期刊文献+
共找到159篇文章
< 1 2 8 >
每页显示 20 50 100
DCFNet:An Effective Dual-Branch Cross-Attention Fusion Network for Medical Image Segmentation
1
作者 Chengzhang Zhu Renmao Zhang +5 位作者 Yalong Xiao Beiji Zou Xian Chai Zhangzheng Yang Rong Hu Xuanchu Duan 《Computer Modeling in Engineering & Sciences》 SCIE EI 2024年第7期1103-1128,共26页
Automatic segmentation of medical images provides a reliable scientific basis for disease diagnosis and analysis.Notably,most existing methods that combine the strengths of convolutional neural networks(CNNs)and Trans... Automatic segmentation of medical images provides a reliable scientific basis for disease diagnosis and analysis.Notably,most existing methods that combine the strengths of convolutional neural networks(CNNs)and Transformers have made significant progress.However,there are some limitations in the current integration of CNN and Transformer technology in two key aspects.Firstly,most methods either overlook or fail to fully incorporate the complementary nature between local and global features.Secondly,the significance of integrating the multiscale encoder features from the dual-branch network to enhance the decoding features is often disregarded in methods that combine CNN and Transformer.To address this issue,we present a groundbreaking dual-branch cross-attention fusion network(DCFNet),which efficiently combines the power of Swin Transformer and CNN to generate complementary global and local features.We then designed the Feature Cross-Fusion(FCF)module to efficiently fuse local and global features.In the FCF,the utilization of the Channel-wise Cross-fusion Transformer(CCT)serves the purpose of aggregatingmulti-scale features,and the Feature FusionModule(FFM)is employed to effectively aggregate dual-branch prominent feature regions from the spatial perspective.Furthermore,within the decoding phase of the dual-branch network,our proposed Channel Attention Block(CAB)aims to emphasize the significance of the channel features between the up-sampled features and the features generated by the FCFmodule to enhance the details of the decoding.Experimental results demonstrate that DCFNet exhibits enhanced accuracy in segmentation performance.Compared to other state-of-the-art(SOTA)methods,our segmentation framework exhibits a superior level of competitiveness.DCFNet’s accurate segmentation of medical images can greatly assist medical professionals in making crucial diagnoses of lesion areas in advance. 展开更多
关键词 Convolutional neural networks Swin Transformer dual branch medical image segmentation feature cross fusion
下载PDF
INDEPENDENTLY-TUNED CONCURRENT DUAL-BAND BRANCH-LINE COUPLER USING VARACTOR 被引量:1
2
作者 Guo Xiaofeng Ye Yan +2 位作者 Liu Taijun Xu Qian Li Ruiyang 《Journal of Electronics(China)》 2014年第4期348-353,共6页
This paper presents a concurrent dual-band branch-line coupler with an independently tunable center frequency. In the proposed architecture, the quarter-wavelength lines, which work at two separated bands concurrently... This paper presents a concurrent dual-band branch-line coupler with an independently tunable center frequency. In the proposed architecture, the quarter-wavelength lines, which work at two separated bands concurrently and can be tuned in one of them, are key components. Based on the analysis of ABCD-matrix, a novel hybrid structure and a pair of varactors topology are utilized to achieve concurrent dual-band operation and independent tunability, respectively. Using this configuration, it is convenient to tune the center frequency of the upper band, while the responses of the lower band remain unaltered. To verify the proposed idea, a demonstration is implemented and the simulated results are presented. 展开更多
关键词 branch-line coupler Concurrent dual-band VARACTOR Independently tuned Quarter-wavelength line
下载PDF
Performance Analysis of Non-Identically Distributed FSO Systems with Dual- and Triple- Branch Based on MRC over Gamma-Gamma Fading Channels
3
作者 Tao Liu Hailin Zhang +3 位作者 Jiaoying Wang Huihua Fu Ping Wang Jing Li 《China Communications》 SCIE CSCD 2018年第1期45-51,共7页
In this work, the performance of free-space optical(FSO) communication system based on maximal ratio combining using binary phase shift keying subcarrier intensity modulation over Gamma-Gamma fading channels has been ... In this work, the performance of free-space optical(FSO) communication system based on maximal ratio combining using binary phase shift keying subcarrier intensity modulation over Gamma-Gamma fading channels has been studied systematically. Under identically or non-identically distributed branches, the analytical expressions for the bit error rate function of signal-to-noise are derived by expressing the modified Bessel function of second kind with Meijer G-function for dualand triple-branch systems, respectively. In terms of H-fox function, the new expressions have more general forms and are more efficient for computation. It is found that the dual-and triple-branch systems significantly outperform the direct link system under weak, moderate and strong turbulence conditions. Monte Carlo simulation is also provided to confirm the accuracy of the proposed model. 展开更多
关键词 bit error rate dual-and triple-branch flee-space optical systems GAMMA-GAMMA fad-ing maximal ratio combining (MRC)
下载PDF
双分支结构的多层级三维点云补全
4
作者 邱云飞 王宜帆 《计算机工程与应用》 CSCD 北大核心 2024年第9期272-282,共11页
为了缓解现有点云补全方法在特征提取过程中很难平衡局部特征和全局特征的问题,提出了一种双分支结构的多层级点云补全算法。利用两个独立的分支网络分别提取出输入点云的局部特征信息和全局特征信息,再将两种特征信息进行拼接形成特征... 为了缓解现有点云补全方法在特征提取过程中很难平衡局部特征和全局特征的问题,提出了一种双分支结构的多层级点云补全算法。利用两个独立的分支网络分别提取出输入点云的局部特征信息和全局特征信息,再将两种特征信息进行拼接形成特征向量。使用五层联合感知机将特征向量映射成多个维度,进而提取多维特征信息并将其整合成最终特征向量。采用金字塔结构在256、512、1024特征维度上对最终特征向量进行特征解码,预测三种不同分辨率的点云。引入鉴别器网络,通过联合训练鉴别器产生的对抗损失和分层重建点云产生的补全损失去优化网络。在ShapeNet数据集上进行实验,算法显著提升了点云补全精度,并且在缺失大面积点云时也能恢复出较为完善的物体形状。 展开更多
关键词 三维点云 形状补全 深度学习 双分支结构 鉴别器网络
下载PDF
A tunable dual-broad-band branch-line coupler utilizing composite right/left-handed transmission lines
5
作者 章瑜 胡黎 何赛灵 《Journal of Zhejiang University-Science A(Applied Physics & Engineering)》 SCIE EI CAS CSCD 2005年第6期483-486,共4页
A tunable dual-broad-band branch-line coupler (BLC) utilizing composite right/left-handed (CRLH) transmission lines is presented. Two λ/4 segments consisting of CRLH transmission lines are added to each port to broad... A tunable dual-broad-band branch-line coupler (BLC) utilizing composite right/left-handed (CRLH) transmission lines is presented. Two λ/4 segments consisting of CRLH transmission lines are added to each port to broaden the dual bands of the branch-line coupler. Numerical simulation and optimal design of the novel coupler are presented. The dual bands of the novel coupler are tunable and broad. The 1-dB bandwidth of each pass band is more than 16% of the central frequency. 展开更多
关键词 BLC 分歧线 双宽边 左右手定则 可调性
下载PDF
融入注意力机制的小样本遥感图像场景分类 被引量:1
6
作者 张多纳 赵宏佳 +2 位作者 鲁远耀 崔健 张宝昌 《计算机工程与应用》 CSCD 北大核心 2024年第4期173-182,共10页
遥感图像场景分类是计算机视觉领域的热点研究方向,对遥感图像场景及其语义理解意义重大。目前,基于深度学习的遥感图像场景分类方法在该领域占据主导地位。然而实际应用场景面临着样本数据较少、模型泛化能力较差的问题,致使基于深度... 遥感图像场景分类是计算机视觉领域的热点研究方向,对遥感图像场景及其语义理解意义重大。目前,基于深度学习的遥感图像场景分类方法在该领域占据主导地位。然而实际应用场景面临着样本数据较少、模型泛化能力较差的问题,致使基于深度学习的遥感图像场景分类方法实现难度较大,性能大幅下降。针对上述难点,提出了基于注意力机制的小样本遥感图像场景分类方法,设计了一种双分支判别结构进行相似性度量。该方法基于元学习训练策略对数据集进行任务制划分;为最大限度保留遥感图像中的特征分布,对输入图像进行重叠分块;在特征提取网络中引入轻量级注意力模块,降低过拟合风险并保证判别性特征的获取;在EMD(earth mover’s distance)距离的基础上设计添加双分支相似性度量模块,提升分类器的判别能力。实验结果表明,相较于经典小样本学习方法,所提出的小样本遥感图像场景分类方法能够显著提升分类性能。 展开更多
关键词 遥感图像场景分类 小样本学习 元学习 注意力机制 双分支判别
下载PDF
基于环形多模谐振器的双频滤波功分器设计
7
作者 王传云 夏婷婷 +1 位作者 樊启磊 张喜强 《传感器与微系统》 CSCD 北大核心 2024年第5期91-93,97,共4页
本文设计了一种基于环形多模谐振器的零点可控双频滤波功分器。通过微扰加载,实现双频滤波器功能;利用枝节加载,提高了带宽和带外选择性;采用融合设计方法,将该滤波器与功分器进行集成,完成双频滤波功分器设计;通过在输出端口间引入电阻... 本文设计了一种基于环形多模谐振器的零点可控双频滤波功分器。通过微扰加载,实现双频滤波器功能;利用枝节加载,提高了带宽和带外选择性;采用融合设计方法,将该滤波器与功分器进行集成,完成双频滤波功分器设计;通过在输出端口间引入电阻,提高端口间隔离度。为了验证设计的正确性,设计、加工和测试了该功分器,实测结果和仿真结果基本吻合,当功分器S_(11)<-10 dB时,工作频段分别为2.14~2.52 GHz和4.54~4.84 GHz,端口间隔离度最大达到45 dB。 展开更多
关键词 双频 环形多模谐振器 枝节加载 滤波功分器
下载PDF
双注意力随机选择全局上下文细粒度识别网络
8
作者 徐胜军 荆扬 +3 位作者 段中兴 李明海 李海涛 刘福友 《液晶与显示》 CAS CSCD 北大核心 2024年第4期506-521,共16页
针对细粒度图像识别任务中易忽视微小潜在性特征且外观差异细微等问题,提出一种基于双注意力随机选择全局上下文细粒度识别网络。首先,使用ConvNeXt作为主干网络,提出双注意力随机选择模块,对不同阶段提取到的特征进行通道随机选择和空... 针对细粒度图像识别任务中易忽视微小潜在性特征且外观差异细微等问题,提出一种基于双注意力随机选择全局上下文细粒度识别网络。首先,使用ConvNeXt作为主干网络,提出双注意力随机选择模块,对不同阶段提取到的特征进行通道随机选择和空间随机选择,使网络能够关注到其他潜在微小判别性特征;其次,利用全局上下文注意力模块将深层特征的语义信息融合到中间层,增强中间层定位微小特征的能力;最后,提出一种多分支损失,对中间层、深层和拼接层特征引入分类损失,结合不同分支提取到的特征,诱导网络获得多样性的判别特征。所提网络在Stanford-cars、CUB-200-2011、FGVC-Aircraft 3个公开细粒度数据集和真实场景下车型数据集VMRURS上分别达到了95.2%、92.1%、94.0%和97.0%的识别准确率,其性能相比其他对比方法有较大幅度提升。 展开更多
关键词 细粒度识别 ConvNeXt 双注意力随机选择 全局上下文注意力 多分支损失
下载PDF
基于多模态融合和卷积神经网络的逆变器故障诊断
9
作者 张靖超 毕贵红 +3 位作者 赵四洪 孔凡文 陈冬静 陈仕龙 《电力科学与工程》 2024年第3期34-43,共10页
电压源控制型静止同步补偿系统(Voltage source controlled static synchronous compensator,VSC-STATCOM)故障具有随机性和不可预测性,其原始信号难以完全反映功率开关管的波形特征,导致故障特征提取及诊断困难。针对此问题,提出一种... 电压源控制型静止同步补偿系统(Voltage source controlled static synchronous compensator,VSC-STATCOM)故障具有随机性和不可预测性,其原始信号难以完全反映功率开关管的波形特征,导致故障特征提取及诊断困难。针对此问题,提出一种结合多模态融合技术(Multi-modal fusion technology,MFT)、双分支卷积神经网络(Double branch convolution neural network,DBCNN)与自注意力机制(Self-attention mechanism,SA)的逆变器故障诊断的方法。首先,利用快速傅里叶变换实现逆变器故障数据的时域模态信号到频域模态信号的转换;然后,利用DBCNN分别提取时域和频域2个模态的特征并进行特征融合,再将利用SA权重自适应分配能力筛选出的关键特征作为故障分类的依据,解决功率开关管开路故障难以辨别的问题。在逆变器故障诊断过程中,采用MFT和卷积神经网络相结合的方法,建立了一种准确而快速的实现故障分类的体系。以VSC-STATCOM逆变器为对象开展实验,实验结果表明,与单模态时域(Convolutional neural network-self-attention mechanism)CNN-SA和频域CNN-SA方法相比,MFT-DBCNN-SA对故障诊断的准确率均有提高;不同相数的实验结果表明,利用该方法仅靠两相就能很好地诊断出故障类别。相较于同领域的研究,所提故障诊断方法的水平持平或有所提升。 展开更多
关键词 逆变器 多模态融合技术 双分支卷积神经网络 自注意力机制 故障诊断
下载PDF
基于各向异性注意力的双分支血管分割模型
10
作者 徐晓峰 黄韫栀 徐军 《计算机工程》 CSCD 北大核心 2024年第1期348-356,共9页
血管分割对于血管疾病的诊断和治疗具有重要意义,但由于血管边界模糊、病变血管的形状多变且不同样本之间的差异性较大,因此要求分割模型能够准确地挖掘血管与背景类间的差异性以及血管内部的连通性。提出一种基于中心线约束与各向异性... 血管分割对于血管疾病的诊断和治疗具有重要意义,但由于血管边界模糊、病变血管的形状多变且不同样本之间的差异性较大,因此要求分割模型能够准确地挖掘血管与背景类间的差异性以及血管内部的连通性。提出一种基于中心线约束与各向异性注意力的新型三维血管分割网络CAU-Net。针对血管分割的难点,对基础网络结构ResU-Net进行改进,构建各向异性注意力模块,该模块根据管腔结构特有的空间各向异性,从3个方向提取血管空间各向异性特征,并对特征通道间的相关性进行建模,学习血管的三维空间信息。采用主-辅双分支模型,b-Net对血管进行语义分割,a-Net学习血管中心线的连续性特征,约束b-Net的血管分割结果,保证血管分割结果的完整性。在公开数据集3D-IRCADb-01上的实验结果表明,对于门静脉及肝静脉的分割,CAU-Net分别取得(74.80±8.05)%和(76.14±6.89)%的Dice系数、(54.80±8.09)%和(50.40±5.22)%的NSD系数、(72.43±8.26)%和(70.84±6.05)%的clDice系数、(46.47±12.89)%和(39.19±7.97)%的分支检测率以及(67.08±15.59)%和(61.47±9.32)%的树长检测率。在公开脑血管数据集IXI上进行组件消融实验,模型在验证集上的平均Dice、NSD、clDice、BD和TD分别为(94.11±0.39)%、(96.53±0.37)%、(95.83±0.59)%、(98.64±1.63)%和(95.44±1.22)%,相比于Baseline分别提升了0.92%、0.82%、0.92%、1.11%和1.60%。CAU-Net血管分割模型能够显著提升血管分割的精度和完整度。 展开更多
关键词 血管分割 中心线约束 各向异性 注意力机制 双分支模型
下载PDF
基于散射点拓扑和双分支卷积神经网络的SAR图像小样本舰船分类 被引量:1
11
作者 张翼鹏 卢东东 +1 位作者 仇晓兰 李飞 《雷达学报(中英文)》 EI CSCD 北大核心 2024年第2期411-427,共17页
随着合成孔径雷达(SAR)图像在舰船检测和识别领域的广泛应用,准确而高效地进行舰船分类已经成为一个亟待解决的问题。在小样本学习场景下,一般的方法面临着泛化能力不足的问题,因此该文引入了额外的信息和特征,旨在增加模型对目标的理... 随着合成孔径雷达(SAR)图像在舰船检测和识别领域的广泛应用,准确而高效地进行舰船分类已经成为一个亟待解决的问题。在小样本学习场景下,一般的方法面临着泛化能力不足的问题,因此该文引入了额外的信息和特征,旨在增加模型对目标的理解和泛化能力。该文通过散射关键点构建拓扑结构以表征舰船目标的结构和形状特征,并计算拓扑结构的拉普拉斯矩阵,将散射点之间的拓扑关系转化为矩阵形式,最后将SAR图像和拉普拉斯矩阵分别作为双分支网络的输入进行特征提取。在网络结构方面,该文设计了一个由两个独立的卷积分支组成的双分支卷积神经网络,分别负责处理视觉特征和拓扑特征,并用两个交叉融合注意力模块分别对两个分支的特征进行交互融合。该方法有效地将目标散射点拓扑关系与网络的自动学习过程相结合,从而增强模型的泛化能力并提高分类精度。实验结果表明,在OpenSARShip数据集上,所提方法在1-shot和5-shot任务的平均准确率分别为53.80%和73.00%。而在FUSAR-Ship数据集上,所提方法分别取得了54.44%和71.36%的平均准确率。所提方法在1-shot和5-shot的设置下相比基础方法准确率均提升超过15%,证明了散射点拓扑的应用对SAR图像小样本舰船分类的有效性。 展开更多
关键词 合成孔径雷达(SAR) 舰船分类 小样本学习 散射点拓扑 双分支卷积神经网络
下载PDF
基于无人船的双分支解码轻量型分割网络研究
12
作者 刘丹 张建杰 《激光杂志》 CAS 北大核心 2024年第3期175-181,共7页
为保证水面无人艇(USVs)进行水上任务时能够顺利航行,需要对河道信息进行精确的提取,因此,对河道语义分割的网络模型进行了研究。针对河道图像分割中类间不一致和类内不一致的问题,文中提出了分割网络DBDL-Net,网络中设计双分支解码结... 为保证水面无人艇(USVs)进行水上任务时能够顺利航行,需要对河道信息进行精确的提取,因此,对河道语义分割的网络模型进行了研究。针对河道图像分割中类间不一致和类内不一致的问题,文中提出了分割网络DBDL-Net,网络中设计双分支解码结构和双重损失函数,分别把握语义信息和空间信息;同时在编码部分设计了多尺度残差的轻量模块,一方面减少参数,一方面以不同的比例捕捉特征信息。最后在USVIn-land数据集上对模型进行消融和对比实验,实验结果表明:DBDL-Net的精确度和平均交并比最终达到了93.619%和87.682%,与其他先进分割网络相比,DBDL-Net也具有更佳的综合表现。 展开更多
关键词 水面无人艇 DBDL-Net 双分支解码结构 双重损失函数 多尺度残差的轻量模块
下载PDF
利用跨模态轻量级YOLOv5模型的PET/CT肺部肿瘤检测
13
作者 周涛 叶鑫宇 +1 位作者 刘凤珍 陆惠玲 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第2期624-632,共9页
多模态医学图像可在同一病灶处提供更多语义信息,针对跨模态语义相关性未充分考虑和模型复杂度过高的问题,该文提出基于跨模态轻量级YOLOv5(CL-YOLOv5)的肺部肿瘤检测模型。首先,提出学习正电子发射型断层显像(PET)、计算机断层扫描(CT)... 多模态医学图像可在同一病灶处提供更多语义信息,针对跨模态语义相关性未充分考虑和模型复杂度过高的问题,该文提出基于跨模态轻量级YOLOv5(CL-YOLOv5)的肺部肿瘤检测模型。首先,提出学习正电子发射型断层显像(PET)、计算机断层扫描(CT)和PET/CT不同模态语义信息的3分支网络;然后,设计跨模态交互式增强块充分学习多模态语义相关性,余弦重加权计算Transformer高效学习全局特征关系,交互式增强网络提取病灶的能力;最后,提出双分支轻量块,激活函数簇(ACON)瓶颈结构降低参数同时增加网络深度和鲁棒性,另一分支为密集连接的递进重参卷积,特征传递达到最大化,递进空间交互高效地学习多模态特征。在肺部肿瘤PET/CT多模态数据集中,该文模型获得94.76%mAP最优性能和3238 s最高效率,以及0.81 M参数量,较YOLOv5s和EfficientDet-d0降低7.7倍和5.3倍,多模态对比实验中总体上优于现有的先进方法,消融实验和热力图可视化进一步验证。 展开更多
关键词 YOLOv5 跨模态交互式增强块 双分支轻量块 PET/CT多模态肺部肿瘤影像
下载PDF
融合全局和局部信息的实时烟雾分割算法
14
作者 张欣雨 梁煜 张为 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2024年第1期147-156,共10页
针对烟雾形状不规则、呈半透明状且边界模糊导致烟雾分割困难的问题,提出一种融合全局和局部信息的双分支实时烟雾分割算法。该算法设计了轻量级的Transformer分支和卷积神经网络分支分别提取烟雾的全局特征和局部特征,Transformer分支... 针对烟雾形状不规则、呈半透明状且边界模糊导致烟雾分割困难的问题,提出一种融合全局和局部信息的双分支实时烟雾分割算法。该算法设计了轻量级的Transformer分支和卷积神经网络分支分别提取烟雾的全局特征和局部特征,Transformer分支和卷积神经网络分支共同作用,可以在充分学习烟雾的长距离像素依赖关系的同时保留烟雾细节信息,从而准确区分烟雾和背景像素,改善烟雾分割效果。同时该结构可以满足实际烟雾检测任务的实时性要求;基于多层感知机的解码器充分利用不同尺度的烟雾特征图,并进一步建模烟雾全局上下文信息,增强模型对多尺度烟雾的感知能力,从而提升烟雾分割精度;而且解码器结构简单,可以降低解码器部分的计算量。该算法在自建烟雾分割数据集上的平均交并比为92.88%,模型参数量为2.96 M,推理速度为56.94帧/s。该算法在公开数据集上的综合性能优于其他烟雾检测算法。实验结果表明,该算法分割烟雾的准确率高,推理速度快,可以满足实际烟雾检测任务的准确性和实时性需求。 展开更多
关键词 烟雾分割 TRANSFORMER 卷积神经网络 双分支
下载PDF
基于BF-YOLOv5的红外及可见光图像融合的目标检测
15
作者 郝博 谷继明 刘力维 《电光与控制》 CSCD 北大核心 2024年第5期72-76,共5页
在目标检测领域,夜间、大雾、遮挡及战场伪装等复杂的环境中,使用单一的图像传感器不足以反映全部的场景信息,难以提高复杂环境中目标检测精度。为此提出了以YOLOv5为基础的BF-YOLOv5算法,算法采用双分支结构,通过两个Backbone分别读取... 在目标检测领域,夜间、大雾、遮挡及战场伪装等复杂的环境中,使用单一的图像传感器不足以反映全部的场景信息,难以提高复杂环境中目标检测精度。为此提出了以YOLOv5为基础的BF-YOLOv5算法,算法采用双分支结构,通过两个Backbone分别读取可见光图像和红外图像,在每个Backbone中分别融合了CBAM,通过学习的方式自动获取每个特征通道的重要程度,并且利用得到的重要程度来提升特征,抑制对当前任务不重要的特征。在Neck部分融合了BiFormer注意力机制,用来提升对小目标的检测能力。实验证明,BF-YOLOv5算法在红外及可见光FLIR数据集和LLVIP数据集上的检测精度均高于原有算法,在FLIR数据集上平均精度均值(mAP)高达86.6%,相比原有双分支算法提升了2.2个百分点,显著提高红外和可见光融合图像的检测性能。 展开更多
关键词 目标检测 BF-YOLOv5 图像融合 双分支结构 BiFormer
下载PDF
结合稠密小波变换的双分支低照度图像增强
16
作者 陈俊杰 周永霞 +2 位作者 祖佳贞 盛威 赵平 《计算机工程与应用》 CSCD 北大核心 2024年第4期200-210,共11页
针对低照度图像存在低亮度、高噪声、色彩失真等问题,提出了一种结合稠密小波变换的双分支低照度图像增强方法。采用稠密小波网络进行多尺度特征信息融合,在减少信息丢失的同时使网络具有一定的去噪能力。在多尺度特征融合中嵌入全局注... 针对低照度图像存在低亮度、高噪声、色彩失真等问题,提出了一种结合稠密小波变换的双分支低照度图像增强方法。采用稠密小波网络进行多尺度特征信息融合,在减少信息丢失的同时使网络具有一定的去噪能力。在多尺度特征融合中嵌入全局注意力模块和特征提取模块,充分提取全局和局部特征。通过双分支结构对图像进行色彩增强和细节重建,使得低照度图像具有较好的增强效果。引入了新的联合损失函数从多方面指导网络训练,以增强网络性能。将所提方法与主流方法相比较,实验结果充分表明,所提方法有效提高了低照度图像的亮度,抑制了图像噪声,并取得了更丰富的细节和色彩信息,得到的增强图像更清晰自然,在峰值信噪比和结构相似度等图像质量客观评价指标方面也具有显著的优势。 展开更多
关键词 稠密小波变换 低照度 图像增强 双分支 联合损失函数
下载PDF
融合双分支动态偏好的会话推荐
17
作者 沈学利 王乐 田学成 《计算机系统应用》 2024年第3期52-62,共11页
针对基于会话的推荐算法仅对用户单一偏好进行静态建模而无法捕捉用户受环境影响偏好产生的波动,从而降低推荐准确性的问题.提出融合双分支动态偏好的会话推荐方法:首先,通过异构超图来建模不同类型信息,设计双分支聚合机制获取以及整... 针对基于会话的推荐算法仅对用户单一偏好进行静态建模而无法捕捉用户受环境影响偏好产生的波动,从而降低推荐准确性的问题.提出融合双分支动态偏好的会话推荐方法:首先,通过异构超图来建模不同类型信息,设计双分支聚合机制获取以及整合异构超图中信息并且学习多类型节点之间的关系,再用价格嵌入增强器来加强类别和价格之间关系;其次,设计双层偏好编码器,其中采用多尺度时序Transformer提取用户动态价格偏好,利用软注意机制和反向位置编码学习用户动态兴趣偏好;最后,用门控机制融合用户多类型动态偏好,向用户进行推荐.通过在Cosmetics和Diginetica-buy两个数据集上进行实验,结果证明与其他对比算法相比在Precision和MRR评价指标中有显著的提升. 展开更多
关键词 推荐系统 多类型动态建模 异构超图 双分支 注意力机制
下载PDF
基于双分支编码的闭环分割网络
18
作者 任玉涛 程远志 《计算机系统应用》 2024年第1期110-118,共9页
Transformer模型中,卷积视觉转换器(CvT)具备同时提取图像的局部和全局特征的能力而受到关注.对于腹部器官分割问题,为了解决CNN模型分割目标边界轮廓模糊不清的问题,提出了一种新颖的基于CvT和CNN的双分支闭环分割模型DBLNet.模型利用... Transformer模型中,卷积视觉转换器(CvT)具备同时提取图像的局部和全局特征的能力而受到关注.对于腹部器官分割问题,为了解决CNN模型分割目标边界轮廓模糊不清的问题,提出了一种新颖的基于CvT和CNN的双分支闭环分割模型DBLNet.模型利用形状先验和预测结果的分割轮廓显式监督并指导网络学习过程.模型包括:轮廓提取编码模块(CEE)、边界形状分割网络(BSSN)和闭环结构.CEE模块首次利用改造的3D CvT和3D门控卷积层(GCL)捕获多层级轮廓特征,并辅助BSSN训练.BSSN模块设计形状特征融合模块(SFF)同时捕获目标区域和轮廓特征,推动CEE训练拟合.闭环结构使得双分支的分割结果互相反馈并辅助对方的训练.DBLNet在BTCV排行榜上测试,平均Dice得分为0.878,排名第13位;在临床医院数据进行应用测试,表现出强大的性能. 展开更多
关键词 腹部器官 边缘轮廓 双分支编码器 闭环结构 卷积视觉转换器 医学影像处理 特征融合 图像分割
下载PDF
基于CBAM-ResNet和多域特征融合的配电网故障选线方法 被引量:1
19
作者 刘会家 肖懂 +1 位作者 滕杰 冯铃 《国外电子测量技术》 北大核心 2023年第8期10-18,共9页
传统配电网故障选线模型大多采用零序电流时频特征作为选线判据,单一信息域特征无法全面反映故障信息差异、适用范围存在局限性。为了提高模型复杂工况下选线准确率,提出一种基于卷积注意力机制优化双分支残差网络(CBAM-ResNet)和多域... 传统配电网故障选线模型大多采用零序电流时频特征作为选线判据,单一信息域特征无法全面反映故障信息差异、适用范围存在局限性。为了提高模型复杂工况下选线准确率,提出一种基于卷积注意力机制优化双分支残差网络(CBAM-ResNet)和多域特征融合的配电网故障选线方法。首先,利用变分模态分解-希尔伯特变换和格拉姆角场将采集的零序电流信号分别映射为二维时频域和空间域图像,构建能够全面的反映故障信息的多域图像训练集;其次,通过CBAM-ResNet网络深层次挖掘并融合多域特征信息,卷积注意力机制能对多域特征的重要性进行区分,加快网络训练速度,提高分类准确性;最后,将融合特征输入全连接层实现对配电网故障线路的选取。仿真结果表明,该方法相比传统选线方法具有更高的选线精度和噪声鲁棒性。 展开更多
关键词 故障选线 多域特征融合 双分支残差网络 卷积注意力机制
下载PDF
多尺度注意力交互式图像去噪网络
20
作者 罗军伟 张真 +2 位作者 雒芬 乔应旭 霍占强 《河南理工大学学报(自然科学版)》 CAS 北大核心 2023年第5期144-153,共10页
图像去噪中,针对去噪网络提取图像细节信息不全面和特征利用率低的问题,提出一种基于深度学习的多尺度注意力交互式图像去噪网络(MAINet)。首先,对于浅层像素级特征采用多尺度特征提取块获取丰富的上下文信息和图像纹理特征,以保证图像... 图像去噪中,针对去噪网络提取图像细节信息不全面和特征利用率低的问题,提出一种基于深度学习的多尺度注意力交互式图像去噪网络(MAINet)。首先,对于浅层像素级特征采用多尺度特征提取块获取丰富的上下文信息和图像纹理特征,以保证图像信息的完整性;然后,引入双路通道注意力机制指导网络获取更具判别性的特征信息,抑制不期望的噪声,从而进一步优化特征信息;最后,利用分类密集残差块的密集连接和成对卷积操作增强模型的交互性,对全局多层次特征进行联合学习,提取更高质量的语义级特征,以提升去噪网络的性能。实验结果表明,在定量和定性评估方面,所提出的去噪网络在合成噪声和真实噪声两种数据集上的去噪效果都有所提升。 展开更多
关键词 深度学习 图像去噪 多尺度特征提取 双路通道注意力机制 分类密集残差块
下载PDF
上一页 1 2 8 下一页 到第
使用帮助 返回顶部