检索结果-维普期刊中文期刊服务平台

基于半监督空间-通道选择性卷积核网络的极化SAR图像地物分类被引量：3: 1; 作者王睿川王岩飞《雷达学报（中英文）》 CSCD 北大核心 2021年第4期516-530,共15页; 针对极化合成孔径雷达(极化SAR)图像地物分类中标注样本数量少的问题,该文提出一种基于空间-通道选择性卷积核全卷积网络(SCSKFCN)和预选-联合优化半监督学习(SPUO)的极化SAR图像地物分类方法。SCSKFCN通过使用空间和通道注意力机制,对... 展开更多; 关键词极化SAR图像地物分类全卷积网络注意力机制半监督学习空间-通道选择性卷积核网络; 在线阅读下载PDF 职称材料

具有空间-通道重构卷积模块的肺音分类模型: 2; 作者叶娜吴辰文蒋佳霖《南方医科大学学报》 CAS CSCD 北大核心 2024年第9期1720-1728,共9页; 目的探究肺音数据的准确识别及分类。方法本文提出了一种结合空间-通道重构卷积(SCConv)模块的卷积网络架构以及双可调Q因子小波变换(DTQWT)与三重Wigner-Ville变换(WVT)结合的肺音特征提取方法,通过自适应地聚焦于重要的通道和空间特征... 展开更多; 关键词肺音分类卷积神经网络空间-通道重构卷积双可调Q因子小波变换三重Wigner-Ville变换; 在线阅读下载PDF 职称材料

混合扩张卷积和注意力机制的路面裂缝检测被引量：6: 3; 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

混合深度CNN联合注意力的高光谱图像分类被引量：9: 4; 作者王燕吕艳萍《计算机科学与探索》 CSCD 北大核心 2023年第2期385-395,共11页; 深度学习中的卷积神经网络(CNN)能充分利用计算机的计算能力,高效地提取遥感图像的特征,取得很好的成果,特别是在高光谱图像分类方面取得了很大的进展。为了在有限的高光谱样本上充分提取光谱和空间特征,提高高光谱图像分类的精度,提出... 展开更多; 关键词高光谱图像分类核主成分分析(KPCA) 卷积神经网络(CNN) 光谱-空间注意力机制深度学习; 在线阅读下载PDF 职称材料

基于全局时空感受野的高效视频分类方法: 5; 作者王辉涛胡燕《小型微型计算机系统》 CSCD 北大核心 2020年第8期1768-1775,共8页; 在现有混合卷积神经网络架构(2D+3D)的视频分类方法中,卷积滤波器都是对局部区域进行操作,无法捕获大范围的时空依赖关系,特征通道之间缺乏相互依赖关系,传统的三维卷积核无法很好地建模时空特征.针对这些问题,提出了一种基于全局时空... 展开更多; 关键词视频分类卷积神经网络通道和空间注意力全局时空感受野三维卷积核分解; 在线阅读下载PDF 职称材料

题名基于半监督空间-通道选择性卷积核网络的极化SAR图像地物分类被引量：3: 1; 作者王睿川王岩飞; 机构中国科学院空天信息创新研究院中国科学院大学电子电气与通信工程学院; 出处《雷达学报（中英文）》 CSCD 北大核心 2021年第4期516-530,共15页; 基金国家重点研发计划(2017YFB0503001)。; 文摘针对极化合成孔径雷达(极化SAR)图像地物分类中标注样本数量少的问题,该文提出一种基于空间-通道选择性卷积核全卷积网络(SCSKFCN)和预选-联合优化半监督学习(SPUO)的极化SAR图像地物分类方法。SCSKFCN通过使用空间和通道注意力机制,对不同感受野的特征进行自适应加权融合,有效提升了模型的分类性能。SPUO能够高效地利用标注样本,挖掘无标注样本中蕴含的信息。它采用K-Wishart距离进行样本预选并生成伪标签,然后在联合优化阶段使用真实标注样本和伪标注样本同时对模型进行优化。在模型优化过程中,SPUO对伪标注样本进行两步验证并筛选可靠的伪标注样本参与优化。实验结果表明,该方法能够在只使用少量标注样本的条件下实现高精度、高效率的极化SAR图像地物分类。; 关键词极化SAR图像地物分类全卷积网络注意力机制半监督学习空间-通道选择性卷积核网络; Keywords Terrain classification of PolSAR images Fully convolutional network Attention mechanism Semi-supervised learning Spatial-Channel Selective Kernel Network(SCSKCN); 分类号 TN958 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名具有空间-通道重构卷积模块的肺音分类模型: 2; 作者叶娜吴辰文蒋佳霖; 机构兰州交通大学电子与信息工程学院计算机科学与技术系; 出处《南方医科大学学报》 CAS CSCD 北大核心 2024年第9期1720-1728,共9页; 基金国家自然科学基金(62241204)。; 文摘目的探究肺音数据的准确识别及分类。方法本文提出了一种结合空间-通道重构卷积(SCConv)模块的卷积网络架构以及双可调Q因子小波变换(DTQWT)与三重Wigner-Ville变换(WVT)结合的肺音特征提取方法,通过自适应地聚焦于重要的通道和空间特征,提高模型对肺音关键特征的捕捉能力。基于ICBHI2017数据集,进行正常音、哮鸣音、爆裂音、哮鸣音和爆裂音结合的分类。结果方法在分类的准确率、敏感性、特异性以及F1分数上分别达到85.68%、93.55%、86.79%、90.51%。结论所提方法在ICBHI 2017肺音数据库上取得了优异的性能,特别是在区分正常肺音和异常肺音方面。; 关键词肺音分类卷积神经网络空间-通道重构卷积双可调Q因子小波变换三重Wigner-Ville变换; Keywords lung sound classification convolutional neural network spatial and channel reconstruction convolution dual tunable Q-factor wavelet transform triple Wigner-Ville transform; 分类号 TN912.3 [电子电信—通信与信息系统] R563.9 [医药卫生—呼吸系统] TP18 [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

题名混合扩张卷积和注意力机制的路面裂缝检测被引量：6: 3; 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

题名混合深度CNN联合注意力的高光谱图像分类被引量：9: 4; 作者王燕吕艳萍; 机构兰州理工大学计算机与通信学院; 出处《计算机科学与探索》 CSCD 北大核心 2023年第2期385-395,共11页; 基金国家自然科学基金(61863025) 甘肃省重点研发计划-工业类(18YF1GA060)。; 文摘深度学习中的卷积神经网络(CNN)能充分利用计算机的计算能力,高效地提取遥感图像的特征,取得很好的成果,特别是在高光谱图像分类方面取得了很大的进展。为了在有限的高光谱样本上充分提取光谱和空间特征,提高高光谱图像分类的精度,提出了混合深度卷积联合注意力(HDC-Attention)的模型。首先利用核主成分分析(KPCA)和小批量K均值(MBK-means)对高光谱图像进行组合降维,有效地消除数据冗余并保留主要信息量,使得降维后的数据具有最佳区分度。然后将降维后的数据输入HDC网络进行充分的光谱-空间特征提取。最后利用光谱-空间注意力,重新分配光谱-空间特征的权重,增强有用的空谱特征,抑制无用的特征。提出的模型在三个公开数据集上进行了多次实验,在有限的标记样本下,三个数据集的OA、AA、Kappa分类指标均超过99%。; 关键词高光谱图像分类核主成分分析(KPCA) 卷积神经网络(CNN) 光谱-空间注意力机制深度学习; Keywords hyperspectral image classification kernel principal component analysis(KPCA) convolutional neural networks(CNN) spectral-spatial attention mechanism deep learning; 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

题名基于全局时空感受野的高效视频分类方法: 5; 作者王辉涛胡燕; 机构武汉理工大学计算机学院; 出处《小型微型计算机系统》 CSCD 北大核心 2020年第8期1768-1775,共8页; 基金湖北省自然科学基金重点类项目(2017CFA012)资助湖北省自然科学基金项目(2019CFC919)资助.; 文摘在现有混合卷积神经网络架构(2D+3D)的视频分类方法中,卷积滤波器都是对局部区域进行操作,无法捕获大范围的时空依赖关系,特征通道之间缺乏相互依赖关系,传统的三维卷积核无法很好地建模时空特征.针对这些问题,提出了一种基于全局时空感受野的高效视频分类方法(CS-NL-SECO).首先将传统的三维卷积核分解成空域卷积核和时域卷积核,来更好地学习时空特征.然后在已有混合架构中的底层二维网络引入通道和空间注意力,通过学习自动获取每个特征通道的权重,依照权重关注重要的特征而抑制不相关的背景.最后在高层三维网络中引入全局时空感受野,学习全局时空特征表示自动捕获大范围的时空依赖关系.并在UCF101、HMDB51、Kinetics以及Something-something这四个视频分类常用的公有数据集上进行了实验,结果表明该方法无论在速度和精度上都远好于原方法,并且整体性能达到了最新方法的基准.; 关键词视频分类卷积神经网络通道和空间注意力全局时空感受野三维卷积核分解; Keywords video classification convolutional neural network channel and spatial attention global spatiotemporal receptive field seperable 3D convolution kernels; 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	作者	出处	发文年	被引量	操作
1	基于半监督空间-通道选择性卷积核网络的极化SAR图像地物分类	王睿川王岩飞	《雷达学报（中英文）》 CSCD 北大核心	2021	3	在线阅读下载PDF 职称材料
2	具有空间-通道重构卷积模块的肺音分类模型	叶娜吴辰文蒋佳霖	《南方医科大学学报》 CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
3	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
4	混合深度CNN联合注意力的高光谱图像分类	王燕吕艳萍	《计算机科学与探索》 CSCD 北大核心	2023	9	在线阅读下载PDF 职称材料
5	基于全局时空感受野的高效视频分类方法	王辉涛胡燕	《小型微型计算机系统》 CSCD 北大核心	2020	0	在线阅读下载PDF 职称材料