检索结果-维普期刊中文期刊服务平台

基于多尺度频率通道注意力融合的声纹库构建方法: 1; 作者陈彤杨丰玉 +2 位作者熊宇严荭邱福星《计算机应用》 CSCD 北大核心 2024年第8期2407-2413,共7页; 为解决声纹识别准确性易受外部因素影响的问题,提出一种基于多尺度频率通道注意力融合时延神经网络(MFCA-TDNN)模型的声纹识别算法。MFCA-TDNN在ECAPA-TDNN(Emphasized Channel Attention Propagation Aggregation Time Delay Neural Ne... 展开更多; 关键词声纹库时延神经网络多尺度特征提取频率通道注意力特征注意力融合; 在线阅读下载PDF 职称材料

基于频率通道注意力网络的花生图像识别被引量：1: 2; 作者王春龙蒋仲铭 +3 位作者鲍安红龚凤李丹高涛《花生学报》北大核心 2022年第3期69-76,82,共9页; 为了解决不同等级花生果的外形和颜色相似性大、难以分类识别的问题,本研究在ResNet50的基础上进行了改进。首先,在每个残差结构中引入频率通道注意力(Frequency Channel Attention,FCA)机制,减少图像特征信息的丢失,保留更多细节信息;... 展开更多; 关键词图像识别频率通道注意力自适应激活函数梯度集中花生分级; 在线阅读下载PDF 职称材料

用于胸片分类的自校正特征融合金字塔网络: 3; 作者宫霄霖程琦李锵《天津大学学报（自然科学与工程技术版）》 EI CAS CSCD 北大核心 2024年第5期511-520,共10页; 胸部疾病的病灶区域面积差异较大,易受健康部位的影响,难以定位,并且用于诊断疾病的X射线胸片样本数据分布不平衡,导致胸部疾病分类网络的分类准确度较低.针对胸部疾病分类任务中仍然存在的问题和挑战,本文提出了一种自校正特征融合金... 展开更多; 关键词胸部疾病自校正卷积特征融合金字塔网络频率通道注意力轮次焦点损失函数; 在线阅读下载PDF 职称材料

改进YOLOv5网络在遥感图像目标检测中的应用被引量：16: 4; 作者周华平郭伟《遥感信息》 CSCD 北大核心 2022年第5期23-30,共8页; 针对遥感图像目标检测存在的尺度多样化、分布密集、小目标检测困难等问题,提出了一种改进YOLOv5网络的遥感图像目标检测的新方法Fca_YOLOv5。该方法引入了频率通道注意力网络,引导模型更加关注信息丰富的特征;将网络输入尺寸优化为1 0... 展开更多; 关键词 YOLOv5 频率通道注意力机制网络输入尺寸圆形平滑标签小目标检测; 在线阅读下载PDF 职称材料

题名基于多尺度频率通道注意力融合的声纹库构建方法: 1; 作者陈彤杨丰玉熊宇严荭邱福星; 机构南昌航空大学软件学院; 出处《计算机应用》 CSCD 北大核心 2024年第8期2407-2413,共7页; 基金国家自然科学基金资助项目(61762067)。; 文摘为解决声纹识别准确性易受外部因素影响的问题,提出一种基于多尺度频率通道注意力融合时延神经网络(MFCA-TDNN)模型的声纹识别算法。MFCA-TDNN在ECAPA-TDNN(Emphasized Channel Attention Propagation Aggregation Time Delay Neural Network)的基础上作了3点改进,包括:加入了多尺度频率通道注意力前端以从话语中获得高分辨率的特征表示、添加了多尺度通道注意力模块结合局部和全局的特征以融合多尺度信息、嵌入了特征注意力融合模块为多尺度的融合特征加权。这些改进使模型更好地利用多尺度的时频信息,提高识别能力。实验结果表明,与ECAPA-TDNN模型相比,MFCA-TDNN模型等错误率(EER)和最小检测代价函数(minDCF)分别下降5.9%和7.9%;最低的EER可达到3.83%,最低的minDCF可达到0.2202。; 关键词声纹库时延神经网络多尺度特征提取频率通道注意力特征注意力融合; Keywords voiceprint library delay neural network multi-scale feature extraction frequency-channel attention feature attention fusion; 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

题名基于频率通道注意力网络的花生图像识别被引量：1: 2; 作者王春龙蒋仲铭鲍安红龚凤李丹高涛; 机构西南大学工程技术学院; 出处《花生学报》北大核心 2022年第3期69-76,82,共9页; 基金国家自然科学基金项目(4111900075) 重庆市自然科学基金项目(4312000227) 重庆市研究生科研创新项目(CYS211117)。; 文摘为了解决不同等级花生果的外形和颜色相似性大、难以分类识别的问题,本研究在ResNet50的基础上进行了改进。首先,在每个残差结构中引入频率通道注意力(Frequency Channel Attention,FCA)机制,减少图像特征信息的丢失,保留更多细节信息;其次,通过可学习的自适应激活函数(Activate or Not,ACON)进行激活,动态地学习了激活函数的非线性程度,激活过程更加稳健而有效;最后,利用梯度集中(Gradient Centralization)的动量梯度下降算法优化损失函数。同等实验条件下对比VGG16、AlexNet和未改进的ResNet50模型,该模型性能最优,模型参数大小为127 MB,单张图耗时0.31 s,测试集上平均识别准确率为98%,高出模型改进前2.46个百分点。FAG-ResNet50模型可以很好地解决花生果分类问题,为智能花生果分级设备的开发奠定了技术基础。; 关键词图像识别频率通道注意力自适应激活函数梯度集中花生分级; Keywords image recognition Frequency Channel Attention(FCA) Activate or Not(ACON) Gradient Concentration peanut classification; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] S565.209.2 [农业科学—作物学]; 在线阅读下载PDF 职称材料

题名用于胸片分类的自校正特征融合金字塔网络: 3; 作者宫霄霖程琦李锵; 机构天津大学微电子学院; 出处《天津大学学报（自然科学与工程技术版）》 EI CAS CSCD 北大核心 2024年第5期511-520,共10页; 基金国家自然科学基金资助项目(62272337) 天津大学自主创新基金资助项目(2021XZC-0024) 超声医学工程国家重点实验室开放课题资助项目(2022KFKT004).; 文摘胸部疾病的病灶区域面积差异较大,易受健康部位的影响,难以定位,并且用于诊断疾病的X射线胸片样本数据分布不平衡,导致胸部疾病分类网络的分类准确度较低.针对胸部疾病分类任务中仍然存在的问题和挑战,本文提出了一种自校正特征融合金字塔网络.该网络使用自校正卷积增强疾病部位在特征图上以及通道之间的位置联系,在不引入额外参数量的条件下增大了卷积的感受野,避免无病区域的信息干扰;然后通过特征融合金字塔网络整合多尺度图像特征信息,在获取高分辨率特征图的同时,能够准确地定位病变区域,可以更好地识别不同尺度疾病的特征,在多标签分类任务上具有独特的优势;同时引入频率通道注意力机制强化网络对疾病特征的提取能力,在上采样和特征融合变换之前,减少全局平均池化过程中造成的特征丢失;最后提出一种轮次焦点损失函数区分不同种类胸部疾病的训练程度,根据分类难易程度区分样本,并在不同的训练轮次调整权重,以解决胸部疾病样本分布不平衡问题.在ChestX-ray14数据集上的平均AUC值可达0.853,在CheXpert数据集上的平均AUC值可达0.903,超过了近年来较为先进的网络模型.实验结果表明,该网络与传统的胸部疾病分类网络相比能有效地提高胸部疾病的分类精度,并且具有较强的泛化能力.; 关键词胸部疾病自校正卷积特征融合金字塔网络频率通道注意力轮次焦点损失函数; Keywords thoracic disease self-calibrated convolution feature fusion pyramid network frequency channel attention epoch focal 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

题名改进YOLOv5网络在遥感图像目标检测中的应用被引量：16: 4; 作者周华平郭伟; 机构安徽理工大学计算机科学与工程系; 出处《遥感信息》 CSCD 北大核心 2022年第5期23-30,共8页; 基金国家自然科学基金项目(61703005) 安徽省重点研究与开发计划(202004b11020029)。; 文摘针对遥感图像目标检测存在的尺度多样化、分布密集、小目标检测困难等问题,提出了一种改进YOLOv5网络的遥感图像目标检测的新方法Fca_YOLOv5。该方法引入了频率通道注意力网络,引导模型更加关注信息丰富的特征;将网络输入尺寸优化为1 024,减少了图像缩放带来的影响;采用圆形平滑标签计算角度损失,对船舰目标进行旋转目标检测,进一步提升检测效果。在DOTA遥感图像数据集上进行实验,检测精度最高达到了75.9%,船舰旋转目标检测精度达到了96.1%,并且Fca_YOLOv5s的检测精度比YOLOv5s提高了3.1%。实验结果表明,改进网络对遥感图像中的微小目标具有较好的检测效果,有效提升了遥感图像的检测精度,对实现遥感图像中的微小目标检测具有一定的参考意义。; 关键词 YOLOv5 频率通道注意力机制网络输入尺寸圆形平滑标签小目标检测; Keywords YOLOv5 FcaNet network input size circular smoothing label small object detection; 分类号 TP751 [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	作者	出处	发文年	被引量	操作
1	基于多尺度频率通道注意力融合的声纹库构建方法	陈彤杨丰玉熊宇严荭邱福星	《计算机应用》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
2	基于频率通道注意力网络的花生图像识别	王春龙蒋仲铭鲍安红龚凤李丹高涛	《花生学报》北大核心	2022	1	在线阅读下载PDF 职称材料
3	用于胸片分类的自校正特征融合金字塔网络	宫霄霖程琦李锵	《天津大学学报（自然科学与工程技术版）》 EI CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
4	改进YOLOv5网络在遥感图像目标检测中的应用	周华平郭伟	《遥感信息》 CSCD 北大核心	2022	16	在线阅读下载PDF 职称材料