检索结果-维普期刊中文期刊服务平台

混合扩张卷积和注意力机制的路面裂缝检测被引量：6: 1; 作者瞿中李明《计算机工程与设计》北大核心 2023年第8期2425-2431,共7页; 针对复杂背景下路面裂缝检测困难的问题,提出一种基于混合扩张卷积和空间-通道注意力机制的路面裂缝检测算法。基于改进的U-Net网络,在编码阶段,使用空间-通道注意力机制增强裂缝特征,抑制非裂缝特征;在网络中间部分,使用混合扩张卷积... 展开更多; 关键词裂缝检测深度学习卷积神经网络编码-解码结构混合扩张卷积空间-通道注意力机制多尺度特征融合; 在线阅读下载PDF 职称材料

基于残差混合扩张卷积的深度编解码人类精子头部分割网络: 2; 作者吕琪贤范朝刚詹曙《计算机工程与科学》 CSCD 北大核心 2021年第4期721-728,共8页; 精子头部形状是精子形态分析中的一个重要指标,对诊断男性不育十分重要,因此准确高效地分割出精子头部至关重要。基于此,在残差网络的基础上融合扩张卷积与堆叠残差结构,构建了一个新型编解码分割网络。建立了一个用于分割人类精子头部... 展开更多; 关键词人类精子头部分割精子畸形深度学习残差结构混合扩张卷积; 在线阅读下载PDF 职称材料

基于字词混合的中文实体关系联合抽取方法被引量：10: 3; 作者葛君伟李帅领方义秋《计算机应用研究》 CSCD 北大核心 2021年第9期2619-2623,共5页; 针对中文关系抽取中分词时引起的边界切分出错而造成的歧义问题,以及出现实体对重叠不能提取出所涉及的多个关系问题,提出一种基于字词混合的联合抽取方法。首先,对于分词边界问题,嵌入层在词向量的基础上结合字向量,并且增加位置信息... 展开更多; 关键词关系抽取分词字词混合边界切分混合扩张卷积; 在线阅读下载PDF 职称材料

基于卷积和注意力机制的小样本目标检测被引量：2: 4; 作者郭永红牛海涛 +1 位作者史超郭铖《兵工学报》 EI CAS CSCD 北大核心 2023年第11期3508-3515,共8页; 小样本目标检测(FSOD)旨在使检测器只用少量的训练样本就能适应未见的类别。典型的FSOD方法使用Faster R-CNN作为基本检测框架,利用卷积神经网络提取图像特征,而卷积神经网络中采用的旨在捕获尽可能多的图像信息的池化操作将不可避免地... 展开更多; 关键词小样本目标检测混合扩张卷积支持特征动态融合; 在线阅读下载PDF 职称材料

基于改进DeepLab V3+的果园场景多类别分割方法被引量：10: 5; 作者刘慧姜建滨 +3 位作者沈跃贾卫东曾潇庄珍珍《农业机械学报》 EI CAS CSCD 北大核心 2022年第11期255-261,共7页; 果园环境实时检测是保证果园喷雾机器人精准作业的重要前提。本文提出了一种基于改进DeepLab V3+语义分割模型的果园场景多类别分割方法。为了在果园喷雾机器人上部署,使用轻量化MobileNet V2网络替代原有的Xception网络以减少网络参数... 展开更多; 关键词果园喷雾机器人语义分割 DeepLab V3+ 混合扩张卷积感受野; 在线阅读下载PDF 职称材料

基于U-Net的葡萄种植区遥感识别方法被引量：9: 6; 作者张宏鸣张国良 +3 位作者朱珊娜陈欢梁会孙志同《农业机械学报》 EI CAS CSCD 北大核心 2022年第4期173-182,共10页; 为提高葡萄种植区遥感识别精度,基于高分二号卫星遥感影像,对U-Net网络进行改进:从空间和通道维度自适应校准特征映射,以增强有意义的特征,抑制不相关的特征,提升地物边缘分割精度;减少下采样次数,使用混合扩张卷积代替常规卷积操作,以... 展开更多; 关键词高分辨率遥感影像高分二号葡萄种植区 U-Net 注意力机制混合扩张卷积; 在线阅读下载PDF 职称材料

基于多尺度特征增强DHTCN的电力系统短期负荷预测研究被引量：11: 7; 作者梁露张智晟《电力系统保护与控制》 EI CSCD 北大核心 2023年第10期172-179,共8页; 为充分挖掘蕴含在电力负荷数据中的多尺度时序信息,提升短期电力负荷预测精度,提出了一种多尺度特征增强的改进时间卷积神经网络(improved temporal convolutional network with multi-scale feature enhancement,ECA-MS-DHTCN)模型。首... 展开更多; 关键词短期负荷预测多尺度特征提取高效通道注意力混合扩张卷积时间卷积神经网络; 在线阅读下载PDF 职称材料

题名混合扩张卷积和注意力机制的路面裂缝检测被引量：6: 1; 作者瞿中李明; 机构重庆邮电大学计算机科学与技术学院; 出处《计算机工程与设计》北大核心 2023年第8期2425-2431,共7页; 基金国家自然科学基金项目(62176034)。; 文摘针对复杂背景下路面裂缝检测困难的问题,提出一种基于混合扩张卷积和空间-通道注意力机制的路面裂缝检测算法。基于改进的U-Net网络,在编码阶段,使用空间-通道注意力机制增强裂缝特征,抑制非裂缝特征;在网络中间部分,使用混合扩张卷积实现在不增加额外模块的前提下增大网络的感受野;在解码阶段,融合多层次和多尺度特征使最终预测结果更接近路面真实情况。实验结果表明,所提算法能够快速准确地对路面裂缝进行检测,具有较强的鲁棒性。; 关键词裂缝检测深度学习卷积神经网络编码-解码结构混合扩张卷积空间-通道注意力机制多尺度特征融合; Keywords crack detection deep learning convolutional neural network encoding-decoding structure hybrid dilated convolution spatial-channel attention mechanism multi-scale feature fusion; 分类号 TP391.41 [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

题名基于残差混合扩张卷积的深度编解码人类精子头部分割网络: 2; 作者吕琪贤范朝刚詹曙; 机构合肥工业大学计算机与信息学院东部战区总医院; 出处《计算机工程与科学》 CSCD 北大核心 2021年第4期721-728,共8页; 基金国家自然科学基金(61371156)。; 文摘精子头部形状是精子形态分析中的一个重要指标,对诊断男性不育十分重要,因此准确高效地分割出精子头部至关重要。基于此,在残差网络的基础上融合扩张卷积与堆叠残差结构,构建了一个新型编解码分割网络。建立了一个用于分割人类精子头部的数据集,其中包含1207幅图像,并利用它来训练测试网络。所提出的网络能在多精子、无染色原图中获得优良的分割结果,在验证集上得到了96.06%的Dice系数。实验结果表明,堆叠残差模块和残差混合扩张卷积模块对分割效果有着显著提升作用。此外,本文网络处理的是呈现出精子真实形态的图像,其分割出的精准结果有利于医生临床诊断。; 关键词人类精子头部分割精子畸形深度学习残差结构混合扩张卷积; Keywords human sperm head segmentation sperm deformity deep learning residual block hybrid dilated convolution; 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

题名基于字词混合的中文实体关系联合抽取方法被引量：10: 3; 作者葛君伟李帅领方义秋; 机构重庆邮电大学计算机科学与技术学院; 出处《计算机应用研究》 CSCD 北大核心 2021年第9期2619-2623,共5页; 基金国家自然科学基金面上项目(62072066)。; 文摘针对中文关系抽取中分词时引起的边界切分出错而造成的歧义问题,以及出现实体对重叠不能提取出所涉及的多个关系问题,提出一种基于字词混合的联合抽取方法。首先,对于分词边界问题,嵌入层在词向量的基础上结合字向量,并且增加位置信息来保证字与字之间的正确顺序。其次,模型引入混合扩张卷积网络进行不同粒度、更远距离的特征提取。最后,采用分层标注方法,通过得到的主实体信息标记对应的关系和客实体,每个主实体可对应多个关系和客实体。与其他关系抽取方法在相同中文数据集上进行实验对比,实验结果表明,该方法的抽取效果最佳,并且也表现出更好的稳定性。; 关键词关系抽取分词字词混合边界切分混合扩张卷积; Keywords relation extraction word segmentation word mixing boundary segmentation mixed expansion convolution; 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

题名基于卷积和注意力机制的小样本目标检测被引量：2: 4; 作者郭永红牛海涛史超郭铖; 机构中国兵器工业计算机应用技术研究所北京理工大学机械与车辆学院; 出处《兵工学报》 EI CAS CSCD 北大核心 2023年第11期3508-3515,共8页; 文摘小样本目标检测(FSOD)旨在使检测器只用少量的训练样本就能适应未见的类别。典型的FSOD方法使用Faster R-CNN作为基本检测框架,利用卷积神经网络提取图像特征,而卷积神经网络中采用的旨在捕获尽可能多的图像信息的池化操作将不可避免地导致图像信息的丢失。在主干网络中引入混合扩张卷积,以确保更大的感受野并最大限度地减少图像信息的损失。在k-shot设置中,为充分利用给定的支持数据,提出支持特征动态融合模块,以每个支持特征和查询特征之间的相关性为权重,自适应地融合支持特征,以获得更强大的支持线索。实验结果表明,新方法在公共Pascal VOC和MS-COCO数据集上实现了较好的FSOD性能。; 关键词小样本目标检测混合扩张卷积支持特征动态融合; Keywords few-shot object detection hybrid dilated convolution support feature dynamic fusion; 分类号 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

题名基于改进DeepLab V3+的果园场景多类别分割方法被引量：10: 5; 作者刘慧姜建滨沈跃贾卫东曾潇庄珍珍; 机构江苏大学电气信息工程学院江苏大学农业工程学院; 出处《农业机械学报》 EI CAS CSCD 北大核心 2022年第11期255-261,共7页; 基金国家自然科学基金项目(32171908) 江苏省现代农机装备与技术示范推广项目(NJ2021-14) +2 种基金江苏高校优势学科建设工程项目(PAPD); 文摘果园环境实时检测是保证果园喷雾机器人精准作业的重要前提。本文提出了一种基于改进DeepLab V3+语义分割模型的果园场景多类别分割方法。为了在果园喷雾机器人上部署,使用轻量化MobileNet V2网络替代原有的Xception网络以减少网络参数,并在空洞空间金字塔池化(Atrous spatial pyramid pooling, ASPP)模块中运用ReLU6激活函数减少部署在移动设备的精度损失,此外结合混合扩张卷积(Hybrid dilated convolution, HDC),以混合扩张卷积替代原有网络中的空洞卷积,将ASPP中的扩张率设为互质以减少空洞卷积的网格效应。使用视觉传感器采集果园场景RGB图像,选取果树、人、天空等8类常见的目标制作了数据集,并在该数据集上基于Pytorch对改进前后的DeepLab V3+进行训练、验证和测试。结果表明,改进后DeepLab V3+模型的平均像素精度、平均交并比分别达到62.81%和56.64%,比改进前分别提升5.52、8.75个百分点。模型参数量较改进前压缩88.67%,单幅图像分割时间为0.08 s,与原模型相比减少0.09 s。尤其是对树的分割精度达到95.61%,比改进前提高1.31个百分点。该方法可为喷雾机器人精准施药和安全作业提供有效决策,具有实用性。; 关键词果园喷雾机器人语义分割 DeepLab V3+ 混合扩张卷积感受野; Keywords orchard spray robot semantic segmentation DeepLab V3+ hybrid dilated convolution receptive field; 分类号 S491 [农业科学—植物保护] TP183 [自动化与计算机技术—控制理论与控制工程] TP391.41 [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U-Net的葡萄种植区遥感识别方法被引量：9: 6; 作者张宏鸣张国良朱珊娜陈欢梁会孙志同; 机构西北农林科技大学信息工程学院宁夏智慧农业产业技术协同创新中心; 出处《农业机械学报》 EI CAS CSCD 北大核心 2022年第4期173-182,共10页; 基金宁夏智慧农业产业技术协同创新中心项目(2017DC53) 国家自然科学基金项目(41771315) 国家重点研发计划项目(2020YFD1100601)。; 文摘为提高葡萄种植区遥感识别精度,基于高分二号卫星遥感影像,对U-Net网络进行改进:从空间和通道维度自适应校准特征映射,以增强有意义的特征,抑制不相关的特征,提升地物边缘分割精度;减少下采样次数,使用混合扩张卷积代替常规卷积操作,以增大卷积核感受野,降低图像分辨率的损失,提高对不同尺寸地物的识别能力。实验结果表明,本文模型在测试集上的像素准确率、平均交并比和频权交并比分别为96.56%、93.11%、93.35%,比FCN-8s网络分别提高了5.17、9.57、9.17个百分点,比U-Net网络提高了2.39、4.59、4.39个百分点。此外,本文通过消融实验和特征可视化证明了注意力模块和混合扩张卷积在精度提升上的可行性。本文模型结构简单、参数量少,能够识别不同面积的葡萄种植区,边缘分割效果良好。; 关键词高分辨率遥感影像高分二号葡萄种植区 U-Net 注意力机制混合扩张卷积; Keywords high resolution remote sensing imagery GF-2 grape planting region U-Net attention mechanism hybrid dilated convolution; 分类号 TP751.1 [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

题名基于多尺度特征增强DHTCN的电力系统短期负荷预测研究被引量：11: 7; 作者梁露张智晟; 机构青岛大学电气工程学院; 出处《电力系统保护与控制》 EI CSCD 北大核心 2023年第10期172-179,共8页; 基金国家自然科学基金项目资助(52077108)。; 文摘为充分挖掘蕴含在电力负荷数据中的多尺度时序信息,提升短期电力负荷预测精度,提出了一种多尺度特征增强的改进时间卷积神经网络(improved temporal convolutional network with multi-scale feature enhancement,ECA-MS-DHTCN)模型。首先,使用4种不同尺寸卷积核的因果卷积提取负荷数据特征,并在特征提取层中嵌入高效通道注意力(efficient channel attention network,ECA)模块实现不降维的局部跨通道交互,得到带有通道注意力的多尺度负荷特征。然后,利用双混合扩张卷积层改进基本时间卷积神经网络(temporal convolutional network,TCN)残差块结构,克服TCN模型中扩张卷积结构存在的信息不连续及远距离信息不相关问题,兼顾负荷特征浅层细节及深层联系。最后,将ECA优化的多尺度特征提取层与改进TCN模型结合搭建ECA-MS-DHTCN负荷预测框架,完成短期负荷预测任务。经实际电网负荷数据仿真,结果表明所提出的ECA-MS-DHTCN模型可以在保持较快训练速度的同时有效地提高预测精度。; 关键词短期负荷预测多尺度特征提取高效通道注意力混合扩张卷积时间卷积神经网络; Keywords short-term load forecasting multi-scale feature extraction efficient channel attention hybrid dilated convolution temporal convolutional neural network; 分类号 TM715 [电气工程—电力系统及自动化]; 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	混合扩张卷积和注意力机制的路面裂缝检测	瞿中李明	《计算机工程与设计》北大核心	2023	6	在线阅读下载PDF 职称材料
2	基于残差混合扩张卷积的深度编解码人类精子头部分割网络	吕琪贤范朝刚詹曙	《计算机工程与科学》 CSCD 北大核心	2021	0	在线阅读下载PDF 职称材料
3	基于字词混合的中文实体关系联合抽取方法	葛君伟李帅领方义秋	《计算机应用研究》 CSCD 北大核心	2021	10	在线阅读下载PDF 职称材料
4	基于卷积和注意力机制的小样本目标检测	郭永红牛海涛史超郭铖	《兵工学报》 EI CAS CSCD 北大核心	2023	2	在线阅读下载PDF 职称材料
5	基于改进DeepLab V3+的果园场景多类别分割方法	刘慧姜建滨沈跃贾卫东曾潇庄珍珍	《农业机械学报》 EI CAS CSCD 北大核心	2022	10	在线阅读下载PDF 职称材料
6	基于U-Net的葡萄种植区遥感识别方法	张宏鸣张国良朱珊娜陈欢梁会孙志同	《农业机械学报》 EI CAS CSCD 北大核心	2022	9	在线阅读下载PDF 职称材料
7	基于多尺度特征增强DHTCN的电力系统短期负荷预测研究	梁露张智晟	《电力系统保护与控制》 EI CSCD 北大核心	2023	11	在线阅读下载PDF 职称材料