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
时空网络特征融合的病理步态识别方法
1
作者
李聪聪
王斌
+1 位作者
李亚南
李一帆
《计算机工程与设计》
北大核心
2025年第7期2109-2116,共8页
针对病理步态识别方法中存在空间信息或时序信息丢失的问题,提出一种时空网络特征融合的病理步态识别方法。结合卷积网络和时序网络,学习更具判别性的步态时空特征。卷积网络中引入阶梯融合式空洞空间金字塔池化,获得更鲁棒的多尺度融...
针对病理步态识别方法中存在空间信息或时序信息丢失的问题,提出一种时空网络特征融合的病理步态识别方法。结合卷积网络和时序网络,学习更具判别性的步态时空特征。卷积网络中引入阶梯融合式空洞空间金字塔池化,获得更鲁棒的多尺度融合步态表征。联合卷积核替换和残差块改进对卷积网络进一步优化。时序网络中引入全局与局部时空特征融合模块,形成对时空特征的更细节表达。融合空间特征和时空特征,减轻Bi LSTM学习空间特征中时间模式的过程中丢失空间特征的影响。所提模型在自建数据集和GAIT-IST数据集上的准确率分别达到了97.69%和94.16%,实验结果表明,该方法较其它方法取得了更优的性能。
展开更多
关键词
病理步态识别
时空网络
特征
融合
时空特征
阶梯
融合
式空洞
空间
金字塔
池化
多尺度特征
全局与局部时空特征
融合
模块
在线阅读
下载PDF
职称材料
DR_YOLOv8s++:改进卷积注意力机制和损失函数的SAR影像船舰目标检测网络
2
作者
杨明秋
陈国坤
+1 位作者
董燕
左小清
《遥感信息》
北大核心
2025年第2期159-168,共10页
针对目前SAR影像船舰目标检测方法存在多场景下检测精度不高、漏检、模型泛化能力差的问题,尝试以YOLOv8s网络为基础,提出新的注意力机制D-CBAM,并定义新的损失函数RIoU,以及将最新的可变形卷积DCNv4替换标准卷积,引入融合空间金字塔池...
针对目前SAR影像船舰目标检测方法存在多场景下检测精度不高、漏检、模型泛化能力差的问题,尝试以YOLOv8s网络为基础,提出新的注意力机制D-CBAM,并定义新的损失函数RIoU,以及将最新的可变形卷积DCNv4替换标准卷积,引入融合空间金字塔池化focal modulation networks来提升网络性能,提出的网络命名为DR_YOLOv8s++检测网络。为验证DR_YOLOv8s++网络的有效性和通用性,在SSDD、HRSID数据集上进行实验。结果表明,所提出算法的平均精度均值分别达到98%、97.5%,优于其他经典算法,模型性能提升明显,同其他目标检测算法相比,具有较强的泛化能力。
展开更多
关键词
船舰目标检测
SAR影像
注意力机制
可变形卷积
融合空间金字塔池化
损失函数
在线阅读
下载PDF
职称材料
题名
时空网络特征融合的病理步态识别方法
1
作者
李聪聪
王斌
李亚南
李一帆
机构
河北农业大学信息科学与技术学院
河北农业大学河北省农业大数据重点实验室
出处
《计算机工程与设计》
北大核心
2025年第7期2109-2116,共8页
基金
河北省高等学校科学技术研究重点基金项目(ZD2021056)
河北省2023年度引进留学人员基金项目(C20230333)。
文摘
针对病理步态识别方法中存在空间信息或时序信息丢失的问题,提出一种时空网络特征融合的病理步态识别方法。结合卷积网络和时序网络,学习更具判别性的步态时空特征。卷积网络中引入阶梯融合式空洞空间金字塔池化,获得更鲁棒的多尺度融合步态表征。联合卷积核替换和残差块改进对卷积网络进一步优化。时序网络中引入全局与局部时空特征融合模块,形成对时空特征的更细节表达。融合空间特征和时空特征,减轻Bi LSTM学习空间特征中时间模式的过程中丢失空间特征的影响。所提模型在自建数据集和GAIT-IST数据集上的准确率分别达到了97.69%和94.16%,实验结果表明,该方法较其它方法取得了更优的性能。
关键词
病理步态识别
时空网络
特征
融合
时空特征
阶梯
融合
式空洞
空间
金字塔
池化
多尺度特征
全局与局部时空特征
融合
模块
Keywords
pathological gait recognition
spatio-temporal network
feature fusion
spatio-temporal feature
step fusion atrous spatial pyramid pooling
multi-scale feature
global and local spatio-temporal feature fusion module
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
DR_YOLOv8s++:改进卷积注意力机制和损失函数的SAR影像船舰目标检测网络
2
作者
杨明秋
陈国坤
董燕
左小清
机构
昆明理工大学国土资源工程学院
云南省教育厅高原遥感重点实验室
出处
《遥感信息》
北大核心
2025年第2期159-168,共10页
基金
云南省科技厅基础研究计划面上项目(202401AT070366)
云南省重大科技专项计划(202202AD080010)
国家自然科学基金(42161067)。
文摘
针对目前SAR影像船舰目标检测方法存在多场景下检测精度不高、漏检、模型泛化能力差的问题,尝试以YOLOv8s网络为基础,提出新的注意力机制D-CBAM,并定义新的损失函数RIoU,以及将最新的可变形卷积DCNv4替换标准卷积,引入融合空间金字塔池化focal modulation networks来提升网络性能,提出的网络命名为DR_YOLOv8s++检测网络。为验证DR_YOLOv8s++网络的有效性和通用性,在SSDD、HRSID数据集上进行实验。结果表明,所提出算法的平均精度均值分别达到98%、97.5%,优于其他经典算法,模型性能提升明显,同其他目标检测算法相比,具有较强的泛化能力。
关键词
船舰目标检测
SAR影像
注意力机制
可变形卷积
融合空间金字塔池化
损失函数
Keywords
ship target detection
SAR image
attention mechanism
deformable convolution
focal modulation networks
loss function
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
作者
出处
发文年
被引量
操作
1
时空网络特征融合的病理步态识别方法
李聪聪
王斌
李亚南
李一帆
《计算机工程与设计》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
DR_YOLOv8s++:改进卷积注意力机制和损失函数的SAR影像船舰目标检测网络
杨明秋
陈国坤
董燕
左小清
《遥感信息》
北大核心
2025
0
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
