检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于对比学习的多特征融合戴口罩人脸识别

计算机应用研究 2024年第1期41卷 277-281,287页

作者：陈岸明林群雄刘伟强清华大学深圳国际研究生院广东深圳518055 广东省公安科技协同创新中心广州510050

随着计算机视觉技术应用的发展和智能终端的普及,口罩遮挡人脸识别已成为人物身份信息识别的重要部分。口罩的大面积遮挡对人脸特征的学习带来极大挑战。针对戴口罩人脸特征学习困难这一问题,提出了一种基于对比学习的多特征融合口罩遮... 详细信息

随着计算机视觉技术应用的发展和智能终端的普及,口罩遮挡人脸识别已成为人物身份信息识别的重要部分。口罩的大面积遮挡对人脸特征的学习带来极大挑战。针对戴口罩人脸特征学习困难这一问题,提出了一种基于对比学习的多特征融合口罩遮挡人脸识别算法,该算法改进了传统的基于三元组关系的人脸特征向量学习损失函数,提出了基于多实例关系的损失函数,充分挖掘戴口罩人脸和完整人脸多个正负样本之间的同模态内和跨模态间的关联关系,学习人脸中具有高区分度的能力的特征,同时结合人脸眉眼等局部特征和轮廓等全局特征,学习口罩遮挡人脸的有效特征向量表示。在真实的戴口罩人脸数据集和生成的戴口罩人脸数据上与基准算法进行了比较,实验结果表明所提算法相比传统的基于三元组损失函数和特征融合算法具有更高的识别准确率。

关键词：戴口罩人脸识别对比学习特征融合口罩生成

基于多层次特征融合的Transformer人脸识别方法

在线全文

学校读者我要写书评

暂无评论

四川大学学报（自然科学版） 2024年第1期61卷 61-68页

作者：夏桂书朱姿翰魏永超朱泓超徐未其中国民用航空飞行学院航空电子电气学院德阳618307 中国民用航空飞行学院科研处德阳618307 中国民用航空飞行学院民航安全工程学院德阳618307

卷积神经网络中的卷积操作只能捕获局部信息,而Transformer能保留更多的空间信息且能建立图像的长距离连接.在视觉领域的应用中,Transformer缺乏灵活的图像尺寸及特征尺度适应能力,通过利用层级式网络增强不同尺度建模的灵活性,且引入... 详细信息

卷积神经网络中的卷积操作只能捕获局部信息,而Transformer能保留更多的空间信息且能建立图像的长距离连接.在视觉领域的应用中,Transformer缺乏灵活的图像尺寸及特征尺度适应能力,通过利用层级式网络增强不同尺度建模的灵活性,且引入多尺度特征融合模块丰富特征信息.本文提出了一种基于改进的Swin Transformer人脸模型——Swin Face模型.Swin Face以Swin Transformer为骨干网络,引入多层次特征融合模块,增强了模型对人脸的特征表达能力,并使用联合损失函数优化策略设计人脸识别分类器,实现人脸识别.实验结果表明,与多种人脸识别方法相比,Swin Face模型通过使用分级特征融合网络,在LFW、CALFW、AgeDB-30、CFP数据集上均取得最优的效果,验证了此模型具有良好的泛化性和鲁棒性.

关键词：人脸识别 Transformer 多尺度特征特征融合

在线全文

学校读者我要写书评

暂无评论

多层级深度特征融合的乳腺癌病理图像分类

光电子·激光 2024年

作者：杨芳邹迎丁雪妍张建新大连理工大学电子信息与电气工程学部大连民族大学计算机科学与工程学院

针对既有深度学习方法在乳腺癌病理图像全局与局部特征统一表达上的不足，将长距离建模的Transformer和强局部感知的卷积神经网络相结合，提出一种多层级深度特征融合的乳腺癌病理图像分类方法。该方法以双分支并行的Deit-B和ResNet-18... 详细信息

针对既有深度学习方法在乳腺癌病理图像全局与局部特征统一表达上的不足，将长距离建模的Transformer和强局部感知的卷积神经网络相结合，提出一种多层级深度特征融合的乳腺癌病理图像分类方法。该方法以双分支并行的Deit-B和ResNet-18模型作为骨干架构，在双分支网络中间层和末端位置分别引入特征融合操作，有效加强了乳腺癌病理图像全局与局部深度特征的联合学习；此外，在CNN支流的残差模块间引入密集连接操作来提升中间层融合特征的信息传递。通过全局-局部特征提取与支流间-支流内特征交互，可更有效捕获用于乳腺癌病理图像分类的判别特征。在乳腺癌病理图像公共数据集BreakHis上的消融实验与对比实验结果证明所提出方法的有效性，此外可获得99.83%的最优分类结果。

关键词：病理图像分类乳腺癌卷积神经网络 Transformer 特征融合

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于特征融合的多通道心肌梗死定位模型

计算机工程 2024年

作者：张高伟杨湘武汉科技大学计算机科学与技术学院

心肌梗死(Myocardial Infarction，MI)是心血管疾病(Cardiovascular diseases，CVD)中常见的临床表现形式，发病时具有较高的致命性，因此心肌梗死的快速定位对于避免死亡至关重要。目前基于心电图的心肌梗死位置定位模型在面对患者间... 详细信息

心肌梗死(Myocardial Infarction，MI)是心血管疾病(Cardiovascular diseases，CVD)中常见的临床表现形式，发病时具有较高的致命性，因此心肌梗死的快速定位对于避免死亡至关重要。目前基于心电图的心肌梗死位置定位模型在面对患者间的个体差异时泛化性能不足，同时传统的基于卷积的模型难以深入挖掘心电图导联与心肌梗死位置之间的关系。为解决这些问题，本文提出了一种基于特征融合的多通道心肌梗死定位模型(Feature Fusion-Attention Neural Network，FF-ANN)。在该模型中，主要由特征融合模块和自适应的多通道注意力模块组成。通过特征融合模块整合临床知识中的关键波型特征（例如Q波、ST段等），使模型具有多种感受域，从而在不同维度上捕捉心肌梗死的特征；利用自适应的多通道注意力模块对融合后的特征进行重新标定，通过注意力权重加权对应的特征，使模型聚焦对预测有重要贡献的导联特征。本文在混合数据集PTB上验证了模型的拟合能力，并使用迁移学习的方法将从PTB数据集中学到的模型架构迁移到PTBXL数据集中进行了泛化能力验证。与现有研究相比，该模型在患者间方案下实现了约2.5%的提升。实验结果证明了该模型不仅具有较好的定位性能，也显示优越的泛化能力，其架构适用于现实世界中辅助心肌梗死定位的诊断。

关键词：心肌梗死心电信号特征融合注意力机制定位

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

跨模态多层特征融合的遥感影像语义分割

计算机科学与探索 2024年

作者：李智杰程鑫李昌华高元薛靖裕介军西安建筑科技大学信息与控制工程学院西安建筑科技大学建筑学院

多模态语义分割网络能够利用不同模态中的互补信息来提高分割精度，在地物分类领域具有广泛的应用潜力。然而，现有的多模态遥感影像语义分割模型大多忽略了深度特征的几何形状信息，未将多层特征充分利用就进行融合，导致跨模态特征提... 详细信息

多模态语义分割网络能够利用不同模态中的互补信息来提高分割精度，在地物分类领域具有广泛的应用潜力。然而，现有的多模态遥感影像语义分割模型大多忽略了深度特征的几何形状信息，未将多层特征充分利用就进行融合，导致跨模态特征提取不充分，融合效果不理想。针对这些问题，提出了一种基于多模态特征提取和多层特征融合的遥感影像语义分割模型。通过构建双分支编码器，模型能够分别提取遥感影像的光谱信息和归一化数字表面模型(normalized digital surface model，nDSM）的高程信息，并深入挖掘nDSM的几何形状信息。进一步，引入跨层丰富模块细化完善每层特征，从深层到浅层充分利用多层的特征信息。完善后的特征通过注意力特征融合模块，对特征进行差异性互补和交叉融合，以减轻分支结构之间的差异，充分发挥多模态特征的优势，从而提高遥感影像分割精度。在ISPRS Vaihingen和Potsdam数据集上进行实验，mF1分数分别达到了90.88%和93.41%，平均交互比（mIoU)分别达到了83.49%和87.85%，相较于当前主流算法，该算法实现了更准确的遥感影像语义分割。

关键词：遥感影像 nDSM 语义分割特征提取特征融合

基于对比学习多级特征融合的尿路上皮细胞分类方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机辅助设计与图形学学报 2024年

作者：王雪艳杨志明宋姚姚王学卿李亚伟深思考人工智能机器人科技(北京)有限公司

为应对当前细胞分类方法易受图像质量影响以及由于标注数据稀缺而导致分类准确率不高的问题，提出一种基于多级特征融合的混合自监督学习方法. 首先，多级特征融合模块可在特征提取时同时提取语义特征信息和空间特征信息，以利于识... 详细信息

为应对当前细胞分类方法易受图像质量影响以及由于标注数据稀缺而导致分类准确率不高的问题，提出一种基于多级特征融合的混合自监督学习方法. 首先，多级特征融合模块可在特征提取时同时提取语义特征信息和空间特征信息，以利于识别不同特征形态的阳性细胞; 其次提出自适应对比损失函数将自监督学习应用在尿脱落细胞分类中，以促进模型可最大化利用已有标注数据; 该损失可根据细胞特征间的相似度大小自动调整损失权重，使模型学习更有区分度的高维特征，提高分类准确率. 实验结果表明，本文提出的尿脱落细胞分类方法在测试集上可达到96.23%的敏感性和97.2%特异性，相比现有方法敏感性提升了2.34个百分点，特异性提升了4.6个百分点.

关键词：细胞分类特征融合对比学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于环境特征融合的海战单目标态势感知

信息与控制 2024年

作者：黄陈雨佳陈胜上海理工大学光电信息与计算机工程学院

态势感知是指在实时战场环境下，对敌方作战意图进行推理判断。为了提高对海战单目标情况预测的准确性，提出了一种基于环境特征融合的CNN-BiGRU(CNN-Bidirectional Gated Recurrent Unit)海战单目标态势感知模型。首先，提出了一种环... 详细信息

态势感知是指在实时战场环境下，对敌方作战意图进行推理判断。为了提高对海战单目标情况预测的准确性，提出了一种基于环境特征融合的CNN-BiGRU(CNN-Bidirectional Gated Recurrent Unit)海战单目标态势感知模型。首先，提出了一种环境特征与时序特征相融合的方法，解决环境信息冗余对意图预测的影响；然后，卷积神经网络结合BiGRU网络，实现环境特征和时序特征的提取与融合。实验结果表明，融合了环境特征的态势感知模型提高了意图识别的准确率，解决了单目标海战的意图预测问题。

关键词：海战态势感知深度学习特征融合单目标

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

聚类标注和多粒度特征融合的基金新闻分类

小型微型计算机系统 2024年第2期45卷 257-264页

作者：胡菊香吕学强游新冬周建设首都师范大学中国语言智能研究中心北京100048 北京信息科技大学网络文化与数字传播北京市重点实验室北京100101

针对人工标注类别耗时耗力、效率低,以及现有文本分类方法忽略词语、句子之间关系,未对文本分类关键特征赋予更高权重等问题,提出了一种基于聚类加权标注和多粒度特征融合的基金新闻分类方法.基于聚类加权的类别标注算法将K-Means和DBS... 详细信息

针对人工标注类别耗时耗力、效率低,以及现有文本分类方法忽略词语、句子之间关系,未对文本分类关键特征赋予更高权重等问题,提出了一种基于聚类加权标注和多粒度特征融合的基金新闻分类方法.基于聚类加权的类别标注算法将K-Means和DBSCAN的聚类结果进行加权计算并自动标注基金文本数据,辅以少量人工校对,为后续基金新闻分类提供数据支撑.多粒度特征融合的分类算法首先从词粒度出发构建停用词表、扩展词典;其次从句粒度出发抽取新闻摘要,捕捉更具有语义关联的文本信息;最后将多头注意力机制嵌入BERT模型,对关键特征赋予更高权重,以提高分类的准确性.本文从多个角度进行了充分地实验,该方法具有高效的处理能力和有效性,其分类精确率可达到95.21%,优于现有方法.

关键词：多粒度特征融合文本分类深度学习

基于特征融合的窄带雷达短时观测回波序列空中目标识别

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年

作者：郭泽坤刘峥谢荣冉磊徐寒铮西安电子科技大学雷达信号处理全国重点实验室

窄带雷达因其成本低、作用距离远的优点在防空制导领域有着广泛应用，随着高速机动平台的发展，传统的基于长时间观测回波序列特征建模的目标识别方法已不再适用。针对窄带雷达对短时间观测回波(OEST)序列特征识别能力较差，并且易受诱... 详细信息

窄带雷达因其成本低、作用距离远的优点在防空制导领域有着广泛应用，随着高速机动平台的发展，传统的基于长时间观测回波序列特征建模的目标识别方法已不再适用。针对窄带雷达对短时间观测回波(OEST)序列特征识别能力较差，并且易受诱饵目标干扰，导致识别结果可靠性不高的问题，该文提出一种采用多特征自适应融合的窄带雷达OEST序列空中目标识别方法。首先，对编码层和分类层进行训练，通过构建通道-空间注意力模块，自适应地突出高可分性特征，然后，构建最大边缘正交损失函数，增大不同类别特征间距，缩小同类特征间距，并使类间特征正交，以此提升分类性能；最后，固定编码层与分类层参数，利用重构误差对解码层进行训练，确保模型具备对诱饵等库外目标的准确鉴别能力。实验部分在观测序列长度为100的条件下，分类准确率和鉴别率分别达到94.37%和96.78%，由此可得，所提方法能够有效提升窄带雷达的分类性能和对诱饵目标的鉴别能力，进而提高识别结果的可靠性。

关键词：窄带雷达高速机动平台空中目标识别短时间观测回波(OEST) 特征融合