检索结果-维普期刊中文期刊服务平台

基于深度残差定点网络的太赫兹UM-MIMO系统信道估计算法被引量：1: 1; 作者于舒娟魏玉尧 +3 位作者蔡良隆卢宏宇张昀赵生妹《通信学报》北大核心 2025年第5期77-90,共14页; 针对THz超大规模MIMO系统中的混合场和波束偏移效应带来的信道估计难题,提出了基于深度学习的不动点正交近似消息传递残差自注意(FPN-OAMP-SRLG)算法。利用坐标注意力与部分通道移位提出深度残差块(BSRB)和门控线性自注意力(SARG),构建... 展开更多; 关键词信道估计 THz超大规模MIMO系统深度残差块注意力机制; 在线阅读下载PDF 职称材料

针对X线图像超分辨率重建的轻量残差注意力网络: 2; 作者杨昆齐晁仪 +4 位作者刘天军艾尚璞闫森广刘秀玲薛林雁《河北大学学报(自然科学版)》北大核心 2025年第4期419-430,共12页; 针对当前医学图像超分辨率重建算法复杂、参数量大等问题,提出了轻量化的X线医学图像超分辨率网络LDRAN(lightweight deep residual attention network).该方法设计了轻量且高效的残差块LDRB(lightweight deep residual block),在保证... 展开更多; 关键词超分辨重建轻量化深度残差块混合多维度注意力模块残差级联; 在线阅读下载PDF 职称材料

基于改进YOLOv7-tiny的车辆目标检测算法被引量：1: 3; 作者赵海丽许修常潘宇航《兵工学报》北大核心 2025年第4期101-111,共11页; 为更好地保护人民的生命财产安全,针对目前依靠人力进行交通管理工作时统计不准确、反馈不及时等问题,提出一种适合部署在边缘终端设备上的基于YOLOv7-tiny算法改进的车辆目标检测算法。通过构造深度强力残差卷积块对主干网络的轻量级... 展开更多; 关键词车辆检测 YOLOv7-tiny算法深度强力残差卷积块轻量级高效层聚合网络模块; 在线阅读下载PDF 职称材料

面向高分辨率遥感影像建筑物提取的SD-BASNet网络: 4; 作者朱娟娟黄亮朱莎莎《自然资源遥感》北大核心 2025年第5期122-130,共9页; 针对网络模型参数量大、下采样过程丢失影像建筑物细节信息的问题,受轻量级网络的启发,设计了一种融入深度可分离残差块和空洞卷积的建筑物提取网络(SD-BASNet)。首先,在深度监督编码器预测模块中设计了一个深度可分离残差块,将深度可... 展开更多; 关键词建筑物提取高分辨率遥感影像 BASNet网络深度可分离残差块空洞卷积; 在线阅读下载PDF 职称材料

基于MDM-ResNet的脑肿瘤分类方法被引量：8: 5; 作者夏景明邢露萍 +1 位作者谈玲宣大伟《南京信息工程大学学报（自然科学版）》 CAS 北大核心 2022年第2期212-219,共8页; 脑肿瘤是世界上最致命的癌症之一.由于脑肿瘤的多样性,其图像分类成为了当代研究的热点.近年来,深度神经网络(DNN)常用于医学图像分类,但随着深度的增加网络会出现梯度消失和过拟合的问题,而残差网络(ResNet)通过引入恒等映射可以缓解... 展开更多; 关键词脑肿瘤深度神经网络(DNN) 残差网络(ResNet) 多尺寸卷积核模块双通道池化层多深度融合残差块; 在线阅读下载PDF 职称材料

题名基于深度残差定点网络的太赫兹UM-MIMO系统信道估计算法被引量：1: 1; 作者于舒娟魏玉尧蔡良隆卢宏宇张昀赵生妹; 机构南京邮电大学电子与光学工程学院、柔性电子(未来技术)学院南京邮电大学通信与信息工程学院; 出处《通信学报》北大核心 2025年第5期77-90,共14页; 基金国家自然科学基金资助项目(No.62375140)。; 文摘针对THz超大规模MIMO系统中的混合场和波束偏移效应带来的信道估计难题,提出了基于深度学习的不动点正交近似消息传递残差自注意(FPN-OAMP-SRLG)算法。利用坐标注意力与部分通道移位提出深度残差块(BSRB)和门控线性自注意力(SARG),构建了特征提取网络SRLG,并结合FPN-OAMP框架,将信道估计问题建模为图像恢复问题。以最小二乘算法估计后的导频信息作为输入特征,通过FPN-OAMP-SRLG中线性估计器和非线性估计器迭代来恢复信道状态信息。仿真表明,所提算法不仅能高精度地估计THZ信道,且具有较快的收敛速度和良好的鲁棒性。; 关键词信道估计 THz超大规模MIMO系统深度残差块注意力机制; Keywords channel estimation THz ultra-massive MIMO system deep residual block attention mechanism; 分类号 TN92 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名针对X线图像超分辨率重建的轻量残差注意力网络: 2; 作者杨昆齐晁仪刘天军艾尚璞闫森广刘秀玲薛林雁; 机构河北大学质量技术监督学院计量仪器与系统国家地方联合工程研究中心河北省新能源汽车动力系统轻量化技术创新中心河北大学电子信息工程学院河北省数字医疗工程重点实验室; 出处《河北大学学报(自然科学版)》北大核心 2025年第4期419-430,共12页; 基金河北省自然科学基金项目(F2022201037) 河北大学科研创新团队项目(IT2023B07)。; 文摘针对当前医学图像超分辨率重建算法复杂、参数量大等问题,提出了轻量化的X线医学图像超分辨率网络LDRAN(lightweight deep residual attention network).该方法设计了轻量且高效的残差块LDRB(lightweight deep residual block),在保证参数量不增加的条件下,通过增设卷积层来提取更为丰富的图像特征.为进一步提高卷积层间的信息传递效率,设计了一种新颖的残差级联方案IRSC(improved residual skip concatenation).同时,为应对医学影像中信噪比低的问题,构建了多维混合注意力机制模块CSPMA(channel-spatial-pixel mixed attention),该模块分别从通道、空间和像素3个维度筛选信息,从而显著增强了网络对关键图像特征的捕捉能力.实验结果表明,LDRAN在X线医学图像数据集Chest X-ray上的PSNR为36.81 dB,SSIM为0.8966,均取得了最优.并且能够更好地重建X线图像的细节和纹理.此外,LDRAN在3个自然图像数据集上的重建效果比多数具有代表性的算法更好.; 关键词超分辨重建轻量化深度残差块混合多维度注意力模块残差级联; Keywords super-resolution reconstruction lightweight deep residual block mixed multidimensional attention module residual cascade; 分类号 TP391 [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

题名基于改进YOLOv7-tiny的车辆目标检测算法被引量：1: 3; 作者赵海丽许修常潘宇航; 机构长春理工大学电子信息工程学院; 出处《兵工学报》北大核心 2025年第4期101-111,共11页; 基金吉林省科技厅科技攻关项目(20210201092GX)。; 文摘为更好地保护人民的生命财产安全,针对目前依靠人力进行交通管理工作时统计不准确、反馈不及时等问题,提出一种适合部署在边缘终端设备上的基于YOLOv7-tiny算法改进的车辆目标检测算法。通过构造深度强力残差卷积块对主干网络的轻量级高效层聚合网络(Efficient Layer Aggregation Network-Tiny,ELAN-T)模块进行轻量化改进;通过削减分支,对特征融合网络的ELAN-T模块进行轻量化改进,降低网络的参数量和计算量,并对特征融合网络的结构进行重新构造;引入高效通道注意力机制和EIOU边界框损失函数提升算法的精度。在预处理后的UA-DETRAC数据集上实验,改进后的算法参数量相比于原始的YOLOv7-tiny算法降低了15.1%,计算量降低了5.3%,mAP@0.5提升了5.3个百分点。实验结果表明,改进后的算法不仅实现了轻量化,而且检测精度有所提升,适合部署在边缘终端设备上,完成对道路中车辆的检测任务。; 关键词车辆检测 YOLOv7-tiny算法深度强力残差卷积块轻量级高效层聚合网络模块; Keywords vehicle detection YOLOv7-tiny algorithm deep powerful residual convolutional block efficient layer aggregation network-tiny module; 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

题名面向高分辨率遥感影像建筑物提取的SD-BASNet网络: 4; 作者朱娟娟黄亮朱莎莎; 机构昆明理工大学国土资源工程学院云南省地矿测绘院有限公司云南省山地灾害天空地一体化智慧监测国际联合实验室中国地质调查局昆明自然资源综合调查中心; 出处《自然资源遥感》北大核心 2025年第5期122-130,共9页; 基金国家自然科学基金项目“面向光学与SAR遥感图像语义变化检测的多任务学习方法研究”(编号:42361054) 云南省基础研究计划项目“轻量级自适应尺度特征遥感影像非监督变化检测方法”(编号:202201AT070164) +1 种基金兴滇英才支持计划项目共同资助。; 文摘针对网络模型参数量大、下采样过程丢失影像建筑物细节信息的问题,受轻量级网络的启发,设计了一种融入深度可分离残差块和空洞卷积的建筑物提取网络(SD-BASNet)。首先,在深度监督编码器预测模块中设计了一个深度可分离残差块,将深度可分离卷积引入主干网络ResNet中,避免卷积核过大,减少网络的参数量;其次,为防止网络轻量化带来的精度下降,将空洞卷积融入后处理优化模块的编码层,增大特征图的感受野,从而捕捉更广泛的上下文信息,提高建筑物特征提取的准确性。在WHU建筑物数据集上进行实验,在不同尺度建筑物提取中均表现较好,其平均交并比和平均像素精度分别为92.25%和96.59%,其召回率、精确率和F1指标分别达到96.50%,93.79%和92.61%。与PSPNet,SegNet,DeepLabV3,SE-UNet,UNet++等语义分割网络相比,SD-BASNet网络提取精度得到了显著提升,且提取的建筑物完整度更好;与基础网络BASNet相比,SD-BASNet网络的参数量与运行时间也有所减少,证实了该文提出的SD-BASNet网络的有效性。; 关键词建筑物提取高分辨率遥感影像 BASNet网络深度可分离残差块空洞卷积; Keywords building extraction high-spatial-resolution remote sensing imagery boundary-aware salient object detection(BASNet) depthwise separable residual block dilated convolution; 分类号 TP79 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于MDM-ResNet的脑肿瘤分类方法被引量：8: 5; 作者夏景明邢露萍谈玲宣大伟; 机构南京信息工程大学南京信息工程大学; 出处《南京信息工程大学学报（自然科学版）》 CAS 北大核心 2022年第2期212-219,共8页; 基金国家自然科学基金(41505017)。; 文摘脑肿瘤是世界上最致命的癌症之一.由于脑肿瘤的多样性,其图像分类成为了当代研究的热点.近年来,深度神经网络(DNN)常用于医学图像分类,但随着深度的增加网络会出现梯度消失和过拟合的问题,而残差网络(ResNet)通过引入恒等映射可以缓解这些问题.因此,本文基于ResNet提出了一种MDM-ResNet网络,该网络由多尺寸卷积核模块(Multi-size convolution kernel module)、双通道池化层(Dual-channel pooling layer)和多深度融合残差块(Multi-depth fusion residual block)组成.本文实验在Figshare数据集上展开,采用数据增强操作对图像进行预处理,并利用5倍交叉验证方法对网络性能进行评估.最终实验结果表明MDM-ResNet能够对脑膜瘤(Meningioma)、胶质瘤(Glioma)和垂体瘤(Pituitary tumor)进行有效分类.; 关键词脑肿瘤深度神经网络(DNN) 残差网络(ResNet) 多尺寸卷积核模块双通道池化层多深度融合残差块; Keywords brain tumor deep neural network(DNN) residual network(ResNet) multi-size convolution kernel module dual-channel pooling layer multi-depth fusion residual block; 分类号 R739.41 [医药卫生—肿瘤] TP183 [自动化与计算机技术—控制理论与控制工程]; 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	基于深度残差定点网络的太赫兹UM-MIMO系统信道估计算法	于舒娟魏玉尧蔡良隆卢宏宇张昀赵生妹	《通信学报》北大核心	2025	1	在线阅读下载PDF 职称材料
2	针对X线图像超分辨率重建的轻量残差注意力网络	杨昆齐晁仪刘天军艾尚璞闫森广刘秀玲薛林雁	《河北大学学报(自然科学版)》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于改进YOLOv7-tiny的车辆目标检测算法	赵海丽许修常潘宇航	《兵工学报》北大核心	2025	1	在线阅读下载PDF 职称材料
4	面向高分辨率遥感影像建筑物提取的SD-BASNet网络	朱娟娟黄亮朱莎莎	《自然资源遥感》北大核心	2025	0	在线阅读下载PDF 职称材料
5	基于MDM-ResNet的脑肿瘤分类方法	夏景明邢露萍谈玲宣大伟	《南京信息工程大学学报（自然科学版）》 CAS 北大核心	2022	8	在线阅读下载PDF 职称材料