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
2
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
基于密集多尺度特征和双注意力模块的皮肤病变分割
被引量：
2
1
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
职称材料
基于联合定位密集网络的变载齿轮箱故障特征提取
被引量：
1
2
作者
樊晓萱
段礼祥
+2 位作者
张娜
李兴涛
蒋璐朦
《中国安全科学学报》
CAS
CSCD
北大核心
2024年第10期166-173,共8页
为解决变载齿轮箱故障诊断中因冗余特征而导致的脉冲信号提取难题,提出一种基于注意力模块(CAM)的脉冲特征提取方法。首先,设计联合定位CAM,包括2个阶段:第1阶段使用多层感知机建模通道依赖关系,增强与故障相关的关键通道特征;第2阶段...
为解决变载齿轮箱故障诊断中因冗余特征而导致的脉冲信号提取难题,提出一种基于注意力模块(CAM)的脉冲特征提取方法。首先,设计联合定位CAM,包括2个阶段:第1阶段使用多层感知机建模通道依赖关系,增强与故障相关的关键通道特征;第2阶段通过卷积层学习与故障相关的信号段,结合2个阶段重新校准特征,聚焦关键脉冲特征;然后,基于CAM构建联合定位密集网络(CLDN)的变载齿轮箱故障特征提取方法,CLDN通过自适应地重新校准每一层的特征,进一步提高对脉冲信号的学习和表征能力;最后,将提取到的特征输入Softmax分类器,验证所提方法的特征提取效果。结果表明:相比于Self-Attention等4种注意力机制,CAM的准确率平均提升3.8%,可实现脉冲特征的准确定位;相比于ResNet34等7种诊断方法,CLDN的准确率提升3.7%~14.6%,显著增强故障特征的提取效果。
展开更多
关键词
联合定位密集网络(CLDN)
变载齿轮箱
故障诊断
特征提取
注意力模块(
cam
)
在线阅读
下载PDF
职称材料
题名
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：
2
1
作者
费承
罗健旭
机构
华东理工大学信息科学与工程学院
出处
《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
基金
上海市科技创新行动计划(19511121203)。
文摘
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。
关键词
皮肤病变分割
DenseASPP模块
cam
PAM
双注意力模块
Keywords
skin lesion segmentation
DenseASPP
module
cam
PAM
dual
attention
module
分类号
TP391 [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
基于联合定位密集网络的变载齿轮箱故障特征提取
被引量：
1
2
作者
樊晓萱
段礼祥
张娜
李兴涛
蒋璐朦
机构
中国石油大学(北京)安全与海洋工程学院
应急管理部油气生产安全与应急技术重点实验室
中国石油国际勘探开发有限公司
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2024年第10期166-173,共8页
基金
中石油战略合作科技专项(ZLZX2020-05-02)。
文摘
为解决变载齿轮箱故障诊断中因冗余特征而导致的脉冲信号提取难题,提出一种基于注意力模块(CAM)的脉冲特征提取方法。首先,设计联合定位CAM,包括2个阶段:第1阶段使用多层感知机建模通道依赖关系,增强与故障相关的关键通道特征;第2阶段通过卷积层学习与故障相关的信号段,结合2个阶段重新校准特征,聚焦关键脉冲特征;然后,基于CAM构建联合定位密集网络(CLDN)的变载齿轮箱故障特征提取方法,CLDN通过自适应地重新校准每一层的特征,进一步提高对脉冲信号的学习和表征能力;最后,将提取到的特征输入Softmax分类器,验证所提方法的特征提取效果。结果表明:相比于Self-Attention等4种注意力机制,CAM的准确率平均提升3.8%,可实现脉冲特征的准确定位;相比于ResNet34等7种诊断方法,CLDN的准确率提升3.7%~14.6%,显著增强故障特征的提取效果。
关键词
联合定位密集网络(CLDN)
变载齿轮箱
故障诊断
特征提取
注意力模块(
cam
)
Keywords
conjoint
localization dense networks(CLDN)
variable-load gearbox
fault diagnosis
feature extraction
conjoint
attention
module
(
cam
)
分类号
X941 [环境科学与工程—安全科学]
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
基于密集多尺度特征和双注意力模块的皮肤病变分割
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
2
在线阅读
下载PDF
职称材料
2
基于联合定位密集网络的变载齿轮箱故障特征提取
樊晓萱
段礼祥
张娜
李兴涛
蒋璐朦
《中国安全科学学报》
CAS
CSCD
北大核心
2024
1
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
