BD
Bing Deng
Author with expertise in Deep Learning in Computer Vision and Image Recognition
Achievements
Cited Author
Key Stats
Upvotes received:
0
Publications:
8
(25% Open Access)
Cited by:
1,284
h-index:
27
/
i10-index:
47
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Downstream sedimentary and geomorphic impacts of the Three Gorges Dam on the Yangtze River

S.L. Yang et al.Jul 28, 2014
Although large dams have been constructed and continue to be constructed on many rivers, the lack of long-term gauging data often makes it difficult to document either reservoir sedimentation or the dams' downstream impacts. More than 50 years of water and sediment data from 20 gauging stations within the Yangtze River's basin provide us a unique opportunity to delineate the impacts from the Three Gorges Dam (TGD), the world's largest dam. During the first decade after TGD completion in 2003, 1.8 Gt of sediments were trapped in the Three Gorges Reservoir (TGR). The TGR's sediment retention rate increased from ~ 65% during the first three years of operation to ~ 85% by 2008–2012, when the TGD was in normal operation; in the low-discharge drought years of 2006 and 2011, reservoir retention exceeded 90%. Sedimentation in the TGR has been discontinuous, the most prominent depocenters being at the broad section near the up-river entrance to the reservoir and just upstream of the dam, where sediment thickness locally exceeds 60 m. Median size of the sediments trapped in the TGR is 11 μm, whereas sediments discharged from the TGR are finer than 5 μm. As a result of sediment retention in the TGR, the river downstream has been eroded at a rate of 65 Mt/yr. Riverbed sediments have coarsened considerably in the first several hundred kilometers downstream of TGD. Sediment discharge into the Yangtze estuary, as measured at the Datong downstream gauging station, decreased by 130 Mt/yr relative to the normal water years of 2001–2002, nearly 90% of which can be attributed to the TGD. With planned construction of large upstream Cascade Reservoirs, the amount of sediment entering the TGR will decline dramatically, thus reducing sedimentation in the TGR and thereby extending its lifespan; by the end of the 21st century, the TGR should have retained more than 80% of its original storage capacity. Sediment outflow from the TGR will likely be less than 15 Mt/yr, compared to 50 Mt/yr at present. Even with downstream channel erosion, the long-term average sediment discharge into the Yangtze estuary in future decades most likely will decrease to ca. 110 Mt/yr, only 20% of its level in the 1960s, and further delta erosion is expected.
0
Paper
Citation378
0
Save
0

Quantization Networks

Jiwei Yang et al.Jun 1, 2019
Although deep neural networks are highly effective, their high computational and memory costs severely hinder their applications to portable devices. As a consequence, lowbit quantization, which converts a full-precision neural network into a low-bitwidth integer version, has been an active and promising research topic. Existing methods formulate the low-bit quantization of networks as an approximation or optimization problem. Approximation-based methods confront the gradient mismatch problem, while optimizationbased methods are only suitable for quantizing weights and can introduce high computational cost during the training stage. In this paper, we provide a simple and uniform way for weights and activations quantization by formulating it as a differentiable non-linear function. The quantization function is represented as a linear combination of several Sigmoid functions with learnable biases and scales that could be learned in a lossless and end-to-end manner via continuous relaxation of the steepness of Sigmoid functions. Extensive experiments on image classification and object detection tasks show that our quantization networks outperform state-of-the-art methods. We believe that the proposed method will shed new lights on the interpretation of neural network quantization.
0

Improving 3D Object Detection with Channel-wise Transformer

Xian-Sheng Hua et al.Oct 1, 2021
Though 3D object detection from point clouds has achieved rapid progress in recent years, the lack of flexible and high-performance proposal refinement remains a great hurdle for existing state-of-the-art two-stage detectors. Previous works on refining 3D proposals have relied on human-designed components such as keypoints sampling, set abstraction and multi-scale feature fusion to produce powerful 3D object representations. Such methods, however, have limited ability to capture rich contextual dependencies among points. In this paper, we leverage the high-quality region proposal network and a Channel-wise Transformer architecture to constitute our two-stage 3D object detection framework (CT3D) with minimal hand-crafted design. The proposed CT3D simultaneously performs proposal-aware embedding and channel-wise context aggregation for the point features within each proposal. Specifically, CT3D uses proposal's keypoints for spatial contextual modelling and learns attention propagation in the encoding module, mapping the proposal to point embeddings. Next, a new channel-wise decoding module enriches the query-key interaction via channel-wise re-weighting to effectively merge multi-level contexts, which contributes to more accurate object predictions. Extensive experiments demonstrate that our CT3D method has superior performance and excellent scalability. Remarkably, CT3D achieves the AP of 81.77% in the moderate car category on the KITTI test 3D detection benchmark, outperforms state-of-the-art 3D detectors.
0

Short-term sedimentary evidence for increasing diatoms in Arctic fjords in a warming world

Fu-Tao Fang et al.Aug 28, 2024
Arctic fjords are hotspots of marine carbon burial, with diatoms playing an essential role in the biological carbon pump. Under the background of global warming, the proportion of diatoms in total phytoplankton communities has been declining in many high-latitude fjords due to increased turbidity and oligotrophication resulting from glacier melting. However, due to the habitat heterogeneity among Svalbard fjords, diatom responses to glacier melting are also expected to be complex, which will further lead to changes in the biological carbon pumping and carbon sequestration. To address the complexity, three short sediment cores were collected from three contrasting fjords in Svalbard (Krossfjorden, Kongsfjorden, Gronfjorden), recording the history of fjord changes in recent decades during significant glacier melting. The amino acid molecular indicators in cores K4 and KF1 suggested similar organic matter degradation states between these two sites. In contrast to the turbid Kongsfjorden and Gronfjorden, preserved fucoxanthin in Krossfjorden indicated a continuous increase in diatoms since the mid-1980s, corresponding to a 59 % increase in biological carbon pumping, as quantified by the δ
0
0
Save