何立明
- 作品数：10 被引量：37H指数：3
- 供职机构：长安大学信息工程学院更多>>
- 发文基金：中央高校基本科研业务费专项资金国家自然科学基金交通部西部交通建设科技项目更多>>
- 相关领域：自动化与计算机技术交通运输工程电子电信更多>>
- 基于GRU-GCN-RDrop模型的交通速度预测被引量：2
- 2023年
- 准确并实时地预测交通速度是实现智能交通管控和建设智慧交通系统必不可少的一环,然而现有的预测方法无法准确地挖掘其潜在的时空相关性。为了进一步挖掘数据的时空特性以及提高预测精度,设计了基于门控循环神经网络(GRU),图卷积网络(GCN)和正则化Dropout(R-Drop)结合的GRU-GCN-RDrop组合模型。GCN用于学习复杂的拓扑结构来捕获空间依赖性,GRU用于学习交通数据的动态变化来捕获时间依赖性。GCN和GRU相结合后使用R-Drop方法提高模型泛化能力。以SZ-taxi数据集为例进行预测分析,GRU-GCN-RDrop模型预测了未来在15分钟、30分钟、45分钟和60分钟的交通速度,并得出对应的均方根误差、平均绝对误差、精度、判定系数和解释方差。对比GCN、GRU单个模型,GRU-GCN-RDrop模型有效解决了误差的迅速累积问题。对比大多数现有基准模型,GRU-GCN-RDrop模型对于交通速度序列的特征提取及解释能力较为优秀。对比T-GCN模型和ST-AGTCN模型,GRU-GCN-RDrop模型泛化能力更强。由此说明了GRU-GCN-RDrop模型预测的交通速度时间序列具有较高的精度和稳定性。
- 赵嘉雨段亚茹何立明
- 基于语义空间感知与注意力的文本生成图像方法
- 2025年
- 文本生成图像任务中存在图像与文本描述不匹配现象以及图像生成质量不佳的现象。为了改善文本与生成图像之间的匹配程度以及更高质量地生成图像,该文提出了一种新颖的生成对抗网络模型(WSA-GAN)。将单词文本编码后的嵌入向量经过交叉注意力方法以及置信度特征融合方法,有效地将单词级语义特征与图像隐藏特征融合。同时引入了语义空间感知卷积模块(SSACN)并对其进行改进,采用深度可分离卷积替代了普通卷积,减少模型参数量,达成改善模型复杂度的目的,并利用自注意力与卷积混合层(ACMix)来捕获图像特征中各个像素之间的关系,在保证模型复杂度的条件下建模特征之间的长距离关系,使得模型能够捕获更广泛的上下文信息,在提高图像质量的同时,提升了文本与生成图像之间的对齐程度。通过在CUB-200-2011数据集上进行验证,对比主流模型,生成质量与文本对齐度均有一定程度的提高。
- 欧阳安杰孙大盟何立明
- 关键词：多模态融合
- 基于IRS辅助的OFDM-IM系统设计被引量：1
- 2023年
- 索引调制(index modulation,IM)和智能反射面(intelligent reflecting surface,IRS)是新兴的移动通信技术。为了提高传统正交频分复用(orthogonal frequency division multiplexing,OFDM)系统的可靠性,设计一种基于IRS的索引调制正交频分复用(orthogonal frequency division multiplexing-index modulation,OFDM-IM)系统。首先,使用空间调制和频域调制设计OFDM-IM系统,增大子载波间的欧几里得距离。其次,通过建立等效电路模型,设计实用的IRS模型。最后,使用交替优化算法联合优化接入点(access point,AP)的主动发射功率和IRS处的被动波束形成。仿真结果表明,基于IRS辅助的OFDM-IM系统与基准方案相比,其误符号率(symbol error rate,SER)或误码率(bit error rate,BER)可以降低60%~90%,在较高信噪比情况下,系统SER或BER可达到1.0×10^(-6),这说明IM和IRS技术的引入优化了端到端通信系统的链路传输质量。此外,以基于IRS辅助的OFDM-IM系统为标准,仿真结果证明了IRS模型和IM中各参数对系统的影响,并得出了系统中各模型参数要根据信道状态信息(channel state information,CSI)合理选择的结论。
- 赵萌萌何立明刘芳芳
- 关键词：正交频分复用
- 基于改进D-LinkNet模型的高分遥感影像道路提取研究被引量：15
- 2021年
- 针对高分影像中的道路信息易受植被阴影、高楼建筑物、河流等非道路信息干扰的问题,提出一种高分遥感影像道路提取模型。在中心区域引入channel-spatial双注意力机制捕获道路信息的全局特征依赖,并基于原始模型DICE+BCE损失函数,构建新型的超参数权重损失来优化网络模型中参数迭代的误差,改善道路分割的精度。按照1∶1、2∶1、3∶1、4∶1、5∶1这5种比值设定超参数权重比,通过调节超参数权值比获取模型最佳的道路分割性能。实验结果表明,与FCN-8s、U-Net等模型相比,改进D-LinkNet模型道路分割效果明显提升,能有效地规避因非道路因素对道路提取干扰而导致的“虚检”“漏检”“误检”的现象。
- 张立恒王浩薛博维何立明吕悦
- 基于改进Fairmot框架的多目标跟踪被引量：2
- 2022年
- 针对复杂场景下目标之间遮挡造成跟踪精度降低的问题,提出基于Fairmot框架的多目标跟踪改进算法。将主干网特征图通过三重注意力机制进行维度间的信息交互产生注意力掩模,提高对目标的定位能力;行人重识别分支采用Circle Loss依据当前状态选择优化程度,提取更为精确的表观特征,区分不同目标对象。实验结果表明,在MOT15数据集上跟踪精度提升至62%,MT(Mostly Tracked)提升至358,身份切换降低68次,在发生遮挡的场景中拥有更出色的跟踪效果。
- 席一帆何立明吕悦
- 关键词：图像处理目标跟踪
- 无线传感器网络整合时钟同步方案被引量：1
- 2009年
- 针对多数无线传感器网络时钟同步方案存在的仅纠正时钟偏移问题,提出一种新的解决方案,整合时钟偏移同步和时钟速率同步,通过3个连续的消息传输实现单跳同步,采用分层的生成树实现多跳同步。仿真实验结果表明,与现有的同步方案比较,该方案的同步错误更小,能够获得更长的再同步周期。
- 何立明
- 关键词：无线传感器网络时钟同步时钟偏移时钟速率
- 基于单一像素值改变的图像置乱新算法被引量：4
- 2012年
- 针对数字图像传输的安全问题,提出一种基于单一像素值改变的图像置乱新算法,该算法将密码学中维吉尼亚加密算法进行修正,使之能够应用于数字图像的加密。实验结果表明,该算法加密的图像安全性高,与传统的基于单一像素值改变的置乱算法相比较,具有更好的抗噪声性能,该算法具有很高的灵活性,其加密图像的置乱程度与工作密钥的选择具有密切的关系,并且适合加密任意尺寸的数字图像。以上优越性使得该算法更能适合于数字图像的网络传输过程,以及其他对数字图像安全有较高要求的领域。
- 何立明强赛莉
- 关键词：图像置乱置乱程度
- 基于改进Deeplab V3+网络的语义分割被引量：9
- 2020年
- 深度学习的语义分割在计算机视觉领域中有非常广阔的发展前景,但许多分割效果较好网络模型占用内存大和处理单张图片耗时长.针对这个问题,把Deeplab V3+模型的骨干网(ResNet101)的瓶颈单元设计为1D非瓶颈单元,且对空洞空间金字塔池化模块(Atrous Spatial Pyramid Pooling,ASPP)的卷积层进行分解.该算法能大幅度降低Deeplab V3+网络的参数量,提高网络推理速度.基于PASCAL VOC 2012数据集进行对比实验,实验结果显示改进网络模型拥有更快的处理速度和更优的分割效果,且消耗更少的内存.
- 席一帆孙乐乐何立明吕悦
- 基于生成对抗网络的文本生成图像算法被引量：3
- 2023年
- 文本生成图像算法对生成图像的质量和文本匹配度有很高的要求.为了提高生成图像的清晰度,在现有算法的基础上改进生成对抗网络模型.加入动态记忆网络、细节校正模块(DCM)、文本图像仿射组合模块(ACM)来提高生成图片的质量.其中动态记忆网络可以细化模糊图像并选择重要的文本信息存储,以提高下一阶段生成图像的质量.DCM纠正细节,完成合成图像中缺失部分.ACM编码原始图像特征,重建与文本描述无关的部分.改进后的模型实现了两个目标,一是根据给定文本生成高质量的图片,同时保留与文本无关的内容.二是使生成图像不再较大程度依赖于初始图像的生成质量.通过在CUB-200-2011鸟类数据集进行研究实验,结果表明相较之前的算法模型,FID(Frechet inception)有了显著的改善,结果由16.09变为10.40.证明了算法的可行性和先进性.
- 段亚茹赵嘉雨何立明
- 关键词：图像生成
- 基于改进STGCN深度学习框架的交通速度预测
- 2024年
- 实时准确的交通速度预测对于加快智慧交通建设和推动智能交通系统发展至关重要。然而交通网络具有复杂的空间结构和动态随机的时变特征,致使现有预测方法无法准确捕捉其隐藏的时空相关性。为了充分挖掘数据中隐藏的动态时空特性,并提高预测准确性,该文提出了一种基于STGCN框架的交通速度预测改进算法,即时空注意力图神经网络(STA-GNN)。该算法采用可学习的位置注意力机制,有效聚合邻近节点信息,从而获取道路网络中的空间相关性。同时,引入带有门控机制的以一维因果卷积网络为内核的时序卷积网络,来捕获时间序列中的时间相关性,并通过残差块连接来提高模型的泛化能力。所提方法在PeMSD7数据集上进行了15分钟、30分钟和45分钟的交通速度预测实验。实验结果显示,该模型在45分钟预测任务中,均方根误差相较于STGCN模型降低了约10.2%。表明STA-GNN模型在中长期交通速度预测任务中表现更为出色。
- 孙大盟欧阳安杰何立明
