-
题名基于动态稀疏注意力的地铁客流预测模型
被引量：5
- 1
-
-
作者
马茜
梁奕
段毅
曾尚琦
-
机构
西咸新区轨道交通发展有限公司
南瑞集团(国网电力科学研究院)有限公司
国电南瑞科技股份有限公司
-
出处
《城市轨道交通研究》
北大核心
2022年第4期22-26,共5页
-
基金
国家重点研发计划“云计算和大数据”重点专项(2017YFB1001800)
江苏省工业和信息化厅重点质量攻关项目(2019-305)。
-
文摘
地铁客流预测是随时间演变的多维时间序列数据,不同序列之间存在复杂的动态相互依赖关系。为挖掘多种监测指标之间存在的内在复杂关系,提出动态稀疏注意力模型:利用全局变量注意力自动选择相关驱动序列,增强模型预测的判别性;根据局部紧密相关和全局稀疏相关的先验知识,对历史时间步和相关变量分别卷积和稀疏卷积,提取局部时间和局部变量特征;设计了稀疏注意力对相关时间步加权和变量加权,提高预测表现。结果表明,与其他常用客流预测模型相比,动态稀疏注意力模型能高度准确地预测客流。
-
关键词
地铁
客流预测
动态稀疏注意力模型
-
Keywords
metro
passenger flow prediction
DSANNs
-
分类号
U293.13
[交通运输工程—交通运输规划与管理]
-
-
题名改进YOLOv8的SAR影像船舰目标检测模型
- 2
-
-
作者
杨明秋
陈国坤
左小清
董燕
-
机构
昆明理工大学国土资源工程学院
-
出处
《测绘通报》
CSCD
北大核心
2024年第12期18-23,共6页
-
基金
国家自然科学基金(42161067)
云南省重大科技专项计划(202202AD080010)。
-
文摘
在SAR影像船舰目标检测任务中,受近海岸区域背景复杂和船舰目标多尺度等因素影响,船舰目标在检测过程中出现检测精度不高、漏检的问题。针对上述问题,本文提出了一种基于YOLOv8s改进的SAR影像船舰目标检测模型,并在SSDD和HRSID数据集上进行试验验证,效果优于其他经典算法。
-
关键词
船舰目标检测
SAR影像
残差增强
可变形卷积
动态稀疏注意力
-
Keywords
ship target detection
SAR imaging
residual enhancement
deformable convolution
dynamic sparse attention
-
分类号
P237
[天文地球—摄影测量与遥感]
-
-
题名无人机视角下的小目标检测方法研究
- 3
-
-
作者
于彦辉
司占军
张滢雪
李雅静
卢勇拾
-
机构
天津科技大学人工智能学院
国家开放大学数字化学习技术集成与应用教育部工程研究中心
-
出处
《印刷与数字媒体技术研究》
CAS
北大核心
2024年第1期60-69,共10页
-
文摘
针对传统卷积网络对无人机图像中小目标检测精度低和误检问题,本研究提出一种改进的无人机图像小目标检测算法,提高航拍检测精度。本算法采用YOLOv7作为基本框架,并在空间金字塔池化中融入动态稀疏注意力,形成SPPCSPC-B模块,增强了对小目标的检测能力。同时,本算法使用局部卷积替代了高效聚合网络中的部分群卷积,形成ELAN-P模块,提高了检测速度。最后,使用轻量级上采样算子CARAFE对特征进行重组,进一步提高了检测精度。在Aerial-airport数据集上的实验结果表明,本算法在参数量减少9%、模型缩小8%的情况下,检测精度达94.7%,召回率达到90.8%,比基准算法提高了3.9个百分点,且有效改善了小目标误检、漏检现象。
-
关键词
无人机目标检测
YOLOv7
动态稀疏注意力
部分卷积
CARAFE
-
Keywords
UAV Object Detection
Improved YOLOv7
Dynamic Sparse Attention
Partial Convolution
CARAFE
-
分类号
TN911.73
[电子电信—通信与信息系统]
TP753
[自动化与计算机技术—检测技术与自动化装置]
-
