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10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：
基于残差增强注意力的跨模态行人重识别 被引量：2
1
作者 邵文斌 刘玉杰 +1 位作者 孙晓瑞 李宗民 《图学学报》 CSCD 北大核心 2023年第1期33-40,共8页
跨模态行人重识别主要面临2个问题:(1)成像机制不同所导致的红外图像和可见光图像之间的模态差异;(2)图像特征的身份判别性不足导致的类内差异。针对上述2个问题,基于残差增强注意力的跨模态行人重识别方法被提出用来提高行人特征的模... 跨模态行人重识别主要面临2个问题:(1)成像机制不同所导致的红外图像和可见光图像之间的模态差异;(2)图像特征的身份判别性不足导致的类内差异。针对上述2个问题,基于残差增强注意力的跨模态行人重识别方法被提出用来提高行人特征的模态不变性和身份判别性。首先,设计网络浅层参数独立、网络深层参数共享的双路卷积神经网络作为骨干网络。然后,分析现有注意力机制存在的全局弱化,设计了残差增强注意力方法解决该问题,提升注意力机制的性能,将其分别应用在网络浅层的通道维度和深层的空间位置上,提升模型对于模态差异的消除能力和行人特征的身份鉴别能力。在SYSU-MM01和RegDB2个数据集上进行的实验证明了该方法的先进性,大量的对比实验也充分证明本文方法的有效性。 展开更多
关键词 行人重识别 残差增强 注意力机制 模态不变性 神经网络
在线阅读 下载PDF
基于时频增强残差网络的补偿电容故障诊断方法 被引量：3
2
作者 陈光武 陈俊 +1 位作者 石建强 李鹏 《北京交通大学学报》 CSCD 北大核心 2024年第5期130-141,共12页
针对现有轨道电路补偿电容故障诊断方法在复杂环境中受到高噪声干扰,导致故障诊断精度低的问题,提出一种基于迁移学习、连续小波变换(Continuous Wavelet Transform,CWT)和时频增强残差网络(Time-Frequency Enhanced Residual Network,T... 针对现有轨道电路补偿电容故障诊断方法在复杂环境中受到高噪声干扰,导致故障诊断精度低的问题,提出一种基于迁移学习、连续小波变换(Continuous Wavelet Transform,CWT)和时频增强残差网络(Time-Frequency Enhanced Residual Network,TFEResNet)的智能故障诊断算法.采用CWT将原始感应电压信号的时域和频域信息相结合,生成小波时频图,该图能够将补偿电容故障的特征信息映射到不同时间和尺度的局部位置,有效增强模型对故障特征的捕捉能力;将小波时频图输入到构建的TFEResNet模型中进行迁移学习训练,用于特征提取和故障分类,TFEResNet能够从时频图中提取复杂的时频特征,减少信号中多余和无用噪声的不良影响,提升诊断精度和模型的泛化能力.实验结果表明:在高噪声环境下,本文方法相较于其他方法在补偿电容故障诊断中表现出更高的准确率,其值达到99.28%,同时精确率、召回率和F1评分等指标也更优,证明了方法的有效性,为基于数据驱动的轨道电路补偿电容故障诊断提供了一种新方法. 展开更多
关键词 轨道电路 时频增强残差网络 迁移学习 补偿电容故障诊断 连续小波变换
在线阅读 下载PDF
基于双重注意力融合和空洞残差特征增强的场景文本检测 被引量：1
3
作者 李利荣 张开 +4 位作者 陈鹏 周蕾 乐玲 熊炜 巩朋成 《激光杂志》 CAS 北大核心 2022年第1期45-51,共7页
针对自然场景中任意形状文本容易漏检、错检的问题,提出了一种基于双重注意力融合和空洞残差特征增强的场景文本检测方法。为了增强文本特征通道之间的潜在联系,提出了双重注意力融合(DAF)模块,采用双向特征金字塔与双重注意力融合模块... 针对自然场景中任意形状文本容易漏检、错检的问题,提出了一种基于双重注意力融合和空洞残差特征增强的场景文本检测方法。为了增强文本特征通道之间的潜在联系,提出了双重注意力融合(DAF)模块,采用双向特征金字塔与双重注意力融合模块相结合的方式进行多层的特征融合;另外针对深层特征图在降维的过程中可能造成语义丢失的现象,提出了空洞残差特征增强(D-RFA)模块。通过在弯曲文本数据集CTW1500上的测试表明,该方法的准确率、召回率和F值分别达到了87.8%、84.2%和86.0%,同时在多方向文本数据集ICDAR2015上也有良好的表现,证明了该方法在各种形状文本检测上的有效性。 展开更多
关键词 场景文本检测 双向特征金字塔 双重注意力融合 空洞残差特征增强
在线阅读 下载PDF
基于多尺度增强级联残差网络的DAS地震资料背景噪声衰减方法 被引量：1
4
作者 钟铁 王玮钰 +3 位作者 王伟 董士琦 卢绍平 董新桐 《石油地球物理勘探》 EI CSCD 北大核心 2023年第6期1332-1342,共11页
由于复杂强背景噪声的影响,分布式光纤声学传感(Distributed Optical Fiber Acoustic Sensing,DAS)采集的地震记录普遍信噪比较低。如何有效抑制背景噪声,恢复弱上行反射信息,切实提升DAS记录信噪比,已成为资料处理领域的热点问题之一... 由于复杂强背景噪声的影响,分布式光纤声学传感(Distributed Optical Fiber Acoustic Sensing,DAS)采集的地震记录普遍信噪比较低。如何有效抑制背景噪声,恢复弱上行反射信息,切实提升DAS记录信噪比,已成为资料处理领域的热点问题之一。针对复杂DAS背景噪声消减问题,提出了一种多尺度增强级联残差网络(Multiscale Enhanced Cascade Residual Network,MECRN)。MECRN具有双路径级联残差网络结构,通过双路径机制提取DAS记录浅层信息。在此基础上,引入空洞卷积和多尺度模块提取DAS记录的多尺度特征,并通过跳跃连接导入浅层特征,在避免有效特征损失的同时,提升网络的特征提取能力。最后,通过残差学习整合局部和全局特征,并对重建特征细化,进一步提升了MECRN的去噪能力。模拟和实际DAS资料处理结果均表明,MECRN可以有效地压制DAS记录中的复杂背景噪声,准确恢复弱反射信号,显著提升处理DAS资料的能力。 展开更多
关键词 分布式光纤声学传感(DAS) 复杂背景噪声 多尺度增强级联残差网络 低信噪比 噪声衰减
在线阅读 下载PDF
基于EM自注意力残差的图像超分辨率重建网络
5
作者 黄淑英 胡瀚洋 +2 位作者 杨勇 万伟国 吴峥 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第2期388-397,共10页
基于深度学习的图像超分辨率(SR)重建方法主要通过增加模型的深度来提升图像重建的质量,但同时增加了模型的计算代价,很多网络利用注意力机制来提高特征提取能力,但难以充分学习到不同区域的特征。为此,提出一种基于期望最大化(EM)自注... 基于深度学习的图像超分辨率(SR)重建方法主要通过增加模型的深度来提升图像重建的质量,但同时增加了模型的计算代价,很多网络利用注意力机制来提高特征提取能力,但难以充分学习到不同区域的特征。为此,提出一种基于期望最大化(EM)自注意力残差的图像超分辨率重建网络。该网络通过改进基础残差块,构建特征增强残差块,以更好地复用残差块中所提取的特征。为增加特征信息在空间上的相关性,引入EM自注意力机制,构建EM自注意力残差模块来增强模型中每个模块的特征提取能力,并通过级联EM自注意力残差模块来构建整个模型的特征提取结构。所获得的特征图通过上采样的图像重建模块获得重建的高分辨率图像。将所提方法与主流方法进行实验对比,结果表明:所提方法在5个流行的SR测试集上能够取得较好的主观视觉效果和更优的性能指标。 展开更多
关键词 超分辨率重建 注意力机制 期望最大化 特征增强残差块 EM自注意力残差模块
在线阅读 下载PDF
增强特征金字塔结构的显著目标检测算法 被引量：2
6
作者 刘剑峰 潘晨 《计算机工程与应用》 CSCD 北大核心 2022年第12期226-233,共8页
显著目标检测是计算机视觉的研究热点。显著目标检测算法存在一些问题,如:算法常采用单一损失函数,缺乏对多维特征损失的考虑,可能带来局限性;最高层特征图来源单一;特征图融合常使用对应像素相加,不能有效突出图像中感兴趣区域。针对... 显著目标检测是计算机视觉的研究热点。显著目标检测算法存在一些问题,如:算法常采用单一损失函数,缺乏对多维特征损失的考虑,可能带来局限性;最高层特征图来源单一;特征图融合常使用对应像素相加,不能有效突出图像中感兴趣区域。针对上述问题,结合结构性相似、交并比和交叉熵三种损失函数来捕捉图像细节,采用对应像素相乘操作融合特征图,令模型对显著区域更加敏感;通过残差特征图增强模块逆向构建更高层特征图强化其语义信息;采用特征金字塔结构融合不同尺度信息,完成编码解码模块。在5个数据集的对比实验表明该方法性能超过主流算法,能实现有效的显著目标检测。 展开更多
关键词 显著目标检测 特征金字塔网络 残差特征图增强
在线阅读 下载PDF
改进YOLOv8的SAR影像船舰目标检测模型
7
作者 杨明秋 陈国坤 +1 位作者 左小清 董燕 《测绘通报》 CSCD 北大核心 2024年第12期18-23,共6页
在SAR影像船舰目标检测任务中,受近海岸区域背景复杂和船舰目标多尺度等因素影响,船舰目标在检测过程中出现检测精度不高、漏检的问题。针对上述问题,本文提出了一种基于YOLOv8s改进的SAR影像船舰目标检测模型,并在SSDD和HRSID数据集上... 在SAR影像船舰目标检测任务中,受近海岸区域背景复杂和船舰目标多尺度等因素影响,船舰目标在检测过程中出现检测精度不高、漏检的问题。针对上述问题,本文提出了一种基于YOLOv8s改进的SAR影像船舰目标检测模型,并在SSDD和HRSID数据集上进行试验验证,效果优于其他经典算法。 展开更多
关键词 船舰目标检测 SAR影像 残差增强 可变形卷积 动态稀疏注意力
在线阅读 下载PDF
改进Oriented R-CNN的遥感图像定向目标检测算法 被引量：2
8
作者 王雷雨 王正勇 +1 位作者 陈洪刚 何小海 《电子测量技术》 北大核心 2024年第21期138-149,共12页
近年来遥感目标检测的研究主要集中在改进边界框的表示方法,而忽略了遥感场景中独特的先验知识。为了进一步提高双阶段模型的检测精度,同时保持推理复杂度,本文以大核卷积构建的特征提取器LSKNet为基线,在特征表示和训练策略上进一步做... 近年来遥感目标检测的研究主要集中在改进边界框的表示方法,而忽略了遥感场景中独特的先验知识。为了进一步提高双阶段模型的检测精度,同时保持推理复杂度,本文以大核卷积构建的特征提取器LSKNet为基线,在特征表示和训练策略上进一步做出了改进。首先,通过RFA提取比例不变的上下文信息,以缓解LSKNet引入的背景噪声、提高模型对噪声的鲁棒性;然后,通过构建CS进一步提出CS策略来缩小不同尺度特征之间的语义鸿沟、使模型具备多尺度能力的同时更专注于小目标。本文的方法在几乎没有增加推理复杂度的同时,在大型遥感图像数据集DOTA上的单尺度结果达到了79.03%mAP 50,证明了提出方案的有效性。 展开更多
关键词 目标检测 遥感图像 小目标 残差特征增强 一致性监督
在线阅读 下载PDF
采用动态样本分配的特征融合目标检测算法 被引量：1
9
作者 牛文涛 王鹏 +3 位作者 陈遵田 李晓艳 郜辉 孙梦宇 《计算机工程与应用》 CSCD 北大核心 2024年第15期211-220,共10页
针对轻量级目标检测算法SSD-Lite检测精度低、对小目标预测能力差等问题,提出了一种采用动态样本分配策略的多尺度特征融合目标检测算法。在轻量级目标检测算法SSD-Lite的颈部网络引入特征金字塔结构(feature pyramid network,FPN),并... 针对轻量级目标检测算法SSD-Lite检测精度低、对小目标预测能力差等问题,提出了一种采用动态样本分配策略的多尺度特征融合目标检测算法。在轻量级目标检测算法SSD-Lite的颈部网络引入特征金字塔结构(feature pyramid network,FPN),并对其进行轻量化设计,同时引入残差特征增强模块(residual feature augmentation,RFA),采用残差分支注入不同空间的上下文信息来改善高层特征的特征表达,以提升网络对小目标的检测能力;在特征金字塔结构中插入轻量级注意力机制ECA模块,提升网络对重要特征的关注能力;针对网络训练过程中采用的固定交并比(intersection-over-union,IOU)阈值的样本分配策略导致的正负样本分配适应性差、难以选出高质量正样本等问题,设计了一种动态样本分配策略,取消锚框的预设置,采用中心点采样的方式,同时结合样本均值、标准差作为筛选阈值,减少人工先验的影响,在不改变网络结构的情况下提升算法性能。算法在Pascal VOC数据集上测试,实验结果表明:该算法整体预测精度相较于基准算法提升1.9个百分点,对小目标检测能力提升3.3个百分点,算法推理时延仅增加2.32%;实验证明了该算法可以以较小的性能代价,显著提升算法的预测精度。 展开更多
关键词 特征金字塔结构 残差特征增强模块 轻量级注意力机制 动态样本分配策略
在线阅读 下载PDF
结合特征学习与注意力机制的服装图像分割 被引量：8
10
作者 顾梅花 刘杰 +1 位作者 李立瑶 崔琳 《纺织学报》 EI CAS CSCD 北大核心 2022年第11期163-171,共9页
针对小尺寸服装与遮挡服装图像分割准确率低的问题,提出一种基于改进多尺度特征学习策略与注意力机制的服装图像分割方法。以Mask R-CNN为基础框架,首先采用增强特征金字塔网络优化模型的特征学习过程,对多尺度服装特征进行统一监督,缩... 针对小尺寸服装与遮挡服装图像分割准确率低的问题,提出一种基于改进多尺度特征学习策略与注意力机制的服装图像分割方法。以Mask R-CNN为基础框架,首先采用增强特征金字塔网络优化模型的特征学习过程,对多尺度服装特征进行统一监督,缩小不同层级之间的语义差距,引入残差特征增强模块减少高层特征损失,采用软感兴趣区域选择自适应地获取最优感兴趣区域特征;然后在分类预测分支引入通道注意力模块,在边界框回归与掩膜预测分支分别引入空间注意力模块,提取图像中需要重点关注的服装区域特征。结果表明,与其他方法相比,本文方法改善了小尺寸服装图像和遮挡服装图像分割中存在的漏检、漏分割现象,提取出的服装实例更精确,其平均精度均值比原模型提升了3.8%。 展开更多
关键词 服装图像分割 多尺度特征学习 一致监督策略 残差特征增强 软感兴趣区域选择 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 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