期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于CNN和Transformer的轻量级超分辨率重建网络研究
1
作者
李光明
张倩
+1 位作者
金瑾
何嘉
《计算机科学与应用》
2023年第1期93-103,共11页
随着深度学习的发展,单图像超分辨率技术取得了长足的进步。然而,现有的大多数研究都专注于卷积神经网络来构建具有大量层数的更深层次的网络模型。这些方法难以应用于现实场景,因为它们不可避免的伴随着复杂操作所带来的计算和内存成...
随着深度学习的发展,单图像超分辨率技术取得了长足的进步。然而,现有的大多数研究都专注于卷积神经网络来构建具有大量层数的更深层次的网络模型。这些方法难以应用于现实场景,因为它们不可避免的伴随着复杂操作所带来的计算和内存成本问题。为此,我们提出了一种用于单图像超分辨率重建的轻量级混合模型——轻量级融合CNN-Swin Transformer网络。具体来说,我们使用带有移动窗口的Swin Transformer块充分学习图像的长期依赖性,并构建了一个基于CNN的局部特征提取块来有效地提取图像的局部特征细节。同时,设计了一个多路径动态卷积块来学习图像的边缘特征。实验结果表明,与基于Transformer的单图像超分辨率模型相比,本文提出的模型取得了更好的结果。
展开更多
关键词
单图像超分辨率重建
卷积神经网络
Swin
Transformer
注意力机制
动态卷积
下载PDF
职称材料
基于残差Swin Transformer的天气图像识别技术研究
2
作者
张卓然
张倩
+1 位作者
宋智
何嘉
《成都信息工程大学学报》
2023年第6期637-642,共6页
人类活动经常受到天气条件的影响,基于图像的自动天气识别在实际应用中具有重要意义。然而现有方法均使用卷积神经网络,未能有效地利用图像的全局信息和像素点之间长距离的依赖关系,且识别的天气类型较少,识别精度较低。为解决这些问题...
人类活动经常受到天气条件的影响,基于图像的自动天气识别在实际应用中具有重要意义。然而现有方法均使用卷积神经网络,未能有效地利用图像的全局信息和像素点之间长距离的依赖关系,且识别的天气类型较少,识别精度较低。为解决这些问题,尝试将视觉Transformer应用到天气识别领域,同时提出一种基于残差Swin Transformer的模型,并使用先进的优化器Ranger来提高天气识别的正确率。该模型在包含11种天气现象的公开数据集WEAPD上进行验证,实验结果表明,其整体性能优于其他先进的识别网络,识别正确率达到93.6%,可为天气图像识别和天气预报研究提供参考。
展开更多
关键词
天气现象
图像识别
深度学习
Swin
Transformer
下载PDF
职称材料
题名
基于CNN和Transformer的轻量级超分辨率重建网络研究
1
作者
李光明
张倩
金瑾
何嘉
机构
成都
信息工程大学计算机学院
活跃
网络
(
成都
)
有限公司
出处
《计算机科学与应用》
2023年第1期93-103,共11页
文摘
随着深度学习的发展,单图像超分辨率技术取得了长足的进步。然而,现有的大多数研究都专注于卷积神经网络来构建具有大量层数的更深层次的网络模型。这些方法难以应用于现实场景,因为它们不可避免的伴随着复杂操作所带来的计算和内存成本问题。为此,我们提出了一种用于单图像超分辨率重建的轻量级混合模型——轻量级融合CNN-Swin Transformer网络。具体来说,我们使用带有移动窗口的Swin Transformer块充分学习图像的长期依赖性,并构建了一个基于CNN的局部特征提取块来有效地提取图像的局部特征细节。同时,设计了一个多路径动态卷积块来学习图像的边缘特征。实验结果表明,与基于Transformer的单图像超分辨率模型相比,本文提出的模型取得了更好的结果。
关键词
单图像超分辨率重建
卷积神经网络
Swin
Transformer
注意力机制
动态卷积
分类号
TP3 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
基于残差Swin Transformer的天气图像识别技术研究
2
作者
张卓然
张倩
宋智
何嘉
机构
成都
信息工程大学计算机学院
活跃
网络
(
成都
)
有限公司
四川省气象探测数据中心
出处
《成都信息工程大学学报》
2023年第6期637-642,共6页
基金
四川省科技厅资助项目(2021005)
四川省重点实验室科技发展基金资助项目(2018-青年-11)。
文摘
人类活动经常受到天气条件的影响,基于图像的自动天气识别在实际应用中具有重要意义。然而现有方法均使用卷积神经网络,未能有效地利用图像的全局信息和像素点之间长距离的依赖关系,且识别的天气类型较少,识别精度较低。为解决这些问题,尝试将视觉Transformer应用到天气识别领域,同时提出一种基于残差Swin Transformer的模型,并使用先进的优化器Ranger来提高天气识别的正确率。该模型在包含11种天气现象的公开数据集WEAPD上进行验证,实验结果表明,其整体性能优于其他先进的识别网络,识别正确率达到93.6%,可为天气图像识别和天气预报研究提供参考。
关键词
天气现象
图像识别
深度学习
Swin
Transformer
Keywords
weather phenomena
image recognition
deep learning
Swin Transformer
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于CNN和Transformer的轻量级超分辨率重建网络研究
李光明
张倩
金瑾
何嘉
《计算机科学与应用》
2023
0
下载PDF
职称材料
2
基于残差Swin Transformer的天气图像识别技术研究
张卓然
张倩
宋智
何嘉
《成都信息工程大学学报》
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部