期刊文献+
共找到170篇文章
< 1 2 9 >
每页显示 20 50 100
FPGA Design and Implementation of a Convolutional Encoder and a Viterbi Decoder Based on 802.11a for OFDM
1
作者 Yan Sun Zhizhong Ding 《Wireless Engineering and Technology》 2012年第3期125-131,共7页
In this paper, a modified FPGA scheme for the convolutional encoder and Viterbi decoder based on the IEEE 802.11a standards of WLAN is presented in OFDM baseband processing systems. The proposed design supports a gene... In this paper, a modified FPGA scheme for the convolutional encoder and Viterbi decoder based on the IEEE 802.11a standards of WLAN is presented in OFDM baseband processing systems. The proposed design supports a generic, robust and configurable Viterbi decoder with constraint length of 7, code rate of 1/2 and decoding depth of 36 symbols. The Viterbi decoder uses full-parallel structure to improve computational speed for the add-compare-select (ACS) modules, adopts optimal data storage mechanism to avoid overflow and employs three distributed RAM blocks to complete cyclic trace-back. It includes the core parts, for example, the state path measure computation, the preservation and transfer of the survivor path and trace-back decoding, etc. Compared to the general Viterbi decoder, this design can effectively decrease the 10% of chip logic elements, reduce 5% of power consumption, and increase the encoder and decoder working performance in the hardware implementation. Lastly, relevant simulation results using Verilog HDL language are verified based on a Xinlinx Virtex-II FPGA by ISE 7.1i. It is shown that the Viterbi decoder is capable of decoding (2, 1, 7) convolutional codes accurately with a throughput of 80 Mbps. 展开更多
关键词 FPGA convolutional encoder VITERBI decoder IEEE 802.11a OFDM
下载PDF
全尺度密集卷积U型网络的视网膜血管分割算法
2
作者 夏平 何志豪 +2 位作者 雷帮军 彭程 王雨蝶 《计算机工程与设计》 北大核心 2024年第3期866-873,共8页
针对视网膜图像中血管尺度跨度大、细小血管与背景高度相似导致误分割和未分割等问题,提出一种全尺度密集卷积U型网络的视网膜血管分割方法。为提取更复杂的特征信息,构建级联卷积融合密集块(cascade convolutional fusion dense blocks... 针对视网膜图像中血管尺度跨度大、细小血管与背景高度相似导致误分割和未分割等问题,提出一种全尺度密集卷积U型网络的视网膜血管分割方法。为提取更复杂的特征信息,构建级联卷积融合密集块(cascade convolutional fusion dense blocks, CCF-DB)作为U型网络的编解码器用以提取视网膜血管的特征信息;在网络最底端嵌入混合注意力级联卷积密集块(mixed attention cascaded convolutional dense block, MACC-DB),进一步提升感受野,获取更高维的语义特征信息;在模型的解码部分采用全尺度的跳跃连接,捕获不同尺度下的血管特征信息,提升模型的分割精度。实验结果表明,在DRIVE数据集上,相比于U-Net、U-Net3+、SA-Unet、FR-Unet等算法,此算法的AUC值达到了98.26%,准确率为95.82%;在CHASE-DB1数据集上,此算法的AUC值达98.84%,准确率达96.66%。采用此算法进行视网膜血管分割,分割的精度和鲁棒性均有不同程度的提升,对细小血管分割达到了优良的效果。 展开更多
关键词 医学图像分割 深度学习 视网膜血管分割 全尺度密集卷积 编解码结构 混合注意力 级联卷积
下载PDF
基于改进SegNet的鸡只检测算法
3
作者 吉训生 孙贝贝 夏圣奎 《计算机工程与设计》 北大核心 2024年第1期102-109,共8页
为实现智能化检测出鸡场中死亡鸡只,提出一种基于改进语义分割模型AT-SegNet的鸡只检测算法。基于对称编码解码结构SegNet,利用空洞卷积在解码前聚合不同感受野的上下文信息,设计一种三尺度注意力级联融合模块,以并联方式嵌入编、解码器... 为实现智能化检测出鸡场中死亡鸡只,提出一种基于改进语义分割模型AT-SegNet的鸡只检测算法。基于对称编码解码结构SegNet,利用空洞卷积在解码前聚合不同感受野的上下文信息,设计一种三尺度注意力级联融合模块,以并联方式嵌入编、解码器间,丰富解码器信息。利用多层深度可分离卷积替代标准卷积,提取深层次语义信息,减少计算量提高实时性。将鸡群图像分割结果交并比与阈值对比判别鸡只状态。实验结果表明,改进的AT-SegNet较原算法的检测精度提高了25.17%,能够在复杂鸡群环境中准确、高效地发现死亡鸡只。 展开更多
关键词 深度学习 鸡只检测 语义分割 编码解码结构 注意力机制 软池化 深度可分离卷积
下载PDF
SOSNet:一种非对称编码器-解码器结构的非小细胞肺癌CT图像分割模型
4
作者 谢娟英 张凯云 《电子学报》 EI CAS CSCD 北大核心 2024年第3期824-837,共14页
非小细胞肺癌严重损害人类健康,早期非小细胞肺癌CT(Computed Tomography)图像中的肿瘤结节体积小,不易发现,极易造成漏诊和误诊.为了精确分割非小细胞肺癌CT图像中的小体积肿瘤结节,本文提出SOSNet(Small Object Segmentation Networks... 非小细胞肺癌严重损害人类健康,早期非小细胞肺癌CT(Computed Tomography)图像中的肿瘤结节体积小,不易发现,极易造成漏诊和误诊.为了精确分割非小细胞肺癌CT图像中的小体积肿瘤结节,本文提出SOSNet(Small Object Segmentation Networks)自动分割模型,利用ResNet(Residual Network)基础层和空洞卷积构造非对称编码器-解码器结构作为分割主网络,利用轴向取反注意力模块ARA(Axial Reverse Attention)逐步擦除背景中对分割有影响的结构,再使用结构细化模块SR(Structure Refinement)对主网络输出的粗略特征图进行结构细化,从而实现非小细胞肺癌肿瘤结节分割.在非小细胞肺癌公开数据集的实验测试表明,本文提出的小目标自动分割模型SOSNet可以有效分割出非小细胞肺癌CT图像中的小体积肿瘤结节,其mDice(mean-Dice)、mIoU(mean Intersection over Union)、Sensitivity、F1、Specificity、平均绝对误差MAE(Mean Absolute Error)均优于当前最先进的小目标分割模型CaraNet(Context Axial Reverse Attention Network). 展开更多
关键词 小目标分割 非小细胞肺癌 非对称编码器-解码器 结构细化 轴向取反注意力 CT图像 深度学习 卷积
下载PDF
融合卷积收缩门控的生成式文本摘要方法
5
作者 甘陈敏 唐宏 +2 位作者 杨浩澜 刘小洁 刘杰 《计算机工程》 CAS CSCD 北大核心 2024年第2期98-104,共7页
在深度学习技术的推动下,基于编码器-解码器架构并结合注意力机制的序列到序列模型成为文本摘要研究中应用最广泛的模型之一,尤其在生成式文本摘要任务中取得显著效果。然而,现有的采用循环神经网络的模型存在并行能力不足和时效低下的... 在深度学习技术的推动下,基于编码器-解码器架构并结合注意力机制的序列到序列模型成为文本摘要研究中应用最广泛的模型之一,尤其在生成式文本摘要任务中取得显著效果。然而,现有的采用循环神经网络的模型存在并行能力不足和时效低下的局限性,无法充分概括有用信息,忽视单词与句子间的联系,易产生冗余重复或语义不相关的摘要。为此,提出一种基于Transformer和卷积收缩门控的文本摘要方法。利用BERT作为编码器,提取不同层次的文本表征得到上下文编码,采用卷积收缩门控单元调整编码权重,强化全局相关性,去除无用信息的干扰,过滤后得到最终的编码输出,并通过设计基础Transformer解码模块、共享编码器的解码模块和采用生成式预训练Transformer(GPT)的解码模块3种不同的解码器,加强编码器与解码器的关联,以此探索能生成高质量摘要的模型结构。在LCSTS和CNNDM数据集上的实验结果表明,相比主流基准模型,设计的TCSG、ES-TCSG和GPT-TCSG模型的评价分数增量均不低于1.0,验证了该方法的有效性和可行性。 展开更多
关键词 生成式文本摘要 序列到序列模型 Transformer模型 BERT编码器 卷积收缩门控单元 解码器
下载PDF
基于跨层次聚合网络的实时城市街景语义分割
6
作者 侯志强 程敏婕 +2 位作者 马素刚 屈敏杰 杨小宝 《光学精密工程》 EI CAS CSCD 北大核心 2024年第8期1212-1226,共15页
随着自动驾驶技术的迅速发展,精确高效的场景理解显得尤为重要。城市街景语义分割旨在准确识别并分割出行人、障碍物、道路和标志物等要素,为自动驾驶技术提供必要的道路信息。然而,当前的语义分割算法在城市街景分割中仍然面临一些挑战... 随着自动驾驶技术的迅速发展,精确高效的场景理解显得尤为重要。城市街景语义分割旨在准确识别并分割出行人、障碍物、道路和标志物等要素,为自动驾驶技术提供必要的道路信息。然而,当前的语义分割算法在城市街景分割中仍然面临一些挑战,主要表现为不同类别的像素区分不够清晰、对于复杂场景结构的理解不够精准以及对小尺度对象或大尺度结构的分割不准确等问题。为此,本文提出一种基于跨层次聚合网络的实时城市街景语义分割算法。首先,在编码器末端设计了结合跨层次聚合的金字塔池化模块,用于高效提取多尺度上下文信息;其次,在编码器和解码器之间设计了跨层次聚合模块,通过引入通道注意力机制增强信息的表征能力,逐级聚合编码器阶段的特征以充分实现特征复用;最后,在解码器阶段设计了多尺度融合模块,在通道维度聚合全局信息与局部信息,促进深层特征与浅层特征的融合。将所提算法在两个通用的城市街景数据集上进行了验证。在一张RTX3090显卡上(TensorRT测速环境),本文算法在Cityscapes测试集以294 FPS的实时性达到73.0%mIoU的准确性,在更高分辨率的图像上以164 FPS的实时性达到75.8%mIoU的准确性;在CamVid数据集以239 FPS的实时性达到74.8%mIoU的准确性。实验结果表明,本文算法在准确性与实时性之间取得了有效平衡,对比其他算法的语义分割性能具有显著提升,为实时城市街景语义分割领域带来了新的突破。 展开更多
关键词 语义分割 卷积神经网络 城市街景 编码器-解码器结构 金字塔池化模块
下载PDF
融合多尺度特征信息的图像雨滴去除方法
7
作者 崔明义 冯治国 +1 位作者 代建琴 赵雪峰 《微电子学与计算机》 2024年第4期74-84,共11页
针对雨滴使雨天图像背景特征模糊失真的问题,提出一种融合多尺度特征信息的图像雨滴去除算法。首先,搭建了一个编码-解码神经网络来学习图像特征映射,考虑到雨滴的物理形状特征,采用雨滴形状驱动注意力模块来捕捉雨滴位置。然后,引入空... 针对雨滴使雨天图像背景特征模糊失真的问题,提出一种融合多尺度特征信息的图像雨滴去除算法。首先,搭建了一个编码-解码神经网络来学习图像特征映射,考虑到雨滴的物理形状特征,采用雨滴形状驱动注意力模块来捕捉雨滴位置。然后,引入空间与通道协调注意力机制,加强图像重要空间和通道特征权重。接着,利用空洞卷积、非对称卷积和金字塔结构设计了新型空洞空间卷积池化金字塔模块,以捕获图像的多尺度特征。最后,在同尺度的编码-解码卷积层间加入跳跃连接,将特征信息馈送到网络深处,达到去除图像中雨滴的目的。实验结果表明:本文算法在公开数据集Qian上的PSNR达到30.75,SSIM达到0.9257;在自制雨天数据集上也可以有效去除图像中的雨滴。 展开更多
关键词 图像去雨 深度学习 空洞卷积 空间与通道协调注意力机制 编码-解码结构
下载PDF
基于卷积神经网络的路面裂缝分割设计与研究
8
作者 刘艳宁 章国宝 《应用光学》 CAS 北大核心 2024年第2期373-384,共12页
裂缝是路面病害最主要的类型,准确的裂缝分割是国家进行公路预防养护管理的重要决策依据。针对背景复杂下现有模型路面裂缝分割准确度有待提高的问题,提出一种基于卷积神经网络的端到端裂缝分割模型,使用分层结构的ConvNeXt编码器提取... 裂缝是路面病害最主要的类型,准确的裂缝分割是国家进行公路预防养护管理的重要决策依据。针对背景复杂下现有模型路面裂缝分割准确度有待提高的问题,提出一种基于卷积神经网络的端到端裂缝分割模型,使用分层结构的ConvNeXt编码器提取多尺度特征,特征的最高层使用金字塔池化模块进一步获取全局先验特征,通过具有横向连接和自上而下的金字塔结构进行特征融合。针对裂缝和背景不平衡问题,使用平衡交叉熵损失函数提高模型的检测性能。此外,构建了一个包含2 876张裂缝图片的数据集UCrack,覆盖多种裂缝类型和广泛的背景范围,以提供丰富的特征供模型学习。实验表明,在UCrack测试数据集上模型的召回率和F1得分比其他表现最佳的模型提高了2.68%和6.89%;在CrackDataset数据集上的测试取得了85.68%的召回率和80.11%的F1得分,说明模型具有较好的泛化性能,可应对背景复杂的路面裂缝分割。 展开更多
关键词 裂缝分割 卷积神经网络 编解码网络 特征金字塔 金字塔池化
下载PDF
基于ResCSP-34的集成电路供电网络静态电压降预测研究
9
作者 李岳 夏益民 《电子测量技术》 北大核心 2024年第8期148-156,共9页
随着超大规模集成电路的不断发展,片上供电网络的设计日益重要,需要通过计算供电网络的静态电压降来反映设计的性能。然而传统的计算方法需要耗费大量的时间,导致芯片设计周期延长。为了缩短芯片设计的周期和提高芯片设计的效率,本文提... 随着超大规模集成电路的不断发展,片上供电网络的设计日益重要,需要通过计算供电网络的静态电压降来反映设计的性能。然而传统的计算方法需要耗费大量的时间,导致芯片设计周期延长。为了缩短芯片设计的周期和提高芯片设计的效率,本文提出了一个基于卷积神经网络—ResCSP-34的快速静态电压降预测模型。模型采用编码器-解码器结构,首先对残差网络ResNet34进行修改作为编码器的主体结构,然后在解码器中引入特征融合模块,并且在编码器和解码器的连接处引入注意力机制模块,最后提出了一个同时结合了均方误差、皮尔逊相关系数和平均绝对误差的损失函数对模型进行训练。实验结果表明,在CircuitNet数据集上,模型预测结果的平均绝对误差为0.7 mV,小于1 mV,皮尔逊相关系数的平均值大于0.93,接近于1,对一个片上供电网络设计进行静态电压降预测的平均总时间为7.36 s,其中卷积神经网络的平均推理时间为0.015 s。实验结果表明,ResCSP-34模型能够快速且精准地预测静态电压降。 展开更多
关键词 集成电路 静态电压降 卷积神经网络 编码器-解码器 注意力机制
下载PDF
CG-Net改进的结直肠癌病灶分割算法
10
作者 李兰兰 胡益煌 +2 位作者 王大彪 徐斌 李娟 《计算机工程与设计》 北大核心 2024年第1期299-306,共8页
为解决深度学习分割算法在病灶的细节分割上存在漏判且模型参数量较大不利于实际应用的问题,提出一种基于改进的CG-Net的深度轻量化分割神经网络。在编码块加入改进高效金字塔拆分注意力模块和深度可分离卷积,以学习丰富多尺度全局特征... 为解决深度学习分割算法在病灶的细节分割上存在漏判且模型参数量较大不利于实际应用的问题,提出一种基于改进的CG-Net的深度轻量化分割神经网络。在编码块加入改进高效金字塔拆分注意力模块和深度可分离卷积,以学习丰富多尺度全局特征;采用残差思想将注意力模块与编码块结合,提出高效金字塔语境引导模块,帮助网络学习全局和局部特征信息。在中山大学附属第六医院提供的腹部MRI图像数据库的结直肠肿瘤病灶分割实验中,验证了改进模型算法在分割精度和模型轻量化方面的有效性。 展开更多
关键词 深度学习 编码解码网络 轻量级 深度可分离卷积 医学图像分割 注意力机制 结直肠癌
下载PDF
移窗自注意力与卷积融合的医学图像分割网络
11
作者 郑言瑞 张淑军 王鸿雁 《计算机仿真》 2024年第2期261-267,288,共8页
医学图像分割是临床诊疗中的关键技术,为疾病诊断提供可靠依据。由于病灶或器官等区域尺度不一、小目标难以辨识,且边界信息较弱,容易导致过分割或欠分割问题。提出一种移窗自注意力与卷积融合的医学图像分割网络STrongUNet,使用卷积提... 医学图像分割是临床诊疗中的关键技术,为疾病诊断提供可靠依据。由于病灶或器官等区域尺度不一、小目标难以辨识,且边界信息较弱,容易导致过分割或欠分割问题。提出一种移窗自注意力与卷积融合的医学图像分割网络STrongUNet,使用卷积提取浅层特征,小感受野获得细粒度信息;通过移窗自注意力机制对局部信息进行增强提取,解决长距离依赖问题;编码器和解码器结构对称,并用两种跳跃连接方式融合高级和低级特征,实现多尺度融合的精准分割。在多器官分割数据集Synapse上的实验表明,在Dice相似系数(DSC)和Hausdorff距离(HD)评估度量上至少提高了1.94%和4.99%。 展开更多
关键词 医学图像分割 编解码网络 卷积神经网络 注意力机制
下载PDF
融合结构化卷积和双重注意力机制的轻量级眼底图像分割网络
12
作者 汪华登 刘金 +4 位作者 黎兵兵 潘细朋 刘振丙 蓝如师 罗笑南 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2024年第5期760-774,共15页
眼底血管图像的自动分割对于多种眼科疾病的计算机辅助诊断具有重要作用.针对血管的尺度差异和图像噪声导致眼底血管图像分割困难、使用单一尺度卷积运算的深度学习方法获取的特征感受野有限,以及现有的方法复杂度过高的问题,提出一个... 眼底血管图像的自动分割对于多种眼科疾病的计算机辅助诊断具有重要作用.针对血管的尺度差异和图像噪声导致眼底血管图像分割困难、使用单一尺度卷积运算的深度学习方法获取的特征感受野有限,以及现有的方法复杂度过高的问题,提出一个融合结构化卷积和双重注意力机制的轻量级眼底图像分割网络.通过编码器增强、减少下采样次数和特征深度的编码-解码网络设计,实现参数量只有0.63M的轻量化网络.在编码阶段,提出一种结构化卷积方法,有效地避免了网络训练过拟合,提高了网络捕获差异化血管特征的能力;在解码阶段,采用基于空间和通道的双重注意力机制,使网络更加关注血管特征的上下文和几何空间信息,抑制病变等噪声的干扰.在DRIVE,CHASE_DB1和STARE数据集上进行实验的结果表明,所提网络图像分割的准确率分别为96.92%,97.57%和97.51%,灵敏度分别为83.68%,84.99%和84.87%,受试者曲线下的面积(AUC)分别为98.67%,99.05%和99.02%;并通过在DRIVE和STARE数据集上的交叉训练,验证了该网络的泛化能力. 展开更多
关键词 眼底图像分割 编码-解码网络 轻量级网络 结构化卷积 双重注意力机制
下载PDF
基于注意力门UNet网络的CT金属伪影去除方法
13
作者 师晓宇 王斌 《计算机测量与控制》 2024年第4期219-225,共7页
目前,UNet基本模型对带有金属伪影的CT图像的去除能力无法有效满足需求,UNet的结构简单无法提取出足够精确的有效结构和细节信息,并且深层卷积对低级特征的信息利用不够充分;针对上述问题,提出了一个基于注意力门的UNet金属伪影去除网络... 目前,UNet基本模型对带有金属伪影的CT图像的去除能力无法有效满足需求,UNet的结构简单无法提取出足够精确的有效结构和细节信息,并且深层卷积对低级特征的信息利用不够充分;针对上述问题,提出了一个基于注意力门的UNet金属伪影去除网络,该网络采用了注意力门对低层级和高层级的信息进行注意力权重处理,并利用跳跃连接机制到特征解码结构以提高生成CT图像的质量,通过多层级的编解码结构得到最终的去除金属伪影CT图像;实验结果表明,该方法在视觉上取得了更好的条状和带状伪影去除效果的CT图像,并在PSNR指标上取得了35.5913,在FSIM指标上取得了0.9613,在SSIM指标上取得了0.9288的成绩;与ADN、cGANMAR、UNet、CNNMAR、CycleGAN等目前已有的方法相比,该方法在诸多方面均取得了显著的优势。 展开更多
关键词 金属伪影去除 注意力机制 卷积神经网络 UNet 编解码
下载PDF
UConvTrans:全局和局部信息交互的双分支心脏图像分割 被引量:1
14
作者 李擎 皇甫玉彬 +3 位作者 李江昀 杨志方 陈鹏 王子涵 《上海交通大学学报》 EI CAS CSCD 北大核心 2023年第5期570-581,共12页
心脏核磁共振成像(MRI)具有噪声多、背景和目标区域相似度高、右心室形状不固定、呈月牙形或扁圆形等特点,虽然基于卷积神经网络的U型结构在医学图像分割中表现出色,但由于卷积本身的局部运算特性,提取全局信息特征能力有限,所以很难提... 心脏核磁共振成像(MRI)具有噪声多、背景和目标区域相似度高、右心室形状不固定、呈月牙形或扁圆形等特点,虽然基于卷积神经网络的U型结构在医学图像分割中表现出色,但由于卷积本身的局部运算特性,提取全局信息特征能力有限,所以很难提升在心脏MRI上的分割精度.针对上述问题,提出一种全局和局部信息交互的双分支网络模型(UConvTrans).首先,利用卷积分支和Transformer分支提取局部特征和建模全局上下文信息,能够保留细节信息并抑制心脏MRI中噪声和背景区域的干扰.其次,设计了融合卷积网络和Transformer结构的模块,该模块将二者提取的特征交互融合,增强了模型表达能力,改善了右心室的分割精度,而且避免了Transformer结构在大规模数据集上预训练,可以灵活调节网络结构.此外,UConvTrans能有效地平衡精度和效率,在MICCAI 2017 ACDC数据集上进行验证,该模型在模型参数量、计算量仅为U-Net的10%、8%的情况下,平均Dice系数比U-Net提高了1.13%.最终,在其官方测试集上实现了右心室92.42%、心肌91.64%、左心室95.06%的Dice系数,在心肌及左心室区域取得了到目前为止最好的结果. 展开更多
关键词 医学图像分割 心脏核磁共振图像 卷积神经网络 Transformer模型 编码器-解码器
下载PDF
基于轻量编码解码结构的人像分割网络
15
作者 杨洋 黎曙 +3 位作者 曾兰玲 王新宇 赵岩 刘力玮 《计算机与数字工程》 2023年第12期2991-2996,共6页
论文提出了一种轻量人像分割方法。首先,该网络基于编码器-解码器的U型架构,采用非完全对称结构,其次引入深度可分离卷积。然后在训练阶段添加了边缘辅助损失函数。最后在初步分割结果的基础上引入精细化块来对边缘进行细化提升了分割... 论文提出了一种轻量人像分割方法。首先,该网络基于编码器-解码器的U型架构,采用非完全对称结构,其次引入深度可分离卷积。然后在训练阶段添加了边缘辅助损失函数。最后在初步分割结果的基础上引入精细化块来对边缘进行细化提升了分割精度。在EG1800数据集上将所提网络与PortraitFCN+、UNet、ENet和BiSeNet等网络进行对比实验,实验结果表明,所提出的网络可以提高图像推理速度和分割效果,并能够在分辨率为256×256的RGB图像获得96.41%的分割准确率。 展开更多
关键词 编码器-解码器 深度可分离卷积 边缘辅助损失函数
下载PDF
基于门控卷积的时空交通流预测模型
16
作者 徐丽 符祥远 李浩然 《计算机应用》 CSCD 北大核心 2023年第9期2760-2765,共6页
针对现有的交通流预测模型未能精确捕获交通数据的时空特征,以及大部分模型都是在单步预测中体现出良好的预测性能,在多步预测中模型的预测性能显得并不理想的问题,提出了一种基于门控卷积的时空交通流预测模型(GC-STTFPM)。首先,利用... 针对现有的交通流预测模型未能精确捕获交通数据的时空特征,以及大部分模型都是在单步预测中体现出良好的预测性能,在多步预测中模型的预测性能显得并不理想的问题,提出了一种基于门控卷积的时空交通流预测模型(GC-STTFPM)。首先,利用图卷积网络(GCN)结合门控循环单元(GRU)来捕获交通流数据的时空特征;然后提出了一种利用卷积门控单元对原始数据和时空特征数据进行拼接与筛选处理的方法来对时空特征数据的有效性进行校验;最后,将GRU作为解码器来对未来交通流作出准确可靠的预测。在洛杉矶公路的交通数据集上的实验结果表明,GC-STTFPM在单步预测(5 min)中与基于注意力的时空图神经网络(ASTGNN)和扩散卷积递归神经网络(DCRNN)相比,平均绝对误差(MAE)分别降低了5.9%和9.9%,均方根误差(RMSE)分别降低了1.7%和5.8%。同时,GC-STTFPM在15、30、60 min三个多步尺度下的预测精度优于大多数现有基准模型,具有较强的适应性和鲁棒性。 展开更多
关键词 智能交通 时间序列 编码器 解码器 图卷积网络 门控循环单元
下载PDF
混合扩张卷积和注意力机制的路面裂缝检测
17
作者 瞿中 李明 《计算机工程与设计》 北大核心 2023年第8期2425-2431,共7页
针对复杂背景下路面裂缝检测困难的问题,提出一种基于混合扩张卷积和空间-通道注意力机制的路面裂缝检测算法。基于改进的U-Net网络,在编码阶段,使用空间-通道注意力机制增强裂缝特征,抑制非裂缝特征;在网络中间部分,使用混合扩张卷积... 针对复杂背景下路面裂缝检测困难的问题,提出一种基于混合扩张卷积和空间-通道注意力机制的路面裂缝检测算法。基于改进的U-Net网络,在编码阶段,使用空间-通道注意力机制增强裂缝特征,抑制非裂缝特征;在网络中间部分,使用混合扩张卷积实现在不增加额外模块的前提下增大网络的感受野;在解码阶段,融合多层次和多尺度特征使最终预测结果更接近路面真实情况。实验结果表明,所提算法能够快速准确地对路面裂缝进行检测,具有较强的鲁棒性。 展开更多
关键词 裂缝检测 深度学习 卷积神经网络 编码-解码结构 混合扩张卷积 空间-通道注意力机制 多尺度特征融合
下载PDF
一种基于CNN的图片隐写方法
18
作者 任志敏 《山西电子技术》 2023年第6期80-83,89,共5页
传统的信息隐藏方法通常是将有效载荷数据直接写入到宿主图片对应的二进制位,这有可能导致宿主图片的失真。为了解决这个问题,提出了一个基于卷积神经网络CNN的编码器和解码器架构嵌入有效载荷数据生成Stego图片,并从中恢复有效载荷图... 传统的信息隐藏方法通常是将有效载荷数据直接写入到宿主图片对应的二进制位,这有可能导致宿主图片的失真。为了解决这个问题,提出了一个基于卷积神经网络CNN的编码器和解码器架构嵌入有效载荷数据生成Stego图片,并从中恢复有效载荷图片。同时引入了一个新的损失函数,实现了训练集、验证集的低损失率,保证了编码器和解码器的训练。在CIFAR-100数据集上的实验结果表明,该方法在增大嵌入载入容量的同时,Stego图片和提取载荷图片质量都表现非常稳定。 展开更多
关键词 隐写术 卷积神经网络 图片 编码 解码
下载PDF
基于注意力机制和可变形卷积的路面裂缝检测 被引量:1
19
作者 隆涛 董安国 刘来君 《计算机科学》 CSCD 北大核心 2023年第S01期392-397,共6页
针对较复杂背景下路面裂缝检测问题,由于基于深度学习的图像分割算法检测效果不甚理想,以及裂缝图像自身像素类别不平衡,提出了一种基于注意力机制和可变形卷积的路面裂缝检测网络,该网络基于编码-解码结构进行构建。为了解决较为复杂... 针对较复杂背景下路面裂缝检测问题,由于基于深度学习的图像分割算法检测效果不甚理想,以及裂缝图像自身像素类别不平衡,提出了一种基于注意力机制和可变形卷积的路面裂缝检测网络,该网络基于编码-解码结构进行构建。为了解决较为复杂背景裂缝检测困难的问题,首先,由可变形卷积提升网络对不同形状裂缝线性特征的学习能力;其次,使用密集连接机制强化特征信息;然后,在解码阶段采用转置卷积和桥接方式与编码阶段特征逐步融合,并结合多级特征融合的思想,提高网络的检测精度;最后,引入注意力模块(SimAM),在不增加网络参数的前提下,更加关注目标特征的提取,抑制背景特征。在两个公开裂缝数据集上进行实验来验证该算法的有效性,实验结果表明,该算法的各项性能评价指标均优于对比算法,BCrack数据集的平均像素精度、平均交并比分别达到92.12%和84.79%,CFD数据集的平均像素精度、平均交并比分别达到91.02%和74.75%,在复杂背景裂缝检测下表现良好,可应用于路面维修工程。 展开更多
关键词 裂缝检测 编码-解码结构 可变形卷积 密集连接机制 注意力模块
下载PDF
基于特征融合编解码的人群计数和密度估计 被引量:1
20
作者 邹敏 黄虹 +1 位作者 杜渂 黄继风 《计算机工程与设计》 北大核心 2023年第7期2110-2117,共8页
为解决人群计数任务中因人群大小不一导致的计数偏差问题,提出一种基于特征融合的编解码卷积神经网络模型(CFFNet)。前端网络模块对输入的人群图像自动编码,提取不同尺度的人群特征语义信息;后端网络模块对编码后的人群特征信息进行融... 为解决人群计数任务中因人群大小不一导致的计数偏差问题,提出一种基于特征融合的编解码卷积神经网络模型(CFFNet)。前端网络模块对输入的人群图像自动编码,提取不同尺度的人群特征语义信息;后端网络模块对编码后的人群特征信息进行融合和解码,得到最终的估计密度图。将该模型在4个公开数据集上进行实验,并与历年的主要方法进行对比,实验结果表明,该模型在ShanghaiTech PartA、UCSD和Mall数据集上取得了更好的MAE指标,优于目前的这些算法,验证了模型对不同的人群尺度具有很好的适应性。 展开更多
关键词 人群计数 卷积神经网络 编码器 人群尺度 解码器 特征融合 密度图
下载PDF
上一页 1 2 9 下一页 到第
使用帮助 返回顶部