期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于注意力网络融合的图像文本跨模态检索算法
1
作者
张志亮
《电视技术》
2024年第11期78-81,共4页
在计算机和人工智能领域,图像文本跨模态检索受到广泛的关注。然而,当前的图像文本跨模态检索方法往往仅粗略地融合图像文本特征信息,导致所学习的特征信息质量不高。对此,设计融合注意力网络计算的图像文本跨模态检索算法。通过训练该...
在计算机和人工智能领域,图像文本跨模态检索受到广泛的关注。然而,当前的图像文本跨模态检索方法往往仅粗略地融合图像文本特征信息,导致所学习的特征信息质量不高。对此,设计融合注意力网络计算的图像文本跨模态检索算法。通过训练该模型,能够挑选出最优的参数,能够有效融合图像文本特征信息,进而学习出信息更丰富的图像文本特征,使得图像和文本的对齐特征更加精准。
展开更多
关键词
跨模态检索
图像文本特征
融合注意力网络
模型参数
在线阅读
下载PDF
职称材料
用于SAR图像舰船目标检测的MAF-Net和CS损失
被引量：
1
2
作者
张丽丽
蔡健楠
+1 位作者
刘雨轩
屈乐乐
《雷达科学与技术》
北大核心
2024年第1期14-20,共7页
深度学习算法以其端到端训练和高准确率等优势被广泛应用于合成孔径雷达图像舰船检测领域。然而,SAR图像中舰船目标尺寸跨度较大,且易受到复杂背景和噪声的干扰,从而影响识别精度。为了进一步提高网络的检测精度,本文提出了一个多尺度...
深度学习算法以其端到端训练和高准确率等优势被广泛应用于合成孔径雷达图像舰船检测领域。然而,SAR图像中舰船目标尺寸跨度较大,且易受到复杂背景和噪声的干扰,从而影响识别精度。为了进一步提高网络的检测精度,本文提出了一个多尺度注意力融合网络。该网络主要包含一个多尺度特征注意力融合模块,该模块使用骨干网络输出的特征图,融合多尺度的信息,在空间和通道维度对FPN输出的特征图进行增强,用于抑制噪声和背景对舰船目标的影响,提升网络的特征提取能力。此外,本文还提出了余弦相似损失,通过计算目标与非目标区域的余弦相似度,使网络更准确地区分船舶目标与背景,以进一步提高准确率。大量的实验表明,在SSDD和SAR-Ship-Dataset数据集上,本文所提的方法与现有的几种算法相比具有更高的检测精度。
展开更多
关键词
目标检测
深度学习
SAR图像
多尺度
注意力
融合
网络
余弦相似损失
在线阅读
下载PDF
职称材料
题名
基于注意力网络融合的图像文本跨模态检索算法
1
作者
张志亮
机构
湖南财经工业职业技术学院
出处
《电视技术》
2024年第11期78-81,共4页
文摘
在计算机和人工智能领域,图像文本跨模态检索受到广泛的关注。然而,当前的图像文本跨模态检索方法往往仅粗略地融合图像文本特征信息,导致所学习的特征信息质量不高。对此,设计融合注意力网络计算的图像文本跨模态检索算法。通过训练该模型,能够挑选出最优的参数,能够有效融合图像文本特征信息,进而学习出信息更丰富的图像文本特征,使得图像和文本的对齐特征更加精准。
关键词
跨模态检索
图像文本特征
融合注意力网络
模型参数
Keywords
cross-modal retrieval
image text features
fused attention network
model parameters
分类号
TP311.1 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
用于SAR图像舰船目标检测的MAF-Net和CS损失
被引量：
1
2
作者
张丽丽
蔡健楠
刘雨轩
屈乐乐
机构
沈阳航空航天大学电子信息工程学院
出处
《雷达科学与技术》
北大核心
2024年第1期14-20,共7页
基金
辽宁省兴辽英才计划项目基金(No.XLYC1907134)
辽宁省教育厅项目(No.LJKZ0174)。
文摘
深度学习算法以其端到端训练和高准确率等优势被广泛应用于合成孔径雷达图像舰船检测领域。然而,SAR图像中舰船目标尺寸跨度较大,且易受到复杂背景和噪声的干扰,从而影响识别精度。为了进一步提高网络的检测精度,本文提出了一个多尺度注意力融合网络。该网络主要包含一个多尺度特征注意力融合模块,该模块使用骨干网络输出的特征图,融合多尺度的信息,在空间和通道维度对FPN输出的特征图进行增强,用于抑制噪声和背景对舰船目标的影响,提升网络的特征提取能力。此外,本文还提出了余弦相似损失,通过计算目标与非目标区域的余弦相似度,使网络更准确地区分船舶目标与背景,以进一步提高准确率。大量的实验表明,在SSDD和SAR-Ship-Dataset数据集上,本文所提的方法与现有的几种算法相比具有更高的检测精度。
关键词
目标检测
深度学习
SAR图像
多尺度
注意力
融合
网络
余弦相似损失
Keywords
target detection
deep learning
synthetic aperture radar(SAR)image
multi-scale attention fusion network
cosine similar(CS)loss
分类号
TN958 [电子电信—信号与信息处理]
TN957.51 [电子电信—信号与信息处理]
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
基于注意力网络融合的图像文本跨模态检索算法
张志亮
《电视技术》
2024
0
在线阅读
下载PDF
职称材料
2
用于SAR图像舰船目标检测的MAF-Net和CS损失
张丽丽
蔡健楠
刘雨轩
屈乐乐
《雷达科学与技术》
北大核心
2024
1
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
