期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于交叉通道注意力的目标跟踪方法
被引量：
1
1
作者
张立国
耿星硕
+2 位作者
金梅
章玉鹏
张升
《计量学报》
CSCD
北大核心
2023年第4期609-615,共7页
针对跟踪目标被遮挡或者目标周围存在敏感干扰物,从而导致前景背景分类错误和边界框预测错误的问题,提出了一种基于交叉通道注意力的无锚框的目标跟踪方法。首先使用交叉通道注意力对特征提取部分的最后三层输出进行通道增强,利用模板...
针对跟踪目标被遮挡或者目标周围存在敏感干扰物,从而导致前景背景分类错误和边界框预测错误的问题,提出了一种基于交叉通道注意力的无锚框的目标跟踪方法。首先使用交叉通道注意力对特征提取部分的最后三层输出进行通道增强,利用模板特征和搜索特征中目标的相似性,整合所有通道特征的相关性,从而选择性的对目标特征的通道的增强。之后使用加权求和的方式进行特征融合,使用浅层特征和深层特征融合提高分类精度和定位的准确度。最后使用位置注意力对分类特征图进行全局编码,再次增强分类特征图的特征,提高网络对目标的定位准确性。实验结果表明,提出的算法在OTB100数据集上取得了85.5%的准确率和64.1%的成功率,在UAV20L数据集上取得了70.5%的准确率和56.0%的成功率。
展开更多
关键词
计量学
目标跟踪
交叉通道注意力
锚框
位置
注意力
特征融合
孪生卷积网络
在线阅读
下载PDF
职称材料
基于双交叉注意力Transformer网络的小样本图像语义分割
被引量：
2
2
作者
刘玉
郭迎春
+1 位作者
朱叶
于明
《液晶与显示》
CAS
CSCD
北大核心
2024年第11期1494-1505,共12页
小样本图像语义分割只用少量样本就能分割出新类别。针对现有方法中语义信息挖掘不充分的问题,本文提出一种基于双交叉注意力网络的小样本图像语义分割方法。该方法采用Transformer结构,利用双交叉注意力模块同时从通道和空间维度上学...
小样本图像语义分割只用少量样本就能分割出新类别。针对现有方法中语义信息挖掘不充分的问题,本文提出一种基于双交叉注意力网络的小样本图像语义分割方法。该方法采用Transformer结构,利用双交叉注意力模块同时从通道和空间维度上学习多尺度查询特征和支持特征的远程依赖性。首先,本文提出通道交叉注意力模块,并结合位置交叉注意力模块构成双交叉注意力模块。其中,通道交叉注意力模块用于学习查询和支持特征之间的通道语义相互关系,位置交叉注意力模块用来捕获查询和支持特征之间的远程上下文相关性。然后,通过多个双交叉注意力模块能够为查询图像提供包含丰富语义信息的多尺度交互特征。最后,本文引入辅助监督损失,并通过上采样和残差连接将多尺度交互特征连接至解码器以得到准确的新类分割结果。本文方法在数据集PASCAL-5i上的mIoU达到了69.9%(1-shot)和72.4%(5-shot),在数据集COCO-20i上的mIoU达到了48.9%(1-shot)和54.6%(5-shot)。与主流方法相比,本文方法的分割性能达到了最先进的水平。
展开更多
关键词
小样本图像语义分割
Transformer结构
通道
交叉
注意力
双
交叉
注意力
辅助损失
在线阅读
下载PDF
职称材料
基于TLI-DETR的输电线路巡检图像小目标检测方法
3
作者
徐程
郑春厚
+3 位作者
胡祥
王丽丽
张庚生
郭昊博
《智慧电力》
2025年第9期117-125,共9页
针对输电线路巡检(TLI)中存在的复杂背景干扰、目标尺度跨度大及器件密集分布导致小目标检测精度低的问题,提出一种适用于TLI的检测变压器(DETR)模型TLI-DETR。首先,通过在骨干网络各阶段末层用多尺度可分离卷积网络替换残差块,提取并...
针对输电线路巡检(TLI)中存在的复杂背景干扰、目标尺度跨度大及器件密集分布导致小目标检测精度低的问题,提出一种适用于TLI的检测变压器(DETR)模型TLI-DETR。首先,通过在骨干网络各阶段末层用多尺度可分离卷积网络替换残差块,提取并融合各阶段输出的特征图作为多尺度特征,以增强小目标特征提取能力;其次,在多尺度特征图中引入通道空间融合交叉注意力机制,抑制图像中背景噪声对小目标检测的干扰;最后,设计层级交互特征融合模块,通过动态调整注意力区域提升密集小目标检测精度。实验结果表明,所提方法在输电线路巡检任务中的综合性能优于当前主流模型,可有效识别输电线路中的小目标部件,有助于发现潜在的安全隐患。
展开更多
关键词
输电线路巡检
小目标检测
多尺度可分离卷积网络
通道
空间融合
交叉
注意力
层级交互特征融合
在线阅读
下载PDF
职称材料
题名
基于交叉通道注意力的目标跟踪方法
被引量：
1
1
作者
张立国
耿星硕
金梅
章玉鹏
张升
机构
燕山大学电气工程学院
出处
《计量学报》
CSCD
北大核心
2023年第4期609-615,共7页
基金
河北省中央引导地方专项(199477141G)
河北省科学技术研究与发展计划科技支撑计划(20310302D)。
文摘
针对跟踪目标被遮挡或者目标周围存在敏感干扰物,从而导致前景背景分类错误和边界框预测错误的问题,提出了一种基于交叉通道注意力的无锚框的目标跟踪方法。首先使用交叉通道注意力对特征提取部分的最后三层输出进行通道增强,利用模板特征和搜索特征中目标的相似性,整合所有通道特征的相关性,从而选择性的对目标特征的通道的增强。之后使用加权求和的方式进行特征融合,使用浅层特征和深层特征融合提高分类精度和定位的准确度。最后使用位置注意力对分类特征图进行全局编码,再次增强分类特征图的特征,提高网络对目标的定位准确性。实验结果表明,提出的算法在OTB100数据集上取得了85.5%的准确率和64.1%的成功率,在UAV20L数据集上取得了70.5%的准确率和56.0%的成功率。
关键词
计量学
目标跟踪
交叉通道注意力
锚框
位置
注意力
特征融合
孪生卷积网络
Keywords
metrology
target tracking
cross-channel attention
anchor frame
position attention
feature fusion
twin convolutional networks
分类号
TB973 [机械工程—测试计量技术及仪器]
TB96 [机械工程—光学工程]
在线阅读
下载PDF
职称材料
题名
基于双交叉注意力Transformer网络的小样本图像语义分割
被引量：
2
2
作者
刘玉
郭迎春
朱叶
于明
机构
河北工业大学电子信息工程学院
河北工业大学人工智能与数据科学学院
出处
《液晶与显示》
CAS
CSCD
北大核心
2024年第11期1494-1505,共12页
基金
国家自然科学基金青年项目(No.62102129)
国家自然科学基金面上项目(No.62276088)
河北省自然科学基金(No.F2021202030,No.F2019202381,No.F2019202464)。
文摘
小样本图像语义分割只用少量样本就能分割出新类别。针对现有方法中语义信息挖掘不充分的问题,本文提出一种基于双交叉注意力网络的小样本图像语义分割方法。该方法采用Transformer结构,利用双交叉注意力模块同时从通道和空间维度上学习多尺度查询特征和支持特征的远程依赖性。首先,本文提出通道交叉注意力模块,并结合位置交叉注意力模块构成双交叉注意力模块。其中,通道交叉注意力模块用于学习查询和支持特征之间的通道语义相互关系,位置交叉注意力模块用来捕获查询和支持特征之间的远程上下文相关性。然后,通过多个双交叉注意力模块能够为查询图像提供包含丰富语义信息的多尺度交互特征。最后,本文引入辅助监督损失,并通过上采样和残差连接将多尺度交互特征连接至解码器以得到准确的新类分割结果。本文方法在数据集PASCAL-5i上的mIoU达到了69.9%(1-shot)和72.4%(5-shot),在数据集COCO-20i上的mIoU达到了48.9%(1-shot)和54.6%(5-shot)。与主流方法相比,本文方法的分割性能达到了最先进的水平。
关键词
小样本图像语义分割
Transformer结构
通道
交叉
注意力
双
交叉
注意力
辅助损失
Keywords
few-shot semantic segmentation
transformer architecture
channel cross-attention
dual cross-attention
auxiliary losses
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于TLI-DETR的输电线路巡检图像小目标检测方法
3
作者
徐程
郑春厚
胡祥
王丽丽
张庚生
郭昊博
机构
安徽大学人工智能学院
出处
《智慧电力》
2025年第9期117-125,共9页
基金
国家重点研发计划资助项目(2022YFB2402901)
中央高校基本科研业务费专项资金资助(2024MS004)。
文摘
针对输电线路巡检(TLI)中存在的复杂背景干扰、目标尺度跨度大及器件密集分布导致小目标检测精度低的问题,提出一种适用于TLI的检测变压器(DETR)模型TLI-DETR。首先,通过在骨干网络各阶段末层用多尺度可分离卷积网络替换残差块,提取并融合各阶段输出的特征图作为多尺度特征,以增强小目标特征提取能力;其次,在多尺度特征图中引入通道空间融合交叉注意力机制,抑制图像中背景噪声对小目标检测的干扰;最后,设计层级交互特征融合模块,通过动态调整注意力区域提升密集小目标检测精度。实验结果表明,所提方法在输电线路巡检任务中的综合性能优于当前主流模型,可有效识别输电线路中的小目标部件,有助于发现潜在的安全隐患。
关键词
输电线路巡检
小目标检测
多尺度可分离卷积网络
通道
空间融合
交叉
注意力
层级交互特征融合
Keywords
TLI
small target detection
multi-scale separable convolutional network
channel-spatial fusion cross-attention
hierarchical interactive feature fusion
分类号
TM755 [电气工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于交叉通道注意力的目标跟踪方法
张立国
耿星硕
金梅
章玉鹏
张升
《计量学报》
CSCD
北大核心
2023
1
在线阅读
下载PDF
职称材料
2
基于双交叉注意力Transformer网络的小样本图像语义分割
刘玉
郭迎春
朱叶
于明
《液晶与显示》
CAS
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
3
基于TLI-DETR的输电线路巡检图像小目标检测方法
徐程
郑春厚
胡祥
王丽丽
张庚生
郭昊博
《智慧电力》
2025
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
