夏懿
- 作品数：15 被引量：38H指数：3
- 供职机构：安徽大学电气工程与自动化学院更多>>
- 发文基金：国家自然科学基金安徽省自然科学基金安徽省高校省级自然科学研究项目更多>>
- 相关领域：自动化与计算机技术机械工程理学农业科学更多>>
- 基于双通道循环一致性GAN的跨视角步态识别研究
- 2022年
- 步态识别系统在生物识别领域显示出巨大的潜力,然而步态识别的准确性很容易受到视角的影响。为解决这一问题,提出的方法基于循环生成对抗网络(cycle generative adversarial network,Cycle-GAN)的网络结构,结合新的特征提取模块以及多重损失函数,提出了一种用于跨视角步态识别的网络模型双通道循环一致性生成对抗网络(two-channel cycle consistency generative adversarial network,TCC-GAN)。该网络首先将步态能量图像从任意视角转换为目标视角图像,然后进行比对从而实现身份识别。TCC-GAN分别引入了重建损失、视角分类和身份保持损失来指导生成器生成具有目标视角的步态图像并同时保留身份信息。为了避免可能存在的模式崩塌问题,并保证各个输入和输出以有意义的方式进行映射,模型中还利用了循环一致性损失。数据集CASIA-B和OU-MVLP上的实验结果表明:所提TCC-GAN模型的跨视角识别率高于目前大多数其他基于GAN的跨视角步态识别模型。
- 王宇夏懿
- 关键词：步态能量图
- 一种用于步态分析的足印提取算法被引量：1
- 2018年
- 针对复杂步态在大面积压力感应场地上的足印提取问题,提出一种分阶段的方案用于解决如下两个主要任务:(1)单个脚印从着地到离地整个时间段的定位与划分,(2)复杂脚印多阶段动作分解。所提方法包括如下两个步骤:压力图像中分属左右脚的压力点聚类;基于触地面积大小的复杂脚印分解。文中以太极拳运动和帕金森病人的步态为例来阐述足印提取的具体过程。实验过程中,分别采集了不同人群、不同步态的足底压力数据序列进行分析,分割结果以上述两个任务的平均准确率来进行评估,所得结果为:单个脚印时间序列划分的平均准确率为99.62%,复杂脚印按动作分解的平均准确率为94.65%。
- 叶强夏懿姚志明
- 关键词：信号处理数据聚类步态分析
- 孔径光阑、视场光阑以及渐晕光阑的教学设计
- 2018年
- 光阑是工程光学这门课当中非常重要的一个知识点。其中孔径光阑、视场光阑以及渐晕光阑又是三种最常见的光阑,如何正确理解三者的定义和作用,并了解三者之间的联系与区别是教学难点。通过对教学以及考试环节的多年总结,提出在教学过程中不仅要重视三者的定义,同时也要注意把三者联系起来,在共性当中分析三者的差异,这样有助于学生正确理解光阑。
- 夏懿
- 关键词：教学设计
- 融合注意力机制的小麦赤霉病语义分割网络被引量：2
- 2023年
- 小麦赤霉病是导致小麦大幅度减产的病害之一,对其开展自动识别研究具有重大意义。然而,传统方法一般通过阈值、色彩直方图等在农田复杂背景下开展小麦赤霉病的分割识别研究,其分割识别精确度较差并且泛化能力也不尽如意。为了在节省大量人力成本的同时对小麦赤霉病病斑进行快速、准确地分割从而辅助农业工作者对小麦患病的严重程度进行确认并开展后续的针对性研究,提出一种融合卷积神经网络和注意力机制的小麦赤霉病语义分割网络模型UNetA。该模型依据小麦赤霉病数据集的特点,使用融合了位置自注意力和空间注意力的注意力机制模块,并将注意力机制模块融入改进了的UNet结构中,再利用加权交叉熵损失函数来衡量预测值与实际值的差距同时缓解样本不均衡问题。试验结果表明,与现有的经典网络模型相比,UNetA模型的分割精度和实时性明显占据优势,其MIoU值达到83.90%,分割单张图像所用平均时间仅为0.5880 s。
- 陈鹏马子涵章军夏懿王兵梁栋
- 关键词：注意力小麦赤霉病
- 基于焦点损失的半监督高光谱图像分类被引量：4
- 2020年
- 针对高光谱图像(HSI)训练数据获取困难的问题,采用了一种新的HSI半监督分类框架,该框架利用有限的标记数据和丰富的未标记数据来训练深度神经网络。同时,由于高光谱样本分布是不平衡的,导致不同样本分类难度存在巨大差异,采用原始交叉熵损失函数无法刻画这种分布特征,因而分类效果不理想。为了解决这个问题,在半监督分类框架中提出一种基于焦点损失的多分类目标函数。最后,考虑到HSI的空间信息对分类的影响,结合马尔可夫随机场(MRF),利用样本空间特征进一步改善分类效果。在两个常用的HSI数据集上,将所提方法与多种典型算法进行了实验对比分析,实验结果表明所提方法能够产生优于其他对比方法的分类效果。
- 张凯琳阎庆夏懿章军丁云
- 关键词：高光谱图像分类卷积神经网络
- 基于稠密卷积网络的轴承故障诊断被引量：3
- 2020年
- 轴承故障诊断非常依赖故障特征的提取,为了实现基于原始数据的更加直接的故障诊断,提出一种基于稠密卷积网络的轴承故障诊断方法。该方法首先将原始一维数据规范化,再输入到稠密块网络并结合softmax分类层来自适应学习轴承振动信号的有效特征,进而实现分类。实验中运用西储大学所提供的轴承故障数据库测试了网络的有效性,并且与其他常用轴承故障诊断网络进行对比。研究结果表明所提网络对基于轴承振动数据的故障类型识别准确率明显优于其它网络,特别是针对混入一定噪声的故障数据,仍然可以达到较高的诊断精度,因此有不错的抗噪声性能。
- 徐文学夏懿张德祥
- 关键词：故障诊断轴承特征提取数据规范化
- 基于卷积神经网络与注意力模型的人体步态识别被引量：12
- 2019年
- 步态识别是非接触式生物识别领域中一个比较前沿的课题,它主要是利用行走过程中个体步态之间的差异来识别人的身份。近年来,随着可穿戴传感器在人体信息采集中的广泛应用,利用惯性传感器采集步行过程中的线性加速度以及角速度进而实现步态特征提取是该领域中一个研究热点。为了提取更加有效的步态识别特征,利用基于注意力机制的卷积神经网络来进行步态特征的深度学习,其主要流程是先对原始数据进行预处理,接着利用卷积神经网络对处理后的数据提取步态特征,然后利用注意力机制对步态特征进行加强,最后再分类。实验结果证明了本文方法的优越性。
- 汪涛汪泓章夏懿张德祥
- 关键词：步态识别神经网络
- 基于互信息解耦表示的跨域压力足迹图像检索
- 2023年
- 足迹作为人体生物特征之一,在生物识别领域具有重要意义,而同一对象的不同鞋型压力足迹图像在足迹轮廓特征上具有显著性差异,导致其类内差异大。针对压力足迹图像的跨域检索,文中提出了一种基于互信息解耦表示的跨域压力足迹图像检索方法。首先,构建了一个包含200人足迹图像的多域压力足迹数据集,从定性和定量两个角度分析跨域压力足迹图像的特点;其次,采用两个独立的编码器实现图像解耦模块,该模块将压力足迹图像解耦为域特定表示和域共享表示,通过域分类法保证域特定表示包含更多域相关的信息;然后,通过最小化互信息损失扩大域特定表示和域共享表示之间的距离,同时,为避免解耦过程中信息的丢失,基于域特定表示和域共享表示重构原始压力足迹图像;最后,通过特征提取模块进一步提取域共享表示的深层卷积特征,经过度量模块计算不同特征间的关联度,从而实现跨域压力足迹图像检索。对比及消融实验结果表明,该方法的解耦模块具有一定的有效性,在多域压力足迹数据集上的性能表现良好,首位查询结果的检索准确率达到79.83%,平均准确率达到65.48%。
- 张艳许昌康曹丽青王年吴梦炎夏懿
- 关键词：图像检索互信息
- 基于Spec2Vec的电子电离质谱预测指纹研究
- 2022年
- 质谱法是一种广泛用于生物系统中化合物鉴定的技术。然而传统的质谱检索方法只能识别质谱库中已经存在的化合物。一种解决方法是通过分子指纹预测质谱,通过预测的质谱扩充质谱库。另一种方法是通过质谱预测分子指纹,通过分子指纹检索未知化合物。鉴于深度学习网络很难训练稀疏质谱,针对此问题,本文提出了一种基于Spec2Vec的质谱预测指纹方法。该方法使用质谱嵌入将稀疏质谱向量转化为稠密特征向量。实验结果表明,相较于直接使用质谱作为特征直接预测分子指纹,使用质谱嵌入方法进行指纹预测的表现更加优异。除此之外,本文所提出的方法还可以与指纹预测质谱方法联动以进一步提高识别精确度。
- 夏卿张宝杰章军夏懿陈鹏
- 关键词：质谱特征提取分子指纹
- 基于分子嵌入的电离质谱预测研究被引量：1
- 2022年
- 目前质谱技术被广泛应用于未知化合物成分分析。一种常见方式是将测得的待分析化合物质谱与现存质谱库中已有条目进行相似性计算。然而现有谱库存在覆盖性不足的问题:对于不存在于谱库中的化合物无法实现正确的检索。一种解决此问题的方式是从已知的分子结构及其对应的质谱数据中,利用神经网络得到分子结构特征与谱峰间存在的潜在映射关系,从而实现对质谱的预测。针对目前质谱预测方法中存在的分子结构特征丢失的问题,提出了一种基于分子嵌入的质谱预测方法,使用分子嵌入方法将分子结构特征转换为高维特征向量。结果标明,相较于传统方法中使用分子指纹对分子结构特征进行表示,使用分子嵌入方法进行质谱预测所得到的质谱平均相似性提高了5.4%,这些预测质谱在化合物检索任务中的表现也超过了基于分子指纹的预测方法。本文同时对实验中使用的数据集进行了差异性分析,表明该方法具有较好的泛化性能。
- 张宝杰夏卿陈鹏夏懿章军
- 关键词：质谱特征提取谱峰
