Issue Ebook
cover story
Login Register
MORE
Quick Entry
在线投稿
本期浏览
过刊浏览
编委会
Quick Icon
刊物名称：武汉大学学报自然科学英文版
主编：周翔
主办单位：武汉大学
主管单位：中华人民共和国教育部
Articles Online
Articles Online
优先出版
当期目次
过刊浏览
专辑/专栏
虚拟专辑
For Authors
For Authors
在线投稿
作者须知
稿件查询
版权声明
下载中心
About Journal
About Journal
期刊介绍
编委会
收录情况
期刊荣誉
联系我们
- 当期目次
- 最新录用
- 优先出版
- 专栏专辑
Volume 31 Issue 1，2026
Deep Learning and Intelligent Perception
Abstract：尽管Transformer架构在医学图像分割领域取得了显著成果，但其自注意力机制固有的二次计算复杂度限制了在密集预测任务中的应用。近年来，RWKV架构因其线性计算复杂度及训练时的高并行能力受到广泛关注。尽管RWKV模型能够以线性计算复杂度有效处理远程建模任务，但当前基于RWKV的方法多依赖静态扫描模式，容易引入有偏的先验知识，影响模型泛化性能。为应对这一挑战，我们提出结合填充方法的多头扫描策略，以更好地模拟二维图像中的空间连续性。在特征聚合注意力（FAA）模块中，通过设计异构卷积沿单一维度融合一维序列特征，在保持结构稀疏性的同时扩展有效感受野。此外，P-Shift通过宽感受野内的token移动增强局部依赖建模。在ISIC和ACDC数据集上的大量实验表明，所提出方法在多项密集预测任务中均优于现有基线模型，展现出更高的分割精度和鲁棒性。Keywords：多头扫描RWKV;异构卷积;P-Shift;医学图像分割97|68|0Updated：2026-02-11Deep Learning and Intelligent Perception
Abstract：基于 WiFi 的人体活动识别为普适监测提供了一种非侵入式方法，然而同时实现高精度和高鲁棒性的监测仍然是一个重大挑战。本文提出一种基于增强型卷积块注意力机制的卷积神经网络框架（CNN-ECBAM），将原始信道状态信息系统性地转换为伪彩色图像，有效保留了深度神经网络处理所需的重要信号特征。核心创新在于设计了一种针对 CSI 数据特性的增强型卷积块注意力模块（ECBAM），该模块融合了高效通道注意力（ECA）与多尺度空间注意力（MSA），并通过可学习的自适应融合权重实现两者的动态协同，使网络能够捕获更具区分性的空间与通道特征。ECBAM模块被集成到统一的卷积神经网络（CNN）中，形成整体的 CNN-ECBAM 模型。在UT-HAR和NTU-Fi_HAR数据集上的实验结果表明，CNN-ECBAM 在识别准确率上取得了具有竞争力的性能，并超越了主流基准模型。在UT-HAR上准确率达99.2%（高于ResNet-18的98.6%），在NTU-Fi_HAR上准确率达100%（高于GAF-CNN的99.62%）。这些结果验证了该方法在高精度、高可靠WiFi-HAR中的有效性。Keywords：人体活动识别;深度学习;信道状态信息;ECBAM;伪彩色图像49|51|0Updated：2026-02-11Deep Learning and Intelligent Perception
Abstract：物联网设备由于其广泛分布和安全机制有限，极易成为网络攻击的目标。入侵检测能够缓解这些威胁，但正常与异常流量之间的类别不平衡常常导致模型性能下降。为此，本文结合TMG-GAN和R3GAN的优势，提出了一种新颖的多生成器对抗数据增强方法。该方法采用多个类别特定的生成器来生成多样且高质量的合成样本，从而提升训练稳定性和少数类检测能力。双分支判别器-分类器结构同时增强了样本真实性判别与类别预测，而特征相似性和解耦机制则确保了清晰的类别分离。在TON-IoT和Edge-IIoTset数据集上的实验结果表明，本文的方法优于现有的混合采样、SNGAN和TMG-GAN，在检测精度和少数类召回率方面均取得了更好的表现，有效应对了物联网入侵检测中的类别不平衡问题。Keywords：物联网;入侵检测系统;生成对抗网络;类别不平衡;数据增强32|47|0Updated：2026-02-11Deep Learning and Intelligent Perception
Abstract：分布式光纤传感（DOFS）技术因其监测范围广、灵敏度高、抗干扰能力强等优势，已广泛应用于管道监测、地震探测和安防预警等领域。然而，系统采集的信号通常噪声强烈、时空模式复杂，并包含维度较高的类别特征，使得准确识别入侵事件面临显著挑战。为此，本文提出了一种基于 Inception-ResNet 的 DOFS 入侵事件识别模型。Inception 模块能够从复杂振动信号中提取多尺度特征，而 ResNet 的残差优化结构则保证了深层特征的高效传播与稳定训练。 此外，为提升模型的可解释性，本文引入了基于 Grad-CAM 的可视化机制，用以突出对分类结果具有关键贡献的信号区域，从而揭示模型决策背后的判据。大量实验结果表明，所提出方法在入侵事件分类任务中取得了 92.6% 的平均准确率，在显著减少训练数据量的条件下仍优于传统深度学习模型。研究结果表明，该可解释的 Inception-ResNet 框架不仅能够有效分类复杂的一维光纤传感信号，也为 DOFS 的实际应用提供了透明、可靠的技术支撑。Keywords：分布式光纤传感系统;光纤信号处理;深度学习44|47|0Updated：2026-02-11Deep Learning and Intelligent Perception
Abstract：视觉SLAMMOT（同时定位与建图与多目标跟踪）将自定位、环境建图和动态物体跟踪集成于统一框架，在自动驾驶、机器人导航和增强现实等应用中提升决策与交互能力。尽管已有多种优秀的视觉SLAMMOT方法，但它们大多数仅依赖点特征，忽略了人工物体中丰富且稳定的平面特征，而这些特征可提供宝贵的约束信息。为解决这一局限，本文提出OP-SLAM，一种利用平面特征提升物体位姿估计与重建精度的RGB-D SLAMMOT系统。具体而言，我们基于法向图像提出了精确的物体平面特征提取与关联方法，并设计了一种融合平面约束的新型物体捆集调整框架以增强优化效果，所提出的方法在合成数据集及公开真实数据集（包括OMD和KITTI tracking）上进行了验证。大量实验结果表明，该方法在物体位姿估计与重建方面均取得了显著效果，并优于现有方法。尤其是在平面特征显著的OMD数据集上，我们的方法将物体位姿估计精度提升约60%。此外，OP-SLAM可实时运行，适用于实际机器人和增强现实应用。Keywords：视觉SLAM;多目标跟踪;动态场景;平面特征15|45|0Updated：2026-02-11Computer Applications and Software
Abstract：针对当前伞降训练模拟系统存在扩展性差、训练模式单一和平台底座功能缺失的问题，提出一种支持“1+N+N”模式的伞降训练模拟系统设计方法，构建了四层域、两重体系支撑的柔性化功能结构。所构建的系统支持“1+N”和“1+N（*）”多种工作模式，能够自动发现、主动适配动态接入硬件模拟器和辅助设备。该方法能够有效节约升级扩充系统容量的成本和时间，极大地增加系统的寿命及可用性。Keywords：工业设计;虚拟现实;体系结构;可视化;计算机仿真模型13|44|0Updated：2026-02-11
SEE MORE
- 编辑荐读
- 学术会议
- 地址：Department of Wuhan University Journal of Natural Sciences, Wuhan University，Luojiashan Road, Wuchang District，Wuhan City, Hubei Province 邮编：430072
- 联系电话：86-027-68752218 Email：whdy@whu.edu.cn
- 技术支持由北京北大方正电子有限公司提供 京ICP备09064830号-19
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
0