摘要:基于冯·诺依曼结构的传统计算机由于内存和处理器的物理分离,性能受到限制。为实现后摩尔时代先进神经形态计算技术的可持续发展,具有存算一体架构的神经形态器件成为一个可选解决方案。文中展示了一种基于光调制的人工突触,其凭借出色光响应特性,实现了电导的光可调协,并且表现出优异的光电突触行为,成功模拟了包括刺激强化、训练促进和记忆巩固等生物突触的关键行为特征,还评估了器件遗忘的可预测性。这项研究为硬件人工神经网络 (artificial neural network,ANN) 的实现和感知系统的模拟具有重要意义。

摘要:为实现低折射率化学材料、药物的高灵敏度监测,基于表面等离子体共振(surface plasmon resonance,SPR)设计了一种具有高灵敏度的新型椭圆侧芯光子晶体光纤(photonic crystal fiber,PCF)传感器。该传感器设计包括圆形孔及三种规格的椭圆孔,左侧椭圆孔内覆盖金纳米薄膜。当光进入传感器时,会在金薄膜处产生共振。分析由此物理现象得到的光谱即可获知待测液体的折射率。采用有限元法系统地研究了椭圆空气孔的椭圆率与金薄膜厚度对所提传感器的灵敏 度的影响。研究发现,当待测液体折射率范围为1.41—1.44时,该传感器的最大灵敏度高达95 000 nm/RIU(RIU为折射率单位)。在同等折射率测量范围,本研究开发的PCF-SPR传感器灵敏度为典型PCF-SPR传感器的3.7—47.5倍。因此,该PCF-SPR传感器在物质监测、食品安全和生物医学等领域中有较好的应用前景。

摘要:等离子体诱导透明(plasma induced transparency, PIT)的新颖的光学响应特性,在传感器等应用方面具有独特优势。本文提出由双环谐振腔和直波导耦合集成的光学模型,阐述其多波段PIT效应产生原因,针对该结构利用时域有限差分(finite difference time domain,FDTD) 法进行仿真研究,分析了主要结构参数对结构传输特性的影响。研究了环形谐振腔内外半径Rin、Rout和环形谐振腔宽度WR对传输特性 红移的影响,发现Rin、Rout过大太小均不利于激发PIT现象。优化参数后设计了灵敏度可达1 014.10 nm/RIU,品质因数高达 90.65 的纳米传感器,具有结构简单、易于集成、制作方便、成本低等优点,能够很好地运用在高度集成、高精度的传感检测领域。

摘要:针对建筑元素特征提取不全、相似建筑风格识别困难等问题,提出一种显著区域抑制与多尺度特征融合(salient region suppression and multi-scale feature fusion,SRSMSFF)的建筑风格识别方法。首先,采用改进的Resnet18提取初始建筑特征。然后,设计显著区域抑制模块(salient region suppression module,SRSM),通过隐藏最具判别性区域,引导网络学习潜在区域的特征,并设计多尺度特征融合网络(multi-scale feature fusion,MSFF),将多尺度结构与显著区域抑制相结合,以获取更完整的建筑元素特征。接着,利用通道注意力赋予各通道相应的权重,以突出重要的通道信息。最后,大边距度量损失函数(large-margin Softmax loss function,L-Softmax) 通过最大化特征嵌入空间的决策边界,改善相似建筑风格的识别。在公共建筑数据集10类、25类及自建中国古建筑数据集上的实验结果表明,本文方法的准确率分别达到80.21%、64.4%和88.21%,其性能优于目前的先进方法。

摘要:针对现有跨模态检索方法难以衡量各节点数据权重和模态内局部一致性的问题,提出一种基于多头注意力机制的图文跨模态检索方法。首先在构建模态图时,将单个图文样本作为独立节点,采用图卷积提取各样本间的交互信息,提高不同模态数据内的局部一致性；然后在图卷积中引入注意力机制,自适应学习各个邻居节点的权重系数,从而区分不同邻居节点对中心节点的影响力；最后构建带有权重参数的多头注意力层,充分学习节点间的多组相关特征。与现有8种方法相比,该方法在Wikipedia数据集和Pascal Sentence数据集上进行实验得到的mAP值,分别提升了2.6%—42.5%和3.3%—54.3%。

摘要:针对柑橘叶片病害表现大小不一,为解决检测过程中出现的漏检、误检、准确率不高的问题,提出了改进CenterNet模型。在特征提取网络RestNet50的前两个残差层的一系列残差结构中引入特征增强改进的空洞卷积池化金字塔(improved atrous spatial pyramid pooling, IASPP)模块,扩大浅层感受野,获取更多小目标叶片病害的细节信息,增强浅层特征的显著性；引入双向加权特征融合模块(bidirectional feature pyramid network, BiFPN),有效融合特征提取网络浅层和深层叶片病害信息；为提高整体检测效果,引入多尺度通道注意力机制(multi-scale channel attention module, MS-CAM)。训练后的模型对柑橘病害叶片进行检测,实验结果表明,相比于原模型CenterNet,所提模型的R值提高了8.32%,mAP提高了4.53%,AP0.5∶0.95上升了27.3%,可实现柑橘种植中对叶片小目标、中目标、大目标病害的精准检测。

摘要:针对在小目标检测过程中因浅层特征语义信息不丰富,导致漏检问题,提出一种多层特征融合改进SSD(single shot multi-box detector)方法。首先在浅层网络中加入深度可分离卷积(depthwise separable convolution,DSC) ,使用逐通道卷积和逐点卷积强化浅层语义信息;然后将深层网络和浅层网络通过反卷积和空洞卷积的方式细化特征;最后在深层网络中加入注意力机制,增强深层网络对小目标的检测能力。在VOC2007和VOC2012数据集上进行验证,平均检测精度相较于基准算法提高了5.56%,相较于其他先进算法提升了4.25%。实验结果表明,提出的细化语义和强化感知方法可以达到提高小目标检测精度的目的。

摘要:针对近年来红外与可见光图像融合易发生细节信息丢失、对比度低等问题,提出一种结合可见光图像增强和多尺度分解的红外与可见光图像融合算法。首先,提出一种自适应可见光图像增强方法,提高了可见光图像的整体对比度,并增强了可见光图像中的细节信息。然后提出一种基于高斯滤波和滚动引导滤波的多尺度分解算法,将源图像分解为小尺度层、大尺度层和基础层,小尺度层融合采用基于最大绝对值的融合规则,大尺度层融合采用非线性权重系数将红外光谱特征注入到可见光图像中,基础层采用视觉显著映射的融合规则避免对比度损失,最后重建各尺度层生成融合图像。实验结果表明,与其他算法对比,所提方法的客观评价指标边缘保持度、 基于人类启发感知的指标、空间频率、标准差、边缘强度分别平均提升了23.50%、30.38%、46.67%、50.41%、20.17%、54.19%,此外,生成的融合图像在主观评价中也具有较好的表现。

摘要:为了克服红外与可见光图像融合过程中目标物体边缘处产生虚影的问题,提出划区域宇宙算法(divide region universe algorithm,DRUA) 。首先建立宇宙空间模型,核心区域的宇宙可进行双向交流,非核心区域的宇宙只能进行单向交流；接着连接核心区域与非核心区域的连接宇宙能够使得核心区域与非核心区域形成邻居关系；然后红外与可见光图像分别获得细节图层、基础图层、显著图层,不同层使用不同融合策略；最后给出了宇宙优化融合的流程。实验仿真表明,本文算法融合图像结果具有较多的热目标、场景信息,视觉效果符合人眼的视觉特征,互信息、标准 差、空间频率、平均梯度指标相比其他算法提升平均值分别为17.57%、14.80%、34.16%、21.01%,优于其他算法。

摘要:针对高光谱影像分类任务中标记样本数量有限和多样化特征提取不足导致分类效果不理想的问题,本文提出一种基于三维空洞卷积和图卷积的高光谱影像分类方法(three-dimensional dilated convolutional and graph convolutional network,3D-DC-GCN) 。首先,引入不同尺度的空洞卷积(dilated convolutional,DC) 构建三维空洞卷积网络模型提取多尺度的深度空谱特征；其次,通过聚合图节点的邻域特征建立图卷积神经网络(graph convolutional network,GCN) 模型,获取蕴含空间结构的上下文特征；最后,为了提高多样化特征的表示能力,将深层空谱特征与空间上下文特征融合并采用Softmax实现分类。本文所提方法能够充分利用高光谱影像的多样化特征并具有较强的特征学习能力,有效提高了影像的分类精度。在Indian Pines和Pavia University高光谱数据集上将提出方法与7种相关分类方法进行实验对比与分析,结果表明本文方法能够得到最优结果,总体分类精达到99.33%和99.41%。

摘要:为得到圆偏振激光脉冲与电子碰撞后电子的最佳辐射特性,通过控制变量的方法,选取电子的若干个横向初始位置,利用MATLAB程序迭代模拟,并讨论电子横向初始位置对高能电子运动轨迹和辐射 特性的影响。结果表明,随着电子横向初始位置的增大,电子的运动轨迹和辐射 特性在圆偏振强激光脉冲的作用下受到显著影响。对电子的辐射功率进行分析,当电子处于0.15λ₀(λ₀=1 μm)的横向初始位置,电子的螺旋运动产生的最大辐射功率会达到最佳状态。通过对圆偏振强激光脉冲与电子相互作用的模型进行仿真,发现了电子辐射功率全空间的分布规律,为实际中的精确实验提供了理论依据。

摘要:氮化镓 (GaN)具有宽带隙、高量子效率、优异的热稳定和抗辐射等特性,在高频、高功率电子及紫外光电器件中有着重要的作用。在本工作中,采用经济、环保的等离子增强化学气相沉积(plasma-enhanced chemical vapor deposition,PECVD)方法,通过使用高能N等离子体作为N源,在较低温度(850 ℃)下成功制备了高结晶质量的GaN薄膜,并研究了N₂流量对薄膜结晶质量、生长速率和光学性能的影响。结果表明,随着N₂流量的增加,反应原子的动能提高,薄膜生长速度和结晶质量得以提升。但随着N₂流量进一步增加,过高的成核率会导致衬底吸附的原子无法迁移到适当的位置,薄膜沿着不同的方向上随机生长,晶体质量下降。本文制备的GaN薄膜的载流 子浓度达到2.19×10¹⁸ cm-3,迁移率达到5.17cm²·V-1·s-1,在光电子器件中展现出较强的应用潜力。

摘要:针对现有胸部疾病分类算法参数量较大、对运行设备的硬件资源要求较高的问题,本文基于混合知识蒸馏(knowledge distillation,KD) 的训练策略提出一种轻量级胸部疾病分类算法RMSNet。首先,该算法将优化后的残差收缩模块加入到基础网络MobileViT中,利用软阈值化的方式过滤X光片中的背景噪声；其次,提出混合知识蒸馏训练策略,利用多层级注意力图和相似性激活矩阵作为监督信号,提升轻量级模型的分类性能；最后,使用焦点损失函数(focal loss,FL) 缓解数据集正负样本不均衡的问题。在ChestX-ray14数据集上展开验证,蒸馏训练后的RMSNet学生模型识别14类胸部疾病的平均AUC值为0.836,而参数量和浮点计算量分别为0.96 M和0.27 G。实验结果表明,本文算法在保持轻量化的同时分类精度更高,能有效降低算法运行时的硬件要求。

摘要:针对脑肿瘤磁共振成像 (magnetic resonance imaging,MRI)分割中样本缺少、类不平衡、小区域分割精度低等问题,本文提出了基于3D No-New U-Net的多尺度多任务深度学习算法TDDU-Net。首先,采用了一个编码器和三个不完全相同解码器的结构；其次,采用逆瓶颈结构设计的ConvXt模块作为解码器的前置处理,克服在部分核心区域解码时高层语义未被充分利用的不足；再次,在最底层编码器和解码器连接处增加广义特征处理模块InConvXt,保证全局特征的准确性,增强网络的稳定性；最后,在保证准确率的情况下,使用深度可分离卷积在适当位置 减少网络的参数计算量。实验表明,预测分割结果在整体肿瘤区域(whole tumor,WT) 、肿瘤核心区域(turmor core,TC) 、增强肿瘤区域(enhancing tumor,ET)的 Dice相似系数(Dice similarity coefficient,DSC) 在BraTS18数据集中分别达到了0.907,0.847,0.807。本文方法较其他方法表现出色,能准确分割出MRI中较小的肿瘤区域。