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185篇文章
< 1 2 … 10 >
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：
由Gurtin变分原理求解一维动力响应的半解析法 被引量：21
1
作者 彭建设 张敬宇 《力学学报》 EI CSCD 北大核心 1992年第6期708-716,共9页
基于Gurtin变分原理本文提出了求解动力响应问题的半解析法.该方法在空间域内进行有限元离散,在时间域上取级数。实例表明,该方法是求解动力响应问题的一种非常有效的方法。本文引入了一种节点位移函数,使所导出的位移模式可以求解各种... 基于Gurtin变分原理本文提出了求解动力响应问题的半解析法.该方法在空间域内进行有限元离散,在时间域上取级数。实例表明,该方法是求解动力响应问题的一种非常有效的方法。本文引入了一种节点位移函数,使所导出的位移模式可以求解各种初始条件和载荷的一维动力响应问题。 展开更多
关键词 半解析法 动力响应 变分原理
全文增补中
动态卷积YOLOv5的视频火焰检测算法 被引量：5
2
作者 周兴华 陈西江 +2 位作者 羊海东 花向红 黄长军 《测绘科学》 CSCD 北大核心 2023年第4期106-118,共13页
针对传统火灾检测系统容易受地理空间的影响,且现有的深度学习方法对动态火灾的检测能力较弱等问题,该文提出了一种动态卷积YOLOv5视频火焰多尺度目标检测算法。采用K-means++算法优化了anchor box聚类,降低了分类结果的误差。基于动态... 针对传统火灾检测系统容易受地理空间的影响,且现有的深度学习方法对动态火灾的检测能力较弱等问题,该文提出了一种动态卷积YOLOv5视频火焰多尺度目标检测算法。采用K-means++算法优化了anchor box聚类,降低了分类结果的误差。基于动态卷积思想,采用剪枝方法对YOLOv5 Neck和Head的网络头进行了剪枝,降低了模型大小,实现了视频火灾的动态实时准确检测。基于不同火灾监控视频的实验结果表明,该文方法不仅可以有效地对地面监控视频中的火灾点进行检测,还能够对无人机上监控视频中的火灾点进行检测。研究结果可以应用于基于视频的不同场景的火灾检测,从而达到对现有火灾检测系统补充的作用。 展开更多
关键词 YOLOv5 火灾检测 深度学习 目标识别 动态卷积
原文传递
基于改进MobileNetV3-Large的鸡蛋新鲜度识别模型 被引量：8
3
作者 刘雪 沈长盈 +3 位作者 吕学泽 董萌萍 包乾辉 张圆之 《农业工程学报》 EI CAS CSCD 北大核心 2022年第17期196-204,共9页
鸡蛋在运输贮存过程中一直伴随着品质的不断衰减,如何快速、准确地识别鸡蛋新鲜度是业界和学者们共同关注的话题。针对鸡蛋内部气室和蛋黄等新鲜度特征差异不显著的问题,该研究提出一种基于改进MobileNetV3-Large的轻量级鸡蛋新鲜度识... 鸡蛋在运输贮存过程中一直伴随着品质的不断衰减,如何快速、准确地识别鸡蛋新鲜度是业界和学者们共同关注的话题。针对鸡蛋内部气室和蛋黄等新鲜度特征差异不显著的问题,该研究提出一种基于改进MobileNetV3-Large的轻量级鸡蛋新鲜度识别模型。首先在深度可分离卷积中引入动态卷积(DynamicConvolution,DC)模块,改进后的深度可分离动态卷积模块能够为不同的鸡蛋图像动态生成卷积核参数,提高模型特征提取能力;其次在注意力模块中引入坐标注意力(Coordinate Attention,CA)模块,增强模型对位置信息的感知能力;最后采用3276张鸡蛋图像训练并测试改进的MobileNetV3-DA模型。试验结果表明,MobileNetV3-DA模型在测试集上的准确率为97.26%,分别比ResNet18、VGG19和ShuffleNetV2模型高5.19、0.84和5.91个百分点;模型参数量和计算量分别比MobileNetV3-Large减少1.03和78.64 M;在实际应用中,MobileNetV3-DA模型精确率、召回率和加权分数的平均值分别为95.95%、95.48%和97.82%,达到了理想的识别效果。改进的MobileNetV3-DA模型为鸡蛋供应链各环节进行鸡蛋新鲜度快速、准确识别提供了算法支持。 展开更多
关键词 农产品 品质控制 鸡蛋新鲜度 MobileNetV3-DA 动态卷积 坐标注意力
下载PDF
一种结构动力时程分析的积分求微方法 被引量：8
4
作者 李鸿晶 梅雨辰 任永亮 《力学学报》 EI CSCD 北大核心 2019年第5期1507-1516,共10页
传统采用微分求积(differential quadrature, DQ)法求解动力问题时都是以位移响应作为基本未知量,而将速度响应和加速度响应表示为位移响应的加权和的形式.如此做法需要处理线性方程组或者矩阵方程(Sylvester方程)才能求得动力响应,导... 传统采用微分求积(differential quadrature, DQ)法求解动力问题时都是以位移响应作为基本未知量,而将速度响应和加速度响应表示为位移响应的加权和的形式.如此做法需要处理线性方程组或者矩阵方程(Sylvester方程)才能求得动力响应,导出的算法一般为有条件稳定算法.本文利用动力响应的Duhamel积分解,逆用DQ原理,提出了一种计算卷积的高精度显式算法.该算法可以逐时段地求解出动力时程响应,当各时段内DQ节点分布完全一致时,仅须进行一次Vandermonde矩阵求逆计算即可应用于各个时段,一次性获得时段内多个时刻的位移响应值,因而具有计算效率高的优点.通过分析动力方程积分格式,证明本文动力算法传递矩阵的谱半径恒等于1,因而该算法具有无条件稳定特性,且计算过程中不会产生数值耗散.本文算法的数值精度取决于分析时段内布置的DQ节点数量N,具有N-1阶代数精度.实际操作时可以取10个甚至更多的DQ节点数,从而获得比较高的数值精度. 展开更多
关键词 动力分析 卷积计算 微分求积 显式算法 无条件稳定
下载PDF
基于动态金字塔和子空间注意力的图像超分辨率重建网络 被引量：6
5
作者 何鹏浩 余映 徐超越 《计算机科学》 CSCD 北大核心 2022年第S02期423-430,共8页
针对现有单图像超分辨率卷积神经网络存在模型参数过多以及重建失真过大的问题,提出了一种基于动态金字塔结构与子空间注意力模块的轻量级单图像超分辨率网络模型。首先,所采用的动态多尺度金字塔特征组合模块的网络主体由动态卷积和金... 针对现有单图像超分辨率卷积神经网络存在模型参数过多以及重建失真过大的问题,提出了一种基于动态金字塔结构与子空间注意力模块的轻量级单图像超分辨率网络模型。首先,所采用的动态多尺度金字塔特征组合模块的网络主体由动态卷积和金字塔分组卷积构成。其次,动态卷积可以根据不同的图像内容自适应地进行不同的卷积操作,从而对不同的图像提取出不同的特征;金字塔分组卷积不仅可以更好地提取多尺度图像特征信息,而且能够有效降低网络模型的参数量。最后,在网络模型末端采用子空间注意力模块,将图像的通道空间分为多个子空间,并为每个子空间学习不同的注意力图,这样不仅可以更好地捕获图像的跨通道相关信息,而且可以有效融合各子空间的图像特征信息。与现有主流算法相比,所提方法不仅具有更小的网络模型参数量,而且重建出的超分辨率图像在视觉效果和定量分析方面均能取得更好的表现。 展开更多
关键词 超分辨率 轻量级 动态卷积 金字塔分组卷积 子空间注意力模块
下载PDF
基于Transformer和动态3D卷积的多源遥感图像分类 被引量：1
6
作者 高峰 孟德森 +2 位作者 解正源 亓林 董军宇 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第2期606-614,共9页
多源遥感数据具有互补性和协同性,近年来,基于深度学习的方法已经在多源遥感图像分类中取得了一定进展,但当前方法仍面临关键难题,如多源遥感图像特征表达不一致,融合困难,基于静态推理范式的神经网络缺乏对不同类别地物的适应性。为解... 多源遥感数据具有互补性和协同性,近年来,基于深度学习的方法已经在多源遥感图像分类中取得了一定进展,但当前方法仍面临关键难题,如多源遥感图像特征表达不一致,融合困难,基于静态推理范式的神经网络缺乏对不同类别地物的适应性。为解决上述问题,提出了基于跨模态Transformer和多尺度动态3D卷积的多源遥感图像分类模型。为提高多源特征表达的一致性,设计了基于Transformer的融合模块,借助其强大的注意力建模能力挖掘高光谱和LiDAR数据特征之间的相互作用;为提高特征提取方法对不同地物类别的适应性,设计了多尺度动态3D卷积模块,将输入特征的多尺度信息融入卷积核的调制,提高卷积操作对不同地物的适应性。采用多源遥感数据集Houston和Trento对所提方法进行验证,实验结果表明:所提方法在Houston和Trento数据集上总体准确率分别达到94.60%和98.21%,相比MGA-MFN等主流方法,总体准确率分别至少提升0.97%和0.25%,验证了所提方法可有效提升多源遥感图像分类的准确率。 展开更多
关键词 高光谱图像 激光雷达 TRANSFORMER 多源特征融合 动态卷积
下载PDF
融合注意力特征及动态卷积的肺结节辅助诊断 被引量：3
7
作者 谷宇 刘佳琪 +3 位作者 杨立东 张宝华 张祥松 贾成一 《科学技术与工程》 北大核心 2023年第16期6834-6844,共11页
针对肺结节关键影像征象信息不易获取,部分卷积神经网络(convolutional neural networks,CNN)模型对肺结节的识别率不高的问题,提出一种融合注意力特征的动态卷积残差网络(dynamic convolutional residual networks incorporating atten... 针对肺结节关键影像征象信息不易获取,部分卷积神经网络(convolutional neural networks,CNN)模型对肺结节的识别率不高的问题,提出一种融合注意力特征的动态卷积残差网络(dynamic convolutional residual networks incorporating attention features,DcANet),并在有效实现肺结节良恶性分类的基础上对所提模型的诊断结果进行可视化分析。此网络以适应肺结节三维小尺寸输入特点的残差网络为基本框架,在DcABlock部分使用可以自适应调整卷积参数的动态卷积以及迭代注意特征融合模块,使模型能够更准确地获取肺结节信息,提高模型的表征能力。此外,还使用类激活映射将三维图像的各层切片进行可视化分析。实验在最终测试集上的准确率为85.87%,平衡F分数(F1)值为82.67%,敏感度和特异性的综合指标Gmean值为85.51%。实验结果表明:该网络可以提升对肺结节良恶性分类的准确性,诊断结果具有可信性,有一定的临床应用价值。 展开更多
关键词 肺结节辅助诊断 动态卷积 迭代注意特征融合模块 深度学习 类激活映射
下载PDF
基于改进GhostNet-FCOS的火灾检测算法 被引量：6
8
作者 张融 张为 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2022年第10期1891-1899,共9页
针对现有火灾检测算法检测精度不佳和算法模型复杂度过高的问题,提出基于改进GhostNet-FCOS的火灾检测算法.该算法以目标检测网络FCOS为基础,降低通道维数并选用GhostNet作为特征提取网络,以实现轻量化火灾检测算法.引入动态卷积,在不... 针对现有火灾检测算法检测精度不佳和算法模型复杂度过高的问题,提出基于改进GhostNet-FCOS的火灾检测算法.该算法以目标检测网络FCOS为基础,降低通道维数并选用GhostNet作为特征提取网络,以实现轻量化火灾检测算法.引入动态卷积,在不增加网络宽度和深度的情况下优化主干网络的基础模块,提高对形态多变的火焰图像的特征提取能力.增加空间注意力模块,优化网络空间特征的表达.改进正负样本定义和回归损失函数,优化训练过程中算法模型对标注框内不同区域的关注程度.在自建火灾数据集和公开数据集中的实验结果表明,该算法在检测精度和模型复杂度方面具有优势.该算法在自建火灾数据集中的检测精度为90.9%,参数量为4.58×10^(6),浮点计算量为31.45×10^(9). 展开更多
关键词 火灾检测 目标检测 FCOS GhostNet 动态卷积 注意力模块
下载PDF
永久式井下压力计数据生产阶段识别方法 被引量：7
9
作者 于伟强 刘均荣 +2 位作者 左翊寅 王东海 高鸿泉 《油气井测试》 2018年第2期14-21,共8页
由于井底流动情况复杂,永久式井下压力计数据常含有不同程度噪声,使划分生产阶段的工作量巨大且困难,直接影响地层参数解释结果的准确性。分别在数据中加入方差为0.005和0.010的高斯白噪声,对比分析小波模极值方法和基于滤波器的分步卷... 由于井底流动情况复杂,永久式井下压力计数据常含有不同程度噪声,使划分生产阶段的工作量巨大且困难,直接影响地层参数解释结果的准确性。分别在数据中加入方差为0.005和0.010的高斯白噪声,对比分析小波模极值方法和基于滤波器的分步卷积方法识别永久式压力数据生产阶段突变点过程中对噪声的敏感程度,探索生产阶段噪声敏感性较小的识别方法。结果表明,小波模极值方法错误识别概率较高,对噪声比较敏感,在划分生产阶段前需要进行数据降噪处理和优选小波类型及判断阈值;而改进的分步滤波卷积方法能够准确、有效地识别不同生产阶段,并且对噪声的敏感性小,不需要窗函数的优选过程,为自动处理庞大的永久式井下压力计数据提供了一种新的手段。 展开更多
关键词 井下压力计 识别 油藏 动态监测 噪声 小波 卷积 阈值 反褶积
下载PDF
基于改进MobileV3Net的脉冲雷达干扰识别方法
10
作者 郭立民 鄂璟仪 黄文青 《舰船电子对抗》 2024年第4期1-7,共7页
随着现代电子战的飞速发展,基于数字射频存储器转发的新型干扰层出不穷,如何快速有效地识别这类干扰成为现今研究的热点问题。针对于此,提出了一种基于改进MobileV3Net的脉冲雷达干扰识别研究,使用MobileV3Net作为基本网络框架,添加了... 随着现代电子战的飞速发展,基于数字射频存储器转发的新型干扰层出不穷,如何快速有效地识别这类干扰成为现今研究的热点问题。针对于此,提出了一种基于改进MobileV3Net的脉冲雷达干扰识别研究,使用MobileV3Net作为基本网络框架,添加了动态卷积模块和高效通道注意力模块,实现了自动提取特征的小样本下8类干扰的有效识别。仿真结果表明,该网络的训练时间大大减少,且在轻量训练样本下依然能保持95%以上的识别准确率,在-10~10 dB下,平均识别率在99%以上,证明该方法具有更强的鲁棒性,更高的准确度,更好的轻量性。 展开更多
关键词 雷达有源干扰 时频域分析 卷积神经网络 动态卷积
下载PDF
基于元学习的不平衡少样本情况下的文本分类研究 被引量：5
11
作者 熊伟 宫禹 《中文信息学报》 CSCD 北大核心 2022年第1期104-116,共13页
针对文本信息语义、语境迁移难问题,该文提出一种基于元学习与注意力机制模型的动态卷积神经网络改进方法。首先利用文本的底层分布特征进行跨类别分类,使文本信息具有更好的迁移性;其次使用注意力机制对传统的卷积网络进行改进,以提高... 针对文本信息语义、语境迁移难问题,该文提出一种基于元学习与注意力机制模型的动态卷积神经网络改进方法。首先利用文本的底层分布特征进行跨类别分类,使文本信息具有更好的迁移性;其次使用注意力机制对传统的卷积网络进行改进,以提高网络的特征提取能力,并根据原始数据集信息进行编码,生成平衡变量,降低由于数据不平衡所带来的影响;最后使用双层优化的方法使模型自动优化其网络参数。在通用文本分类数据集THUCNews实验结果表明,该文所提出的方法,在1-shot、5-shot情况下,准确率分别提升2.27%、3.26%;在IMDb数据集上,模型准确率分别提升3.28%、3.01%。 展开更多
关键词 元学习 少样本学习 文本分类 动态卷积 数据不平衡
下载PDF
基于交叉注意力机制的多特征行人重识别
12
作者 邬心怡 邓志良 +2 位作者 刘云平 董娟 李嘉琦 《南京信息工程大学学报》 CAS 北大核心 2024年第4期461-471,共11页
针对现有的行人重识别方法难以避免环境噪声导致的特征提取不精确、易被误认为行人特征等问题,提出一种基于动态卷积与注意力机制的行人多特征融合分支网络.首先,由于拍摄时存在光照变化、人体姿势调整以及物体遮挡等不确定因素,提出使... 针对现有的行人重识别方法难以避免环境噪声导致的特征提取不精确、易被误认为行人特征等问题,提出一种基于动态卷积与注意力机制的行人多特征融合分支网络.首先,由于拍摄时存在光照变化、人体姿势调整以及物体遮挡等不确定因素,提出使用动态卷积替换ResNet50中的静态卷积得到具有更强鲁棒性的Dy-ResNet50模型;其次,考虑到拍摄行人图片的视角有较大差异且存在行人被物体遮挡的情况,提出将自注意力机制与交叉注意力机制嵌入骨干网络;最后,将交叉熵损失函数和难样本三元损失函数共同作为模型损失函数,在DukeMTMC-ReID、Market-1501和MSMT17公开数据集上进行实验,并与主流网络模型进行比较.结果表明:在3个公开数据集上,本文所提模型的Rank-1(第一次命中)与mAP(平均精度均值)相比当前主流模型均有所提升,具有较高的识别准确率. 展开更多
关键词 行人重识别 动态卷积 自注意力机制 交叉注意力机制
下载PDF
基于多模态迭代及修正的文本识别算法
13
作者 强观臣 张丽真 +2 位作者 杨茜 熊炜 李利荣 《光电子．激光》 CAS CSCD 北大核心 2024年第5期525-535,共11页
针对场景文本识别在长距离建模时容易产生信息丢失和对低分辨率文本图像表征能力较弱的问题,提出了一种基于多模态迭代及修正的文本识别算法。本文算法的视觉模型(vision model)是由CoTNet(contextual transformer networks for visual ... 针对场景文本识别在长距离建模时容易产生信息丢失和对低分辨率文本图像表征能力较弱的问题,提出了一种基于多模态迭代及修正的文本识别算法。本文算法的视觉模型(vision model)是由CoTNet(contextual transformer networks for visual recognition)、动态卷积注意力模块(dynamic convolution attention module,DCAM)、EA-Encoder(external attention encoder)和位置注意力机制组合而成的。其中CoTNet可以有效起到缓解长距离建模产生的信息丢失问题;DCAM在增强表征能力、专注于重要特征的同时,将重要的特征传给EA-Encoder,进而提高CoTNet和EA-Encoder之间的联系;EA-Encoder可以学习整个数据集上最优区分度的特征,捕获最有语义信息的部分,进而增强表征能力。经过视觉模型后,再经过文本修正模块(text correction model)和融合模块(fusion model)得到最终的识别结果。实验数据显示,本文所提出的算法在多个公共场景文本数据集上表现良好,尤其是在不规则数据集ICDAR2015上准确率高达85.9%。 展开更多
关键词 场景文本识别 动态卷积 注意力模块 外部注意力机制 编码器
原文传递
基于混合神经网络的个性化自然语言情感识别系统
14
作者 韦灵 卢光云 唐爱龙 《自动化与仪表》 2024年第9期26-28,65,共4页
为在面临输入自然语言信息中存在微小变化或噪声干扰时,提升系统的鲁棒性与泛化能力,设计基于混合神经网络的个性化自然语言情感识别系统。以现场可编程门阵列为核心,设计自然语言采集模块,用于采集个性化自然语言信息;通过预处理模块,... 为在面临输入自然语言信息中存在微小变化或噪声干扰时,提升系统的鲁棒性与泛化能力,设计基于混合神经网络的个性化自然语言情感识别系统。以现场可编程门阵列为核心,设计自然语言采集模块,用于采集个性化自然语言信息;通过预处理模块,处理采集的个性化自然语言信息中的语音信息,得到对数梅尔谱图;情感识别模块利用动态卷积神经网络和长短时记忆网络,组建混合神经网络,其中,通过动态卷积神经网络,在对数梅尔谱图内提取语音信息特征,采用长短时记忆神经网络,在自然语言文本信息内提取文本信息特征,通过全连接神经网络,融合语音与文本信息特征,输出个性化情感识别结果。实验证明,该系统可有效采集个性化自然语言信息,并提取语音信息特征,完成个性化自然语言情感识别;在噪声干扰下,该系统的情感识别精度较高。 展开更多
关键词 混合神经网络 个性化 自然语言 情感识别 动态卷积 长短时记忆网络
下载PDF
基于可迁移注意力和动态卷积的滚动轴承跨工况故障诊断方法
15
作者 王煜伟 朱静 +1 位作者 史曜炜 邓艾东 《轴承》 北大核心 2024年第2期82-88,共7页
为克服跨工况场景中数据分布差异导致的传统深度学习模型泛化性能降低问题,基于领域自适应理论提出了一种结合可迁移注意力和动态卷积的滚动轴承跨工况故障诊断方法(TADAN)。TADAN的核心思想是在学习丰富互补的多尺度特征基础上量化不... 为克服跨工况场景中数据分布差异导致的传统深度学习模型泛化性能降低问题,基于领域自适应理论提出了一种结合可迁移注意力和动态卷积的滚动轴承跨工况故障诊断方法(TADAN)。TADAN的核心思想是在学习丰富互补的多尺度特征基础上量化不同尺度特征的可迁移性并对其进行差异性强化和融合,以提高所学特征表示的可迁移性和模型的适用性,从而学习到富含判别故障信息的领域不变的诊断知识,在无监督目标域中实现高性能诊断。公开轴承数据集上大量诊断任务的试验结果表明,基于动态卷积的多尺度特征提取器可以提取更丰富的特征并提高模型的自适应能力,可迁移计算模块可促进领域不变特征的学习并降低负迁移风险,TADAN比SCNN,MCNN,DAN等方法的故障诊断准确率更高。 展开更多
关键词 滚动轴承 故障诊断 迁移学习 特征提取 动态卷积 变工况 注意力机制
下载PDF
基于改进YOLOv5l的印刷品缺陷检测
16
作者 刘海文 郑元林 +7 位作者 钟崇军 廖开阳 孙帮勇 赵含香 林杰 王豪强 韩善翔 解博 《激光与光电子学进展》 CSCD 北大核心 2024年第10期220-227,共8页
针对印刷生产中传统人工缺陷检测耗时耗力、小缺陷区域不易检测,以及传统图像处理方法鲁棒性差等问题,提出一种基于改进YOLOv5l模型的印刷品缺陷检测算法。首先,通过增加浅层特征图拓展检测尺度,以捕获微小缺陷信息,从而提高网络对小目... 针对印刷生产中传统人工缺陷检测耗时耗力、小缺陷区域不易检测,以及传统图像处理方法鲁棒性差等问题,提出一种基于改进YOLOv5l模型的印刷品缺陷检测算法。首先,通过增加浅层特征图拓展检测尺度,以捕获微小缺陷信息,从而提高网络对小目标的检测能力;然后,使用全维度动态卷积替换Neck区中的普通卷积,以增强网络对印刷缺陷上下文信息的捕获能力;最后,为解决前两项工作带来的检测速度下降的问题,采用C3Ghost替换Neck中的C3模块,在检测精度损耗极低的情况下尽可能地提高检测速度。实验结果表明:改进后的YOLOv5l算法的平均精度均值(mAP)达到97.3%,较原YOLOv5l算法和现有的印刷品缺陷检测算法Siamese-YOLOv4的精度分别提高2.9百分点和2.7百分点;检测速度为44.1 frame/s。所提算法对印刷品缺陷的分类和定位效果优于原YOLOv5l和Siamese-YOLOv4算法,具有较高的检测精度和检测速度,可以应用于印刷质检来提高生产质量管控水平、降低人工成本。 展开更多
关键词 机器视觉 缺陷检测 YOLOv5算法 多尺度融合 动态卷积
原文传递
基于每点动态自适应卷积的人体运动识别
17
作者 湛玉峰 《计算机应用文摘》 2024年第15期89-91,共3页
针对普通卷积计算冗余和参数量较大的问题,提出了一种每点动态自适应卷积的人体运动识别方法。通过系数生成层和固定滤波核,在输入特征图的每个相应邻域内自适应地生成卷积核,从而有效提取传感器数据的特征信息,同时避免繁重的计算、参... 针对普通卷积计算冗余和参数量较大的问题,提出了一种每点动态自适应卷积的人体运动识别方法。通过系数生成层和固定滤波核,在输入特征图的每个相应邻域内自适应地生成卷积核,从而有效提取传感器数据的特征信息,同时避免繁重的计算、参数和内存成本。实验结果表明,每点动态自适应卷积以普通卷积神经网络70%的Flops取得了1%~2%的精度提升,同时展现了更强的目标定位能力,在人体运动识别领域具有一定的优越性。 展开更多
关键词 人体运动识别 深度学习 动态卷积 传感器 卷积神经网络
下载PDF
融合自适应卷积神经网络的SAR图像舰船目标检测方法
18
作者 许京新 王金伟 +2 位作者 宋富骏 王杰坤 赵博 《信号处理》 CSCD 北大核心 2024年第9期1696-1708,共13页
合成孔径雷达(Synthetic Aperture Radar,SAR)舰船目标检测是微波遥感的重要应用,然而随着海面尤其是近海背景越来越复杂,同时舰船尺寸大小不一,导致检测算法性能下降,出现漏检、错检等问题,严重影响目标的检测效果。针对上述问题,本文... 合成孔径雷达(Synthetic Aperture Radar,SAR)舰船目标检测是微波遥感的重要应用,然而随着海面尤其是近海背景越来越复杂,同时舰船尺寸大小不一,导致检测算法性能下降,出现漏检、错检等问题,严重影响目标的检测效果。针对上述问题,本文提出一种复杂场景下的融合自适应卷积神经网络的SAR图像舰船检测方法。首先,为了提高主干网络的特征提取能力,设计了一种用于特征提取的自适应全方位动态高效聚合网络(Omni-Dimensional Dynamic and Efficient Layer Attention Network,OD-ELAN)模块。该模块是在高效注意网络(Efficient Layer Attention Network,ELAN)中融合了动态卷积,使得自适应OD-ELAN模块能够输入特征的不同动态调整卷积核的权重。其次,为了提高网络对目标的定位能力,在头部网络中使用显示视觉中心机制(Explicit Visual Center,EVC)来加强网络在空间上对不同区域的感知能力,使网络能够更加灵活地适应不同尺寸、比例和位置的特征。然后对头部网络结构进行设计,在降低网络的计算量的同时保持网络检测的准确性。最后,使用平滑交并集(Smoothde Intersection over Union,SIOU)损失函数衡量预测边界框与真实边界框之间的重叠程度,提升网络对检测目标的定位能力。为了验证自适应卷积神经网络的有效性,使用SAR船舶检测数据集(SAR Ship Detection Dataset,SSDD)和高分辨率SAR图像数据集(High Resolution SAR Images Dataset,HRSID)进行消融实验和对比实验。消融实验结果中显示本文网络每次改进后的检测效果都有所提升。改进后的网络对SSDD数据集舰船目标检测的平均精度提升了7.81%,准确率提升了4.95%,召回率提升了11.8%。对HRSID数据集舰船目标检测的平均精度提升了10.6%,准确率提升了10.03%,召回率提升了11.84%。实验结果表明,在对小目标和复杂背景下的舰船目标检测时,改进后的算法显著减少了误检和漏检的� 展开更多
关键词 合成孔径雷达 舰船目标检测 动态卷积 显示视觉中心
下载PDF
基于动态进化图的行人轨迹预测
19
作者 芈菁 张旭秀 闫涵 《控制与决策》 EI CSCD 北大核心 2024年第7期2345-2353,共9页
行人轨迹预测在自动驾驶和社交机器人等领域有着广泛的应用.对行人间复杂的交互关系进行有效建模是提高轨迹预测准确性的关键问题.然而,基于图神经网络的方法建模行人间的复杂交互时,存在行人间交互关系不会随着时间推移而改变,并且图... 行人轨迹预测在自动驾驶和社交机器人等领域有着广泛的应用.对行人间复杂的交互关系进行有效建模是提高轨迹预测准确性的关键问题.然而,基于图神经网络的方法建模行人间的复杂交互时,存在行人间交互关系不会随着时间推移而改变,并且图模型无法自适应地调整网络参数,导致预测轨迹与真实轨迹偏差较大.为此,提出基于动态进化图的行人轨迹预测方法,设计动态特征更新(DFU)以定义行人间的动态特性,对行人间动态交互进行建模以构建时间域的网络动态性,提升对行人间复杂交互关系建模的能力.采用进化图卷积单元优化编码器,灵活进化图模型网络参数,增强图模型的自适应能力.研究结果表明,在预测8个时间步长下,与STGAT模型相比,所提出模型在两个公开数据集(ETH和UCY)上取得了更好的性能,平均位移误差降低12.26%,最终位移误差降低14.10%. 展开更多
关键词 动态图 进化图 图卷积 轨迹预测 行人轨迹
原文传递
融合全局上下文注意力的遥感图像检测方法
20
作者 廖欢 朱文球 +1 位作者 雷源毅 徐轲 《兵器装备工程学报》 CAS CSCD 北大核心 2024年第2期278-283,共6页
针对遥感图像场景复杂、目标尺寸不一、且小尺寸目标过多导致的检测精度不佳和出现漏检等问题,提出了一种融合全局上下文注意力的目标检测算法。该算法提出一种全局上下文注意力机制和YOLOv5中C3结构融合的模块,以提升网络捕捉图像全局... 针对遥感图像场景复杂、目标尺寸不一、且小尺寸目标过多导致的检测精度不佳和出现漏检等问题,提出了一种融合全局上下文注意力的目标检测算法。该算法提出一种全局上下文注意力机制和YOLOv5中C3结构融合的模块,以提升网络捕捉图像全局特征的能力;通过Varifocal Loss损失函数来提升对密集、尺寸小的目标的检测性能;采用基于归一化的注意力模块,降低图像中不太显著的特征和权重,使网络能够达到更高的检测准确率;利用动态卷积学习各个维度的信息,让训练得到的模型在降低GFLOPs情况下,同时保持检测精度提升。在NWPU VHR-10数据集上实验结果mAP为96.0%、准确率为98.2%、召回率为94.9%,较原YOLOv5模型分别提升了1.8%、4.7%和2.2%,证明了所改进YOLOv5方法的有效性。 展开更多
关键词 YOLOv5 遥感图像 Varifocal Loss 全局上下文注意力机制 动态卷积
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 … 10 下一页 到第 页
使用帮助 返回顶部