Jun, 2022

PIDNet：基于 PID 控制器的实时语义分割网络

PDF
TL;DR本文提出了一种三支路网络体系结构 PIDNet，能够解决两支路网络体系结构中详细和语境特征混淆的问题，并利用边界关注技术在最终阶段对详细和语境支路进行融合，极大地提高了精度和神经网络处理速度。
two-branch network architecturereal-time semantic segmentationpidnetcnnboundary attention
发现论文，激发创造
  • PIDNet: 用于动态行人入侵检测的高效网络

    本研究基于动态 AoI 所捕获的视频帧，使用一种新颖高效的神经网络 PIDNet 进行行人入侵检测的多任务处理。实验结果表明，PIDNet 在该领域首次建立的基准数据集上，可以达到 67.1% 的准确率和 9.6 fps 的推理速度，为未来基于视觉的动态 PID 研究提供了良好的基准。

    Sep, 2020

  • PIDformer: Transformer 遇见控制理论

    我们提出了一种改进 transformer 架构的方法，通过引入自我注意力作为自主状态空间模型，控制系统对输入的干扰进行反馈控制，提高模型的稳定性和容错能力，从而解决了 softmax transformer 中的秩坍缩问题。我们通过在目标分类、图像分割和语言建模等实际任务中的实验证明了该模型的优势和鲁棒性。

    Feb, 2024

  • 基于像素区间下采样技术的环境微生物图像稠密微小微生物计数应用

    本研究提出了一种新型的像素间隔下采样网络（PID-Net），用于高精度的密集微小物体（酵母细胞）计数任务，并通过在评估中使用几种经典分割度量标准和计数度量标准，证明了该网络的最佳性能和潜力。

    Apr, 2022

  • 四轴飞行器控制的基于混合 Actor-Critic 神经结构的自适应 PID 控制

    本文探讨了使用基于强化学习的神经网络自整定的 PID 控制算法，应用于四旋翼飞行器的姿态和高度控制，在动态和静态增益的调整中使用了适应性动量（ADAM）优化器和反向传播（BP）算法，并证明该方法比具有恒定增益的 PID 控制器具有更好的性能。

    Jul, 2023

  • PI-Net：一种提取拓扑持久图像的深度学习方法

    本文提出了两种卷积神经网络，一种接收多元时间序列信号，另一种接收多通道图像作为输入，并使用它们来计算持续图像。作者在人类活动识别和图像分类等两个应用上实现了持续图像的融合。

    Jun, 2019

  • 基于 PID 控制的自主修复技术提升大型语言模型的鲁棒性

    本研究提出了一种基于 PID 控制的自我修复框架，通过纠正输入数据中的扰动来提高预训练的大型语言模型的鲁棒性，减少了计算成本，并提高了实时推理能力。

    Mar, 2024

  • ICNet 用于高分辨率图像的实时语义分割

    本文提出了一种基于图像级联网络 (ICNet) 的实时语义分割方法，通过多分辨率分支和级联特征融合单元，以及恰当的标签引导来降低像素级标签推断的计算量，从而实现对挑战性数据集（如 Cityscapes，CamVid 和 COCO-Stuff）的高质量实时分割。

    Apr, 2017

  • 采用深度强化学习的一次性、离线和适用于生产规模的 PID 优化

    该论文介绍了一种基于深度强化学习的方法来优化具有多目标性能要求的 PID 控制参数。通过应用该方法，研究者展示了在温度变化、速度和稳定性等多种要素下，开关产品的性能可以大幅提升同时实现高效的离线应用。

    Oct, 2022

  • 路径积分网络：端到端可微分最优控制

    本文提出了一种叫做 PI-Net 的循环神经网络，使用路径积分最优控制算法来实现系统动态学习及成本模型，并通过反向传播和随机梯度下降来端到端地学习动态和成本模型，从而实现规划。通过模仿学习的方式训练 PI-Net，它可以在两个模拟问题上模拟控制演示，并且可以学习演示中的动态和成本模型。

    Jun, 2017

  • 基于 PID 思想的归纳偏置在部分可观测控制任务中的应用

    本文提出了两种基于 PID 控制器的历史数据编码器，应用于深度强化学习的控制任务中，相比先前方法实现了更好的性能和鲁棒性。

    Jul, 2023