检索结果-南通市图书馆

维普期刊数据库

融合卷积和Transformer的腹部多器官分割网络

在线全文

学校读者我要写书评

暂无评论

计算机技术与发展 2024年

作者：杨萍陈立伟王庆凤周莹西南科技大学计算机科学与技术学院绵阳市中心医院放射科

腹部多器官分割在计算机辅助诊断中起着至关重要的作用，具有重要的研究价值。但由于腹部多器官边界模糊、背景复杂以及形状大小多变，使这项任务极具挑战性。为此，提出了一种融合卷积和Transformer的腹部多器官分割网络TCMSUnet。首... 详细信息

腹部多器官分割在计算机辅助诊断中起着至关重要的作用，具有重要的研究价值。但由于腹部多器官边界模糊、背景复杂以及形状大小多变，使这项任务极具挑战性。为此，提出了一种融合卷积和Transformer的腹部多器官分割网络TCMSUnet。首先，在特征提取阶段设计了多尺度引导融合模块（GFM），利用高层特征提取的显著语义信息来引导低层特征以增强相邻特征的语义一致性，从而促进不同尺度特征的融合；随后设计了全局局部增强模块（GLE），通过空洞卷积和Transformer块结合来增强模型对全局局部上下文信息的提取，使模型在建立长距离依赖关系的同时加强特征的局部关联性；最后，在解码器部分引入多阶段损失聚合结构以加快模型的收敛并优化模型的性能。在Synapse数据集上评估了模型的性能，其平均Dice相似系数（DSC）为81.20%。实验结果表明，所提方法整体性能优于多种比较网络，并对形状大小多变的器官有更好的分割效果。

关键词：医学图像分割特征融合多尺度空洞卷积 Transformer 多器官

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于感知增强与多尺度融合的小目标车辆检测

北京航空航天大学学报 2024年

作者：沈瑜李阳阳李博昊高宝渠魏子易白珊兰州交通大学电子与信息工程学院

为解决车辆小目标携带信息匮乏，特征表达能力弱，导致现有算法检测精度低、漏检等问题，本文提出了一种基于感知增强与多尺度融合的小目标车辆检测算法。首先，设计了空间局部特征增强骨干网络SLFPB-ST，解决了特征提取过程中小目标特... 详细信息

为解决车辆小目标携带信息匮乏，特征表达能力弱，导致现有算法检测精度低、漏检等问题，本文提出了一种基于感知增强与多尺度融合的小目标车辆检测算法。首先，设计了空间局部特征增强骨干网络SLFPB-ST，解决了特征提取过程中小目标特征信息丢失严重的问题；其次，提出一种多尺度特征融合网络（Multi Scale Information Fusion Network，MSIFN），通过分配权重，关注更多的细节信息。同时，在MSIFN中加入大目标抑制块（Large Objects Restriction Block，LRB）约束大目标特征，保留小目标特征表达；最后，采用无锚框机制，减少小目标漏检问题，提高检测精度。在UA-DETRAC数据集和Vehicle数据集上实验结果表明，与Swin Transformer算法相比，本文算法在mAP、AP50和AP75指标上分别提升5.15%、9.35%和4.35%，参数量增加14MB，FPS降低0.4 frame/s，验证了本文算法具有良好的鲁棒性和适用性。

关键词：小目标车辆检测 Swin Transformer 多尺度融合空洞卷积 GIOU

基于时频融合深度网络的矿用钻机轴承故障诊断

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

中国机械工程 2024年

作者：邹筱瑜孙国庆王忠宾潘杰刘新华李鑫中国矿业大学信息与控制工程学院智能采矿装备技术全国重点实验室中国矿业大学机电工程学院

针对矿用钻机低速重载工作特性导致其轴承故障特征微弱、噪声大的问题，考虑单一模态下故障诊断的局限性，提出一种基于时频融合深度网络的矿用钻机轴承故障诊断方法，对时域和时频域两种模态特征进行联合提取与分析。所设计的诊断网络... 详细信息

针对矿用钻机低速重载工作特性导致其轴承故障特征微弱、噪声大的问题，考虑单一模态下故障诊断的局限性，提出一种基于时频融合深度网络的矿用钻机轴承故障诊断方法，对时域和时频域两种模态特征进行联合提取与分析。所设计的诊断网络在不同模块中区分性地嵌入不同注意力机制，实现多维度关键故障特征提取。最后，通过钻机实验台数据集和凯斯西储大学轴承数据集进行验证。结果表明：所提方法能自动提取丰富的钻机轴承故障特征，比仅在时域或时频域分析时，具有更高的准确率和抗噪能力。

关键词：矿用钻机轴承故障诊断时频融合注意力机制空洞卷积

基于多尺度与注意力机制的两阶段风暴单体外推研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

图学学报 2024年

作者：魏敏姚鑫成都信息工程大学计算机学院

风暴是一种生命周期短、发生突然、空间尺度小的自然现象，常用雷达回波外推方法进行预测，但时序预测模型难以在众多特征中定位风暴关键信息，导致预测精度低，模型无法充分学习图像高频信息，导致预测细节缺失，结果模糊。为了提升预... 详细信息

风暴是一种生命周期短、发生突然、空间尺度小的自然现象，常用雷达回波外推方法进行预测，但时序预测模型难以在众多特征中定位风暴关键信息，导致预测精度低，模型无法充分学习图像高频信息，导致预测细节缺失，结果模糊。为了提升预测性能，提出两阶段风暴单体外推框架。第一阶段使用多尺度模块提取多尺度信息，注意力机制挖掘影响预测的重要特征，使用时空长短期记忆单元进行序列预测。第二阶段对一阶段结果进行偏差矫正，使用频域损失丰富外推细节。实验结果表明，在雷达回波数据集上，与主流模型PredRNN-V2相比，均方误差降低11.4%，SSIM提升4.3%，在风暴单体外推任务中表现优越。在Moving MNIST数据集上，均方误差降低4.95%，感知损失降低12.67%，SSIM提升至0.898，具有良好的时序预测能力。

关键词：注意力机制空洞卷积频域损失长短期记忆时空序列预测

融合显示视觉中心与注意力机制的水下目标检测算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

激光与光电子学进展 2024年第12期 441-450页

作者：陶洋钟邦乾赵文博周昆重庆邮电大学通信与信息工程学院

针对水下海洋生物检测任务存在的目标间相互遮挡、对细长型目标检测精度低、小目标众多等问题，提出一种基于YOLOv5的水下目标检测算法。该算法通过引入可变形卷积、空洞卷积和注意力机制来重新设计主干网络，增强特征提取能力，解决目... 详细信息

针对水下海洋生物检测任务存在的目标间相互遮挡、对细长型目标检测精度低、小目标众多等问题，提出一种基于YOLOv5的水下目标检测算法。该算法通过引入可变形卷积、空洞卷积和注意力机制来重新设计主干网络，增强特征提取能力，解决目标间相互遮挡和对细长型目标检测精度低的问题；同时，提出加权显示视觉中心特征金字塔模块，解决特征融合不充分问题，降低小目标漏检率；并调整YOLOv5算法的网络结构，增加融合注意力机制的小目标检测层，提升对小目标物体的检测能力。实验结果表明：改进后的YOLOv5算法在URPC数据集上的平均精度均值达87.8%，较原始YOLOv5算法提高了5.3百分点；同时检测速度保持在34 frame/s；在水下目标检测任务中能够有效提高精确度，降低漏检率和错检率。

关键词：目标检测 YOLOv5 可变形卷积空洞卷积注意力机制显示视觉中心

嵌入空洞卷积和批归一化模块的智能煤矸识别算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

矿业安全与环保 2022年第3期49卷 45-50页

作者：郭永存张勇李飞杨鹏安徽理工大学深部煤矿采动响应与灾害防控国家重点实验室安徽淮南232001 安徽理工大学电气与信息工程学院安徽淮南232001 安徽理工大学机械工程学院安徽淮南232001

为解决现有机器视觉煤、矸石识别算法感受野小、特征提取能力低和训练收敛速度慢的问题,提出一种嵌入空洞卷积和批归一化模块的智能煤矸识别算法。该算法利用空洞卷积替换VGGNet16网络中尺寸为3×3的卷积核,增大卷积核感受野、提高网络... 详细信息

为解决现有机器视觉煤、矸石识别算法感受野小、特征提取能力低和训练收敛速度慢的问题,提出一种嵌入空洞卷积和批归一化模块的智能煤矸识别算法。该算法利用空洞卷积替换VGGNet16网络中尺寸为3×3的卷积核,增大卷积核感受野、提高网络的特征提取能力,同时在卷积层和激活层之间嵌入批归一化模块,在避免梯度消失的同时可加快模型训练收敛速度。利用搭建的实验装置采集煤和矸石图片,制作煤和矸石图像数据集,对模型进行训练,并基于浮点运算次数FLOPs和F1分数对模型的训练结果和预测效果进行评价。实验结果表明,改进后的煤矸识别算法FLOPs为71 632 538次,测试集F1分数为0.994 3,训练在第5个周期即收敛且准确率达到97%以上。通过与其他网络模型训练结果进行对比,说明所建模型具有较快的收敛速度且预测效果较好。

关键词：机器视觉煤矸识别数据增强空洞卷积批归一化模型优化

维普期刊数据库

基于注意力机制和轻量级空洞卷积的混凝土路面裂缝检测

在线全文

学校读者我要写书评

暂无评论

计算机科学 2023年第2期50卷 231-236页

作者：瞿中王彩云重庆邮电大学计算机科学与技术学院重庆400065

混凝土路面上的裂缝会影响结构的安全性、适用性和耐久性,裂缝检测是一个充满挑战的研究热点。文中提出了由改进的全卷积网络和深监督网络组成的裂缝检测模型,以改进的VGG-16作为主干网络,首先将低层卷积特征聚合,通过空间注意力机制再... 详细信息

混凝土路面上的裂缝会影响结构的安全性、适用性和耐久性,裂缝检测是一个充满挑战的研究热点。文中提出了由改进的全卷积网络和深监督网络组成的裂缝检测模型,以改进的VGG-16作为主干网络,首先将低层卷积特征聚合,通过空间注意力机制再次融合到主干网络;其次,将中高层卷积特征通过轻量级空洞卷积融合模块进行多尺度融合得到具有清晰边缘且分辨率较高的特征图像,所有的侧边特征图像相加产生最终的预测图像;最后,深监督网络为每个阶段的检测结果提供直接监督。该网络选择焦点损失函数作为评价函数,经过训练的网络模型能够在光照不均、背景复杂等各种条件下从输入的原始图像中高效地识别出裂缝位置。为验证所提方法的有效性和鲁棒性,在DeepCrack,CFD,Crack500这3个数据集上与6种方法进行了比较,所提算法表现出卓越的性能,F-score值达到了87.12%。

关键词：裂缝检测注意力机制空洞卷积多尺度融合全卷积深度监督网络

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于实体级联类型的中文关系抽取管道模型

计算机应用研究 2024年

作者：饶东宁吴倩梅黄观琚广东工业大学计算机学院

端到端实体关系抽取任务可以被分解成命名实体识别和关系抽取两个子任务，最近的工作多将这两个子任务联合建模。现有的流水线方法验证了在关系模型中融合实体类型信息的重要性和管道模型的潜力，但是它们忽略了文本中的某些实体可能同... 详细信息

端到端实体关系抽取任务可以被分解成命名实体识别和关系抽取两个子任务，最近的工作多将这两个子任务联合建模。现有的流水线方法验证了在关系模型中融合实体类型信息的重要性和管道模型的潜力，但是它们忽略了文本中的某些实体可能同时具有多个类型，这种多义性的情况在中文数据集中尤为常见。为解决上述问题该文提出了一种实体级联类型机制，并在此基础上开发了一个更适合中文关系抽取的管道模型，取名为CENTRELINE。这一流水线方法的实体模块是一个词-词关系分类模型，它以BERT和双向LSTM作为编码器、经过条件层归一化后引入空洞卷积，最后通过级联类型预测器输出实体及其级联类型。关系模块的输入仅由实体模块构建。该方法在DuIE1.0、DuIE2.0和CMeIE-V2数据集上的F1值分别比基线方法提高7.23%、6.93%和8.51%，并在DuIE1.0和DuIE2.0数据集上都实现了最先进的性能。消融实验表明，该文提出的级联类型机制和根据中文语言特征改进的管道模型，均对关系抽取性能具有明显的促进作用。

关键词：中文关系抽取管道模型空洞卷积实体级联类型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于双重注意力机制的人群计数方法

计算机应用 2024年

作者：赵志强马培红黑新宏西安理工大学计算机科学与工程学院陕西省网络计算与安全技术重点实验室(西安理工大学)

针对复杂场景下人群计数问题中存在的尺度变化、背景干扰和部分遮挡等问题，在空洞卷积操作的基础上，提出一种基于双重注意力机制的空洞上下文卷积神经网络（DA-DCCNN）。首先，利用VGG16中的卷积层作为特征提取器，获取人群图像抽象... 详细信息

针对复杂场景下人群计数问题中存在的尺度变化、背景干扰和部分遮挡等问题，在空洞卷积操作的基础上，提出一种基于双重注意力机制的空洞上下文卷积神经网络（DA-DCCNN）。首先，利用VGG16中的卷积层作为特征提取器，获取人群图像抽象、深层的特征图；然后，利用空洞卷积构造空洞上下文模块（DCM）对不同层获取的特征进行连接，并引入空间注意模块（SAM）和通道注意模块（CAM）获取上下文信息；最后，组合欧氏距离和交叉熵构造损失函数，对网络预测注意力图和真实注意力图之间的差异进行度量。对在ShanghaiTech、UCF＿CC＿50和UCF-QNRF三个公开数据集上的实验结果表明，DA-DCCNN能在有效获取图像的多尺度特征的同时，也可以增强对图像中重要区域和通道的感知能力，平均绝对误差（MAE）取得了相对最优的结果。可见，基于双重注意力机制的特征融合网络能有效感知图像中的空间结构和局部特征，从而使得生成的密度图能更准确地对人群区域进行预测和计数。

关键词：空洞卷积上下文特征双重注意力机制密度图人群计数