检索结果-南通市图书馆

基于注意力机制与多尺度池化的实时语义分割网络

在线全文

学校读者我要写书评

暂无评论

计算机工程 2023年第10期49卷 222-229,238页

作者：王卓瞿绍军湖南师范大学信息科学与工程学院长沙410081

现有语义分割算法在精确度方面表现良好,但在速度上难以满足实时性要求。为提升网络分割速度同时确保高精确度,提出一种新型实时语义分割网络。设计融合通道注意力模块,先通过最大池化和平均池化捕捉全局特征,对池化后的特征图进行级联... 详细信息

现有语义分割算法在精确度方面表现良好,但在速度上难以满足实时性要求。为提升网络分割速度同时确保高精确度,提出一种新型实时语义分割网络。设计融合通道注意力模块,先通过最大池化和平均池化捕捉全局特征,对池化后的特征图进行级联、卷积和变形以得到各通道权重,再将原特征图与各通道权重进行矩阵乘法操作,得到融合通道权重。将融合通道权重与原特征图进行元素级乘法操作,保证各通道权重与原特征图有效融合。提出一种轻量化金字塔场景解析模块,使用多尺度池化操作充分捕捉多尺度目标特征,在原金字塔场景解析模块的基础上减少池化后的特征图通道数,从而降低计算量。池化后特征图以级联方式连接,利用输入特征图引导连接后的特征图,以有效融合高层和低层特征图。在公共图像数据集Cityscapes上进行实验,结果表明,该网络在验证集、测试集上的准确率分别达到74.6%、73.8%,分割速度达到60.6帧/s,分割性能优于ICNet、DFANet-A等网络。

关键词：语义分割全局特征注意力机制金字塔场景解析多尺度池化

基于多尺度池化卷积神经网络的疲劳检测方法研究

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2019年第11期36卷 3471-3475页

作者：顾王欢朱煜陈旭东郑兵兵何林飞华东理工大学电子与通信工程系

针对视觉特征分析疲劳检测问题,设计了一种级联深度学习的检测系统结构,并提出基于多尺度池化的卷积神经网络疲劳状态检测模型。首先通过深度学习模型MTCNN进行人脸检测,提取出眼睛和嘴巴区域;针对眼睛和嘴巴的状态表征和识别问题,提出... 详细信息

针对视觉特征分析疲劳检测问题,设计了一种级联深度学习的检测系统结构,并提出基于多尺度池化的卷积神经网络疲劳状态检测模型。首先通过深度学习模型MTCNN进行人脸检测,提取出眼睛和嘴巴区域;针对眼睛和嘴巴的状态表征和识别问题,提出一种基于ResNet的多尺度池化模型(MSP)对眼睛和嘴巴状态进行训练;实时检测时,将眼睛嘴巴区域通过训练好的卷积神经网络模型进行状态识别,最后基于PERCLOS和提出的嘴巴张合频率(FOM)对驾驶员进行疲劳判定。实验结果表明,该算法具有较高的检测准确率,同时满足实时性要求,且对复杂环境具有较高的鲁棒性。

关键词：视觉特征分析多尺度池化卷积神经网络疲劳检测人脸检测

基于多尺度池化的卷积神经网络人脸识别方法研究

在线全文

学校读者我要写书评

暂无评论

基于多尺度池化的卷积神经网络人脸识别方法研究

作者：吴斯浙江大学

学位级别：硕士

人脸识别作为一种非接触式的身份认证技术,目前已经成为人工智能与模式识别领域的研究热点并得到了广泛的工程应用。随着人脸识别技术的应用越来越广泛,人脸识别在应用过程中面临更多外界干扰和挑战,对其识别准确率和稳定性的要求也更... 详细信息

人脸识别作为一种非接触式的身份认证技术,目前已经成为人工智能与模式识别领域的研究热点并得到了广泛的工程应用。随着人脸识别技术的应用越来越广泛,人脸识别在应用过程中面临更多外界干扰和挑战,对其识别准确率和稳定性的要求也更高。传统的人脸识别方法主要依赖先验知识通过人工方式提取人脸浅层特征再进行分类,但浅层特征缺少信息表征能力,导致传统的人脸识别方法泛化能力较差,容易受到光照、姿态和表情的干扰。而基于卷积神经网络的人脸识别方法能提取人脸抽象的深层特征,有效地解决人脸识别问题。然而常见卷积神经网络在训练过程中要求通过裁剪或扭曲来固定输入人脸图像的尺寸,也没有充分利用人脸图像的多尺度信息,因此在网络结构上还存在待改进的地方。为了解决上述问题,提高识别性能,本文提出了基于多尺度池化的卷积神经网络(Multi-scale Pooling Convolutional Neural Networks,简称MPCNN)的人脸识别方法,在全连接层之前构建多尺度池化层,以替代普通池化层,不但解决了卷积神经网络要求输入人脸图像尺寸必须固定的问题,而且多尺度的采样方法对目标的形变具有较好的鲁棒性。同时在多尺度池化的基础上,提出了基于多层特征表达的全连接层网络结构。全连接层通过组合各个卷积层经过多尺度池化的特征表达,融合了各个层次的特征获得多尺度的人脸信息,提高了识别系统的性能。最后通过验证实验确定了最优的网络参数,并通过对比实验对MPCNN网络的性能进行了分析,验证了多尺度池化和多层特征表达的全连接层的有效性,并与其他方法进行了参考对比分析。

关键词：卷积神经网络人脸识别多尺度池化多层特征表达

PCTU-Net:用于高光谱图像的多尺度池化-Transformer协同解混网络

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

建模与仿真 2023年第6期12卷 5572-5584页

作者：陈建锋王继红贵州大学大数据与信息工程学院贵州贵阳

近年来,基于深度学习的高光谱解混技术越来越受到关注,并取得了重大进展。然而,仅依靠Transformer方法不足以有效捕获全局和细粒度信息,从而影响解混任务的准确性。为了充分利用高光谱图像中包含的信息,本研究探索了一个通过池化操作来... 详细信息

近年来,基于深度学习的高光谱解混技术越来越受到关注,并取得了重大进展。然而,仅依靠Transformer方法不足以有效捕获全局和细粒度信息,从而影响解混任务的准确性。为了充分利用高光谱图像中包含的信息,本研究探索了一个通过池化操作来加深网络并提取图像细节特征进而与Transformer协同作用于高光谱图像解混的网络,称为PCTU-Net。它端到端地充分学习了全局和局部信息,以实现更有效地解混。该网络包括两个核心模块:一个是多尺度池化模块,该模块由最大池化操作、条纹池化操作和平均池化操作组成;另一个是Transformer编码器,它包括了嵌入层、自注意力模块、线性层以及多层感知器。本研究在三个数据集(Samson、Apex和合成数据集)上广泛评估了PCTU-Net和其他六种高光谱解混方法。实验结果有力地表明,所提出的方法在精度方面优于其他方法,具有有效解决高光谱解混任务的潜力。

关键词：深度学习高光谱图像解混多尺度池化 Transformer

维普期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于全局-局部特征融合的人脸图像修复方法

光电子·激光 2024年

作者：刘霜张乾徐开丽贵州民族大学数据科学与信息工程学院贵州省模式识别与智能系统重点实验室

本文提出了一种新的人脸图像修复方法，用于解决现有算法在处理大面积不规则破损时出现的伪影和对上下文信息关注不足的问题。该方法首先利用小波掩码混洗下采样模块增强模型对边缘纹理的局部特征学习能力，解决修复过程中对人脸局部细... 详细信息

本文提出了一种新的人脸图像修复方法，用于解决现有算法在处理大面积不规则破损时出现的伪影和对上下文信息关注不足的问题。该方法首先利用小波掩码混洗下采样模块增强模型对边缘纹理的局部特征学习能力，解决修复过程中对人脸局部细节提取不足的问题。其次，设计全局通道加权注意力提取全局特征，有针对性地提取重要特征通道，模型可以选择性过滤和调整信息流以确保高质量输出。最后，采用多尺度池化模块自适应融合局部和全局特征，模型可以更好地过滤掉噪声并保留有用的信号，以提高算法在复杂环境中的适用性和鲁棒性。实验证明，该方法在CelebA-HQ数据集上的定性和定量实验中均优于现有算法。

关键词：人脸图像修复多尺度池化全局通道加权注意力小波掩码混洗下采样全局特征局部特征

融合通道全局注意力机制的双路径实时语义分割

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电子科技 2024年

作者：胡锦磊田恩刚瞿枫上海理工大学光电信息与计算机工程学院常州市住房公积金管理中心

针对主流实时语义分割方法存在多尺度特征提取能力较差、轻量型骨干网络特征提取能力较弱、缺少上下文信息的有效融合等问题，文中提出一种融合通道全局注意力机制的双路实时语义分割模型。快速金字塔池化模块(Fast Pyramid Pooling Mod... 详细信息

针对主流实时语义分割方法存在多尺度特征提取能力较差、轻量型骨干网络特征提取能力较弱、缺少上下文信息的有效融合等问题，文中提出一种融合通道全局注意力机制的双路实时语义分割模型。快速金字塔池化模块(Fast Pyramid Pooling Module， FPPM)在金字塔池化模块(Pyramid Pooling Module， PPM)基础上进行轻量化设计，在保持多尺度信息提取的同时提高模块的速度。空间信息分支可以弥补使用轻量级骨干网络产生的性能损失。通道全局注意力机制对空间信息和骨干网络提取的语义信息进行有效融合，并对全局信息进行交互，提高模型的分割性能。所提模型在不使用其他数据集预训练的情况下，在PASCAL VOC2012验证数据集上达到73.8%平均交并比，参数量为14.6 MB，在NVIDIA TITAN Xp上的每秒帧数可以达到43 FPS，该模型在精度和速度上实现了较好平衡。

关键词：语义分割双路径注意力机制多尺度池化实时深度学习信息融合轻量化

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于双分支网络的户外垃圾检测识别

电子科技 2024年

作者：赵文琪张立新阚希郑好韧无锡学院物联网工程学院南京信息工程大学自动化学院

现有户外垃圾检测算法在特征提取方面没有充分考虑CNN（Convolutional Neural Network）和Transformer的优缺点，限制了网络的整体性能。文中提出了一种由CNN和Transformer组成的双分支融合网络检测算法。在编码阶段，基于CNN和Transfor... 详细信息

现有户外垃圾检测算法在特征提取方面没有充分考虑CNN（Convolutional Neural Network）和Transformer的优缺点，限制了网络的整体性能。文中提出了一种由CNN和Transformer组成的双分支融合网络检测算法。在编码阶段，基于CNN和Transformer的优点构建了双分支主干网络来对原始图像的特征信息进行提取。通过多尺度卷积模块和多尺度池化模块消除所提取特征信息在维度和语义上的差异，通过加强特征提取网络减少深层神经网络中细节信息的丢失。收集了6个类别的户外常见垃圾图片，建立了一个背景复杂的垃圾图片数据集来验证所提算法在户外垃圾检测识别任务上的性能。实验结果表明，相比最新目标检测算法，所提算法在该数据集上的平均准确率（mean Average Precision， mAP）提升约5%。为了验证所提算法的泛化性能，在华为垃圾分类挑战杯数据集上进行了泛化实验，实验结果表明所提算法相比最新目标检测算法mAP提升约2%。

关键词：垃圾污染自动检测识别 CNN Transformer 双分支融合网络多尺度卷积多尺度池化特征信息

基于多尺度特征融合的中分辨率遥感场景分类算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

河北大学学报（自然科学版） 2019年第6期39卷 666-672页

作者：张军张敏郝小可解鹏河北工业大学人工智能与数据科学学院天津300401 河北省大数据计算重点实验室天津300401

在对中分辨率遥感图像进行场景分类时,传统的特征提取方法无法提取全面的特征,若使用卷积神经网络进行场景分类,同一大小的卷积核无法提取尺寸大小各异的地物特征,导致分类精度降低.为了提取不同尺寸的地物特征,提高分类精度,本文提出... 详细信息

在对中分辨率遥感图像进行场景分类时,传统的特征提取方法无法提取全面的特征,若使用卷积神经网络进行场景分类,同一大小的卷积核无法提取尺寸大小各异的地物特征,导致分类精度降低.为了提取不同尺寸的地物特征,提高分类精度,本文提出一种基于多尺度特征融合的中分辨率遥感场景分类算法.对传统的卷积神经网络进行改进以适应中分辨率遥感数据集,并在其基础上添加多尺度池化,将连接多层次的特征图谱输入到全连接层进行分类.实验表明,多层特征融合方法提取的特征信息比单层多尺度池化方法提取的特征信息更全面,分类效果更优.与其他的传统分类方法相比,本文方法获得更好的分类结果.

关键词：卷积神经网络多层特征融合多尺度池化遥感图像场景分类

在线全文

学校读者我要写书评

暂无评论

基于仿生识别系统的多尺度解决方法

南开大学学报（自然科学版） 2020年第4期53卷 47-51页

作者：徐江涛周义豪高志远杨喆天津大学微电子学院天津市成像与感知微电子技术重点实验室天津300072 广东工业大学计算机学院广东广州510006

基于神经网络实现的仿生识别系统不仅存在输入尺度限制问题,还由于数据格式的差异不兼容现有解决方案.针对此问题,提出用于仿生识别系统的3种不同多尺度输入解决方法,分别为基于输入事件的缩放法,基于动态窗口的多尺度池化法以及一种新... 详细信息

基于神经网络实现的仿生识别系统不仅存在输入尺度限制问题,还由于数据格式的差异不兼容现有解决方案.针对此问题,提出用于仿生识别系统的3种不同多尺度输入解决方法,分别为基于输入事件的缩放法,基于动态窗口的多尺度池化法以及一种新的基于池化层特征的特征缩放法.实验基于相同的前馈分类系统,进行各方法的资源消耗和系统识别率对比.结果表明,多尺度池化法对应的权值数仅为其他两种方法的3.83%,但识别率较低;相比事件缩放法,所提出的特征缩放法能够提升识别率5.54%,算法执行次数减少59.16%,适用于仿生识别系统.

关键词：仿生视觉芯片神经网络多尺度识别多尺度池化缩放法