检索结果-维普期刊中文期刊服务平台

基于知识图谱与全局上下文注意的图像描述生成模型: 1; 作者陶瑞张素兰周慧媛《计算机工程与设计》北大核心 2025年第5期1297-1303,共7页; 针对当前大多数图像描述模型仅利用图像内容推理生成图像描述而导致描述内容缺失、准确性差的问题,通过引入知识图谱增强生成字幕的语义完整性,利用全局上下文信息约束进一步增加生成描述的准确性,提出一种基于知识图谱与全局上下文注... 展开更多; 关键词图像描述编码器解码器框架长短期记忆网络注意机制知识图谱外部知识全局上下文注意; 在线阅读下载PDF 职称材料

融合全局上下文注意力的遥感图像检测方法: 2; 作者廖欢朱文球 +1 位作者雷源毅徐轲《兵器装备工程学报》 CAS CSCD 北大核心 2024年第2期278-283,共6页; 针对遥感图像场景复杂、目标尺寸不一、且小尺寸目标过多导致的检测精度不佳和出现漏检等问题,提出了一种融合全局上下文注意力的目标检测算法。该算法提出一种全局上下文注意力机制和YOLOv5中C3结构融合的模块,以提升网络捕捉图像全局... 展开更多; 关键词 YOLOv5 遥感图像 Varifocal Loss 全局上下文注意力机制动态卷积; 在线阅读下载PDF 职称材料

双注意力随机选择全局上下文细粒度识别网络: 3; 作者徐胜军荆扬 +3 位作者段中兴李明海李海涛刘福友《液晶与显示》 CAS CSCD 北大核心 2024年第4期506-521,共16页; 针对细粒度图像识别任务中易忽视微小潜在性特征且外观差异细微等问题,提出一种基于双注意力随机选择全局上下文细粒度识别网络。首先,使用ConvNeXt作为主干网络,提出双注意力随机选择模块,对不同阶段提取到的特征进行通道随机选择和空... 展开更多; 关键词细粒度识别 ConvNeXt 双注意力随机选择全局上下文注意力多分支损失; 在线阅读下载PDF 职称材料

不平衡数据下面向包粒度应用层负载的轻量化入侵检测模型: 4; 作者杨毅铭陈世平《小型微型计算机系统》北大核心 2025年第2期465-473,共9页; 网络入侵检测是一种重要的网络安全方案.目前网络入侵检测模型都有较高精确度,但是模型复杂,参数量和计算量较大.针对该问题,设计了一种新的基于包粒度应用层负载的网络入侵检测一维卷积轻量模型.本文首先对UNSWNB15数据集的原始流量文... 展开更多; 关键词入侵检测一维卷积神经网络深度可分离卷积全局上下文注意力机制类别平衡; 在线阅读下载PDF 职称材料

题名基于知识图谱与全局上下文注意的图像描述生成模型: 1; 作者陶瑞张素兰周慧媛; 机构太原科技大学计算机科学与技术学院; 出处《计算机工程与设计》北大核心 2025年第5期1297-1303,共7页; 基金山西省自然科学基金项目(202103021224285) 山西省研究生科研创新基金项目(2023KY660) 太原科技大学研究生教育创新基金项目(BY2023014)。; 文摘针对当前大多数图像描述模型仅利用图像内容推理生成图像描述而导致描述内容缺失、准确性差的问题,通过引入知识图谱增强生成字幕的语义完整性,利用全局上下文信息约束进一步增加生成描述的准确性,提出一种基于知识图谱与全局上下文注意的图像描述模型。通过利用知识图谱,将外部知识编码到模型当中,提高生成初始语义信息的完整性;从初始的完整描述中获取全局上下文信息,利用上下文信息进一步约束指导最终生成的图像描述,提高图像描述结果的准确性。在两个不同规模的标准数据集MSCOCO和Flickr30k上与其它先进方法进行实验对比,其结果表明,该模型在评价指标上均有所提高,验证了所提方法的有效性。; 关键词图像描述编码器解码器框架长短期记忆网络注意机制知识图谱外部知识全局上下文注意; Keywords image caption encoder-decoder framework long short-term memory network attention mechanism knowledge graph external knowledge global context attention; 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

题名融合全局上下文注意力的遥感图像检测方法: 2; 作者廖欢朱文球雷源毅徐轲; 机构湖南工业大学; 出处《兵器装备工程学报》 CAS CSCD 北大核心 2024年第2期278-283,共6页; 基金湖南省自然科学基金项目(2021JJ50058) 湖南省教育厅开放平台创新基金资助项目(20K046)。; 文摘针对遥感图像场景复杂、目标尺寸不一、且小尺寸目标过多导致的检测精度不佳和出现漏检等问题,提出了一种融合全局上下文注意力的目标检测算法。该算法提出一种全局上下文注意力机制和YOLOv5中C3结构融合的模块,以提升网络捕捉图像全局特征的能力;通过Varifocal Loss损失函数来提升对密集、尺寸小的目标的检测性能;采用基于归一化的注意力模块,降低图像中不太显著的特征和权重,使网络能够达到更高的检测准确率;利用动态卷积学习各个维度的信息,让训练得到的模型在降低GFLOPs情况下,同时保持检测精度提升。在NWPU VHR-10数据集上实验结果mAP为96.0%、准确率为98.2%、召回率为94.9%,较原YOLOv5模型分别提升了1.8%、4.7%和2.2%,证明了所改进YOLOv5方法的有效性。; 关键词 YOLOv5 遥感图像 Varifocal Loss 全局上下文注意力机制动态卷积; Keywords YOLOv5 remote sensing image Varifocal Loss global context attention dynamic convolution; 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

题名双注意力随机选择全局上下文细粒度识别网络: 3; 作者徐胜军荆扬段中兴李明海李海涛刘福友; 机构西安建筑科技大学信息与控制工程学院西安市建筑制造智能化技术重点实验室江苏省交通工程建设局中交隧道工程局有限公司; 出处《液晶与显示》 CAS CSCD 北大核心 2024年第4期506-521,共16页; 基金国家自然科学基金(No.52278125) 陕西省自然科学基础研究项目(No.2023-JC-YB-532,No.2022JQ681) +1 种基金陕西省教育厅专项科研计划(No.20JK0721)。; 文摘针对细粒度图像识别任务中易忽视微小潜在性特征且外观差异细微等问题,提出一种基于双注意力随机选择全局上下文细粒度识别网络。首先,使用ConvNeXt作为主干网络,提出双注意力随机选择模块,对不同阶段提取到的特征进行通道随机选择和空间随机选择,使网络能够关注到其他潜在微小判别性特征;其次,利用全局上下文注意力模块将深层特征的语义信息融合到中间层,增强中间层定位微小特征的能力;最后,提出一种多分支损失,对中间层、深层和拼接层特征引入分类损失,结合不同分支提取到的特征,诱导网络获得多样性的判别特征。所提网络在Stanford-cars、CUB-200-2011、FGVC-Aircraft 3个公开细粒度数据集和真实场景下车型数据集VMRURS上分别达到了95.2%、92.1%、94.0%和97.0%的识别准确率,其性能相比其他对比方法有较大幅度提升。; 关键词细粒度识别 ConvNeXt 双注意力随机选择全局上下文注意力多分支损失; Keywords fine-grained recognition convnext dual-attention random selection global context attention multi-branch loss; 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

题名不平衡数据下面向包粒度应用层负载的轻量化入侵检测模型: 4; 作者杨毅铭陈世平; 机构上海理工大学光电信息与计算机工程学院上海理工大学图书馆; 出处《小型微型计算机系统》北大核心 2025年第2期465-473,共9页; 基金国家自然基金项目(61472256,61170277)资助上海理工大学科技发展基金项目(16KJFZ035,2017KJFZ033)资助沪江基金项目(A14006)资助。; 文摘网络入侵检测是一种重要的网络安全方案.目前网络入侵检测模型都有较高精确度,但是模型复杂,参数量和计算量较大.针对该问题,设计了一种新的基于包粒度应用层负载的网络入侵检测一维卷积轻量模型.本文首先对UNSWNB15数据集的原始流量文件进行包粒度应用层负载数据提取,构造一维灰度特征向量.在此基础上,本文提出一种由新的一维深度可分离卷积残差模块组成,融入了全局上下文注意力机制(Global Context Attention Module)的一维卷积轻量模型Fast Payload,并进行了针对性的模型优化和可行性论证.Fast Payload模型在UNSWNB15数据集上的9分类任务中宏平均准确率达到82.433%,加权平均精确率达到90.820%,均高于对比模型;同时,该模型计算量和参数量均低于对比模型.其次本文提出了二阶段类别平衡损失函数GHM2StageLoss,有效解决了数据集的类别不平衡问题,相比其他类别平衡损失函数,效果更好.为方便后续研究的复现,本研究开源部分源代码,网址为https://github.com/sadantange/FastPayload.; 关键词入侵检测一维卷积神经网络深度可分离卷积全局上下文注意力机制类别平衡; Keywords intrusion detection 1D convolutional neural network depthwise separable convolution global context attention module class balance; 分类号 TP393 [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	作者	出处	发文年	操作
1	基于知识图谱与全局上下文注意的图像描述生成模型	陶瑞张素兰周慧媛	《计算机工程与设计》北大核心	2025	在线阅读下载PDF 职称材料
2	融合全局上下文注意力的遥感图像检测方法	廖欢朱文球雷源毅徐轲	《兵器装备工程学报》 CAS CSCD 北大核心	2024	在线阅读下载PDF 职称材料
3	双注意力随机选择全局上下文细粒度识别网络	徐胜军荆扬段中兴李明海李海涛刘福友	《液晶与显示》 CAS CSCD 北大核心	2024	在线阅读下载PDF 职称材料
4	不平衡数据下面向包粒度应用层负载的轻量化入侵检测模型	杨毅铭陈世平	《小型微型计算机系统》北大核心	2025	在线阅读下载PDF 职称材料