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252篇文章
< 1 2 … 13 >
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：
II导联心电图中心肌梗死检测与定位:基于多尺度残差模块融合改进通道注意力模型
1
作者 吴秋岑 卢学麒 +3 位作者 温耀棋 洪永 吴煜良 陈超敏 《南方医科大学学报》 北大核心 2025年第8期1777-1790,共14页
目的提高心肌梗死(MI)检测和定位准确性,为临床诊断提供辅助决策支持。方法本文提出了一种基于多尺度残差模块融合改进通道注意力模型(MSF-RB-MCA)。该模型利用II导联心电图(ECG)信号检测和定位MI,通过多尺度残差模块提取不同层次的特... 目的提高心肌梗死(MI)检测和定位准确性,为临床诊断提供辅助决策支持。方法本文提出了一种基于多尺度残差模块融合改进通道注意力模型(MSF-RB-MCA)。该模型利用II导联心电图(ECG)信号检测和定位MI,通过多尺度残差模块提取不同层次的特征信息,并引入改进通道注意力自动调整特征权重,增强模型对MI区域的关注能力,从而提高MI检测与定位的精度。结果使用公开的PTB数据集对提出的模型进行了5折交叉验证。在MI检测任务中,模型在测试集上的准确率、特异性、敏感度分别达到99.96%、99.84%和99.99%;在MI定位任务中,准确率、特异性、敏感度分别为99.81%、99.98%和99.65%。检测和定位结果均优于其他几种模型。结论本研究提出的MSF-RB-MCA模型在基于II导联ECG信号的MI检测与定位方面表现出色,展现出其在可穿戴设备领域中的广泛应用前景。 展开更多
关键词 心肌梗死 深度学习 多尺度 残差模块 改进通道注意力
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
2
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
基于通道注意力机制与多尺度减法轻量化网络的滚动轴承故障诊断
3
作者 章力 邓艾东 +2 位作者 王敏 卞文彬 张宇剑 《动力工程学报》 北大核心 2025年第4期571-581,共11页
针对传统多尺度卷积神经网络模型存在的特征定位不精确、训练时间长、抗噪性能差等问题,提出了一种基于通道注意力机制与多尺度减法轻量化网络的滚动轴承故障诊断模型。首先,将滚动轴承的一维振动信号转换为二维灰度图作为输入,丰富特... 针对传统多尺度卷积神经网络模型存在的特征定位不精确、训练时间长、抗噪性能差等问题,提出了一种基于通道注意力机制与多尺度减法轻量化网络的滚动轴承故障诊断模型。首先,将滚动轴承的一维振动信号转换为二维灰度图作为输入,丰富特征信息;同时,构建多尺度减法神经网络模型,关注层级差异;其次,引入轻量化模块,减少内存访问;然后,结合通道注意力机制,调整特征权重;最后,将故障样本输入到网络模型中,实现精确分类。利用风电机组传动系统模拟实验台采集的样本数据进行诊断任务。结果表明:该故障诊断模型能够有效克服传统多尺度卷积神经网络模型网络层数多、参数量大所带来的弊端,能够充分关注各层级之间的差异信息,减少冗余信息的提取,精确定位故障特征,缩短模型训练时间,在恒定工况、变工况和强噪声工况下都具有较高的诊断精度. 展开更多
关键词 滚动轴承 故障诊断 多尺度减法神经网络 轻量化模块 通道注意力机制 变工况
在线阅读 下载PDF
基于多尺度注意力和空间通道重构卷积的冲击回波频谱图像分类
4
作者 崔博 武冰冰 +3 位作者 陈伟 孟庆洪 王晓 黄祺祥 《南京信息工程大学学报》 北大核心 2025年第5期659-669,共11页
针对传统卷积神经网络对冲击回波信号频谱图像进行分类时,面临卷积神经网络特征提取能力不足和数据集类别不平衡的问题,提出一种基于多尺度注意力和空间通道重构卷积的神经网络模型(Multi-scale Hybrid Attention and Spatial Channel R... 针对传统卷积神经网络对冲击回波信号频谱图像进行分类时,面临卷积神经网络特征提取能力不足和数据集类别不平衡的问题,提出一种基于多尺度注意力和空间通道重构卷积的神经网络模型(Multi-scale Hybrid Attention and Spatial Channel Reconstruction Convolutional Neural Network,MHA-SCConvNet).首先设计了多尺度混合注意力(Multi-scale Hybrid Attention,MHA)模块,用于提取不同尺度的频谱图像特征并增强模型对频谱波形关键信息的关注力度.其次,引入空间通道重构卷积(Spatial and Channel Reconstruction Convolution,SCConv)模块,通过优化图像特征的表示来降低特征冗余.最后,提出了新的混合损失函数GDHM Loss(Gradient and Distribution Harmonized Margin Loss,梯度与分布协调边距损失),该损失函数在动态情况下同时考虑难分类样本和少数类样本.在自建的数据集上进行了训练与测试,并与AlexNet、VGGNet、GoogLeNet等分类模型对比,MHA-SCConvNet准确率达到94.58%.实验结果表明,MHA-SCConvNet模型能够有效提高冲击回波信号频谱图像分类的准确率和效率. 展开更多
关键词 频谱图像分类 多尺度注意力模块 卷积神经网络 混合损失函数 空间通道重构卷积
在线阅读 下载PDF
基于动态自适应通道注意力特征融合的小目标检测 被引量：3
5
作者 吴迪 赵品懿 +2 位作者 甘升隆 沈学军 万琴 《电子科技大学学报》 北大核心 2025年第2期221-232,共12页
针对小目标检测中卷积操作导致检测特征缺失和不同尺度语义隔阂的问题,提出一种基于动态自适应通道注意力特征融合的小目标检测方法。1)提出一种多尺度三角动态颈(Tri-Neck)网络结构,用于融合多尺度特征语义隔阂及弥补小目标特征缺失的... 针对小目标检测中卷积操作导致检测特征缺失和不同尺度语义隔阂的问题,提出一种基于动态自适应通道注意力特征融合的小目标检测方法。1)提出一种多尺度三角动态颈(Tri-Neck)网络结构,用于融合多尺度特征语义隔阂及弥补小目标特征缺失的问题。2)提出一种分组批量动态自适应通道注意力模块,增强弱语义小目标特征同时抑制无用信息,且在动态自适应通道注意力模块中设计新的激活函数和交并比损失函数,提升通道注意力表征能力。3)采用ResNet50作为骨干网络依次连接特征金字塔网络和Tri-Neck网络。实验结果表明,该方法在Pascal Voc 2007、Pascal Voc 2012上比YOLOv8算法mAP分别提升5.3%和6.2%,在MS COCO 2017数据集上AP和AP_S分别提升1.6%和2%,在SODA-D数据集上比YOLOv8算法AP提升0.9%。 展开更多
关键词 小目标检测 多尺度融合特征 特征金字塔 动态通道注意力 交并比损失函数
在线阅读 下载PDF
基于动态多尺度与双重注意力的短期电力负荷预测
6
作者 朱莉 高靖凯 +1 位作者 朱春强 邓凡 《计算机工程》 北大核心 2025年第10期369-380,共12页
短期电力负荷预测在电力系统的优化调度和安全运行中具有至关重要的作用。电力负荷数据具有多周期特性,在不同时间尺度上表现出不同的模式和趋势,准确提取尺度大小有助于识别和分离这些特征。目前方法通过使用一个或一组固定的patch长... 短期电力负荷预测在电力系统的优化调度和安全运行中具有至关重要的作用。电力负荷数据具有多周期特性,在不同时间尺度上表现出不同的模式和趋势,准确提取尺度大小有助于识别和分离这些特征。目前方法通过使用一个或一组固定的patch长度作为步长,将称之为patches的片段来编码时间序列,但其无法适应现实世界负荷序列数据的复杂的动态变化。为此,提出一种基于动态多尺度与双重注意力的预测模型(MDAT)。首先,利用逐次变分模态分解(SVMD)分离负荷序列不同的时间模式,通过快速傅里叶变换(FFT)提取出每个模式的显著周期。其次,根据检测到的显著周期,将负荷序列以不同大小的patch划分为不同的时间分辨率,使用Transformer的多个分支同时建模不同尺度分割序列的依赖关系。然后,对这些patches进行双重注意力,以捕获全局相关性和局部细节。最后,对每个分支的输出进行非线性特征融合,通过堆叠多层Transformer模块得到最终的负荷预测结果。在两个公开数据集上的实验结果表明,该模型在预测精度指标上表现良好,相比最新的基于Transformer及多层感知器(MLP)的模型,在Australia数据集和Morocco数据集上平均绝对误差(MAE)分别降低了10.26%~17.06%和9.08%~70.25%。 展开更多
关键词 短期负荷预测 逐次变分模态分解 多尺度特征 双重注意力 Transformer模块
在线阅读 下载PDF
基于多尺度注意力UNet++的地震层位识别方法 被引量：1
7
作者 杨润湉 马强 +3 位作者 王志宝 李菲 吴钧 王如意 《石油物探》 北大核心 2025年第2期315-327,共13页
现有基于深度学习的层位识别方法通常在地震振幅信号特征方面进行处理,而地层之间上、下位置的空间关系、不同尺度特征未得到充分关注,导致普通深度学习网络在识别多个地震层位时容易产生层位识别结果连续性不强和错层等问题。为了充分... 现有基于深度学习的层位识别方法通常在地震振幅信号特征方面进行处理,而地层之间上、下位置的空间关系、不同尺度特征未得到充分关注,导致普通深度学习网络在识别多个地震层位时容易产生层位识别结果连续性不强和错层等问题。为了充分利用层位之间的空间位置关系及多尺度特征,使用MultiResBlock多尺度残差模块、CBAM注意力与UNet++,提出了基于多尺度注意力UNet++的层位识别方法 (MR_CBAM_UNet++)。该方法利用MultiResBlock提取更多层位尺度特征,采用CBAM注意力模块以减少非目标层的振幅信号干扰,利用Focal Loss与Dice Loss组成的联合损失函数对网络进行训练。最后,加入唯一性约束对模型识别结果优化得到层位识别结果。在实际地震数据上的评价结果显示,MR_CBAM_UNet++模型相比于传统模型,对非层位信息的抑制能力和复杂地势下层位的识别能力均有很大提升。在测试集上,层位识别结果的准确率达到了86.19%,有效缓解了层位解释连续性不强和错层等问题,唯一性约束也使层位识别结果更贴近实际。 展开更多
关键词 地震层位解释 UNet++ CBAM注意力模块 MultiResBlock多尺度残差模块 联合损失函数
在线阅读 下载PDF
基于残差双通道注意力U-Net的古代壁画病害检测
8
作者 赵辉荣 余映 +2 位作者 陈安 倪雪莹 王信超 《计算机辅助设计与图形学学报》 北大核心 2025年第6期1040-1052,共13页
针对现有的古代壁画病害检测方法难以准确地检测壁画病害区域的问题,提出一种基于残差双通道注意力U-Net的古代壁画病害检测模型.首先设计残差双通道模块代替U-Net中的编码器和解码器,构建具有多分辨率分析能力的网络检测复杂背景中不... 针对现有的古代壁画病害检测方法难以准确地检测壁画病害区域的问题,提出一种基于残差双通道注意力U-Net的古代壁画病害检测模型.首先设计残差双通道模块代替U-Net中的编码器和解码器,构建具有多分辨率分析能力的网络检测复杂背景中不同尺度的壁画病害区域;然后加入多尺度注意力门融合高层和低层的互补特征,使网络能突出壁画病害区域的显著特征;最后设计混合域注意力模块抑制壁画背景信息的干扰,进一步准确地定位壁画病害区域;此外,采用多阶段损失相加的方式提高网络模型的性能.实验结果表明,在敦煌莫高窟壁画数据集和云南少数民族壁画数据集上,所提模型的检测结果在视觉感受方面优于其他对比方法,在F-score指标上分别达到了0.807 7和0.728 9,均高于其他对比方法. 展开更多
关键词 古代壁画病害检测 U-Net 残差双通道 多尺度注意力门 混合域注意力
在线阅读 下载PDF
多尺度特征注意力网络下的卫星信号识别研究
9
作者 李云 杨松林 +2 位作者 邢智童 吴广富 马豪 《电子与信息学报》 北大核心 2025年第6期1792-1802,共11页
针对卫星通信信号调制识别难题以及忽略不同频率和时间尺度特征的融合问题,该文提出多尺度特征注意力网络模型。该模型融合去噪卷积模块和多尺度全局感知模块,利用多尺度膨胀卷积和空间金字塔池化,结合高效通道注意力机制,有效捕捉不同... 针对卫星通信信号调制识别难题以及忽略不同频率和时间尺度特征的融合问题,该文提出多尺度特征注意力网络模型。该模型融合去噪卷积模块和多尺度全局感知模块,利用多尺度膨胀卷积和空间金字塔池化,结合高效通道注意力机制,有效捕捉不同频率和时间尺度特征。实验表明,在典型莱斯信道及数字视频广播卫星第2代标准信号制式下,该模型在[0,5]dB区间内,对QPSK等卫星典型调制信号的类间识别率达到96.8%,性能优于传统模型的同时,参数量以及单周期训练时间显著减少,并且在低信噪比下仍保持高识别精度,充分验证了模型算法的有效性。 展开更多
关键词 卫星通信 信号识别 多尺度特征 通道注意力机制 深度学习
在线阅读 下载PDF
基于双通道注意力机制的雾天道路目标检测算法
10
作者 麦敬睿 许锋 《科学技术与工程》 北大核心 2025年第26期11276-11285,共10页
为解决雾天道路目标特征模糊、提取困难等问题,提出了一种基于双通道注意力机制的目标检测算法GMA-YOLO。通过特征融合的方式直接检测,其设计思路:首先,将局部混合特征通道注意力模块(global&local channel attention,GLCA)改进主... 为解决雾天道路目标特征模糊、提取困难等问题,提出了一种基于双通道注意力机制的目标检测算法GMA-YOLO。通过特征融合的方式直接检测,其设计思路:首先,将局部混合特征通道注意力模块(global&local channel attention,GLCA)改进主干和颈部特征融合的C2f模块,提升模糊目标的局部特征提取能力;然后,设计双路径结构的混合池化卷积(mixed pooling convolution,MPConv)改进下采样模块,提升特征保留的多样性与处理复杂场景的鲁棒性;接着,引入辅助检测头(auxiliary head,AuxHead),提升远景小目标的检测效果;最后,引入Focaler-CIoU优化损失函数,降低易分类样本的权重,强调受阻严重的样本。实验表明,在RTTS数据集上相较于YOLOv8s基线模型,GMA-YOLO模型在参数量减少的情况下,mAP@0.5提升了3.2%,达到78.6%,召回率提升了3.8%,达到71.7%,该算法有效提高雾天场景的目标检测精度。 展开更多
关键词 雾天目标检测 多尺度特征融合 混合通道注意力机制 混合池化卷积 辅助检测头
在线阅读 下载PDF
基于混合特征和通道注意力的脑肿瘤分类算法
11
作者 于知恒 李翔 +1 位作者 刘全金 魏本征 《计算机工程与设计》 北大核心 2025年第2期610-616,共7页
针对脑肿瘤MRI图像的自动分类,提出一种基于混合特征和通道注意力的脑肿瘤分类算法。采用双分支的网络结构,由特征图尺寸对齐模块、混合特征提取模块和分类模块组成。在混合特征提取模块中,利用多尺度特征提取子模块提取脑肿瘤图像中的... 针对脑肿瘤MRI图像的自动分类,提出一种基于混合特征和通道注意力的脑肿瘤分类算法。采用双分支的网络结构,由特征图尺寸对齐模块、混合特征提取模块和分类模块组成。在混合特征提取模块中,利用多尺度特征提取子模块提取脑肿瘤图像中的局部细粒度特征信息,通过通道注意力机制,从通道角度建模多尺度特征之间的依赖关系;使用全局特征提取子模块建立肿瘤的全局相关性,强化全局特征与局部特征的联系,进一步提升模型的特征表达能力。在Kaggle公开脑肿瘤数据集准确率达到98.13%,表明该模型可以提高脑肿瘤分类的准确率。 展开更多
关键词 脑肿瘤 磁共振图像 计算机辅助诊断系统 多尺度特征 通道注意力机制 深度学习 分类
在线阅读 下载PDF
通道-空间多尺度增强与双池化注意的表情识别网络
12
作者 刘娟 张民扬 +2 位作者 胡敏 黄忠 江巨浪 《计算机应用研究》 北大核心 2025年第10期3182-3191,共10页
针对自然场景下表情特征提取仅关注通道-空间单一尺度信息以及平均池化易丢失局部显著性语义的问题,提出一种通道-空间多尺度增强与双池化注意的表情识别网络。首先,为捕获通道-空间整体多尺度增强语义,设计通道对称级联多尺度模块和空... 针对自然场景下表情特征提取仅关注通道-空间单一尺度信息以及平均池化易丢失局部显著性语义的问题,提出一种通道-空间多尺度增强与双池化注意的表情识别网络。首先,为捕获通道-空间整体多尺度增强语义,设计通道对称级联多尺度模块和空间多尺度特征提取模块,并以此构建基于通道-空间多尺度结构的整体特征增强子网。然后,为表征通道-空间区域双池化显著语义,将高效局部注意力机制改进为高效通道-空间注意力机制,并嵌入到区域特征注意子网。最后,为获取整体多尺度增强语义与区域双池化显著语义之间的潜在相关性,采用交叉注意力机制进行整体特征与区域特征之间的特征交互,并设计特征融合子网完成两类特征的模型级融合。实验结果表明,在人脸表情数据集RAF-DB和FERPlus上,其表情识别率分别达到89.97%和90.26%,比基线网络分别提升了13.54和10.95个百分点。与其他网络相比,提出的网络在自然场景下具有较好的表情识别性能。 展开更多
关键词 人脸表情识别 多尺度增强 双池化注意 通道-空间多尺度结构 高效通道-空间注意力机制
在线阅读 下载PDF
融合注意力与多尺度特征的微表情识别方法
13
作者 张波 李孟新 《计算机工程与设计》 北大核心 2025年第11期3248-3257,共10页
针对卷积神经网络在微表情识别中存在对不同尺度信息表达能力不足和细节信息丢失的问题,提出一种融合注意力与多尺度特征的微表情识别方法,使用双分支网络进行特征提取,捕获注意力感知的微表情运动在时空上的局部与全局信息。结合特征... 针对卷积神经网络在微表情识别中存在对不同尺度信息表达能力不足和细节信息丢失的问题,提出一种融合注意力与多尺度特征的微表情识别方法,使用双分支网络进行特征提取,捕获注意力感知的微表情运动在时空上的局部与全局信息。结合特征金字塔和MobileViT提取空间特征,联合多级特征并捕捉细节信息;结合Inception模块与卷积块注意模块提取时间特征,融合多尺度特征并关注重要信息;将时空特征通道叠加融合并分类。实验结果表明在MEGC2019-CD数据集上实现了0.783的URA和0.798的UF1,与其它主流方法相比有更好的识别性能。 展开更多
关键词 微表情识别 多尺度特征 注意力机制 MobileViT INCEPTION 特征金字塔 卷积块注意模块
在线阅读 下载PDF
基于梯度可感知通道注意力模块的红外小目标检测前去噪网络 被引量：4
14
作者 林再平 罗伊杭 +5 位作者 李博扬 凌强 郑晴 杨晶贻 刘丽 吴京 《红外与毫米波学报》 SCIE EI CAS CSCD 北大核心 2024年第2期254-260,共7页
红外图像去噪在军事及民用领域应用广泛。现有基于深度学习的图像去噪方法主要为可见光图像设计,此类方法容易过度平滑图像细节,从而导致弱小目标丢失,为后续的检测任务带来困难。为了在去除噪声的同时保留好红外图像中的目标信息,本文... 红外图像去噪在军事及民用领域应用广泛。现有基于深度学习的图像去噪方法主要为可见光图像设计,此类方法容易过度平滑图像细节,从而导致弱小目标丢失,为后续的检测任务带来困难。为了在去除噪声的同时保留好红外图像中的目标信息,本文提出了一种基于梯度可感知通道注意力模块的红外弱小目标检测前去噪网络。该网络首先采用编码器-解码器结构来去除图像中的加性噪声,然后通过梯度可感知通道注意力模块对图像高频区域进行自适应增强,有效保持红外弱小目标的响应强度。此外,本文提出了领域第一个包含3981张含噪声的红外图像数据集。实验结果表明,该网络能够在有效去除加性噪声的同时避免过度平滑,很好地保留了红外图像中的目标信息,最终实现了在含噪声环境下的高鲁棒性红外弱小目标检测。 展开更多
关键词 红外小目标 检测前去噪 梯度可感知通道注意力模块
在线阅读 下载PDF
结合MGCC特征与多尺度通道注意力的环境声深度学习分类方法
15
作者 杨俊杰 丁家辉 +2 位作者 杨柳 冯丽 杨超 《应用声学》 CSCD 北大核心 2024年第3期513-524,共12页
环境声分类技术在家居安全监测、人机语声交互等领域具有关键作用。然而,声源的多样性与混合性给环境声分类方法设计带来了重大挑战。为提高分类准确率与节约计算资源,该文提出一种基于多尺度通道注意力机制的深度学习分类模型。所提模... 环境声分类技术在家居安全监测、人机语声交互等领域具有关键作用。然而,声源的多样性与混合性给环境声分类方法设计带来了重大挑战。为提高分类准确率与节约计算资源,该文提出一种基于多尺度通道注意力机制的深度学习分类模型。所提模型由特征提取模块、多尺度卷积模块、高效通道注意力模块、输出层四部分组成。首先,通过引入加权型梅尔Gammatone频率倒谱系数(MGCC)挖掘环境声频谱幅值与相位结构信息;其次,融合多尺度卷积核与高效通道注意力机制优选出声频关键局部细节和通道特征;最后,在全连接层采用softmax函数映射特征并输出环境声类型的概率值。所提模型在6种环境声的iFLYTEK、10种环境声的Urbansound8k数据集上开展测试验证,分别取得了94%、76.52%、79.24%(iFLYTEK+Urbansound8k)的分类准确率。消融实验结果进一步表明:引入的多尺度卷积模块、通道注意力机制模块对分类准确率的提升贡献率分别接近于3.77%和1.89%。实验还详细对比了7种现有的深度学习分类方法,所提算法在分类准确率上排名第二;另外,在同级别算法中如ResNet18、GoogLeNet,所提算法在模型参数量和计算复杂度方面上实现了进一步的约减。 展开更多
关键词 环境声分类 梅尔Gammatone频率倒谱 多尺度核卷积 高效通道注意力 卷积神经网络
在线阅读 下载PDF
基于跨层注意力特征交互和多尺度通道注意力的单幅图像去雾网络
16
作者 孙航 付秋月 +3 位作者 李勃辉 但志平 余梅 万俊 《电子学报》 EI CAS CSCD 北大核心 2024年第11期3711-3726,共16页
近年来,基于U型结构的卷积神经网络在去雾领域取得了显著的成果.然而,大多数基于U型结构的去雾网络将编码层特征直接传递到对应尺度的解码层,忽略了不同层次特征信息的有效利用.此外,去雾网络中广泛使用的通道注意力受感受野的限制,没... 近年来,基于U型结构的卷积神经网络在去雾领域取得了显著的成果.然而,大多数基于U型结构的去雾网络将编码层特征直接传递到对应尺度的解码层,忽略了不同层次特征信息的有效利用.此外,去雾网络中广泛使用的通道注意力受感受野的限制,没有充分地利用上下文信息,从而对通道权重的学习起负面作用,使得重构的清晰图像不够理想.为了解决上述问题,本文提出了一种跨层注意力特征交互和多尺度通道注意力的去雾算法.具体来说,跨层注意力特征交互模块利用编码层的多尺度跨层特征学习层级权重,然后将这些跨层特征聚合传递到对应解码层,从而减少了去雾网络重构清晰图像过程中的特征稀释.此外,为了挖掘对于去雾网络非常重要的特征通道信息,本文设计了多尺度通道注意力机制,利用不同空洞率的空洞卷积提取多尺度特征信息,形成一个多尺度上下文并行学习的通道注意力机制,可以更有效地为去雾网络的特征分配权重.实验结果表明,本文提出的去雾算法在4个公开的数据集上相比现有的12种去雾方法取得了较好的客观评价指标和视觉效果.本文的代码已上传至https://github.com/bohuisir/AAFMAN. 展开更多
关键词 图像去雾 跨层注意力特征交互 特征稀释 多尺度通道注意力 空洞卷积
在线阅读 下载PDF
基于多尺度频率通道注意力融合的声纹库构建方法
17
作者 陈彤 杨丰玉 +2 位作者 熊宇 严荭 邱福星 《计算机应用》 CSCD 北大核心 2024年第8期2407-2413,共7页
为解决声纹识别准确性易受外部因素影响的问题,提出一种基于多尺度频率通道注意力融合时延神经网络(MFCA-TDNN)模型的声纹识别算法。MFCA-TDNN在ECAPA-TDNN(Emphasized Channel Attention Propagation Aggregation Time Delay Neural Ne... 为解决声纹识别准确性易受外部因素影响的问题,提出一种基于多尺度频率通道注意力融合时延神经网络(MFCA-TDNN)模型的声纹识别算法。MFCA-TDNN在ECAPA-TDNN(Emphasized Channel Attention Propagation Aggregation Time Delay Neural Network)的基础上作了3点改进,包括:加入了多尺度频率通道注意力前端以从话语中获得高分辨率的特征表示、添加了多尺度通道注意力模块结合局部和全局的特征以融合多尺度信息、嵌入了特征注意力融合模块为多尺度的融合特征加权。这些改进使模型更好地利用多尺度的时频信息,提高识别能力。实验结果表明,与ECAPA-TDNN模型相比,MFCA-TDNN模型等错误率(EER)和最小检测代价函数(minDCF)分别下降5.9%和7.9%;最低的EER可达到3.83%,最低的minDCF可达到0.2202。 展开更多
关键词 声纹库 时延神经网络 多尺度特征提取 频率通道注意力 特征注意力融合
在线阅读 下载PDF
基于端口注意力与通道空间注意力的网络异常流量检测 被引量：8
18
作者 肖斌 甘昀 +2 位作者 汪敏 张兴鹏 王照星 《计算机应用》 CSCD 北大核心 2024年第4期1027-1034,共8页
网络异常流量检测是网络安全保护重要组成部分之一。目前,基于深度学习的异常流量检测方法都是将端口号属性与其他流量属性同等对待,忽略了端口号的重要性。为了提高异常流量检测性能,借鉴注意力思想,提出一个卷积神经网络(CNN)结合端... 网络异常流量检测是网络安全保护重要组成部分之一。目前,基于深度学习的异常流量检测方法都是将端口号属性与其他流量属性同等对待,忽略了端口号的重要性。为了提高异常流量检测性能,借鉴注意力思想,提出一个卷积神经网络(CNN)结合端口注意力模块(PAM)和通道空间注意力模块(CBAM)的网络异常流量检测模型。首先,将原始网络流量作为PAM的输入,分离得到端口号属性送入全连接层,得到学习后的端口注意力权重值,并与其他流量属性点乘,输出端口注意力后的流量数据;其次,将流量数据转换成灰度图,利用CNN和CBAM更充分地提取特征图在通道和空间上的信息;最后,使用焦点损失函数解决数据不平衡的问题。所提PAM具有参数量少、即插即用和普遍适用的优点。在CICIDS2017数据集上,所提模型的异常流量检测二分类任务准确率为99.18%,多分类任务准确率为99.07%,对只有少数训练样本的类别也有较高的识别率。 展开更多
关键词 异常流量检测 注意力机制 数据不平衡 轻量级网络 通道空间注意力模块
在线阅读 下载PDF
噪声背景下梅尔频率倒谱系数与多注意力网络在电机故障诊断中的应用
19
作者 宋恩哲 朱仁杰 +2 位作者 靖海国 姚崇 柯赟 《哈尔滨工程大学学报》 北大核心 2025年第3期475-485,共11页
针对电机实际工作过程中存在噪声干扰导致故障诊断精度下降的问题,本文提出了一种基于梅尔频率倒谱系数动态特征与多注意力融合卷积神经网络的故障诊断方法。通过梅尔频率倒谱系数动态特征提取噪声信号中的低频信息,并结合卷积注意力模... 针对电机实际工作过程中存在噪声干扰导致故障诊断精度下降的问题,本文提出了一种基于梅尔频率倒谱系数动态特征与多注意力融合卷积神经网络的故障诊断方法。通过梅尔频率倒谱系数动态特征提取噪声信号中的低频信息,并结合卷积注意力模块的自适应调节能力及多特征融合策略进一步减少噪声对故障诊断的干扰。通过电机台架数据验证了该方法在噪声条件下诊断的可行性,然而该方法受梅尔频率倒谱系数参数与网络结构的直接影响,因此具体分析了不同参数条件对抗噪性能的影响。实验结果表明:在信噪比-10 dB噪声背景下,梅尔频率倒谱系数动态特征与多注意力融合卷积神经网络相结合的故障诊断方法仍保持90%以上的诊断精度。 展开更多
关键词 电机 故障诊断 噪声环境 梅尔频率倒谱系数 卷积神经网络 多尺度 卷积注意力模块 特征融合
在线阅读 下载PDF
基于高效通道注意力的多阶段图像去雨网络 被引量：1
20
作者 李国金 张书铭 +1 位作者 林森 陶志勇 《电光与控制》 CSCD 北大核心 2024年第4期109-114,120,共7页
针对现有图像去雨算法不能更好地保留图像背景细节的问题,提出一种基于高效通道注意力的多阶段图像去雨网络。首先,网络使用3×3卷积提取雨图的浅层特征并传递给高效通道注意力模块,为不同的特征通道分配不同的权重;然后,传递给3个... 针对现有图像去雨算法不能更好地保留图像背景细节的问题,提出一种基于高效通道注意力的多阶段图像去雨网络。首先,网络使用3×3卷积提取雨图的浅层特征并传递给高效通道注意力模块,为不同的特征通道分配不同的权重;然后,传递给3个并行阶段,在前2个阶段中,使用编码-解码器进行多尺度特征提取,减少雨纹信息丢失,其中使用Transformer模块抑制无用信息传递;最后,在第3个阶段使用初始分辨率模块代替编码-解码器,从而保留输出图像的精细特征。实验结果表明,所提算法在Rain800、Rain12、Rain100L和Rain100H公开测试集上的结构相似性分别为0.830、0.968、0.960和0.944,峰值信噪比分别为27.33 dB、35.27 dB、36.79 dB和28.94 dB。所提算法相比于经典和新颖的图像去雨算法,在去除雨纹和恢复背景细节上具有更好的效果。 展开更多
关键词 深度学习 图像去雨 多阶段网络 Transformer模块 通道注意力机制
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 … 13 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