆索引模块利用历史决策经验生成内在奖励, 促进智能体充分利用已有经验. 隐式分位数决策网络通过分位数回归, 对奖励分布进行建模, 为长期决策提供有力支持. 值分布分解模块将整体的回报分布分解为单个智能体的回报分布, 用于辅助单个智能体策略的学习. 本文的算法在星际争霸环境SMAC (StarCraft multi-agent challenge)中进行了广泛的实验, 实验结果表明, 本文提出的方法提升了智能体在长期决策任务中的表现, 并具有较快的收敛速度.

摘要:现有虚假新闻检测方法存在明显不足. 这些方法未能充分挖掘多模态关联, 忽视关键信息导致冗余问题, 且未考虑相似新闻的正负关联影响检测精度. 此外, 能协同利用文本、图像和社交图这3种模态的方法较为稀缺. 针对这些问题, 提出了一种基于社交图与标签优化的多模态虚假新闻检测模型. 该方法同步提取文本、图像和社交图特征, 通过全局动态加权机制强化社交图关键特征并通过图像描述增强视觉表征, 利用跨模态交叉注意力实现模态间优势互补, 并结合对比学习进行跨模态对齐. 本文模型在标签优化器中通过双向标签注意力捕捉相似新闻间的正负相关性优化预测标签. 在Weibo和PHEME数据集上的实验表明, 本文方法较最优基线方法准确率提升1.63%和3.01%, F1分数提升2.46%和3.67%.

摘要:针对复杂场景下视频异常检测中时空动态建模不充分与场景语义适配性不足的问题, 提出骨架引导的时空行为-场景对齐网络(spatio-temporal behavior-scene alignment network, ST-BSAN). 该模型通过双核心模块协同优化实现鲁棒检测: 动态时空注意力模块(dynamic spatio-temporal attention module, DSTAM)集成空间与时间自注意力, 突破传统固定图结构与局部时序建模限制, 自适应捕捉关节动态关联与长程时序突变; 行为-场景对齐模块(behavior-scene alignment module, BSAM)构建动态记忆库, 通过余弦相似度度量行为-场景语义一致性, 抑制跨场景误检. 同时引入扩散概率模型生成多样化正常行为假设, 以DSTAM输出特征为条件约束生成过程, 解决单峰预测对正常行为多样性覆盖不足的问题. 在HR-STC和UBnormal数据集上的实验结果显示, ST-BSAN的帧级AUC分别达79.9%和70.1%, 较基线方法提升2.3%和1.8%. 消融实验验证了DSTAM与BSAM的协同效应.

摘要:针对深度学习模型在分布偏移场景中泛化能力不足的问题, 在Mamba状态空间模型的基础上, 提出一种融合反事实语义增强和因果注意力机制的领域泛化方法, 通过设计反事实语义增强模块, 实现前景-背景解耦与重组生成反事实特征, 显式构建“前景保持、背景干预”的因果情境, 有效削弱背景-标签的伪相关性, 强化模型对因果语义前景的挖掘能力, 引导其关注稳定可靠的语义关联; 进一步提出因果注意力机制, 将上述模块提取到的因果语义信息显式嵌入Mamba状态更新过程, 以提高特征的因果一致性. 整体模型结构实现了对前景与背景信息的动态区分与融合. 在标准领域泛化基准上的实验结果表明, 本文方法在PACS、OfficeHome、VLCS和TerraIncognita数据集上平均准确率分别达到91.9%、77.0%、81.1%和54.9%, 均优于现有SOTA方法, 证实本文方法显著提高了模型对前景语义区域的关注一致性, 展现出优越的可解释性与泛化性能.

摘要:针对现有文本去毒方法未充分考虑隐式毒性以及去毒后文本质量较差的问题, 提出一种多阶段多目标优化的文本去毒框架MSMO-Detox (multi-stage multi-objective detoxification). 本方法采用3阶段级联处理实现精准去毒: 首先运用基于标记的毒性解释技术, 通过传播分解向量以精确识别毒性贡献度超阈值的词元并进行掩码处理; 随后采用专家乘积(product of experts, PoE)框架进行词元生成, 替换掉被掩码词元; 最后实施多目标重排序策略, 从隐式毒性、文本流畅度、语义保留这3个维度综合评估候选句子, 选取评分最优的候选句作为输出. 实验结果表明, 在MAgr、SBF、DynaHate、Jigsaw数据集上, MSMO-Detox相较于不同数据集上的最优基线方法, 毒性指标分别平均下降23.1%、23.9%、17.6%、5.6%, 此外, 文本流畅度与语义保留能力也得到改善. 可见, MSMO-Detox在文本去毒任务中具有显著优势, 特别是在网络生态优化中, 该方法可以作为网络生态优化中去除网络暴力的重要工具, 用于有毒文本的风格迁移.

摘要:遗址类建筑物作为历史文化的重要载体, 具有重要的研究与保护价值. 然而, 由于其数量稀少且持续消亡, 传统重建方法难以实现完整复原, 现有文生图技术虽可借助文本描述重现其外观, 但仍存在细节缺失、图像质量不高等问题. 为此, 本文提出一种基于改进扩散模型的遗址类建筑物生成方法, 通过引入门控残差机制优化信息流动、缓解梯度消失, 提升生成稳定性; 结合通道与空间双重注意力机制以增强局部细节与全局结构建模能力; 并利用VGG19作为判别网络, 提取多层次语义特征并引入感知损失以提升对关键视觉特征的建模效果. 实验结果表明, 相比于同样基于扩散模型的KNN-diffusion与Simple diffusion, 本文方法FID下降了30.39%, CLIP-score、IS和SSIM分别提升了1.08%、9.01%和1.72%. 本研究为高质量遗址类建筑图像生成提供了可行的技术路径, 有助于推动数字文化遗产的可持续研究与智能化保护.

摘要:海洋生物图像分割是智能化海洋监测的重要基础, 但在实际应用中仍面临跨模态语义偏差、多尺度融合效率低以及生物结构建模不足等挑战. 为此, 本文提出一种基于CLIP的多模态语义分割框架Mseg, 能够在未见类别上实现有效分割. 该方法融合视觉图像与生物类别文本特征, 同时利用轻量级交叉注意力 (LCA)机制和多层级图像特征融合策略引导图像与文本特征的交互, 从而生成语义增强的图像表征. 随后, 引入BalanceITV模块对两路特征进行动态加权融合, 实现主干融合视觉特征与语言引导特征的自适应平衡. 最后, 本文设计了基于海洋生物形态感知的不确定性建模方法, 在边界区域及复杂生物结构方面提升了分割的精细度与鲁棒性. 实验结果表明, Mseg在多个海洋生物零样本分割任务中均优于现有方法, 验证了其在复杂水下场景中的适应性与有效性.

摘要:在车联网(Internet of Vehicles, IoV)与移动边缘计算(mobile edge computing, MEC)深度融合的背景下, 如何在保障低时延与高可靠服务质量的同时实现高效任务卸载成为关键问题. 哈里斯鹰优化(Harris hawks optimization, HHO)算法虽具较强的全局搜索能力, 但在种群初始化、探索-开发切换及多样性维持方面仍存在不足, 易陷入早熟收敛. 为此, 本文提出一种动态双种群哈里斯鹰优化(dynamic dual-population Harris hawks optimization, DDHHO)算法. 该算法引入动态双种群协同演化(dynamic dual-population co-evolution, DDPC)机制, 并结合L-T混沌初始化、非线性逃逸能量及非线性跳跃策略, 实现全局探索与局部开发的自适应平衡. 实验结果表明, 在车联网MEC任务卸载场景中, DDHHO在系统总代价指标上较混合策略哈里斯鹰优化(MSHHO)算法、原始HHO、MASSFOA、IPSO与PSO分别降低约2.5%、3.2%、4.9%、6.0% 和 7.9%; 在时延与能耗联合优化中亦展现出更快的收敛速度与更高的稳定性. 研究结果验证了DDHHO的有效性与优越性, 为车联网MEC资源管理提供了一种高效、稳定且可扩展的优化方案.

摘要:针对低光照人脸图像增强中真实配对数据不足和面部特征相关性较弱的问题, 提出了一种基于知识蒸馏与三维先验引导的半监督低光照图像增强算法. 首先, 构建了基于扩散模型的三维先验提取网络, 在三平面特征空间中扩散生成高质量的三维人脸先验, 为后续增强提供稳定的结构约束与细节参考. 随后, 设计了基于知识蒸馏的半监督图像增强网络, 联合使用配对与未配对数据, 实现低光照人脸增强. 其中, 提出的三维先验融合模块提升了模型对人脸空间结构的感知能力, 从而生成结构自然、细节逼真的增强结果. 同时, 无监督知识蒸馏策略结合网络内与网络间一致性, 有效提升模型的泛化性能. 实验结果表明, 该方法在合成和真实低光照人脸数据集上均取得了优异表现, 能够显著增强图像亮度与视觉真实感.

摘要:针对森林场景下火灾目标的特征衰减、背景干扰和实时性瓶颈问题, 提出基于长程依赖建模与动态特征融合的森林火灾检测算法. 首先, 通过融合条带池化模块Strip Pooling与金字塔池化的多尺度感知能力, 构建长程-局部双模态特征增强机制, 强化目标特征的全局形态表征与局部细节提取; 其次, 设计空间增强注意力检测头Detect-SEAM, 通过通道-空间双重注意力协同机制抑制背景噪声干扰, 增强遮挡目标的空间特征响应; 最后, 在颈部网络引入动态上采样算子DySample, 基于输入特征自适应性调整采样策略, 减少特征信息损失并平衡检测精度与实时性. 实验结果表明: 改进模型在森林火灾数据集Wildfire上的mAP值达到86.5%, 提升3.7%, 精度达到85.1%, 提升2.2%, 召回率达到78.2%, 提升3.4%, 推理速度达到68.86 f/s. 该模型实现了检测精度与推理效率的协同优化, 为森林火灾检测提供了有效解决方案.

摘要:倒木是森林生态系统的重要组成部分, 其准确识别与分割是开展森林资源清查与动态监测的重要基础. 针对森林倒木图像中倒木目标呈现出形态多变、尺度差异显著及边界模糊等复杂特性, 提出一种基于改进YOLO11的倒木图像实例分割算法DSM-YOLO. 针对倒木形状不规则问题, 引入了双动态任务对齐分割头(dual dynamic task align head, DDTAH)代替原分割头, 通过多个卷积层联合提取特征以提升任务之间的互补性, 有效增强网络的特征提取和特征表达能力, 从而提升分割精度. 针对倒木尺度变化较大的问题, 在骨干网络中使用共享膨胀卷积金字塔(shared dilated convolution pyramid, SDCP)模块, 通过膨胀卷积多尺度特征, 使模型具备更强的多尺度适应能力, 确保不同尺度倒木的分割精度. 针对倒木边缘与背景过渡模糊、边界定位不精确的问题, 在骨干网络中使用多尺度边缘注意力 (multi-scale edge attention, MSEA)模块, 通过增强边缘特征, 使模型对倒木的边缘细节更敏感, 从而减少背景干扰, 提升倒木目标的边界分割效果. 实验结果表明, 本文所提模型的mAP50比原始YOLO11模型提高了4.3%. 与其他分割模型相比, 本文所提模型精度更高, 证明了DSM-YOLO的有效性, 为森林资源的精细调查提供技术支持.

摘要:针对高吞吐网络环境下的带宽隔离需求, 本文提出一种基于FPGA的硬件化令牌桶带宽限制技术. 通过设计“时间驱动”模型, 将传统周期累积式令牌桶转化为发送时间计算机制, 避免令牌逐周期更新带来的开销; 结合整数化等效令牌注入技术, 在消除浮点运算的同时, 实现了10 Mb/s–100 Gb/s范围内的精细化速率控制. 系统采用流水线架构与双端口BRAM优化, 支持超过4k队列的并行限速调度控制. 在Xilinx Alveo U200平台上的实验结果表明, 所提方案在单队列调度场景下吞吐率提升近100%, 资源开销显著降低(LUT减少89%, 寄存器减少77%, BRAM减少≥20%), 速率控制误差低于0.1%. 本技术为高性能网络系统提供了一种具备纳秒级精度和高扩展性的带宽隔离解决方案.

摘要:针对车联网(Internet of Vehicles, IoV)中大多数基于位置的路由协议存在传输时延高的问题, 提出一种基于移动贝叶斯和仿生智能算法的路由协议. 首先, 该协议在原贪心周界无状态路由(greedy perimeter stateless routing, GPSR)协议的基础上引入动态贝叶斯网络(dynamic Bayesian network, DBN), 用于预测车辆下一时刻位置, 然后确定下一时刻距离源节点最远且最可靠的节点. 基于所确定的节点确定可信通信范围, 在可信通信范围内添加移动性的概念来选择下一跳. 其次, 如果不符合贪心转发条件而转入周界转发, 该协议采用混合蛙跳算法(shuffled frog leaping algorithm, SFLA)、蚁群优化算法(ant colony optimization algorithm, ACO)和左右手法则来确定下一跳路由路径. 实验结果表明, 该协议在高速公路场景中的数据包丢失率(packet loss rate, PLR)和吞吐量均优于经典GPSR、无线自组网按需平面距离向量路由(ad-hoc on-demand distance vector routing, AODV)协议、基于粒子群优化的GPSR (particle swarm optimization based GPSR, PSO-GPSR)协议和最大累计通信持续时间最小角度GPSR (maxduration-minangle GPSR, MM-GPSR)协议.

摘要:卷烟加工过程对生产线上混合物料状态的感知能力, 直接影响产品质量与运行效率. 但当前监测方法主要聚焦原料属性, 难以全面揭示生产线运行状态. 为此, 提出一种以烟垢为切入点的生产线异常检测新方法, 通过引入自适应特征增强模块(adaptive feature enhancement, AFE)和多尺度卷积注意力机制(multi-scale convolutional attention mechanism, MSCAM), 提升模型在复杂背景下的烟垢小目标检测精度和实时性, 构建出高效率的烟垢检测YOLO11-AM网络. 对标准取样得到的烟草混合物料, 在正交优化后的环境参数下进行消融实验, 结果表明YOLO11-AM模型的平均精度达到97.8%. 同时, 推理速度较基础模型提升了24.6%, 达到2.16 ms/张. 进一步的工业部署显示, 模型预测烟垢质量的误差控制在±5%以内, 满足卷烟厂对在线监测系统的性能要求. 本研究为烟草行业的智能化质量控制提供了高效技术支持, 具有显著的理论和实践价值.

摘要:针对在遮挡和日常环境中, 盒式物体位姿计算精度差等问题, 提出采用基于RTMPose-BRNM的盒式物体2D关键点检测和点云深度信息相结合的位姿计算方法. 首先, 引入RFAConv替换普通Conv卷积, 提高遮挡2D关键点坐标识别精确度; 使用NATTEN模块, 提高模型对盒式物体边缘轮廓点抽取能力; 设计混合感受野卷积(mixed-perception convolution, MPC)结构, 增强不同尺寸盒式物体识别适应性. 实验结果表明, RTMPose-BRNM关键点识别算法平均像素距离误差(mean pixel distance error, MPDE)为0.98, 相比于原RTMPose模型, 降低了1.19; 改进后平移误差和旋转误差为1.32%和0.96°左右.

摘要:随着极端气候频发, 提升降水预报能力已成为气象业务中的迫切需求. 现有的大多数基于数据驱动的方法将降水的运动与强度耦合建模, 尽管能有效捕捉大尺度降水系统, 却难以准确预测中小尺度强降水的剧烈演变, 限制了其在强降水预报上的评分. 本文基于拉格朗日变换实现运动与强度的解耦, 构建了一种双分支融合网络LAFUNet, 一个分支直接分析原始雷达图像序列, 以捕捉大尺度降水的空间结构与运动特征; 另一个分支将降水场转换至拉格朗日坐标系, 专注于建模降水强度的演变, 从而更有效地表征与中小尺度强降水相关的非线性强度变化. 此外, 双分支交互模块用于自适应地融合两个分支的特征. 实验基于CIKM和SEVIR公开雷达数据集开展, 结果表明, 该模型在强降水预报上的性能突出. 尤其是在SEVIR数据集上, 针对强度阈值超过219的极端降水事件, 其未来1 h的CSI指标高达0.1368, 显著超越了VMRNN等模型.