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11,622篇文章
< 1 2 … 250 >
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：
基于自然语言处理的建筑企业失信行为信息分类研究
1
作者 张振森 任宇轩 曹吉昌 《九江学院学报（自然科学版）》 CAS 2024年第3期99-105,109,共8页
为改善建筑信用管理中对信用信息的文档管理依赖人力劳动的现状,文章提出一种基于自然语言处理技术(NLP)的建筑企业失信行为信息文本分类方法。首先,基于Skip-Gram词向量模型利用已标注数据和大量无标注获取文本的词向量表示;其次,运用... 为改善建筑信用管理中对信用信息的文档管理依赖人力劳动的现状,文章提出一种基于自然语言处理技术(NLP)的建筑企业失信行为信息文本分类方法。首先,基于Skip-Gram词向量模型利用已标注数据和大量无标注获取文本的词向量表示;其次,运用融入注意力机制(attention-mechanism)的双向长短期记忆网络模型(BiLSTM)对已标注数据进行特征提取与文本分类。结果表明:在小样本训练中,使用较大的语料库训练词向量模型可有效提高文本分类模型的分类效果,BiLSTM-Attention模型的分类性能优于对照模型,基于NLP的文本分类方法能够实现对建筑企业失信行为信息的快速自动分类。 展开更多
关键词 失信行为信息 行政处罚 Skip-Gram词向量 注意力机制 文本分类
下载PDF
基于注意力模型的卷积循环神经网络城市声音识别 被引量：4
2
作者 杨磊 赵红东 《科学技术与工程》 北大核心 2020年第33期13757-13761,共5页
环境声音识别(environment sound recognition,ESR)在基于情景感知和辅助技术等领域发挥着重要作用。卷积神经网络(CNN)和循环神经网络(RNN)作为两种最具代表性的特征提取方法,在语音和音乐信号处理方面都取得显著效果;然而二者都存在... 环境声音识别(environment sound recognition,ESR)在基于情景感知和辅助技术等领域发挥着重要作用。卷积神经网络(CNN)和循环神经网络(RNN)作为两种最具代表性的特征提取方法,在语音和音乐信号处理方面都取得显著效果;然而二者都存在一定缺点,CNN无法有效提取时间特征,RNN在提取空间特征上也存在明显劣势。为了有效提取并利用时间特征和空间特征,提出一种新模型,利用时间分布CNN从梅尔频谱图中提取城市环境声音特征,然后应用双向长短时记忆网络(BiLSTM)从CNN输出中获取时间信息,最后在输出序列上实施注意力机制,从而关注到与城市环境声音最相关的特征进而做出分类判断,注意力机制既提高了分类准确性,又增强了模型的可解释性。实验结果表明:在Urbansound8K数据集中,该模型可获得80.2%的分类准确率,这优于以往在同一数据集的报告结果。 展开更多
关键词 卷积神经网络 双向长短时记忆网络 注意力机制
下载PDF
基于改进DenseNet模型的船舶图像分类
3
作者 居云龙 周怡君 +1 位作者 罗晨 孟波波 《船舶标准化工程师》 2024年第5期80-86,共7页
为了改善执法监管工作中人工查看视频方式的不便性,使用改进的DenseNet201模型依据是否悬挂国旗这一指标对船舶图像进行分类。在此过程中,以DenseNet模型为基础,首先在DenseNet模型网络结构中融入了注意力机制SENet模块,以提升船舶图像... 为了改善执法监管工作中人工查看视频方式的不便性,使用改进的DenseNet201模型依据是否悬挂国旗这一指标对船舶图像进行分类。在此过程中,以DenseNet模型为基础,首先在DenseNet模型网络结构中融入了注意力机制SENet模块,以提升船舶图像重要特征提取的指向性;其次使用亮度、对比度增强等方式扩充船舶图像数目并进行类别标注;最后使用ImageNet数据集下预训练的DensenNet201模型,使用迁移学习方式在预训练模型下使用船舶数据集进行参数微调,提升模型对于船舶图像的泛化能力。经试验验证,使用DenseNet模型以及改进DenseNet模型分别做图像分类,在验证集上准确率分别为85%和93%,提高了约8%的准确率,说明改进的DenseNet模型在船舶数据集上具有良好的分类性能。 展开更多
关键词 图像分类 DenseNet模型 注意力机制 迁移学习 改进DenseNet模型
下载PDF
基于三维人脸数据增强的深度伪造检测方法
4
作者 王昊冉 杨敏敏 +3 位作者 王泽源 白亮 于天元 郭延明 《网络安全与数据治理》 2023年第9期11-20,共10页
随着深度伪造技术的发展,深度伪造视频的制作及传播变得越来越容易,给社会带来了巨大的安全风险,深度伪造检测算法成为当前网络安全领域的重要方向。聚焦于提出一种泛化性能更好、效率更高、可解释性更强的深度伪造检测算法,主要针对DFD... 随着深度伪造技术的发展,深度伪造视频的制作及传播变得越来越容易,给社会带来了巨大的安全风险,深度伪造检测算法成为当前网络安全领域的重要方向。聚焦于提出一种泛化性能更好、效率更高、可解释性更强的深度伪造检测算法,主要针对DFDC、FaceForensic++及Celeb-DF三个深度伪造视频数据集进行实验并以这三个数据集集中训练出检测模型,首先使用人脸检测算法MTCNN提取人脸图像,进而将EfficientNet网络与Transformer架构相结合作为检测模型,通过采用三维人脸数据增强、注意力机制以及全局局部融合方法对模型进行训练和测试。模型在未使用型集成、知识蒸馏等方法的基础上,达到了与最优检测效果相当的检测水平。 展开更多
关键词 深度伪造检测 注意力机制 数据增强 神经网络
下载PDF
基于注意力自相关机制的剩余杂波抑制方法 被引量：2
5
作者 申露 苏洪涛 +3 位作者 汪晋 毛智 景鑫琛 李泽 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2024年第1期41-51,共11页
雷达工作时面临着复杂多变的环境,杂波特性经常呈现非均匀性和时变性。未被完全抑制的杂波剩余可能会产生大量虚警,进而导致虚假航迹产生或目标跟踪精度降低。在严重情况下,这些虚警还可能使雷达数据处理系统饱和,影响雷达系统的探测能... 雷达工作时面临着复杂多变的环境,杂波特性经常呈现非均匀性和时变性。未被完全抑制的杂波剩余可能会产生大量虚警,进而导致虚假航迹产生或目标跟踪精度降低。在严重情况下,这些虚警还可能使雷达数据处理系统饱和,影响雷达系统的探测能力。传统的剩余杂波抑制算法需要进行特征提取和构建分类器两个步骤,存在泛化能力差、特征组合难和分类器要求高等问题。为解决这些问题,受到自注意力机制和领域知识的启发,提出了一种数据与知识双驱动的注意力自相关机制。该机制可以有效提取用于区分目标和杂波的雷达回波相互关系的深度特征。同时,基于该机制,构建了一种剩余杂波抑制方法,充分利用雷达回波特征,提高了算法在剩余杂波抑制方面的性能。仿真和实测数据处理结果表明,该方法在剩余杂波抑制方面具有显著的性能优势和泛化能力。此外,该方法的并行计算结构可以提高算法的运行效率。 展开更多
关键词 剩余杂波抑制 注意力自相关机制 深层特征 神经网络
下载PDF
基于显著图的红外弱小目标动态规划检测前跟踪算法 被引量：6
6
作者 詹令明 李翠芸 姬红兵 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2019年第7期1061-1066,共6页
针对低信噪比复杂背景红外图像弱小目标检测虚警率高的问题,提出一种基于显著图的红外弱小目标动态规划检测前跟踪算法.该算法采用改进的局部区域差分算子提取显著图,根据注意力转移机制设计搜索策略,利用目标移动速度实时更新搜索范围... 针对低信噪比复杂背景红外图像弱小目标检测虚警率高的问题,提出一种基于显著图的红外弱小目标动态规划检测前跟踪算法.该算法采用改进的局部区域差分算子提取显著图,根据注意力转移机制设计搜索策略,利用目标移动速度实时更新搜索范围,对多帧连续的显著图进行滤波跟踪,实现对红外图像弱小目标检测.实验结果表明,文中算法在对弱小目标进行有效检测的同时降低虚警率,提高了图像的检测效率. 展开更多
关键词 红外弱小目标 动态规划 检测前跟踪 显著图 注意转移机制
下载PDF
基于YOLOv5水下目标检测算法研究与改进 被引量：2
7
作者 罗飞 王润峰 《通信与信息技术》 2024年第1期34-40,共7页
在水下目标生物的检测过程中,由于水下环境恶劣,水中光线衰弱,以及大多水下生物以小目标的形态出现等问题,使得目前的水下目标检测带来了精度损失问题,为解决相应问题,给出了一种基于YOLOv5s改进的YOLOv5s-water算法来解决。首先通过STR... 在水下目标生物的检测过程中,由于水下环境恶劣,水中光线衰弱,以及大多水下生物以小目标的形态出现等问题,使得目前的水下目标检测带来了精度损失问题,为解决相应问题,给出了一种基于YOLOv5s改进的YOLOv5s-water算法来解决。首先通过STR(Swin-Transformer)旋转窗口来对YOLOv5s的主干层(Backbone)部分进行更改,提高模型的泛化能力,进而解决水下环境恶劣以及检测目标形态变化带来的问题。使用FReLU激活函数与CBAM注意力神经机制结合成的FCM注意力机制,将其嵌入到YOLOv5s的骨干网(Neck)部分,以用来突出目标特征并抑制次要信息,从而提高算法精度,加强小目标的特征提取。小目标检测方面,在YOLOv5结构上增加小目标检测头,以提高感受野,进而提高小目标的检测精度。仿真和实验结果表明:所提方法相较于YOLOv5s检测准确率P上升1.47%,精确度mAP@0.5上升2.76%,小目标检测效果明显,证明了方法的有效性。 展开更多
关键词 小目标 光线衰弱 FReLU激活函数 CBAM注意力神经机制 Swin-Transformer 小目标检测头
下载PDF
基于DA-Attention U-Net编码-解码结构的浮选矿浆相气泡图像分割
8
作者 徐宏祥 李神舟 徐培培 《有色金属（选矿部分）》 CAS 2024年第6期106-115,131,共11页
浮选矿浆相气泡图像是采集自浮选槽内部矿浆溶液中的图像数据,与浮选泡沫相图像数据相比视觉特征显著不同。针对使用特殊设备从浮选槽矿浆溶液中原位采集的气泡图像数据,提出了一种基于DA-Attention U-Net编码-解码结构的气泡分割模型... 浮选矿浆相气泡图像是采集自浮选槽内部矿浆溶液中的图像数据,与浮选泡沫相图像数据相比视觉特征显著不同。针对使用特殊设备从浮选槽矿浆溶液中原位采集的气泡图像数据,提出了一种基于DA-Attention U-Net编码-解码结构的气泡分割模型。模型以U-Net为基础,引入CBAM模块并依据Residual残差连接思想改进模块结构,使模型同时具有通道注意力和空间注意力的优点,给予包含气泡的前景区域更大权重,减少因下采样次数多导致的信息丢失;引入ASPP模块并基于Dense密集连接思想进行改进,从多尺度提取气泡特征及整合前后特征层信息;并在完成气泡分割的基础上使用热力图与显著图对分割结果进行分析。研究结果表明,与原始U-Net相比,所提模型对气泡图像分割效果更优,训练损失、Dice系数降低了0.416、0.2,分别达到了0.015、0.12,MIoU精度值、F1_Score值提升了0.331、0.229,分别达到了0.952、0.985,并通过消融试验验证了各模块有效性。该模型对气泡图像的精确分割,可为后续提取气泡特征奠定基础,对于未来将矿浆相气泡特征信息用于浮选过程智能控制,具有重要意义。 展开更多
关键词 浮选矿浆相气泡 语义分割 密集连接机制 注意力集中机制 浮选过程智能控制
下载PDF
基于深度学习的宫颈癌淋巴结转移预测
9
作者 王佳 牛俊巧 +1 位作者 李晓娟 刘焱 《中国医学装备》 2024年第4期71-74,79,共5页
目的:基于深度学习,利用T_(2)加权成像(T_(2)WI)序列的高分辨特性获得宫颈癌淋巴结的结构信息,并预测淋巴结是否转移;利用弥散加权成像(DWI)序列的功能特性,获取淋巴结区域,并预测淋巴结是否转移;综合多模态MRI数据,预测淋巴结是否转移... 目的:基于深度学习,利用T_(2)加权成像(T_(2)WI)序列的高分辨特性获得宫颈癌淋巴结的结构信息,并预测淋巴结是否转移;利用弥散加权成像(DWI)序列的功能特性,获取淋巴结区域,并预测淋巴结是否转移;综合多模态MRI数据,预测淋巴结是否转移。方法:收集2021年6月至2022年5月年新疆维吾尔自治区人民医院收治的52例宫颈癌患者的多参数MRI影像数据以及病理检查数据作为训练集,另收集2022年6月至2023年5月新疆维吾尔自治区人民医院收治的150例宫颈癌患者多参数MRI影像数据以及病理检查数据作为验证集。训练集52例宫颈癌患者均接受MRI扫描,扫描序列包括T_(2)WI和DWI序列。对训练集52例宫颈癌患者的多参数MRI影像学图像进行非均匀性校正和标准化的预处理后,通过渐进演化空洞卷积对T_(2)WI图像进行分割,在扩大感受野的同时,有效降低空洞对图像丢失的影响;通过基于注意力网络机制的深度学习模型引导网络在预测时更关注淋巴结区域,并为预测结果提供一定程度的解释性;通过多模态协同学习模型实现T_(2)WI和DWI序列在淋巴结性质预测任务之间的经验共享。采用验证集患者的图像资料对基于多模态协同学习模型的淋巴结转移预测模型进行验证。结果:验证集150例患者中良性淋巴结585枚,恶性淋巴结65枚,其良恶性淋巴结在大小(长径、短径)和边界上存在差异,差异有统计学意义(x^(2)=8.437、143.100、104.608,P<0.05)。验证集150例患者中48例患者出现淋巴结转移,基于多模态协同学习模型的淋巴结性质预测模型准确预测出46例患者出现淋巴结转移,准确预测出99例患者未发生淋巴结转移,预测准确率为96.67%。结论:渐进演化空洞卷积结合U-Net框架完成了对T_(2)WI宫颈癌影像的多目标自动分割任务,基于注意力网络机制的深度学习模型完成了动态关注淋巴结区域的任务,多模态协同学 展开更多
关键词 宫颈癌淋巴结 卷积神经网络 注意力网络机制 多模态协同学习 磁共振成像
下载PDF
改进注意力机制的滚动轴承故障诊断方法研究 被引量：3
10
作者 肖安 李开宇 +2 位作者 范佳能 仲志强 贾银亮 《计算机测量与控制》 2023年第11期22-30,共9页
针对滚动轴承在实际工作环境中噪声较大和负载变化的问题,提出一种基于双注意卷积机制的残差神经网络(DACM_ResNet,double attention convolution mechanism ResNet)轴承故障诊断方法;首先,对滚动轴承振动信号进行短时傅里叶变换(STFT,s... 针对滚动轴承在实际工作环境中噪声较大和负载变化的问题,提出一种基于双注意卷积机制的残差神经网络(DACM_ResNet,double attention convolution mechanism ResNet)轴承故障诊断方法;首先,对滚动轴承振动信号进行短时傅里叶变换(STFT,short-time fourier transform)并使用伪彩色处理得到三通道图像数据;然后,对残差神经网络在轴承故障诊断上进行研究,在残差单元的卷积层之后,使用DACM模块,将残差特征在通道和空间维度上进行进一步提取,最后,在凯斯西储大学(CWRU)数据集上进行试验验证,试验结果表明所提出的方法在噪声环境下及负载变化时,平均诊断准确率达到了98%以上,说明所提出的模型有较好的鲁棒性。 展开更多
关键词 轴承故障诊断 短时傅里叶变换 伪彩色处理 双注意卷积机制模块 残差网络
下载PDF
认知传感网中基于Transformer网络的MAC协议识别方法
11
作者 赵立 赵宏坚 +4 位作者 高智伟 王黎明 刘越 罗渝 廖勇 《电讯技术》 北大核心 2024年第10期1659-1666,共8页
媒体接入控制(Media Access Control,MAC)识别有助于优化认知无线电系统的频谱管理并提高通信质量。已有的基于深度学习的MAC协议识别方法仍存在复杂信道环境的适应性不足、长期依赖关系捕捉能力有限的问题。因此,提出基于Transformer... 媒体接入控制(Media Access Control,MAC)识别有助于优化认知无线电系统的频谱管理并提高通信质量。已有的基于深度学习的MAC协议识别方法仍存在复杂信道环境的适应性不足、长期依赖关系捕捉能力有限的问题。因此,提出基于Transformer网络的MAC协议识别方法,利用自注意力机制有效捕捉长距离依赖,通过多头注意力机制同时关注输入序列中不同部分的相关性,提升对信号特征和行为的理解。针对认知传感网的特定需求,对传统的Transformer模型结构进行了优化,包括调整模型的深度和宽度以适应信号数据的特性。自注意力机制不仅增强了模型对时间序列数据的处理能力,还通过位置编码保留序列中的位置信息,结合前馈神经网络增强模型的非线性表达能力,并通过层归一化和残差连接机制提高模型的稳定性和训练效率。实验结果表明,所提方法在复杂无线通信环境中具有显著的性能优势,在识别4种主要MAC协议时展现出超过95%的高准确率。 展开更多
关键词 认知传感网 MAC协议识别 深度学习 自注意力机制 Transformer网络
下载PDF
融合多标签损失与双注意力的U型视网膜血管分割 被引量：2
12
作者 梁礼明 冯骏 +1 位作者 彭仁杰 曾嵩 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2023年第1期75-86,共12页
眼底视网膜血管的检测与分析对许多眼科疾病的诊断具有重要意义.为了更精确、健全地提取视网膜血管的特征信息,提出一种融合多标签损失与双注意力的U型网络模型.首先在编码部分通过空间金字塔池化提供多尺度输入,在U型网络内部融入双注... 眼底视网膜血管的检测与分析对许多眼科疾病的诊断具有重要意义.为了更精确、健全地提取视网膜血管的特征信息,提出一种融合多标签损失与双注意力的U型网络模型.首先在编码部分通过空间金字塔池化提供多尺度输入,在U型网络内部融入双注意残差块提升网络对特征信息的提取能力;其次,在网络底部嵌入特征相似模块以捕获特征之间的远程依赖关系,为了有效地抑制眼底图像中的噪声影响和捕获血管多尺度信息,在跳连部分分别引入双路径注意门机制与稠密的空洞空间金字塔池化模块;最后,在解码部分设置侧输出层生成与层级对应的局部预测图像,并配合多标签Dice损失函数进行训练.在DRIVE,STARE和CHASE_DB1数据集上进行实验,灵敏度分别为80.54%,83.97%和82.40%,受试者曲线下的面积(AUC)分别为98.07%,98.50%和98.36%. 展开更多
关键词 视网膜血管 多标签损失 U型网络 双注意残差块 远程依赖关系 双路径注意门机制
下载PDF
基于高速公路神经网络和注意力机制的短期负荷预测方法 被引量：2
13
作者 王涛 朱海南 +3 位作者 李丰硕 王娟娟 张金金 吴俊勇 《电力电容器与无功补偿》 2023年第4期72-79,共8页
有效的电力负荷预测为智能电网发展建设提供依据,为提高短期负荷预测精度,本文综合考虑用电负荷和实时天气影响因素,提出一种基于人工智能高速公路神经网络(highway neural network,HNN)和注意力机制(attention mechanism,Attention)的... 有效的电力负荷预测为智能电网发展建设提供依据,为提高短期负荷预测精度,本文综合考虑用电负荷和实时天气影响因素,提出一种基于人工智能高速公路神经网络(highway neural network,HNN)和注意力机制(attention mechanism,Attention)的短期负荷预测方法。该方法采用Pearson相关性分析、主成分分析法以及K⁃means聚类完成输入序列的特征挖掘,并依据聚类结果将运行日分为3类。接着,针对现有模型可能存在的训练困难和预测效率低下等问题,对每类运行日分别建立Attention⁃HNN模型。该模型将能够给输入序列分配动态权重的Attention与能够选择性传递信息的HNN结合起来,可有效突出关键特征并优化预测效果。最后,通过山东省某地区实例验证并与不同方法进行对比,本文提出的Attention⁃HNN方法具有更好的预测效果,可有效降低预测误差。 展开更多
关键词 负荷预测 高速公路神经网络 注意力机制 聚类 天气因素
下载PDF
全局注意力门控残差记忆网络的图像超分重建 被引量：3
14
作者 王静 宋慧慧 +1 位作者 张开华 刘青山 《中国图象图形学报》 CSCD 北大核心 2021年第4期766-775,共10页
目的随着深度卷积神经网络的兴起,图像超分重建算法在精度与速度方面均取得长足进展。然而,目前多数超分重建方法需要较深的网络才能取得良好性能,不仅训练难度大,而且到网络末端浅层特征信息容易丢失,难以充分捕获对超分重建起关键作... 目的随着深度卷积神经网络的兴起,图像超分重建算法在精度与速度方面均取得长足进展。然而,目前多数超分重建方法需要较深的网络才能取得良好性能,不仅训练难度大,而且到网络末端浅层特征信息容易丢失,难以充分捕获对超分重建起关键作用的高频细节信息。为此,本文融合多尺度特征充分挖掘超分重建所需的高频细节信息,提出了一种全局注意力门控残差记忆网络。方法在网络前端特征提取部分,利用单层卷积提取浅层特征信息。在网络主体非线性映射部分,级联一组递归的残差记忆模块,每个模块融合多个递归的多尺度残差单元和一个全局注意力门控模块来输出具备多层级信息的特征表征。在网络末端,并联多尺度特征并通过像素重组机制实现高质量的图像放大。结果本文分别在图像超分重建的5个基准测试数据集(Set5、Set14、B100、Urban100和Manga109)上进行评估,在评估指标峰值信噪比(peak signal to noise ratio,PSNR)和结构相似性(structural similarity,SSIM)上相比当前先进的网络模型均获得更优性能,尤其在Manga109测试数据集上本文算法取得的PSNR结果达到39.19 dB,相比当前先进的轻量型算法AWSRN(adaptive weighted super-resolution network)提高0.32 dB。结论本文网络模型在对低分图像进行超分重建时,能够联合学习网络多层级、多尺度特征,充分挖掘图像高频信息,获得高质量的重建结果。 展开更多
关键词 单幅图像超分辨率(SISR) 深度卷积神经网络(DCNN) 注意力门控机制 多尺度残差单元(MRUs) 递归学习
原文传递
基于深度学习的卫星图像道路分割算法 被引量：3
15
作者 张新华 黄梦醒 +3 位作者 张雨 李玉春 单怡晴 冯思玲 《计算机工程》 CAS CSCD 北大核心 2021年第10期306-313,共8页
针对道路分割时存在的梯度消失问题,构建基于U-Net的卫星道路图像语义分割模型。通过密集连接模块减少梯度消失,并引入空间空洞金字塔结构保留更多的图像特征,在学习深层次特征信息时采用注意力监督机制,提取道路要素的特征信息。在卫... 针对道路分割时存在的梯度消失问题,构建基于U-Net的卫星道路图像语义分割模型。通过密集连接模块减少梯度消失,并引入空间空洞金字塔结构保留更多的图像特征,在学习深层次特征信息时采用注意力监督机制,提取道路要素的特征信息。在卫星图像道路数据集上的测试结果表明,与FCN、SegNet、U_Net算法相比,该算法模型的准确率、召回率和精确率指标分别达到96.3%、96.9%和96.6%,能够有效地对道路元素进行准确分割。 展开更多
关键词 深度学习 道路分割 密集连接模块 空间空洞金字塔结构 注意力监督机制
下载PDF
基于红外注意力提升机制的热成像测温区域实例分割 被引量：3
16
作者 易诗 李俊杰 贾勇 《电子与信息学报》 EI CSCD 北大核心 2021年第12期3505-3512,共8页
AI+热成像人体温度监测系统被广泛用于人群密集的人体实时温度测量。此类系统检测人的头部区域进行温度测量,由于各类遮挡,温度测量区域可能太小而无法正确测量。为了解决这个问题,该文提出一种融合红外注意力提升机制的无锚点实例分割... AI+热成像人体温度监测系统被广泛用于人群密集的人体实时温度测量。此类系统检测人的头部区域进行温度测量,由于各类遮挡,温度测量区域可能太小而无法正确测量。为了解决这个问题,该文提出一种融合红外注意力提升机制的无锚点实例分割网络,用于实时红外热成像温度测量区域实例分割。该文所提出的实例分割网络在检测阶段和分割阶段融合红外空间注意力模块(ISAM),旨在准确分割红外图像中的头部裸露区域,以进行准确实时的温度测量。结合公共热成像面部数据集和采集的红外热成像数据集,制作了"热成像温度测量区域分割数据集"用于网络训练。实验结果表明:该方法对红外热成像图像中头部裸露测温区域的平均检测精度达到88.6%,平均分割精度达到86.5%,平均处理速度达到33.5 fps,在评价指标上优于大多数先进的实例分割方法。 展开更多
关键词 红外热成像 人体体温监测系统 红外注意力提升机制 无锚点实例分割网络 热成像温度测量区域分割数据集
下载PDF
基于真实人脸类别对抗机制的人脸活体检测算法 被引量：1
17
作者 张磊 盖绍彦 达飞鹏 《激光与光电子学进展》 CSCD 北大核心 2023年第10期90-99,共10页
针对现有人脸活体检测算法在单一数据集内表现良好而在多个数据集间泛化能力较差的问题,提出一种聚焦于真实人脸的活体检测方法。在数据输入阶段,每轮训练会向网络输入所有源域的真实人脸的同时只随机输入其中一个源域的虚假人脸。在特... 针对现有人脸活体检测算法在单一数据集内表现良好而在多个数据集间泛化能力较差的问题,提出一种聚焦于真实人脸的活体检测方法。在数据输入阶段,每轮训练会向网络输入所有源域的真实人脸的同时只随机输入其中一个源域的虚假人脸。在特征学习阶段,使用Resnet18网络作为主干网络,对不同残差块的输出特征进行基于注意力机制的加权融合。利用三元组损失和对抗损失对融合后的真实人脸特征进行领域内和领域间的聚合,利用三元组损失对融合后的虚假人脸特征只进行领域内的聚合。在分类阶段,利用交叉熵损失对所有源域的真实人脸和虚假人脸进行分类。所提方法在4个人脸活体检测数据集中进行了实验,实验结果表明所提方法相比其他方法具有更低的识别错误率和更高的鲁棒性。 展开更多
关键词 图像处理 模式识别 人脸活体检测 三元组损失 生成对抗机制 多尺度注意力融合机制
原文传递
基于轻量级光谱-空间注意力交互网络的高光谱地物分类研究 被引量：1
18
作者 周予 程二丽 +1 位作者 张娅莉 刘宇红 《光电子．激光》 CAS CSCD 北大核心 2023年第4期397-404,共8页
通过引入基于卷积神经网络(convolutional neural network, CNN)的分类算法,高光谱图像(hyperspectral image, HSI)分类任务的精度取得显著的提升,但目前主流CNN算法往往较为复杂且参数量大,从而导致网络难以训练以及容易产生过拟合问... 通过引入基于卷积神经网络(convolutional neural network, CNN)的分类算法,高光谱图像(hyperspectral image, HSI)分类任务的精度取得显著的提升,但目前主流CNN算法往往较为复杂且参数量大,从而导致网络难以训练以及容易产生过拟合问题。为在保证网络分类性能的前提下实现轻量化,本文提出一个轻量级架构的基于光谱-空间注意力交互机制的CNN网络用于HSI分类。为实现HSI的光谱-空间特征提取,构建了一个轻量化的双路径骨干网络用于两种特征的提取和融合。其次,为提高特征的表征能力,设计了两个注意力模块分别用于光谱和空间特征的权重再调整。同时,为加强双路径特征之间的关联以实现特征的更好融合,注意力交互机制被引入到网络中以进一步提升网络性能。在3个真实HSI数据集上的分类结果表明,本文所提网络可达到99.5%的分类准确度,并相比于其他网络至少减少50%的参数量。 展开更多
关键词 HSI地物分类 轻量化CNN架构 注意力交互机制 光谱-空间特征提取
原文传递
基于BiLSTM-EPEA模型的实体关系分类 被引量：1
19
作者 蒋丽媛 吴亚东 +1 位作者 张巍瀚 王书航 《计算机时代》 2023年第5期46-50,56,共6页
提出一种基于实体注意力相加机制的关系抽取模型BiLSTM-EPEA。即通过BiLSTM(双向的长短期记忆网络)对Glove表示的文本向量进行特征提取,通过EPEA模块分别计算每个字相对于第一个实体和第二个实体的注意力值,并将两个有权重的语句序列逐... 提出一种基于实体注意力相加机制的关系抽取模型BiLSTM-EPEA。即通过BiLSTM(双向的长短期记忆网络)对Glove表示的文本向量进行特征提取,通过EPEA模块分别计算每个字相对于第一个实体和第二个实体的注意力值,并将两个有权重的语句序列逐位相加,最后利用Softmax函数划分实体关系类别。通过实验证明,BiLSTM-EPEA相比于BiLSTM-ATT模型和RBERT模型,F1值分别提升了0.42%、1.47%,验证了模型的有效性。 展开更多
关键词 关系类别划分 BiLSTM-EPEA 实体注意力相加机制 长短期记忆网络
下载PDF
基于多级注意力融合机制的藏文实体关系抽取 被引量：2
20
作者 王丽客 孙媛 刘思思 《智能科学与技术学报》 2021年第4期466-473,共8页
与中英文相比,藏文实体关系训练语料规模较小,传统有监督的学习方法难以获得较高的准确率。针对基于远程监督的实体关系抽取存在错误标记的问题,利用远程监督方法将知识库与文本对齐,构建藏文实体关系抽取的数据集,提出一个基于多级注... 与中英文相比,藏文实体关系训练语料规模较小,传统有监督的学习方法难以获得较高的准确率。针对基于远程监督的实体关系抽取存在错误标记的问题,利用远程监督方法将知识库与文本对齐,构建藏文实体关系抽取的数据集,提出一个基于多级注意力融合机制的藏文实体关系抽取模型。在词级别引入自注意力机制来提取单词的内部特征,在句子级别引入注意力机制为每个实例分配权重,从而充分利用包含信息的句子,减少噪声实例的权重。同时引入联合评分函数,修正远程监督的错误标签,并将神经网络与支持向量机结合,实现藏文实体关系分类。实验结果表明,提出的模型有效提高了藏文实体关系抽取的准确率,且优于基线模型效果。 展开更多
关键词 藏文 实体关系抽取 多级注意力融合机制 支持向量机
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 … 250 下一页 到第 页
使用帮助 返回顶部