针对雨雾等复杂天气下无人机图像质量下降导致目标检测效果不佳的问题,提出基于上下文引导和提示学习的目标检测算法CGP-YOLO(context-guided and prompt-based YOLOv8)。构建一个多任务联合学习的检测网络,通过双分支结构达到平衡图像...针对雨雾等复杂天气下无人机图像质量下降导致目标检测效果不佳的问题,提出基于上下文引导和提示学习的目标检测算法CGP-YOLO(context-guided and prompt-based YOLOv8)。构建一个多任务联合学习的检测网络,通过双分支结构达到平衡图像检测和恢复的任务。提出基于提示学习的跨层注意力加权图像去噪分支,指导网络利用退化提示重构清晰的图像;模型主干设计基于上下文的残差采样模块,集成卷积注意力机制,综合目标的局部和全局信息;采用可分离大核多尺度特征提取模块,处理网络多尺度特征;引入小目标的专用检测头,增强小目标的检测精度。实验结果表明,在参数量仅为基线模型60%的情况下,该模型的检测精度提高了2.4个百分点,平均精度(mAP)提高了2.04个百分点,模型检测效果优于其他经典模型,具备卓越的性能。展开更多
边缘计算作为实现5G通讯标准的关键技术,其通过将用户的终端任务卸载到附近具有计算与存储资源的边缘服务器上,达到提高服务质量的目的。论文针对边缘服务器的放置问题,提出了一种在5G网络中最小化用户时延的边缘服务器放置方法ESPFA(Ed...边缘计算作为实现5G通讯标准的关键技术,其通过将用户的终端任务卸载到附近具有计算与存储资源的边缘服务器上,达到提高服务质量的目的。论文针对边缘服务器的放置问题,提出了一种在5G网络中最小化用户时延的边缘服务器放置方法ESPFA(Edge Server Placement based on Firefly Algorithm),将用户平均时延、边缘服务器负载均衡量和边缘服务器平均资源利用率进行加权、并作为指标衡量系统整体性能。仿真结果表明,与主流的放置方法相比,在放置边缘服务器数量为10时,论文提出的萤火虫算法降低时延效果明显,比传统K-Means算法下降了16.2%,并且算法系统性能优良,分别比Random算法和Top-K算法提升了9.4%和22.6%。展开更多
文摘针对雨雾等复杂天气下无人机图像质量下降导致目标检测效果不佳的问题,提出基于上下文引导和提示学习的目标检测算法CGP-YOLO(context-guided and prompt-based YOLOv8)。构建一个多任务联合学习的检测网络,通过双分支结构达到平衡图像检测和恢复的任务。提出基于提示学习的跨层注意力加权图像去噪分支,指导网络利用退化提示重构清晰的图像;模型主干设计基于上下文的残差采样模块,集成卷积注意力机制,综合目标的局部和全局信息;采用可分离大核多尺度特征提取模块,处理网络多尺度特征;引入小目标的专用检测头,增强小目标的检测精度。实验结果表明,在参数量仅为基线模型60%的情况下,该模型的检测精度提高了2.4个百分点,平均精度(mAP)提高了2.04个百分点,模型检测效果优于其他经典模型,具备卓越的性能。
文摘边缘计算作为实现5G通讯标准的关键技术,其通过将用户的终端任务卸载到附近具有计算与存储资源的边缘服务器上,达到提高服务质量的目的。论文针对边缘服务器的放置问题,提出了一种在5G网络中最小化用户时延的边缘服务器放置方法ESPFA(Edge Server Placement based on Firefly Algorithm),将用户平均时延、边缘服务器负载均衡量和边缘服务器平均资源利用率进行加权、并作为指标衡量系统整体性能。仿真结果表明,与主流的放置方法相比,在放置边缘服务器数量为10时,论文提出的萤火虫算法降低时延效果明显,比传统K-Means算法下降了16.2%,并且算法系统性能优良,分别比Random算法和Top-K算法提升了9.4%和22.6%。
