基于小波分解与动态密集空洞卷积的双分支神经网络水印算法

1

作者 李敬有 席晓天 +1 位作者 魏荣乐 张光妲 《信息网络安全》 北大核心 2025年第5期828-839,共12页

基于深度学习的数字水印算法主要倾向于向载体图像的中高频区域嵌入水印信息,只使用卷积神经网络将水印信息映射到载体图像的特征空间中,忽略了频域算法的作用。文章提出一种基于小波分解与动态密集空洞卷积的双分支神经网络水印算法,... 基于深度学习的数字水印算法主要倾向于向载体图像的中高频区域嵌入水印信息,只使用卷积神经网络将水印信息映射到载体图像的特征空间中,忽略了频域算法的作用。文章提出一种基于小波分解与动态密集空洞卷积的双分支神经网络水印算法,通过使用小波分解,更好地引导水印信息的嵌入和提取。该算法运用离散小波变换处理载体图像与水印图像,将其分解为高频信息和低频信息,再使用神经网络进行针对性学习,使用动态密集空洞卷积在减少神经网络层数的情况下,扩大感受野,增强捕捉全局信息的能力,也能避免使用过多的池化层影响重建图像的质量。实验表明,该算法拥有良好的不可见性和鲁棒性。 展开更多

关键词 双分支神经网络 离散小波变换 空洞卷积 数字水印

在线阅读 下载PDF 职称材料

基于双分支卷积神经网络的气水动态分析

2

作者 李道伦 吕茂春 +1 位作者 查文舒 沈路航 《合肥工业大学学报(自然科学版)》 北大核心 2025年第6期828-832,838,共6页

传统气水分析方法主要有数值分析方法、实验模拟法等,但数值分析方法需要大量难以测量的数据,实验模拟法难以表征复杂油气开发现场,为此,文章基于深度学习神经网络提出一种新的气水分析方法。该方法根据气水动态物理模型建立的双分支卷... 传统气水分析方法主要有数值分析方法、实验模拟法等,但数值分析方法需要大量难以测量的数据,实验模拟法难以表征复杂油气开发现场,为此,文章基于深度学习神经网络提出一种新的气水分析方法。该方法根据气水动态物理模型建立的双分支卷积神经网络分别对排水井和产气井进行建模,个性化表征生产井和排水井的动静态数据;将产气井的气水产量数据作为输出,实现井组动态耦合关联,建立井组气水动态分析的深度学习网络模型。主动排水井组动态生产数据分析表明,该双分支卷积神经网络可实现3口生产井的日产气量和日产水量的高质量预测,揭示了主动排水井组中的复杂关联,可进行气水关系动态分析,从而为油气藏工程师提供了一种方便快捷的分析方法。 展开更多

关键词 气水动态分析 主动排水井组 双分支卷积神经网络 日产气 日产水

在线阅读 下载PDF 职称材料

基于优选多源遥感特征和双分支卷积神经网络的茶园提取方法 被引量：1

3

作者 林欣怡 汪小钦 +6 位作者 李蒙蒙 金时来 龙江 冯晓敏 吴瑞姣 林敬兰 李琳 《农业机械学报》 北大核心 2025年第6期446-456,共11页

准确的茶园分布信息可以为土地利用规划、种植布局优化提供科学的决策支撑,有助于推动茶产业可持续发展。本文基于GF-2 PMS影像的RGB波段,Sentinel-2光学影像计算的NDVI,Sentinel-1时序SAR数据构建的物候特征(包括茶树生长幅度(Growth a... 准确的茶园分布信息可以为土地利用规划、种植布局优化提供科学的决策支撑,有助于推动茶产业可持续发展。本文基于GF-2 PMS影像的RGB波段,Sentinel-2光学影像计算的NDVI,Sentinel-1时序SAR数据构建的物候特征(包括茶树生长幅度(Growth amplitude,GA)和生长期长度(Growth length,GL)),以及GF-7立体像对影像计算的坡向、坡度、曲率,构建了茶园多模态遥感特征,并通过随机森林特征优选出最佳组合。利用双分支网络联合学习策略,以AMLNet(Attentional multiscale lightweight encoder-decoder network)为第1分支,Vanilla AMLNet为第2分支,构建耦合多模态信息的双分支网络模型MIPBNet(Multi-modal information parallel branch network);利用特征融合模块(Dual-branch feature fusion block,DBFF)在解码器末端进行特征级融合;利用复合损失函数进行优化训练。研究结果表明:NDVI+GA+坡向+坡度组合最能提高茶园分类精度。基于RGB数据依次加入NDVI、GA、坡向、坡度的组合方案,实验结果表明,融合多模态特征后,茶园提取结果漏提和误提现象明显减少,总体精度提升3.11个百分点。与典型的语义分割模型UNet、UNeXt、Segformer相比,MIPBNet的单分支AMLNet获得了更优的茶园提取结果。 展开更多

关键词 茶园提取 多源遥感 深度学习 语义分割 多模态 双分支卷积神经网络

在线阅读 下载PDF 职称材料

一种基于双分支注意力神经网络的皮肤癌检测框架 被引量：1

4

作者 王玉峰 成昊沅 +2 位作者 万承北 张博 石爱菊 《中国生物医学工程学报》 CAS CSCD 北大核心 2024年第2期153-161,共9页

皮肤癌是一种主要的癌症,在过去几十年中快速增长,早期发现可以极大提高治愈率。近年来,基于皮肤镜图像利用深度学习模型(尤其是各种卷积神经网络)对皮肤癌进行识别和分类获得了广泛应用。但是与传统的图像识别分类不同,皮肤病检测任务... 皮肤癌是一种主要的癌症,在过去几十年中快速增长,早期发现可以极大提高治愈率。近年来,基于皮肤镜图像利用深度学习模型(尤其是各种卷积神经网络)对皮肤癌进行识别和分类获得了广泛应用。但是与传统的图像识别分类不同,皮肤病检测任务存在数据不平衡、类间差异性小以及皮损面积占比少等方面的挑战。为此,本研究提出一种基于双分支注意力卷积神经网络(DACNN)皮肤癌分类框架。在数据预处理阶段,根据更细粒度的皮肤病类别,对数据集进行分解,降低数据不平衡程度。从网络结构上,上分支网络利用注意力残差学习(ARL)模块有效提取潜在的病变区域特征,接着利用损伤定位网络(LLN)模块定位病变区域。对其裁剪放大输入由ARL构成的下分支网络,进行局部细节的特征提取,然后结合上下分支网络的特征,进行有效的识别。最后,为了进一步缓解数据不平衡问题,在训练阶段中采用加权损失函数。在包含10015张皮肤镜图像数据集上,对所提出的DACNN模型与几种典型的皮肤病变检测框架进行了实验验证和比较。结果表明,DACNN皮肤癌变检测框架的Sensitivity、Accuracy和F1_score等性能指标分别达到了0.922、0.942和0.933,与已有的递归注意力卷积神经网络模型RACNN相比,以上3个指标分别提升了3.48%、2.95%和3.44%。总之,对于各类图像数不平衡,类间图像差异性小以及皮损面积占比少的皮肤镜图像而言,采用适当的类分解,以及双分支注意力神经网络结构首先对潜在的病变区域进行定位放大,然后进行局部细节的特征提取,能够极大的提高皮肤癌的检测准确度。 展开更多

关键词 皮肤癌 双分支神经网络 注意力机制 数据不平衡

在线阅读 下载PDF 职称材料

基于散射点拓扑和双分支卷积神经网络的SAR图像小样本舰船分类 被引量：3

5

作者 张翼鹏 卢东东 +1 位作者 仇晓兰 李飞 《雷达学报（中英文）》 EI CSCD 北大核心 2024年第2期411-427,共17页

随着合成孔径雷达(SAR)图像在舰船检测和识别领域的广泛应用,准确而高效地进行舰船分类已经成为一个亟待解决的问题。在小样本学习场景下,一般的方法面临着泛化能力不足的问题,因此该文引入了额外的信息和特征,旨在增加模型对目标的理... 随着合成孔径雷达(SAR)图像在舰船检测和识别领域的广泛应用,准确而高效地进行舰船分类已经成为一个亟待解决的问题。在小样本学习场景下,一般的方法面临着泛化能力不足的问题,因此该文引入了额外的信息和特征,旨在增加模型对目标的理解和泛化能力。该文通过散射关键点构建拓扑结构以表征舰船目标的结构和形状特征,并计算拓扑结构的拉普拉斯矩阵,将散射点之间的拓扑关系转化为矩阵形式,最后将SAR图像和拉普拉斯矩阵分别作为双分支网络的输入进行特征提取。在网络结构方面,该文设计了一个由两个独立的卷积分支组成的双分支卷积神经网络,分别负责处理视觉特征和拓扑特征,并用两个交叉融合注意力模块分别对两个分支的特征进行交互融合。该方法有效地将目标散射点拓扑关系与网络的自动学习过程相结合,从而增强模型的泛化能力并提高分类精度。实验结果表明,在OpenSARShip数据集上,所提方法在1-shot和5-shot任务的平均准确率分别为53.80%和73.00%。而在FUSAR-Ship数据集上,所提方法分别取得了54.44%和71.36%的平均准确率。所提方法在1-shot和5-shot的设置下相比基础方法准确率均提升超过15%,证明了散射点拓扑的应用对SAR图像小样本舰船分类的有效性。 展开更多

关键词 合成孔径雷达(SAR) 舰船分类 小样本学习 散射点拓扑 双分支卷积神经网络

在线阅读 下载PDF 职称材料

基于双分支卷积神经网络的弱光图像显著性目标识别研究 被引量：1

6

作者 陈虹云 徐欢潇 +1 位作者 李秀静 梅香香 《激光杂志》 CAS 北大核心 2024年第10期136-140,共5页

图像的亮度和对比度通常较低,使得目标信息变得模糊不清,增加识别的难度。针对传统识别方法面对多个显著性目标识别不准确的问题,提出基于双分支卷积神经网络的弱光图像显著性目标识别方法。针对弱光图像实施图像灰度化处理和去噪处理... 图像的亮度和对比度通常较低,使得目标信息变得模糊不清,增加识别的难度。针对传统识别方法面对多个显著性目标识别不准确的问题,提出基于双分支卷积神经网络的弱光图像显著性目标识别方法。针对弱光图像实施图像灰度化处理和去噪处理。增强弱光图像,调节弱光问题,利用双分支卷积神经网络,提取弱光图像显著性目标特征。实验结果表明:所研究方法应用下,无论图像中存在几个显著性目标,Kappa值均在0.8以上,准确性较高。 展开更多

关键词 双分支卷积神经网络 弱光图像 显著性目标 识别方法

在线阅读 下载PDF 职称材料

基于双分支卷积神经网络的红外与可见光图像局部融合算法 被引量：5

7

作者 许云英 杨瑞 +3 位作者 贺天福 刘尚为 范太然 徐晨晨 《红外技术》 CSCD 北大核心 2022年第5期521-528,共8页

红外图像和可见光图像均存在一定的局限性,依靠单个种类图像无法满足工程实际需求,可通过引入图像融合技术,获取高质量的融合图像。为更好保障输出信息特征的多样性,本文引入一种双分支卷积神经网络实现红外与可见光图像局部融合;在双... 红外图像和可见光图像均存在一定的局限性,依靠单个种类图像无法满足工程实际需求,可通过引入图像融合技术,获取高质量的融合图像。为更好保障输出信息特征的多样性,本文引入一种双分支卷积神经网络实现红外与可见光图像局部融合;在双分支卷积神经网络基础上,同时从红外图像、可见光图像得到跨渠道信息、渠道内信息种特征,增加了融合图像的信息量。采用整数小波变换方法进行图像压缩。建立颜色空间模型时,合理调节t因子的数值,获得理想的融合图像。实验结果表明,与现有方法相比,本方法融合后图像边缘信息得到充分保留,图像细节得到增强,红外与可见光图像融合效果更好。 展开更多

关键词 双分支卷积神经网络 红外与可见光图像 梯度下降理论 小波变换 图像插值 图像融合

在线阅读 下载PDF 职称材料

基于SASK和双分支结构的服装图像识别方法 被引量：1

8

作者 周啸辉 余磊 +2 位作者 张睿婷 熊邦书 欧巧凤 《应用科学学报》 CAS CSCD 北大核心 2023年第6期967-977,共11页

服装图像具有明暗不一、尺度各异的特性,这使得已有识别方法表现不佳。为解决此问题,本文基于空间注意力选择核(space attention selective kernel, SASK)模块和双分支结构搭建神经网络模型对服装图像进行识别。首先,结合跳跃连接、稠... 服装图像具有明暗不一、尺度各异的特性,这使得已有识别方法表现不佳。为解决此问题,本文基于空间注意力选择核(space attention selective kernel, SASK)模块和双分支结构搭建神经网络模型对服装图像进行识别。首先,结合跳跃连接、稠密连接和多尺度、通道拆分的思想,设计双分支神经网络,充分提取服装对象的整体特征。其次,基于空间注意力机制,设计SASK模块,使网络可以更多地关注服装对象的形态特征信息,从而提升识别效果。实验结果表明,本文所提方法不但在典型服装数据集上能够取得优于现有主流方法的识别精度,而且在具有明暗不一、尺度各异特性的其他图像数据集上同样表现良好。 展开更多

关键词 服装图像识别 空间注意力选择核 双分支神经网络 明暗不一 尺度各异

在线阅读 下载PDF 职称材料

基于通道变换和Transformer的高光谱图像变化检测方法

9

作者 刘文力 高峰 +2 位作者 张浩鹏 董军宇 吴淳桐 《计算机学报》 北大核心 2025年第4期971-984,共14页

当前基于Transformer的高光谱图像变化检测方法通过自注意力机制模拟长距离依赖,能够有效建模全局上下文信息。然而,现有方法仍面临着两个主要问题:一是Transformer模型计算复杂度高,导致模型在处理高维度数据时效率低下;二是现有模型... 当前基于Transformer的高光谱图像变化检测方法通过自注意力机制模拟长距离依赖,能够有效建模全局上下文信息。然而,现有方法仍面临着两个主要问题:一是Transformer模型计算复杂度高,导致模型在处理高维度数据时效率低下;二是现有模型对高光谱图像的波段信息利用有限,在光谱维度上缺乏特征交互。针对这些问题,本文提出了一种基于通道变换和Transformer的高光谱图像变化检测方法,以更高效地利用高光谱图像中复杂的光谱和空间信息。创新之处主要体现在两个方面:其一,采用基于通道变换和注意力机制的特征提取模块。该模块改进了传统自注意力计算方式并加入通道信息交互模块,一方面降低了传统Transformer二次方的计算复杂度,使模型更适用于处理高维度数据;另一方面实现了对高光谱图像空间和光谱信息的高效利用,增强了模型对高级语义信息的理解及对复杂变化的感知能力。其二,设计了双分支门控前馈神经网络。该网络实现了模型对特征信息的细粒度调控,提升了模型对关键地物变化和细微差异的捕捉能力。实验结果显示,本文方法在River和Hermiston数据集上的准确率分别达到了96.28%和95.97%,Kappa系数分别达到了79.44%和88.90%。相比于当前主流方法,本文模型在这两个数据集上准确率分别提升了0.60%和0.69%,Kappa系数也分别提升了10.30%和2.33%,验证了本文方法在高光谱图像变化检测任务中的有效性。 展开更多

关键词 变化检测 高光谱图像 注意力机制 双分支门控前馈神经网络 通道变换模块

在线阅读 下载PDF 职称材料

基于BiViTNet的轻量级驾驶员分心行为检测方法 被引量：2

10

作者 高尚兵 张莹莹 +2 位作者 王腾 张秦涛 刘宇 《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第2期57-64,共8页

针对基于卷积神经网络的驾驶员分心行为检测,模型比较复杂、检测效率低下且缺少全局视觉表征的问题,提出了一种双分支并行双向交互神经网络BiViTNet(bidirectional interaction neural network based on vision transformer)对驾驶员行... 针对基于卷积神经网络的驾驶员分心行为检测,模型比较复杂、检测效率低下且缺少全局视觉表征的问题,提出了一种双分支并行双向交互神经网络BiViTNet(bidirectional interaction neural network based on vision transformer)对驾驶员行为进行识别,将ViT(vision transformer)引入到网络中对全局信息进行编码,在一定程度上提高检测精度。该网络由两个并行分支组成,第1个分支基于轻量级的CNN结构,第2个分支基于ViT结构。通过双向特征交互模块BiFIM(bidirectional feature interaction module)解决CNN Branch和ViT Branch之间特征不对称的问题,最后将两个分支的特征融合并对驾驶员行为进行检测。实验在自建的多视角驾驶员数据集上展开,验证集准确率达到97.18%,参数量为38.22 MB,计算量为271.20×10^(6)。研究表明:轻量级BiViTNet提高了驾驶员分心行为识别的准确率,可以在一定程度上辅助驾驶员的行车安全。 展开更多

关键词 交通运输工程 智能交通 分心行为检测 双分支并行双向交互神经网络 视觉转换器 轻量级模型

在线阅读 下载PDF 职称材料

基于虚拟相似日与DA-LSTPNet的地区电网短期负荷预测 被引量：26

11

作者 李滨 高枫 《电力系统自动化》 EI CSCD 北大核心 2021年第22期55-64,共10页

针对短期负荷预测精细化的需求,提出一种基于虚拟相似日与双阶段注意力机制的长短期时序神经网络(DA-LSTPNet)的地区级短期负荷预测方法。为获得与负荷相匹配的细粒度实时气象数据,首先基于粗粒度的气象数据,利用灰色关联度和关联度加... 针对短期负荷预测精细化的需求,提出一种基于虚拟相似日与双阶段注意力机制的长短期时序神经网络(DA-LSTPNet)的地区级短期负荷预测方法。为获得与负荷相匹配的细粒度实时气象数据,首先基于粗粒度的气象数据,利用灰色关联度和关联度加权法获取含细粒度气象数据的气象虚拟相似日。然后,采用最大信息系数(MIC)对气象特征信息与负荷进行非线性关联性分析,构建MIC加权下的负荷虚拟相似日选取算法,解决选取历史日作为传统负荷相似日而导致的过分局部相似乃至非相似的问题。最后,针对过往预测模型缺乏考虑特征因素与局部负荷细粒度变化之间联系特性的问题,构建能够有效挖掘负荷特征数据长期宏观以及短期局部变化特性的DALSTPNet进行日前短期负荷预测。以中国南方某地区电网实际负荷数据为例,采用多种形式的仿真验证了所提预测方法具有更高的预测精度和普适性。 展开更多

关键词 短期负荷预测 虚拟相似日 双分支神经网络 时间注意力机制

在线阅读 下载PDF 职称材料