长期Transformer和自适应傅里叶变换的动态图卷积交通流预测研究

1

作者 张红 伊敏 +2 位作者 张玺君 李扬 张鹏程 《电子与信息学报》 北大核心 2025年第7期2249-2262,共14页

针对交通流长期趋势性与非平稳性不易有效建模,以及交通流的隐藏动态时空特征难以捕捉的问题,该文提出一种基于长期Transformer和自适应傅里叶变换的动态图卷积交通流预测模型(ADGformer)。其中,长期门控卷积层通过掩码子序列Transforme... 针对交通流长期趋势性与非平稳性不易有效建模,以及交通流的隐藏动态时空特征难以捕捉的问题,该文提出一种基于长期Transformer和自适应傅里叶变换的动态图卷积交通流预测模型(ADGformer)。其中,长期门控卷积层通过掩码子序列Transformer从长历史序列中学习压缩的、上下文信息丰富的子序列表示,并利用膨胀门控卷积从子序列的时间表示中有效捕捉交通流的长期趋势特征。并设计一种动态图构造器生成动态可学习图,并利用可学习动态图卷积对节点间潜在的和时变的空间依赖关系进行建模以有效捕获交通流的动态隐藏空间特征。其次,自适应频谱块利用傅里叶变换来增强特征表示并捕获长短期的交互作用,同时通过自适应阈值处理来降低交通流的非平稳性。实验结果表明,所提ADGformer模型具有较好的预测性能。 展开更多

关键词 交通流预测 动态图卷积 长期Transformer 傅里叶变换 非平稳性

在线阅读 下载PDF 职称材料

基于自适应动态图卷积和无参注意力的点云分类分割方法

2

作者 李维刚 李歆怡 +1 位作者 王永强 赵云涛 《计算机应用》 北大核心 2025年第6期1980-1986,共7页

针对传统卷积在处理点云时难以精确提取邻域特征信息和有效融合上下文信息的问题,提出一种基于自适应动态图卷积和无参注意力的点云分类分割方法。首先,通过自适应动态图卷积模块(ADGC)学习不同邻域的特征信息,生成自适应卷积核,并更新... 针对传统卷积在处理点云时难以精确提取邻域特征信息和有效融合上下文信息的问题,提出一种基于自适应动态图卷积和无参注意力的点云分类分割方法。首先,通过自适应动态图卷积模块(ADGC)学习不同邻域的特征信息,生成自适应卷积核,并更新边缘特征,从而精确提取点云的局部邻域特征;其次,设计残差结构学习点云的空间位置信息,以精确捕获点对之间的几何结构,更好地保留和提取细节特征;最后,为了更好地关注和提取局部几何特征,结合无参注意力模块(PFA)与卷积操作,增强邻域之间的联系和模型的上下文感知能力。实验结果表明,与PointNet相比,所提方法在多种任务上具有显著优势,具体地,所提方法的分类任务的总体精度(OA)提升了4.6个百分点,部件分割任务实例的平均交并比(mIoU)提升了2.3个百分点,语义分割任务的mIoU提升了24.6个百分点。可见,所提方法进一步增强了对复杂几何结构的理解和表征能力,在各种任务中实现了更精确的特征提取和实验性能。 展开更多

关键词 点云 分类分割 自适应 动态图卷积 注意力机制

在线阅读 下载PDF 职称材料

融合双注意力机制和动态图卷积的点云语义分割 被引量：3

3

作者 杨军 张琛 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第10期2984-2994,共11页

针对现有基于深度学习的三维点云语义分割算法通常在提取局部特征时忽略邻域点间深层次语义信息,聚合局部邻域特征时忽略其他邻域特征中有用信息的问题,提出融合双注意力机制和动态图卷积神经网络(DGCNN)的三维点云语义分割算法。通过... 针对现有基于深度学习的三维点云语义分割算法通常在提取局部特征时忽略邻域点间深层次语义信息,聚合局部邻域特征时忽略其他邻域特征中有用信息的问题,提出融合双注意力机制和动态图卷积神经网络(DGCNN)的三维点云语义分割算法。通过动态图卷积操作构造边缘特征,并将中心点与邻域点的相对距离输入到核点卷积操作得到增强后的边缘特征,进一步加强中心点与邻域点之间的联系;引入空间注意力模块以建立邻域点之间的依赖关系,将特征相似点相互关联,从而在局部邻域内提取到更深层次的上下文信息,丰富邻域点的几何特征;在聚合局部邻域特征时引入通道注意力模块,通过给不同通道赋予不同的权值以达到增强有用通道同时抑制无用通道的目的,从而提高语义分割的准确率。在S3DIS数据集和SemanticKITTI数据集上的实验结果表明:所提算法的语义分割精度分别达到了66.0%和59.4%,与其他经典的网络模型相比,取得了更好的点云分割效果。 展开更多

关键词 三维点云 语义分割 深度学习 注意力机制 动态图卷积

在线阅读 下载PDF 职称材料

基于多头注意力动态图卷积网络的交通流预测 被引量：4

4

作者 邓涵优 陈红梅 +1 位作者 肖清 方圆 《太原理工大学学报》 北大核心 2024年第1期172-183,共12页

【目的】交通流预测对于城市交通系统的有效管理和运行至关重要。交通网络中不同路段或路口的流量随时间动态变化,空间邻近路段或路口的流量也会相互影响。为了更好地从交通流序列中学习不同路段或路口流量的时空相关性,提升交通流短时... 【目的】交通流预测对于城市交通系统的有效管理和运行至关重要。交通网络中不同路段或路口的流量随时间动态变化,空间邻近路段或路口的流量也会相互影响。为了更好地从交通流序列中学习不同路段或路口流量的时空相关性,提升交通流短时预测性能,提出基于多头注意力动态图卷积网络(dynamic graph convolution network with multi-head attention,DGCNMA)的交通流预测方法。【方法】DGCNMA模型在Transformer框架中首先引入图卷积网络学习交通流序列的空间嵌入并融入交通流序列,进而采用多头注意力机制从多个角度同时捕捉交通流序列的时间相关性和空间相关性;其次引入交互动态图卷积网络,通过卷积网络和动态图卷积网络交互学习以及交通流奇偶子序列特征交互融合,同时学习交通流序列的局部时空相关性和全局时空相关性。【结果】通过在高速公路交通流数据集(PEMS03、PEMS04、PEMS08)和地铁人群流量数据集(HZME inflow and HZME outflow)上的大量实验,验证了所提出的DGCNMA模型的交通流预测性能优于基线模型。 展开更多

关键词 交通流预测 多头注意力 交互动态图卷积

在线阅读 下载PDF 职称材料

边缘损失约束下的多尺度动态图卷积点云分割网络 被引量：1

5

作者 卢超杰 潘翔 《小型微型计算机系统》 CSCD 北大核心 2024年第9期2215-2220,共6页

图卷积网络广泛应用于三维点云分割.然而最具代表性的图卷积网络(DGCNN)只考虑语义标签损失,而没有考虑分割边界损失,从而影响了分割精度.论文提出了一种用于点云分割的增强型动态图卷积网络MSES-DGCNN,联合边缘监督来提高点云分割准确... 图卷积网络广泛应用于三维点云分割.然而最具代表性的图卷积网络(DGCNN)只考虑语义标签损失,而没有考虑分割边界损失,从而影响了分割精度.论文提出了一种用于点云分割的增强型动态图卷积网络MSES-DGCNN,联合边缘监督来提高点云分割准确率.联合损失函数在已有语义标签交叉熵损失基础上,采用标签变化提取边界区域.然后,论文在已有动态图卷积网络中增加一个边界损失模块,从而使反向传播中边界附近的困难点云样本梯度接近这些边界,并使最终分割结果接近真实边缘.同时,论文针对动态图卷积构建多尺度特征融合模块,以增强不规则形状和不均匀分布点云的语义可分性.实验表明,边缘损失模块可以使分割边界更为准确,在包括ShapeNet和S3DIS在内的基准数据集上改进了分割精度. 展开更多

关键词 三维点云 动态图卷积 多尺度特征融合 边缘损失

在线阅读 下载PDF 职称材料

结合双注意力和加权动态图卷积的三维点云分类与分割

6

作者 肖剑 王晓红 +2 位作者 李炜 杨祎斐 罗季 《光学精密工程》 EI CAS CSCD 北大核心 2024年第18期2823-2835,共13页

针对基于深度学习的点云分类分割网络在局部上下文信息提取和近邻点特征表达上的不足,以及最大池化容易丢失次优信息的问题,提出结合双注意力和加权动态图卷积网络的点云分类分割算法。首先,加权动态图卷积利用加权K近邻算法构建鲁棒的... 针对基于深度学习的点云分类分割网络在局部上下文信息提取和近邻点特征表达上的不足,以及最大池化容易丢失次优信息的问题,提出结合双注意力和加权动态图卷积网络的点云分类分割算法。首先,加权动态图卷积利用加权K近邻算法构建鲁棒的局部结构,并引入强化边卷积模块对点特征加权以得到强化后边特征。然后,通道注意力构造通道相关性并释放各通道潜力,再利用空间注意力感知三维点云的空间结构,以增强局部语义特征的表达,并提取有效上下文信息与深层语义特征。最后,采用TopK池化添加次优特征。实验结果表明,该算法在ModelNet40分类数据集上总体分类精度达到93.36%,在ShapeNet Part部件分割数据集上平均交并比达到85.96%,能够有效提取上下文信息和增强近邻点特征表达,表明了算法的有效性。 展开更多

关键词 分类与分割 三维点云 注意力机制 加权动态图卷积 K近邻算法

在线阅读 下载PDF 职称材料

基于动态图卷积和空间金字塔池化的点云深度学习网络 被引量：9

7

作者 朱威 绳荣金 +1 位作者 汤如 何德峰 《计算机科学》 CSCD 北大核心 2020年第7期192-198,共7页

点云数据的分类和语义分割在自动驾驶、智能机器人、全息投影等领域中有着重要应用。传统手工提取点云特征的方式,以及将三维点云数据转化为多视图、体素网格等数据形式后再进行特征学习的方式,都存在处理环节多、三维特征损失大等问题... 点云数据的分类和语义分割在自动驾驶、智能机器人、全息投影等领域中有着重要应用。传统手工提取点云特征的方式,以及将三维点云数据转化为多视图、体素网格等数据形式后再进行特征学习的方式,都存在处理环节多、三维特征损失大等问题,分类和分割的精度较低。目前可以直接处理点云数据的深度神经网络PointNet忽略了点云的局部细粒度特征,对复杂点云场景的处理能力较弱。针对上述问题,提出了一种基于动态图卷积和空间金字塔池化的点云深度学习网络。该网络在PointNet的基础上使用动态图卷积模块来替换PointNet中的特征学习模块,增强了网络对局部拓扑结构信息的学习能力;同时设计了一种基于点的空间金字塔池化结构来捕获多尺度局部特征,该方式比PointNet++的多尺度采样点云、重复分组进行多尺度局部特征学习的方法更加简洁高效。实验结果表明,在点云分类和语义分割任务的3个基准数据集上,所提网络相较于现有网络具有更高的分类和分割精度。 展开更多

关键词 点云 PointNet 动态图卷积 空间金字塔池化 局部特征

在线阅读 下载PDF 职称材料

结合残差动态图卷积与特征强化的点云分类 被引量：2

8

作者 梁正友 蔡俊民 +1 位作者 孙宇 陈磊 《广西师范大学学报（自然科学版）》 CAS 北大核心 2023年第5期37-48,共12页

针对提高点云分类性能和鲁棒性的需求,本文提出将残差动态图卷积与特征强化相结合的点云分类网络。采用多方向编码方法,在局部邻域中心点的空间多方向上选取近邻点,丰富点云特征;通过残差动态图卷积提取特征,以残差结构对局部特征和全... 针对提高点云分类性能和鲁棒性的需求,本文提出将残差动态图卷积与特征强化相结合的点云分类网络。采用多方向编码方法,在局部邻域中心点的空间多方向上选取近邻点,丰富点云特征;通过残差动态图卷积提取特征,以残差结构对局部特征和全局特征进行深度融合,有效缓解网络退化问题;构造强化空间注意力模块,使得网络在空间域中学习自适应地为不同邻域特征分配权重,增强有用特征,并抑制冗余特征;使用高低层次链接,保留更多特性信息。实验表明:本文模型在ModelNet10、ModelNe40数据集上的总体分类精度分别达到94.81%、93.62%,分类精度更高,鲁棒性更强,优于现有先进方法。 展开更多

关键词 点云分类 残差学习 动态图卷积 空间注意力 鲁棒性

在线阅读 下载PDF 职称材料

边界注意力辅助的动态图卷积视网膜血管分割 被引量：7

9

作者 吕佳 王泽宇 梁浩城 《光电工程》 CAS CSCD 北大核心 2023年第1期31-42,共12页

针对视网膜血管分割任务中存在的毛细血管分割遗漏和断连的问题,从最大限度地利用视网膜血管的特征信息的角度出发,添补视网膜血管的全局结构信息和边界信息,在U型网络的基础上,提出边界注意力辅助的动态图卷积视网膜血管分割网络。本... 针对视网膜血管分割任务中存在的毛细血管分割遗漏和断连的问题,从最大限度地利用视网膜血管的特征信息的角度出发,添补视网膜血管的全局结构信息和边界信息,在U型网络的基础上,提出边界注意力辅助的动态图卷积视网膜血管分割网络。本模型先将动态图卷积嵌入到U型网络中形成多尺度结构,提升模型获取全局结构信息的能力,以提高分割质量,再利用边界注意力网络辅助模型,增加模型对边界信息的关注度,进一步提高分割性能。将模型在DRIVE、CHASEDB1和STARE三个视网膜图像数据集上进行实验,均取得了较好的分割效果。实验结果证明,该模型能较好地区分噪声和毛细血管,分割出结构较完整的视网膜血管,具有泛化性和鲁棒性。 展开更多

关键词 医学图像处理 视网膜血管分割 U型网络 动态图卷积网络 边界注意力网络

在线阅读 下载PDF 职称材料

采用动态残差图卷积的3D点云超分辨率 被引量：5

10

作者 钟帆 柏正尧 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2022年第11期2251-2259,共9页

为了在超分辨率中对非欧数据的3D点云进行局部信息高效提取,提出采用动态残差图卷积的3D点云超分辨率网络(PSR-DRGCN),该网络包括特征提取模块、DRGCN模块及上采样模块.对于输入的3D点云,特征提取模块采用k-近邻(k-NN)算法在3D空间中找... 为了在超分辨率中对非欧数据的3D点云进行局部信息高效提取,提出采用动态残差图卷积的3D点云超分辨率网络(PSR-DRGCN),该网络包括特征提取模块、DRGCN模块及上采样模块.对于输入的3D点云,特征提取模块采用k-近邻(k-NN)算法在3D空间中找到每个点对应的k个邻居,通过逐点卷积把局部几何信息转换到高维特征空间中;DRGCN模块利用多层图卷积操作将3D空间中每个点的局部几何特征抽象为语义特征,在每一层对点的近邻空间进行动态调整以增加感受野范围,并通过残差连接融合多层次语义信息,从而对局部几何信息高效提取;上采样模块将特征空间中的点进行上采样并转换到3D空间中.实验结果表明,PSR-DRGCN生成的高分辨率点云在放大尺度为2倍时,相似性指标CD、EMD、F-score相比第2网络分别优化了10.00%,4.76%,16.84%;当放大尺度为6倍时,相似性指标相比第2网络分别优化了2.35%,40.00%,0.58%;在所有情况下的均值与标准差指标上达到最优效果,生成的高分辨率点云质量高. 展开更多

关键词 3D点云 超分辨率 动态图卷积网络 语义特征 深度学习

在线阅读 下载PDF 职称材料

基于自注意力机制与图卷积的3D目标检测网络 被引量：1

11

作者 刘越 刘芳 +2 位作者 武奥运 柴秋月 王天笑 《计算机应用》 CSCD 北大核心 2024年第6期1972-1977,共6页

针对三维(3D)目标检测过程中对骑行者、行人等小目标检测的准确性较低,难以适应城市复杂路况的问题,提出一种基于自注意力机制与图卷积的3D目标检测网络。首先,为获取更具有判别性的小目标特征,在主干网络中引入自注意力机制,使网络对... 针对三维(3D)目标检测过程中对骑行者、行人等小目标检测的准确性较低,难以适应城市复杂路况的问题,提出一种基于自注意力机制与图卷积的3D目标检测网络。首先,为获取更具有判别性的小目标特征,在主干网络中引入自注意力机制,使网络对小目标特征更敏感,增强网络特征的提取能力;其次,在自注意力机制的基础上构建特征融合模块,进一步丰富浅层网络特征,增强深层网络的特征表达能力;最后,引用动态图卷积预测目标的边界框,提高目标预测的准确性。在KITTI数据集上进行实验,将所提网络与TANet(Triple Attention Network)、IA-SSD(Instance-Aware Single-Stage Detector)等8种主流网络对比。实验结果表明,所提网络对行人的检测精度在简单、中等和困难这3个难度下比行人检测精度次优的TANet提高了12.12、13.82和11.03个百分点,对骑行者的检测精度在中等和困难上比IA-SSD提高了3.06和5.34个百分点。综上所述,所提网络可以更好地应用于小目标检测任务。 展开更多

关键词 三维目标检测 自注意力机制 特征融合 动态图卷积 小目标检测

在线阅读 下载PDF 职称材料

结合自相关注意力动态卷积的交通预测网络

12

作者 王思超 汤颖 《小型微型计算机系统》 CSCD 北大核心 2024年第6期1418-1425,共8页

交通流量预测作为智能交通系统(ITS)的重要任务之一,受到极大关注,其常被建模为时空序列预测问题,准确把握交通数据的时间-空间相关性成为了解决此问题的关键,现有的工作往往采用循环神经网络以捕获时间依赖性,采用图卷积网络以捕获空... 交通流量预测作为智能交通系统(ITS)的重要任务之一,受到极大关注,其常被建模为时空序列预测问题,准确把握交通数据的时间-空间相关性成为了解决此问题的关键,现有的工作往往采用循环神经网络以捕获时间依赖性,采用图卷积网络以捕获空间依赖性,两者尚未有机的结合且捕获时空依赖的能力有限,导致预测精度不佳.本文提出了用于交通预测的基于自相关注意力和动态卷积的时空网络(AADCSN),设计采用类Transformer架构,结合自相关注意力与动态学习图卷积有效捕获交通数据的时间特征与空间特征,并引入数据蒸馏技术和多种嵌入表示有效提升预测性能.论文选用4个真实数据集和9个先进的基线方法进行比较,实验结果表明,本文提出的模型在几乎所有对比指标上都优于基线模型. 展开更多

关键词 交通流量预测 TRANSFORMER 自相关注意力机制 动态图卷积网络

在线阅读 下载PDF 职称材料

集加权K近邻与卷积块注意力的三维点云语义分割

13

作者 肖剑 王晓红 +3 位作者 周润民 李炜 杨祎斐 罗季 《激光杂志》 北大核心 2025年第2期225-231,共7页

基于深度学习的点云语义分割模型在改进模型时多采用复杂度高的注意力机制,而且在提取局部深度语义特征和近邻点特征表达中存在不足。因此,提出集加权K近邻与卷积块注意力的点云语义分割模型。在动态图卷积网络架构上,设计加权K近邻算... 基于深度学习的点云语义分割模型在改进模型时多采用复杂度高的注意力机制,而且在提取局部深度语义特征和近邻点特征表达中存在不足。因此,提出集加权K近邻与卷积块注意力的点云语义分割模型。在动态图卷积网络架构上,设计加权K近邻算法以获取更有效的局部邻域;再引入通卷积块注意力处理局部邻域中特征;在卷积块注意力中,通道注意力用于加强点云通道关联,空间注意力用于感知三维空间结构并获取上下文信息及深度语义特征。实验结果表明,该模型在ShapeNet Part部件分割数据集和S3DIS室内语义分割数据集分别达到85.86%和61.2%的平均交并比,相比其他方法具有较高的分割精度。 展开更多

关键词 语义分割 三维点云 动态图卷积网络 K近邻 卷积块注意力

在线阅读 下载PDF 职称材料

基于混合图卷积的多通道时空交通流预测模型 被引量：4

14

作者 张雄涛 郑景玉 +2 位作者 申情 孙丹枫 蒋云良 《电信科学》 2023年第9期97-110,共14页

针对交通流预测模型没有考虑道路上下文相关性和空间依赖关系动态性的问题,提出一种基于混合图卷积的多通道时空交通流预测模型(MHGCN)。该模型采用三明治结构(即中间多通道空间模块,两边时间模块)提取时空特征,多通道空间模块又分为静... 针对交通流预测模型没有考虑道路上下文相关性和空间依赖关系动态性的问题,提出一种基于混合图卷积的多通道时空交通流预测模型(MHGCN)。该模型采用三明治结构(即中间多通道空间模块,两边时间模块)提取时空特征,多通道空间模块又分为静态图卷积模块和动态图卷积模块。静态图卷积模块同时从拓扑空间结构、语义空间结构及其组合中提取特定和公共的特征;动态图卷积模块对不同的特征分配不同的权重,从未知的图结构中提取动态的空间特征。时间模块中采用多头注意力机制提取全局时间特征,采用时间门控机制提取局部时间特征。该模型从不同的空间结构中提取空间信息,从不同时间间隔提取时间信息,建立全局、全面的时空关系。实验结果表明,MHGCN模型在4个公开数据集上的性能优于现有的交通流预测模型。 展开更多

关键词 智能交通 动态图卷积 多头注意力 时空相关性 多通道

在线阅读 下载PDF 职称材料

面向动态交通流多步预测的时空图模型 被引量：1

15

作者 杨平 李成鑫 +1 位作者 刘宜成 吕淳朴 《计算机工程与设计》 北大核心 2024年第4期1195-1201,共7页

为更好表征交通路网中节点之间的动态隐式关系,提出一种基于时空数据嵌入的动态图卷积交通流预测模型。基于路网中节点之间的共现关系,利用深度游走算法将时空数据映射到嵌入空间中学习节点的向量表示;引入时隙嵌入特征与二维空间嵌入... 为更好表征交通路网中节点之间的动态隐式关系,提出一种基于时空数据嵌入的动态图卷积交通流预测模型。基于路网中节点之间的共现关系,利用深度游走算法将时空数据映射到嵌入空间中学习节点的向量表示;引入时隙嵌入特征与二维空间嵌入特征共同构建三维嵌入邻接张量,用于捕获时空依赖关系;在图卷积网络中添加自适应更新机制,利用循环组件演化图卷积网络的参数,以捕获图序列的动态性。将所提模型应用于基于真实交通数据集的交通流预测,结果验证了其有效性和提取路网隐式关系的准确性。 展开更多

关键词 交通流预测 时空数据嵌入 深度游走算法 节点向量表示 时空依赖 动态图卷积 自适应更新机制

在线阅读 下载PDF 职称材料

基于动态图特征的堆叠宽度学习三维物体识别网络 被引量：2

16

作者 李威林 孙叶 宋伟 《激光杂志》 CAS 北大核心 2024年第6期161-166,共6页

三维物体点云识别是智能机器人环境感知任务中的重要组成部分。提出一种基于动态图特征的堆叠宽度学习三维物体识别网络(DG-S-BLS),利用动态图卷积网络提取点云的高维特征,通过宽度学习系统(BLS)模型依据样本整体特征对点云分类,再通过... 三维物体点云识别是智能机器人环境感知任务中的重要组成部分。提出一种基于动态图特征的堆叠宽度学习三维物体识别网络(DG-S-BLS),利用动态图卷积网络提取点云的高维特征,通过宽度学习系统(BLS)模型依据样本整体特征对点云分类,再通过基于BLS块间残差的堆叠宽度学习系统模型进一步提高分类精度。在Li DARNet户外点云数据集上的实验结果表明,DG-S-BLS的分类准确率可达99.5%。 展开更多

关键词 宽度学习系统 点云识别 动态图卷积网络

在线阅读 下载PDF 职称材料

人工智能大数据技术在治理虚拟货币刑事犯罪中的应用研究

17

作者 刘欢 肖蔚 《现代电子技术》 北大核心 2025年第16期167-171,共5页

针对虚拟货币刑事犯罪治理需求,提出一种基于动态图卷积网络的增强识别模型(RGCN)。创新性地在图嵌入层设计中融合原始特征与跨时特征的拼接机制,有效缓解了卷积冗余导致的信息流失问题;采用随机森林集成学习策略优化图嵌入层特征表达,... 针对虚拟货币刑事犯罪治理需求,提出一种基于动态图卷积网络的增强识别模型(RGCN)。创新性地在图嵌入层设计中融合原始特征与跨时特征的拼接机制,有效缓解了卷积冗余导致的信息流失问题;采用随机森林集成学习策略优化图嵌入层特征表达,显著提升模型识别精度。所构建的3层RGCN框架通过时空特征融合策略降低计算开销,并重点优化召回率。实验结果表明:LSTM动态图卷积网络在召回率指标上表现最优,为67.6%,较GRU变体提升4.4%;而GRU结构则更侧重精确率优化,精确率达到87.3%。最后,结合当前反洗钱场景对高风险个体监控的迫切需求,验证了所提模型通过强化召回率性能,可有效支撑虚拟货币交易监管实践。 展开更多

关键词 人工智能 虚拟货币 刑事犯罪 动态图卷积网络 LSTM GRU 召回率优化

在线阅读 下载PDF 职称材料

基于Sobel算子桥接的双编码器路面裂缝检测网络 被引量：1

18

作者 蓝章礼 徐元通 +2 位作者 赵胜薇 张洪 黄大荣 《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第9期18-24,33,共8页

为提高道路路面裂缝的检测精度,针对路面裂缝的多态性和噪声复杂等问题,提出了一种基于Sobel算子桥接的双编码器路面裂缝检测网络,双编码器由原图编码和梯度编码两部分组成,以解决单编码器容易丢失梯度信息的问题。首先,原图编码结果通... 为提高道路路面裂缝的检测精度,针对路面裂缝的多态性和噪声复杂等问题,提出了一种基于Sobel算子桥接的双编码器路面裂缝检测网络,双编码器由原图编码和梯度编码两部分组成,以解决单编码器容易丢失梯度信息的问题。首先,原图编码结果通过桥接Sobel算子计算8个方向产生梯度编码的编码信息;然后,将原图编码结果与梯度编码结果通过一个多尺度的边缘信息弥补模块,以增强裂缝的边缘信息;最后,引入动态通道图卷积获得通道之间存在的拓扑关系,以突出重要通道的语义特征。研究结果表明:所提出的方法在DeepCrack、CamCrack789和CFD这3个基准数据集上取得较好的结果;综合指标ODS在DeepCrack、CamCrack789和CFD数据集分别为87.75%、85.05%、78.83%。 展开更多

关键词 道路工程 路面裂缝检测 双编码器 SOBEL算子 边缘信息弥补 动态通道图卷积

在线阅读 下载PDF 职称材料

基于GM-APD激光雷达数据融合的小目标检测 被引量：6

19

作者 杜达宽 孙剑峰 +2 位作者 丁源雪 姜鹏 张海龙 《光学精密工程》 EI CAS CSCD 北大核心 2023年第3期393-403,共11页

GM-APD激光雷达具有单光子探测灵敏度,大幅降低了系统体积和功耗,但受像元数限制,难以获得远距离小目标清晰轮廓,目标检测率不高。针对该问题,提出了基于强度像和距离像多级处理的小目标深度学习检测算法,充分挖掘强度图像和点云特征信... GM-APD激光雷达具有单光子探测灵敏度,大幅降低了系统体积和功耗,但受像元数限制,难以获得远距离小目标清晰轮廓,目标检测率不高。针对该问题,提出了基于强度像和距离像多级处理的小目标深度学习检测算法,充分挖掘强度图像和点云特征信息及相互关联性,提高小目标检测概率。通过改进特征金字塔网络,将感受野模块和注意力机制模块与特征提取网络相结合,增强强度像初筛目标准确性,在候选区域内将强度像与距离像融合成带有强度信息的四维点云。然后,使用动态图卷积网络对候选区内目标进行二次检测,利用点云信息进一步筛选候选框内的目标。经GM-APD激光雷达远距离车辆数据集测试,网络的检测准确率达到98.8%,对于车辆结构不完整,车辆回波弱,背景存在强反射光斑等复杂场景有很好的鲁棒性。相较于SSD,YOLOv5等较为先进的目标检测网络,检测准确率分别提升了3.1%与2.5%,该算法为激光雷达弱小目标检测识别提供了一种可行性解决方案。 展开更多

关键词 激光雷达 目标检测 感受野 注意力机制 动态图卷积神经网络

在线阅读 下载PDF 职称材料

结合局部增强与反向残差的点云语义分割网络 被引量：3

20

作者 温智成 王蕾 +1 位作者 冯锦梁 叶森辉 《激光与红外》 CAS CSCD 北大核心 2023年第7期1131-1136,共6页

激光点云是3D传感器的输出,且对它的语义分割任务是理解真实世界的基础。基于图卷积的点云分割网络在许多场景下都展现了优异的性能。然而,现有的图卷积方法存在部分问题:点云局部表示的能力未得到加强,忽略了全局几何信息,并且聚合操... 激光点云是3D传感器的输出,且对它的语义分割任务是理解真实世界的基础。基于图卷积的点云分割网络在许多场景下都展现了优异的性能。然而,现有的图卷积方法存在部分问题:点云局部表示的能力未得到加强,忽略了全局几何信息,并且聚合操作只保留局部最大响应值信息,而次最大值信息丢失。为了处理这些问题,本文提出GRes-Net网络。利用局部几何加强(Local Geometry Augment,LGA)模块,使网络对Z轴具有旋转不变性,以便加强点云局部信息表示;采用全局几何特征(Global Geometry Feature,GGF)模块,计算局部与全局的球体体积比,将其与坐标特征X进行连接,使全局几何信息特征得以保留;通过多个对称聚合操作将局部信息多方面地保留;网络中每层都使用残差操作,将上一层信息传递到下一层,以及利用反向残差模块(Reversed Residual MLP,RevResMLP)挖掘更深层次的语义信息。本文在S3DIS数据集上进行语义场景分割实验,验证网络分割的性能。实验结果表明该方法在分割精度上达到61%,相比于基准网络DGCNN提高14%,有效地提高了模型性能。 展开更多

关键词 点云语义分割 动态图卷积 局部几何加强 全局几何特征 反向残差

在线阅读 下载PDF 职称材料