屈瑾瑾
- 作品数：10 被引量：14H指数：2
- 供职机构：桂林电子科技大学更多>>
- 发文基金：国家自然科学基金广西壮族自治区自然科学基金更多>>
- 相关领域：自动化与计算机技术轻工技术与工程更多>>
- 一种基于卷积神经网络的服装图像检索方法
- 本发明提出一种基于卷积神经网络的服装图像检索方法,该检索方法包括以下步骤：S1对图像进行预处理，提取感兴趣的服装区域；S2采用卷积神经网络Inception‑v3模型作为预训练模型，将预处理后的图像信息输入到预训练模型中...
- 胡聪屈瑾瑾周甜朱爱军许川佩陈涛
- 文献传递
- 一种多目标NoC测试规划优化方法
- 本发明公开一种多目标NoC测试规划优化方法，采用重用NoC作为测试存取机制的并行测试方法，对NoC中的IP核进行测试，节省测试资源，提高测试效率。在量子多目标进化算法的基础上，采用多进制概率角编码替代二进制概率幅编码，更...
- 胡聪朱爱军周甜万春霆许川佩朱望纯屈瑾瑾贾梦怡
- 一种基于正弦余弦算法的NoC测试规划方法
- 本发明公开一种基于正弦余弦算法的NoC测试规划方法，采用专用TAM的并行测试方法，在满足功耗、引脚约束的条件下，建立测试规划模型，对NoC进行测试。通过群体围绕最优解进行正弦、余弦的波动，以及多个随机算子和自适应变量进行...
- 胡聪屈瑾瑾周甜许川佩朱望纯朱爱军陈涛郑岚
- 一种三维片上网络测试规划方法
- 本发明公开一种三维片上网络测试规划方法，结合3D NoC测试的特点建立一种时间Petri网模型，将变迁激发序列作为并行测试任务规划方案，通过改进的两级递阶蝙蝠算法，在测试路径分配基础上进行顺序调度优化，将测试资源合理有效...
- 胡聪贾梦怡周甜万春霆许川佩朱望纯屈瑾瑾
- 文献传递
- 基于自适应池化的神经网络的服装图像识别被引量：12
- 2018年
- 针对传统池化方式不能提取有效特征值的问题,提出根据池化域的尺寸、池化域内的元素值和网络的训练轮数调整池化结果的自适应池化方法,该算法依据插值原理与最大值池化模型构建函数,以特定函数值作为池化结果,然后利用交叉验证进行模型对比实验。同时提出了小样本调优法以解决目前依靠经验值在全部数据集上验证选取超参数效率较低的问题。在原始数据集上,按照分层抽样的规则抽取小样本,并基于小样本数据集对已编码的超参数组合循环训练并测试,通过对识别率最高的组合解码确定最优超参数。选用Deep Fashion数据库进行相关实验,结果显示自适应池化模型的识别率达到83%左右,与最大值池化模型相比提高约2.5%。通过小样本选定超参数,并与随机组合超参数在原始数据集上进行对比实验,结果显示小样本调优法选择的超参数在经验值范围内最优,识别结果为86.98%,与随机组合超参数的平均识别率相比提高了约41.4%。自适应池化方法可以扩展到其他的神经网络中,小样本调优法对高效选取神经网络的超参数提供了依据。
- 胡聪屈瑾瑾许川佩朱爱军
- 关键词：卷积神经网络
- 基于卷积神经网络的服装图像识别与检索
- 服装网购具有方便、快捷、选择范围广等众多优点，使其越来越深刻地影响着人们的生活。随着服装网购的普及，人们对网购方式的需求也在不断发生变化，传统的基于文本关键词的检索方式，往往出现检索错误、分类不准确的情况，这主要是因为人...
- 屈瑾瑾
- 关键词：卷积神经网络特征提取
- 文献传递
- 一种多目标NoC测试规划优化方法
- 本发明公开一种多目标NoC测试规划优化方法，采用重用NoC作为测试存取机制的并行测试方法，对NoC中的IP核进行测试，节省测试资源，提高测试效率。在量子多目标进化算法的基础上，采用多进制概率角编码替代二进制概率幅编码，更...
- 胡聪朱爱军周甜万春霆许川佩朱望纯屈瑾瑾贾梦怡
- 文献传递
- 一种基于正弦余弦算法的NoC测试规划方法
- 本发明公开一种基于正弦余弦算法的NoC测试规划方法，采用专用TAM的并行测试方法，在满足功耗、引脚约束的条件下，建立测试规划模型，对NoC进行测试。通过群体围绕最优解进行正弦、余弦的波动，以及多个随机算子和自适应变量进行...
- 胡聪屈瑾瑾周甜许川佩朱望纯朱爱军陈涛郑岚
- 文献传递
- 基于调和距离量子多目标进化算法的NoC测试规划优化被引量：2
- 2017年
- 如何实现测试时间和测试功耗协同优化是目前片上网络(Network-on-Chip,NoC)测试中亟待解决的问题.提出一种基于调和距离量子多目标进化算法(Harmonic distance quantum-inspired multiobjective evolutionary algorithm,HQMEA)的NoC测试规划优化方法.采用重用NoC作为测试存取机制(Test access mechanism,TAM)的并行测试方法,对NoC中的内核进行测试,节省测试资源,提高测试效率.提出的算法在量子多目标进化算法(Quantum-inspired multiobjective evolutionary algorithm,QMEA)的基础上,采用多进制概率角编码替代二进制概率幅编码,更好的适应NoC测试规划问题;采用调和距离替代拥挤距离(Crowding distance)能更好的衡量拥挤程度;采用混沌策略动态更新旋转角,能很好地兼顾了算法的探索和发掘能力.在ITC’02test benchmarks测试集上进行对比实验,结果表明相比量子多目标进化算法,提出的算法不仅提升了算法的收敛性,而且保证了Pareto解集良好的分布性.
- 胡聪李智周甜屈瑾瑾许川佩
- 关键词：片上网络混沌映射
- 一种三维片上网络测试规划方法
- 本发明公开一种三维片上网络测试规划方法，结合3D NoC测试的特点建立一种时间Petri网模型，将变迁激发序列作为并行测试任务规划方案，通过改进的两级递阶蝙蝠算法，在测试路径分配基础上进行顺序调度优化，将测试资源合理有效...
- 胡聪贾梦怡周甜万春霆许川佩朱望纯屈瑾瑾
