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
共找到69篇文章
< 1 2 … 4 >
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：
基于改进双重压缩和激励与多头特征注意力机制的电-热负荷协同预测
1
作者 余强 韩静娴 +4 位作者 杨子梁 宋济东 杨德昌 齐海杰 于芃 《电力自动化设备》 北大核心 2025年第3期201-208,共8页
综合能源系统中负荷多样且存在耦合,为提升负荷预测精度,提出一种基于改进双重注意力机制的分组卷积神经网络-门控循环单元短期电-热负荷协同预测模型。通过改进的压缩和激励注意力为各输入通道加权,再对其进行分组卷积;利用多头特征注... 综合能源系统中负荷多样且存在耦合,为提升负荷预测精度,提出一种基于改进双重注意力机制的分组卷积神经网络-门控循环单元短期电-热负荷协同预测模型。通过改进的压缩和激励注意力为各输入通道加权,再对其进行分组卷积;利用多头特征注意力对卷积结果进行赋权,并利用输入门控循环单元模型对负荷进行预测。算例仿真结果表明,所提模型的平均绝对百分比误差均低于3%。 展开更多
关键词 综合能源系统 负荷预测 分组卷积神经网络 门控循环单元 改进的压缩和激励注意力机制 多头特征注意力机制
在线阅读 下载PDF
融合卷积神经网络和注意力机制的负荷识别方法 被引量：1
2
作者 赵毅涛 李钊 +3 位作者 刘兴龙 骆钊 王钢 沈鑫 《电力工程技术》 北大核心 2025年第1期227-235,共9页
对居民住宅进行非侵入式负荷监测(non-intrusive load monitoring,NILM)是智能电网用户需求侧的重要研究内容,居民负荷的能耗分析和用电管理是实现节能减排、可持续发展的关键环节。针对传统算法识别性能差、难以适应当下复杂用电环境... 对居民住宅进行非侵入式负荷监测(non-intrusive load monitoring,NILM)是智能电网用户需求侧的重要研究内容,居民负荷的能耗分析和用电管理是实现节能减排、可持续发展的关键环节。针对传统算法识别性能差、难以适应当下复杂用电环境的问题,文中从增强分类算法特征提取性能的优化思路出发,提出融合卷积神经网络(convolutional neural network,CNN)和自注意力机制的NILM负荷识别方法。首先,采集8种不同家用电器的电力数据,建立U-I轨迹曲线数据库;其次,采用挤压-激励网络(squeeze-and-excitation network,SENet)注意力机制提升CNN的特征聚合能力,完成对不同电器U-I轨迹曲线的特征提取和负荷识别;最后,对私有数据集和PLAID数据集进行测试,算例结果表明,所提方法在不同运行场景下均具有较高的识别准确率和较好的泛化性能。 展开更多
关键词 非侵入式负荷监测(NILM) 负荷识别 卷积神经网络(CNN) 挤压-激励网络(SENet) 注意力机制 特征提取 U-I轨迹
在线阅读 下载PDF
基于双路径投影层和注意力机制的知识蒸馏
3
作者 周勤 范永胜 +1 位作者 桑彬彬 何攀 《计算机应用研究》 北大核心 2025年第2期413-418,共6页
现有的知识蒸馏技术主要集中于知识表示、目标损失函数和蒸馏位置的选择,而忽视了特征对齐和融合的重要性,从而限制了学生模型的学习能力。为此,提出了一种基于双路径投影层和注意力机制的知识蒸馏方法。该方法首先在空间维度上对齐学... 现有的知识蒸馏技术主要集中于知识表示、目标损失函数和蒸馏位置的选择,而忽视了特征对齐和融合的重要性,从而限制了学生模型的学习能力。为此,提出了一种基于双路径投影层和注意力机制的知识蒸馏方法。该方法首先在空间维度上对齐学生和教师模型的特征,通过双路径投影层在通道维度上对齐师生特征。同时,添加一个集成注意力机制的适配器模块,以确保多尺度特征的均衡融合。采用轻量并行化注意力机制进行深层次的特征融合,并利用教师模型的判别分类器进行推理。在CIFAR-100和Tiny-ImageNet数据集上进行实验验证,结果显示相比于基线学生模型,WRN-40-1模型在CIFAR-100数据集上的top-1准确率提高了5.85百分点,ResNet-10模型在Tiny-ImageNet数据集上的top-1准确率提高了8.09百分点。实验结果表明,该方法能够有效提升学生模型的学习能力,证明了特征对齐和融合在知识蒸馏中的重要作用。 展开更多
关键词 知识蒸馏 模型压缩 图像分类 注意力机制 特征融合
在线阅读 下载PDF
基于注意力机制与XBOA-Bi-LSTM的离心式压缩机故障预警方法 被引量：4
4
作者 袁镇华 茅大钧 李玉珍 《机电工程》 CAS 北大核心 2024年第3期400-408,共9页
由于离心式压缩机存在着运行工况复杂、维修成本昂贵和长输管道工作环境恶劣的问题,为此,提出了一种基于注意力机制(AM)和蝴蝶算法优化双向长短期记忆神经网络(XBOA-Bi-LSTM)的离心式压缩机故障预警方法。首先,针对传统蝴蝶算法的收敛... 由于离心式压缩机存在着运行工况复杂、维修成本昂贵和长输管道工作环境恶劣的问题,为此,提出了一种基于注意力机制(AM)和蝴蝶算法优化双向长短期记忆神经网络(XBOA-Bi-LSTM)的离心式压缩机故障预警方法。首先,针对传统蝴蝶算法的收敛速度慢、转换概率单一和容易陷入局部最优等问题,通过引入无限折叠迭代混叠映射以丰富蝴蝶算法的初始种群;同时,提出了一种基于种群离散度与迭代次数的自适应惯性转换概率,以提高蝴蝶算法的寻优能力;然后,采用了灰色关联度分析法对测点数据进行了特征提取,结合注意力机制对输入序列进行了灰色关联度系数赋权;最后,建立了双向长短期记忆神经网络故障预警模型,采用仿真实验完成了对离心式压缩机的故障预警;以某天然气长输管道机组的离心式压缩机作为仿真对象,对该离心式压缩机故障预警方法的可行性进行了验证。研究结果表明:采用基于注意力机制与XBOA-Bi-LSTM的离心式压缩机故障预警方法时,在离心式压缩机故障发生前2 h~3 h内就发出预警信号,实现了对于离心式压缩机进气过滤器压差异常与支撑轴承工作异常的故障预警目的。 展开更多
关键词 离心式压缩机 蝴蝶优化算法 灰色关联度分析法 注意力机制 双向长短期记忆神经网络 故障特征提取
在线阅读 下载PDF
基于多尺度特征和注意力机制的深度学习点云压缩 被引量：1
5
作者 黄玉林 梁磊 +1 位作者 李卫军 习晓环 《中国科学院大学学报（中英文）》 CAS CSCD 北大核心 2024年第5期687-694,共8页
三维点云广泛应用于无人驾驶、实景三维等领域,然而复杂场景的海量点云对存储、处理和传输等带来极大挑战。提出一种基于多尺度特征和注意力机制的深度变分自编码点云几何信息压缩算法MSA-GPCC,通过加入多尺度模型提取特征、变分自编码... 三维点云广泛应用于无人驾驶、实景三维等领域,然而复杂场景的海量点云对存储、处理和传输等带来极大挑战。提出一种基于多尺度特征和注意力机制的深度变分自编码点云几何信息压缩算法MSA-GPCC,通过加入多尺度模型提取特征、变分自编码器构建熵模型,继而结合尺度注意力模块和多尺度特征,实现基于熵编码的点云几何信息高码率、低失真压缩。在MPEG数据集上进行的实验表明,相比G-PCC算法和基于深度学习的D-PCC算法,MSA-GPCC算法在点间等比特率下平均质量增益分别提升7.72和4.91 dB,点到面等比特率下平均质量增益分别提升5.56和3.09 dB。 展开更多
关键词 点云压缩 深度学习 注意力机制 变分自编码器 多尺度特征
在线阅读 下载PDF
采用空间和通道激励注意力机制优化ResNet-50的CFRP/TC4叠层材料钻削刀具磨损状态监测 被引量：1
6
作者 聂鹏 杨程越 +2 位作者 彭新月 于家鹤 潘五九 《中国机械工程》 EI CAS CSCD 北大核心 2024年第10期1793-1801,共9页
针对碳纤维增强复合材料(CFRP)与钛合金组成的叠层材料在制备装配孔时存在刀具磨损严重的问题,提出了一种空间和通道激励注意力机制(scSE)优化深度残差神经网络(ResNet-50)的刀具磨损监测方法。开展钻削实验,采集钻削过程中的力和温度信... 针对碳纤维增强复合材料(CFRP)与钛合金组成的叠层材料在制备装配孔时存在刀具磨损严重的问题,提出了一种空间和通道激励注意力机制(scSE)优化深度残差神经网络(ResNet-50)的刀具磨损监测方法。开展钻削实验,采集钻削过程中的力和温度信号,信号经连续小波变换转换为小波尺度谱。搭建ResNet-50网络结构,从空间和通道双维度对卷积提取的特征图进行权重标定。研究结果表明,scSE可以从空间和通道两个维度做到增强有用特征,抑制无用特征,经scSE优化的网络结构识别准确度达到96.15%。 展开更多
关键词 刀具磨损 连续小波变换 空间和通道激励注意力机制 深度残差神经网络
在线阅读 下载PDF
基于双注意力图神经网络的链路预测 被引量：1
7
作者 杨真真 林泽龙 杨永鹏 《南京邮电大学学报(自然科学版)》 北大核心 2025年第1期106-114,共9页
链路预测是在图结构中预测未知或潜在的边,对挖掘图中的隐含信息、补全图中的缺失数据和发现图中的新知识都具有重要意义。图神经网络(Graph Neural Network,GNN)已被广泛应用于链路预测,然而,现有基于GNN的链路预测方法存在一些问题:(1... 链路预测是在图结构中预测未知或潜在的边,对挖掘图中的隐含信息、补全图中的缺失数据和发现图中的新知识都具有重要意义。图神经网络(Graph Neural Network,GNN)已被广泛应用于链路预测,然而,现有基于GNN的链路预测方法存在一些问题:(1)大多数基于GNN的方法往往容易忽略为链路预测提供额外帮助的边信息的重要性;(2)大多数基于GNN的方法都仅捕获表示图的邻居节点间相似性的低频信息,忽略了表示邻居节点间差异性的高频信息;(3)大多数基于GNN的方法都未考虑输入特征矩阵的节点维度和特征维度两个维度,只关注其中一个维度。针对这些问题,提出了一种基于双注意力图神经网络(Dual Attention Graph Neural Network,DAGNN)的链路预测方法,该方法包含两条路径,以不同的角度更新节点表示。其中一条是基于图神经网络的路径,采用含边信息的频率自适应图注意力网络(Frequency Adaptive Graph Attention Network with Edge Information,FAGAT⁃EI)作为基础模型,有效地利用边信息增强节点之间的关系,并利用频率自适应机制平衡高低频率邻居信息的权重,从而缓解GNN的过度平滑问题;另一条是基于通道注意力网络的路径,提出了一种新的压缩-激励通道注意力模块(Squeeze and Excitation⁃Channel At⁃tention Module,SE⁃CAM)作为基础模型,充分考虑输入特征矩阵的节点维度和特征维度,并自动学习和调整每个节点的不同特征权重,从而得到更有意义的节点表示。最后在两个基准数据集上进行了实验,实验结果表明,提出的链路预测方法在Last⁃FM和Book⁃Crossing两个数据集上的AUC和ACC指标均优于其他基线模型,展现出了卓越的链路预测性能。 展开更多
关键词 链路预测 图神经网络 注意力机制 压缩-激励模块 频率自适应
在线阅读 下载PDF
用于视频压缩感知的特征域优化启发及多假设交叉注意力重构神经网络 被引量：1
8
作者 杨春玲 陈文俊 刘嘉惠 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第10期9-21,共13页
现有视频压缩感知重建网络通常利用光流网络实现像素域运动估计与运动补偿。然而在重建过程中,光流网络的输入为质量较差的初始估计帧,导致获得的光流不准确,基于光流的像素域对齐与融合操作会造成噪声的累积,导致视频重建帧存在明显的... 现有视频压缩感知重建网络通常利用光流网络实现像素域运动估计与运动补偿。然而在重建过程中,光流网络的输入为质量较差的初始估计帧,导致获得的光流不准确,基于光流的像素域对齐与融合操作会造成噪声的累积,导致视频重建帧存在明显的人工效应,影响重建质量。基于特征域多通道信息对干扰噪声具有较强的鲁棒性,文中将特征域优化思想应用于视频压缩感知重构神经网络的设计中,提出了特征域优化启发及光流引导的多假设交叉注意力重构神经网络(FOFMCNet)。为避免光流中的噪声在图像变形时破坏图像结构的问题,文中在特征域设计了光流指导的多假设运动估计模块与基于交叉注意力的运动补偿模块,以实现特征域的帧间运动估计与运动补偿,从而更为充分地利用帧间相关性辅助非关键帧重构。为了在特征优化过程中加强有效信息的复用,提升网络学习能力并缓解梯度爆炸问题,文中设计了特征域优化启发U型网络(FOUNet),并作为FOFMCNet的子网络,通过多个FOUNet的级联,FOFMCNet在特征域实现非关键帧的优化与重建。实验结果表明,文中所提算法在经典低分辨率数据集(UCF-101和QCIF)和新的高分辨率数据集(REDS4)上的重构结果均优于现有的视频压缩感知算法。 展开更多
关键词 视频压缩感知 特征域优化 卷积神经网络 注意力机制 运动估计与补偿
在线阅读 下载PDF
基于注意力集中机制的图像压缩算法 被引量：1
9
作者 纪震 蒋一峰 《深圳大学学报（理工版）》 EI CAS 2001年第2期51-56,共6页
在已有小波压缩技术的基础上 ,充分利用人类视觉具有注意力集中机制的特性 ,提出了加权小波系数的改进方法 ,对某些人类视觉敏感区域实现可变压缩比 ,取得较满意的结果 .在图像压缩比相似的情况下 ,主观图像质量取得明显改善 .实验证明 ... 在已有小波压缩技术的基础上 ,充分利用人类视觉具有注意力集中机制的特性 ,提出了加权小波系数的改进方法 ,对某些人类视觉敏感区域实现可变压缩比 ,取得较满意的结果 .在图像压缩比相似的情况下 ,主观图像质量取得明显改善 .实验证明 ,该算法易于解决经典方法较难解决的压缩问题 . 展开更多
关键词 图像压缩算法 小波变换 人类视觉敏感区域 注意力集中机制
在线阅读 下载PDF
基于注意力和挤压-激励Inception的双分支合成语音检测
10
作者 王晗 赵腊生 +2 位作者 张强 程银清 邱泽鹏 《计算机应用》 CSCD 北大核心 2024年第10期3217-3222,共6页
合成语音攻击给人们的生活带来巨大的威胁。为了解决现有模型从冗余信息中提取关键信息能力不足和单一模型无法综合利用多检测模型优势的问题,提出一种基于注意力和挤压-激励(SE)模块Inception(SE-Inc)的双分支(Dual-ABIB)合成语音检测... 合成语音攻击给人们的生活带来巨大的威胁。为了解决现有模型从冗余信息中提取关键信息能力不足和单一模型无法综合利用多检测模型优势的问题,提出一种基于注意力和挤压-激励(SE)模块Inception(SE-Inc)的双分支(Dual-ABIB)合成语音检测模型。首先,基于SincNet(Sinc-based convolutional neural Network)提取的初始特征图训练注意力分支合成语音检测模型,并输出注意力图;其次,将注意力图和初始特征图相乘后再叠加,并将结果作为SE-Inc分支的输入进行训练;最后,通过决策级加权融合处理2个分支获得的分类分数,从而实现合成语音检测。实验结果表明,所提模型在参数量为539×10^(3)的情况下,在ASVspoof2019数据集上获得了0.0332的最小串联检测代价函数(mint-DCF)和1.15%的等错误率(EER);与SE-ResABNet(Squeeze-Excitation ResNet Attention Branch Network)相比,所提模型在参数量仅为它的56%的情况下,min t-DCF和EER分别下降了34.5%和39.2%;同时,在ASVspoof2015和ASVspoof2021数据集上所提模型表现了更好的泛化能力。以上结果验证了所提模型能够在参数量较小的情况下,获得更低的min t-DCF和EER。 展开更多
关键词 注意力机制 挤压-激励模块 双分支 合成语音检测 决策级融合
在线阅读 下载PDF
基于自注意力机制增强的深度学习图像压缩 被引量：3
11
作者 展亚南 施晓东 +2 位作者 孙镱诚 丁阳 杨万扣 《控制工程》 CSCD 北大核心 2022年第3期536-541,共6页
提出了一种基于自注意力机制增强的深度学习模型,用于无人机侦察图像的压缩与解压。与现有方法相比,提出的深度学习模型有两个显著特点:其一,模型由四部分组成(编码器、二值化器、量化器和解码器),并且可以通过端到端的优化提高模型的... 提出了一种基于自注意力机制增强的深度学习模型,用于无人机侦察图像的压缩与解压。与现有方法相比,提出的深度学习模型有两个显著特点:其一,模型由四部分组成(编码器、二值化器、量化器和解码器),并且可以通过端到端的优化提高模型的压缩和解压效率;其二,量化器是基于自注意力机制增强的多层前馈神经网络,它能充分利用图像的上下文信息对图像进行压缩。在公开数据集Kodak和Tecnick的实验结果表明,提出模型的压缩率-保真率曲线优于传统的图像压缩标准和现有的深度学习模型。对于常规大小的图像,在保持图像质量MS-SSIM为85%~95%的前提下,图像压缩比BPP能达到7%~15%,并且在普通CPU上其处理速度达0.48秒/张,能显著降低影像的数据大小且不牺牲处理速度。 展开更多
关键词 图像压缩 深度学习 自注意力机制 端到端 多层前馈神经网络
在线阅读 下载PDF
基于挤压激励的轻量化注意力机制模块 被引量：8
12
作者 吕振虎 许新征 张芳艳 《计算机应用》 CSCD 北大核心 2022年第8期2353-2360,共8页
针对向卷积神经网络(CNN)中嵌入注意力机制模块以提高模型应用精度导致参数和计算量增加的问题,提出基于挤压激励的轻量化高度维度挤压激励(HD-SE)模块和宽度维度挤压激励(WD-SE)模块。为了充分利用特征图中潜在的信息,HD-SE对卷积层输... 针对向卷积神经网络(CNN)中嵌入注意力机制模块以提高模型应用精度导致参数和计算量增加的问题,提出基于挤压激励的轻量化高度维度挤压激励(HD-SE)模块和宽度维度挤压激励(WD-SE)模块。为了充分利用特征图中潜在的信息,HD-SE对卷积层输出的特征图在高度维度上进行挤压激励操作,获得高度维度上的权重信息;而WD-SE在宽度维度上进行挤压激励操作,以得到特征图宽度维度上的权重信息;然后,将得到的权重信息分别应用于对应维度的特征图张量,以提高模型的应用精度。将HD-SE与WD-SE分别嵌入VGG16、ResNet56、MobileNetV1和MobileNetV2模型中,在CIFAR10和CIFAR100数据集上进行的实验结果表明,与挤压激励(SE)模块、协调注意力(CA)模块、卷积块注意力模块(CBAM)和高效通道注意力(ECA)模块等先进的注意力机制模块相比,HD-SE与WDSE在向网络模型中增加的参数和计算量更少的同时得到的精度相似或者更高。 展开更多
关键词 卷积神经网络 挤压激励 轻量化 多维度 注意力机制模块
在线阅读 下载PDF
基于预读及简单注意力机制的句子压缩方法 被引量：3
13
作者 鹿忠磊 刘文芬 +2 位作者 周艳芳 胡学先 王彬宇 《计算机应用研究》 CSCD 北大核心 2019年第2期371-375,394,共6页
针对英文句子压缩方法进行研究,提出一种基于预读及简单注意力机制的压缩方法。在编码器—解码器(encoder-decoder)框架下,以循环门单元(gated recurrent unit,GRU)神经网络模型为基础,在编码阶段对原句语义进行两次建模。首次建模结果... 针对英文句子压缩方法进行研究,提出一种基于预读及简单注意力机制的压缩方法。在编码器—解码器(encoder-decoder)框架下,以循环门单元(gated recurrent unit,GRU)神经网络模型为基础,在编码阶段对原句语义进行两次建模。首次建模结果作为全局信息,加强二次语义建模,得到更全面准确的语义编码向量。解码阶段充分考虑删除式句子压缩的特殊性,适用简单注意力(3t-attention)机制,将编码向量中与当前解码时刻最相关的语义部分输入到解码器中,提高预测效率及准确率。在谷歌新闻句子压缩数据集上的实验结果表明,所提压缩方法优于已有公开结果。因此,预读及简单注意力机制可有效提高英文句子压缩精度。 展开更多
关键词 自然语言处理 句子压缩 预读 注意力机制
在线阅读 下载PDF
引入注意力机制的轻量级小目标检测网络 被引量：18
14
作者 朱威 王立凯 +1 位作者 靳作宝 何德峰 《光学精密工程》 EI CAS CSCD 北大核心 2022年第8期998-1010,共13页
为了提高在如无人机航拍图像等背景复杂情况下的小目标检测能力,本文在YOLOv4网络的基础上,提出了一种引入注意力机制的轻量级小目标检测网络。首先,在通道注意力机制中加入多尺度融合模块并构造多方法特征提取器,再将所设计的通道注意... 为了提高在如无人机航拍图像等背景复杂情况下的小目标检测能力,本文在YOLOv4网络的基础上,提出了一种引入注意力机制的轻量级小目标检测网络。首先,在通道注意力机制中加入多尺度融合模块并构造多方法特征提取器,再将所设计的通道注意力模块嵌入到YOLOv4特征提取网络,增强网络对于图像感兴趣区域的关注能力;接着,改进YOLOv4网络结构,增加浅层特征层与深层特征信息融合机制,以获取丰富的分辨率信息;最后,采用通道剪枝和知识蒸馏策略对改进后的网络进行模型优化,在微小精度损失的前提下大幅度减少了模型参数数量。实验结果表明,在无人机航拍数据中,本文提出的轻量级小目标检测网络较原网络的模型大小减少93.6%,推理速度提高52.6%,mAP提升了2.9%;在布匹疵点数据集中,模型大小减少92.1%,推理速度提高49.5%,mAP提升了2.2%,有效改善了复杂背景下的小目标检测效果,同时实现了网络的轻量化。 展开更多
关键词 目标检测 YOLOv4网络 注意力机制 特征融合 网络压缩
在线阅读 下载PDF
基于注意力机制的稀疏化剪枝方法 被引量：2
15
作者 叶汉民 李志波 +1 位作者 程小辉 陶小梅 《计算机工程与设计》 北大核心 2023年第12期3642-3648,共7页
为在资源受限设备中部署先进神经网络模型,提出一种基于通道和空间注意力机制的网络稀疏化剪枝训练方法,将剪枝训练过程转化为约束优化问题。将通道和空间注意力融入稀疏化剪枝训练过程,利用连续空间损失变化情况评估不同网络层重要程度... 为在资源受限设备中部署先进神经网络模型,提出一种基于通道和空间注意力机制的网络稀疏化剪枝训练方法,将剪枝训练过程转化为约束优化问题。将通道和空间注意力融入稀疏化剪枝训练过程,利用连续空间损失变化情况评估不同网络层重要程度,通过稀疏化训练与动态计算及更新掩码矩阵和权重矩阵完成剪枝操作。方法实验基于CIFAR10、CIFAR100数据集上进行,实验结果表明,该方法在较为复杂数据集CIFAR100上剪枝率为90%、95%、98%时,分类准确率可达到69.91%、67.15%、60.18%,与同类方法相比,在不同数据集和剪枝率的条件下仍具有较高的分类精度。 展开更多
关键词 资源受限设备 深度神经网络 模型压缩 注意力机制 稀疏化训练 网络剪枝 掩码
在线阅读 下载PDF
融合残差及通道注意力机制的单幅图像去雨方法 被引量：6
16
作者 张世辉 闫晓蕊 桑榆 《计量学报》 CSCD 北大核心 2021年第1期20-28,共9页
为了去除雨天图像上附着的雨滴并恢复图像的清晰度,提出一种基于深度学习思想结合图像增强技术融合残差及通道注意力机制来实现的单幅图像去雨方法。首先,利用导向滤波将有雨图像分解为平滑基本层和高频细节层;其次,提出自适应Gamma校... 为了去除雨天图像上附着的雨滴并恢复图像的清晰度,提出一种基于深度学习思想结合图像增强技术融合残差及通道注意力机制来实现的单幅图像去雨方法。首先,利用导向滤波将有雨图像分解为平滑基本层和高频细节层;其次,提出自适应Gamma校正算法增强平滑基本层以提高对比度;然后,构建融合残差块和通道注意力机制的深度神经网络实现高频细节层去雨;最后,将去雨后的高频细节层与增强后的平滑基本层融合实现单幅图像去雨功能。实验结果表明:与具有代表性的单幅图像去雨方法相比,所提方法效果较好并可保留更多的图像细节信息。 展开更多
关键词 计量学 单幅图像去雨 图像处理 压缩和激励残差网络 注意力机制 深度学习 GAMMA校正
在线阅读 下载PDF
基于通道注意力的多尺度全卷积压缩感知重构 被引量：5
17
作者 刘玉红 陈满银 刘晓燕 《计算机工程》 CAS CSCD 北大核心 2022年第12期189-195,共7页
现有分块压缩感知图像重建算法存在计算量大、重构时间长,以及在低采样率下重构的图像具有严重的块效应等问题。提出一种基于通道注意力的多尺度全卷积压缩感知图像重构模型。通过均值滤波消除完整场景图像中的噪声点,减少冗余信息,以... 现有分块压缩感知图像重建算法存在计算量大、重构时间长,以及在低采样率下重构的图像具有严重的块效应等问题。提出一种基于通道注意力的多尺度全卷积压缩感知图像重构模型。通过均值滤波消除完整场景图像中的噪声点,减少冗余信息,以提取更加有效的信息,采用不同卷积核大小的卷积层对低频信息进行多尺度全卷积采样,得到不同感受野的图像特征信息,丰富网络中原始图像的特征信息。在此基础上,设计一种新的注意力残差模块,通过挖掘特征图通道之间的关联性以提取关键特征信息,提升重构图像的质量。在DIV2K、Set0和Set5数据集上的实验结果表明,当采样率为1%时,该模型的峰值信噪比和结构相似性相较于深度学习模型ISTA-Net分别平均提升了2.02 dB和0.0782,相较于迭代优化模型TVAL3,重构一张256×256像素图像所花费的时间平均缩短2.6084 s。所提模型在低采样率下能够有效利用原始图像中的信息生成更清晰的重构图像。 展开更多
关键词 压缩感知 卷积神经网络 均值滤波 多尺度全卷积测量 注意力机制
在线阅读 下载PDF
基于双重注意力机制的大规模MIMO系统CSI反馈 被引量：2
18
作者 陈发堂 戴东林 袁立 《南京邮电大学学报（自然科学版）》 北大核心 2022年第6期10-18,共9页
在频分双工大规模多输入多输出(Multiple Input Multiple Output,MIMO)系统中,针对现有基于深度学习信道状态信息(Channel State Information,CSI)反馈方法重建精度低、未考虑量化损失以及压缩率固定的问题,提出一种基于注意力机制和密... 在频分双工大规模多输入多输出(Multiple Input Multiple Output,MIMO)系统中,针对现有基于深度学习信道状态信息(Channel State Information,CSI)反馈方法重建精度低、未考虑量化损失以及压缩率固定的问题,提出一种基于注意力机制和密集连接卷积网络的多压缩率CSI反馈方案。该方法采用双重注意力机制提取CSI空间和时间相关性,串行全连接网络和密集连接卷积网络分别压缩和重构CSI。实验结果表明:在室内信道条件下,与基于卷积神经网络CsiNet相比,所提方法的参数量较少,归一化均方误差平均降低4.8 dB。所提反馈方法仅8比特量化可实现与未量化相近的重建精度。 展开更多
关键词 大规模MIMO 信道状态信息 注意力机制 卷积神经网络 多压缩率反馈
在线阅读 下载PDF
基于压缩与激励机制和残差连接的SRG古陶瓷器形分类 被引量：1
19
作者 杨云 史雯倩 宋清漪 《陕西科技大学学报》 北大核心 2022年第1期161-166,181,共7页
为实现基于器型的古陶瓷入库器型分类并节约计算成本,提高分类精度,提出基于GoogLeNet的改进算法SRG(SE-Res-GoogLeNet).将压缩与激励机制(Squeeze-and-Excitation)和优化后Inception块结合,通过对整个输入特征信息进行嵌入压缩,并自适... 为实现基于器型的古陶瓷入库器型分类并节约计算成本,提高分类精度,提出基于GoogLeNet的改进算法SRG(SE-Res-GoogLeNet).将压缩与激励机制(Squeeze-and-Excitation)和优化后Inception块结合,通过对整个输入特征信息进行嵌入压缩,并自适应的重新校准通道方向的特征响应,来加强CNN提取图像特征能力.针对改进后网络层数加深导致的网络退化问题,结合残差思想,加入跳跃连接,提高模型感知能力,带来性能优化.最后将SRG算法应用于古陶瓷器型分类问题中,实验表明,SRG算法在自制古陶瓷器型数据集上,Top-5分类准确率由91.23%提高至95.15%. 展开更多
关键词 GoogLeNet 压缩与激励机制 残差连接
在线阅读 下载PDF
学习驱动的图像压缩算法研究
20
作者 杨红菊 吉昌 《计算机工程》 北大核心 2025年第1期190-197,共8页
目前,基于卷积神经网络(CNN)深度学习的图像压缩已经取得了优异的成果,但是CNN的感受野通常受限,不能学习到图像非局部区域内像素之间的上下文关系,缺少了长距离建模和感知能力,容易造成结果失真、伪影和压缩率较高等问题。针对以上问题... 目前,基于卷积神经网络(CNN)深度学习的图像压缩已经取得了优异的成果,但是CNN的感受野通常受限,不能学习到图像非局部区域内像素之间的上下文关系,缺少了长距离建模和感知能力,容易造成结果失真、伪影和压缩率较高等问题。针对以上问题,提出2种解决办法:设计一种由CNN、多尺度注意力(MSA)机制和残差单元构成的对称编解码器架构,该架构在对图片进行通道变换和空间变换的同时引入多尺度注意力机制,能够对特征进行重新校准,减少潜在表示的冗余像素;设计一种基于U型框架的超先验网络,可以在不同层级上获取多尺度的上下文信息,在帮助提取高级语义特征的同时,保留详细的低级特征信息,能够更好地进行边界细化和细节恢复。在Kodak、Tecnick和CLIC这3种数据集上将所提方法与其他先进的图像压缩方法进行对比实验,结果表明,在相同比特率下,该方法相较对比方法在峰值信噪比(PSNR)指标上分别提高了约0.3 dB、0.6 dB、0.5 dB。所提方法在保证压缩率的同时,能够有效提高对非重复纹理特征和图像细节特征的重建效果。 展开更多
关键词 深度学习 图像压缩 多尺度注意力机制 超先验网络 TRANSFORMER
在线阅读 下载PDF
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 2 … 4 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部