-
题名用神经网络构造鲁棒HMM＇s
- 1
-
-
作者
冯昭志
黄载禄
刘凡
万发贯
-
机构
华中理工大学电子与信息工程系
-
出处
《华中理工大学学报》
CSCD
北大核心
1994年第11期1-4,共4页
-
文摘
对窗口神经网络（ＢＷＮＮ）与鲁棒ＨＭＭ’ｓ之间的关系作了新的探讨，指出了鲁棒ＨＭＭ’ｓ是循环的ＢＷＮＮ（ＲＢＷＮＮ）的特殊情况。讨论了由ＲＢＷＮＮ构造用于噪音环境下语音识别的组合ＨＭＭ’ｓ和二阶ＨＭＭ’ｓ的算法，给出了它们相应的网络结构。
-
关键词
组合HMM's
鲁棒性
窗口神经网络
元音识别
-
Keywords
BWNN
recurrence
composed HMM
second-order HMM
robustness,
-
分类号
TN912.3
[电子电信—通信与信息系统]
-
-
题名面向道路场景语义分割的移动窗口变换神经网络设计
- 2
-
-
作者
杭昊
黄影平
张栩瑞
罗鑫
-
机构
上海理工大学光电信息与计算机工程学院
-
出处
《光电工程》
CAS
CSCD
北大核心
2024年第1期100-112,共13页
-
基金
国家自然科学基金资助项目(62276167)。
-
文摘
道路场景语义分割是自动驾驶环境感知的一项重要任务。近年来,变换神经网络(Transformer)在计算机视觉领域开始应用并取得了很好的效果。针对复杂场景图像语义分割精度低、细小目标识别能力不足等问题,本文提出了一种基于移动窗口Transformer的多尺度特征融合的道路场景语义分割算法。该网络采用编码-解码结构,编码器使用改进后的移动窗口Transformer特征提取器对道路场景图像进行特征提取,解码器由注意力融合模块和特征金字塔网络构成,充分融合多尺度的语义特征。在Cityscapes城市道路场景数据集上进行验证测试,实验结果表明,与多种现有的语义分割算法进行对比,本文方法在分割精度方面有较大的提升。
-
关键词
语义分割
移动窗口变换神经网络
注意力机制
自动驾驶
深度学习
-
Keywords
semantic segmentation
Swin Transformer
attention mechanism
autonomous driving
deep learning
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
