摘要：针对传统遥感影像目标检测的深度学习网络需要人工设计、过度依赖专家经验、费力耗时等问题,提出了一种基于神经网络架构搜索的遥感影像目标检测方法,通过逐路径采样和进化搜索策略自动构建高效的目标检测网络,完成遥感影像目标检测任务。在DIOR数据集和RSOD数据集上进行了实验,目标检测平均精度达到67.8%和85.5%,FLOPs为208.47 G和201.67 G,在检测精度和计算效率方面均优于Faster R-CNN、RetinaNet、NAS-FCOS、ResNet Strikes Back、HRNet和GRoIE等现有网络模型。实验结果表明,本方法能自动搜索出高分辨率遥感影像目标检测的网络架构,具有比人工设计的经典网络更优越的性能。

摘要：针对可微架构搜索方法存在的离散化误差、更新不平衡、跳跃连接富集等问题,提出一种基于资源平衡的网络架构搜索方法.首先,通过资源平衡型渐进式剪枝法裁剪对性能提升贡献较小的弱操作;其次,为使架构搜索过程中各操作具有单独的权重,能够体现出每个操作对超网性能的贡献,将架构搜索过程中各操作算子之间的竞争关系改为先合作、后竞争的关系;最后,对候选操作添加高斯噪声以抑制跳跃连接的不公平竞争优势.在三维点云数据集ModelNet和二维图像数据集CIFAR-10进行了实验,结果表明所提方法能有效地减小离散化误差,防止跳跃连接富集导致的性能坍塌;与SGAS,NoisyDARTS和人工设计的网络架构相比,所提方法能高效地搜索出帕累托最优网络架构,在三维点云模型分类过程中具有较高的分类准确率.

摘要：由于传统的深度卷积神经网络分割高分辨率遥感影像需人工设计网络架构,过度依赖专家经验,耗时费力,且网络泛化能力较差,因此,提出一种资源平衡型部分通道采样的神经网络架构搜索方法。首先,在网络架构参数中添加资源平衡项,提升搜索算法稳定性,同时减小剪枝过程中产生的更新不平衡和离散化误差;其次,选择部分通道进行搜索空间的混合操作,以节省计算资源,提升搜索效率,缓解网络过拟合;最后,根据高分辨率遥感影像地物复杂、分布离散及空间范围广等特点,引入Gumbel-Softmax Trick方法从非连续概率分布进行采样,以提高采样效率。在WHUBuilding数据集上MIoU语义分割评价指标达到90.93%,在GID数据集上MIoU语义分割评价指标达到69.53%,优于SegNet、U-Net、Deeplab v3+、NAS-HRIS等网络模型。实验结果表明,新方法能高效地自动搜索出分割高分辨率遥感影像的网络架构,具有分割精度高、计算资源占用率低的特点。

摘要：为了解决非等距3维点云模型对应关系计算易受模型大尺度形变影响而导致对应失真、准确率低且平滑性差的问题,该文提出一种结合平滑注意力与谱上采样细化的非等距3维点云模型对应关系计算新方法。首先,利用点所在表面的几何特征信息设计平滑注意力机制与平滑感知模块,提高特征对大尺度形变区域非刚性变换的感知能力;其次,将深度函数映射模块与平滑正则化约束相结合,提升函数映射计算结果的平滑性;最后,在谱上采样细化模块中,以多分辨率重建的方式得到最终的逐点映射结果。实验结果表明,与已有算法相比,本算法在FAUST、SCAPE和SMAL数据集上构建的对应关系测地误差最小,处理大尺度形变模型时,能够提升逐点映射的平滑性和全局准确率。

摘要：针对非等距三维模型对应关系计算准确率低且难以自动化的问题,提出一种基于局部流形调和基与内外积空间对齐的三维模型对应关系计算算法.首先利用局部流形调和基作为模型本征信息,并结合笛卡儿坐标等外部信息嵌入内外积空间,实现本征信息和外部信息对齐;其次将计算对齐的目标函数与一致性点偏移算法融合,提高结果的稳定性和准确性;最后利用基于交替方向乘子法的交替优化算法来求解目标函数,构建最终的对应关系结果.与已有算法的对比实验结果表明,所提算法在SMAL,SHERC’19,TOSCA和SHERC’16 Topology数据集上构建的对应关系测地误差最小,全局对应关系准确率最高,同时能够处理拓扑噪声和模型自身对称性影响对应关系计算的问题.

摘要：针对现有非等距三维模型簇对应关系计算方法准确率较低且泛化能力较差的问题,文中提出采用深度内外特征对齐算法的自监督非等距三维模型簇对应关系计算方法.首先,利用DiffusionNet直接学习原始的三维模型特征,获取具有鉴别力的特征描述符.然后,使用深度内外特征对齐算法计算非等距模型对之间的对应关系,采用局部流形调和基作为模型本征信息,并结合笛卡尔坐标等外部信息,实现内外部信息对齐一致,以无监督的方式自动生成对应结果.最后,构建非等距模型簇的加权无向图,根据相似几何模型存在内在相关性的原则,设计自监督多模型匹配算法,不断增强模型图最短路径的循环一致性,获得最优的非等距三维模型簇对应关系.实验表明,文中方法对应关系测地误差较小,结果较准确,能处理模型自身对称性影响对应关系计算的问题,具有良好的泛化能力.

摘要：针对人工设计三维模型分类网络架构过度依赖专家经验且泛化能力较差的问题,提出了一种自适应平滑度策略的神经架构搜索方法。首先,使用改进候选操作选择策略和连续松弛化方法将离散的搜索空间连续化,并利用权重共享机制提高搜索效率。其次,在损失函数中添加自适应平滑度策略的正则化,由温度参数控制损失函数的平滑程度。最后,使用指数归一化方法计算损失函数,以避免损失值溢出。在三维点云数据集和蛋白质间相互作用数据集上的实验结果表明,在相同的训练样本和迭代次数下,自适应平滑度策略的神经架构搜索方法的分类准确率更高,性能更稳定。

摘要：根据光纤谐振腔反馈回路对光信号引入的相位调节原理,借助一字型3×3光纤耦合器构建的带自反馈光纤谐振腔的2×2光纤耦合器,提出了一种新结构的全光纤马赫-曾德尔干涉仪(MachZehnder interferometer,MZI)。推导了该MZI的输出表达式,并对它作为波长交错滤波器(Interleaver)时的滤波性能进行了数值模拟分析。分析结果表明,与传统的全光纤MZI-Interleaver相比较,它的滤波性能可以得到明显改善,其透射率形态更加接近于方波,阻带抑制和过渡带滚降特性明显加强。

摘要：为了将遥感场景图像更好地进行分割,供给下游任务使用,提出多尺度注意力提取与全局信息重建网络.编码器引入多尺度卷积注意力骨干到遥感深度学习语义分割模型中.多尺度卷积注意力能够捕获多尺度信息,给解码器提供更丰富的全局深浅层信息.在解码器,设计了全局多分支局部Transformer块.多尺度逐通道条带卷积重建多尺度空间上下文信息,弥补全局分支存在的空间信息割裂,与全局语义上下文信息共同重建全局信息分割图.解码器末端设计极化特征精炼头.通道上利用softmax和sigmoid组合,构建概率分布函数,拟合更好的输出分布,修复浅层中潜在的高分辨率信息损失,指导和融合深层信息,获得精细的空间纹理.实验结果表明,网络实现了很高的精确度,在ISPRS Vaihingen数据集上达到82.9%的平均交并比,在ISPRS Potsdam数据集上达到87.1%的平均交并比.

摘要：针对现有三维点云分类网络采用人工设计费时费力的问题,提出早停可微架构搜索(early-stopping differentiable architecture search,ES-DARTS)算法。利用从人工设计网络架构中提取到的先验知识,预定义一个包含高效候选操作的搜索空间,可快速搜索出适用于三维模型分类任务的高性能网络模型;通过追踪网络搜索阶段各候选操作的权重变化,找出跳跃连接操作在双重优化过程中发挥不公平竞争作用的临界点并在此处停止搜索,以保证各候选操作之间的稳定性,解决DARTS算法搜索过程中易出现性能崩溃的问题。提出的算法在ModelNet40数据集上达到了93.2%的识别准确率,比当前人工设计的主流网络具有更高的识别准确率。