检索结果-维普期刊中文期刊服务平台

基于密集多尺度特征和双注意力模块的皮肤病变分割被引量：3: 1; 作者费承罗健旭《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第1期97-105,共9页; 针对皮肤病变分割任务中病变区域大小不一、形状各异、内部像素差异大、边界模糊、周围存在气泡等问题,提出了一种基于密集多尺度特征和双注意力模块的U型分割网络DDAnet。该网络中的DenseASPP模块通过密集连接多个空洞卷积层来获取丰... 展开更多; 关键词皮肤病变分割 DenseASPP模块 CAM PAM 双注意力模块; 在线阅读下载PDF 职称材料

结合超轻量级双注意力模块的ShuffleNetV2面部表情识别被引量：2: 2; 作者林恩惠王凡谭晓玲《电子测量技术》北大核心 2024年第10期168-174,共7页; 针对面部表情识别领域中难以同时实现低参数量与高准确率的挑战,提出了一种结合注意力机制的ShuffleNetV2网络的面部表情识别方法。该方法基于ShuffleNetV2架构,通过微调模型将Relu激活函数替换为PRelu激活函数,进一步提升了模型的特征... 展开更多; 关键词面部表情识别方法的改进激活函数空间注意力机制轻量化模型超轻量级双注意力模块; 在线阅读下载PDF 职称材料

DACSNet:基于双注意力机制与分类监督的乳腺超声图像病变检测: 3; 作者李方王洁《计算机科学》北大核心 2025年第9期54-61,共8页; 超声成像是乳腺病变最常用的检测技术,基于深度学习的乳腺超声图像自动化病变检测引起了越来越多的研究人员关注。然而,大部分研究未能充分融合图像信息来增强特征,也未考虑到注意力模块的引入带来的模型复杂度增大和假阳率升高的问题... 展开更多; 关键词乳腺超声图像病变检测 VMamba 双注意力模块分类监督; 在线阅读下载PDF 职称材料

基于改进MobileNetV3烧结断面火焰图像识别被引量：5: 4; 作者梁秀满安金铭 +2 位作者曹晓华曾凯王福斌《电子测量技术》北大核心 2023年第14期182-187,共6页; 烧结机尾断面火焰图像蕴含大量与烧结终点相关的特征信息,充分利用烧结火焰图像特征信息进行在线判断烧结终点状态,具有可行性及工程实际意义。针对烧结机尾断面火焰图像特征信息难以提取、识别精度低以及难以满足实时性等问题,提出一... 展开更多; 关键词双分支通道空间注意力模块 MobileNetV3 烧结火焰图像余弦退火; 在线阅读下载PDF 职称材料

题名基于密集多尺度特征和双注意力模块的皮肤病变分割被引量：3: 1; 作者费承罗健旭; 机构华东理工大学信息科学与工程学院; 出处《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第1期97-105,共9页; 基金上海市科技创新行动计划(19511121203)。; 文摘针对皮肤病变分割任务中病变区域大小不一、形状各异、内部像素差异大、边界模糊、周围存在气泡等问题,提出了一种基于密集多尺度特征和双注意力模块的U型分割网络DDAnet。该网络中的DenseASPP模块通过密集连接多个空洞卷积层来获取丰富的多尺度信息,同时由通道注意力模块(CAM)和位置注意力模块(PAM)构成的双注意力模块通过编码全局上下文信息,在通道和位置上对特征图进行重新配准,实现对相关特征的强调和对无关特征的抑制。两个模块并行连接、共同作用以提高分割精度。在ISIC2018数据集上,DDAnet的准确率(Acc)、Jaccard相似系数(JI)、Dice系数(DC)、敏感度(Sen)和特异性(Spec)指标值分别为96.75%、85.00%、91.36%、91.82%和97.42%,分割结果优于其他的分割网络,并且对于极具挑战的病例,DDAnet仍然能够产生准确、可靠的分割结果,说明其具备在临床诊断中辅助医生进行皮肤病变分割的潜力。; 关键词皮肤病变分割 DenseASPP模块 CAM PAM 双注意力模块; Keywords skin lesion segmentation DenseASPP module CAM PAM dual attention module; 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

题名结合超轻量级双注意力模块的ShuffleNetV2面部表情识别被引量：2: 2; 作者林恩惠王凡谭晓玲; 机构重庆三峡学院电子与信息工程学院; 出处《电子测量技术》北大核心 2024年第10期168-174,共7页; 基金重庆市重点实验室开放基金(ZD2020A0302)项目资助。; 文摘针对面部表情识别领域中难以同时实现低参数量与高准确率的挑战,提出了一种结合注意力机制的ShuffleNetV2网络的面部表情识别方法。该方法基于ShuffleNetV2架构,通过微调模型将Relu激活函数替换为PRelu激活函数,进一步提升了模型的特征捕获与分类能力。此外,本文创新性地引入了一种超轻量级双注意力模块LDAM,该模块结合了DCAM注意力机制与空间注意力机制,并通过捷径连接技术集成到优化后的ShuffleNetV2模型中,以增强模型对细节特征的识别能力及分类效果。在FER2013和CK+两大公认的面部表情识别数据集上的实验结果显示,本方法分别达到了69.12%和94.77%的识别准确率,同时保持了低至1.25的模型参数量。这一成果不仅展示了在保持模型轻量化的同时提升识别性能的可能性,而且通过实验验证了所提出方法的高效性和实用性。; 关键词面部表情识别方法的改进激活函数空间注意力机制轻量化模型超轻量级双注意力模块; Keywords improvement of facial expression recognition method activation function spatial attention mechanism lightweight model lightweight dual attention module; 分类号 TN911.73 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名DACSNet:基于双注意力机制与分类监督的乳腺超声图像病变检测: 3; 作者李方王洁; 机构北京工业大学计算机学院; 出处《计算机科学》北大核心 2025年第9期54-61,共8页; 基金国家自然科学基金(62476015)。; 文摘超声成像是乳腺病变最常用的检测技术,基于深度学习的乳腺超声图像自动化病变检测引起了越来越多的研究人员关注。然而,大部分研究未能充分融合图像信息来增强特征,也未考虑到注意力模块的引入带来的模型复杂度增大和假阳率升高的问题。因此,对现有的RetinaNet模型进行改进,以VMamba为骨干网络,提出了基于双注意力机制与分类监督的病变检测网络(DACSNet)以提高乳腺超声图像中病变检测的准确性,并降低检测假阳率。具体来说,将医学领域的知识引入注意力模块,通过双注意力模块(DAM)来增强通道维度和空间维度的特征。DAM仅涉及少量参数,且能有效提高模型的检测性能。此外,为了降低病变检测的假阳率,在模型中加入了分类监督模块(CSM)来融合病变分类信息,实现对疑似病变区域的二次关注。为了验证DACSNet的性能,在3组公开的乳腺超声图像数据集上进行了乳腺病变检测实验,结果证明了该方法的有效性。; 关键词乳腺超声图像病变检测 VMamba 双注意力模块分类监督; Keywords Breast ultrasound image Lesion detection VMamba Dual attention module Classification supervision; 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

题名基于改进MobileNetV3烧结断面火焰图像识别被引量：5: 4; 作者梁秀满安金铭曹晓华曾凯王福斌; 机构华北理工大学电气工程学院; 出处《电子测量技术》北大核心 2023年第14期182-187,共6页; 基金河北省自然科学基金(E2021209037) 河北省省属高等学校基本科研业务费研究项目(JYG2020004)资助; 文摘烧结机尾断面火焰图像蕴含大量与烧结终点相关的特征信息,充分利用烧结火焰图像特征信息进行在线判断烧结终点状态,具有可行性及工程实际意义。针对烧结机尾断面火焰图像特征信息难以提取、识别精度低以及难以满足实时性等问题,提出一种基于改进的MobileNetV3烧结断面火焰图像识别算法。以MobileNetV3作为烧结终点火焰状态特征信息提取的基础模型,引入注意力机制;改进通道注意力结构,减少特征损失提高识别精度;引入空间注意力机制,设计双分支通道空间注意力模块精确捕捉了红火区在烧结断面火焰图像中的位置和内容信息;引入数据增强和余弦退火学习率来提高模型的泛化能力,并采用冻结训练策略加速模型收敛。在烧结火焰数据集上的实验表明,该算法能够充分利用烧结火焰图像中的特征信息,识别准确率达到97.54%,较改进前提高了6.41%。; 关键词双分支通道空间注意力模块 MobileNetV3 烧结火焰图像余弦退火; Keywords two-branch channel spatial attention module MobileNetV3 sintered flame image cosine annealing; 分类号 TP391.41 [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	作者	出处	发文年	被引量	操作
1	基于密集多尺度特征和双注意力模块的皮肤病变分割	费承罗健旭	《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心	2024	3	在线阅读下载PDF 职称材料
2	结合超轻量级双注意力模块的ShuffleNetV2面部表情识别	林恩惠王凡谭晓玲	《电子测量技术》北大核心	2024	2	在线阅读下载PDF 职称材料
3	DACSNet:基于双注意力机制与分类监督的乳腺超声图像病变检测	李方王洁	《计算机科学》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于改进MobileNetV3烧结断面火焰图像识别	梁秀满安金铭曹晓华曾凯王福斌	《电子测量技术》北大核心	2023	5	在线阅读下载PDF 职称材料