程培涛
- 作品数：40 被引量：25H指数：2
- 供职机构：西安电子科技大学更多>>
- 发文基金：国家科技型中小企业技术创新基金国家自然科学基金中央高校基本科研业务费专项资金更多>>
- 相关领域：自动化与计算机技术一般工业技术文化科学机械工程更多>>
- 基于改进yolov8s的铁路轨道扣件缺陷检测方法
- 本发明涉及目标检测技术领域，提供了一种基于改进yolov8s的铁路轨道扣件缺陷检测方法，该方法包括：获取轨道扣件图像；将轨道扣件图像输入构建好的缺陷检测网络，输出扣件缺陷类别和扣件缺陷位置；缺陷检测网络包括骨干网络、特征...
- 程培涛李艳龙王秀美范子祎张泽弘陈浩然雷璇娇李向宁
- 一种指示代词理解实现的研究被引量：1
- 2006年
- 根据现代汉语中指示代词和所指对象的位置关系,指代一般可分为3种类型:前指、后指和外指。针对前指型指示代词的“代名词”形式,分析代词的指代特点,以概念格(本体)为理论基础,建立概念从属树及名词概念的描述,表示概念之间的属性继承关系,进行无语义转换统一体内的代词先行词确定的研究,实现了其中用“就近概念从属匹配”原则确定先行词的部分,体现了代词的语义功能,并在初中几何智能解题系统中得到了成功应用。
- 董春玲李亚涛赵克程培涛
- 关键词：自然语言理解先行词概念格
- 基于深度相机和IMU组合的室内移动终端定位方法
- 本发明公开了一种基于深度相机和IMU组合的室内移动终端定位方法，其实现步骤为：通过纯视觉三维重建和深度图像数据，确定滑动窗口内采集每帧灰度图像时深度相机在相机坐标系下的位姿；通过重力向量，确定深度相机在世界坐标系下的初始...
- 张军禹仇原鹰王宇纬李静张剑宇程培涛段学超
- 文献传递
- 一种组合式光学仪器多向接头
- 本发明公开了一种组合式光学仪器多向接头，主要解决光学实验中，连接件功能单一，通用性差，难满足后续实验要求，易造成浪费的问题。其包括多个基础安装板、固定夹头和支撑杆，每个基础安装板由主体和连接凸缘构成，主体侧面设有连接螺孔...
- 仇原鹰李亚军张解语徐康力程培涛李静段学超扬长祺钟珂珂
- 文献传递
- 先进成图技术下工程图学与CAD系列课程的改革实践被引量：2
- 2018年
- 随着先进成图技术的和计算机信息建模技术的发展,现代企事业对图学类技术人员提出了新的要求。本文分析了当前国内外在工程图学与CAD人才培养和训练上的不同,提出了在先进成图技术背景下大学生的"图学能力"、"工程实践能力"、"CAD能力"以及"工匠精神"的培养和训练目标,并结合我校现有的教学现状、约束条件及有限资源,进行了工程图学与CAD系列课程的改革实践,论文给出了不同课程的培养和训练目标以及实施措施。实践表明本文提出的系列课程培养和训练目标以及实施办法是可行有效的,取得了相对满意的效果。其成果为相关课程或兄弟院校的工程图学与CAD的课程改革提供有益的借鉴。
- 杜淑幸秦萌张建国程培涛
- 基于多频段深度卷积神经网络的图像超分辨重建方法
- 本发明公开了一种基于多频段深度卷积神经网络的图像超分辨重建方法。其步骤为：选取训练样本和测试样本；训练图像进行分批输入网络，进行特征提取，并结合长短期记忆构建多频段学习结构，再进行特征细化、特征映射和上采样重建；根据训练...
- 程培涛高静张大兴章云
- 文献传递
- 一种改进CenterNet的轻量化目标检测算法被引量：1
- 2022年
- CenterNet算法结构复杂,导致其参数量大、计算复杂度高和检测速度较慢。针对这一问题,提出了一种CenterNet-encoder算法。该算法使用深度为104层的沙漏网络作为backbone,并将其中的残差模块替换为fire模块来减少算法的参数量,提高算法的计算速度;另外,在backbone和head之间加入了编码层,在不损失分辨率的同时增大了感受野,减少了内存的占用,让输出囊括更多尺度的信息;最后,使用均方误差损失进行边界框的回归,加快算法的收敛,进一步提升了算法的检测精度。CenterNet-encoder算法最终在MS-COCO test-dev数据集上的平均检测精度为40.5%,参数量为47×10^(6)。在AMD5900X/32GB/RTX3090环境配置下,检测速度达到了18帧/s。实验结果表明,CenterNet-encoder算法虽然牺牲了一定的精度,但参数量比原算法下降了约77.6%,同时检测速度提升了约69.3%。与其他轻量化目标检测算法相比,在参数量、推理时间和检测精度上也有一定的优势。
- 李悦言程培涛杜淑幸
- 关键词：轻量化目标检测
- 一种自适应权重学习的轻量超分辨率重建网络被引量：2
- 2021年
- 近年来,基于深度卷积神经网络的单幅图像超分辨率重建方法取得了令人瞩目的成果。基于像素级注意力网络的图像超分辨率重建方法能够在极小的参数量下获得良好的重建性能,是目前最先进的轻量化超分辨率重建方法之一。但是,受到各模块参数量的限制,像素级注意力网络训练缓慢和收敛条件苛刻的问题变得日益突出。针对这些问题,提出了一种基于自适应权重学习的轻量化超分辨率重建网络。该网络使用多个自适应权重模块组成非线性映射网络,每个模块能够提取到不同层级的特征信息,在每个自适应权重模块中,利用注意力分支和无注意力分支分别获取相应信息,再通过自适应权重融合分支进行整合。使用特定的卷积层拆分和融合两条分支,大幅降低了注意力分支和无注意力分支的参数量,使网络在参数量与性能之间达到相对平衡。在标准数据集上的实验证明,所提出方法在降低模型参数量的同时,峰值信噪比和结构相似度两种客观质量评价指标均优于同类先进方法,该方法能够重建更准确的纹理细节,得到更好的视觉效果,证明了该方法的有效性。
- 张宇浩程培涛张书豪王秀美
- 关键词：超分辨率重建卷积神经网络轻量化自适应权重
- 一种基于自适应权重学习的轻量化超分辨率重建方法
- 本发明公开了一种基于自适应权重学习的轻量化超分辨率重建方法，包括：使用特征提取网络对输入图像提取图像浅层特征；经过含有自适应权重分配机制的非线性映射网络提取图像浅层特征，利用注意力和无注意力两个分支提取的信息，采用自适应...
- 程培涛张书豪张宇浩许威张岷苏成光
- 文献传递
- 一种轨检数据干扰因素特征识别方法
- 本发明涉及一种轨检数据干扰因素特征识别方法，包括：获取待测的轨检数据；通过模式识别确定待测的轨检数据的干扰类别是否为轨距机故障；若不是，则将待测的轨检数据分别输入至训练完成的第一识别网络和第二识别网络，得到对应的第一识别...
- 程培涛高凯王秀美苏成光张岷魏周春
