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75篇文章
< 1 2 … 4 >
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：
细粒度图像分类上Vision Transformer的发展综述 被引量：2
1
作者 孙露露 刘建平 +3 位作者 王健 邢嘉璐 张越 王晨阳 《计算机工程与应用》 CSCD 北大核心 2024年第10期30-46,共17页
细粒度图像分类(fine-grained image classification,FGIC)一直是计算机视觉领域中的重要问题。与传统图像分类任务相比,FGIC的挑战在于类间对象极其相似,使任务难度进一步增加。随着深度学习的发展,Vision Transformer(ViT)模型在视觉... 细粒度图像分类(fine-grained image classification,FGIC)一直是计算机视觉领域中的重要问题。与传统图像分类任务相比,FGIC的挑战在于类间对象极其相似,使任务难度进一步增加。随着深度学习的发展,Vision Transformer(ViT)模型在视觉领域掀起热潮,并被引入到FGIC任务中。介绍了FGIC任务所面临的挑战,分析了ViT模型及其特性。主要根据模型结构全面综述了基于ViT的FGIC算法,包括特征提取、特征关系构建、特征注意和特征增强四方面内容,对每种算法进行了总结,并分析了它们的优缺点。通过对不同ViT模型在相同公用数据集上进行模型性能比较,以验证它们在FGIC任务上的有效性。最后指出了目前研究的不足,并提出未来研究方向,以进一步探索ViT在FGIC中的潜力。 展开更多
关键词 细粒度图像分类 Vision Transformer 特征提取 特征关系构建 特征注意 特征增强
下载PDF
特征注意的全局性调制作用--增强还是抑制? 被引量：2
2
作者 黄子立 丁玉珑 曲折 《心理科学进展》 CSSCI CSCD 北大核心 2020年第4期566-578,共13页
特征注意(feature-basedattention)是个体根据特定的特征维度或特征值分配视觉注意资源的能力。在注意焦点内,特征注意会增强对注意特征具有反应选择性的神经元活动,并抑制对干扰特征具有反应选择性的神经元活动。大量研究表明,特征注... 特征注意(feature-basedattention)是个体根据特定的特征维度或特征值分配视觉注意资源的能力。在注意焦点内,特征注意会增强对注意特征具有反应选择性的神经元活动,并抑制对干扰特征具有反应选择性的神经元活动。大量研究表明,特征注意的调制作用可以扩散到注意焦点以外,具有全局性的特点,但这种全局性调制作用是增强机制还是抑制机制仍然存在争议。这可能是由于两种机制在时间进程等属性上存在差异,在视觉信息加工中可能扮演着不同角色。相对而言,全局性抑制作用可能更易受实验设计和实验参数的影响。后续研究应该探究全局性抑制机制在什么条件下发挥作用,以及进一步对全局性的增强机制和抑制机制进行分离。 展开更多
关键词 特征注意 全局性调制作用 增强机制 抑制机制
下载PDF
视觉信息加工中的空间注意与特征注意
3
作者 杨桃蹊 包燕 《心理学进展》 2013年第5期221-226,共6页
选择性地注意一个空间位置,或者一个刺激特征(如朝向、颜色或形状)能够导致我们探测和报告感觉世界中刺激的能力发生改变,即影响大脑的信息加工过程。已有研究表明,注意既可以指向某个空间位置,又可以指向目标刺激的某个非空间特征,但... 选择性地注意一个空间位置,或者一个刺激特征(如朝向、颜色或形状)能够导致我们探测和报告感觉世界中刺激的能力发生改变,即影响大脑的信息加工过程。已有研究表明,注意既可以指向某个空间位置,又可以指向目标刺激的某个非空间特征,但是对于两者之间关系较少有研究者进行系统地探讨。本文对该领域的研究进行了细致地梳理和归纳,在介绍了相应的理论背景的基础上,结合较新的实验范式,总结归纳了对比空间效应和特征效应的行为和电生理学研究,探讨了空间注意和特征注意可能的认知和神经机制。最后,本文指出对特征注意和空间注意的独立或者联合的作用进行系统地考察是今后研究的一个重要方向。 展开更多
关键词 选择性注意 空间注意 特征注意
下载PDF
基于VMD和双重注意力机制LSTM的短期光伏功率预测 被引量：85
4
作者 杨晶显 张帅 +3 位作者 刘继春 刘俊勇 向月 韩晓言 《电力系统自动化》 EI CSCD 北大核心 2021年第3期174-182,共9页
提出了一种基于变分模态分解(VMD)和双重注意力机制长短期记忆(LSTM)的短期光伏功率预测方法。针对光伏功率信号的波动性和非平稳性,利用VMD将光伏功率输出分解为不同频率的分量,使用LSTM对各分量进行预测,并在LSTM基础上引入特征和时... 提出了一种基于变分模态分解(VMD)和双重注意力机制长短期记忆(LSTM)的短期光伏功率预测方法。针对光伏功率信号的波动性和非平稳性,利用VMD将光伏功率输出分解为不同频率的分量,使用LSTM对各分量进行预测,并在LSTM基础上引入特征和时序双重注意力机制。为自主挖掘光伏功率输出与各气象特征之间的关联关系,避免传统方法依赖于专家经验关联规则阈值的限制,引入特征注意力机制实时计算各气象特征量的贡献率,并对特征权重进行修正;同时,为挖掘当前时刻光伏功率输出与历史时序信息之间的关联关系,引入时序注意力机制自主提取历史关键时刻点信息,提高长时间序列预测效果的稳定性。基于中国西南某实际光伏发电站数据进行预测实验,并与其他方法进行对比,验证了该方法的有效性。 展开更多
关键词 光伏功率预测 变分模态分解 特征注意力机制 时间注意力机制 长短期记忆 数据驱动
下载PDF
基于双重注意力机制和GRU网络的短期负荷预测模型 被引量：23
5
作者 李晓 卢先领 《计算机工程》 CAS CSCD 北大核心 2022年第2期291-296,305,共7页
电力负荷预测对电力系统的部署、规划和运行影响重大,但目前各输入特征对电网负荷情况影响的程度不稳定,且递归神经网络捕获负荷数据的长期记忆能力差,导致预测精度下降。提出一种基于双重注意力机制和GRU网络的预测新模型,利用特征注... 电力负荷预测对电力系统的部署、规划和运行影响重大,但目前各输入特征对电网负荷情况影响的程度不稳定,且递归神经网络捕获负荷数据的长期记忆能力差,导致预测精度下降。提出一种基于双重注意力机制和GRU网络的预测新模型,利用特征注意力机制自主分析历史信息与输入特征间的关联关系,提取重要特征,并通过时序注意力机制自主选取GRU网络中关键时间点的历史信息,提升较长时间段预测效果的稳定性。在3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,对比SVR、KPCA-ELM、DBN、GRU、Attention-GRU、CNN-LSTM、AttentionCNN-GRU模型预测精度分别提高了2.47、1.14、1.93、1.37、1.04、0.74、0.41个百分点。 展开更多
关键词 时间序列预测 GRU网络 特征注意力机制 时序注意力机制 短期负荷预测
下载PDF
耦合ALO-LSTM和特征注意力机制的土石坝渗压预测模型 被引量：14
6
作者 王晓玲 李克 +3 位作者 张宗亮 余红玲 孔令学 陈文龙 《水利学报》 EI CSCD 北大核心 2022年第4期403-412,共10页
现有土石坝渗压预测模型缺乏对渗压效应量中各影响因子影响程度的定量分析,难以探究渗压效应量变化的内在影响机制。针对此问题,本文从时间维度和特征维度两个层面出发,提出一种耦合ALO-LSTM和特征注意力机制的土石坝渗压预测模型。该... 现有土石坝渗压预测模型缺乏对渗压效应量中各影响因子影响程度的定量分析,难以探究渗压效应量变化的内在影响机制。针对此问题,本文从时间维度和特征维度两个层面出发,提出一种耦合ALO-LSTM和特征注意力机制的土石坝渗压预测模型。该模型首先采用主成分分析方法对各个影响因子进行降维处理;然后,提出基于蚁狮优化算法(Ant Lion Optimizer,ALO)的长短时记忆网络(Long Short-Term Memory,LSTM),利用ALO中的随机游走以及轮盘赌等策略优化LSTM中的神经元数量,以捕捉渗压数据在时间维度上的深层信息;进一步地,在特征维度上引入特征注意力机制计算各影响因子对渗压效应量的贡献率,以自适应挖掘渗压效应量变化的内在原因。案例分析表明,本文所提模型具有较高的精度,其在测试样本上的MAPE、RMSE和MAE分别为0.28%、0.022 m和0.17 m;此外,水位分量对渗压效应量的贡献率最大,为47.9%;其次是降雨、温度和时效分量,其贡献率分别为33.5%、9.8%和8.8%。 展开更多
关键词 渗压预测 长短时记忆网络 特征注意力机制 蚁狮优化算法 主成分分析
下载PDF
基于特征选择YOLOv3网络的红外图像绝缘子检测方法 被引量：11
7
作者 陈明 赵连飞 +2 位作者 苑立民 徐峰 韩默 《红外与激光工程》 EI CSCD 北大核心 2020年第S02期262-267,共6页
为了解决红外电力图像中绝缘子所占比例较小,背景复杂导致绝缘子漏检和定位不准的现象,提出了基于特征选择YOLOv3网络的检测方法。所提出的方法在金字塔形YOLOv3网络的自顶向下采样过程中加入了金字塔特征注意网络。金字塔特征注意网络... 为了解决红外电力图像中绝缘子所占比例较小,背景复杂导致绝缘子漏检和定位不准的现象,提出了基于特征选择YOLOv3网络的检测方法。所提出的方法在金字塔形YOLOv3网络的自顶向下采样过程中加入了金字塔特征注意网络。金字塔特征注意网络基于网络高层语义特征图计算特征权重矩阵,并使用该特征权重矩阵过滤掉网络低层细节特征的冗余。最后,将经过特征过滤后的低层特征图和高层语义特征图串联在一起,得到既有精确的绝缘子细节信息又有丰富高层语义信息的特征图。实验结果表明,所提出方法的检测效果要优于原有YOLOv3网络且保留了原有网络实时性好的特点。 展开更多
关键词 绝缘子检测 金字塔特征注意网络 特征金字塔 目标检测
下载PDF
基于特征注意力机制的RNN-Bi-LSTM船舶轨迹预测 被引量：9
8
作者 赵程栋 庄继晖 +2 位作者 程晓鸣 李宇航 郭东平 《广东海洋大学学报》 CAS 北大核心 2022年第5期102-109,共8页
【目的】为更准确预测船舶轨迹,基于RNN、Bi-LSTM和注意力机制,研究一种结合特征注意力机制的RNN-Bi-LSTM的船舶轨迹预测模型。【方法】基于AIS数据构建基于循环神经网络(RNN)与双向长短时记忆网络(Bi-LSTM)的混合神经网络模型,并在混... 【目的】为更准确预测船舶轨迹,基于RNN、Bi-LSTM和注意力机制,研究一种结合特征注意力机制的RNN-Bi-LSTM的船舶轨迹预测模型。【方法】基于AIS数据构建基于循环神经网络(RNN)与双向长短时记忆网络(Bi-LSTM)的混合神经网络模型,并在混合模型中加入特征注意力机制对数据特征进行权重分配,提升模型对船舶轨迹预测精度。【结果】使用实际运行的船舶AIS数据,对模型的有效性和实用性进行验证,测试集均方误差为2.751×10^(-5)、均方根误差为5.245×10^(-3),在连续弯道预测中的均方误差为4.359×10^(-6)、均方根误差为2.088×10^(-3)。【结论】结合特征注意力机制的RNN-Bi-LSTM相较于传统的预测神经网络,船舶轨迹预测精度更高,尤其在弯道预测中也表现出较好的符合度。 展开更多
关键词 AIS信息 循环神经网络 双向长短时记忆网络 特征注意力机制 船舶轨迹预测
下载PDF
基于毫米波雷达点云和视觉信息差异性特征注意力融合的3D目标检测 被引量：7
9
作者 李艳 沈韬 曾凯 《光电子．激光》 CAS CSCD 北大核心 2023年第1期26-33,共8页
自动驾驶中传感器融合是感知系统的重要组成部分,雷达点云信息和视觉信息融合可以提高车辆的感知能力。然而现有的研究将雷达点投影到图像上时只是对雷达点简单的增加高度,无法提供更加准确的横向信息,缺乏空间信息。同时对两个模态只... 自动驾驶中传感器融合是感知系统的重要组成部分,雷达点云信息和视觉信息融合可以提高车辆的感知能力。然而现有的研究将雷达点投影到图像上时只是对雷达点简单的增加高度,无法提供更加准确的横向信息,缺乏空间信息。同时对两个模态只是进行简单的融合,虽然产生了一个联合表征,但不足以充分捕捉两种模态之间的复杂联系。文中同时增加了雷达点云的宽度来进行空间信息增强,另外设计了一种利用差异性特征注意力融合的方法,使两个模态进行跨模态交互融合。本文在具有挑战性的nuScenes数据集上对模型进行了评估,提出的模型的NDS评分和mAP分别达到了46.3%和33.9%,体现了优秀的性能。 展开更多
关键词 差异性特征注意力 空间信息增强 跨模态融合 3D目标检测
原文传递
基于注意力机制优化的BiLSTM珠江口水质预测模型 被引量：2
10
作者 陈湛峰 李晓芳 《环境科学》 EI CAS CSCD 北大核心 2024年第6期3205-3213,共9页
为提高珠江口水质预测精度和稳定性,提出了基于时间和特征双注意力机制优化的Bi LSTM水质预测模型,引入特征注意力机制强化模型捕获参数重要特征能力,加入时间注意力机制提高对时间序列相关性信息及水质波动细节信息的挖掘能力.将新模... 为提高珠江口水质预测精度和稳定性,提出了基于时间和特征双注意力机制优化的Bi LSTM水质预测模型,引入特征注意力机制强化模型捕获参数重要特征能力,加入时间注意力机制提高对时间序列相关性信息及水质波动细节信息的挖掘能力.将新模型应用于珠江8个入海口水质预测,开展预测性能试验、泛化能力试验和特征参数扩展性试验.结果表明:①新模型在珠海大桥水质预测取得了较高的预测精度,预测值与实测值的均方根误差RMSE为0.0041 mg·L^(-1),决定系数R^(2)为98.3%.与Multi-Bi LSTM、Multi-LSTM、Bi LSTM和LSTM对比,表明新模型预测精度最高,验证了模型的精准性.②训练样本数量和预测步数均对模型预测精度产生影响,模型预测精度随着训练样本的增加而提升,海珠大桥断面总磷预测时,240组以上训练样本可获得较高预测精度;增加预测步数,会使模型预测精度迅速下降,预测步数大于5步时无法保障模型预测的可靠性.③将新模型应用于珠江8个入海口不同水质指标预测,预测结果均取得较高精度,模型具有较强的泛化能力;输入对象断面预测指标相关联的上游来水、降雨量等特征参数,能够提高模型预测精度.通过多方面多次试验,结果表明新模型能够较好地满足珠江口水质预测精度、适用性和扩展性要求,为复杂水动力环境水体水质高精度预测进行了新的探索. 展开更多
关键词 特征注意力机制 时间注意力机制 BiLSTM模型 LSTM模型 珠江口 水质预测
原文传递
基于WPD和双重注意力机制TCN的短期电价预测 被引量：6
11
作者 黄圆 魏云冰 +1 位作者 童东兵 徐浩 《电工电能新技术》 CSCD 北大核心 2022年第6期80-88,共9页
针对电价的高频、非平稳性且受多种因素影响、时间卷积网络(TCN)在实际应用中忽略各输入特征的关联性以及在处理历史信息上表现较差的问题,本文提出了一种基于小波包分解和双重注意力机制TCN的短期电价预测方法。首先利用小波包分解对... 针对电价的高频、非平稳性且受多种因素影响、时间卷积网络(TCN)在实际应用中忽略各输入特征的关联性以及在处理历史信息上表现较差的问题,本文提出了一种基于小波包分解和双重注意力机制TCN的短期电价预测方法。首先利用小波包分解对电价序列进行分解重构,去除高频部分并进行重构;然后使用引入双重注意力机制的TCN模型进行电价预测。为挖掘电价与其影响因素的关联性,引入特征注意力机制实时计算各影响因素特征量的权重,突出关键输入特征;同时,为挖掘当前时刻电价与历史时刻信息的关联性,引入时序注意力机制提取历史关键时刻点信息,提高关键时刻点预测的精确度;最后以澳大利亚新南威尔士州电力市场实时数据为例进行预测分析,对比其他几种电价预测方法,验证了本文所提方法的有效性。 展开更多
关键词 短期电价预测 小波包分解 时间卷积网络 特征注意力机制 时序注意力机制
下载PDF
基于特征注意力的快速非均匀雾图像去雾算法 被引量：4
12
作者 吴正平 程洁莹 +1 位作者 雷帮军 赵俊臣 《国外电子测量技术》 北大核心 2023年第9期9-18,共10页
针对现有单幅图像去雾算法在雾度分布不均匀情况下去雾效果的局限性,以及较高的时间成本等问题。提出了一种以编码器-解码器结构为基本框架,融合多尺度卷积与特征注意力的快速图像去雾算法。首先,基于对性能和内存存储的权衡,使用了一... 针对现有单幅图像去雾算法在雾度分布不均匀情况下去雾效果的局限性,以及较高的时间成本等问题。提出了一种以编码器-解码器结构为基本框架,融合多尺度卷积与特征注意力的快速图像去雾算法。首先,基于对性能和内存存储的权衡,使用了一种轻量级的编码器-解码器结构,以保证较低的时间成本;其次,考虑到在不均匀雾度分布的场景中,雾化的区域可能超过卷积核的大小,提出了一种多尺度卷积结构,在特征提取阶段首先使用1×1、3×3、5×5、7×7的并行多尺度卷积提取特征,以增大感受野保留输入图像的更多细节;为了验证算法的有效性,在3种数据集上将本文提出的算法与目前流行的算法进行对比实验。算法在真实的非均匀雾度分布场景NH-HAZE 2数据集中,3项评价指标峰值信噪比(PSNR)、结构相似性(SSIM)、单张分辨率为1600×1200的图片处理时间分别为20.50dB、0.84、0.0038 s,相对于DMPHN模型均有所提高,3项指标皆处于较高水平。实验结果表明,算法有效地解决了在雾度分布不均匀情况下去雾效果不理想的问题,降低了时间成本,同时复原图像在颜色、亮度方面具有更好的表现。 展开更多
关键词 非均匀雾图像去雾 编码器-解码器 特征注意力 多尺度卷积 轻量级
下载PDF
轻量化模型的PeleeNet_yolov3地表裂缝识别 被引量：4
13
作者 刘星 莫思特 +3 位作者 张江 王炜康 杨世基 李鑫 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2023年第4期81-89,共9页
为提高地表裂缝检测在低算力运算平台上的稳定性和检测速率,提出了一种PeleeNet与YOLOv3相结合的目标检测算法。使用PeleeNet框架代替YOLOv3的Darknet-53主体框架,以融合不同的局部特征及提高运算效率;在框架中融合特征注意力模块以提... 为提高地表裂缝检测在低算力运算平台上的稳定性和检测速率,提出了一种PeleeNet与YOLOv3相结合的目标检测算法。使用PeleeNet框架代替YOLOv3的Darknet-53主体框架,以融合不同的局部特征及提高运算效率;在框架中融合特征注意力模块以提高图像中裂缝区域的显著度,并通过对感受野模块RFB卷积核的复用,增大网络的有效视野,提高小目标检测精度;在特征金字塔网络中,通过使用深度可分离卷积代替标准卷积,减少参数计算量;引入CIoU损失函数提高模型的分类与回归精度。在测试平台上应用裂缝数据进行算法验证,结果表明:AP50达到了97.68%,AP75达到了77.87%,较原始的YOLOv3分别提高8.4%和12.4%,检测速度达到了30帧/s,且模型参数大小仅为原始YOLOv3的30%;可以看出,本研究提出的PeleeNet_yolov3轻量化模型对于裂缝目标的检测效果较为明显,并且具有较小的运算量和参数量,适合应用于移动端系统,对于小体积低功耗低算力运算平台具有较大应用价值。 展开更多
关键词 YOLOv3 裂缝检测 PeleeNet 深度可分离卷积 感受野模块 特征注意力模块 CIoU
下载PDF
RcaNet:一种预测肿瘤突变负荷的深度学习模型 被引量：4
14
作者 刘邓 杨啸林 孟祥福 《中国生物医学工程学报》 CAS CSCD 北大核心 2023年第1期51-61,共11页
近年来,肺癌的发病率和死亡率不断攀升,已成为对人类生命健康威胁最大的恶性肿瘤之一,而非小细胞肺癌(NSCLC)发病率占肺癌总发病率的80%以上。由于其复杂的诊断过程和昂贵的诊断成本,NSCLC的有效诊断和治疗已成为医生面临的巨大挑战。... 近年来,肺癌的发病率和死亡率不断攀升,已成为对人类生命健康威胁最大的恶性肿瘤之一,而非小细胞肺癌(NSCLC)发病率占肺癌总发病率的80%以上。由于其复杂的诊断过程和昂贵的诊断成本,NSCLC的有效诊断和治疗已成为医生面临的巨大挑战。医学相关研究发现,肿瘤突变负荷(TMB)与NSCLC免疫治疗的疗效呈正相关,同时TMB值对靶向治疗和化疗的疗效具有一定的预测作用。基于上述发现,本研究提出一种深度学习模型(RcaNet),该模型以残差网络(ResNet)为骨干网络,在网络内增加多维度特征注意和多尺度信息融合,以增强网络对肺癌病理组织切片深层特征的关注与提取能力。通过将RcaNet与主流深度学习模型在TCGA公开数据集上进行实验,实验训练样本数为925954张。结果表明,RcaNet模型的性能平均曲线下面积(AUC)值为0.8830,比现有结果最好的CAIM模型高出6.8%,比ResNeSt模型高出4.2%,比ResNet模型高出5.3%。研究结果对非小细胞肺癌诊断治疗有较强的指导意义,具有较高的应用价值。 展开更多
关键词 非小细胞肺癌 多维度特征注意 肿瘤突变负荷 深度学习
下载PDF
基于TCN和双重注意力的股价预测模型
15
作者 付义峰 肖贺 《计算机仿真》 2024年第6期345-353,共9页
股票市场的行情受许多变量因子的影响,目前针对时间序列的预测模型,往往难以捕捉多因子之间的复杂规律。针对上述问题,提出一种基于双重注意力机制和时间卷积网络(TCN)的股价预测模型。首先,使用一种更适合时间序列的卷积网络作为特征... 股票市场的行情受许多变量因子的影响,目前针对时间序列的预测模型,往往难以捕捉多因子之间的复杂规律。针对上述问题,提出一种基于双重注意力机制和时间卷积网络(TCN)的股价预测模型。首先,使用一种更适合时间序列的卷积网络作为特征提取层,并引入特征注意力,动态挖掘输入的因子特征与收盘价的潜在相关性,其次,在门控循环单元(GRU)的基础上,引入时间注意力机制来提高模型学习重要时间点的能力,并从时间角度获得重要性量度。实验结果表明,所提出模型对于股价预测的误差指标相比传统预测模型表现更加优秀,且在指标特征和时间两个方面上实现了模型的可解释性。 展开更多
关键词 时间卷积网络 门控循环单元 时间注意力 特征注意力 可解释性
下载PDF
基于双注意力机制的雾天图像清晰化算法研究 被引量：3
16
作者 王延年 刘妍妍 +1 位作者 杨恒升 郑方亮 《光电子．激光》 CAS CSCD 北大核心 2023年第3期260-267,共8页
针对传统去雾算法容易依赖先验知识以及恢复出来的清晰图像会产生颜色失真等问题,本文提出一种基于双注意力机制的雾天图像清晰化算法。首先将雾图输入编码器,经过下采样后得到特征图像;特征提取模块将多个特征提取基本块联结在一起,每... 针对传统去雾算法容易依赖先验知识以及恢复出来的清晰图像会产生颜色失真等问题,本文提出一种基于双注意力机制的雾天图像清晰化算法。首先将雾图输入编码器,经过下采样后得到特征图像;特征提取模块将多个特征提取基本块联结在一起,每个基本块由局部残差学习和特征注意模块组成,提高图像质量以及图像特征信息的利用率,增加网络训练的稳定性;然后通过通道注意力与多尺度空间注意力并行的结构处理特征图像,使得网络更加关注细节特征,提取更多关键信息,同时提高网络效率;最后将融合后的特征图像输入解码器中,经过多级映射,得到与输入大小匹配的雾密度图。实验结果表明,不论是对合成雾天图像或者真实雾天图像,本文算法能够高效地进行去雾处理,得到更自然的清晰图像。 展开更多
关键词 双注意力机制 局部残差学习 特征注意模块 多尺度
原文传递
基于机-岩状态识别和融合注意力的盾构姿态多步预测
17
作者 熊栋栋 刘哲 许超 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第9期3809-3821,共13页
为准确预测未来多个时刻的盾构姿态,帮助盾构操作人员提前识别盾构姿态变化趋势,以进行早期决策,提出基于机-岩状态识别和融合多尺度的特征-时域注意力机制的知识-数据双驱动盾构掘进姿态多步预测方法。引入实时反映机-岩工作状态关系... 为准确预测未来多个时刻的盾构姿态,帮助盾构操作人员提前识别盾构姿态变化趋势,以进行早期决策,提出基于机-岩状态识别和融合多尺度的特征-时域注意力机制的知识-数据双驱动盾构掘进姿态多步预测方法。引入实时反映机-岩工作状态关系的场切入指标FPI、单位贯入度的刀盘扭矩指标TPI、分区可掘性指标FPIR、螺旋机性能指标STP等复合参数指标,作为模型的输入特征参数,并构建以GRU为基础单元的Encoder-Decoder网络结构。在特征维度上,采用融合多尺度一维卷积的特征注意力机制,自适应捕捉不同层次、不同尺度的盾构掘进参数特征;时间维度上,在解码器中引入时域注意力机制,充分挖掘盾构掘进数据中的长期历史信息和短期输入输出序列的隐藏依赖关系。广州地铁12号线盾构掘进历史数据的模型测试结果分析表明,该预测方法在不增加网络复杂性的前提下,既缓解了算法自身在寻优、迭代和匹配时产生的可解释性差、效率低等问题,又大幅提升模型的特征提取、时间序列的相关性捕获及长期趋势挖掘的能力,实现盾构掘进姿态的精准多步预测,其性能明显优于门控循环神经网络LSTM、GRU及其经典组合模型GRU-SelfAttention、GRU-MultiheadAttention等。研究结果为进一步完善盾构掘进姿态预测方法、提升盾构掘进姿态优化控制水平提供参考。 展开更多
关键词 盾构 盾构姿态 多步预测 复合参数指标 一维卷积 特征注意力 时域注意力
下载PDF
基于多尺度频率通道注意力融合的声纹库构建方法
18
作者 陈彤 杨丰玉 +2 位作者 熊宇 严荭 邱福星 《计算机应用》 CSCD 北大核心 2024年第8期2407-2413,共7页
为解决声纹识别准确性易受外部因素影响的问题,提出一种基于多尺度频率通道注意力融合时延神经网络(MFCA-TDNN)模型的声纹识别算法。MFCA-TDNN在ECAPA-TDNN(Emphasized Channel Attention Propagation Aggregation Time Delay Neural Ne... 为解决声纹识别准确性易受外部因素影响的问题,提出一种基于多尺度频率通道注意力融合时延神经网络(MFCA-TDNN)模型的声纹识别算法。MFCA-TDNN在ECAPA-TDNN(Emphasized Channel Attention Propagation Aggregation Time Delay Neural Network)的基础上作了3点改进,包括:加入了多尺度频率通道注意力前端以从话语中获得高分辨率的特征表示、添加了多尺度通道注意力模块结合局部和全局的特征以融合多尺度信息、嵌入了特征注意力融合模块为多尺度的融合特征加权。这些改进使模型更好地利用多尺度的时频信息,提高识别能力。实验结果表明,与ECAPA-TDNN模型相比,MFCA-TDNN模型等错误率(EER)和最小检测代价函数(minDCF)分别下降5.9%和7.9%;最低的EER可达到3.83%,最低的minDCF可达到0.2202。 展开更多
关键词 声纹库 时延神经网络 多尺度特征提取 频率通道注意力 特征注意力融合
下载PDF
融合有效掩膜和局部增强的遮挡行人重识别
19
作者 王小檬 梁凤梅 《计算机工程与应用》 CSCD 北大核心 2024年第11期156-164,共9页
在监控系统中行人经常会被各种障碍物遮挡,使得遮挡行人重识别仍然是一个长期存在的挑战。最近一些基于Transformer和外部语义线索的方法都改善了特征的表示和相关性能,但仍存在表示弱和语义线索不可靠等问题。为解决上述问题,提出了一... 在监控系统中行人经常会被各种障碍物遮挡,使得遮挡行人重识别仍然是一个长期存在的挑战。最近一些基于Transformer和外部语义线索的方法都改善了特征的表示和相关性能,但仍存在表示弱和语义线索不可靠等问题。为解决上述问题,提出了一种基于Transformer的新方法。引入了一种有效的掩膜生成方式,可靠的掩膜可以使模型不依赖外部语义线索并实现自动对齐。提出了一种基于平均注意力分数的序列重建模块,可以更有效地关注前景信息。提出了局部增强模块,获得了更鲁棒的特征表示。比较了所提方法和现有的各种方法在Occluded-Duke,Occluded-ReID,Partial-ReID,Market-1501数据集上的性能。Rank-1准确率分别达到了72.3%、84.8%、86.5%和95.6%,mAP精度分别为62.9%、83.2%、76.4%和89.9%,实验结果表明所提模型性能较其他先进网络有所提升。 展开更多
关键词 遮挡行人重识别 原型掩膜 特征注意力机制 平均注意力分数 局部增强 TRANSFORMER
下载PDF
基于粗到细的多尺度单幅图像去雾方法
20
作者 王德文 陈威 苏攀 《智能系统学报》 CSCD 北大核心 2024年第5期1102-1110,共9页
为了解决现有图像去雾算法易出现细节纹理丢失、颜色失真或对非均匀浓雾处理不彻底的问题,提出一种基于粗到细的多尺度单幅图像去雾方法。首先,主干网络使用残差特征注意力模块对有雾图像进行特征提取;其次,将不同尺度的输入图像进行卷... 为了解决现有图像去雾算法易出现细节纹理丢失、颜色失真或对非均匀浓雾处理不彻底的问题,提出一种基于粗到细的多尺度单幅图像去雾方法。首先,主干网络使用残差特征注意力模块对有雾图像进行特征提取;其次,将不同尺度的输入图像进行卷积预处理,通过多尺度特征融合模块将预处理的浅层特征与主干网络融合;再次,将不同粒度的非对称特征进行有效融合;最后,将浅层信息与深层信息自适应混合输出,通过对比正则损失构建正负样本信息,使得去雾图像更接近无雾图像。实验结果表明,与已有代表性的去雾方法相比,提出的方法能对合成数据集与真实数据集进行有效去雾,在细节保留与色彩还原上优于对比方法。 展开更多
关键词 图像去雾 粗到细 多尺度特征融合 残差特征注意力 非对称特征融合 自适应混合 对比正则 正负样本
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 … 4 下一页 到第 页
使用帮助 返回顶部