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1,326篇文章
< 1 2 … 67 >
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：
融合多尺度注意力神经网络的港口起重装备故障时序数据预测方法
1
作者 雷鹏 谢敬玲 +4 位作者 许洪祖 焦锋 魏立明 张忠岩 吕成兴 《机电工程》 北大核心 2025年第2期277-286,共10页
近年来,深度神经网络在轴承时序预测领域得到了广泛应用。为了进一步提升港口起重装备滚动轴承时序模型预测的准确度,以青岛港门机为例对港口起重装备关键部位的滚动轴承时序预测进行了建模,提出了一种融合改进变分模态分解的多尺度注... 近年来,深度神经网络在轴承时序预测领域得到了广泛应用。为了进一步提升港口起重装备滚动轴承时序模型预测的准确度,以青岛港门机为例对港口起重装备关键部位的滚动轴承时序预测进行了建模,提出了一种融合改进变分模态分解的多尺度注意力机制港口装备故障时序数据预测方法。首先,采用了融合非线性策略与混沌映射的改进灰狼优化算法(IGWO),自适应地确定了变分模态分解(VMD)的模态数与惩罚因子;然后,将变分模态分解得到的本征模态函数进一步作为融合多尺度注意力神经网络(FMANN)模型的时序输入,进行了多尺度通道特征融合;最后,对各个本征模态函数的预测结果进行了融合,得到了最终预测结果。研究结果表明:FMANN模型在回转机构数据集上的均方根误差(RMSE)为0.001 12,平均绝对百分比误差(MAPE)为6.396 3%,决定系数为0.999 8;相比于其他预测模型,FMANN预测效果更加拟合实际数据。FMANN模型能够准确地预测设备轴承的时序振动,有望为未来实际工业生产提供一条新思路。 展开更多
关键词 滚动轴承 故障诊断 变分模态分解 注意力机制 灰狼优化算法 融合多尺度注意力神经网络 深度可分离卷积
下载PDF
基于多尺度融合神经网络的同频同调制单通道盲源分离算法
2
作者 付卫红 张鑫钰 刘乃安 《系统工程与电子技术》 北大核心 2025年第2期641-649,共9页
针对单通道条件下同频同调制混合信号分离时存在的计算复杂度高、分离效果差等问题,提出一种基于时域卷积的多尺度融合递归卷积神经网络(recursive convolutional neural network, RCNN),采用编码、分离、解码结构实现单通道盲源分离。... 针对单通道条件下同频同调制混合信号分离时存在的计算复杂度高、分离效果差等问题,提出一种基于时域卷积的多尺度融合递归卷积神经网络(recursive convolutional neural network, RCNN),采用编码、分离、解码结构实现单通道盲源分离。首先,编码模块提取出混合通信信号的编码特征;然后,分离模块采用不同尺度大小的卷积块以进一步提取信号的特征信息,再利用1×1卷积块捕获信号的局部和全局信息,估计出每个源信号的掩码;最后,解码模块利用掩码与混合信号的编码特征恢复源信号波形。仿真结果表明,所提多尺度融合RCNN不仅可以分离出仅有少量参数区别的混合通信信号,而且相较于U型网络(U-Net)降低了约62%的参数量和41%的计算量,同时网络也具有较强的泛化能力,可以高效面对复杂通信环境的挑战。 展开更多
关键词 单通道盲源分离 深度学习 同频同调制信号分离 多尺度融合递归卷积神经网络 通信信号处理
下载PDF
基于图神经网络的多尺度特征融合雷达目标检测方法
3
作者 汪翔 王彦斌 +1 位作者 汪育苗 崔国龙 《雷达科学与技术》 北大核心 2025年第1期39-47,共9页
本文针对复杂杂波环境下的雷达目标检测问题,提出了一种基于图神经网络的多尺度特征融合雷达目标检测方法,该方法利用多个脉冲回波之间的特征关联性检测目标。具体而言,其首先利用多个级联的特征提取模块从回波中提取多尺度特征。然后,... 本文针对复杂杂波环境下的雷达目标检测问题,提出了一种基于图神经网络的多尺度特征融合雷达目标检测方法,该方法利用多个脉冲回波之间的特征关联性检测目标。具体而言,其首先利用多个级联的特征提取模块从回波中提取多尺度特征。然后,该方法利用多尺度特征构造多个有向完全图,图中每个节点对应一个脉冲。之后,每个节点利用图神经网络的消息传播机制聚合其邻居节点的信息,以此学习脉间回波高阶相关性。进一步地,该方法融合多尺度特征以丰富对目标和杂波的特征表示。最后,对融合后特征进行非线性映射,以二分类的形式得到检测结果。基于公开雷达数据集的试验验证了所提方法的有效性。 展开更多
关键词 雷达目标检测 杂波环境 图神经网络 多尺度特征融合
下载PDF
基于注意力机制的多图神经网络交通预测模型
4
作者 李博 崔高峰 冯泽涛 《智能计算机与应用》 2025年第3期56-63,共8页
由于复杂的时空相关性和非线性的交通模式,实现精确的预测仍然是一个挑战。针对于此,本文提出了一种新颖的多变量时间序列预测框架(MSTGCN+AL),尝试使用多图神经网络进行预测。引入2种新的图类型,一是通过自适应邻接矩阵得到自适应邻接... 由于复杂的时空相关性和非线性的交通模式,实现精确的预测仍然是一个挑战。针对于此,本文提出了一种新颖的多变量时间序列预测框架(MSTGCN+AL),尝试使用多图神经网络进行预测。引入2种新的图类型,一是通过自适应邻接矩阵得到自适应邻接图,能更好地获取交通节点之间的位置关系;另一个是潜在图,通过使用全局变量拟合三角函数,可以更好地从交通数据中提取周期性和上下文信息。为了对齐图节点及其时间戳,采用了一个基于注意力机制的多图融合模块,包括多图空间嵌入、空间注意力和图注意力。为了验证本文方法的有效性,在METR-LA数据集上进行了广泛的实验。实验结果表明,与基线方法相比,所提MSTGCN+AL模型在预测性能上表现更佳。 展开更多
关键词 图神经网络 自适应邻接矩阵 注意力机制 多图融合 交通预测
下载PDF
基于注意力机制和多尺度融合的人群计数网络
5
作者 栾方军 龚琪 袁帅 《计算机工程》 北大核心 2025年第3期352-361,共10页
为了应对人群图像中尺度变化和背景干扰的问题,提出一种人群计数网络模型,旨在充分利用多尺度信息并降低背景噪声的影响。首先采用ConvNeXt作为主干网络,用于提取特征。其次为了有效融合不同层次的特征,提出多层次特征融合模块(MFFM),... 为了应对人群图像中尺度变化和背景干扰的问题,提出一种人群计数网络模型,旨在充分利用多尺度信息并降低背景噪声的影响。首先采用ConvNeXt作为主干网络,用于提取特征。其次为了有效融合不同层次的特征,提出多层次特征融合模块(MFFM),将主干网络中不同层次的特征进行跨尺度融合,融合后的特征包含了不同尺度的语义信息,可以更好地适应人群计数任务中的尺度变化问题。接着为了更好地解决人群计数中存在的挑战,设计一个多尺度注意力模块(MSAM),根据不同感受野的分支提取不同尺度的特征,利用选择性Kernel通道注意力(SKCA)缓解多列结构存在的特征相似问题,并将模块生成的注意力图反馈到对应的尺度特征中,以抑制背景的干扰。网络模型在ShanghaiTechA数据集中的平均绝对误差(MAE)和均方根误差(RMSE)分别达到了56.1和93.9;在ShanghaiTechB数据集中的MAE和RMSE分别达到了6.1和10.3;在UCF_CC_50数据集中的MAE和RMSE分别达到了174.9和252.7;在Mall数据集中的MAE和RMSE分别达到了1.42和1.85。在公开数据集上的实验结果表明,提出的网络模型与现有代表性的人群计数方法相比,在提升人群计数任务的准确性和鲁棒性方面均取得了明显进展。 展开更多
关键词 人群计数 多尺度特征融合 注意力机制 神经网络 密度图
下载PDF
基于梯度注意力机制与交叉神经网络的红外与可见光图像融合
6
作者 孙希霞 邓林威 潘甦 《南京邮电大学学报（自然科学版）》 北大核心 2024年第3期17-25,共9页
针对现有的基于深度学习的红外与可见光图像融合算法存在的难以区分重要信息与无关信息的问题,提出了一种基于梯度注意力机制与细节保留交叉神经网络(Detail Preserving Cross Network,DPCN)的红外与可见光图像融合方法。首先,将改进的... 针对现有的基于深度学习的红外与可见光图像融合算法存在的难以区分重要信息与无关信息的问题,提出了一种基于梯度注意力机制与细节保留交叉神经网络(Detail Preserving Cross Network,DPCN)的红外与可见光图像融合方法。首先,将改进的梯度注意力机制引入到DPCN,引导神经网络尽可能关注可见光图像的纹理细节和红外图像的目标信息,同时利用DPCN加强红外图像和可见光图像之间的信息交互。然后,提出了一种基于多尺度细节保留模块的解码器重建融合图像。最后,设计了一种基于辅助判别器的自适应损失函数。实验结果表明:所提方法可保留更清晰的边缘及目标信息,在主观和客观评价方面均优于对比方法。 展开更多
关键词 图像融合 注意力机制 细节保留交叉神经网络 多尺度图像重建
下载PDF
基于多尺度卷积神经网络和注意力机制的模拟电路早期故障诊断方法 被引量：2
7
作者 徐欣 侯成凯 《电子器件》 CAS 2024年第4期929-934,共6页
模拟电路具有非线性、元件容差等特性,导致不同故障模式之间存在混叠现象,特别是模拟电路早期故障,这大大增加了故障诊断的难度。因此,提出了一种基于小波变换和多尺度特征注意力卷积神经网络(MS-FACNN)的模拟电路早期故障诊断方法,采... 模拟电路具有非线性、元件容差等特性,导致不同故障模式之间存在混叠现象,特别是模拟电路早期故障,这大大增加了故障诊断的难度。因此,提出了一种基于小波变换和多尺度特征注意力卷积神经网络(MS-FACNN)的模拟电路早期故障诊断方法,采用小波变换得到脉冲响应信号的多尺度分量,利用设计好的MS-FACNN网络自动提取更加全面且高可分性故障特征,并实现故障模式识别。此外,采用高效通道注意力(ECA)聚焦故障高相关性特征,过滤低相关性的冗余信息,进一步提升模型特征提取能力。实验结果表明,相比传统方法,所提方法具有更强的故障特征提取能力,对四运放双二阶高通滤波器早期故障诊断的准确率达到99.18%。 展开更多
关键词 模拟电路 早期故障诊断 小波变换 多尺度卷积神经网络 有效通道注意力
下载PDF
基于3D融合特征联合神经网络的水声目标识别
8
作者 许玮婷 赵英亮 +2 位作者 冯思奇 韩星程 贾彩琴 《计算机系统应用》 2025年第3期72-84,共13页
面对复杂的海洋环境,利用舰船辐射噪声进行水声目标特征提取与识别具有极大的挑战性.本文首先将船舶音频信号的三维梅尔频率倒谱系数(3D dynamic Mel-frequency cepstrum coefficient,3D-MFCC)特征与三维梅尔谱(3D dynamic Mel-spectrog... 面对复杂的海洋环境,利用舰船辐射噪声进行水声目标特征提取与识别具有极大的挑战性.本文首先将船舶音频信号的三维梅尔频率倒谱系数(3D dynamic Mel-frequency cepstrum coefficient,3D-MFCC)特征与三维梅尔谱(3D dynamic Mel-spectrogram,3D-Mel)特征进行融合作为模型输入,并基于此提出了一种新的水声目标识别深度神经网络模型,该模型在卷积神经网络(convolutional neural network,CNN)和长短期记忆网络(long short-term memory,LSTM)的串行架构基础上,用多尺度深度可分离卷积网络(multi-scale depthwise convolutional network,MSDC),替代了传统的CNN,并增加了多尺度通道注意力机制(multi-scale channel attention,MSCA).实验结果表明,该方法在DeepShip数据集和ShipsEar数据集上的平均识别率分别达到了85.92%和97.32%,展现了良好的分类效果. 展开更多
关键词 舰船辐射噪声 3D特征融合 多尺度深度可分离卷积 多尺度通道注意力机制
下载PDF
一种用于多域对话状态追踪的知识增强与自注意力引导的图神经网络
9
作者 刘漳辉 林宇航 陈羽中 《小型微型计算机系统》 CSCD 北大核心 2024年第1期108-114,共7页
对话状态追踪是对话系统的重要组成部分,旨在从用户与系统的对话中跟踪用户意图,其通常表示为槽位-槽值对序列.近年来,深度神经网络模型在对话状态追踪问题上取得了较大进展.然而,现有模型在槽位相关性建模方面还存在可拓展性差与易引... 对话状态追踪是对话系统的重要组成部分,旨在从用户与系统的对话中跟踪用户意图,其通常表示为槽位-槽值对序列.近年来,深度神经网络模型在对话状态追踪问题上取得了较大进展.然而,现有模型在槽位相关性建模方面还存在可拓展性差与易引入噪声等问题.针对上述问题,本文提出了一种知识增强与自注意力引导的图神经网络KESA-GNN(Knowledge-Enhanced&Self-Attention Guided Graph Neural Network).首先,KESA-GNN通过外部知识嵌入增强槽的语义表征提升多头自注意力机制对槽位间相关性的辨别能力.其次,为了精确建模槽位间的诸如共指、共现等相关性,提出了一种自注意力引导的图神经网络建模槽位相关性.该网络采用多头注意力机制获得槽位间的注意力矩阵以及槽位表征,通过Max-N Relation算法获得注意力矩阵中强相关关系集,将稠密的注意力矩阵稀疏化,从而引导图神经网络中强相关槽位间的信息传播,降低无关槽位的噪声影响.最后,KESA-GNN采用门控融合机制过滤槽位多头注意力和图神经网络输出的槽位表征,从而获取更准确的槽位表征向量,进一步提升了KESA-GNN的鲁棒性.在多域对话数据集上的实验结果表明,KESA-GNN模型的性能优于最新的基线模型. 展开更多
关键词 对话状态追踪 知识图谱 自注意力引导 图神经网络 门控融合
下载PDF
MFMANet:一种融合多尺度特征的多重注意力医学图像分割网络
10
作者 袁金丽 李博华 +3 位作者 陈沐萱 蒋仁鼎 JUI SHANAZ SHARMIN 郭志涛 《中国医学物理学杂志》 2025年第2期190-198,共9页
医学图像分割研究在推动高效且精确的自动化图像处理技术方面具有重要意义。然而,为解决医学图像中存在的器官组织形状差异大、边界模糊等导致图像分割结果不准确的问题,提出一种MFMANet新型网络,该网络以“U”型架构为基础,并集成了多... 医学图像分割研究在推动高效且精确的自动化图像处理技术方面具有重要意义。然而,为解决医学图像中存在的器官组织形状差异大、边界模糊等导致图像分割结果不准确的问题,提出一种MFMANet新型网络,该网络以“U”型架构为基础,并集成了多尺度信息融合模块和多重注意力模块。具体而言,多尺度信息融合模块通过捕捉网络浅层中的多尺度信息,以弥补编码器和解码器特征之间的语义差距,从而提升了网络应对器官尺寸差异大问题的能力。同时,网络使用多重注意力方法,利用SwinTransformer作为网络深层编解码器,采用通道、空间注意力取代传统的跳跃连接,进而实现了特征信息的更精细提取,以应对边界模糊问题。通过在ACDC和Synapase这两个公共数据集上进行实验,结果显示,与MTUNet方法相比,该方法在骰子相似系数这一关键指标上取得了1.51%和1.29%的显著提升,充分证明了该方法在提高分割网络准确性方面的有效性。 展开更多
关键词 医学图像分割 多尺度信息融合 注意力机制
下载PDF
融合多尺度特征与注意力的小样本目标检测
11
作者 张英俊 甘望阳 +1 位作者 谢斌红 张睿 《小型微型计算机系统》 北大核心 2025年第3期689-696,共8页
针对现有小样本目标检测模型存在的尺度变化问题,支持集与查询集之间的外观变化、遮挡导致的误检与漏检问题,本文提出一种融合多尺度特征与注意力的小样本目标检测模型.首先,采用ResNet-101网络进行特征提取,同时引入ASPP(Atrous Spatia... 针对现有小样本目标检测模型存在的尺度变化问题,支持集与查询集之间的外观变化、遮挡导致的误检与漏检问题,本文提出一种融合多尺度特征与注意力的小样本目标检测模型.首先,采用ResNet-101网络进行特征提取,同时引入ASPP(Atrous Spatial Pyramid Pooling)模块获取不同的感受野,以捕获目标细节信息的多尺度特征.其次,采用Bi-FPN网络进行多尺度特征融合,获得更具代表性的查询特征与支持特征,有效缓解尺度变化问题.然后,利用提出的注意力引导特征增强模块对查询特征与支持特征进行自身关注,使得它们具有更好的判别能力,由此促进查询特征与支持特征的融合,以更好地应对外观变化和遮挡带来的挑战,从而缓解误检、漏检问题.最后,将分类头与边界框回归头进行解耦,分别对RPN网络基于细粒度查询特征产生的候选区域进行目标分类与目标定位.在PASCAL VOC与MS COCO数据集上的实验结果表明,所提模型的检测性能优于主流的小样本目标检测模型,相较于基线模型DCNet,mAP平均分别提升了3.5%与2.1%. 展开更多
关键词 小样本学习 元学习 目标检测 多尺度特征融合 注意力机制
下载PDF
卷积神经网络与视觉Transformer联合驱动的跨层多尺度融合网络高光谱图像分类方法 被引量：3
12
作者 赵凤 耿苗苗 +2 位作者 刘汉强 张俊杰 於俊 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第5期2237-2248,共12页
高光谱图像(HSI)分类是地球科学和遥感影像处理任务中最受关注的研究热点之一。近年来,卷积神经网络(CNN)和视觉Transformer相结合的方法,通过综合考虑局部-全局信息,在HSI分类任务中取得了成功。然而,HSI中地物具有丰富的纹理信息和复... 高光谱图像(HSI)分类是地球科学和遥感影像处理任务中最受关注的研究热点之一。近年来,卷积神经网络(CNN)和视觉Transformer相结合的方法,通过综合考虑局部-全局信息,在HSI分类任务中取得了成功。然而,HSI中地物具有丰富的纹理信息和复杂多样的结构,且不同地物之间存在尺度差异。现有的二者结合的方法通常对多尺度地物目标的纹理和结构信息的提取能力有限。为了克服上述局限性,该文提出CNN与视觉Transformer联合驱动的跨层多尺度融合网络HSI分类方法。首先,从结合CNN与视觉Transformer的角度出发,设计了跨层多尺度局部-全局特征提取模块分支,其主要由卷积嵌入的视觉Transformer和跨层特征融合模块构成。具体来说,卷积嵌入的视觉Transformer通过深度融合多尺度CNN与视觉Transformer实现了多尺度局部-全局特征信息的有效提取,从而增强网络对不同尺度地物的关注。进一步地,跨层特征融合模块深度聚合了不同层次的多尺度局部-全局特征信息,以综合考虑地物的浅层纹理信息和深层结构信息。其次,构建了分组多尺度卷积模块分支来挖掘HSI中密集光谱波段潜在的多尺度特征。最后,为了增强网络对HSI中局部波段细节和整体光谱信息的挖掘,设计了残差分组卷积模块对局部-全局光谱特征进行提取。Indian Pines, Houston 2013和Salinas Valley 3个HSI数据集上的实验结果证实了所提方法的有效性。 展开更多
关键词 高光谱图像分类 卷积神经网络 视觉Transformer 多尺度特征 融合网络
下载PDF
多尺度密集交互注意力残差真实图像去噪网络
13
作者 郭业才 胡晓伟 +1 位作者 AMITAVE Saha 毛湘南 《图学学报》 北大核心 2025年第2期279-287,共9页
针对图像去噪特征提取不全面以及特征利用率低,导致生成图像不够清晰的问题,提出一种多尺度密集交互注意力残差去噪网络(MDIARN)。首先,通过多尺度非对称特征提取模块(MAFM)初步提取浅层信息特征,以确保图像特征的多样性;然后,多尺度级... 针对图像去噪特征提取不全面以及特征利用率低,导致生成图像不够清晰的问题,提出一种多尺度密集交互注意力残差去噪网络(MDIARN)。首先,通过多尺度非对称特征提取模块(MAFM)初步提取浅层信息特征,以确保图像特征的多样性;然后,多尺度级联模块(MSCM)利用多维密集交互残差单元(MDIU)对图像特征进行多维映射,并逐步级联以增强模型之间的信息传递和交互性,充分拟合训练数据;引入双路全局注意力模块(DGAM)对多级特征进行全局联合学习,获取更具有判别性的特征信息;跳跃连接促进结构之间的参数共享,使不同维度的特征充分融合,保证信息的完整性;最后,采用残差学习构建出清晰的去噪图像。结果表明,该算法在真实噪声数据集(DND和SIDD)上峰值信噪比分别为39.80 dB和39.62 dB,结构相似性分别为95.4%和95.8%,均优于主流去噪算法。此外,该算法在低光度场景下应用也能保留更多细节,从而显著提升图像质量。 展开更多
关键词 图像去噪 多尺度特征提取 多维密集交互 卷积神经网络 注意力
下载PDF
基于多尺度可变形注意力编码与多路径融合的未知说话人语音分离
14
作者 王春丽 刘素倩 陈善立 《信号处理》 北大核心 2025年第4期718-729,共12页
针对在含有噪声和混响的复杂环境中对未知说话人语音分离任务的研究,提出了一种基于多尺度可变形注意力编码与多路径融合的未知说话人语音分离模型。现有的针对未知说话人的语音分离模型是在纯净的实验环境条件下分析的模型性能,不符合... 针对在含有噪声和混响的复杂环境中对未知说话人语音分离任务的研究,提出了一种基于多尺度可变形注意力编码与多路径融合的未知说话人语音分离模型。现有的针对未知说话人的语音分离模型是在纯净的实验环境条件下分析的模型性能,不符合现实中复杂的背景环境需求。为使模型可以在现实应用复杂条件下灵活应对混合语音信号中的多变性与非平稳性,采用多尺度可变形注意力机制与Transformer编码器构成(Transformer Encoder Multi-Scale deformable attention,TEMDA)模块,利用多尺度可变形注意力机制的偏移层在不同位置上进行动态计算,扩展模型的感受野,同时使模型更有效地聚焦于重要的时间点,减少噪声和混响的影响。为了更好地获取上下文信息,在多路径融合策略中,通过在双路径模块的基础上增加通道间的Conformer组成三路径模块,用于提取多说话人之间的特征信息,这样的处理方式可以更好地融合单一说话人和多说话人之间的信息,提升语音分离性能。实验表明,所提出的模型分别在纯净和带噪声的Libri2Mix、Libri3Mix数据集上达到了显著的分离效果,并且在LRS2-2Mix数据集中模型可以更好地减少噪声和混响对语音分离的影响,尺度不变信噪比改善(Scale-Invariant Signal-to-Noise Ratio Improvement,SI-SNRi)和信号失真比改善(Signal-to-Distortion Ratio Improvement,SDRi)分别为14.7 dB和15.1 dB;在三个说话人数目中的估计精度为98.89%,提升了0.12%。 展开更多
关键词 未知说话人语音分离 多尺度可变形注意力编码策略 多路径融合 吸引子估计
下载PDF
融合注意力与多尺度特征的城市街景实例分割
15
作者 王军 吕佳 程勇 《计算机系统应用》 2025年第1期90-99,共10页
城市街道场景实例分割算法可以显著提升城市环境感知和智能交通系统的准确性与效率,针对城市街景行人和车辆之间相互遮挡和背景干扰严重等问题,提出一种基于频率注意力机制和多尺度特征融合的实例分割模型FMInst.首先,构建一种高低频注... 城市街道场景实例分割算法可以显著提升城市环境感知和智能交通系统的准确性与效率,针对城市街景行人和车辆之间相互遮挡和背景干扰严重等问题,提出一种基于频率注意力机制和多尺度特征融合的实例分割模型FMInst.首先,构建一种高低频注意力机制进行交互编码从而增加高分辨率细节信息.其次,在Swin Transformer主干网络的Patch Merging层引入软池化操作,减少特征信息损失,有效提高小尺度目标分割结果.最后,结合MLP层构建多尺度的深度卷积,有效增强目标局部信息提取,提升实例分割精度.在Cityscapes公共数据集进行对比实验,结果表明FMInst的mAP提高1.2%,达35.6%,同时AP50提高2.2%,达61.4%,极大地改善实例分割的掩码质量和分割效果. 展开更多
关键词 城市街景 实例分割 频率注意力机制 多尺度特征融合 小目标
下载PDF
基于图神经网络和注意力机制的点云分类模型
16
作者 徐海涛 郝晓萍 +2 位作者 晁欣 董少锋 李祥 《激光与红外》 CAS CSCD 北大核心 2024年第8期1216-1220,共5页
为了增强基于深度学习的三维点云分类模型对全局特征的建模能力,提高模型的泛化性能,在PointNet的基础上,提出了基于图神经网络和注意力机制融合的点云分类模型。首先,将提取的特征分别通过增加通道注意力模块和空间注意力模块,使模型... 为了增强基于深度学习的三维点云分类模型对全局特征的建模能力,提高模型的泛化性能,在PointNet的基础上,提出了基于图神经网络和注意力机制融合的点云分类模型。首先,将提取的特征分别通过增加通道注意力模块和空间注意力模块,使模型更加关注全局上下文信息,抑制噪声信息,减少冗余参数,增强对全局特征的建模能力;其次,通过在多尺度球半径内进行不同K值最近邻搜索对编码的输入特征进行构图,既减小了图的规模,降低训练开销,又使模型学习不同层级的特征表示;最后,通过图卷积神经网络汇聚邻域信息,更新节点特征,并将不同图卷积神经网络层输出特征进行相加,融合多层级特征,提高分类准确率。本文在公用数据集ModelNet40上进行训练与测试,其总体分类准确为88.6%,优于通用的3DShapeNets、VoxNet、ECC、PointNet模型,证明了模型在点云分类上的优越性。 展开更多
关键词 三维点云 注意力机制 图神经网络 多尺度特征融合
下载PDF
基于语义理解注意力神经网络的多元特征融合中文文本分类 被引量：29
17
作者 谢金宝 侯永进 +2 位作者 康守强 李佰蔚 张霄 《电子与信息学报》 EI CSCD 北大核心 2018年第5期1258-1265,共8页
在中文文本分类任务中,针对重要特征在中文文本中位置分布分散、稀疏的问题,以及不同文本特征对文本类别识别贡献不同的问题,该文提出一种基于语义理解的注意力神经网络、长短期记忆网络(LSTM)与卷积神经网络(CNN)的多元特征融合中文文... 在中文文本分类任务中,针对重要特征在中文文本中位置分布分散、稀疏的问题,以及不同文本特征对文本类别识别贡献不同的问题,该文提出一种基于语义理解的注意力神经网络、长短期记忆网络(LSTM)与卷积神经网络(CNN)的多元特征融合中文文本分类模型(3CLA)。模型首先通过文本预处理将中文文本分词、向量化。然后,通过嵌入层分别经过CNN通路、LSTM通路和注意力算法模型通路以提取不同层次、具有不同特点的文本特征。最终,文本特征经融合层融合后,由softmax分类器进行分类。基于中文语料进行了文本分类实验。实验结果表明,相较于CNN结构模型与LSTM结构模型,提出的算法模型对中文文本类别的识别能力最多提升约8%。 展开更多
关键词 中文文本分类 多元特征融合 注意力算法 长短期记忆网络 卷积神经网络
下载PDF
采用多尺度自适应选择卷积神经网络的轴承故障诊断研究 被引量：4
18
作者 张玺君 尚继洋 《西安交通大学学报》 EI CAS CSCD 北大核心 2024年第2期127-135,共9页
针对轴承故障诊断方法中传统多尺度卷积神经网络对不同尺度的特征只是简单拼接,而未考虑不同尺度的特征差异的问题,提出一种多尺度自适应选择卷积神经网络轴承故障诊断模型(MSASCNN)。通过不同大小的宽卷积筛选原始轴承振动信号中的特征... 针对轴承故障诊断方法中传统多尺度卷积神经网络对不同尺度的特征只是简单拼接,而未考虑不同尺度的特征差异的问题,提出一种多尺度自适应选择卷积神经网络轴承故障诊断模型(MSASCNN)。通过不同大小的宽卷积筛选原始轴承振动信号中的特征,合并为初始特征;构建多尺度自适应选择卷积块,提取不同尺度的特征,利用改进的注意力机制自适应调整不同尺度的特征权重,加入残差连接,防止模型退化;通过分类器完成轴承故障诊断。在凯斯西储大学轴承数据集和XJTU-SY轴承数据集上的实验结果表明:在模型改进实验中,与没有改进注意力机制的模型相比,所提模型的轴承故障诊断准确率提升了1.98%;在不同信噪比的噪声干扰环境中,所提模型的轴承故障诊断准确率均高于93%。 展开更多
关键词 轴承故障诊断 卷积神经网络 自适应融合 注意力机制 多尺度特征
下载PDF
融合注意力机制的肠道息肉分割多尺度卷积神经网络 被引量：3
19
作者 单芳湄 王梦文 李敏 《图学学报》 CSCD 北大核心 2023年第1期50-58,共9页
肠道息肉分割能够提供息肉在结肠中的位置和形态信息,方便医生依据其结构变化程度来推断癌变可能性,有利于结肠癌的早期诊断和治疗。针对许多现有的卷积神经网络所提取的多尺度特征有限,且常引入冗余和干扰特征,难以应对复杂多变的肠道... 肠道息肉分割能够提供息肉在结肠中的位置和形态信息,方便医生依据其结构变化程度来推断癌变可能性,有利于结肠癌的早期诊断和治疗。针对许多现有的卷积神经网络所提取的多尺度特征有限,且常引入冗余和干扰特征,难以应对复杂多变的肠道息肉分割问题,提出了一种融合注意力机制的肠道息肉分割多尺度卷积神经网络(CNN)。首先,设计不同比例金字塔池化策略提取丰富的多尺度上下文信息;然后,通过在网络中融入通道注意力机制,模型能够根据目标自适应地选择合适的局部上下文信息和全局上下文信息进行特征集成;最后,联合金字塔池化策略和通道注意力机制构建多尺度有效语义融合解码网络,增强模型对形状、大小复杂多变的肠道息肉分割的鲁棒性。实验结果表明,本文模型分割的Dice系数、IoU和灵敏度在CVC-ClinicDB数据集上分别为90.6%,84.4%和91.1%,在ETIS-Larib数据集上分别为80.6%,72.6%和79.0%,其能够从肠镜图像中准确、有效地分割出肠道息肉。 展开更多
关键词 息肉分割 肠镜图像 卷积神经网络 多尺度语义信息 注意力机制
下载PDF
基于多尺度注意力与特征融合的行人重识别方法研究
20
作者 吴宇森 于宝华 +1 位作者 荣江 张数 《石河子大学学报(自然科学版)》 北大核心 2025年第1期122-132,共11页
行人重识别又称行人再识别,是一种在跨摄像头环境下识别相同行人的技术。目前,由于行人姿势变化、灯光角度、障碍遮挡等问题影响,导致现有方法提取行人特征受到干扰较大,影响识别效果。针对该问题,提出将NFormer嵌入主干网络的不同层级... 行人重识别又称行人再识别,是一种在跨摄像头环境下识别相同行人的技术。目前,由于行人姿势变化、灯光角度、障碍遮挡等问题影响,导致现有方法提取行人特征受到干扰较大,影响识别效果。针对该问题,提出将NFormer嵌入主干网络的不同层级,构建多尺度注意力模块(Multi-Scale Attention-NFormer, MSAN),提取细节丰富的底层特征与表征能力强的高层特征进行融合;提出结合可学习视觉中心与多层感知器,构建了基于可学习视觉中心与多层感知器的特征融合模块(Feature Fusion with Learnable Visual Centers and Multilayer Perceptron, FFLM),提取关联位置信息的局部特征与长距离依赖的全局特征,并将其融合获取更具辨别性的特征表达。为了使主干网络与头部网络更适用于特征融合任务,对ResNet50的激活函数和搭建架构进行改进,保留了更丰富的特征信息;在头部网络添加BN层和GeM池化,缓解了损失函数优化方向不同步的问题。实验结果表明,所提方法在Market-1501和DukeMTMC-reID数据集上的首位命中率分别达到了95.8%、90.2%,平均精度均值为93.0%、84.7%,所提取的特征更具有判别性,识别率更高。 展开更多
关键词 行人重识别 特征融合 多尺度 注意力机制 深度学习
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 … 67 下一页 到第 页
使用帮助 返回顶部