多尺度并行融合的轻量级卷积神经网络设计

针对传统深度卷积神经网络分类精度不佳,参数量巨大,难以在内存受限的设备上进行部署的问题,本文提出了一种多尺度并行融合的轻量级卷积神经网络架构PL-Net。首先,将上层输出特征图分别送入两种不同尺度的深度可分离卷积层;然后对并行输出特征信息进行交叉融合,并加入残差学习,设计了一种并行轻量型模块PL-Module;同时,为了更好地提取特征信息,利用尺度降维卷积模块SR-Module来替换传统池化层;最后将上述两个模块相互堆叠构建轻量级网络。在CIFAR10、Caltech256和101_food数据集上进行训练与测试,结果表明:与同等规模的传统CNN、MobileNet-V2网络及SqueezeNet网络相比,PL-Net在减少网络参数的同时,提升了网络的分类精度,适合在内存受限的设备上进行部署。     

图像并行加密算法在手持设备上的应用研究

本文针对一些传统图像串行加密算法安全性能低、加密时间长的缺陷,提出一种新型的图像并行加密算法。首先,将明文图像的初始信息设定为并行量化方案的输入信号,生成量化小数;然后设计基于混沌系统的混沌置乱和扩散矩阵,通过混淆与扩散结构对图像数据进行并行加密;最后通过Metal并行框架在iOS手持设备的GPU上进行了算法的验证与实现。测试结果表明该方案能够有效提高图像加密效率,且具有高度的明文敏感性,适合于图像数据的安全实时通信,也为通过GPU并行处理图像数据提供了新的方案。     

一种多媒体传感器网络的分布式压缩传输算法

多媒体传感器网络面临用有限能量传输大量数据的挑战,因此本文提出一种多媒体传感器网络中的分布式图像压缩传输算法,用普通节点协同压缩图像,簇头消除不同节点发来图像数据的相关性,进行去相关图像传输。仿真结果表明,该方法减少了传输图像的数据量,节省了网络能耗,具有一定的实用价值。     

孤岛检测中复小波变换与实小波变换的对比

孤岛检测是分布式光伏并网发电中的重要问题.为此,研究复小波变换和实小波变换在孤岛检测中的应用,提取并分析公共耦合点电压小波变换系数的幅值和相位的对比关系,以判断孤岛是否发生.仿真结果表明:基于复小波变换的孤岛检测可解决实小波方法特征信号分层繁琐和阈值选取过程复杂的问题.