期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于局部全局自注意与空间通道稀疏增强的红外船舶目标检测算法研究
1
作者
黎煜培
王忠华
《红外与激光工程》
北大核心
2025年第3期339-351,共13页
针对红外船舶图像检测中存在目标尺度变化大、密集堆叠目标多、小目标细节丢失等问题,提出了一种基于局部全局自注意与空间通道稀疏增强的红外船舶目标检测算法。首先,在YOLOv8s主干网络中融入局部全局自注意力模块,以获取更丰富的局部...
针对红外船舶图像检测中存在目标尺度变化大、密集堆叠目标多、小目标细节丢失等问题,提出了一种基于局部全局自注意与空间通道稀疏增强的红外船舶目标检测算法。首先,在YOLOv8s主干网络中融入局部全局自注意力模块,以获取更丰富的局部和全局特征,解决深度特征提取过程中的信息稀释丢失问题,实现细致化聚焦目标特征,增强特征间依赖关系,提高小目标的特征提取能力。其次,在颈部网络中加入空间通道稀疏注意力模块,将分块特征提取与通道稀疏策略深度融合,提升多尺度目标的空间信息捕获能力,重构通道信息,再对特征重标定,强化重要特征信息的影响,增强多尺度特征融合能力。最后,采用引入了递减置信度惩罚因子的Soft-NMS改进NMS,优化堆叠目标与小目标误检漏检的问题。实验结果表明,改进后的YOLOv8s模型相较于基准模型,在mAP0.5和mAP0.5∶0.95评价指标上分别提高了2.1%和4.4%,达到95.7%和72.8%,进一步验证了该算法在提升红外船舶目标检测精度上的有效性。同时,与其他经典模型和最新的YOLOv11模型相比,该算法在检测精度方面具有更好的性能。
展开更多
关键词
YOLOv8s
局部全局自注意力
空间通道稀疏
注意力
Soft-NMS
在线阅读
下载PDF
职称材料
整合边缘卷积与全局-局部自注意力的机载点云分类
2
作者
涂静敏
严进
+3 位作者
李礼
姚剑
李婕
康妍斐
《光学精密工程》
CSCD
北大核心
2024年第24期3658-3673,共16页
激光点云分类是实现三维场景理解的基础。针对机载点云大场景分类中存在的特征表达不足、样本类别不均衡的问题,本文提出一种整合边缘卷积与全局-局部自注意力的机载点云分类方法。首先,以U-net为网络框架,融合Point Transformer与边缘...
激光点云分类是实现三维场景理解的基础。针对机载点云大场景分类中存在的特征表达不足、样本类别不均衡的问题,本文提出一种整合边缘卷积与全局-局部自注意力的机载点云分类方法。首先,以U-net为网络框架,融合Point Transformer与边缘卷积模块,使得模型能够关注到复杂地物边界和纹理信息,获得表达能力更好的局部几何特征。其次,创新性地提出一种融合全局上下文信息和局部结构特征的自注意力机制,全局自注意力模块倾向于整个输入序列的信息,而局部自注意力模块则更注重于局部区域的细节。两种机制结合增强了对长距离依赖关系和局部结构的捕捉,同时使得模型能够兼顾少数类别的关键特征,在一定程度上降低样本类别不均衡对分类精度的影响,有助于提高模型对复杂地物关系的分类能力。最后,在公开的ISPRS-3D数据集和WHU-Urban3D数据集上对本文所提出的方法进行验证,实验结果表明,该方法在两个数据集上的分类精度分别为82.5%和87.4%,优于PointNet++,Stratified Transformer等经典网络及ISPRS 3D官网竞赛网络,可有效提升机载点云分类精度。
展开更多
关键词
机载激光雷达
点云分类
边缘卷积
全局
-
局部
自注意力
U-net
在线阅读
下载PDF
职称材料
基于分割分类多任务学习的轻量化脑血管造影质量评估模型
3
作者
黄逸凡
陆小锋
+2 位作者
孙军
唐嘉吕
刘学锋
《应用科学学报》
2025年第4期672-683,共12页
为解决脑血管造影人工质控的不稳定和非实时问题,实现实时脑血管造影质量评估,提出了一种轻量化的分割分类多任务学习模型。该模型分为特征提取主干模块、血管分割模块、造影质量分类模块3个部分,并用深度可分离卷积替代传统卷积以降低...
为解决脑血管造影人工质控的不稳定和非实时问题,实现实时脑血管造影质量评估,提出了一种轻量化的分割分类多任务学习模型。该模型分为特征提取主干模块、血管分割模块、造影质量分类模块3个部分,并用深度可分离卷积替代传统卷积以降低参数量;提出了一种局部-全局自注意力模块以增强全局信息的提取能力;在血管分割模块中设计了特征聚合模块以优化特征连接。通过结合质量分类模块和分割结果以及主干特征来评估造影质量,并为模型训练设计了联合损失函数。实验结果表明,提出的模型在参数量仅为3.4342×10^(6)的情况下获得了较好的分割与分类性能,质量评估准确率达到0.8182,且实时性高。
展开更多
关键词
脑血管造影
多任务学习
局部
-
全局
自注意力
特征聚合
在线阅读
下载PDF
职称材料
题名
基于局部全局自注意与空间通道稀疏增强的红外船舶目标检测算法研究
1
作者
黎煜培
王忠华
机构
南昌航空大学信息工程学院
出处
《红外与激光工程》
北大核心
2025年第3期339-351,共13页
基金
国家自然科学基金项目(62366034)。
文摘
针对红外船舶图像检测中存在目标尺度变化大、密集堆叠目标多、小目标细节丢失等问题,提出了一种基于局部全局自注意与空间通道稀疏增强的红外船舶目标检测算法。首先,在YOLOv8s主干网络中融入局部全局自注意力模块,以获取更丰富的局部和全局特征,解决深度特征提取过程中的信息稀释丢失问题,实现细致化聚焦目标特征,增强特征间依赖关系,提高小目标的特征提取能力。其次,在颈部网络中加入空间通道稀疏注意力模块,将分块特征提取与通道稀疏策略深度融合,提升多尺度目标的空间信息捕获能力,重构通道信息,再对特征重标定,强化重要特征信息的影响,增强多尺度特征融合能力。最后,采用引入了递减置信度惩罚因子的Soft-NMS改进NMS,优化堆叠目标与小目标误检漏检的问题。实验结果表明,改进后的YOLOv8s模型相较于基准模型,在mAP0.5和mAP0.5∶0.95评价指标上分别提高了2.1%和4.4%,达到95.7%和72.8%,进一步验证了该算法在提升红外船舶目标检测精度上的有效性。同时,与其他经典模型和最新的YOLOv11模型相比,该算法在检测精度方面具有更好的性能。
关键词
YOLOv8s
局部全局自注意力
空间通道稀疏
注意力
Soft-NMS
Keywords
YOLOv8s
local-global self-attention
spatial-channel sparse attention
Soft-NMS
分类号
TP391.4 [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
整合边缘卷积与全局-局部自注意力的机载点云分类
2
作者
涂静敏
严进
李礼
姚剑
李婕
康妍斐
机构
湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室
武汉大学遥感信息工程学院
武汉市勘察设计有限公司
出处
《光学精密工程》
CSCD
北大核心
2024年第24期3658-3673,共16页
基金
国家自然科学基金项目(No.42301515)
智能光电系统感知及应用四川省高校重点实验室开放基金(No.ZNGD2308)
+2 种基金
湖北工业大学博士科研启动基金(No.XJ2021004501)
实景地理环境安徽省重点实验室开放课题(No.2022PGE008)
深圳市科技重大专项(No.KJZD20230923114611023)。
文摘
激光点云分类是实现三维场景理解的基础。针对机载点云大场景分类中存在的特征表达不足、样本类别不均衡的问题,本文提出一种整合边缘卷积与全局-局部自注意力的机载点云分类方法。首先,以U-net为网络框架,融合Point Transformer与边缘卷积模块,使得模型能够关注到复杂地物边界和纹理信息,获得表达能力更好的局部几何特征。其次,创新性地提出一种融合全局上下文信息和局部结构特征的自注意力机制,全局自注意力模块倾向于整个输入序列的信息,而局部自注意力模块则更注重于局部区域的细节。两种机制结合增强了对长距离依赖关系和局部结构的捕捉,同时使得模型能够兼顾少数类别的关键特征,在一定程度上降低样本类别不均衡对分类精度的影响,有助于提高模型对复杂地物关系的分类能力。最后,在公开的ISPRS-3D数据集和WHU-Urban3D数据集上对本文所提出的方法进行验证,实验结果表明,该方法在两个数据集上的分类精度分别为82.5%和87.4%,优于PointNet++,Stratified Transformer等经典网络及ISPRS 3D官网竞赛网络,可有效提升机载点云分类精度。
关键词
机载激光雷达
点云分类
边缘卷积
全局
-
局部
自注意力
U-net
Keywords
airborne lidar
point cloud classification
graph convolution
global-local self-attention
U-net
分类号
TN957.52 [电子电信—信号与信息处理]
在线阅读
下载PDF
职称材料
题名
基于分割分类多任务学习的轻量化脑血管造影质量评估模型
3
作者
黄逸凡
陆小锋
孙军
唐嘉吕
刘学锋
机构
上海大学通信与信息工程学院
出处
《应用科学学报》
2025年第4期672-683,共12页
基金
上海市科委科研计划基金(No.22511103403,No.22511103304)
上达转化医学基金(No.SDTMF2022KP04)。
文摘
为解决脑血管造影人工质控的不稳定和非实时问题,实现实时脑血管造影质量评估,提出了一种轻量化的分割分类多任务学习模型。该模型分为特征提取主干模块、血管分割模块、造影质量分类模块3个部分,并用深度可分离卷积替代传统卷积以降低参数量;提出了一种局部-全局自注意力模块以增强全局信息的提取能力;在血管分割模块中设计了特征聚合模块以优化特征连接。通过结合质量分类模块和分割结果以及主干特征来评估造影质量,并为模型训练设计了联合损失函数。实验结果表明,提出的模型在参数量仅为3.4342×10^(6)的情况下获得了较好的分割与分类性能,质量评估准确率达到0.8182,且实时性高。
关键词
脑血管造影
多任务学习
局部
-
全局
自注意力
特征聚合
Keywords
cerebral angiography
multi-task learning
local-global self-attention
feature aggregation
分类号
TN911.73 [电子电信]
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
基于局部全局自注意与空间通道稀疏增强的红外船舶目标检测算法研究
黎煜培
王忠华
《红外与激光工程》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
整合边缘卷积与全局-局部自注意力的机载点云分类
涂静敏
严进
李礼
姚剑
李婕
康妍斐
《光学精密工程》
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
3
基于分割分类多任务学习的轻量化脑血管造影质量评估模型
黄逸凡
陆小锋
孙军
唐嘉吕
刘学锋
《应用科学学报》
2025
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
