期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
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62篇文章
< 1 2 … 4 >
每页显示 20 50 100
已选0条
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：
基于时序相关性的建筑能耗预测方法 认领 引用 被引量：1
1
作者 郭茂祖 于丰宁 +1 位作者 王鹏跃 刘晓龙 《智能系统学报》 CSCD 北大核心 2026年第1期214-225,共12页
建筑能耗预测对优化能源资源配置、推进节能减排措施及支撑可持续发展目标至关重要。建筑能耗数据因受季节更迭、节假日效应等因素影响,在时间序列上显现出周期性和非平稳性特征。现有方法通常采用滑动窗口建模局部时序特征,但仅能捕捉... 建筑能耗预测对优化能源资源配置、推进节能减排措施及支撑可持续发展目标至关重要。建筑能耗数据因受季节更迭、节假日效应等因素影响,在时间序列上显现出周期性和非平稳性特征。现有方法通常采用滑动窗口建模局部时序特征,但仅能捕捉窗口内部变化,难以挖掘窗口之间潜在的长期演化趋势。此外,建筑形态对能耗具有显著影响,却在能耗预测任务中常被忽略。针对上述局限,本文提出一种基于时序相关性的建筑能耗预测方法,主要包含局部特征学习、全局特征学习及损失函数设计。针对窗口外部长期变化难以被捕捉的问题,全局特征学习模块采用编码器-解码器架构,建模滑动窗口之间的长期时序依赖。设计自监督对比损失函数,以窗口为单位构建正负样本对,进一步挖掘能耗数据的全局相关性。针对建筑形态特征未被重视的问题,通过嵌入建筑形态特征,并利用线性层捕捉滑动窗口内时间邻近能耗数据的局部相关性。实验结果表明,该方法在处理多座建筑能耗长短期预测任务中均取得了最好的预测精度,在未来24 h预测任务中,较常用能耗预测方法ARIMA、LSTM、GRU、Transformer、GWO-SARIMA-LSTM、Informer和Autoformer方法,该方法的预测精度分别提高了约17.06%、8.37%、9.79%、9.58%、9.83%、6.94%和5.55%,为建筑节能管理和用能行为优化提供科学支撑。 展开更多
关键词 建筑能耗预测 时序相关性挖掘 建筑形态特征 自监督学习 对比损失函数 编码器-解码器架构 长期依赖 时间卷积网络
暂未订购 下载PDF
利用编码器-解码器的温室温湿度长序列预测 认领 引用
2
作者 盖荣丽 王鹏飞 +1 位作者 郭志斌 段立明 《小型微型计算机系统》 CSCD 北大核心 2026年第1期89-96,共8页
针对现有温湿度预测模型难以充分考虑温室温湿度数据本身的复杂非线性特征和长期依赖关系,导致模型在实际应用中预测精度不足问题,本文提出了一种基于编码器-解码器架构的多层结构温湿度预测模型.模型通过卷积运算对数据进行多尺度转换... 针对现有温湿度预测模型难以充分考虑温室温湿度数据本身的复杂非线性特征和长期依赖关系,导致模型在实际应用中预测精度不足问题,本文提出了一种基于编码器-解码器架构的多层结构温湿度预测模型.模型通过卷积运算对数据进行多尺度转换和特征提取,并使用改进的双向限制性耦合长短期记忆网络(Bidirectional Restrictive Coupled Long-Short Term Memory,BiRCLSTM)优化了信息传递机制,同时运用多头注意力机制从不同的表示子空间中捕捉信息,最终实现了长序列多变量温室温湿度数据的精确预测.在自建温湿度数据集中,该模型的预测误差明显优于基线模型,并且该模型还在3个公共数据集上进行了不同时间分辨率的预测实验,综合实验结果表明,本文模型在温室温湿度预测中具有更高的精度和良好的泛化性能. 展开更多
关键词 温湿度预测 长时间序列 多变量特征 编码器-解码器 长短期记忆网络
暂未订购 下载PDF
选择注意力与方向特征增强的遥感图像语义分割 认领 引用 被引量：1
3
作者 潘子哲 高峰 +2 位作者 宫传政 甘言海 董军宇 《中国图象图形学报》 CSCD 北大核心 2026年第4期1272-1284,共13页
目的遥感图像语义分割是遥感解译的核心任务,但现有模型普遍面临两大挑战:一是不同尺度特征融合时存在信息不平衡,高层语义与低层细节的有效融合不足;二是传统卷积难以有效提取道路、河流等具有强方向性的线性地物特征,导致分割结果边... 目的遥感图像语义分割是遥感解译的核心任务,但现有模型普遍面临两大挑战:一是不同尺度特征融合时存在信息不平衡,高层语义与低层细节的有效融合不足;二是传统卷积难以有效提取道路、河流等具有强方向性的线性地物特征,导致分割结果边缘模糊、结构不连续。为解决上述问题,提出一种基于选择注意力与方向特征增强的遥感图像语义分割模型。方法首先,构建了一种新颖的选择性交叉注意力机制,该机制采用跨层级查询与Top-k选择策略,使高层语义特征能够主动地从低层特征中高效筛选并融合最相关的细节信息,有效缓解了多尺度信息不平衡问题并提升了计算效率;其次,设计了一个精巧的方向性特征增强模块,该模块采用两级并行架构,在多个并行的多尺度分支内部,进一步通过并行的水平与垂直一维卷积独立地提取并自适应融合方向性特征,显著增强了模型对线性地物结构的感知能力。结果在公开的ISPRS Vaihingen和Potsdam基准数据集上进行了实验。在Vaihingen数据集上,所提模型的平均交并比达到84.68%,相比于性能第2的CMTFNet(CNN and multiscale Transformer fusion network)模型提升了0.94%;在Potsdam数据集上,平均交并比达到86.84%。特别是在线性地物(如汽车、建筑)和细粒度类别(如低矮植被)的分割上,精度和边界完整性均显著优于现有主流方法。消融实验也验证了所提出的选择性注意力和方向性增强两个核心模块的有效性,二者协同作用使模型性能相较于基线提升了3.43%。结论所提出的模型通过创新的选择性注意力和方向性特征增强设计,协同解决了遥感图像分割中的多尺度信息融合不平衡和方向性特征提取不足的核心难题,在提升分割精度的同时,改善了线性地物的连续性和小目标的辨识度,为复杂场景下的遥感图像精细化解译提供了一种鲁棒且高效的解决方案。 展开更多
关键词 遥感图像处理 图像语义分割 选择性注意力 方向性特征增强 注意力机制 多尺度特征融合 卷积神经网络(CNN) 编码器—解码器
暂未订购 下载PDF
基于特征预处理和多尺度传递融合的图像去模糊算法 认领 引用
4
作者 黄欣 周冬明 +2 位作者 黄健 周联敏 赵倩 《计算机应用与软件》 北大核心 2026年第5期119-126,169,共8页
现有的去模糊方法仍然不能很好地恢复出模糊对象的边缘和细节,同时没有对上下文信息融合进行高效的建模。针对这些问题,提出基于特征预处理和多尺度传递融合的图像去模糊网络。引入结合通道和空间注意力以及残差结构的特征预处理模块,... 现有的去模糊方法仍然不能很好地恢复出模糊对象的边缘和细节,同时没有对上下文信息融合进行高效的建模。针对这些问题,提出基于特征预处理和多尺度传递融合的图像去模糊网络。引入结合通道和空间注意力以及残差结构的特征预处理模块,该模块通过注意力机制将输入特征图进行自适应特征细化,使模型获取到更多模糊图像的边缘和细节特征。特征传递融合模块用来捕捉各个特征图之间的通道依赖关系,使网络能够有效地利用多尺度特征、丰富像素之间的远程上下文关系。在合成和真实去模糊数据集上的大量实验表明,提出的方法各方面性能表现良好。 展开更多
关键词 图像去模糊 注意力机制 编码-解码结构 多尺度网络 特征融合
暂未订购 下载PDF
基于双编码器的遥感影像语义分割网络设计 认领 引用
5
作者 王丹 刘浠辰 李犇 《计算机工程与设计》 北大核心 2026年第8期2314-2322,共9页
遥感影像中地物的特殊性会导致语义分割精度降低,为准确地将地物边界进行分割和标记,设计提出了具有双编码器的U-Net网络作为主体结构,构建了适用高分辨率遥感影像的网络模型。同时为减少了下采样过程中细节信息的丢失,提出一种新的DEAU... 遥感影像中地物的特殊性会导致语义分割精度降低,为准确地将地物边界进行分割和标记,设计提出了具有双编码器的U-Net网络作为主体结构,构建了适用高分辨率遥感影像的网络模型。同时为减少了下采样过程中细节信息的丢失,提出一种新的DEAU-Net遥感影像语义分割网络。基于VAN网络中的大核注意力机制,设计多尺度条状卷积,构建特征压缩模块,有效提高了对小尺度地物的分割精度。将MS-VAN的长距离依赖关系分层地集成到ResNet的特征中,充分获取了遥感影像的判别特征。通过对比分析,所设计的DEAU-Net分割网络在小规模地面物体中的表现具备明显优势。 展开更多
关键词 语义分割 双编码器聚合网络 遥感影像 双编码器 大核注意力机制 增值网络 小尺度地物
暂未订购 下载PDF
基于压缩图像与YOLOv5模型的架空输电线路缺陷检测技术 认领 引用 被引量：13
6
作者 刘敏 姜亮 +2 位作者 田杨阳 张璐 陈岑 《沈阳工业大学学报》 CAS 北大核心 2025年第2期152-159,共8页
【目的】输电线路作为电能传输和使用过程中的重要环节,其安全稳定对电力系统的正常运行起着至关重要的作用,因此输电线路日常巡检具有重要作用。重大事故通常由微小缺陷隐患发展而来,日常巡检通常采用人工、无人机、可视化通道等手段,... 【目的】输电线路作为电能传输和使用过程中的重要环节,其安全稳定对电力系统的正常运行起着至关重要的作用,因此输电线路日常巡检具有重要作用。重大事故通常由微小缺陷隐患发展而来,日常巡检通常采用人工、无人机、可视化通道等手段,无论何种方式都需要处理大量可视化、红外或者紫外照片。但由于输电线路的特殊性,架设条件涉及多种环境,其巡检图像背景通常较为复杂,采用人工复核审查的方式精度较高,但对经验依赖较大且效率极低。如何快速、准确地识别架空线路巡检图片是架空输电线路缺陷识别的关键。传统输电线路巡检图片识别方法在复杂背景的干扰下,容易出现缺陷识别精确度不高的问题。【方法】为提高架空输电线路巡检图像复杂背景下的检测准确率,提出了一种兼顾识别效率和准确性的缺陷检测方法。基于压缩图像技术并结合YOLOv5模型,设计了一种基于稀疏卷积的非对称特征聚合压缩算法,将原始图像通过编码减少图像存储所需空间以便于存储和传输,经过信息通道传输到解密器后,再将压缩图像进行解码复原以提升局部集合特征的学习效率。同时,通过融入通道空间注意力模块从特征图中得到注意力通道权重矩阵和空间权重矩阵,并通过权重矩阵判断特征图区域的重要程度,完成对YOLOv5模型处理效率的提升。【结果】将压缩恢复后的图像输入改进YOLOv5模型中,利用通道注意力模块(CAM)和空间注意力模块(SAM)分别对图像进行通道与空间上的注意力数据处理,通过全局平均池化和最大池化处理增强目标区域的特征,并引入空间注意力模块增强通道注意力对特征位置信息的关注,以检测出存在缺陷的设备,并通过实验验证了方法的有效性。【结论】以某架空线路的巡检图像数据集为基础,对检测方法开展训练与测试,结果表明,巡检图像经所提技术压缩后,尺寸明显减小,恢复后的图像尺寸较原图约降低了3 MB且未出现失真;改进YOLOv5模型具有较高的检测精确度,其检测准确率和时间分别为0.91和0.87 s,算法在降低图像尺寸提升检测速度的同时保证了检测准确率。 展开更多
关键词 架空输电线路 缺陷检测 图像压缩 改进YOLOv5模型 非对称特征聚合编解码网络 通道空间注意力模块 逐通道稀疏残差卷积 检测准确率
暂未订购 下载PDF
基于自注意力机制的高分遥感影像语义分割 认领 引用 被引量：3
7
作者 杨军 张金影 康玥 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2025年第2期344-354,共11页
针对遥感影像多尺度特征提取困难、上下文信息利用不足的问题,本文结合自注意力机制和深度可分离卷积提出一种线性多头自注意力网络模型,适用于高分辨率遥感影像语义分割。在自注意力模块之前引入深度可分离卷积,减少计算量的同时有助... 针对遥感影像多尺度特征提取困难、上下文信息利用不足的问题,本文结合自注意力机制和深度可分离卷积提出一种线性多头自注意力网络模型,适用于高分辨率遥感影像语义分割。在自注意力模块之前引入深度可分离卷积,减少计算量的同时有助于捕获局部特征;在编码器分支中提出线性的多头自注意力模块以降低模型的计算复杂度;设计一个解码器来恢复特征图分辨率,通过级联操作整合各层级的特征并生成高分辨率的语义分割结果。所提算法在ISPRS Vaihingen和Potsdam数据集上的分割结果的mF1分别达到了90.77%和92.36%,与目前主流算法相比,不透水表面、建筑、低矮植物、树木类的分割准确率及总体分割准确率均有提高。本文算法构建的线性多头自注意力网络是一种高效的高分辨率遥感影像语义分割模型。 展开更多
关键词 高分辨率遥感影像 多头自注意力 深度可分离卷积 语义分割 特征提取 卷积神经网络 编码器 解码器
暂未订购 下载PDF
GMFNet:全局多尺度和多级别的特征融合语义分割网络 认领 引用 被引量：1
8
作者 陈金令 赵成明 李洁 《计算机应用与软件》 北大核心 2025年第4期311-318,334,共8页
语义分割网络在编码器-解码器中融合高低水平特征存在以下问题:(1)在空间和通道中特征提取无法同步,导致特征组合无法获取全局上下文信息;(2)特征融合无法充分利用高低水平特征图像,导致语义边界模糊。设计全局空洞空间金字塔池化,该结... 语义分割网络在编码器-解码器中融合高低水平特征存在以下问题:(1)在空间和通道中特征提取无法同步,导致特征组合无法获取全局上下文信息;(2)特征融合无法充分利用高低水平特征图像,导致语义边界模糊。设计全局空洞空间金字塔池化,该结构不仅在空间上提取多尺度信息和通道上对图像信息充分利用,还增强编码器阶段的特征重用。设计特征融合注意力模块,在编码器中连接不同阶段的高低水平特征和新特征。实验表明,该算法在Cityscapes数据集上达到了77.92%mIoU。 展开更多
关键词 语义分割 卷积神经网络 全局上下文信息 特征融合 编码器-解码器
暂未订购 下载PDF
基于多阶门控聚合网络的光学化学结构识别 认领 引用 被引量：1
9
作者 林帆 李建华 《计算机工程》 CAS CSCD 北大核心 2025年第8期364-372,共9页
在光学化学结构识别(OCSR)领域,现有基于深度学习的模型通常依赖于卷积神经网络(CNN)或视觉Transformer进行视觉特征提取,并采用Transformer进行序列解码。这些模型虽然有效,但仍受限于图像特征提取能力和解码时位置编码的精确性,从而... 在光学化学结构识别(OCSR)领域,现有基于深度学习的模型通常依赖于卷积神经网络(CNN)或视觉Transformer进行视觉特征提取,并采用Transformer进行序列解码。这些模型虽然有效,但仍受限于图像特征提取能力和解码时位置编码的精确性,从而影响识别效率。针对这些限制,将多阶门控聚合网络(MogaNet)和引入相对位置编码的Transformer构成的编码解码架构用于OCSR领域,提出一种基于多阶门控聚合网络的光学化学结构识别模型。该模型首先在图像特征提取时通过MogaNet空间聚合模块,捕获多尺度特征并减少特征冗余,并且通过MogaNet通道聚合模块改善通道维度的多样性;其次在序列解码时采用引入相对位置编码的Transformer作为解码器,精准捕捉序列单词之间的相对位置关系。为了训练和验证该模型,构建一个包含40万个分子的化学结构数据集,其中包含Markush结构与非Markush结构。实验结果表明,该模型的准确率达到了92.36%,优于其他现有的模型。 展开更多
关键词 光学化学结构识别 编码解码架构 深度学习 SMILES表达式 多阶门控聚合网络
暂未订购 下载PDF
基于MST-ECGNet深度学习模型的非接触ECG信号重构方法研究 认领 引用
10
作者 郭天娇 袁年曾 +6 位作者 安强 吕昊 王敬哲 张志远 龙语诺 刘振华 薛慧君 《空军军医大学学报》 CAS 2025年第10期1353-1358,1363,共6页
目的针对传统心电图(ECG)监测技术舒适性差、难以连续监测等问题,开展生物雷达与深度学习技术结合的非接触ECG信号精准重构研究。方法采用94 GHz连续波生物雷达采集胸腔微动信号,通过变分模态分解算法从中分离出心脏机械运动信号;构建... 目的针对传统心电图(ECG)监测技术舒适性差、难以连续监测等问题,开展生物雷达与深度学习技术结合的非接触ECG信号精准重构研究。方法采用94 GHz连续波生物雷达采集胸腔微动信号,通过变分模态分解算法从中分离出心脏机械运动信号;构建一种基于多尺度心脏特征提取网络和Transformer编解码架构的ECG重构模型(MST-ECGNet),采用双路特征提取架构,通过多尺度心跳特征提取网络捕获心脏机械运动信号的不同尺度局部特征,结合Transformer-Encoder捕获其全局时序特征,经特征融合后由Transformer-Decoder实现ECG波形重构。结果所提方法重构的ECG信号与参考信号的皮尔森相关系数达0.956,表明重构的ECG信号与参考信号高度一致,与现有非接触式方法相比,所提方法在波形还原准确性上更具优势。结论提出一种基于MST-ECGNet模型的非接触ECG信号重构方法,该模型兼顾多尺度局部特征与全局特征提取,实现了精准的ECG信号重构,为心血管疾病的诊断和监测提供了一种非接触、长期、动态的解决方案。 展开更多
关键词 生物雷达 非接触式 神经网络 多尺度特征 编解码网络 心电图 心脏机械运动 心血管疾病
暂未订购 下载PDF
双先验引导的注意力特征聚合去雾生成对抗网络 认领 引用
11
作者 王燕 胡津源 +1 位作者 刘晶晶 陈燕燕 《计算机工程与科学》 CSCD 北大核心 2025年第10期1841-1852,共12页
图像去雾是计算机视觉领域中一个具有挑战性的热点问题。现有的去雾方法通常使用单一的卷积神经网络(CNN)来解决问题,但此类方法缺乏细节恢复机制,并且在非均匀雾情况下去雾性能较差。为了解决上述2个问题,提出了一个双先验引导的注意... 图像去雾是计算机视觉领域中一个具有挑战性的热点问题。现有的去雾方法通常使用单一的卷积神经网络(CNN)来解决问题,但此类方法缺乏细节恢复机制,并且在非均匀雾情况下去雾性能较差。为了解决上述2个问题,提出了一个双先验引导的注意力特征聚合去雾生成对抗网络,暗通道先验和语义先验分别引导图像广义特征和纹理细节的恢复。其中,生成器采用参数共享编码器提取特征,添加了注意力特征聚合块(AFAB)对多尺度特征进行聚合增强,并通过解码多尺度特征恢复无雾图像,最后用多尺度判别器监督无雾图像的恢复。此外,考虑到图像中可能存在雾的不均匀分布,提出了坐标注意力残差块(CARB),它能自适应地分配权重,使网络关注图像的重要特征;同时,采用残差聚合的方式通过3个CARB构造了坐标注意力密集残差组(CARG),使得残差特征能被充分利用。实验结果表明,提出的网络在合成有雾图像数据集和现实有雾图像数据集上均表现优异。 展开更多
关键词 图像去雾 生成对抗网络 双先验引导 注意力特征聚合 参数共享编码器 坐标注意力
暂未订购 下载PDF
基于多任务学习的全景驾驶感知算法 认领 引用
12
作者 吴伟林 刘春泉 余孝源 《计算机工程与设计》 北大核心 2025年第4期1127-1133,共7页
针对全景驾驶感知算法YOLOP存在特征图池化操作自适应较差、下采样过程细节丢失和模型性能差的问题,提出一种基于多任务学习的全景驾驶感知算法,引入高效处理模块,提高对特征图池化操作自适应能力,采用不同加权系数的损失函数,提升网络... 针对全景驾驶感知算法YOLOP存在特征图池化操作自适应较差、下采样过程细节丢失和模型性能差的问题,提出一种基于多任务学习的全景驾驶感知算法,引入高效处理模块,提高对特征图池化操作自适应能力,采用不同加权系数的损失函数,提升网络的检测性能及鲁棒性。在BDD100K数据集的评估结果中,车道线检测准确率提高11.6%,可行驶区域检测的平均交并比(mIoU)提高2.1%,车辆检测的平均精确率均值的50%指标(mAP50)提高3.7%。在KITTI数据集的评估结果中,车辆检测mAP50指标提高3.4%。 展开更多
关键词 多任务学习网络 编码-解码器 车道线检测 可行驶区域检测 车辆检测 特征对齐 转置卷积
暂未订购 下载PDF
基于编解码网络的生猪骨架提取方法研究 认领 引用
13
作者 王泽华 徐爱俊 +2 位作者 周素茵 叶俊华 夏芳 《计算机应用与软件》 北大核心 2025年第4期181-188,共8页
针对生猪骨架提取难度大、精度低、耗时长等问题,提出一种基于编解码网络的生猪骨架提取方法。该文构建关键点热力图生成模型,将ResNet50残差网络和U-Net语义分割网络相结合,搭建编码-解码网络结构并引入注意力机制,以提高尾、蹄等小目... 针对生猪骨架提取难度大、精度低、耗时长等问题,提出一种基于编解码网络的生猪骨架提取方法。该文构建关键点热力图生成模型,将ResNet50残差网络和U-Net语义分割网络相结合,搭建编码-解码网络结构并引入注意力机制,以提高尾、蹄等小目标关键点的特征提取精度;在生成关键点热力图的同时预测关键点偏移量,弥补反算关键点原始位置时的精度损失,再利用霍夫投票机制对二者进行加权聚合,最终映射得到生猪骨架。实验结果表明,骨架提取准确率为85.27%。相较于ResNet50残差网络,在耗时相近的情况下,准确率提高了22.67个百分点。该研究为生猪骨架提取提供了一种新的方法,可为进一步开展生猪行为研究提供技术参考。 展开更多
关键词 骨架提取 关键点检测 生猪 注意力机制 特征提取 编解码网络
暂未订购 下载PDF
结合多尺度与多层级聚合的卷轴画图像描述模型 认领 引用
14
作者 乐超洋 胡文瑾 张福军 《现代电子技术》 北大核心 2025年第17期41-47,共7页
针对卷轴画图像的尺度大小不一且具有一定的空间分布特性以及基于Transformer的编码层容易丢失图像关键信息的问题,文中提出一种结合多尺度与多层级聚合的卷轴画图像描述模型(MMA)。在编码阶段,通过引入非对称卷积和多尺度特征模块,可... 针对卷轴画图像的尺度大小不一且具有一定的空间分布特性以及基于Transformer的编码层容易丢失图像关键信息的问题,文中提出一种结合多尺度与多层级聚合的卷轴画图像描述模型(MMA)。在编码阶段,通过引入非对称卷积和多尺度特征模块,可以有效提高卷积层获取空间信息的能力并融合卷轴画图像全局和局部的多尺度上下文信息,从而得到具有丰富语义信息的特征表示。在解码阶段,设计了多层级聚合网络,通过聚合不同编码层的特征实现高层编码层语义信息和低层编码层内容信息的有效利用,从而有效缓解信息丢失的问题。实验结果表明,该模型在卷轴画数据集上取得了不错效果,较NIC模型在BLEU-4、METEOR上分别提高了26.7%、0.9%,并生成准确性更高的描述语句。 展开更多
关键词 图像描述 卷轴画图像 多尺度特征 非对称卷积 多层级聚合解码 Transformer
暂未订购 下载PDF
基于特征聚合和Gaussian-Laplacian-Logistic混合模型的图像压缩 认领 引用
15
作者 朱俊 刘磊 +2 位作者 王帅 王珺 谭伟彪 《淮北师范大学学报（自然科学版）》 CAS 2025年第2期32-41,共10页
图像压缩在细节恢复和复杂场景处理方面存在局限,尤其在长距离上下文信息的利用上。为解决这一问题,提出一种基于自注意力特征聚合机制和Gaussian-Laplacian-Logistic混合模型。该模型通过融合不同层次的特征,有效捕捉长距离信息关系,... 图像压缩在细节恢复和复杂场景处理方面存在局限,尤其在长距离上下文信息的利用上。为解决这一问题,提出一种基于自注意力特征聚合机制和Gaussian-Laplacian-Logistic混合模型。该模型通过融合不同层次的特征,有效捕捉长距离信息关系,增强特征表达能力。提出创新性特征聚合模块,将压缩特征与Transformer中间层特征结合,提供更丰富的上下文信息,改善图像重建中的细节恢复和结构保持。引入Gaussian-Laplacian-Logistic混合模型,根据图像局部特征自适应调整,提高压缩效率。实验表明,所提模型在峰值信噪比(peak signal-to-noise ratio,PSNR)和多尺度结构相似性(multi-scale structural similarity,MS-SSIM)性能上优于传统学习压缩和标准压缩技术,特别在高复杂度图像和细节恢复方面表现突出。 展开更多
关键词 深度学习 图像压缩 特征聚合 混合模型 编码器-解码器架构 视频编码
暂未订购 下载PDF
基于上下文聚合策略的轻量级编/解码抓取位姿检测 认领 引用 被引量：7
16
作者 徐胜军 任君琳 +2 位作者 刘光辉 孟月波 韩九强 《机器人》 EI CSCD 北大核心 2023年第6期641-654,共14页
针对多样性目标在非结构化环境中的抓取位姿难以估计的问题,提出一种基于上下文聚合策略的轻量级编/解码抓取位姿检测网络。首先,以编/解码网络架构为基础,利用深度可分离卷积层与混洗单元构建目标特征深度分离-融合提取块,减少编码网... 针对多样性目标在非结构化环境中的抓取位姿难以估计的问题,提出一种基于上下文聚合策略的轻量级编/解码抓取位姿检测网络。首先,以编/解码网络架构为基础,利用深度可分离卷积层与混洗单元构建目标特征深度分离-融合提取块,减少编码网络参数量,增强网络对抓取区域特征的提取能力;其次,利用双线性插值法和深度可分离卷积层建立深度分离-重构块,在恢复高层特征丢失信息的同时,有效减少解码网络的参数量;最后,针对可抓取区域像素点与目标物体全貌之间的非一致性问题,基于交叉熵辅助损失和自注意力机制,提出一种抓取区域上下文聚合策略,引导网络增强可抓取目标区域特征的表征能力,抑制非抓取像素点的冗余特征。实验结果表明,所提网络在Cornell数据集的图像拆分与对象拆分子集上抓取检测准确率分别可达97.8%与93.8%,单张图像检测速度可达64.93张/秒;在Jacquard数据集上抓取检测准确率可达95.1%,单张图像检测速度可达60.6张/秒。与对比网络相比,所提网络不仅计算量与参数量较小,而且抓取检测的准确率与速度均有明显提升,在真实场景下对9种物体的抓取检测验证中,抓取成功率达到93.3%。 展开更多
关键词 非结构化环境 编/解码网络 上下文聚合 轻量级 抓取位姿
暂未订购 下载PDF
高分辨率遥感影像建筑物提取的注意力胶囊网络算法 认领 引用 被引量：8
17
作者 许正森 管海燕 +3 位作者 彭代锋 于永涛 雷相达 赵好好 《遥感学报》 EI CSCD 北大核心 2022年第8期1636-1649,共14页
高分辨率遥感影像建筑物自动提取在防灾减灾、灾害估损、城市规划和地形图制作等方面具有重要意义。但是,目前常用的传统卷积神经网络模型存在异变性强而同变性弱缺陷。针对该问题,本文提出一种基于通道和空间双注意力胶囊编码—解码网... 高分辨率遥感影像建筑物自动提取在防灾减灾、灾害估损、城市规划和地形图制作等方面具有重要意义。但是,目前常用的传统卷积神经网络模型存在异变性强而同变性弱缺陷。针对该问题,本文提出一种基于通道和空间双注意力胶囊编码—解码网络DA-CapsNet(dual-attention capsule encoder-decoder network)的建筑物提取通用模型。该模型通过胶囊卷积和空间—通道双注意力模块增强高分辨率遥感影像中建筑物高阶特征表达能力,实现建筑物遮挡部分以及对非建筑不透水层的准确提取与区分。模型首先利用胶囊编码—解码结构提取并融合多尺度建筑物胶囊特征,获得高质量建筑物特征表达。之后,设计通道和空间注意力特征模块进一步增强建筑物上下文语义信息,提高模型性能。本文选取3种高分辨率建筑物数据集进行试验,最终的平均精度、召回率和F1-score分别为92.15%、92.07%和92.18%。结果表明,本文提出的DA-CapsNet能有效克服高分辨率遥感影像中的空间异质性、同物异谱、异物同谱以及阴影遮挡等影响,实现复杂环境下的高精度建筑物自动提取。 展开更多
关键词 建筑物提取 深度学习 通道注意力 空间注意力 编码器—解码器 胶囊网络
暂未订购 下载PDF
动态异构特征融合的水下图像增强算法 认领 引用 被引量：13
18
作者 韩晓微 张云泽 +2 位作者 谢英红 吴宝举 赵玉莹 《控制与决策》 EI CSCD 北大核心 2023年第6期1560-1568,共9页
针对水下图像细节模糊和色彩失真严重的问题,提出一种基于编码解码结构的动态异构特征融合水下图像增强网络.首先,设计异构特征融合模块,将不同级别与不同层次的特征进行融合,提升网络对细节信息和语义信息的整体感知能力;然后,设计新... 针对水下图像细节模糊和色彩失真严重的问题,提出一种基于编码解码结构的动态异构特征融合水下图像增强网络.首先,设计异构特征融合模块,将不同级别与不同层次的特征进行融合,提升网络对细节信息和语义信息的整体感知能力;然后,设计新型特征注意力机制,改进传统通道注意力机制,并将改进后的通道注意力与像素注意力机制加入异构特征融合过程,加强网络提取不同浑浊度像素特征的能力;接着,设计动态特征增强模块,自适应扩展感受野以提升网络对图像畸变景物的适应力和模型转换能力,加强网络对感兴趣区域的学习;最后,设计色彩损失函数,并联合最小化绝对误差损失与结构相似性损失,在保持图像纹理的基础上纠正色偏.实验结果表明,所提出算法可有效提升网络的特征提取能力,降低水下图像的雾度效应,提升图像的清晰度和色彩饱和度. 展开更多
关键词 深度学习 神经网络 注意力机制 异构特征融合 编码解码结构 水下图像增强
暂未订购 下载PDF
局部全局特征耦合与交叉尺度注意的医学图像融合 认领 引用 被引量：5
19
作者 张炯 王丽芳 +3 位作者 蔺素珍 秦品乐 米嘉 刘阳 《计算机工程》 CAS CSCD 北大核心 2023年第3期238-247,共10页
现有基于深度学习的多模态医学图像融合方法存在全局特征表示能力不足的问题。对此,提出一种基于局部全局特征耦合与交叉尺度注意的医学图像融合方法。该方法由编码器、融合规则和解码器三部分组成。编码器中采用并行的卷积神经网络(CNN... 现有基于深度学习的多模态医学图像融合方法存在全局特征表示能力不足的问题。对此,提出一种基于局部全局特征耦合与交叉尺度注意的医学图像融合方法。该方法由编码器、融合规则和解码器三部分组成。编码器中采用并行的卷积神经网络(CNN)和Transformer双分支网络分别提取图像的局部特征与全局表示。在不同尺度下,通过特征耦合模块将CNN分支的局部特征嵌入Transformer分支的全局特征表示中,最大程度地结合互补特征,同时引入交叉尺度注意模块实现对多尺度特征表示的有效利用。编码器提取待融合原始图像的局部、全局以及多尺度特征表示,根据融合规则融合不同源图像的特征表示后再输入到解码器中生成融合图像。实验结果表明,与CBF、PAPCNN、IFCNN、DenseFuse和U2Fusion方法相比,该方法在特征互信息、空间频率、边缘信息传递因子、结构相似度、感知图像融合质量这5个评价指标上分别平均提高6.29%、3.58%、29.01%、5.34%、5.77%,融合图像保留了更清晰的纹理细节和更高的对比度,便于疾病的诊断与治疗。 展开更多
关键词 医学图像融合 编码器-解码器网络 Transformer网络 特征耦合 交叉尺度注意
暂未订购 下载PDF
基于Vision Transformer的中文唇语识别 认领 引用 被引量：4
20
作者 薛峰 洪自坤 +2 位作者 李书杰 李雨 谢胤岑 《模式识别与人工智能》 EI CSCD 北大核心 2022年第12期1111-1121,共11页
唇语识别作为一种将唇读视频转换为文本的多模态任务,旨在理解说话者在无声情况下表达的意思.目前唇语识别主要利用卷积神经网络提取唇部视觉特征,捕获短距离像素关系,难以区分相似发音字符的唇形.为了捕获视频图像中唇部区域像素之间... 唇语识别作为一种将唇读视频转换为文本的多模态任务,旨在理解说话者在无声情况下表达的意思.目前唇语识别主要利用卷积神经网络提取唇部视觉特征,捕获短距离像素关系,难以区分相似发音字符的唇形.为了捕获视频图像中唇部区域像素之间的长距离关系,文中提出基于Vision Transformer(ViT)的端到端中文句子级唇语识别模型,融合ViT和门控循环单元(Gate Recurrent Unit,GRU),提高对嘴唇视频的视觉时空特征提取能力.具体地,首先使用ViT的自注意力模块提取嘴唇图像的全局空间特征,再通过GRU对帧序列时序建模,最后使用基于注意力机制的级联序列到序列模型实现对拼音和汉字语句的预测.在中文唇语识别数据集CMLR上的实验表明,文中模型的汉字错误率较低. 展开更多
关键词 唇语识别 Vision Transformer(ViT) 深度神经网络 编解码器 注意力机制 特征提取
暂未订购 下载PDF
已选0条
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 … 4 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈