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
共找到128篇文章
< 1 2 … 7 >
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：
YOLO-BFEPS:一种高效注意力增强的跨尺度YOLOv10火灾检测模型 被引量：1
1
作者 高均益 张伟 李泽麟 《计算机科学》 北大核心 2025年第S1期412-420,共9页
为解决传统火灾检测模型在处理复杂场景时,特征提取不充分和模型复杂度过高导致预警延迟及识别精度下降的问题,提出一种可部署到终端设备上的基于改进YOLOv10的新型火灾检测模型YOLO-BFEPS(YOLO Bi-directional Fusion with Enhanced Pa... 为解决传统火灾检测模型在处理复杂场景时,特征提取不充分和模型复杂度过高导致预警延迟及识别精度下降的问题,提出一种可部署到终端设备上的基于改进YOLOv10的新型火灾检测模型YOLO-BFEPS(YOLO Bi-directional Fusion with Enhanced Partial Self-Attention),实现了同时对烟雾与火灾的快速准确检测。首先,改进PSA模块,加强空间语义特征提取,解决通道降维建模跨通道关系时带来的信息丢失与计算复杂度增加的问题,提高检测精度,并将改进后的模块记为E-PSA(Enhanced Partial Self-Attention);其次,基于BiFPN提出特征层双向跨连接的思想进行尺度融合,重新设计了YOLOv10的颈部结构,并创新性地增加来自低特征层信息的融合,在保持准确度的同时大大减少了模型参数以及计算复杂度;引入Faster Block结构替换C2f模块的Bottleneck结构,实现模型的轻量化设计,并将其称为C2f-Faster。最后,通过在多个数据集上进行实验验证了所提模型的有效性,其在参数量减少35.5%、计算复杂度降低17.6%的基础上,将检测精度(Precision)和mAP@0.5分别提升了5.9%和1.4%。 展开更多
关键词 高效注意力 多尺度特征 加权双向特征金字塔 火灾检测 YOLOv10 轻量化 计算机视觉 深度学习
在线阅读 下载PDF
II导联心电图中心肌梗死检测与定位:基于多尺度残差模块融合改进通道注意力模型
2
作者 吴秋岑 卢学麒 +3 位作者 温耀棋 洪永 吴煜良 陈超敏 《南方医科大学学报》 北大核心 2025年第8期1777-1790,共14页
目的提高心肌梗死(MI)检测和定位准确性,为临床诊断提供辅助决策支持。方法本文提出了一种基于多尺度残差模块融合改进通道注意力模型(MSF-RB-MCA)。该模型利用II导联心电图(ECG)信号检测和定位MI,通过多尺度残差模块提取不同层次的特... 目的提高心肌梗死(MI)检测和定位准确性,为临床诊断提供辅助决策支持。方法本文提出了一种基于多尺度残差模块融合改进通道注意力模型(MSF-RB-MCA)。该模型利用II导联心电图(ECG)信号检测和定位MI,通过多尺度残差模块提取不同层次的特征信息,并引入改进通道注意力自动调整特征权重,增强模型对MI区域的关注能力,从而提高MI检测与定位的精度。结果使用公开的PTB数据集对提出的模型进行了5折交叉验证。在MI检测任务中,模型在测试集上的准确率、特异性、敏感度分别达到99.96%、99.84%和99.99%;在MI定位任务中,准确率、特异性、敏感度分别为99.81%、99.98%和99.65%。检测和定位结果均优于其他几种模型。结论本研究提出的MSF-RB-MCA模型在基于II导联ECG信号的MI检测与定位方面表现出色,展现出其在可穿戴设备领域中的广泛应用前景。 展开更多
关键词 心肌梗死 深度学习 多尺度 残差模块 改进通道注意力
在线阅读 下载PDF
基于动态多尺度与双重注意力的短期电力负荷预测
3
作者 朱莉 高靖凯 +1 位作者 朱春强 邓凡 《计算机工程》 北大核心 2025年第10期369-380,共12页
短期电力负荷预测在电力系统的优化调度和安全运行中具有至关重要的作用。电力负荷数据具有多周期特性,在不同时间尺度上表现出不同的模式和趋势,准确提取尺度大小有助于识别和分离这些特征。目前方法通过使用一个或一组固定的patch长... 短期电力负荷预测在电力系统的优化调度和安全运行中具有至关重要的作用。电力负荷数据具有多周期特性,在不同时间尺度上表现出不同的模式和趋势,准确提取尺度大小有助于识别和分离这些特征。目前方法通过使用一个或一组固定的patch长度作为步长,将称之为patches的片段来编码时间序列,但其无法适应现实世界负荷序列数据的复杂的动态变化。为此,提出一种基于动态多尺度与双重注意力的预测模型(MDAT)。首先,利用逐次变分模态分解(SVMD)分离负荷序列不同的时间模式,通过快速傅里叶变换(FFT)提取出每个模式的显著周期。其次,根据检测到的显著周期,将负荷序列以不同大小的patch划分为不同的时间分辨率,使用Transformer的多个分支同时建模不同尺度分割序列的依赖关系。然后,对这些patches进行双重注意力,以捕获全局相关性和局部细节。最后,对每个分支的输出进行非线性特征融合,通过堆叠多层Transformer模块得到最终的负荷预测结果。在两个公开数据集上的实验结果表明,该模型在预测精度指标上表现良好,相比最新的基于Transformer及多层感知器(MLP)的模型,在Australia数据集和Morocco数据集上平均绝对误差(MAE)分别降低了10.26%~17.06%和9.08%~70.25%。 展开更多
关键词 短期负荷预测 逐次变分模态分解 多尺度特征 双重注意力 Transformer模块
在线阅读 下载PDF
基于多尺度注意力轻量化网络的信道状态信息反馈方法
4
作者 刘庆利 谢佳骏 《电讯技术》 北大核心 2025年第9期1363-1372,共10页
针对大规模多输入多输出系统中信道状态信息在反馈时重构精度低、复杂度高的问题,提出了一种基于注意力机制的反馈方法。首先,考虑到信道状态信息矩阵数据分布特点,采用一种高效多尺度注意力模块提取信道状态信息矩阵局部和全局的特征,... 针对大规模多输入多输出系统中信道状态信息在反馈时重构精度低、复杂度高的问题,提出了一种基于注意力机制的反馈方法。首先,考虑到信道状态信息矩阵数据分布特点,采用一种高效多尺度注意力模块提取信道状态信息矩阵局部和全局的特征,并关注重要数据点的分布,提升网络模型的特征学习能力。其次,使用增强的可重参数化的卷积替代普通的卷积核,提升卷积对于局部特征的提取能力,使整个神经网络自编码器在保持轻量化的基础上达到更高的压缩重构精度。仿真结果表明,与轻量化网络CRNet和ACRNet-1x相比,所提出的网络模型在复杂度方面分别平均降低了19%和5%,重构精度分别平均提高了3%和8%,同时展现出了更好的鲁棒性。 展开更多
关键词 大规模MIMO 信道状态信息反馈 神经网络自编码器 高效多尺度注意力 轻量化网络
在线阅读 下载PDF
基于多尺度注意力UNet++的地震层位识别方法 被引量：1
5
作者 杨润湉 马强 +3 位作者 王志宝 李菲 吴钧 王如意 《石油物探》 北大核心 2025年第2期315-327,共13页
现有基于深度学习的层位识别方法通常在地震振幅信号特征方面进行处理,而地层之间上、下位置的空间关系、不同尺度特征未得到充分关注,导致普通深度学习网络在识别多个地震层位时容易产生层位识别结果连续性不强和错层等问题。为了充分... 现有基于深度学习的层位识别方法通常在地震振幅信号特征方面进行处理,而地层之间上、下位置的空间关系、不同尺度特征未得到充分关注,导致普通深度学习网络在识别多个地震层位时容易产生层位识别结果连续性不强和错层等问题。为了充分利用层位之间的空间位置关系及多尺度特征,使用MultiResBlock多尺度残差模块、CBAM注意力与UNet++,提出了基于多尺度注意力UNet++的层位识别方法 (MR_CBAM_UNet++)。该方法利用MultiResBlock提取更多层位尺度特征,采用CBAM注意力模块以减少非目标层的振幅信号干扰,利用Focal Loss与Dice Loss组成的联合损失函数对网络进行训练。最后,加入唯一性约束对模型识别结果优化得到层位识别结果。在实际地震数据上的评价结果显示,MR_CBAM_UNet++模型相比于传统模型,对非层位信息的抑制能力和复杂地势下层位的识别能力均有很大提升。在测试集上,层位识别结果的准确率达到了86.19%,有效缓解了层位解释连续性不强和错层等问题,唯一性约束也使层位识别结果更贴近实际。 展开更多
关键词 地震层位解释 UNet++ CBAM注意力模块 MultiResBlock多尺度残差模块 联合损失函数
在线阅读 下载PDF
基于通道注意力机制与多尺度减法轻量化网络的滚动轴承故障诊断
6
作者 章力 邓艾东 +2 位作者 王敏 卞文彬 张宇剑 《动力工程学报》 北大核心 2025年第4期571-581,共11页
针对传统多尺度卷积神经网络模型存在的特征定位不精确、训练时间长、抗噪性能差等问题,提出了一种基于通道注意力机制与多尺度减法轻量化网络的滚动轴承故障诊断模型。首先,将滚动轴承的一维振动信号转换为二维灰度图作为输入,丰富特... 针对传统多尺度卷积神经网络模型存在的特征定位不精确、训练时间长、抗噪性能差等问题,提出了一种基于通道注意力机制与多尺度减法轻量化网络的滚动轴承故障诊断模型。首先,将滚动轴承的一维振动信号转换为二维灰度图作为输入,丰富特征信息;同时,构建多尺度减法神经网络模型,关注层级差异;其次,引入轻量化模块,减少内存访问;然后,结合通道注意力机制,调整特征权重;最后,将故障样本输入到网络模型中,实现精确分类。利用风电机组传动系统模拟实验台采集的样本数据进行诊断任务。结果表明:该故障诊断模型能够有效克服传统多尺度卷积神经网络模型网络层数多、参数量大所带来的弊端,能够充分关注各层级之间的差异信息,减少冗余信息的提取,精确定位故障特征,缩短模型训练时间,在恒定工况、变工况和强噪声工况下都具有较高的诊断精度. 展开更多
关键词 滚动轴承 故障诊断 多尺度减法神经网络 轻量化模块 通道注意力机制 变工况
在线阅读 下载PDF
融合高效卷积注意力的时域卷积网络短期负荷预测模型
7
作者 孙东磊 李文升 +1 位作者 梁露 张智晟 《山东科技大学学报(自然科学版)》 北大核心 2025年第5期83-90,共8页
为避免时域卷积网络中膨胀卷积结构导致的负荷信息不连续现象,进一步提升预测模型对重要负荷特征的提取能力,本研究提出一种融合高效卷积注意力模块的混合膨胀卷积改进时域卷积网络(ECBAM-HTCN)的短期负荷预测模型。该模型以具备并行计... 为避免时域卷积网络中膨胀卷积结构导致的负荷信息不连续现象,进一步提升预测模型对重要负荷特征的提取能力,本研究提出一种融合高效卷积注意力模块的混合膨胀卷积改进时域卷积网络(ECBAM-HTCN)的短期负荷预测模型。该模型以具备并行计算能力的时域卷积网络为基础学习负荷数据特征,通过构建混合膨胀卷积层改进时域卷积网络残差块,利用不同膨胀系数的卷积自适应地捕获不同距离下全部负荷数据,避免信息不连续;同时,引入能够自适应调整卷积核大小的一维卷积改进传统卷积注意力模块,高效捕获负荷数据空间和通道两个维度的重要信息。基于实际电网负荷数据仿真实验表明,在短期负荷预测任务中,所提出的ECBAM-HTCN模型具有较高的预测精度和较好的稳定性。 展开更多
关键词 短期负荷预测 时域卷积网络 混合膨胀卷积 高效卷积注意力模块
在线阅读 下载PDF
基于多尺度注意力和空间通道重构卷积的冲击回波频谱图像分类
8
作者 崔博 武冰冰 +3 位作者 陈伟 孟庆洪 王晓 黄祺祥 《南京信息工程大学学报》 北大核心 2025年第5期659-669,共11页
针对传统卷积神经网络对冲击回波信号频谱图像进行分类时,面临卷积神经网络特征提取能力不足和数据集类别不平衡的问题,提出一种基于多尺度注意力和空间通道重构卷积的神经网络模型(Multi-scale Hybrid Attention and Spatial Channel R... 针对传统卷积神经网络对冲击回波信号频谱图像进行分类时,面临卷积神经网络特征提取能力不足和数据集类别不平衡的问题,提出一种基于多尺度注意力和空间通道重构卷积的神经网络模型(Multi-scale Hybrid Attention and Spatial Channel Reconstruction Convolutional Neural Network,MHA-SCConvNet).首先设计了多尺度混合注意力(Multi-scale Hybrid Attention,MHA)模块,用于提取不同尺度的频谱图像特征并增强模型对频谱波形关键信息的关注力度.其次,引入空间通道重构卷积(Spatial and Channel Reconstruction Convolution,SCConv)模块,通过优化图像特征的表示来降低特征冗余.最后,提出了新的混合损失函数GDHM Loss(Gradient and Distribution Harmonized Margin Loss,梯度与分布协调边距损失),该损失函数在动态情况下同时考虑难分类样本和少数类样本.在自建的数据集上进行了训练与测试,并与AlexNet、VGGNet、GoogLeNet等分类模型对比,MHA-SCConvNet准确率达到94.58%.实验结果表明,MHA-SCConvNet模型能够有效提高冲击回波信号频谱图像分类的准确率和效率. 展开更多
关键词 频谱图像分类 多尺度注意力模块 卷积神经网络 混合损失函数 空间通道重构卷积
在线阅读 下载PDF
噪声背景下梅尔频率倒谱系数与多注意力网络在电机故障诊断中的应用
9
作者 宋恩哲 朱仁杰 +2 位作者 靖海国 姚崇 柯赟 《哈尔滨工程大学学报》 北大核心 2025年第3期475-485,共11页
针对电机实际工作过程中存在噪声干扰导致故障诊断精度下降的问题,本文提出了一种基于梅尔频率倒谱系数动态特征与多注意力融合卷积神经网络的故障诊断方法。通过梅尔频率倒谱系数动态特征提取噪声信号中的低频信息,并结合卷积注意力模... 针对电机实际工作过程中存在噪声干扰导致故障诊断精度下降的问题,本文提出了一种基于梅尔频率倒谱系数动态特征与多注意力融合卷积神经网络的故障诊断方法。通过梅尔频率倒谱系数动态特征提取噪声信号中的低频信息,并结合卷积注意力模块的自适应调节能力及多特征融合策略进一步减少噪声对故障诊断的干扰。通过电机台架数据验证了该方法在噪声条件下诊断的可行性,然而该方法受梅尔频率倒谱系数参数与网络结构的直接影响,因此具体分析了不同参数条件对抗噪性能的影响。实验结果表明:在信噪比-10 dB噪声背景下,梅尔频率倒谱系数动态特征与多注意力融合卷积神经网络相结合的故障诊断方法仍保持90%以上的诊断精度。 展开更多
关键词 电机 故障诊断 噪声环境 梅尔频率倒谱系数 卷积神经网络 多尺度 卷积注意力模块 特征融合
在线阅读 下载PDF
注意力引导多任务学习的前列腺癌盆腔淋巴结转移预测
10
作者 张志远 胡冀苏 +3 位作者 张跃跃 钱旭升 周志勇 戴亚康 《上海交通大学学报》 北大核心 2025年第8期1216-1224,共9页
基于前列腺癌原发灶的术前磁共振影像定量特征预测盆腔淋巴结转移(PLNM)是治疗方案制定的重要参考依据.然而,现有预测方法对肿瘤原发灶内部的异质性信息提取不足,导致提取的图像定量特征与PLNM关联性较弱.针对这一问题,提出一种以肿瘤... 基于前列腺癌原发灶的术前磁共振影像定量特征预测盆腔淋巴结转移(PLNM)是治疗方案制定的重要参考依据.然而,现有预测方法对肿瘤原发灶内部的异质性信息提取不足,导致提取的图像定量特征与PLNM关联性较弱.针对这一问题,提出一种以肿瘤分割任务为辅助任务的注意力引导多任务学习网络用于PLNM预测.首先,在肿瘤分割网络中,提出多分支各向异性大核注意力模块,通过不同分支和各向异性大卷积核的融合扩大的感受野以有效捕获肿瘤的局部和全局信息.其次,在PLNM预测网络中,设计多尺度特征交互融合注意力模块,对多尺度特征进行层次化融合筛选.在320例数据集的实验中,所提方法的精度召回曲线下面积值和受试者操作特征曲线下面积值分别为(85.44±2.04)%和(91.86±2.18)%,优于经典的单任务分类方法和多任务方法. 展开更多
关键词 前列腺癌盆腔淋巴结转移 多任务学习 多分支各向异性大核注意力模块 多尺度特征交互融合注意力模块 多参数磁共振
在线阅读 下载PDF
基于改进注意力与多尺度特征的车辆识别 被引量：5
11
作者 敬辉 葛动元 姚锡凡 《计算机工程与设计》 北大核心 2024年第10期3120-3127,共8页
为提高车辆检测算法精度,提出一种基于YOLOv5框架上增添新型轻量化注意力机制(novel lightweight attention module, NLAM)和多尺度特征检测层的算法。NLAM模块将深度可分离卷积的空间注意力模块和一维卷积的通道注意力模块进行并联融合... 为提高车辆检测算法精度,提出一种基于YOLOv5框架上增添新型轻量化注意力机制(novel lightweight attention module, NLAM)和多尺度特征检测层的算法。NLAM模块将深度可分离卷积的空间注意力模块和一维卷积的通道注意力模块进行并联融合,使NLAM模块参数量仅为8;增添多尺度特征检测层,提升小目标的检测精度。该算法在KITTI数据集训练和测试,实验结果表明,改进后算法平均精度为89.9%,相较于原始算法平均精度上涨2%,检测帧率为90 frame/s。该算法对车辆检测具有更高的小目标检测精度和更好的鲁棒性。 展开更多
关键词 深度学习 目标检测 注意力模块 新型轻量化 多尺度特征 车辆检测 YOLOv5s算法
在线阅读 下载PDF
多尺度特征融合注意力新冠肺炎病灶分割网络 被引量：2
12
作者 林洁沁 黄新 《激光杂志》 CAS 北大核心 2024年第3期168-174,共7页
新冠病毒传染性极强,尽早的诊断和治疗是减少疫情造成损失的关键因素。为辅助医生诊断新冠病情,高效、准确地从肺部CT切片中分割新冠病灶,提出了一种改进的编码器-解码器深度神经网络———多尺度融合注意力网络MSANet(Multi-scale Atte... 新冠病毒传染性极强,尽早的诊断和治疗是减少疫情造成损失的关键因素。为辅助医生诊断新冠病情,高效、准确地从肺部CT切片中分割新冠病灶,提出了一种改进的编码器-解码器深度神经网络———多尺度融合注意力网络MSANet(Multi-scale Attention Network),以图像分割效果较为出色的U-Net网络为基础,通过全局池化层和设置空洞卷积的采样率,增大网络感受野,捕获多尺度信息,实现对大目标的有效分割;使用通道注意力与空间注意力,在空间维度上建模,有效提取图像深层特征。测试结果表明,改进后的算法与U-Net网络相比,分割的平均交并比提升了1.46%,类别平均像素准确率提升了0.8%,准确率提升了1.17%。 展开更多
关键词 图像处理 特征提取 卷积块注意力模块 空洞空间卷积池化金字塔 U-Net结构 多尺度特征融合
在线阅读 下载PDF
基于混合注意力生成对抗网络的遥感图像去雾方法
13
作者 马六 毛克彪 郭中华 《智慧农业(中英文)》 2025年第2期172-182,共11页
[目的/意义]近年来,深度学习在遥感图像去雾领域取得了显著进展,尤其是在引入注意力机制以提升特征学习方面。然而,传统的注意力机制大多依赖全局平均池化,导致模型对特定影响点的敏感性过高,难以有效应对遥感图像中的去雾问题。为了提... [目的/意义]近年来,深度学习在遥感图像去雾领域取得了显著进展,尤其是在引入注意力机制以提升特征学习方面。然而,传统的注意力机制大多依赖全局平均池化,导致模型对特定影响点的敏感性过高,难以有效应对遥感图像中的去雾问题。为了提高去雾技术的效果,满足农业、城市规划等领域对图像质量日益增长的需求,现有方法亟需改进。[方法]本研究提出了一种混合注意力生成对抗网络(Hybrid Attention-Based Generative Adversarial Network,HAB-GAN)。该模型通过结合高效通道注意力模块与空间注意力模块,嵌入生成对抗网络架构中,实现了对遥感图像去雾效果的显著提升。高效通道注意力模块通过降低全局特征聚合中的冗余信息,既保留了性能,又减少了模型复杂度;空间注意力模块则从局部到全局对遥感图像中的雾化区域进行识别和聚焦,增强了对这些区域的恢复能力。这种方法能够更加有效地应对遥感图像中复杂多变的景观,尤其适用于农业等需要高质量遥感数据的领域。[结果与讨论]在RESISC(Remote Sensing Image Scene Classification)45数据集上,与现有的其他注意力机制去雾模型,如SpA GAN和HyA-GAN进行比较,HAB-GAN模型去雾效果更优,其中峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)分别增加了2.64和1.14 dB,结构相似度(Structural Similarity Index,SSIM)分别增加了0.0122和0.0019。此外,消融实验验证了混合注意力机制的有效性,去除HAB模块后,HAB-GAN模型的PSNR下降了3.87 dB,SSIM下降了0.0334。[结论]提出的HAB-GAN模型显著提升了遥感图像的去雾效果,使生成的图像更加接近无雾图像,特别是对于复杂的农业、环境监测等场景具有重要应用价值。HAB模块在提升模型性能方面发挥了关键作用,为未来的遥感图像处理和相关领域提供了有力的技术支持。 展开更多
关键词 遥感图像 深度学习 生成对抗网络 高效通道注意力模块 空间注意力模块 去雾
在线阅读 下载PDF
结合MGCC特征与多尺度通道注意力的环境声深度学习分类方法
14
作者 杨俊杰 丁家辉 +2 位作者 杨柳 冯丽 杨超 《应用声学》 CSCD 北大核心 2024年第3期513-524,共12页
环境声分类技术在家居安全监测、人机语声交互等领域具有关键作用。然而,声源的多样性与混合性给环境声分类方法设计带来了重大挑战。为提高分类准确率与节约计算资源,该文提出一种基于多尺度通道注意力机制的深度学习分类模型。所提模... 环境声分类技术在家居安全监测、人机语声交互等领域具有关键作用。然而,声源的多样性与混合性给环境声分类方法设计带来了重大挑战。为提高分类准确率与节约计算资源,该文提出一种基于多尺度通道注意力机制的深度学习分类模型。所提模型由特征提取模块、多尺度卷积模块、高效通道注意力模块、输出层四部分组成。首先,通过引入加权型梅尔Gammatone频率倒谱系数(MGCC)挖掘环境声频谱幅值与相位结构信息;其次,融合多尺度卷积核与高效通道注意力机制优选出声频关键局部细节和通道特征;最后,在全连接层采用softmax函数映射特征并输出环境声类型的概率值。所提模型在6种环境声的iFLYTEK、10种环境声的Urbansound8k数据集上开展测试验证,分别取得了94%、76.52%、79.24%(iFLYTEK+Urbansound8k)的分类准确率。消融实验结果进一步表明:引入的多尺度卷积模块、通道注意力机制模块对分类准确率的提升贡献率分别接近于3.77%和1.89%。实验还详细对比了7种现有的深度学习分类方法,所提算法在分类准确率上排名第二;另外,在同级别算法中如ResNet18、GoogLeNet,所提算法在模型参数量和计算复杂度方面上实现了进一步的约减。 展开更多
关键词 环境声分类 梅尔Gammatone频率倒谱 多尺度核卷积 高效通道注意力 卷积神经网络
在线阅读 下载PDF
融合PVTv2和DenseNet121的双注意力视网膜病变分级算法
15
作者 梁礼明 钟奕 +1 位作者 陈康泉 王成斌 《光电工程》 北大核心 2025年第4期15-29,共15页
针对视网膜眼底病变图像数据集类间分布不均和病灶区域识别困难的问题,提出一种融合金字塔视觉变压器(pyramid vision transformer v2,PVTv2)和DenseNet121双注意力视网膜病变分级算法。首先,该算法经由PVTv2和DenseNet121组成的双分支... 针对视网膜眼底病变图像数据集类间分布不均和病灶区域识别困难的问题,提出一种融合金字塔视觉变压器(pyramid vision transformer v2,PVTv2)和DenseNet121双注意力视网膜病变分级算法。首先,该算法经由PVTv2和DenseNet121组成的双分支网络,对视网膜图像的全局和局部信息进行初步提取;其次,在PVTv2和DenseNet121输出处分别采用空间通道协同注意力模块和多频率多尺度模块,优化局部特征细节,突显微小病灶特征,增强模型对复杂微小病变特征敏感性和病灶的定位感知;再次设计神经元交叉融合模块,建立病灶区域宏观布局和微观纹理信息之间的远程依赖关系,进而提高视网膜病变分级准确率;最后,利用混合损失函数缓解样本分布不均所导致的各等级之间模型关注度不平衡情况。在IDRID和APTOS 2019数据集上进行实验验证,其二次加权系数分别为90.68%和90.35%,IDRID数据集上的准确率和APTOS 2019数据集ROC曲线下方面积分别为80.58%和93.22%。实验结果表明,所提算法在视网膜病变分级领域具有一定应用价值。 展开更多
关键词 视网膜病变分级 空间通道协同注意力模块 多频率多尺度注意力模块 神经元交叉融合模块
在线阅读 下载PDF
通道-空间多尺度增强与双池化注意的表情识别网络
16
作者 刘娟 张民扬 +2 位作者 胡敏 黄忠 江巨浪 《计算机应用研究》 北大核心 2025年第10期3182-3191,共10页
针对自然场景下表情特征提取仅关注通道-空间单一尺度信息以及平均池化易丢失局部显著性语义的问题,提出一种通道-空间多尺度增强与双池化注意的表情识别网络。首先,为捕获通道-空间整体多尺度增强语义,设计通道对称级联多尺度模块和空... 针对自然场景下表情特征提取仅关注通道-空间单一尺度信息以及平均池化易丢失局部显著性语义的问题,提出一种通道-空间多尺度增强与双池化注意的表情识别网络。首先,为捕获通道-空间整体多尺度增强语义,设计通道对称级联多尺度模块和空间多尺度特征提取模块,并以此构建基于通道-空间多尺度结构的整体特征增强子网。然后,为表征通道-空间区域双池化显著语义,将高效局部注意力机制改进为高效通道-空间注意力机制,并嵌入到区域特征注意子网。最后,为获取整体多尺度增强语义与区域双池化显著语义之间的潜在相关性,采用交叉注意力机制进行整体特征与区域特征之间的特征交互,并设计特征融合子网完成两类特征的模型级融合。实验结果表明,在人脸表情数据集RAF-DB和FERPlus上,其表情识别率分别达到89.97%和90.26%,比基线网络分别提升了13.54和10.95个百分点。与其他网络相比,提出的网络在自然场景下具有较好的表情识别性能。 展开更多
关键词 人脸表情识别 多尺度增强 双池化注意 通道-空间多尺度结构 高效通道-空间注意力机制
在线阅读 下载PDF
基于高效通道注意力机制与多尺度特征融合的烟丝图像识别方法研究 被引量：3
17
作者 刘江鹏 牛群峰 +3 位作者 靳毅 陈霞 王莉 袁强 《河南农业科学》 北大核心 2022年第11期145-154,共10页
针对现有方法在识别烟丝类型中泛化能力差、准确率低的问题,提出了一种基于高效通道注意力机制与多尺度特征融合的烟丝类型识别方法。对采集的梗丝、膨胀叶丝、叶丝和再造烟丝4类烟丝图像进行降噪处理,处理后的图像经K-means聚类得到图... 针对现有方法在识别烟丝类型中泛化能力差、准确率低的问题,提出了一种基于高效通道注意力机制与多尺度特征融合的烟丝类型识别方法。对采集的梗丝、膨胀叶丝、叶丝和再造烟丝4类烟丝图像进行降噪处理,处理后的图像经K-means聚类得到图像的前景和后景并完成分割,提高输入图像的抗环境干扰能力和特征提取能力。在Inception-ResNet-V2网络中引入高效通道注意力机制,加强模型提取特征的能力;同时,将改进后的模块输出的特征图进行多尺度融合,增加特征代表性,降低过拟合风险。最后,在比较收敛性和准确性时,用PReLU和AdaBound代替了ReLU激活函数和Adam优化器。结果表明,提出的算法具有较好的泛化能力,能实现4类烟丝高效识别,最终识别精度为97.23%,单幅图像的检测时间为0.107 s。 展开更多
关键词 烟丝 K-MEANS算法 Inception网络 高效通道注意力机制 多尺度特征融合
在线阅读 下载PDF
基于多尺度注意力机制网络的玉米害虫识别方法
18
作者 张会敏 吉秉彧 谢泽奇 《江苏农业科学》 北大核心 2024年第9期241-247,共7页
玉米是我国主要的农业粮食作物,害虫严重影响其产量和质量。为快速、准确地识别玉米害虫,针对现有卷积神经网络识别方法需要大量数据集和关键特征易丢失等问题,提出一种基于多尺度注意力机制网络(MCANet)的玉米害虫识别方法。首先,该方... 玉米是我国主要的农业粮食作物,害虫严重影响其产量和质量。为快速、准确地识别玉米害虫,针对现有卷积神经网络识别方法需要大量数据集和关键特征易丢失等问题,提出一种基于多尺度注意力机制网络(MCANet)的玉米害虫识别方法。首先,该方法采用空间金字塔循环(SPR)模块提取不同害虫图像的类型和位置信息;其次,在特征融合模块中引入多级通道注意力机制模块,以保障高维语义信息与低维特征的有效融合;同时将多尺度空洞卷积模块引入多级通道注意力网络模型,构建多尺度多通道注意力网络模型,来提取多尺度判别特征,提高模型的识别效率;最后,在1个较小的玉米害虫图像数据集上进行试验,实现对玉米红缘灯蛾、叶夜蛾、玉米黏虫、玉米螟害虫的识别,当训练样本与测试样本之比为90∶10时,玉米害虫识别准确率高达91.60%,与多尺度残差神经网络(MSRNN)、改进卷积神经网络(ICNN)、VGG-ICNN、轻量级CNN(LWCNN)相比,识别率分别提高24.40、18.77、8.00、4.40百分比。结果表明,该方法在小训练样本集中具有较强的鲁棒性和较高的识别率,为农作物病虫害智能化防治提供技术支持。 展开更多
关键词 玉米害虫 多尺度空洞模块 空间金字塔循环模块 多尺度注意力机制网络
在线阅读 下载PDF
引入全局上下文模块和高效注意力机制的车辆跟踪算法 被引量：5
19
作者 李畅 王一丁 +1 位作者 孙芮 何忠贺 《科学技术与工程》 北大核心 2022年第11期4424-4433,共10页
孪生全卷积神经网络目标跟踪算法(SiamFC)近些年成为车辆跟踪领域的研究热点。但该算法缺乏对目标车辆的深层特征提取和整体感知,在背景复杂、低分辨率、光照变化的情况下容易跟丢。提出使用深度残差网络ResNet50作为主干网络,根据跟踪... 孪生全卷积神经网络目标跟踪算法(SiamFC)近些年成为车辆跟踪领域的研究热点。但该算法缺乏对目标车辆的深层特征提取和整体感知,在背景复杂、低分辨率、光照变化的情况下容易跟丢。提出使用深度残差网络ResNet50作为主干网络,根据跟踪模型特性,从剪裁特征图、调整网络总步长和嵌入高效通道注意力模块三方面对其进行优化,高效提取特征的同时增强模型的差异化认知,并在分支网络引入全局上下文模块(non-local network,NLNet),增强跟踪模型对目标车辆的整体感知。经实验证明,提出的算法在低分辨率、光照变化和复杂背景的情况下跟踪速度和鲁棒性显著提升。在VOT2018和OTB2015数据集中测试均能得到较好的跟踪结果,与经典跟踪模型SiamFC相比,在OTB2015数据集中测试的跟踪精度提高了5.5%,跟踪成功率提高了2.7%,跟踪速度提高了14%可达98帧/s。 展开更多
关键词 孪生神经网络 车辆跟踪 高效注意力模块 全局上下文模块
在线阅读 下载PDF
结合跨尺度特征融合与瓶颈注意力模块的轻量型红外小目标检测网络 被引量：9
20
作者 林再平 李博扬 +6 位作者 李淼 王龙光 吴天昊 罗伊杭 肖超 李若敬 安玮 《红外与毫米波学报》 SCIE EI CAS CSCD 北大核心 2022年第6期1102-1112,共11页
提出一种结合跨尺度特征融合与瓶颈注意力模块的轻量型单帧红外小目标检测网络。该网络在不引入额外神经元的前提下,直接在编码层和解码层之间进行高频多尺度特征交互,从而维持小目标在网络深层的响应幅值,实现小目标浅层空间结构特征... 提出一种结合跨尺度特征融合与瓶颈注意力模块的轻量型单帧红外小目标检测网络。该网络在不引入额外神经元的前提下,直接在编码层和解码层之间进行高频多尺度特征交互,从而维持小目标在网络深层的响应幅值,实现小目标浅层空间结构特征与深层高级语义特征之间的交互融合。同时,该网络在编码器瓶颈处级联轻量型混合注意力模块,进一步增强目标特征在网络深层的响应幅值。实验结果表明,该网络能有效抑制复杂背景杂波,并以较低参数量实现红外小目标检测。 展开更多
关键词 红外小目标检测 轻量型算法 跨尺度融合 瓶颈注意力模块
在线阅读 下载PDF
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 2 … 7 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部