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692篇文章
< 1 2 … 35 >
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：
基于多维注意力模块的轻量化混凝土裂缝检测方法
1
作者 许华杰 郑力文 +1 位作者 张品 秦远卓 《计算机工程》 北大核心 2025年第5期351-360,共10页
为解决当前混凝土裂缝检测模型庞大难以部署到移动端设备且裂缝检测不准及漏检问题,提出一种基于多维注意力模块的轻量化混凝土裂缝检测方法。该方法针对当前主流的裂缝检测模型庞大的问题,采用深度可分离卷积对YOLOv5s中的CBS特征提取... 为解决当前混凝土裂缝检测模型庞大难以部署到移动端设备且裂缝检测不准及漏检问题,提出一种基于多维注意力模块的轻量化混凝土裂缝检测方法。该方法针对当前主流的裂缝检测模型庞大的问题,采用深度可分离卷积对YOLOv5s中的CBS特征提取模块进行重构,得到轻量化CBS(LCBS)特征提取模块,以减少网络的参数量及计算量;针对裂缝检测不准的问题,提出一种多尺度特征(MSF)提取模块用于替换YOLOv5s第1层的卷积层,以增强网络对不同尺寸裂缝特征的提取能力;针对裂缝漏检问题,提出融合空间及通道信息的多维注意力(MDA)模块,以增强裂缝特征提取能力和减少裂缝漏检。实验结果表明,所提方法比YOLOv5s参数量减少了35.2%,计算量减少了50.9%,模型规模减小了32.8%,且平均精度均值(mAP@0.5)提高了4.2百分点,与目前主流的同类目标检测方法相比,具有较低的参数量和较高的检测精度。 展开更多
关键词 裂缝检测 注意力模块 轻量化 YOLOv5s模型 目标检测
在线阅读 下载PDF
基于多层次瓶颈注意力模块的颅骨到面皮的生成方法
2
作者 王洁 姜文凯 +3 位作者 蒋佳琪 梁增磊 刘晓宁 耿国华 《西北大学学报(自然科学版)》 北大核心 2025年第1期201-212,共12页
从未知颅骨恢复其生前面貌是考古学、法医学和刑侦学重要的研究方向。现有的计算机三维辅助复原过程繁琐,耗时长,该研究针对现有模型在颅骨到面皮(不含纹理、头发等的面貌)图像生成上存在失真、扭曲、不平滑等现象,提出一种结合生成对... 从未知颅骨恢复其生前面貌是考古学、法医学和刑侦学重要的研究方向。现有的计算机三维辅助复原过程繁琐,耗时长,该研究针对现有模型在颅骨到面皮(不含纹理、头发等的面貌)图像生成上存在失真、扭曲、不平滑等现象,提出一种结合生成对抗网络和多层次瓶颈注意力模块的颅骨到面皮图像生成方法。该方法的生成器由6层AdaResBlock和瓶颈注意力模块组成,从通道和空间两个维度引导生成器关注更重要的区域,并根据特征自适应地调整归一化方式。同时,针对生成器模型较大的问题,引入蓝图可分离卷积减小其体积。此外,将判别器分为两部分,前几层被用来进行编码,取消传统网络中的单独编码器模块,使模型更紧凑;后几层则采用多尺度判别策略,从不同层级对图像进行分类判别,增强其准确性。实验结果表明,在颅骨到面皮图像生成任务上,该方法生成的面皮图像质量高于现有的其他方法,在视觉质量和图像质量上都取得了最高的分数,复原效果更加真实,图像定量评价指标PSNR、SSIM平均提升1.115,0.017,LPIPS平均降低0.026,面皮平均相似度为0.855。 展开更多
关键词 颅面生成 生成对抗网络 图像转换 瓶颈注意力模块 蓝图可分离卷积
在线阅读 下载PDF
基于混合注意力模块改进StarGAN的水下图像增强
3
作者 郑浩君 王振 +4 位作者 张佳鹏 刘胜男 钱程 涂雪滢 刘世晶 《南方水产科学》 北大核心 2025年第1期185-196,共12页
围绕水下图像色偏和模糊的特点,针对不同浑浊度的水下图像差异较大问题,提出了一种基于混合注意力模块(Convolutional block attention module,CBAM)改进的星型生成对抗网络(Star generative adversarial networks,StarGAN)用于水下多... 围绕水下图像色偏和模糊的特点,针对不同浑浊度的水下图像差异较大问题,提出了一种基于混合注意力模块(Convolutional block attention module,CBAM)改进的星型生成对抗网络(Star generative adversarial networks,StarGAN)用于水下多浑浊图像增强。首先使用水下相机采集实验室和养殖平台环境2组水下多浊度图像数据集;其次优化StarGAN,在每个ResidualBlock模块后引入一个由通道注意力模块和空间注意力模块串联组成的CBAM;最后进行消融实验,并与其他方法比较,使用水下图像质量评估(Underwater image quality measurement,UIQM)、水下彩色图像质量评估(Underwater color image quality evaluation,UCIQE)和图像熵作为图像质量评价指标。结果表明,实验室数据集增强后,UIQM达到1.18,UCIQE达到30.13,图像熵达到12.83;养殖平台数据集增强后,UIQM达到0.52,UCIQE达到10.35,图像熵达到9.94。该方法对实验室和养殖平台环境中不同浑浊度的图像增强均有较好的效果,在消融实验及与其他方法的比较中,该方法的得分均为最高。 展开更多
关键词 多浑浊度图像 水下图像增强 注意力模块 星型生成对抗网络
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
4
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
融合梯度预测和无参注意力的高效地震去噪Transformer 被引量：1
5
作者 高磊 乔昊炜 +2 位作者 梁东升 闵帆 杨梅 《计算机科学与探索》 北大核心 2025年第5期1342-1352,共11页
压制随机噪声能够有效提升地震数据的信噪比(SNR)。近年来,基于卷积神经网络(CNN)的深度学习方法在地震数据去噪领域展现出显著性能。然而,CNN中的卷积操作由于感受野的限制通常只能捕获局部信息而不能建立全局信息的长距离连接,可能会... 压制随机噪声能够有效提升地震数据的信噪比(SNR)。近年来,基于卷积神经网络(CNN)的深度学习方法在地震数据去噪领域展现出显著性能。然而,CNN中的卷积操作由于感受野的限制通常只能捕获局部信息而不能建立全局信息的长距离连接,可能会导致细节信息的丢失。针对地震数据去噪问题,提出了一种融合梯度预测和无参注意力的高效Transformer模型(ETGP)。引入多头“转置”注意力来代替传统的多头注意力,它能在通道间计算注意力来表示全局信息,缓解了传统多头注意力复杂度过高的问题。提出了无参注意力前馈神经网络,它能同时考虑空间和通道维度计算注意力权重,而不向网络增加参数。设计了梯度预测网络以提取边缘信息,并将信息自适应地添加到并行Transformer的输入中,从而获得高质量的地震数据。在合成数据和野外数据上进行了实验,并与经典和先进的去噪方法进行了比较。结果表明,ETGP去噪方法不仅能更有效地压制随机噪声,并且在弱信号保留和同相轴连续性方面具有显著优势。 展开更多
关键词 地震数据去噪 卷积神经网络 TRANSFORMER 注意力模块 梯度融合
在线阅读 下载PDF
基于双注意力图神经网络的链路预测 被引量：2
6
作者 杨真真 林泽龙 杨永鹏 《南京邮电大学学报(自然科学版)》 北大核心 2025年第1期106-114,共9页
链路预测是在图结构中预测未知或潜在的边,对挖掘图中的隐含信息、补全图中的缺失数据和发现图中的新知识都具有重要意义。图神经网络(Graph Neural Network,GNN)已被广泛应用于链路预测,然而,现有基于GNN的链路预测方法存在一些问题:(1... 链路预测是在图结构中预测未知或潜在的边,对挖掘图中的隐含信息、补全图中的缺失数据和发现图中的新知识都具有重要意义。图神经网络(Graph Neural Network,GNN)已被广泛应用于链路预测,然而,现有基于GNN的链路预测方法存在一些问题:(1)大多数基于GNN的方法往往容易忽略为链路预测提供额外帮助的边信息的重要性;(2)大多数基于GNN的方法都仅捕获表示图的邻居节点间相似性的低频信息,忽略了表示邻居节点间差异性的高频信息;(3)大多数基于GNN的方法都未考虑输入特征矩阵的节点维度和特征维度两个维度,只关注其中一个维度。针对这些问题,提出了一种基于双注意力图神经网络(Dual Attention Graph Neural Network,DAGNN)的链路预测方法,该方法包含两条路径,以不同的角度更新节点表示。其中一条是基于图神经网络的路径,采用含边信息的频率自适应图注意力网络(Frequency Adaptive Graph Attention Network with Edge Information,FAGAT⁃EI)作为基础模型,有效地利用边信息增强节点之间的关系,并利用频率自适应机制平衡高低频率邻居信息的权重,从而缓解GNN的过度平滑问题;另一条是基于通道注意力网络的路径,提出了一种新的压缩-激励通道注意力模块(Squeeze and Excitation⁃Channel At⁃tention Module,SE⁃CAM)作为基础模型,充分考虑输入特征矩阵的节点维度和特征维度,并自动学习和调整每个节点的不同特征权重,从而得到更有意义的节点表示。最后在两个基准数据集上进行了实验,实验结果表明,提出的链路预测方法在Last⁃FM和Book⁃Crossing两个数据集上的AUC和ACC指标均优于其他基线模型,展现出了卓越的链路预测性能。 展开更多
关键词 链路预测 图神经网络 注意力机制 压缩-激励模块 频率自适应
在线阅读 下载PDF
针对X线图像超分辨率重建的轻量残差注意力网络
7
作者 杨昆 齐晁仪 +4 位作者 刘天军 艾尚璞 闫森广 刘秀玲 薛林雁 《河北大学学报(自然科学版)》 北大核心 2025年第4期419-430,共12页
针对当前医学图像超分辨率重建算法复杂、参数量大等问题,提出了轻量化的X线医学图像超分辨率网络LDRAN(lightweight deep residual attention network).该方法设计了轻量且高效的残差块LDRB(lightweight deep residual block),在保证... 针对当前医学图像超分辨率重建算法复杂、参数量大等问题,提出了轻量化的X线医学图像超分辨率网络LDRAN(lightweight deep residual attention network).该方法设计了轻量且高效的残差块LDRB(lightweight deep residual block),在保证参数量不增加的条件下,通过增设卷积层来提取更为丰富的图像特征.为进一步提高卷积层间的信息传递效率,设计了一种新颖的残差级联方案IRSC(improved residual skip concatenation).同时,为应对医学影像中信噪比低的问题,构建了多维混合注意力机制模块CSPMA(channel-spatial-pixel mixed attention),该模块分别从通道、空间和像素3个维度筛选信息,从而显著增强了网络对关键图像特征的捕捉能力.实验结果表明,LDRAN在X线医学图像数据集Chest X-ray上的PSNR为36.81 dB,SSIM为0.8966,均取得了最优.并且能够更好地重建X线图像的细节和纹理.此外,LDRAN在3个自然图像数据集上的重建效果比多数具有代表性的算法更好. 展开更多
关键词 超分辨重建 轻量化 深度残差块 混合多维度注意力模块 残差级联
在线阅读 下载PDF
基于DenseNet和卷积注意力模块的高精度手势识别 被引量：5
8
作者 赵雅琴 宋雨晴 +3 位作者 吴晗 何胜阳 刘璞秋 吴龙文 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第3期967-976,共10页
非接触的手势识别是一种新型人机交互方式,在增强现实(AR)/虚拟现实(VR)、智能家居、智能医疗等方面有着广阔的应用前景,近年来成为一个研究热点。由于需要利用毫米波雷达进行更精确的微动手势识别,该文提出一种新型的基于MIMO毫米波雷... 非接触的手势识别是一种新型人机交互方式,在增强现实(AR)/虚拟现实(VR)、智能家居、智能医疗等方面有着广阔的应用前景,近年来成为一个研究热点。由于需要利用毫米波雷达进行更精确的微动手势识别,该文提出一种新型的基于MIMO毫米波雷达的微动手势识别方法。采用4片AWR1243雷达板级联而成的毫米波级联(MMWCAS)雷达采集手势回波,对手势回波进行时频分析,基于距离-多普勒(RD)图和3D点云检测出人手目标。通过数据预处理,提取手势目标的距离-时间谱图(RTM)、多普勒-时间谱图(DTM)、方位角-时间谱图(ATM)和俯仰角-时间谱图(ETM),更加全面地表征手势的运动特征,并形成混合特征谱图(FTM),对12种微动手势进行识别。设计了基于DenseNet和卷积注意力模块的手势识别网络,将混合特征谱图作为网络的输入,创新性地融合了卷积注意力模块(CBAM),实验表明,识别准确率达到99.03%,且该网络将注意力放在手势动作的前半段,实现了高精度的手势识别。 展开更多
关键词 手势识别 毫米波雷达 卷积神经网络 卷积注意力模块
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
基于特征相似性和特征规范化的注意力模块 被引量：1
10
作者 杜启亮 汪益民 田联房 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第7期62-71,共10页
近年来,注意力机制在图像分类、目标检测和语义分割等领域取得了巨大成功,但现有的注意力机制大多只能在通道或空间维度上实现特征融合,这极大限制了其在通道和空间维度上变化的灵活性,导致无法充分利用特征信息。为此,文中提出一种基... 近年来,注意力机制在图像分类、目标检测和语义分割等领域取得了巨大成功,但现有的注意力机制大多只能在通道或空间维度上实现特征融合,这极大限制了其在通道和空间维度上变化的灵活性,导致无法充分利用特征信息。为此,文中提出一种基于特征相似性和特征规范化的、可同时利用特征图各维度信息的卷积神经网络注意力模块FSNAM。该模块由特征相似性模块(FSM)和特征规范化模块(FNM)两部分组成,FSM利用输入特征图的通道特征信息和局部空间特征信息生成一个二维的特征相似性权重图;FNM利用输入特征图的全局空间特征信息生成一个三维的特征规范化权重图;两个模块生成的权重图融合在一起,生成一个三维的注意力权重图,以此实现通道特征信息和空间特征信息的融合。为证明FSNAM的可行性和有效性,进行了消融实验,结果表明:在图像分类任务方面,FSNAM模块对分类网络在CIFAR数据集上的性能提升明显优于其他主流注意力模块;在目标检测任务方面,使用FSNAM模块的目标检测网络对VOC数据集中的小目标和中等大小目标的检测准确率分别提高了3.9和1.2个百分点;在语义分割任务方面,使用FSNAM模块可以提高HRNet模型的性能,在SBD数据集上模型的平均像素准确率提高了0.58个百分点。 展开更多
关键词 卷积神经网络 计算机视觉 特征相似性 特征规范化 注意力模块
在线阅读 下载PDF
多尺度融合增强与注意力机制结合的图像语义分割
11
作者 刘书刚 杜昊东 王洪涛 《计算机应用与软件》 北大核心 2025年第6期225-233,278,共10页
针对当前图像语义分割中分割效率不高与分割边界不连续问题,提出一种多尺度融合增强与注意力机制结合的语义分割算法。该算法对原有DeepLabv3+网络结构进行改进,在编码器部分提出一种特征提取增强网络结构,充分利用相邻层各个尺度的特... 针对当前图像语义分割中分割效率不高与分割边界不连续问题,提出一种多尺度融合增强与注意力机制结合的语义分割算法。该算法对原有DeepLabv3+网络结构进行改进,在编码器部分提出一种特征提取增强网络结构,充分利用相邻层各个尺度的特征信息进行融合,在解码器末端使用改进的轻量化卷积注意力模块,使得对于物体边界分割更加充分。通过在Pascal VOC2007和Cityscapes数据集上进行实验验证,结果表明该方法较原有网络的精确度有显著的提高。 展开更多
关键词 语义分割 特征融合增强 注意力模块 编码器 上采样
在线阅读 下载PDF
基于Inception-BiGRU和注意力机制的频谱感知方法研究
12
作者 殷晓虎 张安熠 +1 位作者 张珂珂 田冲 《电子测量技术》 北大核心 2025年第6期90-98,共9页
频谱感知是缓解频谱资源短缺的关键技术之一,其中智能频谱感知已成为当前研究的热点方向。针对现有频谱感知方法对信号特征提取不充分以及在低信噪比下频谱感知效果不佳的问题,提出一种由Inception模块、双向门控循环单元、时间注意力... 频谱感知是缓解频谱资源短缺的关键技术之一,其中智能频谱感知已成为当前研究的热点方向。针对现有频谱感知方法对信号特征提取不充分以及在低信噪比下频谱感知效果不佳的问题,提出一种由Inception模块、双向门控循环单元、时间注意力机制和全连接层网络组成的频谱感知混合模型。首先,Inception模块对接收到的I/Q信号进行多尺度空间特征的提取;然后,采用双向门控循环单元获取信号的时间序列特征,并通过时间注意力机制强化重要时序特征;最后,全连接层网络将提取到的特征映射到频谱状态的分类空间完成分类识别。实验结果表明,本文方法与多种现有频谱感知方法相比显著提升了感知性能,模型的整体检测准确率达到84.55%,当信噪比为-20 dB时,该方法的感知误差为24%;且对多种调制类型的无线电信号具有较好的适应性。所提方法无需依赖任何先验信息,在低信噪比和复杂无线电环境下展现出较强的鲁棒性,实现了感知性能与模型复杂度的有效平衡,为智能频谱感知提供了一种新的解决方案。 展开更多
关键词 频谱感知 深度学习 Inception模块 双向门控循环单元 时间注意力机制
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
13
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
融合几何注意力与信息选择的点云处理模型
14
作者 刘腊梅 柳志强 《计算机工程与应用》 北大核心 2025年第12期267-278,共12页
现有的针对点云数据的自注意力机制虽然尝试使用流形上的测地线距离处理数据,但通常缺乏有效的预处理,导致数据无法充分适应流形特性。同时,传统的几何注意力机制存在过度聚焦的问题,无法在数据的不同重要部分之间合理分配注意力。为了... 现有的针对点云数据的自注意力机制虽然尝试使用流形上的测地线距离处理数据,但通常缺乏有效的预处理,导致数据无法充分适应流形特性。同时,传统的几何注意力机制存在过度聚焦的问题,无法在数据的不同重要部分之间合理分配注意力。为了提高点云数据表示的有效性并增强模型的鲁棒性,提出了一种基于几何注意力机制和信息选择的点云分类与分割模型。该模型采用类似PointNet的结构以增强特征提取能力和网络性能。在计算测地线距离之前,通过立体投影预处理数据,使其更贴合流形特征分布,从而改进了几何注意力机制的有效性。引入一种结合KL散度和熵的信息选择方法,以平衡注意力分布并提取更具代表性的特征,解决了几何注意力机制不稳定的问题。实验结果表明,与当前主流的高性能预训练模型相比,该模型在ModelNet40和ScanObjectNN数据集上的分类精度分别达到了94.9%和87.9%,整体性能提高了0.1~2.1个百分点。此外,在ShapeNetPart数据集的分割实验中,该模型同样展示了稳定的性能,凸显了信息选择模块在处理复杂点云数据中的有效性。 展开更多
关键词 深度学习 点云分类 点云分割 注意力机制 几何距离 测地线 信息选择模块
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
15
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Ghost卷积与自适应注意力的点云分类 被引量：1
16
作者 舒密 王占刚 《现代电子技术》 北大核心 2025年第6期106-112,共7页
点云Transformer网络在提取三维点云的局部特征和携带的多级自注意力机制方面展现出了卓越的特征学习能力。然而,多级自注意力层对计算和内存资源的要求极高,且未充分考虑特征融合中层级间以及通道间的区分度与关联性。为解决上述问题,... 点云Transformer网络在提取三维点云的局部特征和携带的多级自注意力机制方面展现出了卓越的特征学习能力。然而,多级自注意力层对计算和内存资源的要求极高,且未充分考虑特征融合中层级间以及通道间的区分度与关联性。为解决上述问题,提出一种基于点云Transformer的轻量级特征增强融合分类网络EFF-LPCT。EFF-LPCT使用一维化Ghost卷积对原始网络进行重构,以降低计算复杂度和内存要求;引入自适应支路权重,以实现注意力层级间的多尺度特征融合;利用多个通道注意力模块增强特征的通道交互信息,以提高模型分类效果。在ModelNet40数据集进行的实验结果表明,EFF-LPCT在达到93.3%高精度的同时,相较于点云Transformer减少了1.11 GFLOPs的浮点计算量和0.86×10^(6)的参数量。 展开更多
关键词 点云分类 Transformer网络 Ghost卷积 特征增强融合模块 ECA通道注意力 特征学习
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
17
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
融合Ghost和注意力机制的指针式仪表识别方法
18
作者 刘攀 王怀军 +2 位作者 王浏明 李军怀 陈震坤 《计算机应用》 北大核心 2025年第S1期276-281,共6页
实际生产环境中拍摄的仪表图像,其背景复杂、光照不均匀以及仪表尺度不一致等问题容易导致图像模糊,进而影响读数精度。因此,提出一种融合Ghost和注意力机制的指针式仪表识别方法。首先,通过Ghost模块有效促进特征重用,以减少网络中的... 实际生产环境中拍摄的仪表图像,其背景复杂、光照不均匀以及仪表尺度不一致等问题容易导致图像模糊,进而影响读数精度。因此,提出一种融合Ghost和注意力机制的指针式仪表识别方法。首先,通过Ghost模块有效促进特征重用,以减少网络中的冗余计算;其次,采用CBAM(Convolutional Block Attention Module)自适应地学习不同通道之间的相关性,并在空间维度上自适应地调整特征图的权重,从而更好地捕获目标区域的信息;然后,通过主成分分析(PCA)提取出一组指针,每个指针对应一个主成分,代表数据的主要特征;最后,将指针与原始数据进行点积运算,从而把指针位置转换为旋转角度,进而求出表盘读数。实验结果表明,在去模糊方面,所提方法的峰值信噪比(PSNR)值达到了33.48 dB,结构相似性指数(SSIM)值达到了0.949,平均修复时间最短为33 ms;在关键点检测方面,所提方法的精确率达到了98.6%,召回率达到了95.9%;所提方法的仪表读数结果的平均引用误差为0.9%。 展开更多
关键词 深度学习 模糊识别 仪表读数 注意力机制 Ghost模块
在线阅读 下载PDF
基于密集多尺度特征和双注意力模块的皮肤病变分割 被引量：3
19
作者 费承 罗健旭 《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第1期97-105,共9页
针对皮肤病变分割任务中病变区域大小不一、形状各异、内部像素差异大、边界模糊、周围存在气泡等问题,提出了一种基于密集多尺度特征和双注意力模块的U型分割网络DDAnet。该网络中的DenseASPP模块通过密集连接多个空洞卷积层来获取丰... 针对皮肤病变分割任务中病变区域大小不一、形状各异、内部像素差异大、边界模糊、周围存在气泡等问题,提出了一种基于密集多尺度特征和双注意力模块的U型分割网络DDAnet。该网络中的DenseASPP模块通过密集连接多个空洞卷积层来获取丰富的多尺度信息,同时由通道注意力模块(CAM)和位置注意力模块(PAM)构成的双注意力模块通过编码全局上下文信息,在通道和位置上对特征图进行重新配准,实现对相关特征的强调和对无关特征的抑制。两个模块并行连接、共同作用以提高分割精度。在ISIC2018数据集上,DDAnet的准确率(Acc)、Jaccard相似系数(JI)、Dice系数(DC)、敏感度(Sen)和特异性(Spec)指标值分别为96.75%、85.00%、91.36%、91.82%和97.42%,分割结果优于其他的分割网络,并且对于极具挑战的病例,DDAnet仍然能够产生准确、可靠的分割结果,说明其具备在临床诊断中辅助医生进行皮肤病变分割的潜力。 展开更多
关键词 皮肤病变分割 DenseASPP模块 CAM PAM 双注意力模块
在线阅读 下载PDF
一种结合孪生倒残差与自注意力增强的遥感影像变化检测方法
20
作者 张荞 曹志成 +3 位作者 沈洋 汪宙峰 王成武 许嘉欣 《自然资源遥感》 北大核心 2025年第3期85-94,共10页
遥感影像变化检测在国土调查更新、城市发展监测与规划等方面中具有重大的应用需求。针对遥感影像变化检测在实际应用中面临的挑战,文章提出了一种结合孪生倒残差结构与自注意力增强的轻量级变化检测方法。该方法通过引入孪生的改进型... 遥感影像变化检测在国土调查更新、城市发展监测与规划等方面中具有重大的应用需求。针对遥感影像变化检测在实际应用中面临的挑战,文章提出了一种结合孪生倒残差结构与自注意力增强的轻量级变化检测方法。该方法通过引入孪生的改进型倒残差结构替代传统卷积神经网络结构作为骨干网络,充分提取特征信息且大幅降低网络复杂度,使用自注意力增强模块提升网络的全局信息关注能力,在损失函数中加入边缘权重精准优化提取结果的细节,利用多层次的跳接残差连接充分融合全局与局部特征。在公开和自制的遥感影像变化检测数据集上对该方法分别进行性能测试,结果表明,所提方法相较于其他变化检测方法,在不降低检测精度的前提下大幅减少了网络参数量和计算量,实现了遥感影像变化检测模型轻量化。 展开更多
关键词 遥感影像 变化检测 改进型倒残差 自注意力增强模块 轻量化模型
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 … 35 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