基于残差注意力机制的图像超分辨率重建

1

作者 李岚 张云 +1 位作者 何方 尹喆 《兰州文理学院学报（自然科学版）》 2024年第5期48-53,共6页

针对传统方法中纹理、边缘、遮挡等区域难以进行图像超分辨率重建的问题,提出一种基于注意力机制的残差网络超分辨率重建方法.首先对输入图像应用一层卷积网络和一层位移网络提取浅层特征;然后引入若干个残差坐标注意力模块自适应校正... 针对传统方法中纹理、边缘、遮挡等区域难以进行图像超分辨率重建的问题,提出一种基于注意力机制的残差网络超分辨率重建方法.首先对输入图像应用一层卷积网络和一层位移网络提取浅层特征;然后引入若干个残差坐标注意力模块自适应校正通道权重,与浅层特征相加提取深层特征;最后,结合亚像素卷积重建出高分辨率图像.在标准数据集Set5和Set14上的实验结果表明,该方法重建图像的客观评价指标和视觉效果均优于SRCNN、VDSR和Bicubic方法,在一定程度上改善了重建图像的质量,并提升了算法的运行速度. 展开更多

关键词 卷积神经网络 残差注意力机制 特征提取 超分辨率重建

在线阅读 下载PDF 职称材料

基于残差注意力机制的肺结节数据增强方法

2

作者 李阳 李春璇 +1 位作者 徐灿飞 方立梅 《电子科技大学学报》 EI CAS CSCD 北大核心 2023年第6期880-886,共7页

针对带标注的肺CT图像数据匮乏而导致的深度学习模型训练困难,以及现有生成算法生成肺结节不同特征模糊、细节丢失的问题,提出了肺结节图像的数据增强RAU-GAN算法。首先,在生成器网络中嵌入残差注意力模块,该模块可以聚焦于局部不同的... 针对带标注的肺CT图像数据匮乏而导致的深度学习模型训练困难,以及现有生成算法生成肺结节不同特征模糊、细节丢失的问题,提出了肺结节图像的数据增强RAU-GAN算法。首先,在生成器网络中嵌入残差注意力模块,该模块可以聚焦于局部不同的感兴趣区域,以实现肺结节与背景信息的独立生成,并且重新设计了注意力模块中的残差块来减少网络的深度和训练的复杂度。其次,将判别器设计为U-Net架构,可以给更新后的生成器反馈更多信息,以提高判别性能。最后,在数据集LUNA16和Deep Lesion上进行实验,结果与现有方法相比,在视觉效果和不同评价指标上均有提升,验证了生成图像包含了更丰富的细节信息。 展开更多

关键词 数据增强 Pix2Pix RAU-GAN 残差注意力机制 U-Net判别器

在线阅读 下载PDF 职称材料

结合多尺度融合特征和残差注意力机制的联合三维人脸重建及密集对齐算法 被引量：5

3

作者 黄有达 周大可 杨欣 《计算机应用研究》 CSCD 北大核心 2021年第7期2175-2178,2187,共5页

针对三维人脸重建和密集对齐算法精度不足的问题,引入密集连接的多尺度特征融合模块和残差注意力机制设计了一种性能强大的网络。在编码器结构前,引入密集连接的多尺度特征融合模块获得多尺度融合特征,使编码器获得更丰富的信息;在解码... 针对三维人脸重建和密集对齐算法精度不足的问题,引入密集连接的多尺度特征融合模块和残差注意力机制设计了一种性能强大的网络。在编码器结构前,引入密集连接的多尺度特征融合模块获得多尺度融合特征,使编码器获得更丰富的信息;在解码器模块中引入残差注意力机制,强化网络对重要特征的关注同时抑制不必要的噪声。实验结果表明,相较其他算法,该算法取得了较显著的改进;相对PRNet,该算法以更少的参数量在各项指标上取得7.7%~12.1%的性能提升。 展开更多

关键词 三维人脸重建和密集对齐 密集连接 空洞卷积 残差注意力机制

在线阅读 下载PDF 职称材料

基于残差注意力机制的点云配准算法 被引量：8

4

作者 秦庭威 赵鹏程 +3 位作者 秦品乐 曾建朝 柴锐 黄永琦 《计算机应用》 CSCD 北大核心 2022年第7期2184-2191,共8页

针对传统点云配准算法精度低、鲁棒性差以及放疗前后癌症患者无法实现精确放疗的问题,提出一种基于残差注意力机制的点云配准算法(ADGCNNLK)。首先,在动态图深度卷积网络(DGCNN)中添加残差注意力机制来有效地利用点云的空间信息,并减少... 针对传统点云配准算法精度低、鲁棒性差以及放疗前后癌症患者无法实现精确放疗的问题,提出一种基于残差注意力机制的点云配准算法(ADGCNNLK)。首先,在动态图深度卷积网络(DGCNN)中添加残差注意力机制来有效地利用点云的空间信息,并减少信息损失;然后,利用添加残差注意力机制的DGCNN提取点云特征,这样做不仅可以在保持点云置换不变性的同时捕捉点云的局部几何特征,也可以在语义上将信息聚合起来,从而提高配准效率;最后,将提取到的特征点映射到高维空间中并使用经典的图像迭代配准算法LK进行配准。实验结果表明,所提算法与迭代最近点算法(ICP)、全局优化的ICP算法(Go-ICP)和PointNetLK相比,在无噪、有噪的情况下配准效果均最好。其中,在无噪情况下,与PointNetLK相比,所提算法的旋转均方误差降低了74.61%,平移均方误差降低了47.50%;在有噪声的情况下,与PointNetLK相比,所提算法的旋转均方误差降低了73.13%,平移均方误差降低了44.18%,说明所提算法与PointNetLK相比鲁棒性更强。将所提算法应用于放疗前后癌症患者人体点云模型的配准,从而辅助医生治疗,并实现了精确放疗。 展开更多

关键词 点云配准 特征提取 残差注意力机制 深度学习 放疗

在线阅读 下载PDF 职称材料

基于残差注意力机制和金字塔卷积的表情识别 被引量：3

5

作者 包志龙 陈华辉 《模式识别与人工智能》 EI CSCD 北大核心 2022年第6期497-506,共10页

随着深度学习的应用,表情识别技术得到快速发展,但如何提取多尺度特征及高效利用关键特征仍是表情识别网络面临的挑战.针对上述问题,文中使用金字塔卷积有效提取多尺度特征,使用空间通道注意力机制加强关键特征的表达,构建基于残差注意... 随着深度学习的应用,表情识别技术得到快速发展,但如何提取多尺度特征及高效利用关键特征仍是表情识别网络面临的挑战.针对上述问题,文中使用金字塔卷积有效提取多尺度特征,使用空间通道注意力机制加强关键特征的表达,构建基于残差注意力机制和金字塔卷积的表情识别网络,提高识别的准确率.网络使用MTCNN(Multi-task Convolutional Neural Network)进行人脸检测、人脸裁剪及人脸对齐,再将预处理后的图像送入特征提取网络.同时,为了缩小同类表情的差异,扩大不同类表情的距离,结合Softmax Loss和Center Loss,进行网络训练.实验表明,文中网络在Fer2013、CK+数据集上的准确率较高,网络参数量较小,适合表情识别在现实场景中的应用. 展开更多

关键词 表情识别 金字塔卷积 残差注意力机制 多尺度特征

在线阅读 下载PDF 职称材料

基于全局残差注意力和门控特征融合的CNN-Transformer去雾算法

6

作者 李海燕 乔仁超 +1 位作者 李海江 陈泉 《东北大学学报(自然科学版)》 北大核心 2025年第1期26-34,共9页

为解决现有图像去雾算法因缺乏全局上下文信息、处理分布不均匀的雾时效果差且复用细节信息时引入噪声的缺陷,提出了基于全局残差注意力和门控特征融合的CNN-Transformer去雾算法.首先,引入全局残差注意力机制编码模块自适应地提取非均... 为解决现有图像去雾算法因缺乏全局上下文信息、处理分布不均匀的雾时效果差且复用细节信息时引入噪声的缺陷,提出了基于全局残差注意力和门控特征融合的CNN-Transformer去雾算法.首先,引入全局残差注意力机制编码模块自适应地提取非均匀雾区的细节特征,设计跨维度通道空间注意力优化信息权重.然后,提出全局建模Transformer模块加深编码器的特征提取过程,设计带有并行卷积的Swin Transformer捕捉特征之间的依赖关系.最后,设计门控特征融合解码模块复用图像重建所需的纹理信息,滤除不相关的雾噪声,提高去雾性能.在4个公开数据集上进行定性和定量实验,实验结果表明:所提算法能够有效地处理非均匀雾区域,重建纹理细腻且语义丰富的高保真无雾图像,其峰值信噪比和结构相似性指数都优于经典对比算法. 展开更多

关键词 图像去雾 全局残差注意力机制 CNN-Transformer架构 门控特征融合 图像重建

在线阅读 下载PDF 职称材料

基于双向LSTM的双任务学习残差通道注意力机制手写签名认证

7

作者 栾方军 陈昱岑 袁帅 《计算机科学与应用》 2024年第3期159-168,共10页

随着人工智能深度学习的发展,网络模型对于在线签名认证系统(Online Signature Verification, OSV)的性能有了显著的提升。然而,如何进一步提高在线手写签名认证的准确性仍然是一个需要解决的问题。为此,本文提出了一种基于双向LSTM的... 随着人工智能深度学习的发展,网络模型对于在线签名认证系统(Online Signature Verification, OSV)的性能有了显著的提升。然而,如何进一步提高在线手写签名认证的准确性仍然是一个需要解决的问题。为此,本文提出了一种基于双向LSTM的双任务学习残差通道注意力机制网络模型,用于改进手写签名认证。该模型使用残差通道注意力机制来学习序列特征的权重以便解决不同通道的权重分配问题,双向长短期记忆网络来缓解在深度神经网络中增加深度时可能带来的梯度消失和梯度爆炸问题。此外,引入多任务学习,包括有监督学习和深度度量学习,以更好地进行特征学习。最终,本文提出了一种基于多任务学习的训练方法,使得OSV系统的准确性进一步提高。所提出的方法在SVC-2004数据集中取得了2.33%的等错误率和97.03%的准确率。实验结果表明,所提出的方法能够有效地提高OSV系统的身份验证准确性。 展开更多

关键词 签名认证 多任务学习 残差通道注意力机制 双向长短期记忆 度量学习

在线阅读 下载PDF 职称材料

改进融合注意力机制的小目标和被遮挡目标检测

8

作者 刘丽伟 王玲 戚星烁 《长春工业大学学报》 CAS 2024年第5期428-436,共9页

针对夜间光照条件不足等条件下交通环境的多目标检测问题,提出一种改进YOLOv5s的目标检测算法。该算法首先在原始的YOLOv5s网络中嵌入三分支结构并行卷积注意力模块,通过计算跨维度注意力权值矩阵,实现了一种轻量级的有效注意力机制。其... 针对夜间光照条件不足等条件下交通环境的多目标检测问题,提出一种改进YOLOv5s的目标检测算法。该算法首先在原始的YOLOv5s网络中嵌入三分支结构并行卷积注意力模块,通过计算跨维度注意力权值矩阵,实现了一种轻量级的有效注意力机制。其次,为了解决小目标和遮挡目标的检测问题,嵌入残差遮挡感知注意力机制,通过不同卷积核大小的卷积块对图像进行类分块操作,更准确地突显小目标和被遮挡目标。通过在FLIR数据集上的对比实验表明,改进算法在夜间交通环境下的多目标检测任务中能够提高检测精度,相较于传统YOLOv5s,其检测准确率mAP@0.5提高2.9%。 展开更多

关键词 目标检测 YOLOv5 三重并行卷积注意力机制 残差遮挡注意力机制

在线阅读 下载PDF 职称材料

基于残差自注意力机制的航空发动机RUL预测 被引量：11

9

作者 叶瑞达 王卫杰 +2 位作者 何亮 陈晓岑 薛乐 《光学精密工程》 EI CAS CSCD 北大核心 2021年第6期1482-1490,共9页

针对传统神经网络在多维数据高分辨率特征识别和高精度信号提取方面的缺陷,开展基于残差自注意力机制的剩余使用寿命(RUL)预测算法研究。比较分析卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的结构特性,揭示二者在长序列信息特征关联... 针对传统神经网络在多维数据高分辨率特征识别和高精度信号提取方面的缺陷,开展基于残差自注意力机制的剩余使用寿命(RUL)预测算法研究。比较分析卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的结构特性,揭示二者在长序列信息特征关联能力和局部特征提取能力上的局限性。研究自注意力机制,引入双层残差网络抑制误差函数反向传播中扩散性,进而构建了一种卷积记忆残差自注意力机制的深度学习方法。基于上述方法对典型航空涡扇发动机退化实验数据集进行仿真分析,结果表明:所述方法能够有效建立监测数据与发动机健康状态之间的关系,关键评价指标——剩余使用寿命预测的均方误差为225,相比传统自注意力机制均方误差降低了17.9%,验证了所述方法的可行性和有效性。 展开更多

关键词 残差自注意力机制 神经网络 剩余使用寿命 航空发动机

在线阅读 下载PDF 职称材料

基于分割注意力机制残差网络的城市区域客流量预测 被引量：4

10

作者 李伯涵 郭茂祖 赵玲玲 《智能系统学报》 CSCD 北大核心 2022年第4期839-848,共10页

客流量预测是城市交通资源和公共安全智能化管理的重要依据。为了综合考虑城市乘客人群流动自身的既有周期性、趋势性和突发性,以及与城市物理和社会空间的耦合关系,在时空残差网络的基础上,本文提出了基于深度时空数据的分割注意力机... 客流量预测是城市交通资源和公共安全智能化管理的重要依据。为了综合考虑城市乘客人群流动自身的既有周期性、趋势性和突发性,以及与城市物理和社会空间的耦合关系,在时空残差网络的基础上,本文提出了基于深度时空数据的分割注意力机制残差网络的城市细粒度客流量预测模型。首先以不同时空间隔的区域客流量历史数据为基础,引入分割注意力机制模块,为各模态的数据分配不同的权重,动态捕捉更高相关性的抽象数据特征;在时空数据的基础上,引入城市功能区属性作为联合特征,结合节假日、气候等外部特征,形成deep&wide网络结构,有效记忆重要特征对客流量变化的贡献。基于北京出租车数据的区域客流量对比实验表明,相比于传统的深度时空残差网络和其他经典机器学习模型,引入了分割注意力机制和城市功能区特征的预测模型能够更好地提取数据多元化的特征,预测精度明显优于其他同类别方法。 展开更多

关键词 客流量预测 时空数据 深度学习 分割注意力机制残差网络 城市功能区 特征提取 智慧城市 智能交通

在线阅读 下载PDF 职称材料

融合注意力机制的高效率网络车型识别 被引量：3

11

作者 柳长源 何先平 毕晓君 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2022年第4期775-782,共8页

为了解决现有的车型识别算法对车型特征描述不充分的情况,提出融合注意力机制的高效率网络车型识别算法.利用高效率网络中的复合缩放方式来平衡网络的深度、宽度和分辨率,将深度可分离卷积集成到基础特征提取模块中来提高模型准确率.增... 为了解决现有的车型识别算法对车型特征描述不充分的情况,提出融合注意力机制的高效率网络车型识别算法.利用高效率网络中的复合缩放方式来平衡网络的深度、宽度和分辨率,将深度可分离卷积集成到基础特征提取模块中来提高模型准确率.增加双通道的残差注意力机制来关注图片中的关键信息,获得含有更加丰富语义信息的特征图.在网络的末端添加单独的softmax分类器,使用标签平滑正则化对损失函数进行处理,减小模型过拟合的问题.在BIT-Vehicles数据集上进行实验,结果表明,提出方法的平均分类准确率为96.83%,较改进前的模型提高了1.11%,优于现有DCNN、Faster-CNN的改进算法,较Faster R-CNN提升了7.16%. 展开更多

关键词 车型识别 高效率网络 残差注意力机制 标签平滑正则化 深度可分离卷积

在线阅读 下载PDF 职称材料

判别相关分析双注意力机制的目标检测算法 被引量：3

12

作者 赵珊 郑爱玲 《计算机工程与应用》 CSCD 北大核心 2022年第17期120-129,共10页

针对两阶段目标检测算法中模型存在目标识别率低、部分小目标物漏检等问题,提出了一种基于判别相关分析的双注意力机制的目标检测算法。该算法通过改进Faster R-CNN主干网络,引入判别相关分析技术最大化两个特征集中对应特征的相关关系... 针对两阶段目标检测算法中模型存在目标识别率低、部分小目标物漏检等问题,提出了一种基于判别相关分析的双注意力机制的目标检测算法。该算法通过改进Faster R-CNN主干网络,引入判别相关分析技术最大化两个特征集中对应特征的相关关系,同时最大化不同类之间的差异,来保证信息间的交互,有效缓解常规特征融合方式存在的特征提取能力不足问题。同时,结合残差结构构建残差双注意力机制,进行深层次的特征提取,来弥补深度CNN后高分辨率信息弱化问题,采用混合卷积层的设计在扩大感受野的同时又减少了信息损失,最大限度地保证了网络的特征提取性能。采用PASCAL VOC2007、KITTI以及Portrait三类数据集对网络进行训练,并将提出的算法模型与多个经典目标检测算法进行对比。实验结果表明,提出的算法具有较高的检测精度。 展开更多

关键词 判别相关分析 残差双注意力机制 混合卷积层 目标检测

在线阅读 下载PDF 职称材料

结合跳跃连接的多层图注意力网络会话推荐

13

作者 丁美荣 王雨航 曾碧卿 《计算机系统应用》 2024年第2期23-32,共10页

基于会话的推荐旨在根据匿名用户的短期交互数据来预测用户下一次交互项目.现有图神经网络会话推荐模型大多在信息传播过程中平等对待所有邻居节点,而没有区分他们对于中心节点的重要性,从而给模型训练引入噪声.此外,随着图神经网络层... 基于会话的推荐旨在根据匿名用户的短期交互数据来预测用户下一次交互项目.现有图神经网络会话推荐模型大多在信息传播过程中平等对待所有邻居节点,而没有区分他们对于中心节点的重要性,从而给模型训练引入噪声.此外,随着图神经网络层数的增加,过度平滑问题会随之产生.针对上述问题,本文提出结合跳跃连接的多层图注意力网络会话推荐模型(MGATSC).首先利用图注意力网络学习邻居节点对于中心节点的重要性,并堆叠多层网络以获取高阶邻居信息;然后为了缓解过度平滑问题,采用基于残差注意力机制的跳跃连接更新每层网络的节点嵌入,并通过平均池化得到最终节点嵌入.最后将反向位置嵌入融合到节点嵌入中,经过预测层生成推荐.在Tmall、Diginetica以及Retailrocket这3个公开数据集上的实验结果表明所提模型优于所有基线模型,验证了模型的有效性与合理性. 展开更多

关键词 会话推荐 图注意力网络 过度平滑 残差注意力机制 跳跃连接

在线阅读 下载PDF 职称材料

基于残差卷积自注意力神经网络的铝电解过热度识别方法 被引量：3

14

作者 林清扬 陈晓方 谢永芳 《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 2023年第1期8-17,共10页

过热度是反映铝电解槽当前生产效率的重要指标,由于过热度难以在线实时测量,本文提出一种基于残差卷积自注意力神经网络的过热度识别方法.针对铝电解生产过程数据为时间序列数据且具有多源异构特性,设计异构数据的同构表示方法.在此基... 过热度是反映铝电解槽当前生产效率的重要指标,由于过热度难以在线实时测量,本文提出一种基于残差卷积自注意力神经网络的过热度识别方法.针对铝电解生产过程数据为时间序列数据且具有多源异构特性,设计异构数据的同构表示方法.在此基础上建立残差卷积自注意力神经网络模型以提取同构时间序列数据的全局与局部特征.针对过热度数据标签少且类别分布不均匀问题,采用基于自动编码器的无监督预训练方法与加权交叉熵损失函数以提高过热度识别任务的性能.在基准数据集上进行仿真对比实验以验证本文所提方法的有效性,然后在只包含少量不平衡标签的铝电解过热度数据集上进行实验验证,结果表明本文构建的过热度识别模型相较与其他现有模型不仅提高了过热度识别准确率,而且在训练样本较少时保证了模型的泛化能力. 展开更多

关键词 过热度识别 多源异构 残差卷积自注意力机制 无监督预训练 铝电解过程

在线阅读 下载PDF 职称材料

面向密集行人场景的YOLOv8n改进算法

15

作者 王丽黎 樊盼盼 张诗雨 《电子技术应用》 2025年第2期15-20,共6页

为了解决传统算法在密集行人场景中识别精度不足和检测不准确的问题,提出一种基于YOLOv8n的改进型密集行人检测模型。首先,引入SPPELAN模块替换骨干网络中的SPPF模块,以提升模型对多尺度目标的特征感知能力。其次,设计一种残差注意力机... 为了解决传统算法在密集行人场景中识别精度不足和检测不准确的问题,提出一种基于YOLOv8n的改进型密集行人检测模型。首先,引入SPPELAN模块替换骨干网络中的SPPF模块,以提升模型对多尺度目标的特征感知能力。其次,设计一种残差注意力机制,提高模型对细微特征的提取能力,进而提高检测精度。最后通过添加DySample算子、改进的小目标检测层提高模型对小尺度目标的定位识别能力。实验结果显示,改进的模型相较于YOLOv8n在CrowdHuman数据集上的召回率、mAP_(50)和mAP_(50-95)分别提升了2.5%、2.9%和2.4%,并且该模型在WiderPerson和CityPersons数据集上表现优异。实验结果表明,该算法能更好适用于密集行人检测任务。 展开更多

关键词 YOLOv8n 密集行人检测 SPPELAN模块 残差注意力机制 DySample 小目标检测层

在线阅读 下载PDF 职称材料

一种多尺度残差注意力Unet-Like网络的医学图像融合方法

16

作者 杨卫明 张伟豪 余磊 《重庆师范大学学报（自然科学版）》 CAS 北大核心 2024年第4期126-138,共13页

针对目前医学图像融合任务中融合策略难以制定及模态重要信息挖掘不够的问题,提出了一种多尺度残差注意力Unet-Like网络(multiscale residual attention unet-like network, MRAUnet)框架用于医学图像融合。首先,传统的融合算法在处理... 针对目前医学图像融合任务中融合策略难以制定及模态重要信息挖掘不够的问题,提出了一种多尺度残差注意力Unet-Like网络(multiscale residual attention unet-like network, MRAUnet)框架用于医学图像融合。首先,传统的融合算法在处理多模态医学图像时存在特征学习能力不足的问题,无法更好地保留互补的多模信息。因此,为了增强模型的特征提取能力与稳定性,MRAUnet将残差注意力机制注入到特征提取过程中。其次,Unet架构在理解医学图像的语义上有着天然的优势,而且它的U型结构使得Unet对浅层简单特征与深层抽象特征有更强的感知能力和重用能力,所以MRAUnet采用了Unet架构来增强模型的语义感知能力和特征重用,同时整体网络采用多尺度的方式进行特征处理以强化Unet架构的特征抽取能力。另外,为了丰富在融合图像中的模态信息,还设计了一种基于结构信息与细节信息保留的损失函数用于训练MRAUnet。最后,MRAUnet是一个端到端的融合网络,无需人工制定融合策略,可以有效地利用多模态图像的浅层结构特征与深层抽象特征,以平衡融合图像中的解剖信息和功能信息,在保持较高清晰度的同时可以显示出元素放射量与血液流动性等功能特征。在哈佛医学院全脑图集上的实验结果表明,MRAUnet与近期较为先进的算法相比,在主观和客观评判2个方面都取得了较大进步,在基于人类视觉感知的保真度、基于特征保留的互信息等指标上均有较大优势。 展开更多

关键词 Unet 残差注意力机制 医学图像融合 多尺度特征

原文传递

基于LEBERT的时间信息增强中文命名实体识别

17

作者 张光明 肖然 +3 位作者 张弛 高谦 谈栋华 彭菊红 《湖北大学学报（自然科学版）》 CAS 2025年第1期118-125,共8页

为解决现有预训练模型没有充分考虑汉语词汇的分割特征的问题,提出一种基于LEBERT-ILRN-RA-CRF的中文命名实体识别模型。该模型首先利用LEBERT对输入文本进行词汇表增强和嵌入处理,然后利用ILRN模块提取时间信息,并将字符-词融合与字向... 为解决现有预训练模型没有充分考虑汉语词汇的分割特征的问题,提出一种基于LEBERT-ILRN-RA-CRF的中文命名实体识别模型。该模型首先利用LEBERT对输入文本进行词汇表增强和嵌入处理,然后利用ILRN模块提取时间信息,并将字符-词融合与字向量采集相结合,最后使用条件随机场(CRF)进行结果校正。此外,该模型还引入了词汇量增强和残差门控注意网络来加强时间特征的提取和局部特征的表达,进一步提升了模型的识别效果。在Weibo和Resume两个数据集上分别取得了71.73%和96.51%的宏F1值。实验表明该模型可以考虑到汉语词汇的分割问题,改善中文命名实体识别任务的识别效果。 展开更多

关键词 中文命名实体识别 时间信息增强 LEBERT CRF 残差门控注意力机制

在线阅读 下载PDF 职称材料

基于改进YOLOv5的矿山遥感图像去噪方法

18

作者 裴丹 房坤 +1 位作者 庆宇东 陈沛 《工矿自动化》 北大核心 2025年第3期148-155,共8页

典型露天矿场景的图像呈现多类型复合噪声特征,信噪比较低且具有显著的空间异质性,现有深度学习模型大多直接迁移自然图像去噪架构,忽视了矿山遥感图像特有的噪声分布规律。针对该问题,提出了一种基于改进YOLOv5的矿山遥感图像去噪方法... 典型露天矿场景的图像呈现多类型复合噪声特征,信噪比较低且具有显著的空间异质性,现有深度学习模型大多直接迁移自然图像去噪架构,忽视了矿山遥感图像特有的噪声分布规律。针对该问题,提出了一种基于改进YOLOv5的矿山遥感图像去噪方法。针对传统YOLOv5在高噪声环境下性能不稳定的问题,引入了多尺度特征融合模块,以增强模型对不同尺寸噪声的识别能力,同时结合残差注意力机制,提升了模型对有用特征的提取能力,增强了去噪效果的鲁棒性。采用自适应噪声估计技术,根据图像不同区域的噪声特性动态调整去噪参数,实现了更为精准的噪声抑制。实验结果表明:改进YOLOv5在峰值信噪比(PSNR)和结构相似性指数(SSIM)上均显著优于其他经典去噪方法,相较原始YOLOv5,PSNR提高2.5 dB,SSIM提高了0.05;改进YOLOv5在所有噪声类型下均表现出色,尤其是在高斯噪声环境中,其PSNR和SSIM分别达32.5 dB和0.95,显著优于其他经典去噪方法。 展开更多

关键词 矿山遥感图像去噪 YOLOv5 多尺度特征融合 残差注意力机制 自适应噪声估计

在线阅读 下载PDF 职称材料

基于改进Swin-Unet的遥感图像分割方法 被引量：2

19

作者 张越 王逊 《无线电工程》 2024年第5期1217-1225,共9页

针对遥感图像数据本身存在分辨率高、背景复杂和光照不均等特性导致边界分割不连续、目标错分漏分以及存在孔洞等问题,提出了一种基于改进Swin-Unet的遥感图像分割方法。在编码器末端引入空洞空间金字塔池化(Atrous Spatial Pyramid Poo... 针对遥感图像数据本身存在分辨率高、背景复杂和光照不均等特性导致边界分割不连续、目标错分漏分以及存在孔洞等问题,提出了一种基于改进Swin-Unet的遥感图像分割方法。在编码器末端引入空洞空间金字塔池化(Atrous Spatial Pyramid Pooling,ASPP)模块,用于捕获多尺度特征,增强网络获取不同尺度的能力,充分提取上下文信息;将解码器端的Swin Transformer Block替换为残差Swin Transformer Block,不仅保留了原始信息,又能够缓解模型出现梯度弥散现象;在跳跃连接中引入残差注意力机制,可以让模型更加关注特征图中的重要特征信息,抑制无效信息,从而提高模型分割的准确率。在自建数据集上进行实验,结果表明,改进后的网络平均交并比(mean Intersection over Union,mIoU)达到了80.55%,提高了4.13个百分点,证明改进后的网络可以有效提高遥感图像分割的精度。 展开更多

关键词 遥感图像 语义分割 Swin-Unet 空洞空间金字塔池化 残差注意力机制

在线阅读 下载PDF 职称材料

多层级特征融合的视网膜血管分割

20

作者 孙珊 宋文广 《宜宾学院学报》 2024年第12期1-6,57,共7页

为了从视网膜图像中精准分割视网膜血管,实现图像分割任务的性能提升,提出一种嵌套U型网络(NestedNet):通过多层级捕获高级特征,增强网络的表达和特征融合能力;基于U型网络的编码器-解码器结构,NestedNet采用三层嵌套,形成倒金字塔式结... 为了从视网膜图像中精准分割视网膜血管,实现图像分割任务的性能提升,提出一种嵌套U型网络(NestedNet):通过多层级捕获高级特征,增强网络的表达和特征融合能力;基于U型网络的编码器-解码器结构,NestedNet采用三层嵌套,形成倒金字塔式结构,最外层两个U型结构的编码器输出传递给下一层编码器;解码器与下一编码器的Addition操作构成多条从输入到输出的路径,以丰富特征,促进特征传递和融合,提升图像表达能力;并行残差注意力机制(PRAM)增强网络对局部和全局结构的理解,生成更准确的预测结果.在DRIVE和CHASE_DB1数据集上的实验结果显示,平均准确率分别达到0.9576和0.9691,受试者工作特性曲线下面积分别为0.9819和0.9901,精确率-召回率曲线下面积分别为0.9182和0.9411,在多项测试指标上表现较好. 展开更多

关键词 图像分割 视网膜血管 多层级特征融合 并行残差注意力机制

在线阅读 下载PDF 职称材料