<?xml version="1.0" encoding="utf-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005">
<channel xmlns:cfi="http://www.microsoft.com/schemas/rss/core/2005/internal" cfi:lastdownloaderror="None">
<title cf:type="text"><![CDATA[广西科学 -->交通场景]]></title>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[GCTR:粒度统一的跨模态文本行人检索网络模型]]></title>
<link><![CDATA[http://gxkx.ijournal.cn/gxkx/ch/reader/view_abstract.aspx?file_no=20240515&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[现有的文本行人检索网络模型在检索任务中缺乏对图文语义联系的关注，且容易忽略文本与图像特征之间的粒度差异，针对这两大问题，本研究提出一种粒度统一的跨模态文本行人检索网络模型(Granularity-unified Cross-modal Text-person Retrieval model，GCTR)。首先，GCTR利用具备跨模态迁移知识能力的视觉语言预训练模型来获取具有基础关联性的文本和图像特征；其次，本研究提出一个跨模态粒度特征增强模块(Cross-Model Feature Enhancement module，CMFE)，它利用跨模态特征增强码表(Enhanced Cross-modal Feature Codebook，ECFC)获取具有统一粒度的图像文本特征，解决了图文特征粒度差异的问题；最后,结合局部和全局的匹配损失策略完成模型的训练。GCTR在CUHK-PEDES、ICFG-PEDES和RSTPReid 3个公开数据集上的表现均优于现有的主流模型，证明了GCTR在跨模态文本行人检索任务上的优越性。]]></description>
<pubDate>2025/3/13 16:06:37</pubDate>
<category><![CDATA[交通场景]]></category>
<author><![CDATA[覃晓，张金勇，龚远旭，吴琨生，黄豪杰，淳鑫，元昌安]]></author>
<guid><![CDATA[http://gxkx.ijournal.cn/gxkx/ch/reader/view_abstract.aspx?file_no=20240515&flag=1]]></guid><cfi:id>6</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于特征选择和聚类的动态选择性集成模型]]></title>
<link><![CDATA[http://gxkx.ijournal.cn/gxkx/ch/reader/view_abstract.aspx?file_no=20240516&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为提高辐射源个体识别的准确率,降低动态选择性集成的计算复杂度，本文提出基于特征选择和聚类的动态选择性集成模型(FSC-DES)。利用归一化皮尔森相关系数法度量不同基分类器间混淆矩阵的差异性，以各基分类器准确率最高及基分类器间差异性最大为目标，得到基分类器集合和对应特征子集集合。利用聚类方法将验证集划分为若干类，以验证集分类准确率最高为目标，为每簇验证集选择最优的基分类器子集和对应的特征子集。在测试阶段，对测试集进行聚类，仅比较每簇测试样本和每簇验证样本数据分布的最大均值差异值，减少运算时间。每簇测试样本在相似度最高的验证集所对应的特征子集集合和基分类器子集下进行预测，并根据不同权重基分类器预测结果的加权和进行最终决策。为验证方法的必要性和优越性，将本文方法与传统集成学习方法进行对比，结果表明，本文方法在信噪比分别为10、5 dB的条件下，分类准确率均提升约5%，具有更好的分类效果和泛化性能。]]></description>
<pubDate>2025/3/13 16:06:37</pubDate>
<category><![CDATA[交通场景]]></category>
<author><![CDATA[徐雨芯，曹建军，王保卫，翁年凤，顾楚梅]]></author>
<guid><![CDATA[http://gxkx.ijournal.cn/gxkx/ch/reader/view_abstract.aspx?file_no=20240516&flag=1]]></guid><cfi:id>5</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[一种基于人体姿态的新型中国交警手势识别网络]]></title>
<link><![CDATA[http://gxkx.ijournal.cn/gxkx/ch/reader/view_abstract.aspx?file_no=20240517&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[交警手势识别对于自动驾驶技术至关重要，现有的基于人体姿态的交警手势识别方法在骨架特征提取中存在特征不完整、鲁棒性不足等问题；时序特征提取存在动态信息丢失、时序依赖性弱、实时性差等问题，其效果也极易受到环境背景的影响。本研究提出一种基于人体姿态的新型交警手势识别网络(Pose Long Short-Term Memory,PoseLSTM)。PoseLSTM中的关节组合编码器(Compositional Tokens Multi-layer perceptron Mixer,CTMM)能够捕捉身体各关节间的关联特征，并通过依赖建模来转换这些关节信息，形成多部位特征表示，解决了基于长短期记忆(Long Short-Term Memory,LSTM)的算法无法有效提取骨架特征的问题；此外，PoseLSTM中的混合架构注意力LSTM (Attention LSTM)，能更好地融合输入与隐藏状态的信息，其效果优于原始LSTM。实验结果表明，PoseLSTM在开源的中国交警手势数据集上的准确率为100.00%，实现了最优。为了证明PoseLSTM的泛化能力，在开放手语数据集LSA64、WLASL-100和CSL-500上进行实验，其准确率分别达到100.00%、59.69%和96.40%。]]></description>
<pubDate>2025/3/13 16:06:37</pubDate>
<category><![CDATA[交通场景]]></category>
<author><![CDATA[覃晓，李永玉，吴琨生，元昌安，谭思靖，刘善锐]]></author>
<guid><![CDATA[http://gxkx.ijournal.cn/gxkx/ch/reader/view_abstract.aspx?file_no=20240517&flag=1]]></guid><cfi:id>4</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[面向巡检任务的无人机三维航迹自适应规划算法]]></title>
<link><![CDATA[http://gxkx.ijournal.cn/gxkx/ch/reader/view_abstract.aspx?file_no=20240518&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[传统方法求解复杂环境下巡检无人机航迹规划问题，容易出现收敛于局部最优航迹、全局搜索精度差等不足。为此，本研究提出一种非线性威布尔飞行爬行动物搜索算法(Non-linear Weibull Flight Reptile Search Algorithm,NWFRSA)，用于巡检无人机航迹自适应规划。通过引入改进无限折叠迭代混沌映射(Iterative Chaotic Map with Infinite Collapses,ICMIC)初始化策略来提升初始航迹解的多样性和质量，利用S型特征函数非线性进化因子实现全局最优航迹的探采均衡，并设计威布尔飞行算子变异策略使算法能跳离局部最优航迹，丰富搜索空间并提高收敛精度。同时，本研究构建了巡检无人机的航迹规划模型，设计了考虑航迹总长度、飞行高度、飞行转角及威胁模型的权重目标函数，将三维空间内的航迹规划转换为约束条件下的多目标优化问题。研究结果表明，在不同复杂程度障碍物与威胁区域分布的飞行环境下，相比于粒子群优化算法(PSO)、蝴蝶优化算法(BOA)和爬行动物搜索算法(RSA)，NWFRSA均能有效减小航迹代价(4.53%-34.47%)，有助于提高巡检任务效率和安全性。]]></description>
<pubDate>2025/3/13 16:06:37</pubDate>
<category><![CDATA[交通场景]]></category>
<author><![CDATA[赵召娜，李丽燕，张云霞，范莹，冯笑]]></author>
<guid><![CDATA[http://gxkx.ijournal.cn/gxkx/ch/reader/view_abstract.aspx?file_no=20240518&flag=1]]></guid><cfi:id>3</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于无需校准激光雷达曲线与RGB-D图像的数据融合方法]]></title>
<link><![CDATA[http://gxkx.ijournal.cn/gxkx/ch/reader/view_abstract.aspx?file_no=20240519&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[激光雷达和RGB-D摄像机是在各种机器人导航任务中广泛使用的两种传感器。尽管通过图像校准能够降低传感器中存在的噪声，但由于外部复杂环境的影响，融合数据中仍会有空洞和毛刺。为此，本文提出一种无需校准激光雷达曲线与RGB-D图像的数据融合方法。该方法利用激光雷达曲线和RGB-D图像数据在格式上存在显著差异但在深度信息上紧密相对的特点，通过时间配准和相关性分析，将激光雷达曲线在高度上与RGB-D图像配准。同时，即使在不进行校准的情况下，该方法也能将RGB-D图像在高度上的相应线条自动配准到激光雷达曲线在宽度上的范围。使用室内开放式机器人导航数据集Robot@Home中的数据对本文方法进行评估，结果表明，该方法可同时为激光雷达曲线和RGB-D图像的原始数据去噪。该方法已在真实的导航环境中得到了验证，可扩展应用于机器人导航的更精确的二维地图构建中。]]></description>
<pubDate>2025/3/13 16:06:37</pubDate>
<category><![CDATA[交通场景]]></category>
<author><![CDATA[徐正丽，肖素芳，杨明浩]]></author>
<guid><![CDATA[http://gxkx.ijournal.cn/gxkx/ch/reader/view_abstract.aspx?file_no=20240519&flag=1]]></guid><cfi:id>2</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于混合策略改进阿奎拉鹰优化算法的多目标红外WSN节点覆盖优化]]></title>
<link><![CDATA[http://gxkx.ijournal.cn/gxkx/ch/reader/view_abstract.aspx?file_no=20240520&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为了提高无线传感器网络(Wireless Sensor Network,WSN)节点对目标区域的覆盖率，提出一种多目标红外WSN节点覆盖优化算法——混合策略改进阿奎拉鹰优化算法(Hybrid Strategy Improved Aquila Optimizer,HSIAO)。为提高节点目标位置的搜索精度，引入准对立学习机制提升初始种群多样性和个体质量，设计伯努利(Bernoulli)混沌映射高空飞行机制提升算法全局搜索能力，并利用瞬态搜索低空飞行机制丰富个体攻击行为的多样性，同时采用自适应随机无迹sigma点变异避免迭代后期的搜索盲区，避免位置搜索出现停滞钝化，提高收敛精度。综合考虑WSN节点的覆盖率、覆盖冗余及节点移动能耗，建立网络覆盖的多目标适应度函数，通过改进的阿奎拉鹰优化算法对多目标红外WSN节点覆盖问题迭代求解。实验结果表明，该改进算法能有效降低节点冗余率和提高网络覆盖率，生成的自组网能延长传感器网络的有效工作时间。]]></description>
<pubDate>2025/3/13 16:06:37</pubDate>
<category><![CDATA[交通场景]]></category>
<author><![CDATA[黄华，张苗]]></author>
<guid><![CDATA[http://gxkx.ijournal.cn/gxkx/ch/reader/view_abstract.aspx?file_no=20240520&flag=1]]></guid><cfi:id>1</cfi:id><cfi:read>true</cfi:read></item>
</channel>
</rss>