期刊文献+
共找到456篇文章
< 1 2 23 >
每页显示 20 50 100
基于孪生网络和交叉注意力机制的空域和JPEG图像隐写分析
1
作者 张倩倩 李浩 +2 位作者 张祎 马媛媛 罗向阳 《计算机学报》 北大核心 2025年第6期1305-1326,共22页
近年来,深度学习在图像隐写分析任务中表现出了优越的性能。然而,此类方法在捕获图像中微弱的隐写噪声时,往往会因下采样过程中大量关键细节信息的丢失,导致在检测空域和JPEG隐写图像时难以同时实现高检测准确率。为此,本文基于孪生神... 近年来,深度学习在图像隐写分析任务中表现出了优越的性能。然而,此类方法在捕获图像中微弱的隐写噪声时,往往会因下采样过程中大量关键细节信息的丢失,导致在检测空域和JPEG隐写图像时难以同时实现高检测准确率。为此,本文基于孪生神经网络对图像进行分区域细粒度学习,同时利用交叉注意力机制进一步增强模型全局信息感知能力,提出一种跨通道交叉注意力增强的隐写分析方法(CES-Net)。首先,采用孪生神经网络作为主干网对图像进行分区域学习,以细致地感知空域和JPEG图像的像素信息和微弱的隐写噪声,同时,设计了多样化的高通滤波器和多层卷积作为网络预处理层来获取丰富且高质量的隐写噪声残差;接着,改进了特征提取部分,提出了跨通道交叉注意力网络,使模型提取到更多因隐写嵌入对图像像素相关性造成扰动的隐写特征,用于基于秘密噪声残差等弱信息的隐写图像分类任务;最后,融合子网络学习到的不同区域图像的分类特征,并输入全连接层组成的分类模块对载体和载密图像进行分类,提升检测效果。在隐写和隐写分析领域常用的图像数据集BOSSBase-1.01和BOWs2上进行了大量实验,结果表明,CES-Net方法与现有方法相比,对于空域和JPEG图像的多种主流隐写算法均能达到目前最优的检测准确率,其中,对多种空域隐写算法(WOW、S-UNIWARD和HILL)在不同嵌入比率下生成的载密图像,检测准确率最高分别提升1.27%~25.61%、2.1%~21.73%和1.69%~23.46%;对JPEG图像自适应隐写算法J-UNIWARD在不同嵌入比率下生成的载密图像,CES-Net方法对两种质量因子(QF=75和QF=85)的JPEG图像隐写检测准确率最高分别提升2.34%和2.06%。 展开更多
关键词 隐写分析 隐写 孪生网络 交叉注意力机制 信息隐藏
在线阅读 下载PDF
孪生网络辅助下多域特征融合的雷达有源干扰识别方法
2
作者 李宁 王赞 +2 位作者 舒高峰 张庭玮 郭拯危 《电子与信息学报》 北大核心 2025年第6期1837-1849,共13页
针对目前雷达有源干扰识别方法在低干噪比下识别精度低和训练样本难以高效获取的问题,该文提出一种孪生网络辅助下多域特征融合的雷达有源干扰识别方法。首先,为了实现低干噪比下干扰特征的有效提取,构建了一种多域特征融合子网络;具体... 针对目前雷达有源干扰识别方法在低干噪比下识别精度低和训练样本难以高效获取的问题,该文提出一种孪生网络辅助下多域特征融合的雷达有源干扰识别方法。首先,为了实现低干噪比下干扰特征的有效提取,构建了一种多域特征融合子网络;具体地,结合半软阈值函数和注意力机制,提出半软阈值收缩模块,以有效提取时域特征,避免手工提取阈值的不足,同时引入多尺度卷积模块和注意力模块,以增强时频域特征提取能力。然后,为了降低识别模型对样本的依赖,设计了一种权值共享的孪生网络,通过对比样本间相似度扩大训练次数,以解决样本不足问题。最后,联合改进的加权对比度损失函数、自适应交叉熵损失函数和3元组损失函数,实现干扰特征的类内聚集、类间分离。实验结果表明,在干噪比为–6 dB且每类干扰为20个训练样本时,对10种典型有源干扰的识别率达到96.88%。 展开更多
关键词 雷达有源干扰识别 孪生网络 多域特征 注意力机制
在线阅读 下载PDF
融合注意力的特征聚合孪生网络视觉跟踪
3
作者 金静 牛品 翟凤文 《计算机工程与应用》 北大核心 2025年第12期166-176,共11页
目前以孪生网络为基础的目标跟踪算法,仍然存在网络浅层的特征中有价值的上下文信息无法合理利用的问题。针对这一问题,提出一种融合拆分注意力机制(split-attention,SA)的目标跟踪算法SiamMCFA(siamese multi-channel feature aggregat... 目前以孪生网络为基础的目标跟踪算法,仍然存在网络浅层的特征中有价值的上下文信息无法合理利用的问题。针对这一问题,提出一种融合拆分注意力机制(split-attention,SA)的目标跟踪算法SiamMCFA(siamese multi-channel feature aggregation module)。在骨干网络中引入拆分注意力机制,用来提取浅层特征中有价值的上下文信息,通过像素级互相关模块(pixel-wise cross correlation,PWCC)融合模板区域和搜索区域浅层和深层特征中的上下文信息,以增强模板区域和搜索区域的特征图之间的联系,从而提高跟踪器的鲁棒性。针对因尺度变化而容易导致目标丢失的问题,设计了一个多通道特征聚合模块(multi-channel feature aggregation module,MCFA),用于聚合目标不同区域的特征信息,使跟踪器尽可能地区分目标和语义背景,进一步提升跟踪准确性。最后,在OTB100、VOT2019、GOT10K和LaSOT四个数据集上进行了详尽的实验评估,结果显示,SiamMCFA与当前基于孪生网络的先进的跟踪器SiamCAR相比,其成功率(success rate)与精准度(precision)分别提高了2.26和2.83个百分点。与SiamIRCA相比成功率与精准度提高了0.3和0.9个百分点。 展开更多
关键词 目标跟踪 孪生网络 拆分注意力 像素级互相关 多通道特征聚合
在线阅读 下载PDF
基于特征融合和模板更新的孪生网络跟踪算法 被引量:1
4
作者 吴国瑞 王峰 李杰 《电光与控制》 北大核心 2025年第1期41-47,85,共8页
针对现有孪生网络跟踪算法仅使用主干网络最后一层的特征进行相似度匹配,以及缺少有效模板更新策略的问题,提出基于多尺度特征融合和自适应模板更新的孪生网络跟踪算法。首先,结合深度过参数化卷积设计非填充单元,提取更深层的前景特征... 针对现有孪生网络跟踪算法仅使用主干网络最后一层的特征进行相似度匹配,以及缺少有效模板更新策略的问题,提出基于多尺度特征融合和自适应模板更新的孪生网络跟踪算法。首先,结合深度过参数化卷积设计非填充单元,提取更深层的前景特征和语义背景;然后,设计新的全局-局部特征融合模块,充分聚合浅、中层特征的全局和局部信息,捕获丰富的浅层外观特征和中层过渡特征;最后,采用自适应模板更新机制在线更新模板。为验证算法的有效性,在公开数据集上对所提算法进行详尽评估,实验结果显示,所提算法在OTB2015和VOT2018数据集上的精确度分别达到0.878和0.588,GOT10K数据集上平均重叠率达到0.526,优于其他主流算法。 展开更多
关键词 目标跟踪 孪生网络 计算机应用 多层特征融合 模板更新
在线阅读 下载PDF
基于深浅层特征融合的孪生网络目标跟踪算法 被引量:1
5
作者 王子康 姚文进 +1 位作者 薛尚捷 司婷波 《北京航空航天大学学报》 北大核心 2025年第3期973-984,共12页
深度学习相关的目标跟踪算法在利用深浅层特征融合时,未考虑分类分支与回归分支的差异性,两分支均使用同一融合特征,不能同时满足各自分支的不同任务要求。依据分类分支与回归分支的不同任务要求与深浅层特征之间的关系,提出了一种新的... 深度学习相关的目标跟踪算法在利用深浅层特征融合时,未考虑分类分支与回归分支的差异性,两分支均使用同一融合特征,不能同时满足各自分支的不同任务要求。依据分类分支与回归分支的不同任务要求与深浅层特征之间的关系,提出了一种新的特征融合方式用于视觉目标跟踪。将骨干网络中不同特征层的通道数按比例进行微调,分别形成适合分类分支与回归分支的融合特征。为验证所提特征融合方式的有效性,在基于SiamCAR算法的基础上进行优化,改变特征提取与融合方式,在UAV123、GOT-10K、LaSOT数据集上提高了2%~3%的精度。实验结果证明:所提特征融合方式是有效的,同时框架整体以75帧/s的实时运行速率实现了良好的跟踪性能。 展开更多
关键词 目标跟踪 孪生网络 分类 回归 深浅层特征融合 分类与IoU联合训练
在线阅读 下载PDF
小样本下离心泵的孪生网络故障诊断方法
6
作者 李科 张来斌 +2 位作者 段礼祥 刘海鹏 张馨月 《科学技术与工程》 北大核心 2025年第11期4543-4550,共8页
实际工程中需要大量数据支撑的常规诊断方法难以有效进行小样本条件下的离心泵故障诊断,为此,将深度学习中的残差网络(residual network, ResNet)与膨胀卷积相结合,并拓展为孪生网络,构建膨胀残差孪生网络(dilated residual siamese net... 实际工程中需要大量数据支撑的常规诊断方法难以有效进行小样本条件下的离心泵故障诊断,为此,将深度学习中的残差网络(residual network, ResNet)与膨胀卷积相结合,并拓展为孪生网络,构建膨胀残差孪生网络(dilated residual siamese network, DRSN)。将膨胀残差网络作为孪生网络的特征提取模块,强化了模型的特征提取能力;构造正负样本对,从每个样本中提取更多的信息,更有效地利用有限的数据;两个子网络共享参数,减少自由参数的数量,降低样本不足时过拟合的风险。提出的网络模型缓解了训练样本不足的问题,提升了数据利用的效率,实现了小样本条件下的离心泵故障分类。研究结果表明:在样本最匮乏的情况下,该模型在离心泵试验数据集上的准确率仍能达到82.20%,相较其他模型,准确率至少提升了8.8个百分点。 展开更多
关键词 离心泵 故障诊断 小样本 残差网络 孪生网络
在线阅读 下载PDF
基于改进孪生网络的野生动物单目标跟踪方法
7
作者 殷子璇 赵亚琴 +3 位作者 肖治术 肖文宏 虞秋萍 许智皓 《野生动物学报》 北大核心 2025年第3期533-543,共11页
野生动物作为生态系统的重要组成部分,其动态监测对于维系生态平衡、理解物种间相互作用及评估生态系统健康状况具有至关重要的意义。野生动物监测主要通过无人机机载相机和固定的红外相机来捕捉动物的自然行为。然而,由于野生动物行为... 野生动物作为生态系统的重要组成部分,其动态监测对于维系生态平衡、理解物种间相互作用及评估生态系统健康状况具有至关重要的意义。野生动物监测主要通过无人机机载相机和固定的红外相机来捕捉动物的自然行为。然而,由于野生动物行为的不可预测性,在实际跟踪过程中,常会出现目标较小、多尺度变化以及动物身体被遮挡等问题。为了应对这些挑战,提出一种基于改进孪生网络的动物目标跟踪方法,将跟踪问题转化为相似性学习问题。在孪生关系网络(SiamRN)的特征提取阶段引入多头注意力机制,包括串联窗口自注意力运算和滑动窗口自注意力运算,增强模型对小目标的精准跟踪能力。同时,多头注意力机制的引入降低了网络的参数量和复杂度,提高了运算效率。在公开数据集和自制数据集上进行实验,结果表明本研究采用的野生动物跟踪方法的成功率和准确率分别为0.698和0.928,优于主流的孪生网络跟踪方法,该方法能够准确跟踪和定位野生动物目标,实现野生动物监测。 展开更多
关键词 单目标跟踪 野生动物 孪生网络 注意力机制
在线阅读 下载PDF
基于孪生网络的场景编码与智能车多尺度激光定位
8
作者 陶倩文 胡钊政 +2 位作者 孙勋培 万金杰 陈琪莉 《控制理论与应用》 北大核心 2025年第3期521-530,共10页
基于激光点云地图的智能车定位方法存在地图数据量大、匹配准确率低等问题,为此,本文提出了基于孪生网络的场景编码与智能车多尺度激光定位方法.首先,构建了基于场景编码的激光极化地图,该地图以节点形式表征,每个节点均包含点云极化图... 基于激光点云地图的智能车定位方法存在地图数据量大、匹配准确率低等问题,为此,本文提出了基于孪生网络的场景编码与智能车多尺度激光定位方法.首先,构建了基于场景编码的激光极化地图,该地图以节点形式表征,每个节点均包含点云极化图、点云场景编码以及全局位姿;然后,提出了基于激光极化地图的智能车多尺度定位方法,包括基于GPS与运动模型的粗定位、基于直方图滤波的节点级定位和基于快速的GICP算法的度量级定位;最后,使用现场采集的校园道路数据集和公共KITTI数据集对所提出的算法进行测试验证.实验结果表明,基于所构建地图的节点级定位准确率分别为99.6%和96.9%,平均定位误差分别为0.34 m和0.21 m,且对不同类型的激光雷达传感器和不同的环境具有较强的鲁棒性. 展开更多
关键词 智能车 激光定位 地图匹配 孪生网络
在线阅读 下载PDF
面向IP承载网的数模双驱动孪生网络系统架构研究
9
作者 石鸿伟 苏琛 +1 位作者 倪中阳 黄韬 《电信科学》 北大核心 2025年第9期1-15,共15页
IP承载网中车联网和工业互联网等新兴业务的不断涌现,催生了网络切片、确定性网络等新兴技术的发展,同时网络规模持续扩大,导致网络出现运维管理复杂、网络优化风险高和新技术部署难等问题。基于此,提出一种基于数值仿真与模拟仿真双引... IP承载网中车联网和工业互联网等新兴业务的不断涌现,催生了网络切片、确定性网络等新兴技术的发展,同时网络规模持续扩大,导致网络出现运维管理复杂、网络优化风险高和新技术部署难等问题。基于此,提出一种基于数值仿真与模拟仿真双引擎驱动的数字孪生网络(hybrid-driven digital twin network,HD-DTN)体系架构。首先,系统性地介绍HD-DTN的层级架构,阐述孪生体构建、网络智能优化及服务网格等关键技术。其次,提出HD-DTN的总体设计、南北向接口及通信协议。最后,通过电力通信网络场景应用实践,验证HD-DTN可以有效降低网络故障产生的影响,提高网络运维效率。 展开更多
关键词 数字孪生网络 仿真引擎 孪生体构建 服务网格
在线阅读 下载PDF
结合孪生网络和Transformer的轻量级无人机目标跟踪算法
10
作者 李华耀 钟小勇 +1 位作者 杨智能 杨浩 《电光与控制》 北大核心 2025年第6期31-37,共7页
针对传统目标跟踪算法计算量大、跟踪精度低等问题,提出了一种结合孪生网络和Transformer的轻量级目标跟踪算法,能够有效应对无人机跟踪场景的各种挑战。首先,基于轻量级特征提取网络GhostNet设计模型的主干网络,提取目标的多尺度特征;... 针对传统目标跟踪算法计算量大、跟踪精度低等问题,提出了一种结合孪生网络和Transformer的轻量级目标跟踪算法,能够有效应对无人机跟踪场景的各种挑战。首先,基于轻量级特征提取网络GhostNet设计模型的主干网络,提取目标的多尺度特征;随后,利用改进的Transformer结构搭建模型的多尺度特征融合层,充分融合目标的多尺度特征;最后,将改进的Transformer结构与孪生网络的互相关操作相结合,整合特征的全局与局部信息,实现对跟踪目标的精确定位。在UAV123、GOT-10k和LaSOT等数据集上的实验结果表明,所提算法跟踪性能优秀,跟踪速度达到87帧/s,在GPU和CPU平台上均实现了实时目标跟踪。 展开更多
关键词 无人机 目标跟踪 孪生网络 多尺度特征融合
在线阅读 下载PDF
基于听觉调制孪生网络的单通道语音分离模型
11
作者 宋源 陈锌 +3 位作者 李亚荣 李永伟 刘扬 赵振 《计算机应用》 北大核心 2025年第6期2025-2033,共9页
为了解决基于语谱图特征输入的单通道语音分离方法存在的不同说话人时频点重叠导致分离效果欠佳的问题,提出一种基于听觉调制孪生网络的单通道语音分离模型。首先,通过频带划分和包络检波计算调制信号,进而利用傅里叶变换提取调制幅度谱... 为了解决基于语谱图特征输入的单通道语音分离方法存在的不同说话人时频点重叠导致分离效果欠佳的问题,提出一种基于听觉调制孪生网络的单通道语音分离模型。首先,通过频带划分和包络检波计算调制信号,进而利用傅里叶变换提取调制幅度谱;其次,基于突变点检测和匹配的方法获取调制幅度谱特征与语音片段之间的映射关系,实现语音片段的有效划分;再次,设计融合协同注意力机制的孪生神经网络(FCMSNN)提取不同说话人语音片段的鉴别性特征;继次,提出基于邻域机制的自组织映射(N-SOM)网络,通过划定动态邻域范围实现无需预先指定说话人数量的特征聚类,以获得不同说话人的掩膜矩阵;最后,为了避免在调制域重构信号中产生伪影,设计时域滤波器将调制域掩膜转换为时域掩膜并结合相位信息重构语音信号。实验结果表明,所提模型在WSJ0-2mix和WSJ0-3mix数据集上的语音质量感知评价(PESQ)、信号失真比改进(SDRi)和尺度不变信号失真比改进(SI-SDRi)均优于双密度双树复小波变换(DDDTCWT)方法,分别提高了3.47%、6.91%和7.79%和3.08%、6.71%、7.51%。 展开更多
关键词 语音分离 调制机制 孪生网络 协同注意力机制 自组织映射网络
在线阅读 下载PDF
基于CNN和双向GRU混合孪生网络的语音情感识别方法
12
作者 彭鹏 蔡子婷 +3 位作者 刘雯玲 陈才华 曾维 黄宝来 《计算机应用》 北大核心 2025年第8期2515-2521,共7页
针对现有语音情感识别(SER)模型精度较低、泛化能力较差的问题,提出一种孪生的Multi-scale CNNBiGRU网络。该网络通过引入多尺度特征提取器(MSFE)和多维度注意力(MDA)模块构建孪生网络,并利用样本对的形式增加模型训练量,从而提高模型... 针对现有语音情感识别(SER)模型精度较低、泛化能力较差的问题,提出一种孪生的Multi-scale CNNBiGRU网络。该网络通过引入多尺度特征提取器(MSFE)和多维度注意力(MDA)模块构建孪生网络,并利用样本对的形式增加模型训练量,从而提高模型的识别精度,使它能更好地适应复杂的真实应用场景。在IEMOCAP和EMODB这2个公开数据集上的实验结果表明,所提模型在识别精确率上较CNN-BiGRU分别提升了8.28和7.79个百分点。此外,通过收集客服真实语音对话录音构建一个客服语音情感数据集,在该数据集上的实验结果表明,所提模型的识别精确率可达到87.85%,证明所提模型具有良好的泛化性。 展开更多
关键词 语音情感识别 卷积神经网络 双向GRU 混合孪生网络 深度学习
在线阅读 下载PDF
基于小样本人体运动行为识别的孪生网络算法
13
作者 姚明辉 王悦燕 +2 位作者 吴启亮 牛燕 王聪 《浙江大学学报(工学版)》 北大核心 2025年第3期504-511,共8页
为了使用更少传感器实现更高精度的人体运动行为识别,提出基于DSC-BiGRU-Att孪生网络的方法,旨在使用加速度传感器通过深度学习网络模型,实现对人体运动行为的准确识别.基于人体运动行为多分类任务目标,以孪生网络为基本框架,将预处理... 为了使用更少传感器实现更高精度的人体运动行为识别,提出基于DSC-BiGRU-Att孪生网络的方法,旨在使用加速度传感器通过深度学习网络模型,实现对人体运动行为的准确识别.基于人体运动行为多分类任务目标,以孪生网络为基本框架,将预处理后的加速度传感器数据样本对输入孪生网络.孪生网络由2个结构相同、参数共享的深度可分离网络(DSC)、双向门控循环单元(BiGRU)和注意力机制(Att)组成.深度可分离卷积网络提取运动行为信号中的空间特征,双向门控单元提取信号中的时间特征,引入注意力机制对提取的特征进行强化,最终实现人体运动行为的识别.利用真实的数据集对所提出的DSC-BiGRU-Att孪生网络进行验证.实验结果表明,所提出的算法在样本量较少的情况下取得了较好的行为识别结果,改模型在自采集加速度数据集上的准确率为98.89%. 展开更多
关键词 深度学习 人体运动行为识别 注意力机制 深度可分离卷积 孪生网络
在线阅读 下载PDF
基于孪生网络的分类器输出重复性优化方法 被引量:1
14
作者 喻勇涛 孙奥 +1 位作者 李昂 朱琳琳 《计算机工程》 北大核心 2025年第1期118-127,共10页
在工业表面质检场景中,深度分类神经网络常用于对产品图像进行分类,实现对产品的合格判别或品质分级,搭载深度分类神经网络的表面质检设备需进行量具的检验重复性与再现性(AR&R)评估。但产品载具受装配公差以及设备振动等因素的影响... 在工业表面质检场景中,深度分类神经网络常用于对产品图像进行分类,实现对产品的合格判别或品质分级,搭载深度分类神经网络的表面质检设备需进行量具的检验重复性与再现性(AR&R)评估。但产品载具受装配公差以及设备振动等因素的影响,导致设备拍摄的产品图像会出现位置、角度、亮度、模糊度的相关扰动。针对扰动图像,分类神经网络将无法输出一致的分类结果和分类概率,使得表面质检设备无法通过AR&R评估,将此问题总结为网络输出重复性问题。为此,提出一种基于孪生网络的分类神经网络训练方法。孪生主网络使用原始样本进行监督学习训练,学习输出正确的分类类别,孪生次网络通过指数平滑拷贝主网络权重,输出与原始样本对应的扰动样本的特征嵌入,用于对主网络进行对比学习训练,使主网络对原始样本与扰动样本的输入均输出一致的分类概率,在推理过程中仅保留主网络用于产品缺陷分类。实验结果表明,该方法的分类准确率和分类概率方差分别为99.3462%和0.001016,可有效缓解使用深度分类神经网络对工业产品图像分类的输出重复性问题,在显著降低分类概率方差的同时分类准确率也有一定提升。 展开更多
关键词 深度学习 孪生网络 工业质检 重复性 检验重复性与再现性评估 鲁棒性
在线阅读 下载PDF
基于U-Net孪生网络的铁路异物侵限监测技术研究
15
作者 王飞 刘桂卫 +4 位作者 陈则连 张璇钰 孙琪皓 张瑞 薛双纲 《铁道工程学报》 北大核心 2025年第4期88-92,共5页
研究目的:异物侵限是铁路面临的最严重威胁之一,近年来屡屡发生列车脱轨和人员伤亡事故。当前异物侵限主要依靠人员盯控,无法实时进行监测和预警,且存在很多盲区。为了实现异物侵限的实时智能化监测,研究视频图像融合U-Net孪生网络模型... 研究目的:异物侵限是铁路面临的最严重威胁之一,近年来屡屡发生列车脱轨和人员伤亡事故。当前异物侵限主要依靠人员盯控,无法实时进行监测和预警,且存在很多盲区。为了实现异物侵限的实时智能化监测,研究视频图像融合U-Net孪生网络模型的监测技术,建立不同类型异物的样本库,通过与传统方法进行对比分析,验证本文方法的有效性,为该技术工程应用奠定基础。研究结论:(1)提出的引入ResNet-101构造的U-Net孪生网络模型,融合了不同尺度的语义信息,极大程度地减少了目标物的漏检问题,相比传统算法优势明显;(2)U-Net孪生网络模型在不同种类异物识别方面具有泛化性,对列车、人员、树枝、石头和轻飘物具有较高的识别率;(3)视频图像融合U-Net孪生网络技术的精确率和召回率分别达到0.95和0.96,误检率和漏检率分别为0.05和0.04,满足铁路监测要求;(4)本研究结果可为铁路异物侵限智能识别提供科学方法,可作为人工巡检的重要补充,极具推广价值。 展开更多
关键词 异物侵限 图像识别 U-Net孪生网络
在线阅读 下载PDF
基于伪孪生网络的无监督学习多语言神经机器翻译方法
16
作者 都力铭 屈丹 +1 位作者 张传财 席阳丽 《郑州大学学报(工学版)》 北大核心 2025年第6期8-14,共7页
无监督神经机器翻译采用单语数据进行训练时会产生大量噪音信息,使得机器翻译模型在训练迭代过程中的误差不断积累,影响翻译效果。针对此问题,在跨语言预训练模型(XLM)的基础上,提出了一种基于伪孪生网络的无监督神经机器翻译方法。该... 无监督神经机器翻译采用单语数据进行训练时会产生大量噪音信息,使得机器翻译模型在训练迭代过程中的误差不断积累,影响翻译效果。针对此问题,在跨语言预训练模型(XLM)的基础上,提出了一种基于伪孪生网络的无监督神经机器翻译方法。该方法将模型编码器分为两个模块,其中伪孪生网络部分引入了一种噪声过滤门机制,利用其对编码过程中的噪音特征进行过滤,使得模型能够更好地学习源语言和目标语言之间的映射关系。实验结果表明:在英语同德语、法语、罗马尼亚语3种语言之间的交互翻译任务中,所提方法相较于基线系统平均提升了3.5百分点,证明了其翻译效果的优越性,并使用消融实验对该模型各组件进行了有效性验证,同时在德译英翻译任务中模拟了该方法在不同噪声条件下的性能测试,表现出较好的抗噪性。 展开更多
关键词 无监督机器翻译 孪生网络 单语数据 噪声过滤门机制 跨语言预训练模型
在线阅读 下载PDF
基于增强控制流图与孪生网络架构的代码克隆检测方法
17
作者 熊曙初 段金焱 +1 位作者 尹璐 曾智勇 《计算机应用研究》 北大核心 2025年第7期2132-2140,共9页
针对现有代码克隆检测方法存在上下文信息缺失以及语义学习能力弱的问题,提出一种基于增强控制流图与孪生网络架构的代码克隆检测方法。该方法首先设计了代码表示结构ECFG(enhanced control flow graph),在控制流图中嵌入跨节点关联边... 针对现有代码克隆检测方法存在上下文信息缺失以及语义学习能力弱的问题,提出一种基于增强控制流图与孪生网络架构的代码克隆检测方法。该方法首先设计了代码表示结构ECFG(enhanced control flow graph),在控制流图中嵌入跨节点关联边以强化上下文信息的感知;其次构建基于孪生网络架构的代码语义匹配模型CGSMN(code graph semantic matching network)。该模型先融合多头注意力机制,提取节点中的关键信息,随后改进关系图注意力网络,捕获节点间的关联信息以生成图特征向量,再挖掘特征向量间的语义联系,计算语义相似度。在两个代表性数据集上进行实证,结果表明,与ASTNN、FA-AST和DHAST等方法相比,在BigCloneBench数据集上,F_(1)值提升了0.5~15.5百分点,在Google Code Jam数据集上F_(1)值提升了1.5~16.5百分点,证明了该方法针对语义克隆检测的有效性。 展开更多
关键词 控制流图 孪生网络架构 代码表征 语义相似性 克隆检测
在线阅读 下载PDF
三孪生网络视觉跟踪器
18
作者 王东辉 任红格 史涛 《机械设计与制造》 北大核心 2025年第3期71-75,共5页
针对传统孪生网络视觉跟踪器,在跟踪过程当中只采用初始模板,不能适应目标变化,信息编码方式冗余效率低下,导致跟踪器出现漂移的问题,这里提出了一种基于三孪生网络特征和图注意力机制的跟踪算法。该算法首先分析了不同模板与搜索区域... 针对传统孪生网络视觉跟踪器,在跟踪过程当中只采用初始模板,不能适应目标变化,信息编码方式冗余效率低下,导致跟踪器出现漂移的问题,这里提出了一种基于三孪生网络特征和图注意力机制的跟踪算法。该算法首先分析了不同模板与搜索区域的特征响应,然后构建三孪生特征提取网络,将跟踪器预测的结果作为补充模板送入到三孪生特征提取网络;其次,为了使得信息编码更加有效,引入图注意力机制,加强搜索区域和模板间的信息匹配;最后,采用无锚框的方式对目标的位置进行分类预测,对边框进行回归预测。在GOT-10K,OTB100和UAV123基准数据集上进了测,并与目前主流的跟踪器进行对比实验,结果表明这里提出的算法有效地抑制了跟踪器的漂移现象,提高了跟踪器的跟踪成功率,为跟踪器的设计提供了一种新的方法。 展开更多
关键词 视觉跟踪器 孪生网络 目标跟踪 图注意力
在线阅读 下载PDF
运动约束下结合区域提议网络的无人机孪生网络跟踪方法 被引量:1
19
作者 吴浩 符玺 +5 位作者 崔雄文 王正宁 敬辉 邹翔 高子然 江莉 《信号处理》 北大核心 2025年第5期924-935,共12页
光电探测设备是反无人机系统的重要组成部分,对无人机的图像确认取证有重要作用。目标跟踪是光电探测设备的核心技术。无人机目标体积小、背景环境复杂,因此无人机目标跟踪是一个具有挑战性的问题。此外,现有的无人机跟踪数据集在目标... 光电探测设备是反无人机系统的重要组成部分,对无人机的图像确认取证有重要作用。目标跟踪是光电探测设备的核心技术。无人机目标体积小、背景环境复杂,因此无人机目标跟踪是一个具有挑战性的问题。此外,现有的无人机跟踪数据集在目标大小和属性分布特征方面存在局限性,不能完全代表复杂的真实场景。针对以上问题,本文提出了一种运动约束下结合区域提议网络的无人机孪生网络跟踪方法。首先,在基于孪生网络的无人机跟踪方法的基础上,本文对权重初始化策略进行优化,提高了模型训练的稳定性和准确性。其次,针对无人机跟踪过程中的虚警和漏检问题,本文提出了一种融合目标置信度阈值与运动约束条件的动态自适应过滤策略,通过设定多级置信度门限,动态调整检测逻辑,提高无人机跟踪方法的场景自适应能力。最后,本文提出一种高低频自适应图像增强策略,解决部分场景中无人机细节信息缺失以及亮度分布不均匀的问题,提高了跟踪方法在低对比度场景和高动态范围图像中的性能。为了更全面地验证所提出的跟踪方法的性能,本文对Anti-UAV410标准数据集进行了扩充,构建了更具挑战性、泛化性能更强的Anti-UAV500数据集。实验结果表明,本文提出的SiamXC模型在Anti-UAV410数据集上相较SiamDT模型性能提升1.28%,并在自制数据集上相较现有的SOTA跟踪方法均有显著的性能提升。 展开更多
关键词 孪生神经网络 反无人机 目标跟踪 红外数据集
在线阅读 下载PDF
视觉跟踪技术中孪生网络的研究进展 被引量:2
20
作者 贺泽民 曾俊涛 +2 位作者 袁宝玺 梁德建 苗宗成 《液晶与显示》 CAS CSCD 北大核心 2024年第2期192-204,共13页
在计算机视觉领域中,基于孪生网络的跟踪算法相比于传统算法提高了精度和速度,但是仍会受到目标遮挡、变形、环境变化等影响,导致孪生网络的跟踪算法的性能降低。为了深入了解基于孪生网络的单目标跟踪算法,本文对现有基于孪生网络目标... 在计算机视觉领域中,基于孪生网络的跟踪算法相比于传统算法提高了精度和速度,但是仍会受到目标遮挡、变形、环境变化等影响,导致孪生网络的跟踪算法的性能降低。为了深入了解基于孪生网络的单目标跟踪算法,本文对现有基于孪生网络目标跟踪算法进行了总结和分析,主要包括在孪生网络中引入注意力机制方法、超参数推理方法和模板更新方法,对这3种方法的目标跟踪算法进行了综述,详细介绍了国内外近几年基于孪生网络的算法研究和发展现状。对3个方面的代表算法采用VOT2016、VOT2017、VOT2018和OTB-2015数据集进行实验对比,获得了多种基于孪生网络的目标跟踪算法的性能。最后对基于孪生网络的目标跟踪算法进行了总结,并对未来的发展方向进行了展望。 展开更多
关键词 计算机视觉 目标跟踪 孪生网络 深度学习
在线阅读 下载PDF
上一页 1 2 23 下一页 到第
使用帮助 返回顶部