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968篇文章
< 1 2 … 49 >
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：
面向遮挡行人检测的自适应多尺度特征金字塔网络 被引量：1
1
作者 周华平 吴涛 孙克雷 《系统仿真学报》 北大核心 2025年第5期1222-1233,共12页
针对遮挡环境下现有检测器难以提取行人完整特征从而导致检测精度低的情况,提出了一种自适应多尺度特征金字塔网络。提出一个多尺度特征增强模块(multi-scale feature enhancement module,MFEM),通过不同感受野的多分支网络来捕获不同... 针对遮挡环境下现有检测器难以提取行人完整特征从而导致检测精度低的情况,提出了一种自适应多尺度特征金字塔网络。提出一个多尺度特征增强模块(multi-scale feature enhancement module,MFEM),通过不同感受野的多分支网络来捕获不同尺度行人可视区域。设计了一种自适应融合模块(adaptive fusion module,AFM),分别通过优化空间、特征层面的均值方差来计算不同像素点的重要程度,从而增强行人的纹理特征及语义特征并更加高效的融合不同尺度特征。且这两个模块可以构建为完整的特征金字塔网络用于更多下游任务。提出一个非极大值抑制算法(soft-set-non maximum suppression,Soft-SNMS),通过设计不同的衰减函数,在预测一个提案中所有候选框时保留高质量候选框,衰减多余的候选框,并提高模型训练效率。所提方法分别在CrowdHuman和Widerperson两个数据集上进行了实验,在AP指标上相较于原始方法分别提高了4.04%和1.51%,表明该方法可有效提高遮挡环境下行人目标的检测精度。 展开更多
关键词 遮挡行人检测 多尺度特征 自适应融合 特征金字塔 非极大值抑制
在线阅读 下载PDF
基于多尺度渐近金字塔的太阳电池缺陷检测网络
2
作者 朱磊 耿萃萃 +3 位作者 李博涛 潘杨 张博 姚丽娜 《太阳能学报》 北大核心 2025年第5期267-274,共8页
以YOLOv8网络为基础提出一种多尺度渐近金字塔网络MSANet。首先使用带有分层特征融合结构的特征提取块M-Block替换常规卷积层,以增强网络对多尺度目标的特征提取能力;其次引入空间注意力机制(SRU),抑制背景区域的特征冗余,使网络能更关... 以YOLOv8网络为基础提出一种多尺度渐近金字塔网络MSANet。首先使用带有分层特征融合结构的特征提取块M-Block替换常规卷积层,以增强网络对多尺度目标的特征提取能力;其次引入空间注意力机制(SRU),抑制背景区域的特征冗余,使网络能更关注重点区域的同时减少参数量的引入;最后提出一种改进渐近金字塔网络AFPNa结构,缓解网络在特征融合过程中信息的丢失或退化问题,提升缺陷检测精度。实验结果表明,与YOLOv8原模型及RTMDET等7种先进检测网络相比,MSANet具有更高的检测精度,相较原模型均值平均精度提升5.7个百分点。 展开更多
关键词 缺陷检测 深度学习 太阳电池 分层特征融合结构 多尺度渐近金字塔 空间注意力机制
在线阅读 下载PDF
基于级联的多尺度特征融合残差去噪网络
3
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
轻量化的多尺度特征校准小目标检测网络
4
作者 徐杰 郭立君 +2 位作者 冯海 徐栋炯 张荣 《计算机应用》 北大核心 2025年第S1期228-234,共7页
为了解决复杂工业场景中边缘设备部署和小目标检测的漏检问题,提出一种轻量化的多尺度特征校准小目标检测网络(LMFC-Net)。首先,针对由于网络层数加深导致的浅层特征信息丢失及空间特征错位问题,提出多尺度特征校准的特征金字塔网络(MSF... 为了解决复杂工业场景中边缘设备部署和小目标检测的漏检问题,提出一种轻量化的多尺度特征校准小目标检测网络(LMFC-Net)。首先,针对由于网络层数加深导致的浅层特征信息丢失及空间特征错位问题,提出多尺度特征校准的特征金字塔网络(MSFC-FPN),利用深层特征校准浅层特征,在降低参数量的同时,提高模型对密集小目标的检测能力;其次,提出一种轻量化的共享参数卷积检测头(LSPC-Head),显著提升特征表达能力,并有效降低模型的参数和计算量;最后,通过通道剪枝和特征蒸馏降低计算和内存开销,并提升检测精度,使它适用于资源受限设备。实验结果表明,在FactorySafeDet数据集上,与YOLOv8n相比,LMFC-Net的参数量和计算量分别降低了76.7%和24.7%,召回率和平均精度均值(mAP50)分别提高了5.9和2.7个百分点。此外,在VisDrone2019、CrowdHuman和PCB公开数据集上,LMFC-Net具有良好的泛化性。与其他单阶段目标检测模型相比,LMFC-Net具有更小的模型参数量、计算量和更优的检测效果。 展开更多
关键词 小目标检测 轻量化 多尺度特征校准 特征金字塔网络 共享参数卷积检测头
在线阅读 下载PDF
基于多尺度特征融合的生成对抗网络地震数据重建算法
5
作者 李跃 罗倩 段中钰 《石油物探》 北大核心 2025年第3期482-493,共12页
针对现有地震数据重建技术存在的空间连续性不足和重建细节偏差较大等问题,提出了基于多尺度特征融合与多维对抗的生成对抗网络(MSF-GAN)地震数据重建算法。首先,设计了多尺度特征融合的生成器,确保模型完整地提取地震数据特征并实现多... 针对现有地震数据重建技术存在的空间连续性不足和重建细节偏差较大等问题,提出了基于多尺度特征融合与多维对抗的生成对抗网络(MSF-GAN)地震数据重建算法。首先,设计了多尺度特征融合的生成器,确保模型完整地提取地震数据特征并实现多个尺度特征融合,在生成器部分设计了特征拼接模块,自适应地为地震数据添加掩膜,提高模型计算效率。然后,在算法的判别器部分,设计了多维对抗的判别器,分别从时间维度和测线维度对生成数据进行判别以提高重建精度。最后,使用Smooth L1损失函数作为重建损失,与对抗损失共同构成损失函数以更新生成器,提高地震数据重建精度。利用公开数据集和实测数据,验证了MSF-GAN算法的有效性以及对不同数据缺失情况的适用性。实验结果表明,与正交匹配追踪算法、凸集投影算法和频谱归一化生成对抗网络算法相比,MSF-GAN算法重建结果的结构相似性(SSIM)和峰值信噪比(PSNR)更高,能够更有效地恢复缺失数据,并且在地震数据随机缺失、连续缺失和规则缺失的情况下,MSF-GAN算法重建结果的细节信息更为完整,空间连续性更强。 展开更多
关键词 地震数据重建 生成对抗网络 多尺度特征融合 特征拼接 深度学习
在线阅读 下载PDF
基于多尺度局部与全局特征提取的时间序列预测网络
6
作者 王静 王济昂 +1 位作者 丁建立 李永华 《计算机工程与设计》 北大核心 2025年第6期1734-1741,共8页
为有效提取序列数据中的局部与全局变化,并对多尺度特征进行建模,提高时间序列预测准确率,提出一种基于多尺度局部与全局特征提取的时间序列预测网络。多尺度特征捕获模块使用多个不同大小的卷积提取序列中多周期的特征;关注对周期性序... 为有效提取序列数据中的局部与全局变化,并对多尺度特征进行建模,提高时间序列预测准确率,提出一种基于多尺度局部与全局特征提取的时间序列预测网络。多尺度特征捕获模块使用多个不同大小的卷积提取序列中多周期的特征;关注对周期性序列的建模,利用多尺度时序分离模块,使用平均池化分离得到时间序列的周期性和趋势性部分;局部与全局特征模块对序列中的局部变化和全局趋势进行建模。实验结果表明,所提算法在4个数据集上的预测效果均优于相关基线算法。 展开更多
关键词 多维时间序列预测 局部与全局特征 多尺度 卷积神经网络 时序分解 特征提取 深度学习
在线阅读 下载PDF
多尺度特征衔接的高光谱分类网络
7
作者 魏林 冉浩翔 尹玉萍 《自然资源遥感》 北大核心 2025年第3期113-122,共10页
针对高光谱图像分类过程中难以有效提取多尺度特征和姿态信息容易丢失的问题,该文提出了一种多尺度特征衔接高光谱分类网络(hierarchical multi-scale concatenation net,HMC-Net)。首先,HMC-Net利用多尺度卷积核并行计算以提取多层次特... 针对高光谱图像分类过程中难以有效提取多尺度特征和姿态信息容易丢失的问题,该文提出了一种多尺度特征衔接高光谱分类网络(hierarchical multi-scale concatenation net,HMC-Net)。首先,HMC-Net利用多尺度卷积核并行计算以提取多层次特征,同时引入1×1卷积核降低输入输出维度,平衡计算复杂度,从而在不显著增加总体计算负担的前提下,实现高效的特征提取;接着,采用独立的胶囊网络并行处理各尺度特征,即通过动态路由改进最大池化,增强特征的平移不变性以减少姿态信息丢失;最后,通过concatenate操作衔接整合不同尺度的特征图,从而实现对高光谱图像分类过程中多层次信息的精确解析。对比实验结果表明:HMC-Net在肯尼迪航天中心数据集、帕维亚大学数据集和萨利纳斯数据集上整体精度分别达到了94%,98%和99%,与最新的高光谱分类模型相比有明显性能优势,验证了该文所提模型的有效性。 展开更多
关键词 高光谱图像 多尺度特征 姿态信息 胶囊网络 动态路由
在线阅读 下载PDF
多尺度特征融合的双阶段Transformer去雨网络
8
作者 李世平 周冬明 《小型微型计算机系统》 北大核心 2025年第4期898-906,共9页
图像去雨研究旨在提升图像质量,强化视觉感知.现有去雨算法由于通常采用单阶段实现,在去除雨纹干扰的同时会造成无雨背景的信息缺失,导致无法兼顾去雨效果和图像清晰度.为此,本文提出了一种基于Transformer的多尺度、双阶段U型去雨网络... 图像去雨研究旨在提升图像质量,强化视觉感知.现有去雨算法由于通常采用单阶段实现,在去除雨纹干扰的同时会造成无雨背景的信息缺失,导致无法兼顾去雨效果和图像清晰度.为此,本文提出了一种基于Transformer的多尺度、双阶段U型去雨网络,将去雨任务通过两个分别侧重于雨纹提取和细节修复的子网络逐步完成.第1阶段,引入反投射技术提出了一种特征融合模块,通过迭代逐渐融合不同尺度下的特征信息以弥补U型结构造成的信息缺失.同时,基于Boosting算法提出了一种增强连接的特征提取模块,以增强细节特征,提高输出信噪比.第2阶段,提出了一种细节增强注意力模块对粗糙去雨图像进行细节修复以生成轮廓清晰的无雨图像.实验结果表明,本文提出的算法在合成和真实数据集上都取得了出色的去雨效果,在Rain100H、SPA-data等数据集上相比近期其他优秀去雨算法均有一定程度的指标提升. 展开更多
关键词 图像去雨 TRANSFORMER 多阶段网络 多尺度特征融合
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
9
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
基于图神经网络的多尺度特征融合雷达目标检测方法
10
作者 汪翔 王彦斌 +1 位作者 汪育苗 崔国龙 《雷达科学与技术》 北大核心 2025年第1期39-47,共9页
本文针对复杂杂波环境下的雷达目标检测问题,提出了一种基于图神经网络的多尺度特征融合雷达目标检测方法,该方法利用多个脉冲回波之间的特征关联性检测目标。具体而言,其首先利用多个级联的特征提取模块从回波中提取多尺度特征。然后,... 本文针对复杂杂波环境下的雷达目标检测问题,提出了一种基于图神经网络的多尺度特征融合雷达目标检测方法,该方法利用多个脉冲回波之间的特征关联性检测目标。具体而言,其首先利用多个级联的特征提取模块从回波中提取多尺度特征。然后,该方法利用多尺度特征构造多个有向完全图,图中每个节点对应一个脉冲。之后,每个节点利用图神经网络的消息传播机制聚合其邻居节点的信息,以此学习脉间回波高阶相关性。进一步地,该方法融合多尺度特征以丰富对目标和杂波的特征表示。最后,对融合后特征进行非线性映射,以二分类的形式得到检测结果。基于公开雷达数据集的试验验证了所提方法的有效性。 展开更多
关键词 雷达目标检测 杂波环境 图神经网络 多尺度特征融合
在线阅读 下载PDF
多尺度和多层级特征融合的人体姿态估计 被引量：2
11
作者 王燕妮 胡敏 +2 位作者 韩世鹏 陈艺瑄 吕昊 《计算机工程与应用》 北大核心 2025年第6期199-209,共11页
人体姿态估计的精度提升通常依赖于特征融合,但是现有特征融合策略往往忽略了尺度特征和层级特征之间的交互作用。为了充分利用不同特征之间的互补性,提出了一种新特征融合策略用以提升人体姿态估计精度,即多尺度和多层级特征融合网络(m... 人体姿态估计的精度提升通常依赖于特征融合,但是现有特征融合策略往往忽略了尺度特征和层级特征之间的交互作用。为了充分利用不同特征之间的互补性,提出了一种新特征融合策略用以提升人体姿态估计精度,即多尺度和多层级特征融合网络(multi-scale and multi-level network,MSLNet)。采用高分辨率网络(high-resolution network,HRNet)作为主干,通过跨尺度信息交互,实现不同分辨率特征图之间的信息交换,获取同时包含细粒度和粗粒度的姿态特征;引入期望最大化注意力-加权双向特征金字塔网络(expectation maximization attention-bidirectional feature pyramid network,EMA-BiFPN),实现多尺度特征融合后的多层级特征聚合,从局部到全局捕捉人体姿态的细节和关联信息;设计由残差结构组成的关键点检测头,完成输出特征的最终融合并提升人体关键点检测准确率。实验结果表明,MSLNet在COCO和MPII数据集上分别取得了75.8%和91.1%的准确率,实现了最优精度,充分验证了MSLNet能够融合尺度和层级之间的互补特征,进而提升人体姿态估计精度。 展开更多
关键词 高分辨率网络(HRNet) 人体姿态估计 期望最大化注意力 双向特征金字塔网络 特征融合
在线阅读 下载PDF
基于多尺度特征融合和时空注意力LSTM的台风云图预测研究
12
作者 程勇 钱坤 +5 位作者 王军 渠海峰 李伟 杨玲 韩晓东 刘敏 《海洋预报》 北大核心 2025年第2期89-98,共10页
现有深度学习方法在预测台风时没有考虑其特征内化损失问题,难以全面捕捉台风结构变化。为此,本文提出一种基于多尺度特征融合的时空注意力长短期记忆网络(MSTA-LSTM)方法。引入特征增强模块加强台风特征信息,通过跳跃连接缓解编解码过... 现有深度学习方法在预测台风时没有考虑其特征内化损失问题,难以全面捕捉台风结构变化。为此,本文提出一种基于多尺度特征融合的时空注意力长短期记忆网络(MSTA-LSTM)方法。引入特征增强模块加强台风特征信息,通过跳跃连接缓解编解码过程中的台风细节特征损失,同时在时空长短期记忆网络(ST-LSTM)单元中利用卷积块注意力模块优化信息传递,最后通过反卷积调整不同尺度的解码输出,融合后输出结果。使用“葵花8号”卫星获取的东亚—东南亚太平洋沿岸地区的台风云图数据集开展验证和消融实验,该数据集包含16个台风过程的训练集和3个台风过程的测试集。与其他网络相比,MSTA-LSTM网络的均方根误差、峰值信噪比和结构相似性指数指标分别为42.76、16.38和0.4817,有效提高了台风云图预测的准确性。 展开更多
关键词 时间序列预测 多尺度特征 时空长短期记忆网络 注意力机制
在线阅读 下载PDF
基于多尺度特征融合与重构卷积的肝肿瘤图像分割方法
13
作者 马金林 酒志青 +4 位作者 马自萍 夏明格 张凯 程叶霞 马瑞士 《华南理工大学学报(自然科学版)》 北大核心 2025年第5期94-108,共15页
针对肝肿瘤图像特征表达能力不足和全局上下文信息传递受限的问题,该文提出一种基于改进U-Net的肝肿瘤图像分割方法。首先,设计了一种低秩重构卷积来优化传统卷积运算所导致的大量参数问题,并用其构建使用残差结构改进编解码器的卷积核... 针对肝肿瘤图像特征表达能力不足和全局上下文信息传递受限的问题,该文提出一种基于改进U-Net的肝肿瘤图像分割方法。首先,设计了一种低秩重构卷积来优化传统卷积运算所导致的大量参数问题,并用其构建使用残差结构改进编解码器的卷积核重构模块,使编码器保留更多的细节信息,并使解码器能更有效地恢复信息,以提升肝肿瘤图像特征的表达能力。然后,为丰富全局上下文信息的传递,设计了三分支空间金字塔池化模块来优化瓶颈结构的信息传递,打破单一路径的限制。接着,设计了多尺度特征融合模块来优化编码器信息的复用机制,增强模型对全局上下文信息的建模能力,并提升其在提取不同尺度肝肿瘤图像特征时的效能。最后,在LiTS2017和3DIRCADb数据集上对该文方法的性能进行了测试。实验结果表明:在LiTS2017数据集上的肝脏图像分割任务中,该文方法的Dice系数和IoU值分别达97.56%和95.25%,在肝肿瘤图像分割任务中的Dice系数和IoU值分别达89.71%和81.58%;在3DIRCADb数据集上的肝脏图像分割任务中,该文方法的Dice系数和IoU值分别达97.63%和95.39%,在肝肿瘤图像分割任务中的Dice系数和IoU值分别达89.62%和81.63%。 展开更多
关键词 肝肿瘤图像分割 卷积核重构 空间金字塔池化 多尺度特征融合
在线阅读 下载PDF
基于多尺度通道注意力卷积神经网络的轴向柱塞泵故障诊断研究
14
作者 刘增光 张帅迪 +3 位作者 周焱 魏列江 岳大灵 冯珂 《机床与液压》 北大核心 2025年第14期124-130,共7页
针对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特征差异的问题,提出一种基于多尺度通道注意力卷积神经网络(MSCA-CNN)的轴向柱塞泵故障诊断方法。在轴向柱塞泵实验平台上设置5种典型故障(配流盘磨损、斜盘磨损、滑... 针对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特征差异的问题,提出一种基于多尺度通道注意力卷积神经网络(MSCA-CNN)的轴向柱塞泵故障诊断方法。在轴向柱塞泵实验平台上设置5种典型故障(配流盘磨损、斜盘磨损、滑靴磨损、松靴故障、中心弹簧失效),采集6种工作状态(正常状态及5种典型故障)下的z轴振动信号。以小波变换为信号预处理模块,将加速度传感器采集的一维振动信号转化为时频图并作为诊断模型的输入信号,采用不同尺度的卷积核对时频图进行特征提取。通过通道注意力为每个通道赋予不同的权重值,使模型能够集中学习与通道密切相关的特征信息,从而提高轴向柱塞泵的故障分类能力和诊断的效率。搭建轴向柱塞泵故障诊断实验平台,验证所提方法的有效性。结果表明:该模型对6种工作状态的诊断准确率达到99.65%,相比传统多尺度卷积神经网络模型提高了3.16%,验证了MSCA-CNN模型在轴向柱塞泵故障诊断中的优越性。 展开更多
关键词 故障诊断 卷积神经网络 通道注意力 多尺度特征 柱塞泵
在线阅读 下载PDF
多尺度金字塔注意力的葡萄果梗分割模型
15
作者 张丽英 贺静宇 赵建辉 《计算机工程与设计》 北大核心 2025年第5期1445-1450,共6页
为降低葡萄图像中目标尺寸差异大、光照等复杂环境的影响,提出一种多尺度金字塔注意力网络MPANet(multiscale pyramid attention network)。网络包括特征提取模块、多尺度特征的注意力池化金字塔模块和特征增强模块。在采集的葡萄图像... 为降低葡萄图像中目标尺寸差异大、光照等复杂环境的影响,提出一种多尺度金字塔注意力网络MPANet(multiscale pyramid attention network)。网络包括特征提取模块、多尺度特征的注意力池化金字塔模块和特征增强模块。在采集的葡萄图像数据集上进行实验,提出方法的交并比(IoU)和Dice系数分别为85.3%、97.98%,均优于对比模型,使用几何学方法对分割的果梗进行采摘点定位,准确率为98.26%,验证了模型在果梗分割任务上的有效性。 展开更多
关键词 果梗识别 语义分割 注意力机制 多尺度特征提取 池化金字塔 残差连接 采摘点定位
在线阅读 下载PDF
基于对称融合多尺度双域网络的图像压缩感知重建方法
16
作者 林乐平 廖心竹 欧阳宁 《计算机工程与设计》 北大核心 2025年第7期1905-1911,共7页
针对图像在细节丰富和结构复杂区域重建效果不佳的问题,提出一种对称融合多尺度双域网络(SFMD-Net),通过融合频域和空间域信息,提高图像重建质量。在频域增强支路,利用二维离散余弦变换获取频域信息,通过双残差注意模块深化频域关键特... 针对图像在细节丰富和结构复杂区域重建效果不佳的问题,提出一种对称融合多尺度双域网络(SFMD-Net),通过融合频域和空间域信息,提高图像重建质量。在频域增强支路,利用二维离散余弦变换获取频域信息,通过双残差注意模块深化频域关键特征的学习。在空域多尺度重建支路,设计多尺度深度细化模块,加强对空间域内不同层次和尺度特征的提取与增强。引入对称融合策略确保频域与空间域特征的有效融合,提高重建图像的细节表现和整体视觉质量。实验结果表明,与当前主流压缩感知重建算法相比,所提算法在性能和效果上均有改进,尤其是在重建边缘明显和纹理丰富的图像方面。 展开更多
关键词 压缩感知 多尺度特征 离散余弦变换 图像重建 对称融合 深度学习 双域网络
在线阅读 下载PDF
基于渐进特征融合及多尺度空洞注意力的遮挡鸟巢检测
17
作者 尹向雷 屈少鹏 +1 位作者 解永芳 苏妮 《浙江大学学报(工学版)》 北大核心 2025年第3期535-545,共11页
为了提高被遮挡鸟巢目标的检测性能与准确性,减少鸟类筑巢对电力系统稳定运行造成的威胁以及运维成本,提出基于改进YOLOv5的输电线路鸟巢检测方法.该方法使用渐进特征金字塔网络优化原始特征金字塔网络结构,有效避免了非相邻层次之间较... 为了提高被遮挡鸟巢目标的检测性能与准确性,减少鸟类筑巢对电力系统稳定运行造成的威胁以及运维成本,提出基于改进YOLOv5的输电线路鸟巢检测方法.该方法使用渐进特征金字塔网络优化原始特征金字塔网络结构,有效避免了非相邻层次之间较大的语意差距,增强了非相邻层次间的融合效果.使用多尺度空洞注意力机制,使模型能够有效地提取不同尺度的语义信息,提高模型对遮挡鸟巢目标的检测性能.采用轻量级Mobile-NetV3网络作为骨干网络,进一步降低模型复杂度.消融实验与定性实验结果表明,改进后算法的召回率、精确率与平均精度均值相较于原始算法分别提升了2.0个百分点、0.7个百分点与1.7个百分点,权重大小与计算量分别减少了74.7个百分点与53.5个百分点.对于遮挡鸟巢目标均表现出良好的性能,验证了改进方法的有效性. 展开更多
关键词 输电线路 遮挡目标 YOLOv5 注意力机制 渐进特征金字塔网络
在线阅读 下载PDF
基于多熵融合和多尺度卷积神经网络的风电机组轴承故障诊断方法
18
作者 张天瑞 周连弘 《太阳能学报》 北大核心 2025年第7期429-438,共10页
针对风电机组轴承在运行过程中收集到的故障信号较弱、状态特征难以有效表征的难题,提出一种基于多熵融合与多尺度卷积神经网络的风电机组轴承故障诊断新方法。首先对原始信号进行处理,分解出多个模态分量。随后,通过计算这些模态分量... 针对风电机组轴承在运行过程中收集到的故障信号较弱、状态特征难以有效表征的难题,提出一种基于多熵融合与多尺度卷积神经网络的风电机组轴承故障诊断新方法。首先对原始信号进行处理,分解出多个模态分量。随后,通过计算这些模态分量的多种熵值,构造出多熵融合矩阵,以充分表征信号的复杂特性。在此基础上,通过在卷积神经网络中集成不同尺寸的并行卷积核,设计一种结合多熵融合与多尺度卷积神经网络的故障诊断模型。结果表明,所提出的模型方法具有较好的诊断与泛化能力。 展开更多
关键词 风电机组 故障诊断 轴承 多尺度卷积神经网络 熵特征
在线阅读 下载PDF
基于注意力机制和多尺度融合的人群计数网络
19
作者 栾方军 龚琪 袁帅 《计算机工程》 北大核心 2025年第3期352-361,共10页
为了应对人群图像中尺度变化和背景干扰的问题,提出一种人群计数网络模型,旨在充分利用多尺度信息并降低背景噪声的影响。首先采用ConvNeXt作为主干网络,用于提取特征。其次为了有效融合不同层次的特征,提出多层次特征融合模块(MFFM),... 为了应对人群图像中尺度变化和背景干扰的问题,提出一种人群计数网络模型,旨在充分利用多尺度信息并降低背景噪声的影响。首先采用ConvNeXt作为主干网络,用于提取特征。其次为了有效融合不同层次的特征,提出多层次特征融合模块(MFFM),将主干网络中不同层次的特征进行跨尺度融合,融合后的特征包含了不同尺度的语义信息,可以更好地适应人群计数任务中的尺度变化问题。接着为了更好地解决人群计数中存在的挑战,设计一个多尺度注意力模块(MSAM),根据不同感受野的分支提取不同尺度的特征,利用选择性Kernel通道注意力(SKCA)缓解多列结构存在的特征相似问题,并将模块生成的注意力图反馈到对应的尺度特征中,以抑制背景的干扰。网络模型在ShanghaiTechA数据集中的平均绝对误差(MAE)和均方根误差(RMSE)分别达到了56.1和93.9;在ShanghaiTechB数据集中的MAE和RMSE分别达到了6.1和10.3;在UCF_CC_50数据集中的MAE和RMSE分别达到了174.9和252.7;在Mall数据集中的MAE和RMSE分别达到了1.42和1.85。在公开数据集上的实验结果表明,提出的网络模型与现有代表性的人群计数方法相比,在提升人群计数任务的准确性和鲁棒性方面均取得了明显进展。 展开更多
关键词 人群计数 多尺度特征融合 注意力机制 神经网络 密度图
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
20
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
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 … 49 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