基于EM自注意力残差的图像超分辨率重建网络

1

作者 黄淑英 胡瀚洋 +2 位作者 杨勇 万伟国 吴峥 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第2期388-397,共10页

基于深度学习的图像超分辨率(SR)重建方法主要通过增加模型的深度来提升图像重建的质量,但同时增加了模型的计算代价,很多网络利用注意力机制来提高特征提取能力,但难以充分学习到不同区域的特征。为此,提出一种基于期望最大化(EM)自注... 基于深度学习的图像超分辨率(SR)重建方法主要通过增加模型的深度来提升图像重建的质量,但同时增加了模型的计算代价,很多网络利用注意力机制来提高特征提取能力,但难以充分学习到不同区域的特征。为此,提出一种基于期望最大化(EM)自注意力残差的图像超分辨率重建网络。该网络通过改进基础残差块,构建特征增强残差块,以更好地复用残差块中所提取的特征。为增加特征信息在空间上的相关性,引入EM自注意力机制,构建EM自注意力残差模块来增强模型中每个模块的特征提取能力,并通过级联EM自注意力残差模块来构建整个模型的特征提取结构。所获得的特征图通过上采样的图像重建模块获得重建的高分辨率图像。将所提方法与主流方法进行实验对比,结果表明:所提方法在5个流行的SR测试集上能够取得较好的主观视觉效果和更优的性能指标。 展开更多

关键词 超分辨率重建 注意力机制 期望最大化 特征增强残差块 em自注意力残差模块

在线阅读 下载PDF 职称材料

基于3D注意力残差的井场偷油行为识别算法

2

作者 张岩 肖坤 +1 位作者 汪靖哲 张林军 《吉林大学学报(信息科学版)》 2024年第6期1090-1099,共10页

由于井场偷油现象是影响油田的安全生产与稳定运营的重要问题,而目前行为识别方法较少关注井场偷油检测的需求,且在对井场偷油目标进行特征识别过程中通常存在局限。为此,提出一种基于3D注意力残差的井场偷油行为识别算法。该网络由多... 由于井场偷油现象是影响油田的安全生产与稳定运营的重要问题,而目前行为识别方法较少关注井场偷油检测的需求,且在对井场偷油目标进行特征识别过程中通常存在局限。为此,提出一种基于3D注意力残差的井场偷油行为识别算法。该网络由多个三维注意力残差块组成,通过在每个残差块中嵌入通道和时空注意力模块,获取更多的特征判别信息,以增强模型对重要特征的关注。在井场偷油行为数据集上对算法的有效性进行验证,实验结果表明,相较同类算法,该方法具有更高的识别准确率,可为油田井场偷油行为自动检测的实际应用提供参考。 展开更多

关键词 井场偷油 三维卷积 行为识别 残差模块 注意力机制

在线阅读 下载PDF 职称材料

基于多尺度注意力UNet++的地震层位识别方法

3

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 职称材料

基于残差网络和注意力机制的阿尔兹海默病分类

4

作者 崔雅楠 杨旬 《信息化研究》 2024年第2期34-40,共7页

本研究针对目前在阿尔茨海默病(AD)、轻度认知障碍(MCI)和正常对照组(NC)分类模型中普遍存在的多依赖于二维的核磁共振成像数据切片,难以全面捕捉大脑的细节信息,而使用三维图像数据时准确率低的问题进行探讨。本文提出了一种创新方法,... 本研究针对目前在阿尔茨海默病(AD)、轻度认知障碍(MCI)和正常对照组(NC)分类模型中普遍存在的多依赖于二维的核磁共振成像数据切片,难以全面捕捉大脑的细节信息,而使用三维图像数据时准确率低的问题进行探讨。本文提出了一种创新方法,采用三维脑部核磁共振成像数据,结合通道注意力机制和深度残差网络构建了一种新的分类模型。通过在残差网络中引入通道注意力模块,使模型能够更加聚焦于关键特征,同时忽略不相关的背景信息。此外,最后两个残差模块采用深度可分离卷积替代传统卷积,有效减少了模型参数,降低过拟合风险。经实验验证,该模型在AD/NC分类上达到了87.12%的准确率,在AD/MCI/NC三分类问题上也取得了61.60%的准确率,均显著优于现有的其他模型。这不仅提升了AD分类的准确性,还简化了数据预处理流程,对未来的AD诊断与研究具有重要意义。 展开更多

关键词 残差网络 注意力模块 阿尔兹海默病 卷积神经网络

在线阅读 下载PDF 职称材料

基于残差混合注意力机制的脑部CT图像分类卷积神经网络模型 被引量：19

5

作者 乔思波 庞善臣 +3 位作者 王敏 翟雪 于世行 丁桐 《电子学报》 EI CAS CSCD 北大核心 2021年第5期984-991,共8页

针对阿尔兹海默症、病变(如脑肿瘤)和健康老化的3类脑部CT图像分类问题,本文提出了一种改进的ResNet-10卷积神经网络模型.该模型在网络的残差映射结构中加入残差混合注意力模块,解决了原模型提取的特征分辨性弱的问题,精确捕捉了脑部组... 针对阿尔兹海默症、病变(如脑肿瘤)和健康老化的3类脑部CT图像分类问题,本文提出了一种改进的ResNet-10卷积神经网络模型.该模型在网络的残差映射结构中加入残差混合注意力模块,解决了原模型提取的特征分辨性弱的问题,精确捕捉了脑部组织在CT图像中的位置和内容信息;此外,本文设计了全局平均池化层,简化了模型的复杂度,并在其后引入Dropout机制,缓解了过拟合.在训练阶段,该模型建立了标签平滑交叉熵损失函数,使模型在样本数量有限的情况下仍有较强的泛化能力.系列实验证明了改进后的ResNet-10网络模型在分类脑部CT图像时达到97.47%的分类精度. 展开更多

关键词 残差混合注意力模块 标签平滑 脑部CT 卷积神经网络

在线阅读 下载PDF 职称材料

基于全局补偿注意力机制的战场图像去雾方法 被引量：1

6

作者 林森 王金刚 高宏伟 《兵工学报》 EI CAS CSCD 北大核心 2024年第4期1344-1353,共10页

在现代化战争中,广泛利用图像等载体获取信息,但雾天环境下得到的图像不仅影响场景呈现,而且会掩盖重要特征。为提高雾天图像在现代化战争的利用价值,提出一种基于全局补偿注意力机制的战场图像去雾方法。构建全局补偿模块保证输出图像... 在现代化战争中,广泛利用图像等载体获取信息,但雾天环境下得到的图像不仅影响场景呈现,而且会掩盖重要特征。为提高雾天图像在现代化战争的利用价值,提出一种基于全局补偿注意力机制的战场图像去雾方法。构建全局补偿模块保证输出图像的完整性,并加入通道下采样恢复清晰图像;使用密集残差模块学习退化图像和清晰图像的非线性映射,同时加入注意力机制提高网络的灵活处理能力;通过提升输入图像的通道数量确保网络充分学习特征信息。实验结果表明,与经典和新颖图像去雾方法比较,所提方法在主观和客观评价上均取得出色成绩,说明该方法将注意力机制和全局补偿模块充分结合,有效缓解了战场图像退化问题,同时注重特征增强,使信息得以完整呈现,具有更优越的性能。 展开更多

关键词 战场图像去雾 全局补偿 注意力机制 密集残差模块

在线阅读 下载PDF 职称材料

融合残差和卷积注意力机制的U-Net网络高分影像道路提取 被引量：5

7

作者 张亚宁 张春亢 +1 位作者 王朝 游晨宇 《航天返回与遥感》 CSCD 北大核心 2023年第3期119-132,共14页

针对在高分辨率遥感影像中因道路特征模糊或“同谱异物”现象影响,出现局部道路提取缺失和提取错误的问题,提出一种融合残差和卷积注意力机制的U-Net网络高分影像道路提取方法。首先,以U-Net网络为基础,加入改进的残差模块缓解网络训练... 针对在高分辨率遥感影像中因道路特征模糊或“同谱异物”现象影响,出现局部道路提取缺失和提取错误的问题,提出一种融合残差和卷积注意力机制的U-Net网络高分影像道路提取方法。首先,以U-Net网络为基础,加入改进的残差模块缓解网络训练过程中易出现的网络性能退化问题;然后,嵌入卷积注意力机制模块加强对道路细节特征的深度表征能力;最后通过几何变换对数据集进行合理扩充,增强网络泛化能力。在公开数据集马塞诸塞州数据集(MassachusettsRoadsDataset)和DeepGlobe道路数据集上对模型进行测试,实验结果表明:文章提出的方法在两个数据集上整体精度分别达到97.02%和98.26%,相比其他模型具有更好的提取效果,对道路特征的深度表征性更强,抗干扰性较好,有效改善了道路提取中出现的错提、漏提现象,显著提高了道路提取的精度和完整性。 展开更多

关键词 道路提取 残差模块 卷积注意力机制 高分辨率遥感影像

在线阅读 下载PDF 职称材料

基于残差BiLSTM和改进CBAM的航迹关联方法

8

作者 贾燎原 曹伟 +2 位作者 张晓峰 陆翔 周恒亮 《火力与指挥控制》 北大核心 2025年第2期100-106,115,共8页

针对目前智能航迹关联算法关联准确率较低的问题,提出一种由残差网络、双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)与改进的卷积注意力模块(improved convolutional block attention module,ICBAM)结合而成的残差... 针对目前智能航迹关联算法关联准确率较低的问题,提出一种由残差网络、双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)与改进的卷积注意力模块(improved convolutional block attention module,ICBAM)结合而成的残差BiLSTM-ICBAM航迹关联模型。在BiLSTM模型的基础上引入残差网络,增强模型提取航迹上下游特征的同时抑制网络退化问题;加入改进的CBAM注意力模块,分析输入信息与当前航迹特征的相关性并突出关键特征的影响,进而增强局部特征提取能力以及误差跟踪能力;在航迹关联数据上的实验结果表明,残差BiLSTM-ICBAM航迹关联模型比现有方法在准确率、稳定性中表现出了明显的性能优势。 展开更多

关键词 航迹关联 残差网络 双向长短时记忆神经网络 卷积注意力模块

在线阅读 下载PDF 职称材料

基于三重注意力的脑肿瘤图像分割网络 被引量：6

9

作者 韩阳 宋金淼 +1 位作者 薛安懿 段晓东 《中国生物医学工程学报》 CAS CSCD 北大核心 2022年第1期57-63,共7页

脑肿瘤图像分割问题是脑肿瘤临床诊断和治疗脑肿瘤疾病计算机辅助诊断的基础。针对脑肿瘤MRI图像分割网络深度过深和局部与全局特征信息联系匮乏导致图像分割精度降低等问题,提出一种基于三重注意力的脑肿瘤图像分割网络。首先,借鉴残... 脑肿瘤图像分割问题是脑肿瘤临床诊断和治疗脑肿瘤疾病计算机辅助诊断的基础。针对脑肿瘤MRI图像分割网络深度过深和局部与全局特征信息联系匮乏导致图像分割精度降低等问题,提出一种基于三重注意力的脑肿瘤图像分割网络。首先,借鉴残差结构,将原始图像分割网络结构的编码层和解码层中的卷积模块替换为深度残差模块,解决网络加深带来的梯度消失问题。其次,通过引入三重注意力模块,融合图像局部与全局特征信息,使网络更好地学习重要的图像特征信息,提升网络对脑肿瘤图像的分割精度。最后,在MICCAI比赛发布的BraTS脑肿瘤图像分割数据集上(包括335例患者病例),采用Dice系数等脑肿瘤评价指标进行性能评估。其中,脑肿瘤整体可达85.20%,脑肿瘤核心可达87.10%,增强脑肿瘤区域可达80.80%。实验结果显示,所提出的分割网络能够在不增加计算时间的前提下提高脑肿瘤MRI图像的分割性能。 展开更多

关键词 脑肿瘤分割 三重注意力模块 深度残差模块 MRI图像

在线阅读 下载PDF 职称材料

结合自注意力机制的进化GAN人脸图像生成 被引量：2

10

作者 马力 李秋丽 《西安邮电大学学报》 2020年第3期69-76,共8页

针对生成对抗网络在训练类别丰富、细节特征复杂的数据集时,难以捕捉图像全局与局部特征间的依赖关系而出现图像分辨率不高、特征信息不完善等问题,提出一种结合自注意力机制的进化生成对抗网络(generative adversarial networks,GAN)... 针对生成对抗网络在训练类别丰富、细节特征复杂的数据集时,难以捕捉图像全局与局部特征间的依赖关系而出现图像分辨率不高、特征信息不完善等问题,提出一种结合自注意力机制的进化生成对抗网络(generative adversarial networks,GAN)图像生成方法。在进化生成对抗网络的生成器和鉴别器中均引入自注意力机制,捕获图像低分辨特征图的空间局部点生成高分辨的细节,提高图像细节的丰富性;将残差模块引入生成器,充分提取图像的空间特征,克服模型训练时需增大感受野而出现对卷积层深度的依赖问题。实验结果表明,该方法相比其他生成模型能够有效地提升图像的质量以及多样性,且提高了模型训练的稳定性。 展开更多

关键词 神经网络 生成对抗网络 自注意力机制 图像生成 残差模块

在线阅读 下载PDF 职称材料

基于改进残差网络的马铃薯叶片病害识别

11

作者 李桂松 黎敬涛 +1 位作者 杨艳丽 刘霞 《湖南农业大学学报(自然科学版)》 CSCD 北大核心 2024年第6期123-128,共6页

针对计算机识别自然背景下马铃薯叶片病害准确率低的问题,提出一种C-ResNet-50模型以改善识别效果。首先,在田间采集马铃薯晚疫病、早疫病、炭疽病和健康叶片图像,并模拟拍摄角度、天气状况等影响因素对图像进行数据增强,从而构建试验... 针对计算机识别自然背景下马铃薯叶片病害准确率低的问题,提出一种C-ResNet-50模型以改善识别效果。首先,在田间采集马铃薯晚疫病、早疫病、炭疽病和健康叶片图像,并模拟拍摄角度、天气状况等影响因素对图像进行数据增强,从而构建试验数据集。其次,通过对比深度学习模型,选择并改进ResNet-50网络:通过向残差块中引入步长为1的3×3卷积层和1×1卷积层以解决残差块主干分支特征信息缺失严重的问题;通过设计新的全连接层以解决马铃薯叶片病害相似度高、分类难度大的问题;通过引入ECA注意力模块以解决主干网络定向关注能力不足的问题。结果表明:C-RseNet-50网络识别马铃薯叶片病害的平均准确率达90.83%,较原始模型的提升了1.84个百分点。 展开更多

关键词 马铃薯叶片病害 C-RseNet-50 ECA注意力模块 病害识别 残差块

在线阅读 下载PDF 职称材料

基于密集残差连接U型网络的噪声图像超分辨率重建

12

作者 刘鹏南 李龙 +2 位作者 张紫豪 朱星光 程德强 《工矿自动化》 CSCD 北大核心 2024年第2期63-71,共9页

现有的图像超分辨率重建网络难以适用于煤矿井下噪声密集的应用场景,且多数网络通过增加深度提升性能会导致无法有效提取关键特征、高频信息丢失等问题。针对上述问题,提出了一种密集残差连接U型网络,用于对低分辨率噪声图像进行超分辨... 现有的图像超分辨率重建网络难以适用于煤矿井下噪声密集的应用场景,且多数网络通过增加深度提升性能会导致无法有效提取关键特征、高频信息丢失等问题。针对上述问题,提出了一种密集残差连接U型网络,用于对低分辨率噪声图像进行超分辨率重建。在特征提取路径中引入基于密集残差连接的去噪模块,通过密集连接的方式对图像特征进行充分提取,再利用残差学习的特点对低分辨率噪声图像进行有效去噪;在重建路径中引入残差特征注意力蒸馏模块,通过在残差块中融入增强特征注意力块,对不同空间的特征赋予不同的权重,加强网络对于图像关键特征的提取能力,同时减少图像细节特征在残差块中的损失,从而更好地恢复图像细节信息。在煤矿井下图像数据集及公共数据集上进行了对比实验,结果表明:在客观评价指标上,所提网络的结构相似度、图像感知相似度均优于对比网络,且在复杂度及运行速度上有着较好的均衡;在主观视觉效果上,所提网络重建的图像基本消除了原有图像噪声,有效恢复了图像的细节特征。 展开更多

关键词 噪声图像 超分辨率重建 密集残差连接 U型网络 去噪模块 残差特征注意力蒸馏模块

在线阅读 下载PDF 职称材料

面向密集行人场景的YOLOv8n改进算法

13

作者 王丽黎 樊盼盼 张诗雨 《电子技术应用》 2025年第2期15-20,共6页

为了解决传统算法在密集行人场景中识别精度不足和检测不准确的问题,提出一种基于YOLOv8n的改进型密集行人检测模型。首先,引入SPPELAN模块替换骨干网络中的SPPF模块,以提升模型对多尺度目标的特征感知能力。其次,设计一种残差注意力机... 为了解决传统算法在密集行人场景中识别精度不足和检测不准确的问题,提出一种基于YOLOv8n的改进型密集行人检测模型。首先,引入SPPELAN模块替换骨干网络中的SPPF模块,以提升模型对多尺度目标的特征感知能力。其次,设计一种残差注意力机制,提高模型对细微特征的提取能力,进而提高检测精度。最后通过添加DySample算子、改进的小目标检测层提高模型对小尺度目标的定位识别能力。实验结果显示,改进的模型相较于YOLOv8n在CrowdHuman数据集上的召回率、mAP_(50)和mAP_(50-95)分别提升了2.5%、2.9%和2.4%,并且该模型在WiderPerson和CityPersons数据集上表现优异。实验结果表明,该算法能更好适用于密集行人检测任务。 展开更多

关键词 YOLOv8n 密集行人检测 SPPELAN模块 残差注意力机制 DySample 小目标检测层

在线阅读 下载PDF 职称材料

基于逐次变分模态分解和CBAM-ResNet的滚动轴承故障诊断方法

14

作者 陈志刚 陶子纯 +1 位作者 王衍学 史梦瑶 《振动与冲击》 北大核心 2025年第4期298-304,312,共8页

针对噪声背景下滚动轴承信号故障特征提取与智能诊断问题,提出基于逐次变分模态分解(successive variational mode decomposition,SVMD)以及注意力机制-残差神经网络(convolutional block attention module-residual neural network,CBA... 针对噪声背景下滚动轴承信号故障特征提取与智能诊断问题,提出基于逐次变分模态分解(successive variational mode decomposition,SVMD)以及注意力机制-残差神经网络(convolutional block attention module-residual neural network,CBAM-ResNet)的轴承故障诊断方法。首先对轴承振动信号进行SVMD分解成一系列本征模态分量,根据包络熵和峭度融合评价指标选择含故障特征明显的模态分量并重构;将重构信号进行短时傅里叶变换得到时频图像。之后利用CBAM能够自适应捕捉图形特征的特点,把重构信号的时频图像输入CBAM-ResNet模型进行特征提取和故障模式识别。在CBAM-ResNet模型训练过程中,使用迁移学习的方法初始化ResNet模型的参数来提高模型的泛化性。与其他传统模型相比,该研究的分类准确率高达96.68%,具有更强的故障特征提取能力。试验结果表明,CBAM-ResNet模型在变工况环境下也具有较高的识别精度。 展开更多

关键词 故障诊断 滚动轴承 逐次变分模态分解 卷积注意力模块 残差神经网络

在线阅读 下载PDF 职称材料

一种基于姿态感知的电力人员穿戴识别残差网络 被引量：3

15

作者 常政威 蒲维 +3 位作者 吴杰 黄坤超 熊兴中 陈明举 《电讯技术》 北大核心 2022年第1期31-38,共8页

为有效利用机器视觉技术实现对电力作业人员穿戴规范进行准确识别,减少安全事故的发生,构建了一种基于姿态感知的穿戴规范识别复合残差网络。该复合网络首先将VGG(Visual Geometry Group)与分裂-转换-聚合(Split-Transfer-Agregation,S... 为有效利用机器视觉技术实现对电力作业人员穿戴规范进行准确识别,减少安全事故的发生,构建了一种基于姿态感知的穿戴规范识别复合残差网络。该复合网络首先将VGG(Visual Geometry Group)与分裂-转换-聚合(Split-Transfer-Agregation,STA)模块引入残差网络中,构建高性能的ResNeXt50基础网络模块。对ResNeXt50网络不同层次的残差特征图进行聚合与解码处理,实现对人体姿态的估计与关键区域的定位。将卷积块注意力模块(Convolutional Block Attention Module,CBAM)集成到ResNeXt50网络相邻卷积层之间,以提高目标特征的表述能力,从而实现对电力人员穿戴情况进行准确识别。在训练阶段,采用迁移学习实现对预训练网络的顶层参数进行修正,以解决穿戴设备样本图片不足的缺点,从而提高复合网络的识别准确率。通过与SDD、Res-Net50和Inception-v3网络进行对比实验发现,建立的复合网络获得了更高的平均精确率(Mean Average Precision,MAP)值,单帧识别耗时更小,能有效地实现弱小穿戴设备的识别。 展开更多

关键词 目标识别 姿态感知 残差网络 迁移学习 卷积块注意力模块

在线阅读 下载PDF 职称材料

基于改进残差网络的齿轮箱故障诊断研究 被引量：2

16

作者 张晓锋 郝如江 +2 位作者 段泽森 夏晗铎 程旺 《国防交通工程与技术》 2022年第3期35-37,34,共4页

深度残差网络中的残差模块能较大程度解决特征的丢失和损耗问题,从而能够搭建更深的层数来改善神经网络的训练效果,但是冗余噪声会干扰机械故障诊断精度。残差收缩模块(RSNB)利用注意力机制根据重要程度不同来对特征进行加权,自动地给... 深度残差网络中的残差模块能较大程度解决特征的丢失和损耗问题,从而能够搭建更深的层数来改善神经网络的训练效果,但是冗余噪声会干扰机械故障诊断精度。残差收缩模块(RSNB)利用注意力机制根据重要程度不同来对特征进行加权,自动地给各个样本设置不同的阈值,在降噪的同时最大程度的保护数据的原始特征。为加快网络训练速度,引入权值均值池化处理。经过实验测试RSNB模块改进的残差网络模型的降噪效果良好,很大程度提升了故障诊断的准确率。 展开更多

关键词 故障诊断 残差收缩模块 注意力机制 全局均值池化

在线阅读 下载PDF 职称材料

基于改进AOD-Net的图像去雾算法 被引量：1

17

作者 侯明 梁文杰 《电子技术应用》 2024年第4期60-66,共7页

为了更好解决图像去雾后颜色失真、去雾不彻底和耗时等问题,提出了一种基于改进AOD-Net的图像去雾算法。首先,在原有的卷积模块中引入残差连接,并保留了第二个特征融合层第一层的特征信息,以增强网络的特征提取能力。其次,在第三个特征... 为了更好解决图像去雾后颜色失真、去雾不彻底和耗时等问题,提出了一种基于改进AOD-Net的图像去雾算法。首先,在原有的卷积模块中引入残差连接,并保留了第二个特征融合层第一层的特征信息,以增强网络的特征提取能力。其次,在第三个特征融合层后引入注意力模块,强化雾图中的关键特征信息,抑制无关背景干扰。最后,采用新的复合损失函数进行训练。实验结果表明,改进算法在公共数据集上的峰值信噪比提高了3.8 dB,结构相似性达到了93.6%。相较于其他去雾算法,该算法在去雾精度和处理效率方面均表现出色。 展开更多

关键词 图像去雾 AOD-Net 残差连接 注意力模块 复合损失函数

在线阅读 下载PDF 职称材料

基于RSSD的遥感图像目标检测算法 被引量：1

18

作者 吕向东 彭超亮 +3 位作者 陈治国 孙鹏飞 赵晓楠 徐旸 《现代电子技术》 北大核心 2024年第7期49-53,共5页

针对SSD算法检测遥感图像目标时存在容易漏检且检测精度低的问题,提出基于残差SSD网络的遥感图像目标检测算法。该算法在SSD网络结构的基础上,将基准网络模型VGG替换为残差网络模型ResNet-50,通过增加网络深度,充分提取遥感图像小目标... 针对SSD算法检测遥感图像目标时存在容易漏检且检测精度低的问题,提出基于残差SSD网络的遥感图像目标检测算法。该算法在SSD网络结构的基础上,将基准网络模型VGG替换为残差网络模型ResNet-50,通过增加网络深度,充分提取遥感图像小目标数据集的底层特征,引入注意力模块,使感受野更关注目标特征,增强低层网络的信息表征能力,采用特征金字塔融合方法融合网络结构的高层语义特征和低层视觉特征,增强检测目标的定位能力。实验结果表明,该算法增强了复杂背景的干扰抑制性,提高了小目标的检测精度,比传统的SSD算法具有更强的检测性能。 展开更多

关键词 SSD 残差网络 注意力模块 金字塔融合 遥感图像 小目标 高层语义特征 低层视觉特征

在线阅读 下载PDF 职称材料

基于扩散模型的地震数据随机噪声压制方法

19

作者 吴迪 文武 +1 位作者 门哲 马一凡 《石油地球物理勘探》 EI CSCD 北大核心 2024年第6期1252-1259,共8页

地震数据中的随机噪声毫无规律,常规去噪方法难以达到理想的效果,影响后续的地震数据解释和分析。为此,提出一种基于扩散模型的地震信号去噪方法。该方法的前向扩散过程是通过对地震数据进行一定程度的加噪,将地震数据变成存在大量各向... 地震数据中的随机噪声毫无规律,常规去噪方法难以达到理想的效果,影响后续的地震数据解释和分析。为此,提出一种基于扩散模型的地震信号去噪方法。该方法的前向扩散过程是通过对地震数据进行一定程度的加噪,将地震数据变成存在大量各向同性的高斯噪声的含噪地震数据,再利用训练后的扩散模型对含噪数据进行重建,提高地震数据的信噪比。预测网络部分是基于改进的U-Net网络,该网络中引入了注意力模块和ResNet模块,以提高网络对重要区域的关注度,避免深度网络中的梯度消失问题。理论数据和实际数据的应用结果均验证了文中方法的有效性。该方法去噪效果远超FX滤波、SVD等传统去噪方法,同时也比经典的深度学习网络CNN、GAN更加优秀,能够完整地保留有效信号,极大提升地震数据的质量。 展开更多

关键词 随机噪声压制 扩散模型 残差模块 注意力模块

在线阅读 下载PDF 职称材料

基于贝叶斯优化的时间卷积网络船舶航迹预测

20

作者 李金源 朱发新 +1 位作者 滕宪斌 毕齐林 《中国舰船研究》 CSCD 北大核心 2024年第6期303-316,共14页

[目的]为提高船舶航迹预测精度和计算效率,解决传统方法容易出现的梯度爆炸、计算时间长等问题,提出基于改进的贝叶斯优化算法与时间卷积神经网络的航迹预测模型。[方法]首先,通过引入时间模式注意力机制,提取各输入特征的权重,保证航... [目的]为提高船舶航迹预测精度和计算效率,解决传统方法容易出现的梯度爆炸、计算时间长等问题,提出基于改进的贝叶斯优化算法与时间卷积神经网络的航迹预测模型。[方法]首先,通过引入时间模式注意力机制,提取各输入特征的权重,保证航迹历史数据的时序性,同时引入可逆残差网络,减少时间卷积神经网络模型训练过程中占用的内存;然后,再采用贝叶斯优化算法对时间卷积网络中的超参数(内核大小K、膨胀系数d)进行寻优;最后,采用五折交叉验证方法对模型进行验证,获得最优模型后进行航迹预测。[结果]采用AIS采集的航迹数据验证,结果表明,在弱耦合、中耦合和强耦合航迹预测中,均方根误差分别平均提高5.5×10^(-5),3.5×10^(-4)和6×10^(-4)。[结论]所提出网络对复杂航迹具有良好的适应性,其预测精度均优于传统模型及LSTM模型,在耦合较强的航迹中仍能保持较高的预测精度。 展开更多

关键词 导航 神经网络 贝叶斯优化算法 时间卷积网络 时间模式注意力机制模块 可逆残差网络 AIS数据

在线阅读 下载PDF 职称材料