跨通道注意转移研究述评

介绍了跨通道注意转移研究中常用的实验范式,回顾了包括通道特异性资源说、通道上系统、分离联系说等关于跨通道注意转移的理论解释,总结了跨通道注意转移的影响因素和神经机制,梳理了该领域的研究存在的问题,并对未来走向进行了展望。

轻量化的多尺度跨通道注意力煤流检测网络

为通过变频调速提高带式输送机运行效率,需要对带式输送机煤流进行检测。现有基于深度学习的带式输送机煤流检测方法难以在模型轻量化和分类准确度之间达到平衡,且很少考虑在特征提取过程中通道权重分布不平衡对检测准确度的影响。针对上述问题,提出了一种轻量化的多尺度跨通道注意力煤流检测网络,该网络由特征提取网络和分类网络组成。将轻量化的残差网络ResNet18作为特征提取网络,并在此基础上引入煤流通道注意力(CFCA)子网络,CFCA子网络采用多个卷积核大小不同的一维卷积,并对一维卷积的输出进行堆叠,以捕获特征图中不同尺度的跨通道交互关系,实现对特征图权重的重新分配,从而提高特征提取网络的语义表达能力。分类网络由3个全连接层构成,其将向量化的特征提取网络的输出作为输入,并对其进行非线性映射,最终得到“煤少”、“煤适中”、“煤多”3类结果的概率分布,通过将煤流检测问题转换为图像分类问题,避免瞬时煤流量波动过大导致带式输送机频繁变频调速的问题,提高带式输送机运行稳定性。实验结果表明,ResNet18+CFCA网络在几乎不增加网络参数量和计算复杂度的情况下,比ResNet18网络在分类准确率上提升了1.6%,可更加有效地区分图像中的前景信息,准确提取煤流特征。

大学生的学科刻板印象对视听跨通道空间注意的影响

采用空间线索范式,以学科词(如数学、语文)为线索刺激,以性别范畴词(男和女)为目标刺激,考察了大学生的学科刻板印象对视-听跨通道空间注意的影响。结果发现不论线索和目标的通道,大学生均倾向于注意有效线索条件下的目标,表现出跨通道空间注意效应;更为重要的是,在有效线索条件下大学生更倾向于注意与线索刻板一致的目标,表现出刻板一致信息对视-听跨通道空间注意的促进作用。

听障儿童注意力训练的个案研究

目的本研究以听障儿童视觉和听觉通道的注意力训练为内容，以提高听障儿童的注意能力为目的，编制一套渐进式视-听觉通道注意力训练方案。方法通过对1名配戴助听器的听障儿童进行12次的训练。采用单一被试A-B-A实验设计来检验训练的效果。结果训练后该儿童的注意稳定性，注意广度和注意分配指标都得到了明显提高并具延续效应。其中，注意广度的进步最为显著，保持效果最佳。结论渐进式视-听觉通道注意力训练是一种可行的训练方案，值得听障儿童教育和康复工作者参考。

一种融合上下文信息及自适应感受野的多尺度目标检测算法

目标检测在实际应用各类复杂场景中面临着诸多的挑战,如目标遮挡、光照变化、目标尺度变化等。为了提高多尺度目标检测的性能,提出一种改进的特征金字塔(FPN)的目标检测算法。以特征金字塔网络框架为基础引入上下文信息融合模块,充分利用目标对象与其周围环境的关联属性,增强宽动态尺度范围的目标对象的特征表征,提高不同尺度目标的辨识能力。此外,构建一个跨通道注意机制,自适应调整不同尺度目标特征的通道灵敏度,学习到适应目标尺度的感受野范围。该算法在Pascal VOC数据集训练验证,其平均精确率(mAP)比基准方法提高了3%。

动作视频游戏对发展性阅读障碍者阅读技能的影响及其内在机制

发展性阅读障碍是一种在获得阅读技能方面的特殊困难,这种障碍会严重影响个体的发展,如何帮助发展性阅读障碍者改善其阅读技能是近年来研究的焦点。传统的干预方法主要针对发展性阅读障碍者的语音缺陷,这类方法存在一些问题,如费时费力、给阅读障碍者带来阅读压力等。近年来,大部分研究表明通过趣味性的动作视频游戏训练可以显著地提高发展性阅读障碍者的阅读技能,但是其背后的机制尚不明确。基于大细胞通路缺陷理论框架,从视觉空间注意、注意跨通道转换、视觉运动加工等方面来梳理动作视频游戏与阅读之间的关系,揭示了动作视频游戏训练对阅读效率影响的可能内在机制。未来的研究可以在大细胞通路缺陷理论的框架下,深入分析动作视频游戏改善阅读的神经机制,并尝试开发更适合发展性阅读障碍者的干预程序。

基于双特征提取网络的复杂环境车道线精准检测

为解决现有方法在复杂环境中检测精度低的问题,提出了一种基于双特征提取网络的复杂环境车道线精准检测算法。首先,搭建双特征提取网络,获取不同尺度的特征图,提取更有效的特征,提高模型在复杂环境下的特征提取能力。然后,构建跨通道联合注意力模块,提高模型对车道线细节的关注度,抑制无用信息。最后,结合改进的空洞空间金字塔池化模块扩大图像感受野,提高模型对上下文信息的利用率,以强化算法的检测能力。经实验验证,本文算法在CULane数据集上的F_(1)-measure达到了72.43%,相比于基线模型提升了4.03%,在复杂的场景中对车道线进行检测时效果提升明显。