检索结果-南通市图书馆

维普期刊数据库博看期刊

基于复数卷积和注意力机制的并行磁共振成像重建

在线全文

学校读者我要写书评

暂无评论

北京航空航天大学学报 2025年第1期51卷 85-93页

作者：段继忠肖琛昆明理工大学信息工程与自动化学院昆明650500

针对并行磁共振成像的重建,提出深度复数注意力网络(DCANet)模型。根据磁共振成像数据的复数性质,该模型使用复数卷积替换常规实数卷积;由于并行磁共振成像的数据中每个线圈获取到的数据有所不同,该模型还使用逐通道的注意力机制来重点... 详细信息

针对并行磁共振成像的重建,提出深度复数注意力网络(DCANet)模型。根据磁共振成像数据的复数性质,该模型使用复数卷积替换常规实数卷积;由于并行磁共振成像的数据中每个线圈获取到的数据有所不同,该模型还使用逐通道的注意力机制来重点关注有效特征较多的通道;该模型使用数据一致性层保留采样过程中的原始数据,最终形成级联网络。使用3个不同的采样模式对2个不同磁共振成像数据序列进行实验,实验结果表明:DCANet模型具有较好的重建效果,能够获得更高的峰值信噪比(PSNR)和结构相似性指数(SSIM),以及更低的高频误差范数(HFEN),其中,PSNR相比磁共振成像级联通道注意力网络(MICCAN)、Deepcomplex、双倍频网络(DONet)这3种模型平均分别提高了4.52 dB、2.30 dB和1.21 dB。

关键词：并行磁共振成像图像重建深度学习复数卷积网络注意力机制

在线全文

学校读者我要写书评

暂无评论

基于多尺度注意力机制的RAW图像重建

北京航空航天大学学报 2025年第1期51卷 257-264页

作者：张科刘昱胡凯天津大学微电子学院天津300072 天津大学浙江国际创新设计与智造研究院绍兴312000

针对传统图像信号处理(ISP)算法繁琐的问题,基于可取代ISP算法的PyNET网络模型,提出一种端到端的RAW图像重建方法Py-CBAM。通过引入高效的注意力机制,并利用该机制对原有网络的多层级多尺度结构进行重设计,实现不同尺度特征的自适应加权... 详细信息

针对传统图像信号处理(ISP)算法繁琐的问题,基于可取代ISP算法的PyNET网络模型,提出一种端到端的RAW图像重建方法Py-CBAM。通过引入高效的注意力机制,并利用该机制对原有网络的多层级多尺度结构进行重设计,实现不同尺度特征的自适应加权,以较大程度提升图像重建的性能。实验结果表明,所提方法在公开的ZRR数据集上获得的峰值信噪比(PSNR)与PyNET方法相比提升了0.37 dB,结构相似度(SSIM)提升了0.0018。将ZRR数据集和新构建的NRR数据集联合对Py-CBAM重新训练后,PSNR和SSIM分别达到25.73 dB和0.9654。视觉效果上,所提方法解决了RAW图像重建时的噪声高与色彩失真、畸变等问题,增强模型在多场景不同光照环境条件下的重建能力;重建结果较为真实,视觉质量最优,在图像过曝和过暗区域视觉提升效果较为明显。

关键词：图像信号处理图像重建增强网络注意力机制深度学习

基于注意力机制的高光谱图像降维在纸质文物霉斑识别的研究

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2025年第1期45卷 246-255页

作者：汤斌贺渝龙唐欢龙邹荣王建旭谭博文覃丹罗希玲赵明富重庆理工大学重庆市光纤传感与光电检测重点实验室重庆400054 馆藏文物有害生物控制研究国家文物局重点科研基地(重庆中国三峡博物馆) 重庆400060

纸质文物作为文物传承的重要工具,用于记录不同时期人类历史及人文风貌,其在保存过程中极易受到霉菌等微生物的侵害。霉菌会加速纤维素的降解,在纸张表面生成霉斑,并且散落的孢子会随空气流动大范围传播,增加其他纸质文物发生霉变的风... 详细信息

纸质文物作为文物传承的重要工具,用于记录不同时期人类历史及人文风貌,其在保存过程中极易受到霉菌等微生物的侵害。霉菌会加速纤维素的降解,在纸张表面生成霉斑,并且散落的孢子会随空气流动大范围传播,增加其他纸质文物发生霉变的风险。因此,定期对纸质文物进行霉斑检测对了解纸质文物现状和纸质文物修复至关重要。高光谱成像技术是一种非接触性、非破坏性的检测技术,能同时获得空间数据和光谱数据,与计算机技术结合可以实现纸质文物的大批次实时无损检测。针对黑曲霉这一广泛出现的霉菌,提出一种基于注意力机制的高光谱数据降维方法,通过采集其高光谱数据,实现了高光谱冗余数据的自适应预处理。采集了来自重庆中国三峡博物馆提供的20份纸质文物黑曲霉霉斑样本,使用ENVI软件分析得出在413~855 nm波段范围内,黑曲霉霉斑感染区域和健康区域的平均光谱曲线,平均反射率差异明显;在855~1021 nm波段范围内,黑曲霉霉斑感染区域和墨迹区域的平均光谱曲线,平均反射率差异明显。文中将所提出方法与传统主成分分析和独立成分分析预处理方法分别处理原始高光谱数据,并将结果在经典U-Net、SegNet、DeepLabV3+和PSPNet四个语义分割网络上进行了对比。结果表明,该算法预处理的数据在U-Net和SegNet经典网络中有明显优势,相较于主成分分析法和独立成分分析法,霉斑识别精度取得了较大提升达到89.49%和88.46%,验证了本文所提出算法的有效性,为文物保护领域提供有效的支撑和新的思路。

关键词：高光谱数据预处理霉斑识别纸质文物注意力机制图像分割

基于多尺度CNN与双阶段注意力机制的轴承工况域泛化故障诊断

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2025年第2期44卷 267-278页

作者：乔卉卉赵二贤郝如江刘婕刘帅王勇超石家庄铁道大学机械工程学院石家庄050043 河北省特种设备监督检验研究院石家庄050021

变工况条件下,基于深度学习的列车轮对轴承故障诊断模型的训练集与测试集通常来自不同的工况,不同工况振动信号数据分布差异引起的领域漂移问题导致模型准确率降低。基于域适应的变工况轴承故障诊断方法需要获取目标工况域的样本数据参... 详细信息

变工况条件下,基于深度学习的列车轮对轴承故障诊断模型的训练集与测试集通常来自不同的工况,不同工况振动信号数据分布差异引起的领域漂移问题导致模型准确率降低。基于域适应的变工况轴承故障诊断方法需要获取目标工况域的样本数据参与训练,这在工程实际中难以实现,因此无法实现未知工况的轴承故障诊断。针对以上问题,提出了一种基于多尺度卷积神经网络与双阶段注意力机制网络(two-stage attention multiscale convolutional network model, TSAMCNN)模型的轴承工况域泛化故障诊断方法,其中多尺度特征提取模块从多个尺度上提取时域振动信号中更丰富的故障信息;然后,双阶段注意力模块从通道和空间两个维度自适应地增强故障敏感特征并抑制工况敏感特征和无用特征;最终,提取工况域不变故障特征,从而实现工况域泛化轴承故障诊断。通过变转速和变负载列车轮对轴承故障诊断试验,证明了TSAMCNN模型可提高变工况条件下轴承故障诊断的准确率、抗噪性能和工况域泛化能力。此外,对双阶段注意力机制的权重向量和模型各模块提取的特征进行可视化分析,提高了模型可解释性。

关键词：列车轮对轴承工况域泛化故障诊断卷积神经网络(CNN) 多尺度特征提取注意力机制

注意力机制下多尺度特征融合生成对抗的日间海雾识别

在线全文

学校读者我要写书评

暂无评论

遥感技术与应用 2025年第01期 258-264页

作者：黄彦慧符冉迪方旭源尹曹谦李纲金炜宁波大学信息科学与工程学院

为了提升海雾识别的准确性，在注意力机制下，采用多尺度特征融合生成对抗网络，提出了一种日间海雾识别方法。该方法首先利用条件生成对抗网络生成中红外通道的云图，以消除原始日间中红外通道云图的太阳辐射影响，从而可以综合利用可... 详细信息

为了提升海雾识别的准确性，在注意力机制下，采用多尺度特征融合生成对抗网络，提出了一种日间海雾识别方法。该方法首先利用条件生成对抗网络生成中红外通道的云图，以消除原始日间中红外通道云图的太阳辐射影响，从而可以综合利用可见光、远红外和中红外通道云图在海雾监测中各自的优势。基于此，在UNet网络中引入金字塔切分注意力机制以提高3个输入通道数据特征提取的性能；同时，在编解码器过渡层采用多尺度空洞空间卷积池化金字塔，通过对多个路径进行多尺度特征融合，以增强对不同尺度海雾识别的泛化能力；最后，引入判别网络对生成网络进行监督，实现对海雾边缘的精准界定。实验结果表明：该方法的海雾检测精度较传统方法有所提升，命中率（POD）达到94.16%，误报率（FAR）为11.61%，临界成功指数（CSI）为83.59%，为日间海雾识别提供了一种新思路。

关键词：葵花8号卫星注意力机制多尺度日间海雾识别生成对抗网络

基于融入注意力机制的改进U-Net鲁棒焊缝识别算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机集成制造系统 2025年第1期31卷 135-146页

作者：周思羽刘帅师杨宏韬宋宜虎长春工业大学电气与电子工程学院吉林长春130012

针对复杂焊接环境下大量弧光噪声造成焊缝激光条纹分割精度低的问题,提出一种融入注意力机制的改进U-Net鲁棒焊缝识别算法。首先,在模型的特征融合过程中使用超强通道注意力机制实现特征的加权融合。然后,在编码器结构之后,加入特征分... 详细信息

针对复杂焊接环境下大量弧光噪声造成焊缝激光条纹分割精度低的问题,提出一种融入注意力机制的改进U-Net鲁棒焊缝识别算法。首先,在模型的特征融合过程中使用超强通道注意力机制实现特征的加权融合。然后,在编码器结构之后,加入特征分类结构,使其可以输出焊缝对应类型名称。最后,由于网络训练中正负样本失衡会对识别结果产生影响,在模型的损失函数中添加Dice Loss和Focal Loss来进行修正,以提高模型的鲁棒性和泛化性。另外,在模型训练的过程中提出了一种像素位置信息和图像种类信息融合的方式,以增强焊缝识别的鲁棒性。实验表明,在具有弧光、烟雾噪声等干扰环境下,所提方法得到了较好的实验结果,能够满足检测对精度和实时性的需求,在具有弧光、烟雾等干扰的实际焊接现场中具有一定的应用前景。

关键词：焊缝识别图像分割注意力机制 U-Net 鲁棒性

在线全文

学校读者我要写书评

暂无评论

注意力机制与混合模型融合的短期交通流预测

重庆理工大学学报(自然科学) 2025年第1期39卷 213-218页

作者：周文学赵丽雅兰州交通大学数理学院兰州730000

为及时、准确地预测交通流,解决精度低、高维特征缺失等问题,建立CNN-GRU-ATT模型来对英国高速公路交通数据进行预测。模型中的卷积层用来提取特征,GRU层用于描述时间趋势,注意力层用于聚焦关键信息。输入多个路段的短期交通流信息,考... 详细信息

为及时、准确地预测交通流,解决精度低、高维特征缺失等问题,建立CNN-GRU-ATT模型来对英国高速公路交通数据进行预测。模型中的卷积层用来提取特征,GRU层用于描述时间趋势,注意力层用于聚焦关键信息。输入多个路段的短期交通流信息,考虑多路段之间的相互关联以及气象因素的影响。实验发现:该模型与支持向量回归(SVR)、长短期记忆网络(LSTM)、门控循环网络(GRU)、CNN-GRU、GRU-ATT模型相比,模型精度更高,拟合优度达到了96.89%,MAPE最高降低了21.55%;将多路段与单路段数据分别进行输入,发现前者能够更好地进行预测,MAPE降低了7.56%。添加气象因素后模型精度有所提高,拟合优度达到了97.06%。

关键词：注意力机制多路段输入卷积神经网络门控循环网络

在线全文

学校读者我要写书评

暂无评论

特征重排列注意力机制的双池化残差分类网络

中国图象图形学报 2025年第1期30卷 110-129页

作者：袁姮刘杰姜文涛刘万军辽宁工程技术大学软件学院葫芦岛125105

目的针对残差图像分类网络中通道信息交互不充分导致通道特征没有得到有效利用,同时残差结构使部分特征信息丢失的问题,本文提出特征重排列注意力机制的双池化残差分类网络(double-pooling residual classification network of feature ... 详细信息

目的针对残差图像分类网络中通道信息交互不充分导致通道特征没有得到有效利用,同时残差结构使部分特征信息丢失的问题,本文提出特征重排列注意力机制的双池化残差分类网络(double-pooling residual classification network of feature reordering attention mechanism,FDPRNet)。方法FDPRNet以ResNet-34(residual network)残差网络为基础,首先将第1层卷积核尺寸从7×7替换为3×3,保留更多的特征信息,增强网络非线性表达能力,同时删除最大池化层,提高局部细节捕捉能力;然后,提出特征重排列注意力机制(feature reordering attention mechanism,FRAM)模块,将特征图通道进行分组,对其进行组间和组内重排序,通过一维卷积提取各通道组合的特征并拼接,得到重排列特征的权重;最后,提出了双池化残差(double-pooling residual,DPR)模块,该模块使用最大池化和平均池化并行操作特征图,并对池化后的特征图进行逐元素相加和卷积映射,以提取关键特征,减小特征图尺寸。结果在CIFAR-100(Canadian Institute for Advanced Research)、CIFAR-10和SVHN(street view house numbers)数据集上与其他11种图像分类网络进行比较,相比于性能第2的模型RTSA Net-101(residual Net-101 with tensorsynthetic attention),准确率分别提高了1.16%、1.01%和0.98%。实验结果表明FDPRNet显著提升了分类准确率。结论本文提出的FDPRNet具有增强图像通道内部信息交流和减少特征丢失的能力,不仅在分类精度上表现出较高水平,而且显著提升了模型的泛化能力。

关键词：图像分类特征重排列注意力机制残差网络深度学习

基于像素差异度注意力机制的轻量化YOLOv5行人检测算法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2025年第1期61卷 291-299页

作者：陈高宇王晓军李晓航上海工程技术大学电子电气工程学院上海201620

针对实时行人检测场景存在遮挡、形态姿势不同的行人目标,YOLOv5模型对于这些目标检测有明显的漏检问题,提出一种像素差异度注意力机制(pixel difference attention,PDA),不同于传统的通道注意力机制用全局均值池化(global average pool... 详细信息

针对实时行人检测场景存在遮挡、形态姿势不同的行人目标,YOLOv5模型对于这些目标检测有明显的漏检问题,提出一种像素差异度注意力机制(pixel difference attention,PDA),不同于传统的通道注意力机制用全局均值池化(global average pooling,GAP)、全局最大值池化(global max pooling,GMP)来概括整张特征图的信息,全局池化将空间压缩成一个值来表征整个通道,造成了空间信息的流失,PDA将空间信息沿高和宽分别压缩,并将其分别与通道信息联系起来做注意力加权操作,同时提出一种新的通道描述指标表征通道信息,增强空间信息与通道信息的交互,使模型更容易关注到综合了空间和通道维度上的特征图的重要信息,在主干网络末端插入PDA后使模型平均精度(mean average precision,mAP)0.5提升了2.4个百分点,mAP0.5:0.95提升了4.4个百分点;针对实时检测场景的部署和检测速度要求模型拥有较少的参数量和计算量,因此提出了新的轻量化特征提取模块AC3代替原YOLOv5模型中的C3模块,该模块使插入PDA后的改进模型在精度仅仅损失0.2个百分点的情况下,参数量(parameters,Param.)减少了20%左右,浮点运算量(giga floating-point operations,GFLOPs)减少了30%左右。实验结果表明,最终的改进模型比YOLOv5s原模型在VOC行人数据集上mAP0.5提升了2.2个百分点,mAP0.5:0.95提升了3.1个百分点,且参数量减少了20%左右,浮点运算量减少了30%左右,在GTX1050上的检测速度(frames per second,FPS)提升了4。

关键词： YOLOv5 行人检测注意力机制轻量化模型通道描述指标