期刊文献+
共找到5,628篇文章
< 1 2 250 >
每页显示 20 50 100
Implementing Classical Hadamard Transform Algorithm by Continuous Variable Cluster State 被引量:1
1
作者 王宇 苏琦 《Chinese Physics Letters》 SCIE CAS CSCD 2017年第7期19-23,共5页
Measurement-based one-way quantum computation, which uses cluster states as resources, provides an efficient model to perforrn computation. However, few of the continuous variable (CV) quantum algorithms and classic... Measurement-based one-way quantum computation, which uses cluster states as resources, provides an efficient model to perforrn computation. However, few of the continuous variable (CV) quantum algorithms and classical algorithms based on one-way quantum computation were proposed. In this work, we propose a method to implement the classical Hadamard transform algorithm utilizing the CV cluster state. Compared with classical computation, only half operations are required when it is operated in the one-way CV quantum computer. As an example, we present a concrete scheme of four-mode classical Hadamard transform algorithm with a four-partite CV cluster state. This method connects the quantum computer and the classical algorithms, which shows the feasibility of running classical algorithms in a quantum computer efficiently. 展开更多
关键词 Implementing Classical Hadamard transform algorithm by Continuous Variable Cluster State
下载PDF
基于INGO-Transformer的模拟电路元件故障预测
2
作者 杜先君 曹磊 《火力与指挥控制》 CSCD 北大核心 2024年第10期158-166,共9页
针对模拟电路元件易受外部环境影响发生故障、故障特征提取困难、无法准确预测及诊断元件故障等问题,基于Transformer模型提出改进INGO-Transformer方法。采用小波包分解(WPD)对原始数据进行特征提取,使用特征向量之间的三角距离来表征... 针对模拟电路元件易受外部环境影响发生故障、故障特征提取困难、无法准确预测及诊断元件故障等问题,基于Transformer模型提出改进INGO-Transformer方法。采用小波包分解(WPD)对原始数据进行特征提取,使用特征向量之间的三角距离来表征模拟电路中元件的退化状态,使用INGO优化Transformer的训练超参数构建预测模型。以Sallen-Key带通滤波电路与镜像电流源电路为预测实验对象进行故障预测实验,采用MAE与MSE作为故障预测模型评价指标,两组实验电路10次实验平均MAE、MSE结果分别为4.2162e-04、4.1906e-07和0.0017、1.9625e-05。仿真结果表明,所提方法在模拟电路单一元件故障预测中具有较高的准确性与较强的泛化能力。 展开更多
关键词 模拟电路 故障预测 小波包分解 transformER 优化算法
下载PDF
基于RoBERTa和图增强Transformer的序列推荐方法 被引量:2
3
作者 王明虎 石智奎 +1 位作者 苏佳 张新生 《计算机工程》 CAS CSCD 北大核心 2024年第4期121-131,共11页
自推荐系统出现以来,有限的数据信息就一直制约着推荐算法的进一步发展。为降低数据稀疏性的影响,增强非评分数据的利用率,基于神经网络的文本推荐模型相继被提出,但主流的卷积或循环神经网络在文本语义理解和长距离关系捕捉方面存在明... 自推荐系统出现以来,有限的数据信息就一直制约着推荐算法的进一步发展。为降低数据稀疏性的影响,增强非评分数据的利用率,基于神经网络的文本推荐模型相继被提出,但主流的卷积或循环神经网络在文本语义理解和长距离关系捕捉方面存在明显劣势。为了更好地挖掘用户与商品之间的深层潜在特征,进一步提高推荐质量,提出一种基于Ro BERTa和图增强Transformer的序列推荐(RGT)模型。引入评论文本数据,首先利用预训练的Ro BERTa模型捕获评论文本中的字词语义特征,初步建模用户的个性化兴趣,然后根据用户与商品的历史交互信息,构建具有时序特性的商品关联图注意力机制网络模型,通过图增强Transformer的方法将图模型学习到的各个商品的特征表示以序列的形式输入Transformer编码层,最后将得到的输出向量与之前捕获的语义表征以及计算得到的商品关联图的全图表征输入全连接层,以捕获用户全局的兴趣偏好,实现用户对商品的预测评分。在3组真实亚马逊公开数据集上的实验结果表明,与Deep FM、Conv MF等经典文本推荐模型相比,RGT模型在均方根误差(RMSE)和平均绝对误差(MAE)2种指标上有显著提升,相较于最优对比模型最高分别提升4.7%和5.3%。 展开更多
关键词 推荐算法 评论文本 RoBERTa模型 图注意力机制 transformer机制
下载PDF
基于IWOA-Transformer的磨煤机故障预警
4
作者 罗毅 段明达 《动力工程学报》 CAS CSCD 北大核心 2024年第6期939-946,共8页
提出了一种基于改进鲸鱼算法优化Transformer网络超参数(IWOA-Transformer)的故障预警方法。该方法利用非线性收敛系数和高斯变异对鲸鱼算法(WOA)进行改进,以提高WOA的收敛速度和避免其陷入局部最优;再采用改进鲸鱼算法(IWOA)优化Transf... 提出了一种基于改进鲸鱼算法优化Transformer网络超参数(IWOA-Transformer)的故障预警方法。该方法利用非线性收敛系数和高斯变异对鲸鱼算法(WOA)进行改进,以提高WOA的收敛速度和避免其陷入局部最优;再采用改进鲸鱼算法(IWOA)优化Transformer的超参数,建立磨煤机故障预警模型;然后,通过预测值和实际值的相似度函数确定自适应阈值,结合专家系统判断故障类型并提出解决方案,实现磨煤机故障预警;最后,以某350 MW热电机组中速磨煤机为例进行故障预警试验。结果表明:所提IWOA-Transformer模型可显著提高预警速度和准确率,具有工程实用价值。 展开更多
关键词 transformer神经网络 鲸鱼优化算法 磨煤机 故障预警 专家系统
下载PDF
基于TF-IDF和多头注意力Transformer模型的文本情感分析 被引量:7
5
作者 高佳希 黄海燕 《华东理工大学学报(自然科学版)》 CAS CSCD 北大核心 2024年第1期129-136,共8页
文本情感分析旨在对带有情感色彩的主观性文本进行分析、处理、归纳和推理,是自然语言处理中一项重要任务。针对现有的计算方法不能充分处理复杂度和混淆度较高的文本数据集的问题,提出了一种基于TF-IDF(Term Frequency-Inverse Documen... 文本情感分析旨在对带有情感色彩的主观性文本进行分析、处理、归纳和推理,是自然语言处理中一项重要任务。针对现有的计算方法不能充分处理复杂度和混淆度较高的文本数据集的问题,提出了一种基于TF-IDF(Term Frequency-Inverse Document Frequency)和多头注意力Transformer模型的文本情感分析模型。在文本预处理阶段,利用TF-IDF算法对影响文本情感倾向较大的词语进行初步筛选,舍去常见的停用词及其他文本所属邻域对文本情感倾向影响较小的专有名词。然后,利用多头注意力Transformer模型编码器进行特征提取,抓取文本内部重要的语义信息,提高模型对语义的分析和泛化能力。该模型在多领域、多类型评论语料库数据集上取得了98.17%的准确率。 展开更多
关键词 文本情感分析 自然语言处理 多头注意力机制 TF-IDF算法 transformer模型
下载PDF
引入Transformer的道路小目标检测
6
作者 李丽芬 黄如 《计算机工程与设计》 北大核心 2024年第1期95-101,共7页
针对道路场景中检测小目标时漏检率较高、检测精度低的问题,提出一种引入Transformer的道路小目标检测算法。在原YOLOv4算法基础上,对多尺度检测进行改进,把浅层特征信息充分利用起来;设计ICvT(improved convolutional vision transform... 针对道路场景中检测小目标时漏检率较高、检测精度低的问题,提出一种引入Transformer的道路小目标检测算法。在原YOLOv4算法基础上,对多尺度检测进行改进,把浅层特征信息充分利用起来;设计ICvT(improved convolutional vision transformer)模块捕获特征内部的相关性,获得上下文信息,提取更加全面丰富的特征;在网络特征融合部分嵌入改进后的空间金字塔池化模块,在保持较小计算量的同时增加特征图的感受野。实验结果表明,在KITTI数据集上,算法检测精度达到91.97%,与YOLOv4算法相比,mAP提高了2.53%,降低了小目标的漏检率。 展开更多
关键词 小目标检测 深度学习 YOLOv4算法 多尺度检测 transformER 空间金字塔池化 特征融合
下载PDF
Combined Economic and Emission Power Dispatch Control Using Substantial Augmented Transformative Algorithm
7
作者 T.R.Manikandan Venkatesan Thangavelu 《Intelligent Automation & Soft Computing》 SCIE 2023年第1期431-447,共17页
The purpose of the Combined Economic Emission Dispatch(CEED)of electric power is to offer the most exceptional schedule for production units,which must run with both low fuel costs and emission levels concurrently,the... The purpose of the Combined Economic Emission Dispatch(CEED)of electric power is to offer the most exceptional schedule for production units,which must run with both low fuel costs and emission levels concurrently,thereby meeting the lack of system equality and inequality constraints.Economic and emissions dispatching has become a primary and significant concern in power system networks.Consequences of using non-renewable fuels as input to exhaust power systems with toxic gas emissions and depleted resources for future generations.The optimal power allocation to generators serves as a solution to this problem.Emission dispatch reduces emissions while ignoring economic considerations.A collective strategy known as Combined Economic and Emission Dispatch is utilized to resolve the above-mentioned problems and investigate the trade-off relationship between fuel cost and emissions.Consequently,this work manages the Substantial Augmented Transformative Algorithm(SATA)to take care of the Combined Economic Emission Dispatch Problem(CEEDP)of warm units while fulfilling imperatives,for example,confines on generator limit,diminish the fuel cost,lessen the emission and decrease the force misfortune.SATA is a stochastic streamlining process that relies upon the development and knowledge of swarms.The goal is to minimize the total fuel cost of fossil-based thermal power generation units that generate and cause environmental pollution.The algorithm searches for solutions in the search space from the smallest to the largest in the case of forwarding search.The simulation of the proposed system is developed using MATLAB Simulink software.Simulation results show the effectiveness and practicability of this method in terms of economic and emission dispatching issues.The performance of the proposed system is compared with existing Artificial Bee Colony-Particle Swarm Optimization(ABC-PSO),Simulated Annealing(SA),and Differential Evolution(DE)methods.The fuel cost and gas emission of the proposed system are 128904$/hr and 138094.4652$/hr. 展开更多
关键词 Economic emission DISPATCH fuel cost substantial augmented transformative algorithm
下载PDF
基于Swin Transformer的双流遥感图像时空融合超分辨率重建
8
作者 王志浩 钱沄涛 《计算机工程》 CAS CSCD 北大核心 2024年第9期33-45,共13页
遥感图像时空融合超分辨重建从高时序密度的低分辨率图像和低时序密度的高分辨率图像中提取信息,生成同时具有高时序密度的高分辨率遥感图像,它直接关系到后续的解译、检测、跟踪等任务的实施。随着卷积神经网络(CNN)的快速发展,研究者... 遥感图像时空融合超分辨重建从高时序密度的低分辨率图像和低时序密度的高分辨率图像中提取信息,生成同时具有高时序密度的高分辨率遥感图像,它直接关系到后续的解译、检测、跟踪等任务的实施。随着卷积神经网络(CNN)的快速发展,研究者们提出了一系列基于CNN的时空融合方法,然而由于卷积的局限性,这些方法在全局信息提取方面仍然存在不足。受Swin Transformer全局能力的启发,提出一种基于Swin Transformer的超分辨重建模型。在特征提取阶段,引入双流结构,将特征提取网络分为两个部分,分别提取时间信息与空间信息,并通过Swin Transformer的全局能力提升模型性能。在特征融合阶段,引入结合通道注意力与空间注意力的卷积块注意力模块(CBAM),用于增强重要特征,提升图像重建精度。在Coleambally灌溉区(CIA)与Gwydir下游流域(LGC)数据集上将该模型与多种时空融合超分辨率重建模型进行对比实验,结果表明该模型在各项评价指标上均取得了最优的结果,具有更出色的性能和更强的泛化能力。 展开更多
关键词 时空融合 超分辨率重建 Swin transformer算法 双流结构 卷积神经网络
下载PDF
基于Transformer改进YOLOv5的交通标志检测算法
9
作者 韩长江 刘丽娟 《信息技术》 2024年第11期21-27,共7页
交通标志检测作为自动驾驶的组成部分直接影响着行车安全。针对现有算法对图像中尺寸小、被遮挡的标志存在漏检、误检的问题,文中提出了基于改进YOLOv5的交通标志检测算法。首先对原模型注意力缺失的问题经过对比后构建了BiFormer-y,使... 交通标志检测作为自动驾驶的组成部分直接影响着行车安全。针对现有算法对图像中尺寸小、被遮挡的标志存在漏检、误检的问题,文中提出了基于改进YOLOv5的交通标志检测算法。首先对原模型注意力缺失的问题经过对比后构建了BiFormer-y,使模型可以更好获取长期依赖;接着针对层数较深造成的具有丢失特征的缺陷,利用残差结构重新设计检测层,从而更好地保留特征;最后对耦合头的空间错位问题引入解耦头并进行优化。CCTSDB2021的实验表明,精确率、召回率、mAP分别为97.0、95.9、97.9与先进工作相比具有明显优势。 展开更多
关键词 机器视觉 目标检测 transformER YOLOv5s算法 交通标志
下载PDF
基于改进YOLOv5s的CNN-Swin Transformer森林野生动物图像目标检测算法
10
作者 杨文翰 刘天宇 +2 位作者 周俊池 胡文武 蒋蘋 《林业科学》 EI CAS CSCD 北大核心 2024年第3期121-130,共10页
【目的】为提高野生动物在复杂森林环境中的检测精度,促进森林野生动物保护技术发展,提出一种基于YOLOv5s网络模型、针对陷阱相机所摄取森林野生动物图像的改进检测算法。【方法】以包含湖南壶瓶山国家级自然保护区几种典型森林野生动... 【目的】为提高野生动物在复杂森林环境中的检测精度,促进森林野生动物保护技术发展,提出一种基于YOLOv5s网络模型、针对陷阱相机所摄取森林野生动物图像的改进检测算法。【方法】以包含湖南壶瓶山国家级自然保护区几种典型森林野生动物在内的数据集为研究对象,首先,对真实标注框图像进行裁剪、归一化和缩放处理,随机将2~4张裁剪图像拼贴组成新的数据集元素,以丰富和增强数据集图像信息;其次,使用一种基于通道注意力思想的加权通道拼接方法,在通道拼接时引入权重改变通道数量,通过反向传播训练方法不断更新权重以增加重要特征信息的通道层数;接着,引入Swin Transformer模块与CNN网络相结合,为卷积神经网络特征提取加入自注意力机制,融合2种网络特征提取层的优势,提高特征提取的感受野;最后,选择更优的α-DIoU损失函数替代GIoU损失函数,针对边界框重叠面积和中心点距离造成的损失,引入新的几何因素惩罚项。【结果】在相同试验条件和数据集下,相比原YOLOv5s网络模型,改进算法极大提高检测的平均准确率和平均回归率,均值平均精度由74.1%提升至88.4%,获得14.3%的精度提升,同时也超过YOLOv3、YOLOXs、RetinaNet、Faster R-CNN等其他流行目标检测算法。【结论】针对陷阱相机所摄取森林野生动物图像背景与目标对比度低、遮挡重叠严重,致使检测误检率、漏检率高等问题,在检测算法中提出一系列改进措施,为我国森林野生动物的保护和数据获取提供一种新的可行性方案和思路。 展开更多
关键词 森林野生动物 检测算法 YOLOv5s Swin transformer 网络融合
下载PDF
A Review of Image Steganography Based on Multiple Hashing Algorithm
11
作者 Abdullah Alenizi Mohammad Sajid Mohammadi +1 位作者 Ahmad A.Al-Hajji Arshiya Sajid Ansari 《Computers, Materials & Continua》 SCIE EI 2024年第8期2463-2494,共32页
Steganography is a technique for hiding secret messages while sending and receiving communications through a cover item.From ancient times to the present,the security of secret or vital information has always been a s... Steganography is a technique for hiding secret messages while sending and receiving communications through a cover item.From ancient times to the present,the security of secret or vital information has always been a significant problem.The development of secure communication methods that keep recipient-only data transmissions secret has always been an area of interest.Therefore,several approaches,including steganography,have been developed by researchers over time to enable safe data transit.In this review,we have discussed image steganography based on Discrete Cosine Transform(DCT)algorithm,etc.We have also discussed image steganography based on multiple hashing algorithms like the Rivest–Shamir–Adleman(RSA)method,the Blowfish technique,and the hash-least significant bit(LSB)approach.In this review,a novel method of hiding information in images has been developed with minimal variance in image bits,making our method secure and effective.A cryptography mechanism was also used in this strategy.Before encoding the data and embedding it into a carry image,this review verifies that it has been encrypted.Usually,embedded text in photos conveys crucial signals about the content.This review employs hash table encryption on the message before hiding it within the picture to provide a more secure method of data transport.If the message is ever intercepted by a third party,there are several ways to stop this operation.A second level of security process implementation involves encrypting and decrypting steganography images using different hashing algorithms. 展开更多
关键词 Image steganography multiple hashing algorithms Hash-LSB approach RSA algorithm discrete cosine transform(DCT)algorithm blowfish algorithm
下载PDF
基于Transformer的深度条件视频压缩 被引量:1
12
作者 鲁国 钟天雄 耿晶 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第2期442-448,共7页
近年来,基于深度学习的视频压缩技术主要基于卷积神经网络(CNN)且采用运动补偿-残差编码的架构,由于常见的CNN只能利用局部的相关性,以及预测残差本身的稀疏特性,难以取得最优压缩性能。因此,提出一种基于Transformer架构的条件视频压... 近年来,基于深度学习的视频压缩技术主要基于卷积神经网络(CNN)且采用运动补偿-残差编码的架构,由于常见的CNN只能利用局部的相关性,以及预测残差本身的稀疏特性,难以取得最优压缩性能。因此,提出一种基于Transformer架构的条件视频压缩算法,以实现更优的压缩效果。所提算法基于前后帧之间的运动信息,利用可形变卷积得到对应的预测帧特征;将预测帧特征作为条件信息,对原始输入帧特征进行条件编码,避免了直接编码稀疏的残差信号;利用特征间的非局部相关性,提出一个基于Transformer的深度条件视频压缩编码算法,用来实现运动信息编码和条件编码,进一步提升压缩编码的性能。实验结果表明:所提算法在HEVC、UVG数据集上均超越了当前主流的基于深度学习的视频压缩算法。 展开更多
关键词 视频压缩 transformER 深度学习 神经网络 压缩算法
下载PDF
利用Transformer的组合聚类算法在蛋白质数据分析中的应用
13
作者 陈祥龙 李海军 +1 位作者 赵福军 袁媛 《无线互联科技》 2024年第14期74-81,共8页
该研究将Transformer模型适配于蛋白质特征降维场景,通过其特有的自注意力机制,赋予模型对长程依赖关系的较好建模性能,同时,多头注意力设计使得模型能够从不同角度捕获特征间的相互作用,进一步提升降维结果的表达力和鲁棒性。文章提出... 该研究将Transformer模型适配于蛋白质特征降维场景,通过其特有的自注意力机制,赋予模型对长程依赖关系的较好建模性能,同时,多头注意力设计使得模型能够从不同角度捕获特征间的相互作用,进一步提升降维结果的表达力和鲁棒性。文章提出了一种新型的GRKM组合聚类算法,在原始K-means算法中引入了灰狼优化算法(Grey Wolf Optimization Algorithm)确定聚类的K值,以随机游走算法(Random Walk)确定初始聚类中心,以马氏距离(Markov Distance)来衡量样本间的相似性。研究中,对5种具有代表性的蛋白质数据集进行了实验验证,得到了改进后算法在轮廓系数以及DB指数等方面相较于改进前都有较大提升的结论。最终的结果分析选取APP蛋白质数据,将蛋白质聚为8类,探讨了各类别的生物功能,在解释性方面也取得了较为明显的效果。所提算法为深入理解蛋白质功能、发现潜在生物标志物以及指导药物设计等实际应用提供了参考工具。 展开更多
关键词 蛋白质序列 transformer模型 聚类算法 马氏距离 随机游走 灰狼优化算法
下载PDF
基于LSTM-Transformer的城市轨道交通短时客流预测
14
作者 张思楠 李树彬 曹永军 《物流科技》 2024年第14期103-106,114,共5页
准确预测城市轨道交通短时客流量的变化,有助于运营部门做出决策,并帮助轨道交通集团提高服务水平和实现智慧化运营。然而,客流数据的动态性和随机性使短时客流预测变得困难,因此,文章提出了一种组合预测模型,将Transformer模型中的位... 准确预测城市轨道交通短时客流量的变化,有助于运营部门做出决策,并帮助轨道交通集团提高服务水平和实现智慧化运营。然而,客流数据的动态性和随机性使短时客流预测变得困难,因此,文章提出了一种组合预测模型,将Transformer模型中的位置编码(Positional Encoding)层与长短期记忆(Long Short-Term Memory,LSTM)神经网络相结合,构建了LSTM-Transformer预测模型。随后以青岛市的106个站点的进站客流数据为研究对象,并使用聚类算法对站点进行聚类分析。在10分钟的时间粒度下,利用前四周的客流数据作为训练数据,对未来一天的客流数据进行预测研究。同时,将差分自回归移动平均模型(Auto-Regressive Integrated Moving Average,ARIMA)、LSTM、GA-SLSTM和Transformer作为对照模型进行验证。通过多组实验证明了文章提出的LSTM-Transformer模型相较于对照模型组具有更好的预测精度和实用性。 展开更多
关键词 智能交通 城市轨道交通 短时客流预测 聚类算法 LSTM-transformer模型
下载PDF
基于能量损失的Transformer神经网络信息流序列推荐算法
15
作者 黄驰涵 《计算机与网络》 2024年第2期171-176,共6页
随着信息流和互联网的迅猛发展,网络越发成为人们获取信息的主要来源。有效提升用户浏览信息的效率,准确推送用户关注的个性化内容,成为当前的热门需求。利用Python爬取了平台一周时间内用户在信息流产品上的曝光历史,对数据进行处理和... 随着信息流和互联网的迅猛发展,网络越发成为人们获取信息的主要来源。有效提升用户浏览信息的效率,准确推送用户关注的个性化内容,成为当前的热门需求。利用Python爬取了平台一周时间内用户在信息流产品上的曝光历史,对数据进行处理和分析。引入Transformer深度神经网络模型和最相似用户估计模型并将其融合来预测用户浏览各个内容的点击率和浏览时长,模型解释性增强,且对不同顺序的推荐序列偏好更敏感。 展开更多
关键词 推荐算法 transformER 神经网络 最相似用户 序列评估
下载PDF
A New Image Watermarking Scheme Using Genetic Algorithm and Residual Numbers with Discrete Wavelet Transform
16
作者 Peter Awonnatemi Agbedemnab Mohammed Akolgo Moses Apambila Agebure 《Journal of Information Security》 2023年第4期422-436,共15页
Transmission of data over the internet has become a critical issue as a result of the advancement in technology, since it is possible for pirates to steal the intellectual property of content owners. This paper presen... Transmission of data over the internet has become a critical issue as a result of the advancement in technology, since it is possible for pirates to steal the intellectual property of content owners. This paper presents a new digital watermarking scheme that combines some operators of the Genetic Algorithm (GA) and the Residue Number (RN) System (RNS) to perform encryption on an image, which is embedded into a cover image for the purposes of watermarking. Thus, an image watermarking scheme uses an encrypted image. The secret image is embedded in decomposed frames of the cover image achieved by applying a three-level Discrete Wavelet Transform (DWT). This is to ensure that the secret information is not exposed even when there is a successful attack on the cover information. Content creators can prove ownership of the multimedia content by unveiling the secret information in a court of law. The proposed scheme was tested with sample data using MATLAB2022 and the results of the simulation show a great deal of imperceptibility and robustness as compared to similar existing schemes. 展开更多
关键词 Discrete Wavelet transform (DWT) Digital Watermarking ENCRYPTION Genetic algorithm (GA) Residue Number System (RNS) GARN
下载PDF
融合Swin Transformer的YOLOv5口罩检测算法
17
作者 徐佩 陈亚江 《智能计算机与应用》 2024年第5期83-92,共10页
针对口罩佩戴检测算法未平衡模型规模与检测精度的问题,提出了一种口罩佩戴检测改进算法。该算法以YOLOv5网络为基础框架:首先,应用轻量级Mixup数据增强方式和Mish激活函数以提高模型泛化能力;其次,引入Swin Transformer结构和ECA注意... 针对口罩佩戴检测算法未平衡模型规模与检测精度的问题,提出了一种口罩佩戴检测改进算法。该算法以YOLOv5网络为基础框架:首先,应用轻量级Mixup数据增强方式和Mish激活函数以提高模型泛化能力;其次,引入Swin Transformer结构和ECA注意力机制来增强复杂场景下口罩目标的提取效率;第三,使用SIoU损失函数以提高检测精度;最后,设计了新的Neck网络卷积模块来实现模型轻量化。实验结果表明:相比于原始的YOLOv5算法,mAP提升2.9%,参数量减少54.2%,模型体积减少52.1%。该算法很好地平衡了模型规模与检测精度,在口罩检测实际场景中更具优势。 展开更多
关键词 YOLOv5算法 口罩佩戴检测算法 注意力机制 Swin transformer 轻量化
下载PDF
基于CEEMDAN-Transformer的灌浆流量混合预测模型 被引量:4
18
作者 李凯 任炳昱 +2 位作者 王佳俊 关涛 余佳 《水利学报》 EI CSCD 北大核心 2023年第7期806-817,共12页
灌浆流量是最重要的水利工程灌浆参数之一,通过对灌浆流量的有效预测,可以实现对异常工况的提前响应,以保障施工质量与工程安全。然而由于灌浆过程面临的复杂地质情况,灌浆流量数据存在强非线性与波动性的特点,难以获得令人满意的计算... 灌浆流量是最重要的水利工程灌浆参数之一,通过对灌浆流量的有效预测,可以实现对异常工况的提前响应,以保障施工质量与工程安全。然而由于灌浆过程面临的复杂地质情况,灌浆流量数据存在强非线性与波动性的特点,难以获得令人满意的计算精度。现有灌浆流量预测存在的不足如下:传统神经网络模型对时间序列特征提取和加工处理不足,导致预测精度有限;传统神经网络模型测试集进行一次计算仅能输出一个结果,进行多个时间步预测需要繁杂的多次计算;单测点预测结果预测时间短并且无法反映灌浆流量序列变化的整体趋势,不利于控制灌浆流量和保障施工质量。针对上述问题,本研究提出基于CEEMDAN-Transformer的灌浆流量混合预测模型。基于完全自适应噪声集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)方法将灌浆流量分解为本征模函数与残差信号,解决灌浆流量数据的非线性与强波动的问题;采用多头注意力Transformer实现多个本征模函数(Intrinsic Mode Function,IMF)序列到序列的预测,采用多头注意力机制来构建输入和输出的全局依赖关系,提升时间序列参数特征提取水平;最后,建立时序测点多输入多输出模型实现灌浆流量预测,提升多输出序列计算效率,反映整体趋势的多输出序列能够为灌浆流量控制提供参考。工程应用结果表明,本研究提出的基于CEEMDAN-Transformer的灌浆流量混合预测模型具有较好的计算精度和计算效率。 展开更多
关键词 灌浆流量预测 完全自适应噪声集合经验模态分解 transformer算法 注意力机制 序列到序列
下载PDF
面向遥感目标检测的无锚框Transformer算法 被引量:1
19
作者 喻九阳 胡天豪 +2 位作者 戴耀南 张德安 夏文凤 《电子学报》 EI CAS CSCD 北大核心 2023年第11期3238-3247,共10页
遥感图像目标具有多方向排布、小且密集等特性,使基于深度学习的旋转目标检测算法存在检测精度不佳的问题.针对这一问题,本文提出了一种面向遥感目标检测的无锚框Transformer算法.首先,采用层次化Transformer采集不同分辨率的特征信息... 遥感图像目标具有多方向排布、小且密集等特性,使基于深度学习的旋转目标检测算法存在检测精度不佳的问题.针对这一问题,本文提出了一种面向遥感目标检测的无锚框Transformer算法.首先,采用层次化Transformer采集不同分辨率的特征信息以扩大特征信息的采集范围.其次,构建一种新的前馈网络(Spacial-FeedForward Neural network,SFFN).SFFN将3×3深度可分离卷积的局部空间特性和多层感知机(MultiLayer Perceptron,MLP)的全局通道特性融合在一起,以解决前馈网络(Feed Forward Neural network,FFN)在局部空间建模上的不足.最后,基于SFFN架构搭建了无锚框检测器,将预测框回归问题分为水平框与旋转框,缓解了旋转框的损失不连续性问题.在DOTA数据集上的测试结果表明,此方法的平均精度达到了75.83%,同时在NWPU VHR-10数据集上5类小目标检测结果达到了92.47%,在遥感目标检测精度上更具竞争力. 展开更多
关键词 遥感图像 目标检测 transformer算法 无锚框检测器
下载PDF
基于Swin-Transformer的颈动脉超声图像斑块分割
20
作者 何志强 孙占全 《电子科技》 2024年第9期48-56,共9页
评估颈动脉超声图像斑块需要大量且经验丰富的临床医生,并且超声图像具有边界模糊、噪声干扰强等特性,使得评估斑块耗时费力,因此需要一种全自动的颈动脉斑块分割方法来解决人力稀缺问题。文中提出了一种基于Swin-Transformer(Shifted-W... 评估颈动脉超声图像斑块需要大量且经验丰富的临床医生,并且超声图像具有边界模糊、噪声干扰强等特性,使得评估斑块耗时费力,因此需要一种全自动的颈动脉斑块分割方法来解决人力稀缺问题。文中提出了一种基于Swin-Transformer(Shifted-Windows Transformer)模块的深度神经网络模型用于自动分割颈动脉斑块。在U-Net(U-Convolutional Network)架构基础上,编码部分使用3个用于图像下采样的卷积块以获得不同分辨率大小的特征图像,再添加6对连续Swin-Transformer模块用于更细化的特征提取。解码部分将Swin-Transformer模块输出的细化特征逐级上采样,分别与编码部分各级分辨率的特征图进行跳跃连接。基于同仁医院数据集进行对比实验,结果显示所提网络模型Dice指标达到0.8142,高于其他对比网络,证明了所提模型可以有效地提取颈动脉超声图像斑块特征,实现自动化、高精度的斑块分割。 展开更多
关键词 颈动脉斑块 深度学习 超声图像 图像处理 分割算法 医学图像 U型架构 Swin-transformer模块
下载PDF
上一页 1 2 250 下一页 到第
使用帮助 返回顶部