面向自动驾驶的高效视图转换

下载全文  

在自动驾驶技术的领域中, 利用鸟瞰图(bird’s eye view, BEV)进行3D目标检测任务已经引起了广泛的关注. 针对现有相机至鸟瞰视图转换方法, 实时性不足、部署复杂度较高的难题, 提出了一种简单高效、无需任何特殊工程操作即可部署的视图转换方法. 首先, 针对完整图像特征存在大量冗余信息, 引入宽度特征提取器并辅以单目3D检测任务, 提炼图像的关键特征, 确保过程中信息损失的最小化; 其次, 提出一种特征引导的极坐标位置编码方法, 增强相机视角与鸟瞰图表示之间的映射关系与模型空间理解能力; 最后, 通过单层交叉注意力机制实现可学习BEV嵌入与宽度图像特征的交互, 从而生成高质量的BEV特征. 实验结果表明: 在nuScenes验证集上该网络架构与LSS (lift, splat, shoot)相比mAP从29.5%提升到32.0%, 提升了8.5%, NDS从37.1%提升到38.0%, 提升了2.4%, 表明该模型在自动驾驶场景下的3D目标检测任务的有效性. 同时相比于LSS在延迟上降低了41.12 %.… …   相似文献

刘家辉  官敬超  方鸿清  巢建树 《计算机系统应用》2025,34(2):246-253

基于通信延迟聚类和节点信誉的PBFT共识算法

  

针对现有基于分组策略的拜占庭容错共识算法中存在的主节点不稳定、延迟高等问题,提出一种基于通信延迟聚类和节点信誉的PBFT共识算法(CD-PBFT).首先,设计了新的基于通信延迟的聚类算法对网络中节点进行分组,将通信延迟融合进欧氏距离公式,让系统中的节点根据混合距离进行聚类,最终使… …   相似文献

石亦燃  邓小鸿  张丽  刘力汇  刘勇 《计算机应用研究》2025,42(2):344-351

基于深度图文细粒度对齐的弱监督多模态情感分析

  

针对现有多模态情感分析方法在模态对齐上不够精细,深度特征融合时易丢失重要信息的问题,提出了一种图文深度交互模型。该模型摒弃使用图像区域强监督的方式检测图片中物体,首先将图片平等划分成更精细的区域序列,通过双路融合流的深度融合层来对齐多模态数据中蕴含的潜在模式,并使用自适应门阀优化… …   相似文献

刘洲  马立平  张海燕 《计算机应用研究》2025,42(2)

迭代贪婪算法优化分布式阻塞流水车间成组鲁棒调度问题

  

为了优化复杂生产环境中生产计划的鲁棒性,确保不同场景下生产调度的稳定性,此研究将多生产线单元制造问题抽象为分布式流水车间成组调度问题,并在此基础上考虑了实际生产中常见的零缓冲区、加工时间不确定性和交付时间窗口等约束.首先,构建了以鲁棒性为优化目标的混合整数线性规划模型并使用Gur… …   相似文献

王一正  王玉亭  韩玉艳  李寰  高开周 《计算机应用研究》2025,42(2):469-476

面向细粒度应急物资配送的空间众包任务分配算法

  

应急物资的“最后一公里”配送为整个救援行动的末端环节,是提高整个救援行动效率的关键所在。为了解决细粒度的应急物资配送任务分配问题,提出了一种基于K-means聚类的博弈论任务分配算法,该算法能够保证所有任务在容忍时间内得到分配的同时最小化工人数量;然后,设计了一种延迟更新优化策略… …   相似文献

刘俊岭  吴晴晴  孙焕良  许景科 《计算机应用研究》2025,42(2)

基于概率分布的无服务器计算弹性伸缩算法

下载全文  

在容器技术和微服务框架的普及背景下,无服务器计算为开发者提供了一种无需关注服务器操作以及硬件资源管理的云计算范式. 与此同时,无服务器计算通过弹性扩缩容实时地适应动态负载变化,能够有效降低请求响应延时并且减少服务成本,满足了客户对于云服务成本按需付费的需求. 然而,无服务器计算中… …   相似文献

李威  李光辉  赵庆林  代成龙  陈思 《计算机研究与发展》2025,62(2):503-516

意图驱动的网络流量分布式测量方法

下载全文  

可编程交换机的网络流量测量技术凭借其特性可以处理高速网络流量,在灵活性、实时性等方面均有巨大的优势.然而,由于需要使用复杂的P4语言配置交换机的内部逻辑,测量任务部署复杂且易错.此外,测量准确度往往受限于交换机内部可用的测量资源.详细研究基于意图的网络及网络流量测量技术,提出一种… …   相似文献

张宇鑫  李福亮  元禹博  王兴伟 《软件学报》2025,36(2):732-746

基于密度的多度量空间数据聚类算法

下载全文  

具有噪声的基于密度的数据聚类(DBSCAN)算法是数据挖掘领域中的经典方法之一,其不仅能发现数据中潜藏的复杂关系,还能过滤其中的数据噪声,从而获得高质量的数据聚类.然而,现有的基于密度的数据聚类算法仅支持单模态(类型)数据的聚类,难以应对多模态(类型)数据并存的应用场景.随着信息… …   相似文献

朱轶凡  罗程阳  马瑞遥  陈璐  毛玉仁  高云君 《软件学报》2025,36(2):851-873

面向事故报告与指标项关联挖掘的根原因分析

下载全文  

为充分挖掘专家历史事故根原因分析经验, 提升事故根原因分析的准确性与全面性, 减少化工安全事故发生, 本文提出一种基于历史事故报告与根原因指标体系关联挖掘的分析方法. 通过构建事故报告与指标体系的关联矩阵, 采用预训练模型对事故文本和指标项文本进行表征, 基于注意力机制融合二级和… …   相似文献

陈鹏运  房敏营  侯孝波  杜军威 《计算机系统应用》2025,34(2):272-280

KCNN：一种神经网络轻量化方法和硬件实现架构

  

卷积神经网络（convolutional neural network,CNN）已成为图像识别领域最重要的一项机器学习技术. 近年来,随着CNN在边缘端部署的需求越来越多,CNN的轻量化也成为研究热点. 主流的CNN轻量化方法包括剪枝和量化,这2项技术都能有效地减少CNN推导过程中计算和存储开销. 然而,这些方法未能完全挖掘CNN中的双边稀疏性（权重稀疏和激活值稀疏）和潜在的数据复用. 因此,为了解决上述问题,提出一种全新的神经网络轻量化方法,通过k-means算法对卷积核和特征图的非0值进行聚类,整个神经网络的推导过程中只使用有限的聚类值作为乘数去完成全部卷积计算. 与以往卷积层计算复杂度$ O({n}^{3}) $相比,轻量化处理后的卷积层计算复杂度仅为$ O({n}^{2}) $,大幅度减少了计算量. 同时,将全连接层权重也进行非0值聚类处理,片上只存储聚类值和对应的索引向量,极大地减少存储开销. 最后,针对该轻量化方法设计一种硬件实现架构KCNN. 该架构将CNN中的不同处理流程模块化实现,与以往的实现架构相比增加一个非0值聚类模块,此外还设计了一些缓存来利用聚类后CNN中的数据复用. 实验结果表明在不损失推导精度的情况下,AlexNet网络整体计算量减少66%,存储开销减少85%.… …   相似文献

陈桂林;王观武;王康;胡敏慧;邓俊荃 《计算机研究与发展》2025,62(2):532-541