期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于通道变换和Transformer的高光谱图像变化检测方法
1
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
基于双分支注意力网络的立体视频压缩
2
作者
唐述
赵瑜
+1 位作者
杨书丽
谢显中
《通信学报》
2025年第8期135-151,共17页
针对现有基于深度学习的立体视频压缩网络几乎只采用卷积操作来提取和融合特征,导致无法有效捕捉局部范围内的非重复纹理细节和忽略了全局特征等缺陷,严重影响了解码过程中图像重建质量的问题,提出了一种双分支注意力网络(DAN),通过开...
针对现有基于深度学习的立体视频压缩网络几乎只采用卷积操作来提取和融合特征,导致无法有效捕捉局部范围内的非重复纹理细节和忽略了全局特征等缺陷,严重影响了解码过程中图像重建质量的问题,提出了一种双分支注意力网络(DAN),通过开发和融合区域范围内的逐像素相似性和整幅图像的全局结构特征,实现更高质量的立体视频压缩编码。首先,提出了一种基于Transformer和通道注意力的局部和全局双分支编解码块(LGEDB),通过融合区域范围内每个像素点的自注意力和每个通道的全局注意力,实现对局部非重复纹理细节和全局结构信息的准确捕捉。其次,提出了一种基于可逆神经网络(INN)和门控机制的双分支高频信息融合模块(DHFFM),通过对运动补偿特征和视差特征中高频信息的准确提取以及逐像素点特征的筛选,实现对运动补偿特征和视差特征的高效融合。实验表明,DAN在相同或更低比特率下能够实现更高质量重建,且模型参数量更少。
展开更多
关键词
深度学习
立体视频压缩编码
双
分支
注意力
可逆
神经网络
门控
机制
在线阅读
下载PDF
职称材料
题名
基于通道变换和Transformer的高光谱图像变化检测方法
1
作者
刘文力
高峰
张浩鹏
董军宇
吴淳桐
机构
中国海洋大学计算机科学与技术学院
海洋信息技术教育部工程研究中心
出处
《计算机学报》
北大核心
2025年第4期971-984,共14页
基金
新一代人工智能国家科技重大专项(2022ZD0117202)
国家自然科学基金(42106191)资助。
文摘
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。
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
Keywords
change detection
hyperspectral image
attention mechanism
dual-branch gated feedforward neural network
channel shuffle block
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
基于双分支注意力网络的立体视频压缩
2
作者
唐述
赵瑜
杨书丽
谢显中
机构
重庆邮电大学计算机科学与技术学院(示范性软件学院)
出处
《通信学报》
2025年第8期135-151,共17页
基金
国家自然科学基金资助项目(No.61601070)
重庆市自然科学基金资助项目(No.CSTB2023NSCQ-MSX0680)
+1 种基金
重庆市教育委员会科学技术研究重大基金资助项目(No.KJZD-M202300101)
重庆邮电大学博士研究生创新人才基金资助项目(No.BYJS202217)。
文摘
针对现有基于深度学习的立体视频压缩网络几乎只采用卷积操作来提取和融合特征,导致无法有效捕捉局部范围内的非重复纹理细节和忽略了全局特征等缺陷,严重影响了解码过程中图像重建质量的问题,提出了一种双分支注意力网络(DAN),通过开发和融合区域范围内的逐像素相似性和整幅图像的全局结构特征,实现更高质量的立体视频压缩编码。首先,提出了一种基于Transformer和通道注意力的局部和全局双分支编解码块(LGEDB),通过融合区域范围内每个像素点的自注意力和每个通道的全局注意力,实现对局部非重复纹理细节和全局结构信息的准确捕捉。其次,提出了一种基于可逆神经网络(INN)和门控机制的双分支高频信息融合模块(DHFFM),通过对运动补偿特征和视差特征中高频信息的准确提取以及逐像素点特征的筛选,实现对运动补偿特征和视差特征的高效融合。实验表明,DAN在相同或更低比特率下能够实现更高质量重建,且模型参数量更少。
关键词
深度学习
立体视频压缩编码
双
分支
注意力
可逆
神经网络
门控
机制
Keywords
deep learning
stereoscopic video compression coding
dual-branch attention
INN
gate mechanism
分类号
TN919.8 [电子电信]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于通道变换和Transformer的高光谱图像变化检测方法
刘文力
高峰
张浩鹏
董军宇
吴淳桐
《计算机学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于双分支注意力网络的立体视频压缩
唐述
赵瑜
杨书丽
谢显中
《通信学报》
2025
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
