融合结构化卷积和双重注意力机制的轻量级眼底图像分割网络 被引量：3

1

作者 汪华登 刘金 +4 位作者 黎兵兵 潘细朋 刘振丙 蓝如师 罗笑南 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2024年第5期760-774,共15页

眼底血管图像的自动分割对于多种眼科疾病的计算机辅助诊断具有重要作用.针对血管的尺度差异和图像噪声导致眼底血管图像分割困难、使用单一尺度卷积运算的深度学习方法获取的特征感受野有限,以及现有的方法复杂度过高的问题,提出一个... 眼底血管图像的自动分割对于多种眼科疾病的计算机辅助诊断具有重要作用.针对血管的尺度差异和图像噪声导致眼底血管图像分割困难、使用单一尺度卷积运算的深度学习方法获取的特征感受野有限,以及现有的方法复杂度过高的问题,提出一个融合结构化卷积和双重注意力机制的轻量级眼底图像分割网络.通过编码器增强、减少下采样次数和特征深度的编码-解码网络设计,实现参数量只有0.63M的轻量化网络.在编码阶段,提出一种结构化卷积方法,有效地避免了网络训练过拟合,提高了网络捕获差异化血管特征的能力;在解码阶段,采用基于空间和通道的双重注意力机制,使网络更加关注血管特征的上下文和几何空间信息,抑制病变等噪声的干扰.在DRIVE,CHASE_DB1和STARE数据集上进行实验的结果表明,所提网络图像分割的准确率分别为96.92%,97.57%和97.51%,灵敏度分别为83.68%,84.99%和84.87%,受试者曲线下的面积(AUC)分别为98.67%,99.05%和99.02%;并通过在DRIVE和STARE数据集上的交叉训练,验证了该网络的泛化能力. 展开更多

关键词 眼底图像分割 编码-解码网络 轻量级网络 结构化卷积 双重注意力机制

在线阅读 下载PDF 职称材料

基于端口注意力与通道空间注意力的网络异常流量检测 被引量：8

2

作者 肖斌 甘昀 +2 位作者 汪敏 张兴鹏 王照星 《计算机应用》 CSCD 北大核心 2024年第4期1027-1034,共8页

网络异常流量检测是网络安全保护重要组成部分之一。目前,基于深度学习的异常流量检测方法都是将端口号属性与其他流量属性同等对待,忽略了端口号的重要性。为了提高异常流量检测性能,借鉴注意力思想,提出一个卷积神经网络(CNN)结合端... 网络异常流量检测是网络安全保护重要组成部分之一。目前,基于深度学习的异常流量检测方法都是将端口号属性与其他流量属性同等对待,忽略了端口号的重要性。为了提高异常流量检测性能,借鉴注意力思想,提出一个卷积神经网络(CNN)结合端口注意力模块(PAM)和通道空间注意力模块(CBAM)的网络异常流量检测模型。首先,将原始网络流量作为PAM的输入,分离得到端口号属性送入全连接层,得到学习后的端口注意力权重值,并与其他流量属性点乘,输出端口注意力后的流量数据;其次,将流量数据转换成灰度图,利用CNN和CBAM更充分地提取特征图在通道和空间上的信息;最后,使用焦点损失函数解决数据不平衡的问题。所提PAM具有参数量少、即插即用和普遍适用的优点。在CICIDS2017数据集上,所提模型的异常流量检测二分类任务准确率为99.18%,多分类任务准确率为99.07%,对只有少数训练样本的类别也有较高的识别率。 展开更多

关键词 异常流量检测 注意力机制 数据不平衡 轻量级网络 通道空间注意力模块

在线阅读 下载PDF 职称材料

基于双流结构缩放和多重注意力机制的轻量级脑电情感识别方法

3

作者 雷颖 刘峰 《计算机科学》 CSCD 北大核心 2023年第S01期229-237,共9页

脑电情感识别是一个复杂程度高、信息密度大、海量数据的多通道时序信号分类问题。为在保持现有分类精度的情况下减少计算参数量,实现脑电情感识别的精度与性能最优,提出了一种基于双流结构缩放和多重注意力机制的轻量级网络(LDM-EEG)... 脑电情感识别是一个复杂程度高、信息密度大、海量数据的多通道时序信号分类问题。为在保持现有分类精度的情况下减少计算参数量,实现脑电情感识别的精度与性能最优,提出了一种基于双流结构缩放和多重注意力机制的轻量级网络(LDM-EEG)。该网络以基于脑电信号的微分熵特征构造的时域-空域图谱和频域-空域图谱作为输入,采用对称的双流结构对上述两种特征分别处理,通过节约参数的新型残差模块和网络缩放机制来实现轻量化,并利用新型的通道-时/频-空多重注意力机制和后注意力机制提升模型特征聚合能力。实验结果表明,在参数量明显减小的情况下,模型在SEED数据集上实现了95.18%的准确率,达到了领域的最优结果。进一步地,在略低于现有模型准确率的基础上,其将参数量缩减了98%。 展开更多

关键词 脑电情感识别 时频双流 多重注意力 轻量级 结构缩放 可计算情感

在线阅读 下载PDF 职称材料

引入级联通道注意力的轻量化人体姿态估计 被引量：3

4

作者 林远强 郜辉 +3 位作者 王鹏 吕志刚 李晓艳 王储 《计算机工程与应用》 CSCD 北大核心 2024年第13期219-227,共9页

针对当前人体姿态估计模型在轻量化过程中精度损失严重的问题,以高分辨率网络(HRNet)为基线提出一种引入级联通道注意力的轻量化人体姿态估计模型。构建一种保持内部高分辨率特征的级联通道注意力,学习输入特征各通道的重要性来提高模... 针对当前人体姿态估计模型在轻量化过程中精度损失严重的问题,以高分辨率网络(HRNet)为基线提出一种引入级联通道注意力的轻量化人体姿态估计模型。构建一种保持内部高分辨率特征的级联通道注意力,学习输入特征各通道的重要性来提高模型表征能力;通过设计一种基于MetaFormer结构的轻量级深度卷积变换模块来替换HRNet阶段2、3、4中运算复杂度较高的残差模块;设计一种多尺度特征融合方法减少HRNet原融合方法中的多维特征语义信息损失;采用无偏数据处理来消除关键点热力图编码过程中导致的偏移误差。COCO2017验证集的实验结果表明,所提出的模型同基准模型相比,在AP降低2个百分点的情况下,模型参数量和浮点运算量分别减少了90.2%和83.1%,并且以AP为71.4%的表现在轻量化模型中达到精度最优。 展开更多

关键词 人体姿态估计 轻量化 通道注意力 MetaFormer结构 多尺度特征融合

在线阅读 下载PDF 职称材料

基于图像域的轻量级恶意软件分类方法研究

5

作者 孙敬张 程轶男 +4 位作者 邹炳慧 乔彤华 符思政 张琪 曹春杰 《通信学报》 北大核心 2025年第3期187-198,共12页

针对传统恶意软件家族分类方法部署成本高和预测时间长等问题,提出了一种轻量的恶意软件可视化分类方法。首先,提出对比度受限双三次插值与高斯模糊算法,解决恶意软件图像大小不平衡及噪声过多的问题。其次,为应对恶意软件特征间关联捕... 针对传统恶意软件家族分类方法部署成本高和预测时间长等问题,提出了一种轻量的恶意软件可视化分类方法。首先,提出对比度受限双三次插值与高斯模糊算法,解决恶意软件图像大小不平衡及噪声过多的问题。其次,为应对恶意软件特征间关联捕获困难和现有注意力模块复杂度高的问题,提出轻量通道注意力机制,重点关注信息量更大的特征,结合深度可分离卷积减少模型参数。在MalImg、BIG2015和BODMAS这3个大型数据集上进行实验,该模型对恶意软件家族分类的准确率分别达到99.68%、99.45%和93.12%,模型大小分别为442 KB、414 KB和423 KB,预测时间分别为14.12 ms、11.09 ms和4.11 ms,证明了该方法在准确率、模型大小和推理速度上的先进性。 展开更多

关键词 恶意软件分类 图像增强 轻量级模型 轻量通道注意力

在线阅读 下载PDF 职称材料

基于双分支残差交叉注意力的点云数据处理网络

6

作者 王家贤 冯秀芳 +1 位作者 崔海航 曹若琛 《计算机工程与设计》 北大核心 2025年第5期1256-1264,共9页

针对三维点云处理方法缺少对点的坐标信息和额外特征的综合考虑,导致特征表示不充分、稀疏点云鲁棒性下降等问题,提出一种基于双分支残差交叉注意力的点云数据处理网络DB-RCANet。采用上下两个具有不同特征提取网络结构的分支,上分支仅... 针对三维点云处理方法缺少对点的坐标信息和额外特征的综合考虑,导致特征表示不充分、稀疏点云鲁棒性下降等问题,提出一种基于双分支残差交叉注意力的点云数据处理网络DB-RCANet。采用上下两个具有不同特征提取网络结构的分支,上分支仅输入点云坐标信息,关注点云的空间几何特征,下分支输入点云额外特征(法向量或RGB颜色),关注点云的语义信息;利用并行残差交叉注意力模块捕捉坐标和额外特征之间的复杂依赖关系,自适应增强坐标和特征信息;引入通道空间注意力机制融合坐标和特征信息获得分类分割结果。该模型在ModelNet40和ShapeNet数据集上精度达到93.8%和86.3%,优于目前主流网络。 展开更多

关键词 点云 深度学习 双分支结构 残差交叉注意力 通道空间注意力 形状分类 部件分割

在线阅读 下载PDF 职称材料

基于多分支结构的不确定性局部通道注意力机制 被引量：7

7

作者 伍邦谷 张苏林 +3 位作者 石红 朱鹏飞 王旗龙 胡清华 《电子学报》 EI CAS CSCD 北大核心 2022年第2期374-382,共9页

近几年的研究表明视觉注意力机制是提升深层卷积神经网络性能的有效途径.然而,现有的视觉注意力方法更多地致力于建模所有卷积通道之间的相关性,在一定程度上限制了模型的计算效率.此外,这些方法尚未明确考虑相关性建模过程中不确定性... 近几年的研究表明视觉注意力机制是提升深层卷积神经网络性能的有效途径.然而,现有的视觉注意力方法更多地致力于建模所有卷积通道之间的相关性,在一定程度上限制了模型的计算效率.此外,这些方法尚未明确考虑相关性建模过程中不确定性带来的影响,缺少对注意力机制在泛化能力和稳定性方面的探索.为解决上述问题,提出了一种多分支局部通道注意力模块(Multi-Branch Local Channel Attention,MBLCA).通过建模通道之间的局部相关性学习各个通道的权重,提升了模型的计算效率.并采用蒙特卡洛(Monte Carlo,MC)Dropout近似的深度贝叶斯学习方法对局部通道注意力模块进行不确定性建模,从而得到一个多分支的局部通道注意力模块.提出的MBLCA模块可以灵活地应用于各种深层卷积神经网络架构中,与同类型的工作相比,嵌入MBLCA模块的ResNet-50网络结构在ImageNet-1K和MS COCO数据集上分别取得了2.58%的分类精度提升和1.9%的AP提升. 展开更多

关键词 通道注意力机制 不确定性 多分支结构 深层卷积神经网络

在线阅读 下载PDF 职称材料

基于轻量级卷积神经网络的多视觉特征图像分割研究 被引量：6

8

作者 陈攀 王绍东 《现代电子技术》 北大核心 2024年第15期60-64,共5页

研究基于轻量级卷积神经网络的多视觉特征图像分割方法,以适应资源受限环境并满足实时性需求。在Linknet网络基础上设计轻量级多视觉特征图像分割模型,以原始多视觉特征图像为编码器输入,经过初步特征提取后,多尺度特征提取模块利用不... 研究基于轻量级卷积神经网络的多视觉特征图像分割方法,以适应资源受限环境并满足实时性需求。在Linknet网络基础上设计轻量级多视觉特征图像分割模型,以原始多视觉特征图像为编码器输入,经过初步特征提取后,多尺度特征提取模块利用不同尺度卷积核学习其颜色、纹理等特征,通道注意力模块采用压缩-激励块对不同尺度特征作重定向,利用引入深度可分离卷积的特征提取模块A学习更抽象的特征表示,解码器利用特征提取模块B、反卷积层和标准卷积层对编码器提取的特征表示作转换处理,生成包含语义信息的特征图。通过双向特征金字塔网络融合编解码器输出特征,利用Sigmoid函数获得多视觉特征图像分割结果。实验结果表明:该方法训练损失仅为0.08;可实现多视觉特征图像的精准分割,MIoU、F1-score指标分别为0.9128、0.9068;分割模型参数量、计算量、存储空间分别为6.14 MB、1.52 GMac、0.146 GB,满足轻量级要求。 展开更多

关键词 轻量级 多视觉特征 图像分割 通道注意力 反卷积 双向特征金字塔

在线阅读 下载PDF 职称材料

基于卷积注意力模块和双通道网络的微表情识别算法 被引量：15

9

作者 牛瑞华 杨俊 +1 位作者 邢斓馨 吴仁彪 《计算机应用》 CSCD 北大核心 2021年第9期2552-2559,共8页

微表情是一种人类在试图隐藏自己真实情感时作出的面部动作,具有持续时间短、幅度小的典型特点。针对微表情识别难度大、识别效果不理想的问题,提出一种基于卷积注意力模块(CBAM)和双通道网络(DPN)的微表情识别算法——CBAM-DPN。首先,... 微表情是一种人类在试图隐藏自己真实情感时作出的面部动作,具有持续时间短、幅度小的典型特点。针对微表情识别难度大、识别效果不理想的问题,提出一种基于卷积注意力模块(CBAM)和双通道网络(DPN)的微表情识别算法——CBAM-DPN。首先,进行典型微表情数据集的数据融合;然后,分析序列帧中像素的变化值以确定顶点帧位置,再对顶点帧进行图像增强处理;最后,基于CBAM-DPN对图像增强后的微表情顶点帧进行特征的有效提取,并构建分类器对微表情进行识别。优化后模型的未加权F1值(UF1)和未加权平均召回率(UAR)分别可以达到0.7203和0.7293,相较于DPN模型分别提高了0.0489和0.0379,相较于CapsuleNet模型分别提高了0.0683和0.0787。实验结果表明,CBAM-DPN算法融合了CBAM和DPN的共同优势,可增强微小特征的信息提取能力,有效改善微表情识别性能。 展开更多

关键词 微表情识别 双通道网络 卷积注意力模块 顶点帧 结构优化

在线阅读 下载PDF 职称材料

改进残差结构的轻量级故障诊断方法 被引量：4

10

作者 刘芯志 彭成 +1 位作者 满君丰 刘翊 《计算机工程与设计》 北大核心 2022年第8期2303-2310,共8页

针对大型机械装备环境噪声复杂,深度学习网络层数过深导致的巨大计算开销以及故障诊断人工特征提取的复杂性,提出改进残差结构的轻量级SCARN模型。SCARN模型使用蓝图可分离卷积代替常规卷积层,减少大量参数,设计轻量级空间通道注意力结... 针对大型机械装备环境噪声复杂,深度学习网络层数过深导致的巨大计算开销以及故障诊断人工特征提取的复杂性,提出改进残差结构的轻量级SCARN模型。SCARN模型使用蓝图可分离卷积代替常规卷积层,减少大量参数,设计轻量级空间通道注意力结构,加强特征表达能力,改进深度残差收缩模块,提高模型复杂噪声场景的鲁棒性。通过增加不同幅值的高斯白噪声模拟轴承信号复杂环境场景。实验结果表明,该模型4种评价指标均优于对比算法,具有良好的抗噪性能。 展开更多

关键词 蓝图可分离卷积 空间通道注意力 深度残差收缩模块 轻量级 高斯白噪声

在线阅读 下载PDF 职称材料

基于双交叉注意力Transformer网络的小样本图像语义分割 被引量：1

11

作者 刘玉 郭迎春 +1 位作者 朱叶 于明 《液晶与显示》 CAS CSCD 北大核心 2024年第11期1494-1505,共12页

小样本图像语义分割只用少量样本就能分割出新类别。针对现有方法中语义信息挖掘不充分的问题,本文提出一种基于双交叉注意力网络的小样本图像语义分割方法。该方法采用Transformer结构,利用双交叉注意力模块同时从通道和空间维度上学... 小样本图像语义分割只用少量样本就能分割出新类别。针对现有方法中语义信息挖掘不充分的问题,本文提出一种基于双交叉注意力网络的小样本图像语义分割方法。该方法采用Transformer结构,利用双交叉注意力模块同时从通道和空间维度上学习多尺度查询特征和支持特征的远程依赖性。首先,本文提出通道交叉注意力模块,并结合位置交叉注意力模块构成双交叉注意力模块。其中,通道交叉注意力模块用于学习查询和支持特征之间的通道语义相互关系,位置交叉注意力模块用来捕获查询和支持特征之间的远程上下文相关性。然后,通过多个双交叉注意力模块能够为查询图像提供包含丰富语义信息的多尺度交互特征。最后,本文引入辅助监督损失,并通过上采样和残差连接将多尺度交互特征连接至解码器以得到准确的新类分割结果。本文方法在数据集PASCAL-5i上的mIoU达到了69.9%(1-shot)和72.4%(5-shot),在数据集COCO-20i上的mIoU达到了48.9%(1-shot)和54.6%(5-shot)。与主流方法相比,本文方法的分割性能达到了最先进的水平。 展开更多

关键词 小样本图像语义分割 Transformer结构 通道交叉注意力 双交叉注意力 辅助损失

在线阅读 下载PDF 职称材料

基于通道注意力的轻量行人检测算法 被引量：2

12

作者 张文龙 南新元 +1 位作者 徐明明 黄家興 《现代电子技术》 2022年第16期133-138,共6页

YOLOv3算法参数量和计算量较大,不适合在移动端上使用。针对这个问题,文中通过优化YOLOv3算法提出一种基于注意力机制的轻量行人检测算法。首先,采用轻量级网络优化YOLOv3模型结构,减少模型的参数量和计算量;其次,设计下采样通道注意力... YOLOv3算法参数量和计算量较大,不适合在移动端上使用。针对这个问题,文中通过优化YOLOv3算法提出一种基于注意力机制的轻量行人检测算法。首先,采用轻量级网络优化YOLOv3模型结构,减少模型的参数量和计算量;其次,设计下采样通道注意力模块代替Darknet53中的下采样层;最后,为了进一步丰富目标特征信息,增强小尺度行人的检测能力,引入特征增强模块。在INRIA数据集上的实验结果表明,所提出方法参数量相比YOLOv3模型降低约18,模型平均准确率提高3.85%。相比其他轻量化算法,提出的算法模型复杂度更低并且检测性能更好。 展开更多

关键词 行人检测 通道注意力 YOLOv3 轻量级网络 特征增强 深度学习 残差网络 空间金字塔池化

在线阅读 下载PDF 职称材料

基于多尺度混合注意力的行人重识别模型

13

作者 刘家林 宣士斌 罗俊 《计算机工程与设计》 北大核心 2024年第11期3397-3404,共8页

针对目前行人重识别中复杂背景下人物容易被遮挡物掩盖和人物特征不明显导致模型难以提取重点特征的问题,提出一种基于多尺度混合注意力的行人重识别模型。在特征提取部分,设计一种特征提取模块,即多尺度混合注意力残差块,通过该模块可... 针对目前行人重识别中复杂背景下人物容易被遮挡物掩盖和人物特征不明显导致模型难以提取重点特征的问题,提出一种基于多尺度混合注意力的行人重识别模型。在特征提取部分,设计一种特征提取模块,即多尺度混合注意力残差块,通过该模块可得到丰富上下文关系,在频域范围内获得更丰富的通道特征信息。通过在大型数据集Market1501、DukeMTMC-reID、CUHK03-L、CUHK03-D上的验证,行人重识别的精度得到了有效提升,与目前先进的模型结果对比,mAP精度提升了0.3%、2.1%、0.7%、2.9%,Rank1在DukeMTMC-reID、CUHK03-L数据集提升了0.2%、0.8%。 展开更多

关键词 行人重识别 上下文自注意力机制 多谱通道注意力 深度学习 混合注意力机制 多分支网络结构 全尺度特征

在线阅读 下载PDF 职称材料

基于残差通道注意力的视网膜血管图像分割 被引量：1

14

作者 王文辉 刘彦隆 《智能系统学报》 CSCD 北大核心 2023年第6期1268-1274,共7页

视网膜血管分割是诊断许多早期眼睛相关疾病的重要步骤。本文将整体嵌套边缘检测(holistically-nested edge detection,HED)网络应用于视网膜血管图像分割,并对该模型进行了一系列改进:针对现有方法识别边缘和精细血管能力不足的问题,... 视网膜血管分割是诊断许多早期眼睛相关疾病的重要步骤。本文将整体嵌套边缘检测(holistically-nested edge detection,HED)网络应用于视网膜血管图像分割,并对该模型进行了一系列改进:针对现有方法识别边缘和精细血管能力不足的问题,引入了一种新的改进的高效通道注意(modified efficient chanel attention,MECA)模块,并且采用了双残差结构加深模型结构,提取更加精细的血管结构,为了防止模型加深产生过拟合问题,引入了结构化丢弃模块。为了进一步提高模型的灵敏度,本文在HED网络的特征融合阶段加入融合了MECA模块的短连接结构。实验表明,所提网络的灵敏度相比于目前最先进的方法有了明显提升,这说明本文所提方法具有最先进的识别视网膜血管的能力。 展开更多

关键词 图像处理 视网膜血管 通道注意力 边缘检测 灵敏度 双残差结构 特征融合 深度学习

在线阅读 下载PDF 职称材料

基于自注意力机制的矿井次光照图像语义分割研究 被引量：3

15

作者 杨克虎 龙启航 +3 位作者 汪嘉文 彭宝山 金波 杨学孟 《矿业安全与环保》 CAS 北大核心 2023年第5期9-18,共10页

引入图像语义分割技术,对矿井次光照环境中的目标物进行分割,将图像分成原始清晰图像和次光照图像两类,采用基于深度学习的图像增强方法对次光照条件下拍摄的图像增强细节后替换,再利用单应变换算法对数据集进行扩充,进而构建矿井巷道... 引入图像语义分割技术,对矿井次光照环境中的目标物进行分割,将图像分成原始清晰图像和次光照图像两类,采用基于深度学习的图像增强方法对次光照条件下拍摄的图像增强细节后替换,再利用单应变换算法对数据集进行扩充,进而构建矿井巷道图像语义分割标准数据集。提出一种基于自注意力机制的轻量级编码—解码结构网络:以DeepLab V3+编码—解码网络为基础网络,在编码结构中,提取矿井图像深、浅层语义特征信息,将深层语义特征信息经由轻量级自注意力机制模块进行特征激活,而浅层语义特征信息直接送入解码器中,在解码结构中拼接深、浅层语义特征信息,恢复原始图像尺寸,输出分割结果。与传统算法就图像预测进行对比实验,结果表明:在网络复杂度方面,对于3通道512×512像素大小的图像,算法的网络理论计算量FLOPs仅48.80 G,参数量仅11.90 M;在网络分割精度方面,平均交并比76.50%,平均像素精度87.75%,领先其他主流网络;在速度方面,推理一张图像的速度能达到0.032 s,可满足轻量级网络的要求。 展开更多

关键词 矿井图像语义分割 编码解码结构 轻量级网络 自注意力机制

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

16

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... 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。 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

CNN-Transformer轻量级智能调制识别算法 被引量：6

17

作者 杨静雅 齐彦丽 +3 位作者 周一青 赵登攀 王尚权 石晶林 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2023年第3期40-49,共10页

现有基于深度学习的调制识别方法,当存在噪声及不确定信道干扰影响时识别率较低,同时由于模型参数量大,难以直接应用到移动终端。针对该问题,提出一种基于卷积神经网络(CNN)和Transformer的轻量级智能调制识别方法。该方法首先利用卷积... 现有基于深度学习的调制识别方法,当存在噪声及不确定信道干扰影响时识别率较低,同时由于模型参数量大,难以直接应用到移动终端。针对该问题,提出一种基于卷积神经网络(CNN)和Transformer的轻量级智能调制识别方法。该方法首先利用卷积神经网络对信号进行局部信息特征提取,然后利用卷积神经网络通道注意力和Transformer时域注意力模块分别从信号的通道和时域两个维度关注最有利于识别的特征,降低信道或噪声等的影响,以提升识别率。所提方法可以适应多种信号表征,如原始IQ信号、幅度相位信号及变换域特征。仿真表明,在RadioML2016.10b数据集上,相较现有基于卷积神经网络的方法,所提方法的平均识别率提升了约8%~12%,相比基于残差神经网络和长短时记忆网络的方法,参数量降低了约90%~92%,计算量降低了约83%~93%。实验结果验证了所提方法增加模型分类精度的同时,有效地降低了模型的参数量和计算量。 展开更多

关键词 调制识别 通道注意力 时域注意力 轻量级网络

在线阅读 下载PDF 职称材料

面向复杂环境中带钢表面缺陷检测的轻量级DCN-YOLO 被引量：27

18

作者 卢俊哲 张铖怡 +1 位作者 刘世鹏 宁德军 《计算机工程与应用》 CSCD 北大核心 2023年第15期318-328,共11页

基于深度学习的智能检测技术逐渐在复杂钢铁生产环境带钢表面缺陷检测过程中使用。为了应对在资源受限的边缘设备中部署高精度模型的挑战,提出一个面向复杂环境中带钢表面缺陷检测的轻量级DCN-YOLO模型,该模型将可形变卷积网络DCN与原始... 基于深度学习的智能检测技术逐渐在复杂钢铁生产环境带钢表面缺陷检测过程中使用。为了应对在资源受限的边缘设备中部署高精度模型的挑战,提出一个面向复杂环境中带钢表面缺陷检测的轻量级DCN-YOLO模型,该模型将可形变卷积网络DCN与原始YOLOv5结合,以提高模型对不同尺寸和形状缺陷的灵敏度。为降低计算复杂度,在YOLO模型中引入了深度可分离卷积DSConv和高效通道注意力机制ECA两个轻量级模块,使模型更好地理解输入数据中各个通道之间的关系,在提高模型的检测精度和泛化能力的同时,大幅降低模型的计算量。进一步通过消融实验及横向对比实验,验证了每个创新模块的有效性。通过经典的开源带钢数据集NEU-DET和实际工业带钢数据集分别验证了轻量级DCN-YOLO模型在表面缺陷检测精度和计算复杂度方面的优势。 展开更多

关键词 带钢表面缺陷检测 可形变卷积网络 深度可分离卷积 ECA通道注意力 轻量级YOLOv5 图像预处理

在线阅读 下载PDF 职称材料

基于纹理特征增强和轻量级网络的人脸防伪算法 被引量：6

19

作者 沈超 何希平 《计算机科学》 CSCD 北大核心 2022年第S01期390-396,共7页

人脸防伪检测是人脸识别中较为重要的一环,对现实中的相关行业,如身份验证、安全密钥、金融支付等有着重大的意义。目前主流的基于深度学习的人脸防伪算法已经取得较为先进的效果,但仍存在部分问题,如模型参数过多,增加了实际部署的难度... 人脸防伪检测是人脸识别中较为重要的一环,对现实中的相关行业,如身份验证、安全密钥、金融支付等有着重大的意义。目前主流的基于深度学习的人脸防伪算法已经取得较为先进的效果,但仍存在部分问题,如模型参数过多,增加了实际部署的难度,而轻量级的网络结构的泛化性能并不好等。针对相关人脸防伪算法泛化能力差、参数量过大等问题,提出了一种人脸纹理信息增强方法和基于改进FeatherNet网络的人脸防伪检测算法,通过对真伪人脸信息纹理差异特征的筛选并增强作为骨干网络的输入,在骨干网络的设计上引入了DropBlock模块以及加入了多通道注意力特征图分支,在保持速度的前提下实现了泛化性能的增强。所提算法在库内测试和跨库测试上均显示出了良好的性能提升。 展开更多

关键词 人脸防伪 纹理特征增强 多通道注意力 轻量级网络

在线阅读 下载PDF 职称材料

基于混合注意力模型的阴影检测方法 被引量：3

20

作者 谭道强 曾诚 +1 位作者 乔金霞 张俊 《计算机应用》 CSCD 北大核心 2021年第7期2076-2081,共6页

图像中阴影区域的存在会导致图像内容的不确定性,不利于其他计算机视觉任务,因此常将阴影检测作为计算机视觉算法的预处理过程。然而,现有的阴影检测算法大多采用多级网络结构,导致模型训练困难,虽然已经提出了一些采用单级网络结构的算... 图像中阴影区域的存在会导致图像内容的不确定性,不利于其他计算机视觉任务,因此常将阴影检测作为计算机视觉算法的预处理过程。然而,现有的阴影检测算法大多采用多级网络结构,导致模型训练困难,虽然已经提出了一些采用单级网络结构的算法,但它们只关注了局部的阴影,忽略了阴影之间的联系。针对该问题,为提升阴影检测的准确率和鲁棒性,提出了基于混合注意力模型的阴影检测方法。首先将预训练后的深层网络ResNext101作为前端特征提取网络,提取图像的基本特征;其次采用双向金字塔结构由浅入深、由深到浅的方式进行特征融合,并提出信息补偿机制减少深层语义信息丢失;然后结合空间注意力和通道注意力提出混合注意力模型进行特征融合,捕捉阴影区域和非阴影区域的差异;最后融合两个方向的预测结果从而得到最终的阴影检测结果。在公开数据集SBU、UCF上对所提方法进行可行性对比实验,结果表明,相较于DSC算法,所提方法的平衡误差率(BER)分别降低了30%和11%,说明它能够较好地抑制阴影错误检测并增强阴影细节。 展开更多

关键词 阴影检测 卷积神经网络 空间注意力 通道注意力 信息补偿机制 双向金字塔结构

在线阅读 下载PDF 职称材料