检索结果-维普期刊中文期刊服务平台

基于跨层注意力特征融合的点云语义分割: 1; 作者王俊甫薛晓杰 +1 位作者杨艺王科平《激光与红外》北大核心 2025年第5期703-712,共10页; 针对现有点云语义分割网络特征利用不充分,编码器和解码器特征语义信息差距过大的问题,提出了基于跨层注意力特征融合的点云语义分割网络。首先,在局部特征编码模块中通过极坐标编码和偏移更新实现对邻域点坐标的重定义,并计算相对语义... 展开更多; 关键词三维点云深度学习语义分割特征编码跨层注意力; 在线阅读下载PDF 职称材料

基于跨层注意力与多记忆单元的车辆重识别方法: 2; 作者齐玉亮王伟明 +2 位作者王静熊彦臻李慧《河北大学学报(自然科学版)》北大核心 2025年第3期327-336,共10页; 为了提高车辆重识别任务中特征表示的判别性能,目前大部分方法通过多分支结构来分别提取车辆的全局信息和局部细节信息,这样不仅会增加网络参数,同时还会消耗大量的时间.为了解决上述问题,提出了一种基于跨层注意力与多记忆单元的车辆... 展开更多; 关键词跨层注意力实例记忆单元类别记忆单元车辆重识别; 在线阅读下载PDF 职称材料

基于跨层注意力特征交互和多尺度通道注意力的单幅图像去雾网络: 3; 作者孙航付秋月 +3 位作者李勃辉但志平余梅万俊《电子学报》 EI CAS CSCD 北大核心 2024年第11期3711-3726,共16页; 近年来,基于U型结构的卷积神经网络在去雾领域取得了显著的成果.然而,大多数基于U型结构的去雾网络将编码层特征直接传递到对应尺度的解码层,忽略了不同层次特征信息的有效利用.此外,去雾网络中广泛使用的通道注意力受感受野的限制,没... 展开更多; 关键词图像去雾跨层注意力特征交互特征稀释多尺度通道注意力空洞卷积; 在线阅读下载PDF 职称材料

融合显著视口提取与跨层注意力的全景图像质量评价方法: 4; 作者林恒纪庆革《计算机科学》 2025年第9期249-258,共10页; 全景图像作为沉浸式多媒体的重要内容形式,提供360度水平和180度垂直视角的视觉体验,直接影响用户在虚拟现实(Virtual Reality,VR)中的沉浸感。为解决全景图像质量评价中投影失真和多尺度特征利用不充分的问题,提出了一种显著视口注意... 展开更多; 关键词全景图像客观图像质量评价交叉注意力显著性增强跨层注意力; 在线阅读下载PDF 职称材料

基于边缘与注意力跨层转移的图像修复模型被引量：5: 5; 作者樊瑶石英男柏劲咸《计算机工程》 CAS CSCD 北大核心 2023年第6期180-192,共13页; 针对现有基于深度学习的图像修复算法在处理大面积不规则缺损图像时出现局部结构不连通与模糊的问题,提出一种基于边缘和注意力跨层转移的二阶生成式图像修复模型。该模型由边缘修复网络和图像修补网络构成,边缘修复网络在自编码器的基... 展开更多; 关键词图像修复边缘修复扩张卷积注意力跨层转移网络跳跃连接; 在线阅读下载PDF 职称材料

基于分层聚合与高度语义信息感知的多任务网络: 6; 作者蔡林泽周爱国 +1 位作者姚亮亮符长虹《传感器与微系统》 CSCD 北大核心 2024年第7期101-105,共5页; 针对现有多任务网络对各项任务关系以及城市场景图像内在特征的分析稍显不足的问题,提出基于分层聚合与高度语义感知的多任务网络。首先,为增强特征提取网络的能力,使用分层聚合模块学习多层特征间的相互依赖性,经过共享与独立设计,实... 展开更多; 关键词自动驾驶多任务网络分层聚合跨层注意力; 在线阅读下载PDF 职称材料

基于变分信息瓶颈的半监督神经机器翻译被引量：7: 7; 作者于志强余正涛 +2 位作者黄于欣郭军军高盛祥《自动化学报》 EI CAS CSCD 北大核心 2022年第7期1678-1689,共12页; 变分方法是机器翻译领域的有效方法,其性能较依赖于数据量规模.然而在低资源环境下,平行语料资源匮乏,不能满足变分方法对数据量的需求,因此导致基于变分的模型翻译效果并不理想.针对该问题,本文提出基于变分信息瓶颈的半监督神经机器... 展开更多; 关键词神经机器翻译跨层注意力机制回译变分信息瓶颈; 在线阅读下载PDF 职称材料

题名基于跨层注意力特征融合的点云语义分割: 1; 作者王俊甫薛晓杰杨艺王科平; 机构郑州恒达智控科技股份有限公司河南理工大学电气工程与自动化学院河南理工大学河南省煤矿装备智能检测与控制重点实验室; 出处《激光与红外》北大核心 2025年第5期703-712,共10页; 基金河南省科技攻关项目(No.232102210040)资助。; 文摘针对现有点云语义分割网络特征利用不充分,编码器和解码器特征语义信息差距过大的问题,提出了基于跨层注意力特征融合的点云语义分割网络。首先,在局部特征编码模块中通过极坐标编码和偏移更新实现对邻域点坐标的重定义,并计算相对语义特征差异以提升邻域特征的丰富度,使网络可以学习到不同形状和尺寸物体的局部细节。然后,提出一种自适应特征聚合模块,加强网络的局部区域特征感知能力,充分利用邻域特征信息。最后,引入了一种跨层注意力特征融合网络,来降低编码层和解码层特征之间的语义差异。在大尺度室内场景点云数据集S3DIS和室外复杂场景点云数据集Semantic 3D上进行实验验证,在S3DIS数据集上Area5区域的平均交并比为65.2%,平均准确率为75.1%,相较于RandLA-Net有着2.8%和3.7%的提升,在Semantic 3D数据集上的平均交并比为76.7%,总体准确率为94.6%,相比于RandLA-Net分别提升了4.9%和0.4%。实验结果证明,该方法在面对复杂场景点云时,能够提取具有辨识度的特征,对场景中的不同类别点云实现准确分割。; 关键词三维点云深度学习语义分割特征编码跨层注意力; Keywords three-dimensional point cloud deep learning semantic segmentation feature encode cross-layer attention; 分类号 TP391 [自动化与计算机技术—计算机应用技术] TN958.98 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名基于跨层注意力与多记忆单元的车辆重识别方法: 2; 作者齐玉亮王伟明王静熊彦臻李慧; 机构河北大学河北省机器视觉工程研究中心河北高速公路集团有限公司京雄分公司河北省交通运输运行监测与信息服务中心河北大学网络空间安全与计算机学院; 出处《河北大学学报(自然科学版)》北大核心 2025年第3期327-336,共10页; 基金河北高速公路集团“智能车载一体机”科技创新项目(冀高创〔2023〕294号)。; 文摘为了提高车辆重识别任务中特征表示的判别性能,目前大部分方法通过多分支结构来分别提取车辆的全局信息和局部细节信息,这样不仅会增加网络参数,同时还会消耗大量的时间.为了解决上述问题,提出了一种基于跨层注意力与多记忆单元的车辆重识别方法.首先,提出一种跨层注意力模块提取单分支网络中浅层的局部空间信息和深层的全局语义信息,再通过跨层注意力机制分配权重来融合不同层的信息,构建实例记忆单元和类别记忆单元分别储存实例级特征和类别级特征,并通过基于多记忆单元的身份损失来削弱噪声样本对特征表示的影响.实验结果表明,所提出方法在VeRi-776数据集上的mAP、CMC@1、CMC@5相比于基线网络分别提高了1.5%、0.3%、0.1%.在VehicleID数据集中测试集大小为800、1600、2400时,CMC@1相比于基线网络分别提高了1.9%、2.8%、3.8%.; 关键词跨层注意力实例记忆单元类别记忆单元车辆重识别; Keywords cross-layer attention instance memory unit class memory unit vehicle re-identification; 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

题名基于跨层注意力特征交互和多尺度通道注意力的单幅图像去雾网络: 3; 作者孙航付秋月李勃辉但志平余梅万俊; 机构三峡大学计算机与信息学院三峡大学湖北省水电工程智能视觉监测重点实验室中南财经政法大学信息与安全工程学院; 出处《电子学报》 EI CAS CSCD 北大核心 2024年第11期3711-3726,共16页; 基金国家自然科学基金(No.62002233) 湖北省自然科学基金(No.2021CFB004)。; 文摘近年来,基于U型结构的卷积神经网络在去雾领域取得了显著的成果.然而,大多数基于U型结构的去雾网络将编码层特征直接传递到对应尺度的解码层,忽略了不同层次特征信息的有效利用.此外,去雾网络中广泛使用的通道注意力受感受野的限制,没有充分地利用上下文信息,从而对通道权重的学习起负面作用,使得重构的清晰图像不够理想.为了解决上述问题,本文提出了一种跨层注意力特征交互和多尺度通道注意力的去雾算法.具体来说,跨层注意力特征交互模块利用编码层的多尺度跨层特征学习层级权重,然后将这些跨层特征聚合传递到对应解码层,从而减少了去雾网络重构清晰图像过程中的特征稀释.此外,为了挖掘对于去雾网络非常重要的特征通道信息,本文设计了多尺度通道注意力机制,利用不同空洞率的空洞卷积提取多尺度特征信息,形成一个多尺度上下文并行学习的通道注意力机制,可以更有效地为去雾网络的特征分配权重.实验结果表明,本文提出的去雾算法在4个公开的数据集上相比现有的12种去雾方法取得了较好的客观评价指标和视觉效果.本文的代码已上传至https://github.com/bohuisir/AAFMAN.; 关键词图像去雾跨层注意力特征交互特征稀释多尺度通道注意力空洞卷积; Keywords image dehazing cross-layer attention feature interaction feature dilution multi-scale channel attention 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

题名融合显著视口提取与跨层注意力的全景图像质量评价方法: 4; 作者林恒纪庆革; 机构中山大学计算机学院; 出处《计算机科学》 2025年第9期249-258,共10页; 基金广东省自然科学基金(2016A030313288)。; 文摘全景图像作为沉浸式多媒体的重要内容形式,提供360度水平和180度垂直视角的视觉体验,直接影响用户在虚拟现实(Virtual Reality,VR)中的沉浸感。为解决全景图像质量评价中投影失真和多尺度特征利用不充分的问题,提出了一种显著视口注意力网络(Salient Viewport Attention Network,SVA-Net)。该网络由显著性引导的视口提取模块、跨层注意力依赖模块和多通道融合回归模块组成,旨在缓解投影失真问题,同时高效提取多尺度特征并增强特征表达能力。实验结果表明,SVA-Net在两个公开数据集上相比现有方法,在图像质量预测精度上有显著提升,并展示了良好的泛化能力。该方法通过结合显著视口采样和跨层注意力机制,增强了特征表示,提升了全景图像质量评价的准确性,预测结果更接近人类主观评价。; 关键词全景图像客观图像质量评价交叉注意力显著性增强跨层注意力; Keywords Panoramic image Objective image quality assessment Cross attention Saliency enhancement Cross-layer attention; 分类号 TP391 [自动化与计算机技术]; 在线阅读下载PDF 职称材料

题名基于边缘与注意力跨层转移的图像修复模型被引量：5: 5; 作者樊瑶石英男柏劲咸; 机构西藏民族大学信息工程学院; 出处《计算机工程》 CAS CSCD 北大核心 2023年第6期180-192,共13页; 基金国家自然科学基金(62062061) 西藏自治区自然科学基金(XZ202101ZR0084G)。; 文摘针对现有基于深度学习的图像修复算法在处理大面积不规则缺损图像时出现局部结构不连通与模糊的问题,提出一种基于边缘和注意力跨层转移的二阶生成式图像修复模型。该模型由边缘修复网络和图像修补网络构成,边缘修复网络在自编码器的基础上结合扩张卷积对缺损图像的边缘二值图进行修复,并将边缘修复图作为先验条件与缺损图像一起输入到图像修补网络,在图像修补网络中,给出注意力跨层转移网络对各尺度编码特征由深到浅进行重构,并将重构特征图跳跃连接至解码层与对应潜在特征融合进行解码,提高各级解码层输出的上下文一致性,减少结构信息和语义特征丢失,最终得到修复图像。在Celeba、Facade、Places2这3个数据集上的实验结果表明,与当前主流算法相比,该方法平均L1损失降低了1.044%~3.801%,峰值信噪比和结构相似性分别提升了1.435~4.486 dB和1.789%~8.755%,不仅能够生成整体语义合理的内容,而且在局部结构连通性和纹理合成方面更符合人眼视觉感受。; 关键词图像修复边缘修复扩张卷积注意力跨层转移网络跳跃连接; Keywords image inpainting edge inpainting dilation convolution Attention Transfer Network Across Layer(ATNAL) skip connection; 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

题名基于分层聚合与高度语义信息感知的多任务网络: 6; 作者蔡林泽周爱国姚亮亮符长虹; 机构同济大学机械与能源工程学院; 出处《传感器与微系统》 CSCD 北大核心 2024年第7期101-105,共5页; 文摘针对现有多任务网络对各项任务关系以及城市场景图像内在特征的分析稍显不足的问题,提出基于分层聚合与高度语义感知的多任务网络。首先,为增强特征提取网络的能力,使用分层聚合模块学习多层特征间的相互依赖性,经过共享与独立设计,实现浅层特征与深层特征的融合,为不同下游任务馈送所需特征;其次道路场景图像中具有一定的高度差异性,水平分割相互之间的像素级分布有着显著不同,使用高度感知模块引入该先验信息,该结构简单高效。结果表明,所提方法在BDD100K的各项性能均优于同类方法,同时将车道线数据集TuSimple和CULane重新标注扩展为多任务进行测试,取得比现有方法更好的精度,验证方法的有效性。; 关键词自动驾驶多任务网络分层聚合跨层注意力; Keywords autonomous driving multi-tasks network hierarchical aggregation cross-layer attention; 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

题名基于变分信息瓶颈的半监督神经机器翻译被引量：7: 7; 作者于志强余正涛黄于欣郭军军高盛祥; 机构昆明理工大学信息工程与自动化学院云南民族大学数学与计算机科学学院云南省人工智能重点实验室; 出处《自动化学报》 EI CAS CSCD 北大核心 2022年第7期1678-1689,共12页; 基金国家重点研发计划(2019QY1800) 国家自然科学基金(61732005,61672271,61761026,61762056,61866020) +1 种基金云南省自然科学基金(2018FB104)资助。; 文摘变分方法是机器翻译领域的有效方法,其性能较依赖于数据量规模.然而在低资源环境下,平行语料资源匮乏,不能满足变分方法对数据量的需求,因此导致基于变分的模型翻译效果并不理想.针对该问题,本文提出基于变分信息瓶颈的半监督神经机器翻译方法,所提方法的具体思路为:首先在小规模平行语料的基础上,通过引入跨层注意力机制充分利用神经网络各层特征信息,训练得到基础翻译模型;随后,利用基础翻译模型,使用回译方法从单语语料生成含噪声的大规模伪平行语料,对两种平行语料进行合并形成组合语料,使其在规模上能够满足变分方法对数据量的需求;最后,为了减少组合语料中的噪声,利用变分信息瓶颈方法在源与目标之间添加中间表征,通过训练使该表征具有放行重要信息、阻止非重要信息流过的能力,从而达到去除噪声的效果.多个数据集上的实验结果表明,本文所提方法能够显著地提高译文质量,是一种适用于低资源场景的半监督神经机器翻译方法.; 关键词神经机器翻译跨层注意力机制回译变分信息瓶颈; Keywords Neural machine translation cross-layer attention mechanism back-translation variational information bottleneck; 分类号 TP391.2 [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	基于跨层注意力特征融合的点云语义分割	王俊甫薛晓杰杨艺王科平	《激光与红外》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于跨层注意力与多记忆单元的车辆重识别方法	齐玉亮王伟明王静熊彦臻李慧	《河北大学学报(自然科学版)》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于跨层注意力特征交互和多尺度通道注意力的单幅图像去雾网络	孙航付秋月李勃辉但志平余梅万俊	《电子学报》 EI CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
4	融合显著视口提取与跨层注意力的全景图像质量评价方法	林恒纪庆革	《计算机科学》	2025		在线阅读下载PDF 职称材料
5	基于边缘与注意力跨层转移的图像修复模型	樊瑶石英男柏劲咸	《计算机工程》 CAS CSCD 北大核心	2023	5	在线阅读下载PDF 职称材料
6	基于分层聚合与高度语义信息感知的多任务网络	蔡林泽周爱国姚亮亮符长虹	《传感器与微系统》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
7	基于变分信息瓶颈的半监督神经机器翻译	于志强余正涛黄于欣郭军军高盛祥	《自动化学报》 EI CAS CSCD 北大核心	2022	7	在线阅读下载PDF 职称材料