计算机与通信工程学院 School of Computer and Communication Engineering
培养管理
当前位置: 首页 > 研究生教育 > 培养管理 > 正文

计通学院研究生学术交流报告会(第十二场)

发布时间: 2021-05-06 11:03:36 浏览量:

 

时间:2021.5,7 下午 2.30

地点:理科楼B311

标题:基于多核相关滤波器的判别可靠性学习跟踪研究

汇报人:冯文俊

摘要:

在视频序列中做目标跟踪研究一直是计算机视觉中基本研究之一,为了能推广至实际应用中,它的一系列研究有着不可或缺的价值。最近几年的研究实时更新,各有各的创新性,都取得了一定的研究成果。但是随着跟踪目标场景的变化也在与时俱进,越来越复杂。如何在多种复杂场景中脱颖而出,设计出一种跟踪算法在满足一定的跟踪精度的前提下,提升跟踪的鲁棒性成了众多研究学者的首要问题。本项目研究就在传统相关滤波器的基础上,加入极具创新的方法思路,对前者有一定的改进!

 

标题:面向边缘IOT的智能算法研究与应用

汇报人:谢志红 

摘要:

为了深度学习智能算法更好地适用在边缘IOT上适用,我们对深度学习智能算法进行研究和改进。面对神经网络庞大的参数和计算需求,研究者通常适用模型剪枝的方式降低模型的大小,而我们针对神经网络的结构约束进行研究,提出了基于拓展分组惩罚的过滤器剪枝。它利用拓展分组构造的Lasso在反向传播中全局地约束过滤器大小,实现模型地平滑剪枝。此外,分析过滤器在模型中值的变化过程,使用了基于噪声过滤器识别机制,通过提前识别冗余过滤器从而提高模型精度。

 

标题:《基于区块链技术的高效存储及共识机制研究》

汇报人:魏博洋 

摘要:

目前区块链技术中的Merkle Tree主要被用来进行交易信息与数据的完整性验证处理上。在对分布式环境下的数据完整性的验证过程中,Merkle Tree会大大减少数据的传输量以及计算的复杂度。在区块链中,轻节点对某一笔具体交易进行验证时,通过已知的交易数据以及所在分组利用哈希算法求出该组数据的哈希值。我们提出一种高效的Merkle Tree存储结构,在数据的存储过程中,将交易数据Data1进行哈希运算的到的哈希值放入节点A,再将剩余的交易数据通过哈希运算后依次放入叶子节点。按照结构计算出对应的哈希值,得到根哈希值Merkle Root。轻节点验证某笔交易时,找出该交易存放在Merkle Tree中的位置,计算出哈希值。全节点按照Merkle Tree的结构发送验证所需的所有哈希值。轻节点按照Merkle Tree的结构对所发送的对应位置的哈希值进行哈希运算得到上一层的哈希值。重复哈希运算,最后算出根哈希值。轻节点比较验证得出的根哈希值与全节点发送过来的根哈希值,如果相同,则验证的该笔交易正确无误,如果不相同,则该笔交易产生了错误。在现有的Merkle Tree存储结构中,轻节点验证某笔交易必须从Merkle Tree底端的叶子节点逐一往上计算哈希值,全节点需要发送相应的验证所需的哈希值。在改进的Merkle Tree存储结构中,由于是三组哈希值进行哈希运算求出一个哈希值,所以在相同数量的交易数据下,对Merkle Tree结构的层数进行了缩减,使得在验证较上层的交易时全节点发送哈希值的数量减少,减少了发送数据的大小,降低了网络的传输负载,提高了交易验证效率。

 

 

标题:基于深度学习的MIMO信道状态估计技术研究

汇报人:陈稳

摘要:

信道估计作为无线通信的关键,近年来成为相关领域的研究热点。针对无线系统下传统信道估计算法性能难以满足复杂场景的通信需求、受噪声影响大等问题,提出了一种基于反卷积网络及扩张卷积网络信道估计的深度学习方法。该方法利用信道的相关性构建了一个轻量级的反卷积网络,利用少数几层反卷积操作来逐步实现信道插值与估计,在较低的复杂度下较好地实现了信道估计。为改善估计性能,进一步构建了一个扩张卷积网络来抑制信道噪声,提高信道估计的准确度。仿真结果表明,在不同信噪比条件下,本文提出的基于反卷积及扩张卷积的深度学习方法比传统方法具有更低的估计误差,且复杂度较低。

 

标题:《基于非局部的自适应半耦合字典学习的图像重建》

汇报人:熊闽 

摘要:

基于锚定邻域的超分辨率(SR)重建算法利用图像中的非局部相似性,能够有效的从单个低分辨率(LR)图像中重建出高分辨率(HR)图像。在本文中,我们提出了一种相似性阈值调整的锚定邻域重建算法,以提高映射矩阵的重建效果。在提出的方法中,引入了相似度调整矩阵来提高邻域中偏差度较大的图像块的相似度。此外,应用阈值函数确定图像块的权重系数。遵循此功能,较大的权重被分配给具有低偏差的样本,较低的权重系数将分配给相似度较低的图像块。实验结果表明,算法能以较低的计算量提高图像的重建质量。


Copyright © 2020 All Right Reserved 长沙理工大学 计算机与通信工程学院 版权所有

地址:长沙理工大学云塘校区理科楼B-404物联网实验室 电话:0731-85258462