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
基于双路信息时空图卷积网络的交通预测模型
被引量：
3
1
作者
康雁
谢思宇
+4 位作者
王飞
寇勇奇
徐玉龙
吴志伟
李浩
《计算机科学》
CSCD
北大核心
2021年第S02期46-51,62,共7页
随着深度学习的发展,神经网络在各个领域都有着大量的应用,智慧交通系统也不例外。交通流预测是智慧交通系统的基石,是整个交通预测的核心所在。近年来,图卷积神经网络的利用有效地提高了交通预测的性能,如何进一步提高对图的时空特征...
随着深度学习的发展,神经网络在各个领域都有着大量的应用,智慧交通系统也不例外。交通流预测是智慧交通系统的基石,是整个交通预测的核心所在。近年来,图卷积神经网络的利用有效地提高了交通预测的性能,如何进一步提高对图的时空特征进行捕获的能力,将会成为热点。为了提升交通预测的精度,提出了一种基于双路信息时空图卷积网络的交通预测模型。首先,针对图卷积网络的交通预测模型在长距离依赖上建模有所不足,并且没有完全挖掘时空图信息之间的隐藏关系以及在时空图结构上还有信息缺失,提出了一种三重池化注意力机制来建模全局上下文信息。通过对图卷积层和时间卷积层各增加并行的三重池化注意力路径,构造了一个双路信息时空卷积层,提升了卷积层的泛化能力及模型捕获长距离依赖的能力,同时让时空卷积层能够很好地捕获时空图结构上的空间和时间特征,从而有效地提升了交通预测性能。在两个公共交通数据集(METR-LA和PEMS-BAY)上的实验结果表明,该模型具有较好的性能。
展开更多
关键词
交通预测
图卷积神经网络
全局上下文建模
长距离依赖
在线阅读
下载PDF
职称材料
基于多特征融合卷积神经网络的显著性检测
被引量：
6
2
作者
赵应丁
岳星宇
+2 位作者
杨文姬
张吉昊
杨红云
《计算机工程与科学》
CSCD
北大核心
2021年第4期729-737,共9页
随着深度学习技术的发展以及卷积神经网络在众多计算机视觉任务中的突出表现,基于卷积神经网络的深度显著性检测方法成为显著性检测领域的主流方法。但是,卷积神经网络受卷积核尺寸的限制,在网络底层只能在较小范围内提取特征,不能很好...
随着深度学习技术的发展以及卷积神经网络在众多计算机视觉任务中的突出表现,基于卷积神经网络的深度显著性检测方法成为显著性检测领域的主流方法。但是,卷积神经网络受卷积核尺寸的限制,在网络底层只能在较小范围内提取特征,不能很好地检测区域内不显著但全局显著的对象;其次,卷积神经网络通过堆叠卷积层的方式可获得图像的全局信息,但在信息由浅向深传递时,会导致信息遗失,同时堆叠太深也会导致网络难以优化。基于此,提出一种基于多特征融合卷积神经网络的显著性检测方法。使用多个局部特征增强模块和全局上下文建模模块对卷积神经网络进行增强,利用局部特征增强模块增大特征提取范围的同时,采用全局上下文建模获得特征图的全局信息,有效地抑制了区域内显著而全局不显著的物体对显著性检测的干扰;能够同时提取多尺度局部特征和全局特征进行显著性检测,有效地提升了检测结果的准确性。最后,通过实验对所提方法的有效性进行验证并和其它11种显著性检测方法进行对比,结果表明所提方法能提升显著性检测结果的准确性且优于参与比较的11种方法。
展开更多
关键词
显著性检测
多尺度
卷积神经网络
局部特征增强
全局上下文建模
在线阅读
下载PDF
职称材料
基于DenseNet与注意力机制的遥感影像云检测算法
被引量：
9
3
作者
刘广进
王光辉
+2 位作者
毕卫华
刘慧杰
杨化超
《自然资源遥感》
CSCD
北大核心
2022年第2期88-96,共9页
遥感影像云检测是遥感影像处理过程中的第一步,针对传统的云检测算法小块薄云检测效果差的问题,该文提出了一种融合注意力机制的密集连接网络遥感影像云检测方法。首先,将自然资源部国土卫星遥感应用中心提供的影像人工勾取云矢量并制...
遥感影像云检测是遥感影像处理过程中的第一步,针对传统的云检测算法小块薄云检测效果差的问题,该文提出了一种融合注意力机制的密集连接网络遥感影像云检测方法。首先,将自然资源部国土卫星遥感应用中心提供的影像人工勾取云矢量并制作云标签,再将其进行顺序裁剪、色彩抖动、旋转等预处理,以增广样本量;然后,将预处理过后的遥感影像及其标签一并输入到以DenseNet作为编码器与解码器的神经网络中,编码器与解码器之间加入级联的空洞卷积模块以增大感受野,双注意力机制与全局上下文建模模块以抑制一些无关的细节信息;最后,经过实验验证表明其精确率可以达到95%以上,交并比可以达到91%以上,较传统云检测算法有较大提高,可以很好地提取小块薄云。
展开更多
关键词
云检测
DenseNet
双注意力机制
全局上下文建模
模
块
空洞卷积
在线阅读
下载PDF
职称材料
题名
基于双路信息时空图卷积网络的交通预测模型
被引量：
3
1
作者
康雁
谢思宇
王飞
寇勇奇
徐玉龙
吴志伟
李浩
机构
云南大学软件学院
出处
《计算机科学》
CSCD
北大核心
2021年第S02期46-51,62,共7页
基金
国家自然科学基金(61762092)
云南省软件工程重点实验室开放基金项目(2017SE204)
+2 种基金
云南省重大科技专项(202002AB080001)
云南大学服务云南行动计划《机场智慧管理平台关键技术研究及实现》(C176240501005)
《材料基因工程-基于Metcloud的集成计算功能模块计算软件开发》(2019CLJY06)。
文摘
随着深度学习的发展,神经网络在各个领域都有着大量的应用,智慧交通系统也不例外。交通流预测是智慧交通系统的基石,是整个交通预测的核心所在。近年来,图卷积神经网络的利用有效地提高了交通预测的性能,如何进一步提高对图的时空特征进行捕获的能力,将会成为热点。为了提升交通预测的精度,提出了一种基于双路信息时空图卷积网络的交通预测模型。首先,针对图卷积网络的交通预测模型在长距离依赖上建模有所不足,并且没有完全挖掘时空图信息之间的隐藏关系以及在时空图结构上还有信息缺失,提出了一种三重池化注意力机制来建模全局上下文信息。通过对图卷积层和时间卷积层各增加并行的三重池化注意力路径,构造了一个双路信息时空卷积层,提升了卷积层的泛化能力及模型捕获长距离依赖的能力,同时让时空卷积层能够很好地捕获时空图结构上的空间和时间特征,从而有效地提升了交通预测性能。在两个公共交通数据集(METR-LA和PEMS-BAY)上的实验结果表明,该模型具有较好的性能。
关键词
交通预测
图卷积神经网络
全局上下文建模
长距离依赖
Keywords
Traffic forecast
Graph convolutional neural network
Global context modeling
Long distance dependence
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于多特征融合卷积神经网络的显著性检测
被引量：
6
2
作者
赵应丁
岳星宇
杨文姬
张吉昊
杨红云
机构
江西农业大学软件学院
江西农业大学计算机与信息工程学院
华中科技大学外国语学院
江西省高等学校农业信息技术重点实验室
出处
《计算机工程与科学》
CSCD
北大核心
2021年第4期729-737,共9页
基金
国家自然科学基金(61462038,61562039)
江西省教育厅科技计划项目(GJJ190217)。
文摘
随着深度学习技术的发展以及卷积神经网络在众多计算机视觉任务中的突出表现,基于卷积神经网络的深度显著性检测方法成为显著性检测领域的主流方法。但是,卷积神经网络受卷积核尺寸的限制,在网络底层只能在较小范围内提取特征,不能很好地检测区域内不显著但全局显著的对象;其次,卷积神经网络通过堆叠卷积层的方式可获得图像的全局信息,但在信息由浅向深传递时,会导致信息遗失,同时堆叠太深也会导致网络难以优化。基于此,提出一种基于多特征融合卷积神经网络的显著性检测方法。使用多个局部特征增强模块和全局上下文建模模块对卷积神经网络进行增强,利用局部特征增强模块增大特征提取范围的同时,采用全局上下文建模获得特征图的全局信息,有效地抑制了区域内显著而全局不显著的物体对显著性检测的干扰;能够同时提取多尺度局部特征和全局特征进行显著性检测,有效地提升了检测结果的准确性。最后,通过实验对所提方法的有效性进行验证并和其它11种显著性检测方法进行对比,结果表明所提方法能提升显著性检测结果的准确性且优于参与比较的11种方法。
关键词
显著性检测
多尺度
卷积神经网络
局部特征增强
全局上下文建模
Keywords
saliency detection
multi-scale
convolutional neural network
local feature enhancement
global feature modeling
分类号
TP391 [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DenseNet与注意力机制的遥感影像云检测算法
被引量：
9
3
作者
刘广进
王光辉
毕卫华
刘慧杰
杨化超
机构
中国矿业大学环境与测绘学院
自然资源部国土卫星遥感应用中心
皖北煤电集团有限责任公司
出处
《自然资源遥感》
CSCD
北大核心
2022年第2期88-96,共9页
基金
国家重点研发计划项目“集成北斗/Galileo/LiDAR/倾斜摄影的智慧城市三维场景重建关键技术研究”(编号:2017YFE0119600)资助。
文摘
遥感影像云检测是遥感影像处理过程中的第一步,针对传统的云检测算法小块薄云检测效果差的问题,该文提出了一种融合注意力机制的密集连接网络遥感影像云检测方法。首先,将自然资源部国土卫星遥感应用中心提供的影像人工勾取云矢量并制作云标签,再将其进行顺序裁剪、色彩抖动、旋转等预处理,以增广样本量;然后,将预处理过后的遥感影像及其标签一并输入到以DenseNet作为编码器与解码器的神经网络中,编码器与解码器之间加入级联的空洞卷积模块以增大感受野,双注意力机制与全局上下文建模模块以抑制一些无关的细节信息;最后,经过实验验证表明其精确率可以达到95%以上,交并比可以达到91%以上,较传统云检测算法有较大提高,可以很好地提取小块薄云。
关键词
云检测
DenseNet
双注意力机制
全局上下文建模
模
块
空洞卷积
Keywords
cloud detection
DenseNet
dual attention mechanism
global context modeling module
atrous convolution
分类号
TP751.1 [自动化与计算机技术—检测技术与自动化装置]
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
基于双路信息时空图卷积网络的交通预测模型
康雁
谢思宇
王飞
寇勇奇
徐玉龙
吴志伟
李浩
《计算机科学》
CSCD
北大核心
2021
3
在线阅读
下载PDF
职称材料
2
基于多特征融合卷积神经网络的显著性检测
赵应丁
岳星宇
杨文姬
张吉昊
杨红云
《计算机工程与科学》
CSCD
北大核心
2021
6
在线阅读
下载PDF
职称材料
3
基于DenseNet与注意力机制的遥感影像云检测算法
刘广进
王光辉
毕卫华
刘慧杰
杨化超
《自然资源遥感》
CSCD
北大核心
2022
9
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
