检索结果-维普期刊中文期刊服务平台

基于聚焦线性注意力Retinexformer的TEDS图像实时暗光增强方法研究被引量：1: 1; 作者王登飞苏宏升 +2 位作者陈光武陈登科赵小娟《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第11期4840-4850,共11页; 列车高速运行下,表面部件易产生机械损伤,影响列车的安全运行。用于损伤检测的动车组运行故障图像检测系统(TEDS)需进行检测的部件形态多样、体积大小不一,且因对列车底部、夜晚进行图像采集时的暗光环境导致图像大部分区域偏暗,对比度... 展开更多; 关键词动车组运行故障图像检测系统暗光增强 Retinexformer 线性聚焦多头自注意力空间一致性损失; 在线阅读下载PDF 职称材料

基于视觉自注意力模型与轨迹滤波器的篮球战术识别: 2; 作者许国良沈刚 +1 位作者梁旭鹏雒江涛《电子与信息学报》 EI CAS CSCD 北大核心 2024年第2期615-623,共9页; 通过机器学习分析球员轨迹数据获得进攻或防守战术,是篮球视频内容理解的关键组成部分。传统机器学习方法需要人为设定特征变量,灵活性大大降低,因此如何自动获取可用于战术识别的特征信息成为关键问题。为此,该文基于美国职业篮球联赛(... 展开更多; 关键词篮球战术识别球员轨迹轨迹滤波器对数线性复杂度多头注意力; 在线阅读下载PDF 职称材料

多头自注意力与双线性池化融合的心肌缺血影像分类: 3; 作者周嘉文郑小盈 +5 位作者祝永新林思敏陈凌曜曾洪斌郭俞王馨莹《计算机工程》 2025年第11期246-257,共12页; 深度学习在心肌缺血辅助诊断中有重要应用价值,但传统深度学习医学图像分类网络存在无法捕捉心肌计算机断层扫描(CT)类别间细微差异、丢失CT数据三维(3D)结构信息等问题。为此,提出一种DBTMed3D网络,采用3D双线性细粒度池化对传统Med3D... 展开更多; 关键词心肌缺血卷积神经网络双线性细粒度多头自注意力机制类别激活图跳跃连接; 在线阅读下载PDF 职称材料

融合动态卷积Transformer与CMA-ES的锂电池寿命预测方法: 4; 作者王雄燃张菁《太阳能学报》北大核心 2025年第6期1-8,共8页; 锂电池寿命预测对能源管理和维护具有重要意义,为解决预测过程中复杂的多维时间序列数据、长时间依赖关系以及特征的动态变化等问题,提出一种基于动态卷积神经网络层和Transformer(DCF)、协方差矩阵自适应调整的进化策略(CMAES)和多头... 展开更多; 关键词锂电池卷积神经网络协方差矩阵多头自注意力机制模型超参数非线性; 在线阅读下载PDF 职称材料

轻量级词典协同记忆聚焦处理的Web攻击检测研究被引量：1: 5; 作者刘拥民黄浩 +3 位作者石婷婷欧阳金怡刘翰林谢铁强《重庆理工大学学报（自然科学）》 CAS 北大核心 2023年第3期172-182,共11页; 使用深度学习模型检测Web攻击,输入完整的HTTP文本会使词典增大,进而导致模型参数过载,增加存储成本。此外,攻击载荷的位置不确定性及语义复杂性会导致漏报率高。针对模型参数过载和漏报攻击载荷问题,提出了一种基于轻量级词典协同记忆... 展开更多; 关键词 Web攻击检测文本预处理多头注意力机制聚焦处理; 在线阅读下载PDF 职称材料

基于多层聚焦Inception-V3卷积网络的细粒度图像分类被引量：11: 6; 作者王波黄冕 +2 位作者刘利军黄青松单文琦《电子学报》 EI CAS CSCD 北大核心 2022年第1期72-78,共7页; 细粒度图片具有结构多变、背景干扰大、类间差异小、类内差异大等特点,准确地定位与提取判别性局部特征至关重要.本文提出一种多层聚焦卷积网络,通过首层聚焦网络能够准确、有效地聚焦于识别局域并生成定位区域,根据定位区域对原图像分... 展开更多; 关键词多层聚焦卷积网络 Inception-V3网络注意力机制双线性注意力最大池化; 在线阅读下载PDF 职称材料

题名基于聚焦线性注意力Retinexformer的TEDS图像实时暗光增强方法研究被引量：1: 1; 作者王登飞苏宏升陈光武陈登科赵小娟; 机构兰州交通大学自动化与电气工程学院甘肃省高原交通信息工程及控制重点实验室中国铁路呼和浩特局集团公司包头车辆段; 出处《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第11期4840-4850,共11页; 基金国铁集团科技计划项目(N2023G064) 甘肃省科技计划资助项目(21ZD4WA018,23JRRA1693)。; 文摘列车高速运行下,表面部件易产生机械损伤,影响列车的安全运行。用于损伤检测的动车组运行故障图像检测系统(TEDS)需进行检测的部件形态多样、体积大小不一,且因对列车底部、夜晚进行图像采集时的暗光环境导致图像大部分区域偏暗,对比度低,给工作人员对故障的分析和标注带来干扰,影响检测的实时性和准确率,提出一种基于线性聚焦注意力的Retinexformer(RetinexFLAformer)网络对TEDS图像进行暗光增强。首先分析Retinexformer中进行自注意力计算的相似矩阵存在低秩的问题,采用线性聚焦注意力对网络进行改进,在保证计算复杂度不变的情况下,提高相似矩阵的秩以增加网络的特征多样性;其次增加空间一致性损失、曝光控制损失和颜色恒定损失,来抑制由于曝光不均引起的局部区域对比度下降和颜色畸变;最后在以上改进的基础上进一步调整网络结构构建FastRetinexFLAformer,以达到更快的暗光图像处理速度。研究表明,改进后的RetinexFLAformer能有效提高TEDS图片的暗光增强效果,和其他算法对比,评价指标PSNR和SSIM分别提高0.55和0.023;FastRetinexFLAformer网络参数文件只有3.34 M,可达到当前主流方法相当的处理效果,且能有效提升暗光增强速度,达到TEDS系统的实时性需求。研究成果可有效提高TEDS系统的图片质量,提高损伤识别和标注的精准度,提升工作人员的效率,更好地保障铁路的安全运行。; 关键词动车组运行故障图像检测系统暗光增强 Retinexformer 线性聚焦多头自注意力空间一致性损失; Keywords trouble of moving electric multiple units detection system(TEDS) dim light enhancement Retinexformer linear focused multi-head self attention spatial consistency loss; 分类号 U279.3 [机械工程—车辆工程]; 在线阅读下载PDF 职称材料

题名基于视觉自注意力模型与轨迹滤波器的篮球战术识别: 2; 作者许国良沈刚梁旭鹏雒江涛; 机构重庆邮电大学通信与信息工程学院重庆邮电大学体育学院; 出处《电子与信息学报》 EI CAS CSCD 北大核心 2024年第2期615-623,共9页; 基金重庆市体育局科研重点项目(A2019002,A202113)。; 文摘通过机器学习分析球员轨迹数据获得进攻或防守战术,是篮球视频内容理解的关键组成部分。传统机器学习方法需要人为设定特征变量,灵活性大大降低,因此如何自动获取可用于战术识别的特征信息成为关键问题。为此,该文基于美国职业篮球联赛(NBA)比赛中球员轨迹数据设计了一个篮球战术识别模型(TacViT),该模型以视觉自注意力模型(ViT)作为主干网络,利用多头注意力模块提取丰富的全局轨迹特征信息,同时并入轨迹滤波器来加强球场线与球员轨迹之间的特征信息交互,增强球员位置特征表示,其中轨迹滤波器以对数线性复杂度学习频域中的长期空间相关性。该文将运动视觉系统(SportVU)的序列数据转化为轨迹图,自建篮球战术数据集(PlayersTrack),在该数据集上的实验表明,TacViT的准确率达到了82.5%,相对未做更改的视觉自注意力S模型(ViT-S),精度上提升了16.7%。; 关键词篮球战术识别球员轨迹轨迹滤波器对数线性复杂度多头注意力; Keywords Basketball tactics recognition Players trajectory Track filter Log-linear complexity Multi-head attention; 分类号 TP391 [自动化与计算机技术—计算机应用技术] TN929 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名多头自注意力与双线性池化融合的心肌缺血影像分类: 3; 作者周嘉文郑小盈祝永新林思敏陈凌曜曾洪斌郭俞王馨莹; 机构中国科学院上海高等研究院; 出处《计算机工程》 2025年第11期246-257,共12页; 基金国家自然科学基金(12373113,62004201) 上海市人才发展资金项目(E1322E1) 上海核工程研究设计院股份有限公司知识图谱应用开发与测试项目(E3423E1)。; 文摘深度学习在心肌缺血辅助诊断中有重要应用价值,但传统深度学习医学图像分类网络存在无法捕捉心肌计算机断层扫描(CT)类别间细微差异、丢失CT数据三维(3D)结构信息等问题。为此,提出一种DBTMed3D网络,采用3D双线性细粒度池化对传统Med3D网络中的卷积模块进行改进,用于处理包括CT和MRI在内的多模态医学图像数据。同时,模仿ResNet网络,在模块中引入跳跃连接,融合图像细粒度二阶特征和卷积模块提取到的特征,使得网络在关注局部特征的同时保留整体特征。此外,引入3D类别激活图,将热力图叠加在原心肌图像的CT切片上,突出网络模型重点关注的心肌位置。最后,设计3D层次化多头自注意力模块,通过捕获图像局部特征解决3D医学图像的细粒度分类问题。实验结果表明,DBTMed3D在心肌CT数据集上的分类准确率为86.4%,相比基准网络3D ResNet-50提升了6.7百分点,具有较优的分类效果。; 关键词心肌缺血卷积神经网络双线性细粒度多头自注意力机制类别激活图跳跃连接; Keywords myocardial ischemia Convolutional Neural Network(CNN) bilinear fine-grained multi-head self-attention mechanism class activation map skip connection; 分类号 TP391 [自动化与计算机技术]; 在线阅读下载PDF 职称材料

题名融合动态卷积Transformer与CMA-ES的锂电池寿命预测方法: 4; 作者王雄燃张菁; 机构上海工程技术大学电子电气工程学院; 出处《太阳能学报》北大核心 2025年第6期1-8,共8页; 基金国家自然科学基金(51707117)。; 文摘锂电池寿命预测对能源管理和维护具有重要意义,为解决预测过程中复杂的多维时间序列数据、长时间依赖关系以及特征的动态变化等问题,提出一种基于动态卷积神经网络层和Transformer(DCF)、协方差矩阵自适应调整的进化策略(CMAES)和多头自注意力机制的锂电池寿命预测模型。DCF通过动态提取时间序列中的关键特征,降低数据维度和冗余性,捕捉长时间依赖;CMA-ES优化模型超参数,增强模型对局部特征与全局依赖的建模能力;多头自注意力机制则进一步聚焦重要特征,处理复杂的非线性动态关系。使用NASA提供的公开锂电池数据集进行实验验证,结果表明该方法的平均绝对误差最小达到0.28%,优于大部分使用同一数据集的现有方法。实验结果进一步证明,模型在预测准确度和泛化能力上均有提升,尤其在长期寿命预测中展现出更高的精度和鲁棒性,可为锂电池的寿命预测提供更为可靠的技术支持。; 关键词锂电池卷积神经网络协方差矩阵多头自注意力机制模型超参数非线性; Keywords lithium batteries convolutional neural networks covariance matrix multi head self attention mechanism model hyperparameters nonlinear; 分类号 TM912 [电气工程—电力电子与电力传动]; 在线阅读下载PDF 职称材料

题名轻量级词典协同记忆聚焦处理的Web攻击检测研究被引量：1: 5; 作者刘拥民黄浩石婷婷欧阳金怡刘翰林谢铁强; 机构中南林业科技大学计算机与信息工程学院中南林业科技大学智慧林业云研究中心; 出处《重庆理工大学学报（自然科学）》 CAS 北大核心 2023年第3期172-182,共11页; 基金国家自然科学基金项目(31870532) 湖南省自然科学基金项目(2021JJ31163) +1 种基金湖南省教育厅科研项目(18C0679)。; 文摘使用深度学习模型检测Web攻击,输入完整的HTTP文本会使词典增大,进而导致模型参数过载,增加存储成本。此外,攻击载荷的位置不确定性及语义复杂性会导致漏报率高。针对模型参数过载和漏报攻击载荷问题,提出了一种基于轻量级词典协同记忆聚焦处理模型的Web攻击检测方法。生成轻量级词典,结合轻量级词典的预处理规则,依次执行保留、替换、添加、丢弃等操作预处理HTTP文本,减轻参数过载问题。结合基于双向长短时记忆和多头注意力机制的记忆聚焦处理模型,提高记忆能力和对攻击载荷的聚焦处理能力以降低漏报率。在模拟数据集上新方法的准确率为98.66%,比URL_WORD+GRU提高了3.19百分点,在检测的攻击类型中,最低的漏报率为0.60%。实验结果表明:新方法能有效解决参数过载问题,提高检测准确率,同时降低漏报率。; 关键词 Web攻击检测文本预处理多头注意力机制聚焦处理; Keywords Web attack detection text preprocessing multi-head attention mechanism focus processing; 分类号 TP393 [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

题名基于多层聚焦Inception-V3卷积网络的细粒度图像分类被引量：11: 6; 作者王波黄冕刘利军黄青松单文琦; 机构昆明理工大学信息工程与自动化学院云南国土资源职业学院信息中心云南大学信息学院云南省计算机技术应用重点实验室; 出处《电子学报》 EI CAS CSCD 北大核心 2022年第1期72-78,共7页; 基金国家自然科学基金(No.81860318,No.81560296) 云南省计算机技术应用重点实验室开放基金(No.2020106)。; 文摘细粒度图片具有结构多变、背景干扰大、类间差异小、类内差异大等特点,准确地定位与提取判别性局部特征至关重要.本文提出一种多层聚焦卷积网络,通过首层聚焦网络能够准确、有效地聚焦于识别局域并生成定位区域,根据定位区域对原图像分别进行裁剪和遮挡后输入下一层的聚焦网络进行训练分类.其中单层聚焦网络以In⁃ception-V3网络为基础,通过卷积块特征注意力模块和定位区域选择机制来聚焦有效的定位区域;使用双线性注意力最大池化提取各个局部的特征;最后进行分类预测.本文在3个常用的细粒度数据集CUB-2011、FGVC-Aircraft以及Stanford Cars上进行了实验验证,分别获得了89.7%、93.6%和95.1%的Top-1准确率.实验结果表明,本模型的分类准确率高于目前主流方法.; 关键词多层聚焦卷积网络 Inception-V3网络注意力机制双线性注意力最大池化; Keywords multilayer focused convolution network inception-V3 attention mechanism bilinear attention maxi⁃mum pooling; 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	基于聚焦线性注意力Retinexformer的TEDS图像实时暗光增强方法研究	王登飞苏宏升陈光武陈登科赵小娟	《铁道科学与工程学报》 EI CAS CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
2	基于视觉自注意力模型与轨迹滤波器的篮球战术识别	许国良沈刚梁旭鹏雒江涛	《电子与信息学报》 EI CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
3	多头自注意力与双线性池化融合的心肌缺血影像分类	周嘉文郑小盈祝永新林思敏陈凌曜曾洪斌郭俞王馨莹	《计算机工程》	2025		在线阅读下载PDF 职称材料
4	融合动态卷积Transformer与CMA-ES的锂电池寿命预测方法	王雄燃张菁	《太阳能学报》北大核心	2025	0	在线阅读下载PDF 职称材料
5	轻量级词典协同记忆聚焦处理的Web攻击检测研究	刘拥民黄浩石婷婷欧阳金怡刘翰林谢铁强	《重庆理工大学学报（自然科学）》 CAS 北大核心	2023	1	在线阅读下载PDF 职称材料
6	基于多层聚焦Inception-V3卷积网络的细粒度图像分类	王波黄冕刘利军黄青松单文琦	《电子学报》 EI CAS CSCD 北大核心	2022	11	在线阅读下载PDF 职称材料