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
3
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
引入注意力机制的多分辨率人体姿态估计研究
被引量：
4
1
作者
张越
黄友锐
刘鹏坤
《计算机工程与应用》
CSCD
北大核心
2021年第8期126-132,共7页
针对人体姿态估计任务中多分辨率特征表征直接融合时存在无法有效利用特征图空间特征信息的问题,基于High-Resolution Net(HRNet)进行结构设计,构建出结合了通道域注意力和空间域注意力机制的多分辨率人体姿态估计网络GCT-Nonlocal Net(...
针对人体姿态估计任务中多分辨率特征表征直接融合时存在无法有效利用特征图空间特征信息的问题,基于High-Resolution Net(HRNet)进行结构设计,构建出结合了通道域注意力和空间域注意力机制的多分辨率人体姿态估计网络GCT-Nonlocal Net(GNNet),提出了一种基于注意力机制的多分辨率表征融合方法,在不同分辨率表征融合前由空间注意力提取出各分辨率表征更有用的空间特征信息来改进融合单元,使得各分辨率表征间的信息融合效果更佳,最终输出的高分辨率表征含有更丰富的特征信息,同时构造了Gateneck模块和Gateblock模块,其通过引入通道注意力更明确地对通道关系建模从而高效地提取通道信息。在MS COCOVAL 2017进行验证,结果显示提出的GNNet相较于SOTA级表现的HRNet在相当参数量与运算量的情况下获得了更高的准确度,mAP提高了1.4个百分点。实验结果表明,所提方法有效地提高了多分辨率特征表征融合效果。
展开更多
关键词
卷积神经网络
人体姿态估计
多分辨率特征表征融合
空间
域
注意力
机制
通道域注意力机制
在线阅读
下载PDF
职称材料
基于双路径网络和注意力机制的胰腺图像分割
2
作者
王嘉瑶
吕晓琪
+1 位作者
谷宇
张明
《现代电子技术》
2022年第7期47-52,共6页
针对胰腺CT图像因类别不平衡、背景分散和非刚性几何特征的特性而分割精度不高的问题,提出一种基于Unet网络,采用改进的双路径网络和通道域注意力机制的图像分割模型。首先采用空洞卷积(DilatedConv)代替传统卷积优化双路径网络,扩大感...
针对胰腺CT图像因类别不平衡、背景分散和非刚性几何特征的特性而分割精度不高的问题,提出一种基于Unet网络,采用改进的双路径网络和通道域注意力机制的图像分割模型。首先采用空洞卷积(DilatedConv)代替传统卷积优化双路径网络,扩大感受野,让每个卷积输出都包含较大范围的信息;再将双路径网络的编码器结构引入Unet网络,加强特征的重复利用和新特征的不断探索,获取更多图像细节信息;在此改进网络基础上引入通道域注意力机制,聚焦分割重要部位,提高分割准确率。实验数据表明,设计的网络最高Dice相似系数(DSC)达到了89.81%,最低DSC为72.33%,平均DSC为(85.82±4.73)%。结果表明该模型具有较高的准确率,准确分割胰腺是计算机辅助诊断的重要前提,其研究意义重大。
展开更多
关键词
图像处理
胰腺CT图像
空洞卷积
Unet网络
双路径网络
通道域注意力机制
计算机辅助诊断
在线阅读
下载PDF
职称材料
基于Ghost-DenseNet-SE的恶意代码检测方法
被引量：
6
3
作者
李怡
李进
《空军工程大学学报（自然科学版）》
CSCD
北大核心
2021年第5期49-55,共7页
针对现有恶意代码检测模型对恶意代码及其变种识别率不高,且参数量过大这一问题,将轻量化卷积Ghost、密集连接网络DenseNet与通道域注意力机制SE相结合,提出一种基于Ghost-DenseNet-SE的恶意代码家族检测模型。该模型为压缩模型体积、...
针对现有恶意代码检测模型对恶意代码及其变种识别率不高,且参数量过大这一问题,将轻量化卷积Ghost、密集连接网络DenseNet与通道域注意力机制SE相结合,提出一种基于Ghost-DenseNet-SE的恶意代码家族检测模型。该模型为压缩模型体积、提升识别速率,将DenseNet中的标准卷积层替换为轻量化Ghost模块;并引入通道域注意力机制,赋予特征通道不同权重,用以提取恶意代码的关键特征,提高模型检测精度。在Malimg数据集上的实验结果表明,该模型对恶意代码家族的识别准确率可以达到99.14%,与AlexNet、VGGNet等模型相比分别提高了1.34%和2.98%,且模型参数量更低。该算法在提升分类准确率的同时,降低了模型复杂度,在恶意代码检测中具有重要的工程价值和实践意义。
展开更多
关键词
恶意代码
轻量化卷积
密集连接网络
通道域注意力机制
在线阅读
下载PDF
职称材料
题名
引入注意力机制的多分辨率人体姿态估计研究
被引量：
4
1
作者
张越
黄友锐
刘鹏坤
机构
安徽理工大学电气与信息工程学院
出处
《计算机工程与应用》
CSCD
北大核心
2021年第8期126-132,共7页
基金
国家自然科学基金(61772033)。
文摘
针对人体姿态估计任务中多分辨率特征表征直接融合时存在无法有效利用特征图空间特征信息的问题,基于High-Resolution Net(HRNet)进行结构设计,构建出结合了通道域注意力和空间域注意力机制的多分辨率人体姿态估计网络GCT-Nonlocal Net(GNNet),提出了一种基于注意力机制的多分辨率表征融合方法,在不同分辨率表征融合前由空间注意力提取出各分辨率表征更有用的空间特征信息来改进融合单元,使得各分辨率表征间的信息融合效果更佳,最终输出的高分辨率表征含有更丰富的特征信息,同时构造了Gateneck模块和Gateblock模块,其通过引入通道注意力更明确地对通道关系建模从而高效地提取通道信息。在MS COCOVAL 2017进行验证,结果显示提出的GNNet相较于SOTA级表现的HRNet在相当参数量与运算量的情况下获得了更高的准确度,mAP提高了1.4个百分点。实验结果表明,所提方法有效地提高了多分辨率特征表征融合效果。
关键词
卷积神经网络
人体姿态估计
多分辨率特征表征融合
空间
域
注意力
机制
通道域注意力机制
Keywords
convolutional neural network
human pose estimation
multi-resolution feature representation fusion
spatial attention mechanism
channel attention mechanism
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
基于双路径网络和注意力机制的胰腺图像分割
2
作者
王嘉瑶
吕晓琪
谷宇
张明
机构
内蒙古科技大学信息工程学院模式识别与智能图像处理重点实验室
内蒙古工业大学信息工程学院
大连海事大学信息科学技术学院
出处
《现代电子技术》
2022年第7期47-52,共6页
基金
国家自然科学基金项目(61771266)
国家自然科学基金项目(62001255)
+4 种基金
国家自然科学基金项目(61841204)
内蒙古自治区科技计划项目(2019GG138)
内蒙古自治区自然科学基金项目(2019MS06003,2015MS0604)
内蒙古自治区高等学校科学研究项目(NJZY145,NJZY18150)
教育部“春晖计划”合作科研项目:基于Hessian选择性增强滤波及粒子群参数优化支持向量机的影像大数据肺癌辅助检测诊断技术研究(教外司留[2019]1383号)。
文摘
针对胰腺CT图像因类别不平衡、背景分散和非刚性几何特征的特性而分割精度不高的问题,提出一种基于Unet网络,采用改进的双路径网络和通道域注意力机制的图像分割模型。首先采用空洞卷积(DilatedConv)代替传统卷积优化双路径网络,扩大感受野,让每个卷积输出都包含较大范围的信息;再将双路径网络的编码器结构引入Unet网络,加强特征的重复利用和新特征的不断探索,获取更多图像细节信息;在此改进网络基础上引入通道域注意力机制,聚焦分割重要部位,提高分割准确率。实验数据表明,设计的网络最高Dice相似系数(DSC)达到了89.81%,最低DSC为72.33%,平均DSC为(85.82±4.73)%。结果表明该模型具有较高的准确率,准确分割胰腺是计算机辅助诊断的重要前提,其研究意义重大。
关键词
图像处理
胰腺CT图像
空洞卷积
Unet网络
双路径网络
通道域注意力机制
计算机辅助诊断
Keywords
image processing
pancreatic CT image
DilatedConv
Unet
DPN
channel domain attention mechanism
CAD diagnosis
分类号
TN911.73-34 [电子电信—通信与信息系统]
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
基于Ghost-DenseNet-SE的恶意代码检测方法
被引量：
6
3
作者
李怡
李进
机构
空军工程大学防空反导学院
出处
《空军工程大学学报（自然科学版）》
CSCD
北大核心
2021年第5期49-55,共7页
文摘
针对现有恶意代码检测模型对恶意代码及其变种识别率不高,且参数量过大这一问题,将轻量化卷积Ghost、密集连接网络DenseNet与通道域注意力机制SE相结合,提出一种基于Ghost-DenseNet-SE的恶意代码家族检测模型。该模型为压缩模型体积、提升识别速率,将DenseNet中的标准卷积层替换为轻量化Ghost模块;并引入通道域注意力机制,赋予特征通道不同权重,用以提取恶意代码的关键特征,提高模型检测精度。在Malimg数据集上的实验结果表明,该模型对恶意代码家族的识别准确率可以达到99.14%,与AlexNet、VGGNet等模型相比分别提高了1.34%和2.98%,且模型参数量更低。该算法在提升分类准确率的同时,降低了模型复杂度,在恶意代码检测中具有重要的工程价值和实践意义。
关键词
恶意代码
轻量化卷积
密集连接网络
通道域注意力机制
Keywords
malicious code
lightweight convolutional
densely connected network
channel domain attention mechanism
分类号
TP309 [自动化与计算机技术—计算机系统结构]
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
引入注意力机制的多分辨率人体姿态估计研究
张越
黄友锐
刘鹏坤
《计算机工程与应用》
CSCD
北大核心
2021
4
在线阅读
下载PDF
职称材料
2
基于双路径网络和注意力机制的胰腺图像分割
王嘉瑶
吕晓琪
谷宇
张明
《现代电子技术》
2022
0
在线阅读
下载PDF
职称材料
3
基于Ghost-DenseNet-SE的恶意代码检测方法
李怡
李进
《空军工程大学学报（自然科学版）》
CSCD
北大核心
2021
6
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
