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

交叉门控融合的改进语义分割网络及应用

重庆理工大学学报（自然科学） 2023年第6期37卷 187-195页

作者：陈海永刘新如河北工业大学人工智能与数据科学学院天津300130

针对太阳能电池表面的断栅、划痕、黑斑等导致的缺陷分割精度差的问题,提出一种交叉门控融合的改进语义分割网络。使用门控机制选择性地融合网络中的多尺度信息,充分利用底层细节信息和高层语义信息,增强微小缺陷的特征表示,并结合上下... 详细信息

针对太阳能电池表面的断栅、划痕、黑斑等导致的缺陷分割精度差的问题,提出一种交叉门控融合的改进语义分割网络。使用门控机制选择性地融合网络中的多尺度信息,充分利用底层细节信息和高层语义信息,增强微小缺陷的特征表示,并结合上下文模块提高获取全文信息的能力。为了进一步解决太阳能电池缺陷边缘信息弱的问题,引入PointRend模块对缺陷边缘的点进行采样,对边缘中不确定的点实行自适应细分策略,实现对缺陷边缘的精细分割。实验结果表明:所提方法在太阳能EL组件电池数据集上的mIoU达到了65.53%。和现有的语义分割算法相比,所提方法能够有效细化目标边界,更好地处理微小微弱缺陷。

关键词：太阳能电池缺陷分割多尺度特征门控融合上下文注意力

孪生注意力门控融合的遥感图像变化检测编解码网络

在线全文

学校读者我要写书评

暂无评论

计算机工程与科学 2023年第9期45卷 1593-1601页

作者：陈海永吕承杰杜春陈鹏河北工业大学人工智能与数据科学学院天津300401 国防科技大学电子科学学院湖南长沙410073

针对深度卷积神经网络中特征图分辨率降低,进而导致遥感图像小变化区域检测性能差以及难以有效区分外界干扰而产生伪变化等问题,提出了一种孪生注意力门控融合的遥感图像变化检测编解码网络。在编码部分引入了三重注意力网络模块,为进... 详细信息

针对深度卷积神经网络中特征图分辨率降低,进而导致遥感图像小变化区域检测性能差以及难以有效区分外界干扰而产生伪变化等问题,提出了一种孪生注意力门控融合的遥感图像变化检测编解码网络。在编码部分引入了三重注意力网络模块,为进一步解决变化检测图中产生伪变化的问题,提出了注意力门控融合模块,从多个层次选择性地融合特征,在解码部分直接引入深度监督策略,增强了变化检测网络的特征提取能力。通过实验对本文所提网络的有效性进行了验证。

关键词：图像处理高分辨率遥感图像变化检测注意力机制门控融合深度监督

基于上下文增强和门控融合的遥感影像地物分类研究

在线全文

学校读者我要写书评

暂无评论

基于上下文增强和门控融合的遥感影像地物分类研究

作者：周鹏湖南大学

学位级别：硕士

遥感影像地物分类是指对遥感影像中的每个像元进行识别分类并标注为对应的目标类别。该技术被广泛应用于土地利用制图、城市规划和灾害应急响应等领域,因此准确且快速的进行地物分类具有重要的研究价值和意义。随着对地观测技术的进步,... 详细信息

遥感影像地物分类是指对遥感影像中的每个像元进行识别分类并标注为对应的目标类别。该技术被广泛应用于土地利用制图、城市规划和灾害应急响应等领域,因此准确且快速的进行地物分类具有重要的研究价值和意义。随着对地观测技术的进步,遥感影像的分辨率越来越高、数据量显著增大,而传统的地物分类方法特征表示能力有限在面对海量的高分辨率影像时已无法满足现实应用中精度需求。近年来,深度学习在计算机视觉领域取得了突破性进展,能从大量的数据中学习到鲁棒的特征表征,成为当今高分辨率遥感影像地物分类的研究主流。本文基于深度学习语义分割相关理论基础知识,结合光学遥感影像特征,提出了两种针对光学高分辨遥感影像的地物分类算法,并以此为基础开发了地物分类辅助软件。本文研究内容组织如下:1)针对高分辨率遥感影像复杂场景易导致大尺度物体碎片化的预测、小尺度物体丢失的问题,本文提出了一种基于上下文增强的文本表征增强网络(CRENet)用于遥感影像地物分类。该方法定义了一种基于超像素块间关系的超像素亲和力损失,通过在训练过程中监督网络捕获正确且符合类别关系的全局上下文来强化大尺度物体的一致性预测。此外,针对遥感影像中大量小尺度的目标,提出了本地特征对齐增强模块。首先使用多层不同比率的空洞可变形卷积组成文本对比块来增强浅层特征,并运用可变形卷积将浅层特征层与深层特征层对齐,随后将对齐后的特征层融合来提升网络的小目标检测能力。实验结果表明,该方法显著地提升了遥感影像中不同尺度物体的分割精度,能有效解决分类中小尺度物体丢失的问题。2)针对现有的深度学习方法计算复杂度大、占用内存高的问题,提出了一种基于Res Net18即插即用的轻量化门控融合网络(对齐门控网络AGNet),用于遥感影像地物分类。该方法基于编码解码架构,其轻量化特征对齐模块通过可变形卷积学习不同层的特征图之间的语义差异,并使用深层特征引导浅层特征对齐以消除语义鸿沟。考虑到轻量化骨架网络特征提取能力有限,设计了门控特征选择模块,通过门控机制有选择地融合来自不同层的对齐特征图,以增强有价值的信息,抑制无用的噪声信息。实验结果证明了AGNet的有效性和轻量性,该方法在硬件条件受限的情况下可快速、高效的对大尺寸高分辨率遥感影像进行地物分类。3)针对高分辨率遥感影像地物分类的应用需求,开发了一个高分辨率遥感影像地物分类辅助软件。该软件包括一个统计分析工具箱并集成了上述提出的两种分类算法。

关键词：光学遥感影像地物分类上下文增强门控融合卷积神经网络

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

基于注意力机制的门控融合单幅图像去雾网络

信息与电脑 2022年第9期34卷 59-61页

作者：黄海霞合肥工业大学微电子学院安徽合肥230601

图像去雾指去除图像中的噪声,提高图像的对比度,从而恢复出清晰的无雾图像。针对现有去雾算法去雾效果不理想的问题,笔者提出一种基于注意力机制的单幅图像去雾算法,并和一些经典的去雾算法进行对比分析。实验结果表明,与其他算法相比,... 详细信息

图像去雾指去除图像中的噪声,提高图像的对比度,从而恢复出清晰的无雾图像。针对现有去雾算法去雾效果不理想的问题,笔者提出一种基于注意力机制的单幅图像去雾算法,并和一些经典的去雾算法进行对比分析。实验结果表明,与其他算法相比,所提方法能够获得更好的去雾效果。

关键词：图像去雾注意力机制门控融合去雾网络

在线全文

学校读者我要写书评

暂无评论

基于双模态门控特征融合的跌倒检测方法

计算机测量与控制 2024年第10期32卷 69-76页

作者：郭夏迪曹炳尧上海大学特种光纤与光接入网重点实验室上海200444

使用单一传感器进行人体跌倒检测的方法不能充分捕捉动作特征,摄像头在光线较差时无法获得高质量图像,毫米波雷达的点云稀疏性降低了远距离目标信息的有效性;针对上述问题,提出了一种基于双模态门控特征融合的跌倒检测方法;使用雷达和... 详细信息

使用单一传感器进行人体跌倒检测的方法不能充分捕捉动作特征,摄像头在光线较差时无法获得高质量图像,毫米波雷达的点云稀疏性降低了远距离目标信息的有效性;针对上述问题,提出了一种基于双模态门控特征融合的跌倒检测方法;使用雷达和摄像头同步检测,雷达分支根据时间-距离图和微多普勒图获得融合特征,视觉分支提取目标的光学特征;将两种特征送入门控融合模块,根据权重整合特征信息,在输出层实现分类;设计了雷达分支和整体网络的相关实验,雷达分支融合方法的平均准确率是91.7%,优于单一特征方法;整体网络的门控融合方法的准确率是94.1%,相比特征相加融合和首尾拼接融合方法分别高出3.0%和1.8%;充分表明该方法能够提升人体跌倒检测的性能。

关键词：毫米波雷达视觉双模态特征融合门控融合跌倒检测

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

结构门控与纹理联合引导的生成对抗壁画修复

湖南大学学报（自然科学版） 2023年第2期50卷 1-11页

作者：陈永陶美风赵梦雪兰州交通大学电子与信息工程学院甘肃兰州730070 甘肃省人工智能与图形图像处理工程研究中心甘肃兰州730070

现有深度学习修复方法修复壁画时,受结构和纹理影响较大,修复结果易出现结构紊乱和纹理模糊等问题.针对这些问题,提出了一种结构门控融合与纹理联合引导的生成对抗壁画修复模型.首先,构建由结构引导编码子网络和纹理引导解码子网络构成... 详细信息

现有深度学习修复方法修复壁画时,受结构和纹理影响较大,修复结果易出现结构紊乱和纹理模糊等问题.针对这些问题,提出了一种结构门控融合与纹理联合引导的生成对抗壁画修复模型.首先,构建由结构引导编码子网络和纹理引导解码子网络构成的生成网络,利用结构信息引导编码,并通过门控特征增强边缘轮廓信息.然后,设计纹理引导器和方向注意力模块提取分层纹理特征,引导解码器重构修复,提高壁画的纹理一致性.最后,采用跳跃连接促进结构和纹理的特征互补,并利用谱归一化马尔科夫判别模型对抗完成壁画修复.对真实敦煌壁画数字化修复实验的结果表明:所提方法主客观评价均优于比较算法,修复结果更加清晰、自然.

关键词：图像处理壁画修复结构纹理引导方向注意力门控融合

同方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

混合注意力与多特征交互的去雾算法

哈尔滨工业大学学报 2024年第9期56卷 56-64页

作者：杨燕张全君梁皓博兰州交通大学电子与信息工程学院兰州730070

为解决目前深度学习去雾算法在处理非均匀雾天图像时无法有效利用多尺度特征,导致复原出的图像产生颜色失真、细节恢复不完整等问题,提出了混合注意力与多特征交互的图像去雾算法。首先,利用编码模块提取不同尺度的特征;其次,构造混合... 详细信息

为解决目前深度学习去雾算法在处理非均匀雾天图像时无法有效利用多尺度特征,导致复原出的图像产生颜色失真、细节恢复不完整等问题,提出了混合注意力与多特征交互的图像去雾算法。首先,利用编码模块提取不同尺度的特征;其次,构造混合注意力模块,从全局角度对图像雾气进行感知,并利用通道注意力机制对不同雾浓度分配权重;然后,设计多特征交互模块,实现不同尺度特征间的信息交换,有效利用低分辨率特征中的语义信息,同时保留了高分辨率特征的空间细节与颜色信息,并利用门控融合模块聚合不同尺度的特征;最后,解码模块对融合后的特征进行重构,得到无雾图像。实验结果表明,运用本文提出的算法恢复的去雾图像不仅主观上颜色自然、细节清晰,而且在客观指标上也优于现有的主流算法。该研究结果可为深度学习去雾研究与应用提供新的方案。

关键词：图像去雾编解码器混合注意力多特征交互门控融合

一种用于多域对话状态追踪的知识增强与自注意力引导的图神经网络

同方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

小型微型计算机系统 2024年第1期45卷 108-114页

作者：刘漳辉林宇航陈羽中福州大学计算机与大数据学院福州350116 福建省网络计算与智能信息处理重点实验室福州350116

对话状态追踪是对话系统的重要组成部分,旨在从用户与系统的对话中跟踪用户意图,其通常表示为槽位-槽值对序列.近年来,深度神经网络模型在对话状态追踪问题上取得了较大进展.然而,现有模型在槽位相关性建模方面还存在可拓展性差与易引... 详细信息

对话状态追踪是对话系统的重要组成部分,旨在从用户与系统的对话中跟踪用户意图,其通常表示为槽位-槽值对序列.近年来,深度神经网络模型在对话状态追踪问题上取得了较大进展.然而,现有模型在槽位相关性建模方面还存在可拓展性差与易引入噪声等问题.针对上述问题,本文提出了一种知识增强与自注意力引导的图神经网络KESA-GNN(Knowledge-Enhanced&Self-Attention Guided Graph Neural Network).首先,KESA-GNN通过外部知识嵌入增强槽的语义表征提升多头自注意力机制对槽位间相关性的辨别能力.其次,为了精确建模槽位间的诸如共指、共现等相关性,提出了一种自注意力引导的图神经网络建模槽位相关性.该网络采用多头注意力机制获得槽位间的注意力矩阵以及槽位表征,通过Max-N Relation算法获得注意力矩阵中强相关关系集,将稠密的注意力矩阵稀疏化,从而引导图神经网络中强相关槽位间的信息传播,降低无关槽位的噪声影响.最后,KESA-GNN采用门控融合机制过滤槽位多头注意力和图神经网络输出的槽位表征,从而获取更准确的槽位表征向量,进一步提升了KESA-GNN的鲁棒性.在多域对话数据集上的实验结果表明,KESA-GNN模型的性能优于最新的基线模型.

关键词：对话状态追踪知识图谱自注意力引导图神经网络门控融合

同方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

基于特征融合的手势分割与识别算法研究

基于特征融合的手势分割与识别算法研究

作者：周国宇河北大学

学位级别：硕士

基于计算机视觉的手势识别方法在机器人视觉手势交互中发挥着重要作用。随着对智能机器人的需求不断增加,人机交互方式不断演进。手势识别作为一种直观自然的交互形式,已成为机器人和人类之间无缝交流的关键技术。本文面向移动操作机器... 详细信息

基于计算机视觉的手势识别方法在机器人视觉手势交互中发挥着重要作用。随着对智能机器人的需求不断增加,人机交互方式不断演进。手势识别作为一种直观自然的交互形式,已成为机器人和人类之间无缝交流的关键技术。本文面向移动操作机器人特定应用,以深度学习为基础,提出了BLSNet和FGDSNet模型,深入探讨了手势分割和手势识别任务,具体如下:(1)设计了基于多特征融合的三分支轻量级手势分割网络(tri-Branch Lightweight Segmentation Network,BLSNet)。手势分割是手势识别的首要步骤,也是基于计算机视觉的手势交互的基础。然而,复杂背景和手势类型的多样性导致现有轻量级手势分割算法准确度较低。为解决这个问题,本文设计了一种新的手势分割网络结构,提出了一种基于多特征融合的三分支轻量级手势分割网络(BLSNet)。该网络包括三个分支:边界分支、细节分支和语义分支,分别提取边界特征、局部细节特征和语义特征。在边界分支中,为了提取手势边界的多尺度特征,设计了一种新型多尺度深度可分离条形卷积(Multi-scale Depth-wise Strip Convolution,MDSC)模块;在细节分支中,为了增强细节分支对手势边界细节的关注度,提出了一种基于边界注意力的边界加权(Boundary Weight,BW)模块。在语义分支中,为了准确检测手势位置,使用连续下采样的语义分支来处理复杂背景等干扰因素。为了验证所提手势分割网络的有效性,在OUHANDS和HGR1数据集上进行了相关实验验证,结果表明所提出的方法优于其他对比方法,且在计算复杂性和准确性之间取得了良好的平衡性。(2)设计了融合门控双阶段手势识别网络(Fusing Gate Dual Stages Network,FGDSNet)。现有的轻量级手势分割方法由于手势特征的表达以及融合不充分,导致手势识别精度较低。为解决这些问题,提出了一种轻量级的融合门控双阶段手势识别网络(FGDSNet),该网络包括手势分割和识别两个阶段。在分割阶段,该网络采用双分支网络结构(即:局部细节分支和上下文语义分支)进行特征提取。为促进局部和全局特征的融合并过滤冗余的特征信息,本文分别设计了余弦相似度-KL散度注意力模块(Cosine Similarity-KL Divergence Attention Module,Co SKLAM)和门控过滤模块(Gate Filtering Module,GFM)。在手势识别阶段,该手势识别网络将手势分割结果和原始手势图像作为网络输入以预测手势类别。相关实验表明,所提出的网络在手势分割和手势识别数据集上表现良好,并且具有实时推理速度和极低的参数量。

关键词：手势分割与识别边界特征提取多特征融合余弦相似度 KL散度门控融合