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
4
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
基于金字塔拆分注意力的列车轮对踏面损伤诊断
被引量:
10
1
作者
何静
侯娜
+2 位作者
张昌凡
胡新亮
刘建华
《中国安全科学学报》
CAS
CSCD
北大核心
2022年第5期35-40,共6页
为解决列车轮对踏面损伤诊断准确率低、速度慢和损伤样本少的问题,提出一种基于金字塔拆分注意力网络(EPSA-ResNet)的车轮对踏面损伤诊断模型。首先,采用迁移学习方法预训练ImageNet数据集,得到模型参数,然后将其迁移到轮对踏面损伤特...
为解决列车轮对踏面损伤诊断准确率低、速度慢和损伤样本少的问题,提出一种基于金字塔拆分注意力网络(EPSA-ResNet)的车轮对踏面损伤诊断模型。首先,采用迁移学习方法预训练ImageNet数据集,得到模型参数,然后将其迁移到轮对踏面损伤特征数据中,并进行微调,从而获得共享模型结构和参数;其次将ResNet-50残差块中的3×3卷积替换为一种金字塔拆分注意力(PSA)模块,得到新的EPSA-ResNet,融合空间和通道注意力多级别特征,自适应地进行特征重标定;最后通过Softmax分类器得到轮对踏面损伤情况的诊断结果。结果表明:该方法能够有效识别列车轮对踏面损伤状态以及周围环境间存在的局部细微差异,诊断精度可达99.79%,优于其他深度神经网络模型。
展开更多
关键词
金字塔
拆
分
注意力
网络(EPSA-ResNet)
轮对踏面
损伤诊断
迁移学习
残差网络
在线阅读
下载PDF
职称材料
融合注意力机制及DenseASPP改进的DeeplabV3+遥感图像分割方法
被引量:
11
2
作者
周羿
刘德儿
《遥感信息》
CSCD
北大核心
2023年第3期85-92,共8页
由于遥感影像分辨率的提高,卷积层需要更大的感受野来捕获语义信息。DeeplabV3+模型在使用较大空洞率时会出现空洞卷积低效或失效的问题,同时该模型依靠卷积运算捕获的是局部信息,难以建立长距离依赖。为此,文章设计了一种基于DeeplabV3...
由于遥感影像分辨率的提高,卷积层需要更大的感受野来捕获语义信息。DeeplabV3+模型在使用较大空洞率时会出现空洞卷积低效或失效的问题,同时该模型依靠卷积运算捕获的是局部信息,难以建立长距离依赖。为此,文章设计了一种基于DeeplabV3+的改进模型,在原模型中添加金字塔拆分注意力模块(pyramid split attention,PSA),通过金字塔结构,使网络关注关键信息,帮助模型提取像素级多尺度空间信息的同时建立长距离依赖关系。同时,将空间空洞金字塔池化模块(atrous spatial pyramid pooling,ASPP)替换为密集空间空洞金字塔池化模块(dense atrous spatial pyramid pooling,DenseASPP),帮助网络利用更多像素,获得更大感受野,得到更密集的特征金字塔,并避免了空洞卷积低效或失效的情况发生。为了验证模型效果,分别使用Vaihingen和WHDLD数据集进行实验。相较于原模型,该模型的MIoU提高了2.8%~0.9%,F1分数提高了2.1%~0.73%;通过与其他现有模型进行对比,该方法在分割效果上也有明显的提升。
展开更多
关键词
语义
分
割
DeeplabV3+
金字塔拆分注意力模块
密集空间空洞
金字塔
池化
残差网络
在线阅读
下载PDF
职称材料
基于特征重用和膨胀卷积的遥感图像舰船检测
被引量:
1
3
作者
曲海成
李瑞柯
+1 位作者
王蒙
单以盟
《智能系统学报》
CSCD
北大核心
2024年第5期1298-1308,共11页
在光学遥感图像中,港口内的舰船目标通常处于密集的船只群中,并受到周围环境的干扰和遮挡,如集装箱、车辆等。为了进一步提高现有舰船目标检测算法的精度和泛化性能,提出了一种基于特征重用和膨胀卷积的遥感图像舰船检测算法。首先构建...
在光学遥感图像中,港口内的舰船目标通常处于密集的船只群中,并受到周围环境的干扰和遮挡,如集装箱、车辆等。为了进一步提高现有舰船目标检测算法的精度和泛化性能,提出了一种基于特征重用和膨胀卷积的遥感图像舰船检测算法。首先构建了基于分组卷积和拆分注意力的残差块来提取特征,同时嵌入可变形卷积提取更加符合舰船尺度变化的特征;接着,构造了多尺度感受野模块,通过并行提取多尺度特征后再进行融合来减少信息损失;最后,在原有特征金字塔的基础上构建了一条自底向上的特征重用聚合路径以提高特征表示能力。在大型遥感数据集DOTA和舰船数据集HRSC2016上进行实验,实验结果表明,所提方法能够有效缓解舰船目标漏检和误检问题,提高了遥感图像舰船目标检测的精度。
展开更多
关键词
遥感图像
舰船检测
特征重用
膨胀卷积
拆
分
注意力
分
组卷积
特征
金字塔
可变形卷积
在线阅读
下载PDF
职称材料
自然场景图像中维吾尔文检测算法
4
作者
王德青
吾守尔·斯拉木
许苗苗
《东北师大学报(自然科学版)》
CAS
北大核心
2022年第3期76-82,共7页
针对自然场景图像中维吾尔文检测难度较大、字体粘连、形状较小等问题,提出了改进的DBNet算法.该网络结构主要由拆分注意力网络ResNeSt50和特征金字塔网络FPN融合进行特征提取,然后对提取的特征进行预测,之后经过DB操作获得包含丰富语...
针对自然场景图像中维吾尔文检测难度较大、字体粘连、形状较小等问题,提出了改进的DBNet算法.该网络结构主要由拆分注意力网络ResNeSt50和特征金字塔网络FPN融合进行特征提取,然后对提取的特征进行预测,之后经过DB操作获得包含丰富语义信息和位置信息的维吾尔文字检测结果.经过在数据集的实验测试与对比,所提出的算法考虑了语义信息和位置信息对检测结果的影响,得到的准确率达到了0.767 2,F值达到了0.67,有效地提高了检测的准确率.
展开更多
关键词
拆
分
注意力
维吾尔文检测
特征
金字塔
在线阅读
下载PDF
职称材料
题名
基于金字塔拆分注意力的列车轮对踏面损伤诊断
被引量:
10
1
作者
何静
侯娜
张昌凡
胡新亮
刘建华
机构
湖南工业大学电气与信息工程学院
湖南工业大学轨道交通学院
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2022年第5期35-40,共6页
基金
国家自然科学基金资助(52172403,62173137)
湖南省自然科学基金资助(2021JJ30217)
湖南省教育厅资助项目(19A137)。
文摘
为解决列车轮对踏面损伤诊断准确率低、速度慢和损伤样本少的问题,提出一种基于金字塔拆分注意力网络(EPSA-ResNet)的车轮对踏面损伤诊断模型。首先,采用迁移学习方法预训练ImageNet数据集,得到模型参数,然后将其迁移到轮对踏面损伤特征数据中,并进行微调,从而获得共享模型结构和参数;其次将ResNet-50残差块中的3×3卷积替换为一种金字塔拆分注意力(PSA)模块,得到新的EPSA-ResNet,融合空间和通道注意力多级别特征,自适应地进行特征重标定;最后通过Softmax分类器得到轮对踏面损伤情况的诊断结果。结果表明:该方法能够有效识别列车轮对踏面损伤状态以及周围环境间存在的局部细微差异,诊断精度可达99.79%,优于其他深度神经网络模型。
关键词
金字塔
拆
分
注意力
网络(EPSA-ResNet)
轮对踏面
损伤诊断
迁移学习
残差网络
Keywords
efficient pyramid split attention-residual network(EPSA-ResNet)
wheelset tread
damage diagnosis
transfer learning
residual network
分类号
X924.3 [环境科学与工程—安全科学]
在线阅读
下载PDF
职称材料
题名
融合注意力机制及DenseASPP改进的DeeplabV3+遥感图像分割方法
被引量:
11
2
作者
周羿
刘德儿
机构
江西理工大学土木与测绘工程学院
出处
《遥感信息》
CSCD
北大核心
2023年第3期85-92,共8页
基金
国家自然科学基金项目(42271434)
江西省自然科学基金项目(20202BAB202025)。
文摘
由于遥感影像分辨率的提高,卷积层需要更大的感受野来捕获语义信息。DeeplabV3+模型在使用较大空洞率时会出现空洞卷积低效或失效的问题,同时该模型依靠卷积运算捕获的是局部信息,难以建立长距离依赖。为此,文章设计了一种基于DeeplabV3+的改进模型,在原模型中添加金字塔拆分注意力模块(pyramid split attention,PSA),通过金字塔结构,使网络关注关键信息,帮助模型提取像素级多尺度空间信息的同时建立长距离依赖关系。同时,将空间空洞金字塔池化模块(atrous spatial pyramid pooling,ASPP)替换为密集空间空洞金字塔池化模块(dense atrous spatial pyramid pooling,DenseASPP),帮助网络利用更多像素,获得更大感受野,得到更密集的特征金字塔,并避免了空洞卷积低效或失效的情况发生。为了验证模型效果,分别使用Vaihingen和WHDLD数据集进行实验。相较于原模型,该模型的MIoU提高了2.8%~0.9%,F1分数提高了2.1%~0.73%;通过与其他现有模型进行对比,该方法在分割效果上也有明显的提升。
关键词
语义
分
割
DeeplabV3+
金字塔拆分注意力模块
密集空间空洞
金字塔
池化
残差网络
Keywords
semantic segmentation
DeeplabV3+
pyramid split attention
DenseASPP
residual network
分类号
TP753 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
基于特征重用和膨胀卷积的遥感图像舰船检测
被引量:
1
3
作者
曲海成
李瑞柯
王蒙
单以盟
机构
辽宁工程技术大学软件学院
出处
《智能系统学报》
CSCD
北大核心
2024年第5期1298-1308,共11页
基金
国家自然科学基金面上项目(42271409)
辽宁省高等学校基本科研项目(LIKMZ20220699).
文摘
在光学遥感图像中,港口内的舰船目标通常处于密集的船只群中,并受到周围环境的干扰和遮挡,如集装箱、车辆等。为了进一步提高现有舰船目标检测算法的精度和泛化性能,提出了一种基于特征重用和膨胀卷积的遥感图像舰船检测算法。首先构建了基于分组卷积和拆分注意力的残差块来提取特征,同时嵌入可变形卷积提取更加符合舰船尺度变化的特征;接着,构造了多尺度感受野模块,通过并行提取多尺度特征后再进行融合来减少信息损失;最后,在原有特征金字塔的基础上构建了一条自底向上的特征重用聚合路径以提高特征表示能力。在大型遥感数据集DOTA和舰船数据集HRSC2016上进行实验,实验结果表明,所提方法能够有效缓解舰船目标漏检和误检问题,提高了遥感图像舰船目标检测的精度。
关键词
遥感图像
舰船检测
特征重用
膨胀卷积
拆
分
注意力
分
组卷积
特征
金字塔
可变形卷积
Keywords
remote sensing image
ship detection
feature reuse
dilated convolution
split attention
group convolution
feature pyramid
deformable convolution
分类号
TP751 [自动化与计算机技术—检测技术与自动化装置]
TN911.73 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
自然场景图像中维吾尔文检测算法
4
作者
王德青
吾守尔·斯拉木
许苗苗
机构
新疆大学信息科学与工程学院
新疆大学新疆多语种信息技术重点实验室
出处
《东北师大学报(自然科学版)》
CAS
北大核心
2022年第3期76-82,共7页
基金
国家自然科学基金资助项目(61433012)
国家重点研发计划项目(2017YFC0820702-3)。
文摘
针对自然场景图像中维吾尔文检测难度较大、字体粘连、形状较小等问题,提出了改进的DBNet算法.该网络结构主要由拆分注意力网络ResNeSt50和特征金字塔网络FPN融合进行特征提取,然后对提取的特征进行预测,之后经过DB操作获得包含丰富语义信息和位置信息的维吾尔文字检测结果.经过在数据集的实验测试与对比,所提出的算法考虑了语义信息和位置信息对检测结果的影响,得到的准确率达到了0.767 2,F值达到了0.67,有效地提高了检测的准确率.
关键词
拆
分
注意力
维吾尔文检测
特征
金字塔
Keywords
split attention
Uyghur text detection
pyramid of features
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
作者
出处
发文年
被引量
操作
1
基于金字塔拆分注意力的列车轮对踏面损伤诊断
何静
侯娜
张昌凡
胡新亮
刘建华
《中国安全科学学报》
CAS
CSCD
北大核心
2022
10
在线阅读
下载PDF
职称材料
2
融合注意力机制及DenseASPP改进的DeeplabV3+遥感图像分割方法
周羿
刘德儿
《遥感信息》
CSCD
北大核心
2023
11
在线阅读
下载PDF
职称材料
3
基于特征重用和膨胀卷积的遥感图像舰船检测
曲海成
李瑞柯
王蒙
单以盟
《智能系统学报》
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
4
自然场景图像中维吾尔文检测算法
王德青
吾守尔·斯拉木
许苗苗
《东北师大学报(自然科学版)》
CAS
北大核心
2022
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