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125篇文章
< 1 2 … 7 >
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：
基于级联的多尺度特征融合残差去噪网络
1
作者 郭业才 胡晓伟 毛湘南 《计算机科学》 北大核心 2025年第6期239-246,共8页
针对图像去噪特征提取单一化以及特征利用率低,不能生成更清晰图像的问题,提出了级联多尺度特征融合残差真实图像去噪网络。该网络双分支自适应密集残差块采用双路非对称扩张卷积扩展图像感受野,在水平尺度上选择性地提取丰富的纹理特... 针对图像去噪特征提取单一化以及特征利用率低,不能生成更清晰图像的问题,提出了级联多尺度特征融合残差真实图像去噪网络。该网络双分支自适应密集残差块采用双路非对称扩张卷积扩展图像感受野,在水平尺度上选择性地提取丰富的纹理特征。在多尺度空间U-Net模块中,利用多尺度空间融合块增强网络对图像整体结构的学习能力,学习不同层次的信息,获取基于图像空间和上下文信息的多级特征。跳跃连接促进结构之间的参数共享,使不同尺度的特征充分融合,保证信息的完整性。最后,采用双残差学习构建出清晰的去噪图像。结果表明,该算法在真实噪声数据集(DND和SIDD)上的峰值信噪比分别为39.68 dB和39.50 dB,结构相似性分别为0.953和0.957,优于主流去噪算法。所提算法在增强去噪性能的同时,也保留了更详细的信息,使图像质量进一步提升。 展开更多
关键词 图像去噪 真实噪声 卷积神经网络 多尺度特征融合 密集残差
在线阅读 下载PDF
基于多域卷积特征决策融合的SLAM回环检测算法
2
作者 俞志鹏 王成军 +1 位作者 赵艳秋 任东海 《现代电子技术》 北大核心 2025年第20期181-186,共6页
回环检测作为实时定位和建图中的重要环节,可以有效减少位姿估计的累积误差,并得到一致的全局地图。随着深度学习的发展,卷积神经网络开始用于回环检测,然而卷积神经网络的特征表达因领域特殊性而无法广泛使用。为了提升卷积特征在回环... 回环检测作为实时定位和建图中的重要环节,可以有效减少位姿估计的累积误差,并得到一致的全局地图。随着深度学习的发展,卷积神经网络开始用于回环检测,然而卷积神经网络的特征表达因领域特殊性而无法广泛使用。为了提升卷积特征在回环检测上的应用能力,提出一种基于多域卷积特征决策融合的SLAM回环检测算法。算法分别从多个任务域上学习特征表达,并用于回环检测的特征提取及决策。基于D⁃S证据理论将多个任务域特征的决策进行融合,最终得到回环检测结果。在New College和City Centre数据集上开展实验,得出基于多域卷积特征决策融合的回环检测算法相比基于场景特征决策、基于物体特征决策、基于语义特征决策,在New College数据集上的准确率分别提升了2.292%、6.88%、16.98%;在City Centre数据集上,准确率分别提升了6.23%、10.33%、13.97%。实验结果表明,所提方法能够提升基于卷积特征的回环检测准确性,为精准定位和建图提供保障。 展开更多
关键词 回环检测 视觉SLAM 卷积神经网络 多任务域 决策融合 特征提取 D⁃S理论
在线阅读 下载PDF
基于多尺度特征融合预处理与深度稀疏网络的并行磁共振成像重建
3
作者 薛磊 段继忠 《数据采集与处理》 北大核心 2025年第4期1082-1095,共14页
磁共振成像(Magnetic resonance imaging,MRI)在医学诊断中具有关键作用,但过长的扫描时间可能会导致患者不适或产生运动伪影。并行成像技术和压缩感知理论表明,可通过对k空间数据进行欠采样从而提高扫描速度,其中并行MRI是一种通过利... 磁共振成像(Magnetic resonance imaging,MRI)在医学诊断中具有关键作用,但过长的扫描时间可能会导致患者不适或产生运动伪影。并行成像技术和压缩感知理论表明,可通过对k空间数据进行欠采样从而提高扫描速度,其中并行MRI是一种通过利用多个接收线圈同时采集多个数据通道来加速成像过程的技术。深度学习凭借其强大的特征提取和模式识别能力,在欠采样MRI重建中展现出巨大的潜力。为克服现有技术的局限性(如需要自动校准信号、重建不稳定等),提出了一种创新的重建方法,旨在从欠采样的k空间数据中高效、准确地重建高质量的并行磁共振图像。该方法的核心骨架为深度稀疏网络,该网络通过将求解稀疏模型的迭代收缩阈值算法的迭代过程展开,转化为深度神经网络框架内的一系列可训练层。另外,还引入基于多尺度特征融合的自适应预处理模块,通过融合普通卷积与异型卷积核,进一步提升网络的稀疏表示能力。实验结果表明,相较于其他先进方法,本文提出的方法在多个数据集上均表现出更优的重建性能,包括更高的峰值信噪比和结构相似性指数,以及更低的高频误差范数。 展开更多
关键词 并行磁共振成像重建 深度学习 卷积神经网络 深度稀疏网络 多尺度特征融合
在线阅读 下载PDF
融合时空注意力机制的多尺度卷积车辆轨迹预测 被引量：1
4
作者 闫建红 刘芝妍 王震 《计算机工程》 北大核心 2025年第8期406-414,共9页
车辆轨迹预测是自动驾驶的重要环节,提升车辆轨迹预测的可靠性和准确性对自动驾驶安全性有很大帮助。道路上车辆行驶受交通环境影响,考虑相邻车辆运动和相对空间位置等交通环境因素,在长短期记忆(LSTM)神经网络编码器-解码器模型基础上... 车辆轨迹预测是自动驾驶的重要环节,提升车辆轨迹预测的可靠性和准确性对自动驾驶安全性有很大帮助。道路上车辆行驶受交通环境影响,考虑相邻车辆运动和相对空间位置等交通环境因素,在长短期记忆(LSTM)神经网络编码器-解码器模型基础上引入时空注意力机制,通过时间注意力层关注目标车辆和相邻车辆的历史轨迹,空间注意力层关注车辆的相对空间位置。为了增强特征提取程度和实现更全面的特征融合,使用多尺度卷积社交池增大感受野,融合多尺度特征,并提出基于LSTM编码器-解码器架构融合多尺度卷积社交池和时空注意力机制的车辆轨迹预测模型MCS-STA-LSTM。通过学习车辆运动相互依赖关系,以达到获得目标车辆未来轨迹基于机动类别的多模态预测分布的目的。在公开数据集NGSIM上进行训练、验证和测试,实验结果表明,相较于其他轨迹预测模型,该方法在3 s内的均方根误差平均降低了9.35%,5 s内均方根误差平均降低了5.53%,提高了轨迹预测准确性,在中短期预测上更具有优势。 展开更多
关键词 多尺度卷积社交池化 轨迹预测 长短期记忆神经网络 时空注意力机制 多尺度特征融合
在线阅读 下载PDF
基于增强特征融合的轻量级人体姿态估计网络
5
作者 施昕昕 张昊亮 《电子测量技术》 北大核心 2025年第2期189-198,共10页
为了提高轻量化人体姿态估计网络对不同阶段特征图的信息提取和特征融合能力和关键点热力图与分类特征图的后处理能力,提出了一种基于多阶段多层级特征融合的人体姿态估计网络。首先设计了多层级特征融合模块,以提高神经网络模型对特征... 为了提高轻量化人体姿态估计网络对不同阶段特征图的信息提取和特征融合能力和关键点热力图与分类特征图的后处理能力,提出了一种基于多阶段多层级特征融合的人体姿态估计网络。首先设计了多层级特征融合模块,以提高神经网络模型对特征图的信息提取和归纳总结能力;接着设计了结合特征融合模块设计了特征融合分支,以达到保留模型不同阶段的信息不会随长期卷积运算而丢失的效果;最后对模型输出的关键点分类图进行后处理操作,对分类部分使用分类损失增强模块进行进一步增强,使其能够更好地专注于关键点分类任务,以提高模型输出的准确性。在CrowdPose数据集进行性能测试,本文算法和LitePose算法在XS结构下的AP值分别为50.7%和48.4%;在S结构下,AP值分别为59.1%和58.3%。在MS COCO val2017数据集进行性能测试,本文算法和LitePose算法在XS结构下的AP值分别为41.9%和40.6%;在S结构下,AP值分别为57.0%和56.8%。实验结果表明,本文算法提出的多层级特征融合模块和高分辨率融合分支以及后处理操作对人体姿态估计网络检测性能提升具有正向作用。 展开更多
关键词 人体姿态估计 轻量级网络 多尺度特征融合 深度可分离卷积
在线阅读 下载PDF
多尺度特征融合算法及其在智能成矿预测中的应用
6
作者 杨娜 《矿物岩石地球化学通报》 北大核心 2025年第3期478-491,共14页
智能成矿预测是利用人工智能算法挖掘多源地质找矿大数据与矿床位置耦合关系以探寻潜在成矿区域。深度学习自主提取深层次成矿相关特征,有助于发现隐含的重要找矿信息。其中,卷积神经网络保留多源控矿因素局部空间信息,对探寻找矿位置... 智能成矿预测是利用人工智能算法挖掘多源地质找矿大数据与矿床位置耦合关系以探寻潜在成矿区域。深度学习自主提取深层次成矿相关特征,有助于发现隐含的重要找矿信息。其中,卷积神经网络保留多源控矿因素局部空间信息,对探寻找矿位置具有重要作用。本文探讨了卷积神经网络应用于智能成矿预测的任务转化与主要挑战:转化为含矿、不含矿多源控矿因素图像样本的二分类任务,以含矿概率量化成矿潜力;存在成矿相关特征提取单一而不能满足多通道变量特征信息全面提取的不足。为此引出多尺度融合特征提取算法,同时从多个卷积尺度提取成矿相关特征并融合以提高特征多样性和丰富性,重点分析了通道融合与像素融合的不同多尺度融合特征提取方式并开展了对比实验。搭建了样本建立、模型构建、模型评价、模型预测的智能成矿预测流程框架,基于该框架以陕西省凤县金矿潜力预测为应用实例,对多源控矿因素数据进行多尺度成矿相关融合特征提取,构建了成矿预测模型并圈定了高成矿潜力靶区,为智能化找矿提供技术支撑。 展开更多
关键词 智能成矿预测 深度学习 多尺度特征融合 卷积神经网络
在线阅读 下载PDF
基于多尺度卷积神经网络和门控循环单元的离心泵叶轮故障诊断 被引量：1
7
作者 陶付东 智一凡 +4 位作者 李怀瑞 柳应倩 郝达 秦浩洋 付强 《机电工程》 北大核心 2025年第5期885-893,共9页
采用传统的诊断方法难以准确识别离心泵的关键水力部件叶轮在离心力、流体动力等综合作用情况下产生的机械故障。针对这一问题,提出了一种多尺度卷积神经网络(MCNN)和门控循环单元(GRU)相结合的离心泵叶轮故障诊断方法。首先,在卷积神... 采用传统的诊断方法难以准确识别离心泵的关键水力部件叶轮在离心力、流体动力等综合作用情况下产生的机械故障。针对这一问题,提出了一种多尺度卷积神经网络(MCNN)和门控循环单元(GRU)相结合的离心泵叶轮故障诊断方法。首先,在卷积神经网络的基础上引入了循环神经网络,建立了特征提取和故障分类模块,可以自动地对原始输入信号进行空间和时间特征提取并识别关键故障模式;然后,搭建了立式离心泵叶轮故障仿真实验台架,对叶轮不同故障下的泵体振动信号进行了采集,用于训练所提MCNN-GRU诊断模型;最后,利用MCNN和GRU搭建了的诊断模型和其他模型,对叶轮不同故障情况下的振动信号故障识别情况进行了对比,并对抗噪性能进行了分析。研究结果表明:无噪声情况下的单通道诊断准确率超过97.59%,在强噪声条件下多通道诊断准确率达99.13%,优于传统方法,表现出良好的抗噪性能;此外,通过三通道振动数据的融合,诊断准确率达100%,可验证多通道数据融合的优势。该研究结果可为离心泵叶轮故障诊断提供可靠的方案。 展开更多
关键词 离心泵 特征提取 多通道信息融合 多尺度卷积神经网络 门控循环单元
在线阅读 下载PDF
自注意力机制下多尺度特征融合的轴承故障诊断
8
作者 史浩进 邱吉尔 +2 位作者 陶洪峰 唐金琳 靳广虎 《控制工程》 北大核心 2025年第9期1603-1610,共8页
针对多层次、非线性和非平稳的滚动轴承振动信号会导致轴承跨工况故障诊断困难的问题,提出了一种自注意力机制下多尺度特征融合的故障诊断模型。首先,通过不同尺度的卷积核分别提取轴承原始振动信号的低频特征与局部时域特征;其次,构建... 针对多层次、非线性和非平稳的滚动轴承振动信号会导致轴承跨工况故障诊断困难的问题,提出了一种自注意力机制下多尺度特征融合的故障诊断模型。首先,通过不同尺度的卷积核分别提取轴承原始振动信号的低频特征与局部时域特征;其次,构建嵌入多头自注意力(multi-headed self attention,MHSA)模块和压缩激励自注意力(squeezeand-excitation,SE)模块的多尺度特征融合模块MHSA-SE代替传统的拼接方法,进一步挖掘振动信号时频特征的内在联系,以提高跨工况诊断的性能。同时,采用批量归一化处理,以减少内部变量偏移,改善训练性能。实验结果表明,该端到端故障诊断方法能充分联合不同尺度特征,使跨工况的平均诊断精度达到97%以上。 展开更多
关键词 滚动轴承 故障诊断 卷积神经网络 多尺度特征融合 自注意力机制
在线阅读 下载PDF
基于差分进化和深度卷积神经网络的遥感图像融合方法
9
作者 朱澳临 陈应霞 《现代电子技术》 北大核心 2025年第19期9-16,共8页
针对遥感图像融合中存在特征信息提取不足、重要参数需要手工设置的问题,文中提出一种基于差分进化和深度卷积神经网络(CNN)的遥感图像融合方法——DETNet。首先,DETNet设计了一种具有双分支、双层和双向的网络结构,以分层和双向的方式... 针对遥感图像融合中存在特征信息提取不足、重要参数需要手工设置的问题,文中提出一种基于差分进化和深度卷积神经网络(CNN)的遥感图像融合方法——DETNet。首先,DETNet设计了一种具有双分支、双层和双向的网络结构,以分层和双向的方式将全色(PAN)图像的潜在多尺度空间细节注入到多光谱(MS)图像中。在三双结构中,采用了基于层次域的多级损失函数对多层结果进行约束。然后,基于多分辨率分析(MRA)法设计了嵌入DETNet中的CNN模块(MRAB),同时在模块中引入空间注意力机制,使网络更关注输入图像中的空间特征。接着,考虑到需要在不同尺度上注入不同对象,采用了多尺度卷积特征提取块(MSCB)对网络进行深化和扩展,以提高网络的非线性拟合能力。最后,依据多级损失函数确立目标函数,通过组合差分进化(CoDE)算法优化目标函数,避免陷入局部最优,从而保证融合质量。实验结果表明,采用DETNet方法得到的融合图像在空间细节信息和光谱细节方面均优于其他方法。 展开更多
关键词 遥感图像融合 组合差分进化优化 深度卷积神经网络 全色图像 多光谱图像 多尺度卷积特征提取块 目标函数
在线阅读 下载PDF
卷积神经网络与视觉Transformer联合驱动的跨层多尺度融合网络高光谱图像分类方法 被引量：11
10
作者 赵凤 耿苗苗 +2 位作者 刘汉强 张俊杰 於俊 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第5期2237-2248,共12页
高光谱图像(HSI)分类是地球科学和遥感影像处理任务中最受关注的研究热点之一。近年来,卷积神经网络(CNN)和视觉Transformer相结合的方法,通过综合考虑局部-全局信息,在HSI分类任务中取得了成功。然而,HSI中地物具有丰富的纹理信息和复... 高光谱图像(HSI)分类是地球科学和遥感影像处理任务中最受关注的研究热点之一。近年来,卷积神经网络(CNN)和视觉Transformer相结合的方法,通过综合考虑局部-全局信息,在HSI分类任务中取得了成功。然而,HSI中地物具有丰富的纹理信息和复杂多样的结构,且不同地物之间存在尺度差异。现有的二者结合的方法通常对多尺度地物目标的纹理和结构信息的提取能力有限。为了克服上述局限性,该文提出CNN与视觉Transformer联合驱动的跨层多尺度融合网络HSI分类方法。首先,从结合CNN与视觉Transformer的角度出发,设计了跨层多尺度局部-全局特征提取模块分支,其主要由卷积嵌入的视觉Transformer和跨层特征融合模块构成。具体来说,卷积嵌入的视觉Transformer通过深度融合多尺度CNN与视觉Transformer实现了多尺度局部-全局特征信息的有效提取,从而增强网络对不同尺度地物的关注。进一步地,跨层特征融合模块深度聚合了不同层次的多尺度局部-全局特征信息,以综合考虑地物的浅层纹理信息和深层结构信息。其次,构建了分组多尺度卷积模块分支来挖掘HSI中密集光谱波段潜在的多尺度特征。最后,为了增强网络对HSI中局部波段细节和整体光谱信息的挖掘,设计了残差分组卷积模块对局部-全局光谱特征进行提取。Indian Pines, Houston 2013和Salinas Valley 3个HSI数据集上的实验结果证实了所提方法的有效性。 展开更多
关键词 高光谱图像分类 卷积神经网络 视觉Transformer 多尺度特征 融合网络
在线阅读 下载PDF
一种多级别多尺度上下文特征融合的玻璃面分割算法
11
作者 任晓宇 智敏 《计算机应用与软件》 北大核心 2025年第3期209-215,220,共8页
在日常生活中非常常见的透明玻璃或者镜面往往会给计算机视觉任务带来严峻的挑战。因此,提出一种针对玻璃镜面的图像分割模型,并提出多尺度上下文卷积计算(Multi-Scale Contextual Convolution,MSCC)模块来挖掘不同尺度下的玻璃特征且... 在日常生活中非常常见的透明玻璃或者镜面往往会给计算机视觉任务带来严峻的挑战。因此,提出一种针对玻璃镜面的图像分割模型,并提出多尺度上下文卷积计算(Multi-Scale Contextual Convolution,MSCC)模块来挖掘不同尺度下的玻璃特征且同时不改变特征图的分辨率。实验结果表明,相比于目前主流的最先进算法(State-of-the-Art),该文所提出的模型实现了大幅度的性能改进,充分说明了其在上下文特征表征上的卓越能力。 展开更多
关键词 玻璃分割 上下文特征融合 多级别多尺度 卷积神经网络
在线阅读 下载PDF
基于多尺度深度卷积网络特征融合的滚动轴承故障诊断 被引量：24
12
作者 王妮妮 马萍 +1 位作者 张宏立 王聪 《太阳能学报》 EI CAS CSCD 北大核心 2022年第4期351-358,共8页
针对传统滚动轴承故障诊断模型对工程先验知识依赖性强、提取特征不充分、分类器选取困难等问题,提出一种基于多尺度深度卷积网络特征融合的滚动轴承故障诊断模型。首先,建立集特征提取与模式识别于一体的卷积神经网络模型,利用小波变... 针对传统滚动轴承故障诊断模型对工程先验知识依赖性强、提取特征不充分、分类器选取困难等问题,提出一种基于多尺度深度卷积网络特征融合的滚动轴承故障诊断模型。首先,建立集特征提取与模式识别于一体的卷积神经网络模型,利用小波变换将滚动轴承振动信号转换为二维图像作为输入样本集。然后,在网络结构中构建多尺度特征融合模块自适应提取故障样本不同层级特征,以实现样本不同尺度特征的充分提取。最后,将故障样本输入到网络中实现轴承信号特征自适应提取及端到端诊断。实验结果表明,所提基于多尺度深度卷积网络特征融合的故障诊断模型能充分提取信号各层级特征,在不同噪声干扰下具有较高的诊断精度和鲁棒性,可为滚动轴承故障诊断提供理论基础和实现途径。 展开更多
关键词 风电机组 滚动轴承 故障诊断 小波变换 多尺度卷积神经网络 特征融合
在线阅读 下载PDF
用于稳态视觉诱发电位目标识别的多尺度特征融合卷积神经网络方法 被引量：7
13
作者 胡勤伟 陶庆 +3 位作者 王妮妮 陈清正 吴腾辉 张小栋 《西安交通大学学报》 EI CAS CSCD 北大核心 2022年第4期185-193,202,共10页
针对传统稳态视觉诱发电位(SSVEP)脑电信号目标识别方法分类精度低、提取特征不充分、方法复杂且耗时等问题,提出一种基于多尺度特征融合卷积神经网络的SSVEP信号分类识别方法(SSVEP-MF)。利用小波变换将多通道SSVEP信号整合转化为二维... 针对传统稳态视觉诱发电位(SSVEP)脑电信号目标识别方法分类精度低、提取特征不充分、方法复杂且耗时等问题,提出一种基于多尺度特征融合卷积神经网络的SSVEP信号分类识别方法(SSVEP-MF)。利用小波变换将多通道SSVEP信号整合转化为二维图像作为输入样本集;建立多尺度特征融合卷积神经网络模型(MFCNN),该模型利用三层二维卷积核实现图像样本不同尺度特征的充分提取,构建多尺度特征融合单元对不同层级特征进行融合,并通过全连接等操作完成模型的训练;将样本集输入到MFCNN模型中实现脑电信号特征自适应提取及端到端分类。所提SSVEP-MF方法能够充分提取信号各层级特征,实现短时间视觉刺激下SSVEP信号的有效识别,并具有较高的目标识别效率。实验结果表明,在1 s刺激时长时,相比传统功率谱密度分析方法、典型相关分析方法以及普通卷积结构方法,所提方法的识别准确率分别提升了18.57%、20.08%及7.03%,有效提高了基于稳态视觉诱发电位范式下脑机接口的信号识别性能。 展开更多
关键词 稳态视觉诱发电位 目标识别 多尺度特征融合 卷积神经网络 小波变换 脑机接口
在线阅读 下载PDF
采用多尺度自适应选择卷积神经网络的轴承故障诊断研究 被引量：5
14
作者 张玺君 尚继洋 《西安交通大学学报》 EI CAS CSCD 北大核心 2024年第2期127-135,共9页
针对轴承故障诊断方法中传统多尺度卷积神经网络对不同尺度的特征只是简单拼接,而未考虑不同尺度的特征差异的问题,提出一种多尺度自适应选择卷积神经网络轴承故障诊断模型(MSASCNN)。通过不同大小的宽卷积筛选原始轴承振动信号中的特征... 针对轴承故障诊断方法中传统多尺度卷积神经网络对不同尺度的特征只是简单拼接,而未考虑不同尺度的特征差异的问题,提出一种多尺度自适应选择卷积神经网络轴承故障诊断模型(MSASCNN)。通过不同大小的宽卷积筛选原始轴承振动信号中的特征,合并为初始特征;构建多尺度自适应选择卷积块,提取不同尺度的特征,利用改进的注意力机制自适应调整不同尺度的特征权重,加入残差连接,防止模型退化;通过分类器完成轴承故障诊断。在凯斯西储大学轴承数据集和XJTU-SY轴承数据集上的实验结果表明:在模型改进实验中,与没有改进注意力机制的模型相比,所提模型的轴承故障诊断准确率提升了1.98%;在不同信噪比的噪声干扰环境中,所提模型的轴承故障诊断准确率均高于93%。 展开更多
关键词 轴承故障诊断 卷积神经网络 自适应融合 注意力机制 多尺度特征
在线阅读 下载PDF
基于多尺度注意力特征融合的恶意URL检测研究
15
作者 马栋林 陈伟杰 +1 位作者 赵宏 宋佳佳 《电子测量技术》 北大核心 2024年第20期15-23,共9页
针对当前恶意URL检测模型在处理复杂结构和多样化字符组合的URL时,存在特征提取单一和检测精度不高的问题,提出了一种基于多尺度注意力特征融合的恶意URL检测模型。首先,采用Character Embeddings和DistilBERT方法分别对字符和单词进行... 针对当前恶意URL检测模型在处理复杂结构和多样化字符组合的URL时,存在特征提取单一和检测精度不高的问题,提出了一种基于多尺度注意力特征融合的恶意URL检测模型。首先,采用Character Embeddings和DistilBERT方法分别对字符和单词进行编码,以捕获URL字符串中字符级和词级特征表示。其次,通过改进卷积神经网络(CNN)提取不同尺度的字符结构特征和词级语义特征,并结合双向长短期记忆网络(BiLSTM)进一步提取深层次序列特征。此外,为了实现字符级与词级多尺度特征的动态融合,创新性地引入注意力特征融合模块(AFF),有效降低信息冗余并提升对长距离序列特征的提取能力。实验结果表明,所提模型与其他基准模型相比,准确率提升了0.32%~4.7%,F1分数提升了0.46%~5.5%,并在ISCX-URL2016等数据集上也达到了较好的测效果。 展开更多
关键词 恶意URL检测 多尺度特征 卷积神经网络 双向长短时记忆网络 注意力特征融合
在线阅读 下载PDF
采用多尺度特征增强的路面病害检测模型 被引量：2
16
作者 胡鹏 夏晓华 +3 位作者 钟预全 段智威 姚运仕 成高立 《西安交通大学学报》 北大核心 2025年第2期156-169,共14页
针对现有网络多尺度特征提取能力不足造成路面病害因尺寸差异难以完全识别的问题,提出了一种多尺度特征增强的路面病害检测模型。构建基于混合空洞卷积的快速空间金字塔池化模块,通过堆叠不同膨胀系数的空洞卷积进一步扩大网络感受野,... 针对现有网络多尺度特征提取能力不足造成路面病害因尺寸差异难以完全识别的问题,提出了一种多尺度特征增强的路面病害检测模型。构建基于混合空洞卷积的快速空间金字塔池化模块,通过堆叠不同膨胀系数的空洞卷积进一步扩大网络感受野,以实现更大范围上下文信息的捕捉,并保留更多的空间信息;设计多路径特征融合网络,通过多分支和跳跃连接实现跨层级的特征捕捉,并减少特征融合过程中的信息丢失;采用K-means聚类算法结合交叉比获得合理的瞄点框;在损失函数中,设计一种面积惩罚项并设置下降梯度,提高预测框回归精度与效率;通过引入跨通道交互的高效注意力实现模型重要通道间的交互。实验结果表明:所提模型的检测精度比原模型YOLOv5s提高了4.0%;与Faster R-CNN、CenterNet等经典模型和YOLOv8s、YOLOv7n-tiny等先进模型相比,检测精度提高了1.0%~17.9%。模型经TensorRT加速引擎优化加速后,在NVIDIA Jetson TX2与NVIDIA Jetson Nano平台上的检测速率提高近1倍,同时不影响检测精度。 展开更多
关键词 路面病害检测 多尺度特征增强 混合空洞卷积 特征融合网络 高效通道注意力 嵌入式平台
在线阅读 下载PDF
多尺度特征融合空洞卷积ResNet遥感图像建筑物分割 被引量：50
17
作者 徐胜军 欧阳朴衍 +2 位作者 郭学源 Taha Muthar Khan 段中兴 《光学精密工程》 EI CAS CSCD 北大核心 2020年第7期1588-1599,共12页
针对传统建筑物提取方法难以有效描述遥感图像细节特征,导致复杂场景下道路、树木及建筑物之间分割边界不清晰等问题,提出了一种基于多尺度特征融合空洞卷积ResNet(Multiscale-feature Fusion Dilated Convolution ResNet,MFDC-ResNet)... 针对传统建筑物提取方法难以有效描述遥感图像细节特征,导致复杂场景下道路、树木及建筑物之间分割边界不清晰等问题,提出了一种基于多尺度特征融合空洞卷积ResNet(Multiscale-feature Fusion Dilated Convolution ResNet,MFDC-ResNet)模型。首先,为了获取遥感图像建筑物更大范围的特征信息,在深度残差网络中引入空洞卷积增大特征提取的感受野,以捕捉更丰富的多尺度细节特征;其次,为了增强空洞卷积中心点对图像局部区域特征的表达能力,利用3×3卷积核提取遥感图像的中心点区域特征,引入更多的中心点空间先验信息;最后,利用空间金字塔池化模型对不同尺度空洞卷积特征进行融合,获取不同尺度的遥感图像建筑物的上下文信息。在WHU遥感图像数据集上的实验表明,平均交并比mIoU达到0.820,召回率Recall达到0.882。提出算法不仅提高了分割精度,而且有效克服了道路、树木等因素的干扰,得到了较清晰的建筑物边界。 展开更多
关键词 遥感图像 建筑物分割 残差网络 空洞卷积 多尺度特征融合
在线阅读 下载PDF
基于混合卷积神经网络的多特征负荷预测方法研究 被引量：6
18
作者 邹晴 李乐 +5 位作者 柳楠 李超然 曹竞元 于金骁 朱霄珣 于淼 《电网与清洁能源》 CSCD 北大核心 2024年第9期54-62,共9页
针对负荷预测任务中准确性、稳定性和环境因素适应性的挑战,提出了一种基于混合卷积神经网络的电力负荷短期预测方法。提出了基于一维卷积神经网络(1D convolutional neural network,1D-CNN)的多尺度特征融合方法,通过融合不同尺度的特... 针对负荷预测任务中准确性、稳定性和环境因素适应性的挑战,提出了一种基于混合卷积神经网络的电力负荷短期预测方法。提出了基于一维卷积神经网络(1D convolutional neural network,1D-CNN)的多尺度特征融合方法,通过融合不同尺度的特征来捕捉负荷变化的趋势,提高了对负荷突变和复杂模式的识别能力;针对多种环境特征因素对电负荷影响的问题,设计了基于2D-CNN的多特征因素学习方法,提高了模型对环境因素与负荷间复杂关系的建模能力;构建了混合网络模型,通过对1D-CNN和2D-CNN的特征信息进行深度特征融合和信息传播,实现了有效关联时空特征的综合性负荷预测方法。开展了具体算例分析研究,通过分析参数优化和融合学习对模型精度和效率的影响,并与经典模型进行对比,结果显示所提模型的均方根误差(root mean squared error,RMSE)为36.3,平均绝对误差(mean absolute error,MAE)为5.34,平均绝对百分比误差(mean absolute percentage error,MAPE)为1.02%,有效提高了负荷预测的准确性和鲁棒性。 展开更多
关键词 负荷预测 混合卷积神经网络 多尺度特征融合 多特征因素 融合学习
在线阅读 下载PDF
一种基于特征融合的Transformer目标跟踪算法
19
作者 管旭 胡春燕 李菲菲 《小型微型计算机系统》 北大核心 2025年第1期173-180,共8页
近年来,基于深度学习的目标跟踪网络取得了显著的进展.这些网络主要采用两种类型的框架:双流双阶段框架和单流单阶段框架.然而,前者忽视了在特征提取过程中的信息交互,后者则受限于骨干网络自身的局限性.因此,本文采用独立骨干网络来直... 近年来,基于深度学习的目标跟踪网络取得了显著的进展.这些网络主要采用两种类型的框架:双流双阶段框架和单流单阶段框架.然而,前者忽视了在特征提取过程中的信息交互,后者则受限于骨干网络自身的局限性.因此,本文采用独立骨干网络来直接构建跟踪器,并设计了一种轻量化的多尺度特征融合架构,以较低的计算成本增强了网络对多尺度信息的感知能力;同时,引入递归门控卷积作为特征学习单元,以自适应高阶空间交互实现了网络对特征的深层挖掘;此外,本文使用DropMAE预训练模型来进行网络初始化,以提升网络的泛化能力.实验结果表明,所提出的目标跟踪网络在多个大型跟踪数据集基准上都表现出优异的性能,并能以78.4 FPS的速度进行实时跟踪. 展开更多
关键词 视觉目标跟踪 单流单阶段框架 多尺度特征融合 递归门控卷积 网络初始化
在线阅读 下载PDF
基于逐尺度卷积的OFDM信道估计算法
20
作者 黄振国 钱蓉蓉 +2 位作者 任文平 朱雨佳 陈锰 《计算机工程与设计》 北大核心 2025年第1期67-73,共7页
针对快衰落信道环境下的无线通信正交频分复用系统中信道估计算法估计难度大、复杂度高等问题,提出一种轻量级的逐尺度卷积信道估计网络(scale-wise convolution channel estimation network,SCCENet)。对输入的信道状态信息矩阵下采样... 针对快衰落信道环境下的无线通信正交频分复用系统中信道估计算法估计难度大、复杂度高等问题,提出一种轻量级的逐尺度卷积信道估计网络(scale-wise convolution channel estimation network,SCCENet)。对输入的信道状态信息矩阵下采样,构建多尺度特征金字塔,通过构建的逐尺度卷积部分以网络权重共享的方式对信道状态信息矩阵构成的多尺度特征金字塔进行不同尺度的特征融合,在不增加网络参数情况下增大感受野。仿真结果表明,该算法估计性能优于最小二乘算法,能以较低的估计复杂度取得相较于其它深度学习信道估计算法更低的估计误差。 展开更多
关键词 信道估计 OFDM系统 快衰落 深度学习 尺度卷积 无线通信 轻量级网络 特征融合
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 … 7 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