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4篇文章
< 1 >
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：
多尺度特征融合与加性注意力指导脑肿瘤MR图像分割 被引量：4
1
作者 孙家阔 张荣 +1 位作者 郭立君 汪建华 《中国图象图形学报》 CSCD 北大核心 2023年第4期1157-1172,共16页
目的U-Net是医学图像分割领域中应用最为广泛的基础分割网络,然而U-Net及其各种增强网络在跳跃连接时仅利用相同尺度特征,忽略了具有互补信息的多尺度特征对当前尺度特征的指导作用。同时,跳跃连接时编码器特征和解码器特征所处的网络... 目的U-Net是医学图像分割领域中应用最为广泛的基础分割网络,然而U-Net及其各种增强网络在跳跃连接时仅利用相同尺度特征,忽略了具有互补信息的多尺度特征对当前尺度特征的指导作用。同时,跳跃连接时编码器特征和解码器特征所处的网络深度不同,二者直接串联会产生语义特征差距。针对这两个问题,提出了一种新型分割网络,以改进现有网络存在的不足。方法首先,将编码器不同层级具有不同尺度感受野的特征进行融合,并在融合特征与编码器各层级特征间引入加性注意力对编码器特征进行指导,以增强编码器特征的判别性;其次,在编码器特征和解码器特征间采用加性注意力来自适应地学习跳跃连接特征中的重要特征信息,以降低二者间的语义特征差距。结果在多模态脑肿瘤数据集BraTS2020(multimodal brain tumor segmentation challenge 2020)上评估了所提出的网络模型,并进行了消融实验和对比实验。实验结果表明,所提出的网络在BraTS2020验证数据集上关于整个肿瘤、肿瘤核心和增强肿瘤的平均Dice分别为0.8875、0.7194和0.7064,优于2D网络DR-Unet104(deep residual Unet with 104 convolutional layers)的分割结果,其中肿瘤核心和增强肿瘤的分割结果分别高出后者4.73%和3.08%。结论所提出的分割网络模型,通过将编码器中具有互补信息的多尺度特征进行融合,然后对当前尺度特征进行加性注意力指导,同时在编码器和解码器特征间采用加性注意力机制来降低跳跃连接时二者间的语义特征差距,能更精准地分割MR(magnetic resonance)图像中脑肿瘤子区域。 展开更多
关键词 医学图像分割 脑肿瘤 磁共振(MR)图像 U-Net 多尺度特征融合 加性注意力
原文传递
A^(2)former模型在时间序列预测中的应用研究
2
作者 胡倩伟 王秀青 +2 位作者 安阳 张诺飞 王广超 《人工智能科学与工程》 CAS 北大核心 2024年第1期41-50,共10页
时间序列预测在金融、医疗、交通和气象等领域发挥着重要作用。在长时间序列预测中,迫切需要提高预测的精度,解决内存不足等问题。近年来,Transformer模型在自然语言处理领域得以成功应用的同时,在预测研究领域也引起了学者们的广泛关注... 时间序列预测在金融、医疗、交通和气象等领域发挥着重要作用。在长时间序列预测中,迫切需要提高预测的精度,解决内存不足等问题。近年来,Transformer模型在自然语言处理领域得以成功应用的同时,在预测研究领域也引起了学者们的广泛关注,Transformer变体Informer模型的研究在时间序列预测中取得了较大进展。本研究以Informer框架为基础,与加性注意力机制相结合,提出了A^(2)former模型。利用A^(2)former模型在ETT,WTH,ECL和PM2.5数据集上进行了长时间序列预测的实验,实验结果表明所提模型在长时间序列预测中表现出比基线方法(如Informer模型和LSTMa模型)更好的性能。A^(2)former模型不仅将计算时间复杂度降低到线性,而且可以实现更有效的序列建模。本研究的工作为时间序列预测提供了有益参考。 展开更多
关键词 时间序列预测 加性注意力机制 Transformer模型 Informer模型 深度学习
下载PDF
融合多尺度特征的拼接篡改图像检测算法
3
作者 吴琛 邵叱风 《兰州工业学院学报》 2024年第4期43-47,共5页
针对当前拼接篡改图像检测与定位方法主要专注于检测和定位小范围的篡改区域,而对于不均匀大小位置目标对象的模型性能表现不佳等问题,提出一种用于拼接篡改图像的检测与定位的新型网络架构DEUNet。DEUNet在UNet基础上引入高效加性注意... 针对当前拼接篡改图像检测与定位方法主要专注于检测和定位小范围的篡改区域,而对于不均匀大小位置目标对象的模型性能表现不佳等问题,提出一种用于拼接篡改图像的检测与定位的新型网络架构DEUNet。DEUNet在UNet基础上引入高效加性注意力和双向残差块,用于处理不同尺度的特征,在更完整地定位大尺度篡改区域的同时减少模型的复杂度,并结合交叉熵和Dice损失函数以更好地平衡分类精度和分割准确性。实验结果表明,提出的方法性能优于其他算法,且具有良好的鲁棒性;DEUNet能成功处理不固定大小位置目标且实验验证性能优于最新算法。 展开更多
关键词 TRANSFORMER 上下文交互 图像拼接篡改定位 高效加性注意力 全局依赖建模能力
下载PDF
基于文本摘要提取的双路情感分析模型 被引量：1
4
作者 王郅翔 刘渊 《计算机工程与应用》 CSCD 北大核心 2023年第18期119-128,共10页
针对传统文本分类模型存在识别能力受限、训练时间随着输入长度倍增的问题,提出了一种基于文本摘要提取的双路特征情感分析模型(BLAT)。BLAT模型引入Fastformer的加性注意力机制代替Transfomer的自注意力机制,使得模型能够在不损失精度... 针对传统文本分类模型存在识别能力受限、训练时间随着输入长度倍增的问题,提出了一种基于文本摘要提取的双路特征情感分析模型(BLAT)。BLAT模型引入Fastformer的加性注意力机制代替Transfomer的自注意力机制,使得模型能够在不损失精度的情况下,面对长文本训练能够有较为出色的训练速度。模型通过对原始文本数据做摘要提取处理形成双路特征,融入长短期记忆网络与卷积神经网络组成双路特征提取网络,实现对文本情感倾向的高效识别。通过实验在中文电商评论数据集上进行验证,准确率可以达到92.26%,相较当下主流模型能够达到较好的效果。 展开更多
关键词 摘要提取 加性注意力机制 特征融合 情感分析
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 下一页 到第 页
使用帮助 返回顶部