罗海驰
- 作品数：14 被引量：79H指数：4
- 供职机构：江南大学物联网工程学院更多>>
- 发文基金：中央高校基本科研业务费专项资金国家自然科学基金江苏省高等教育学会“十一五”教育科学规划课题更多>>
- 相关领域：自动化与计算机技术文化科学天文地球医药卫生更多>>
- 基于Web Service构建政务信息资源共享体系被引量：4
- 2006年
- 基于Web Service信息资源共享体系已成为解决异构资源共享的有效途径。文章在介绍Web Service设计理念以及相关技术的基础上,分析了如何设计私有的UDDI以及公共的UDDI来提供数据的注册服务中心,在保护现有资源以及松散集成已有系统的前提下,以灵活、可扩展、安全的方式实现政务信息资源的交换与共享。
- 罗海驰
- 关键词：政府信息资源共享异构系统SOAPWSDLUDDI
- 基于结合SimAM模块的三维Densenet的阿尔茨海默症分类算法研究
- 2024年
- 阿尔茨海默症是一种不可逆的大脑神经退行性疾病。利用深度学习技术辅助医生对提升识别阿尔茨海默症患者的效率有重要意义。论文将三维卷积技术,密集连接卷积神经网络(Densenet)和一种简单、无参数的卷积神经网络注意模块,简称SimAM的注意力模块相结合,设计了一个3D-SAMDensenet算法,用于对大脑的磁共振图像(MRI)进行分类。用此模型分别对阿尔茨海默症(AD)和正常人(NC),轻度认知障碍(MCI)和正常人(NC)进行两种二分类时,与对比的传统和深度学习的分类方法相比,都取得更好的分类结果,并且在图像差异较小的MCI/NC分类中,得到了比AD/NC分类更大的优势。
- 孙俊楠李岳阳罗海驰
- 关键词：阿尔茨海默症
- 基于YOLOv4-Tiny与显著性检测的安全帽佩戴检测
- 2023年
- 传统的采用人工巡视工作场所或使用实时监控,对工人安全帽佩戴情况进行检测的方法费时费力,效率低下。随着深度学习技术的发展,可以利用目标检测的方法来对工人安全帽佩戴进行实时检测。但受工作场所复杂环境因素的影响,直接应用目标检测模型检测工人佩戴安全帽的准确率不高。为此,通过优化YOLOv4-Tiny模型,利用K-means聚类算法,针对安全帽这个特定目标生成合适的先验框,然后将YOLOv4-Tiny检测结果与改进的动态显著性检测结果有效融合,提升了工人佩戴安全帽检测的准确率。实验证明,该方法能有效缓解复杂背景对目标检测的影响,能够较准确地检测出有无佩戴安全帽的工作人员。
- 兰天李岳阳罗海驰
- 关键词：目标检测
- 基于改进YOLOv4的口罩佩戴检测算法
- 2024年
- 在疫情防控常态化的形势下,口罩佩戴检测可以说是每个公共场所的必备操作。利用现有的深度学习相关知识进行口罩佩戴检测,能够解放大量的人力物力,具有重大的实用意义。论文针对口罩佩戴检测因为人员密集,容易互相遮挡导致误检、漏检等情况,在YOLOv4算法的基础上做出了改进。首先使用K-means++算法对数据集内的真实框进行尺寸聚类,提高网络的拟合能力;其次在CIOU损失函数的基础上,使用效果更好的alpha-IOU损失函数,优化训练过程;最后使用Soft-NMS算法替换原有的NMS算法,改善检测过程中因预测框相距过近而相互抑制的情况。实验结果表明,该算法在论文的数据集上有着更高的检测精度,可以有效地进行口罩佩戴检测任务。
- 徐东东李岳阳罗海驰
- 基于多维度融合的肺结节分类算法
- 2024年
- 采用多维度模型融合的方法,提出一种肺结节分类算法。在肺结节假阳性减少算法基础上进行优化,在多尺度特征融合模块得到特征之后引入高层特征增强软激活映射模块,以增强模型的分类能力;针对实际分类过程中各类结节数据不平衡的问题,引入平衡均方差损失来改进模型的训练效果;采用三维和二维模型融合方式进一步提升模型分类性能。在Private Lung数据集上进行的实验证明本研究提出的模型分类准确度达到93.8%,优于现有方法。
- 堵红群李岳阳崔方正罗海驰顾中轩
- 关键词：肺结节
- 多尺度池化和双向特征融合的场景文本检测被引量：2
- 2024年
- 针对自然场景中文字背景复杂多样、形态大小各异的问题,提出了一种新的基于分割的场景文本检测网络。通过构建多尺度池化和双向特征融合两个模块来提升网络性能。根据文本实例的特点,多尺度池化模块使用不同长宽比窗口的空间池来捕获不同距离上文本信息的依赖关系,指导网络得到更加准确的分割结果。双向特征融合模块构建了两条不同方向的融合路径,以更好地利用主干网络的不同尺度特征,提升网络对不同尺度文本的检测性能。实验结果证明了所提方法的有效性,在ICDAR2015、MSRA-TD500和Total-Text这三个公开数据集上,分别取得了87.7%、86.7%和85.5%的F-measure值。
- 魏哲亮李岳阳罗海驰
- 关键词：文本检测图像分割
- 基于块金字塔记忆模块的无监督异常检测
- 2023年
- 基于重建的无监督异常检测方法由于不需要异常样本和预训练模型,被广泛地应用到异常检测任务中。然而,在实际应用中由于卷积神经网络的泛化性,模型能够有效地重建异常,使得难以通过重建误差来检测异常。现有方法通过使用合适的记忆块存储正常数据,将异常特征转化为正常特征,从而抑制异常重建,但不同的异常区域差异较大,记忆块尺寸的选择不当会导致重建模糊和重建异常等问题。考虑到这类方法在重建模型中的优势,提出一种基于改进记忆块存储的无监督异常检测方法。通过增加块金字塔记忆模块来适应不同面积大小的异常,并且不同尺度的块记忆模块通过读取、聚合得到多特征图融合的输出特征图,能够最大限度地保留正常样本的特征信息,增强特征信息的存储与表达,从而更好地重建正常数据。同时,为了增强重建清晰度,减少重建异常,在重建网络中增加skip connection结构。最后引入SSIM损失函数,通过亮度、对比度和结构3个维度来增强图像重建效果,并作为异常判定指标的组成部分,提高异常检测的精度。实验结果表明,相较于原始基于块存储和读取的重建模型,该方法平均AUC高出1.5%,具有更优的检测效果。
- 鄢宁李岳阳罗海驰
- 关键词：无监督学习异常检测
- 新工科背景下基于微项目学习的自动化专业实验教学
- 2024年
- 以新工科背景下培养学生解决复杂工程问题的能力为目标,提出面向自动化专业课程实验的微项目设计原则及策略,通过微项目学习在数据处理与机器学习课程中的实践应用,阐述实验教学活动流程,并对教学效果进行分析,说明基于微项目学习的实验教学方法可以有效提升学生在解决复杂工程问题时的主动学习能力、团队协作能力和实践创新能力,对工程教育认证体系中相关课程的实验教学改革有一定的借鉴意义。
- 罗海驰栾小丽田玉
- 关键词：工程教育认证自动化专业实验教学
- 基于自动机器学习的织物瑕疵检测方法
- 2024年
- 在解决许多实际的计算机视觉问题时,卷积神经网络(CNN)已经展现了比传统机器学习更强大的能力。但在解决一个具体的问题时,需要针对特定数据集,在掌握该领域具体知识情况下,才能设计出比较有效的CNN结构。而在这个构造过程中,需要花费大量的计算资源和时间。论文提出一种自动机器学习方法,即基于随机漂移粒子群优化(RDPSO)算法自动搜索得到最优的单分类深度支持向量数据描述(DeepSVDD)网络结构的方法(称为rdpsoCNN),应用于织物瑕疵检测。实验证明,与一些经典的CNN结构相比,文中所提出的rdpsoCNN方法优化的模型具有更好的瑕疵检测能力。
- 罗海驰张家玮李岳阳
- 关键词：卷积神经网络瑕疵检测
- 基于Web Services的电子政务体系结构及其应用被引量：8
- 2006年
- 如何整合政府部门的异构系统,使之协同工作,解决政府间信息孤岛问题,是一项富有挑战性的研究课题。提出了基于WebServices的电子政务体系结构,并结合无锡市电子政务应用实例,证明该框架有效解决了该问题。
- 罗海驰
- 关键词：WEBSERVICES电子政务
