检索结果-内蒙古大学图书馆

南方水产科学 2025年第1期21卷 185-196页

作者：郑浩君王振张佳鹏刘胜男钱程涂雪滢刘世晶大连海洋大学航海与船舶工程学院辽宁大连116023 中国水产科学研究院渔业机械仪器研究所上海200092 福建农林大学海洋学院福建福州350002 中国海洋大学三亚海洋研究院海南三亚572011

围绕水下图像色偏和模糊的特点,针对不同浑浊度的水下图像差异较大问题,提出了一种基于混合注意力模块(Convolutional block attention module,CBAM)改进的星型生成对抗网络(Star generative adversarial networks,StarGAN)用于水下多... 详细信息

围绕水下图像色偏和模糊的特点,针对不同浑浊度的水下图像差异较大问题,提出了一种基于混合注意力模块(Convolutional block attention module,CBAM)改进的星型生成对抗网络(Star generative adversarial networks,StarGAN)用于水下多浑浊图像增强。首先使用水下相机采集实验室和养殖平台环境2组水下多浊度图像数据集;其次优化StarGAN,在每个ResidualBlock模块后引入一个由通道注意力模块和空间注意力模块串联组成的CBAM;最后进行消融实验,并与其他方法比较,使用水下图像质量评估(Underwater image quality measurement,UIQM)、水下彩色图像质量评估(Underwater color image quality evaluation,UCIQE)和图像熵作为图像质量评价指标。结果表明,实验室数据集增强后,UIQM达到1.18,UCIQE达到30.13,图像熵达到12.83;养殖平台数据集增强后,UIQM达到0.52,UCIQE达到10.35,图像熵达到9.94。该方法对实验室和养殖平台环境中不同浑浊度的图像增强均有较好的效果,在消融实验及与其他方法的比较中,该方法的得分均为最高。

关键词：多浑浊度图像水下图像增强注意力模块星型生成对抗网络

来源：评论

学校读者我要写书评

暂无评论

基于多维注意力模块的轻量化混凝土裂缝检测方法

引用

计算机工程 2025年第5期51卷 351-360页

作者：许华杰郑力文张品秦远卓广西大学计算机与电子信息学院广西南宁530004 广西多媒体通信与网络技术重点实验室广西南宁530004 北部湾港防城港码头有限公司广西防城港538001 广西大学土木建筑工程学院广西南宁530004

为解决当前混凝土裂缝检测模型庞大难以部署到移动端设备且裂缝检测不准及漏检问题,提出一种基于多维注意力模块的轻量化混凝土裂缝检测方法。该方法针对当前主流的裂缝检测模型庞大的问题,采用深度可分离卷积对YOLOv5s中的CBS特征提取... 详细信息

为解决当前混凝土裂缝检测模型庞大难以部署到移动端设备且裂缝检测不准及漏检问题,提出一种基于多维注意力模块的轻量化混凝土裂缝检测方法。该方法针对当前主流的裂缝检测模型庞大的问题,采用深度可分离卷积对YOLOv5s中的CBS特征提取模块进行重构,得到轻量化CBS(LCBS)特征提取模块,以减少网络的参数量及计算量;针对裂缝检测不准的问题,提出一种多尺度特征(MSF)提取模块用于替换YOLOv5s第1层的卷积层,以增强网络对不同尺寸裂缝特征的提取能力;针对裂缝漏检问题,提出融合空间及通道信息的多维注意力(MDA)模块,以增强裂缝特征提取能力和减少裂缝漏检。实验结果表明,所提方法比YOLOv5s参数量减少了35.2%,计算量减少了50.9%,模型规模减小了32.8%,且平均精度均值(mAP@0.5)提高了4.2百分点,与目前主流的同类目标检测方法相比,具有较低的参数量和较高的检测精度。

关键词：裂缝检测注意力模块轻量化 YOLOv5s模型目标检测

来源：评论

学校读者我要写书评

暂无评论

融合注意力模块和ResNet50模型的驴脸识别方法

引用

黑龙江畜牧兽医 2025年第4期 125-130页

作者：潘雨龙沈延锋王广超张亚群徐宗鹏于家峰吉林化工学院信息与控制工程学院吉林吉林132022 德州学院(中俄)农业食品科学与技术山东省高校国际合作联合实验室山东德州253023

为了解决在驴规模化养殖过程中驴只个体识别时传统的耳标和无线射频识别(radio frequency identification,RFID)技术存在的易脱标、应激反应等问题,本研究将注意力模块(convolutional block attention module,CBAM)和ResNet50模型相融合... 详细信息

为了解决在驴规模化养殖过程中驴只个体识别时传统的耳标和无线射频识别(radio frequency identification,RFID)技术存在的易脱标、应激反应等问题,本研究将注意力模块(convolutional block attention module,CBAM)和ResNet50模型相融合,建立一种驴脸识别方法。首先随机选取23头驴(品种包括乌头驴和三粉驴)进行视频拍摄,提取每张图像的驴脸区域后通过数据增强方式构建了一个包含23000张图像的驴脸数据集;然后通过精简ResNet50模型并在分类网络之前引入CBAM,构建了CBAM-ResNet50模型;最后以混淆矩阵为模型识别性能的评价指标,计算准确率、召回率和参数量,并与ResNet50模型和Swin Transformer(以下简称Swin)-T模型进行比较,评估CBAM-ResNet50模型的识别性能。结果表明:CBAM-ResNet50模型的准确率和召回率最高,分别为94.05%和93.09%;参数量最低,仅为7.05×10^(6)。与ResNet50模型比较,CBAM-ResNet50模型的准确率和召回率分别提升了0.86,0.39百分点,参数量降低了72.42%;与Swin-T模型比较,CBAM-ResNet50模型的优势更为明显,准确率和召回率分别提升了22.97,22.22百分点,参数量降低了75.06%。说明相对于其他两种模型,CBAM-ResNet50模型对于驴脸识别具有更优的效果。

关键词：驴脸识别注意力模块 ResNet50模型 Swin Transformer模型智慧养殖

来源：评论

学校读者我要写书评

暂无评论

基于特征相似性和特征规范化的注意力模块

引用

华南理工大学学报（自然科学版） 2024年第7期52卷 62-71页

作者：杜启亮汪益民田联房华南理工大学自动化科学与工程学院广东广州510640 华南理工大学中新国际联合研究院广东广州510555 华南理工大学自主系统与网络控制教育部重点实验室广东广州510640 华南理工大学珠海现代产业创新研究院广东珠海519170 华南理工大学广东省发展改革委工程中心广东广州510031

近年来,注意力机制在图像分类、目标检测和语义分割等领域取得了巨大成功,但现有的注意力机制大多只能在通道或空间维度上实现特征融合,这极大限制了其在通道和空间维度上变化的灵活性,导致无法充分利用特征信息。为此,文中提出一种基... 详细信息

近年来,注意力机制在图像分类、目标检测和语义分割等领域取得了巨大成功,但现有的注意力机制大多只能在通道或空间维度上实现特征融合,这极大限制了其在通道和空间维度上变化的灵活性,导致无法充分利用特征信息。为此,文中提出一种基于特征相似性和特征规范化的、可同时利用特征图各维度信息的卷积神经网络注意力模块FSNAM。该模块由特征相似性模块(FSM)和特征规范化模块(FNM)两部分组成,FSM利用输入特征图的通道特征信息和局部空间特征信息生成一个二维的特征相似性权重图;FNM利用输入特征图的全局空间特征信息生成一个三维的特征规范化权重图;两个模块生成的权重图融合在一起,生成一个三维的注意力权重图,以此实现通道特征信息和空间特征信息的融合。为证明FSNAM的可行性和有效性,进行了消融实验,结果表明:在图像分类任务方面,FSNAM模块对分类网络在CIFAR数据集上的性能提升明显优于其他主流注意力模块;在目标检测任务方面,使用FSNAM模块的目标检测网络对VOC数据集中的小目标和中等大小目标的检测准确率分别提高了3.9和1.2个百分点;在语义分割任务方面,使用FSNAM模块可以提高HRNet模型的性能,在SBD数据集上模型的平均像素准确率提高了0.58个百分点。

关键词：卷积神经网络计算机视觉特征相似性特征规范化注意力模块

来源：评论

学校读者我要写书评

暂无评论

基于全卷积去噪自编码器与卷积块注意力模块的非侵入式居民负荷分解模型

引用

电力自动化设备 2024年第3期44卷 127-133页

作者：林顺富李毅沈运帷林屹峰李东东上海电力大学电气工程学院上海200090

为了进一步提高低频居民负荷分解模型的分解精度与泛化能力,提出一种基于全卷积去噪自编码器与卷积块注意力模块的非侵入式居民负荷分解模型,该模型能够深度解析单一电器的功率曲线。基于全卷积去噪自编码器分别构建主回归子任务网络和... 详细信息

为了进一步提高低频居民负荷分解模型的分解精度与泛化能力,提出一种基于全卷积去噪自编码器与卷积块注意力模块的非侵入式居民负荷分解模型,该模型能够深度解析单一电器的功率曲线。基于全卷积去噪自编码器分别构建主回归子任务网络和辅助分类子任务网络;在子任务网络中,通过引入卷积块注意力模块自适应分配特征注意力权重,以减小不重要因素在模型训练过程中的影响;将辅助分类子任务网络的输出作为主回归子任务网络输出的门控单元,实现最终的负荷分解。基于公开数据集的算例结果表明,所提负荷分解模型比现有负荷分解模型具有更优的分解精度和泛化能力。

关键词：负荷分解全卷积去噪自编码器注意力模块子任务网络门控单元

来源：评论

学校读者我要写书评

暂无评论

基于分组注意力模块的实时农作物病害叶片语义分割模型

引用

农业工程学报 2021年第4期37卷 208-215页

作者：钟昌源胡泽林李淼李华龙杨选将刘飞中国科学院合肥物质科学研究院智能机械研究所合肥230031 中国科学技术大学研究生院科学岛分院合肥230026 浙江大学华南工业技术研究院广州510700 浙江大学生物系统工程与食品科学学院杭州310058

针对传统农作物病害识别方法准确率低、鲁棒性差等问题,该研究首先提出一种基于分组激活策略的分组注意力模块,利用高阶特征指导加强低阶特征,通过分组计算组内加强系数,减少不同组之间的抑制作用,加强特征表达能力。对比试验表明,分组... 详细信息

针对传统农作物病害识别方法准确率低、鲁棒性差等问题,该研究首先提出一种基于分组激活策略的分组注意力模块,利用高阶特征指导加强低阶特征,通过分组计算组内加强系数,减少不同组之间的抑制作用,加强特征表达能力。对比试验表明,分组注意力模块特征强化效果优于传统注意力模块。基于分组注意力模块,该研究提出一种实时高效农作物病害叶片语义分割模型,该模型融合了编码-解码语义分割模型和多流语义分割模型的优点。采用ResNet18模型作为特征提取网络对农作物病害叶片的语义分割像素精度达到93.9%,平均交并比达到78.6%。在单张NVIDIA GTX1080Ti显卡的硬件环境下,输入分辨率为900×600像素的图片,该模型运行速度达到每秒130.1帧,满足实时农作物病害叶片语义分割需求,为现代农业病害识别、自动施肥和精准灌溉等应用提供参考。

关键词：病害模型图像识别注意力模块迁移学习语义分割

来源：评论

学校读者我要写书评

暂无评论

基于注意力模块的移动设备多场景持续身份认证

引用

计算机工程与应用 2024年第3期60卷 280-291页

作者：金瑜瑶张晓梅王亚杰上海工程技术大学电子电气工程学院上海201620

针对用户与移动设备交互时会产生场景变化,现有工作中只能采集特定的单一场景特征,无法实现多场景转换认证,并且身份认证准确率较低的问题,提出了一种基于移动模式的、注意力模块和卷积神经网络融合(CNNSACA)的多场景持续认证方案。在... 详细信息

针对用户与移动设备交互时会产生场景变化,现有工作中只能采集特定的单一场景特征,无法实现多场景转换认证,并且身份认证准确率较低的问题,提出了一种基于移动模式的、注意力模块和卷积神经网络融合(CNNSACA)的多场景持续认证方案。在不限使用场景和操作的情况下,提取用户与移动设备交互时的移动模式(movement patterns,MP)特征,捕捉在动态和静态场景下产生的手部微运动,从而实现多场景的身份认证。设计并使用了一个包括五层卷积层结构的卷积神经网络,在第一层卷积后按序通过改进的空间和通道注意力子模块,再在多层卷积后进行反序分配权重,从两个维度来对通过卷积后所表征的MP特征分配双重注意力权重,增强关键特征表达。利用公开数据集验证所提方案在多场景身份认证方面的有效性和可行性。实验结果表明,所提出的基于移动模式的深度学习模型可以较好地解决身份认证场景单一的局限性,多场景的身份认证的准确率达到99.6%;同时,所提出的CNN-SACA模型与单独的CNN模型相比准确率提高了1.5个百分点,有效改善多场景下的移动设备身份认证能力。

关键词：卷积神经网络注意力模块多场景持续身份认证移动设备

来源：评论

学校读者我要写书评

暂无评论

基于空洞卷积与注意力模块的立体匹配算法

引用

计算机工程 2023年第8期49卷 223-231页

作者：刘志浩孟凡云王金鹤张楠青岛理工大学信息与控制工程学院山东青岛266520

基于卷积神经网络的立体匹配算法大多需要较大的感受野,但多数算法在扩大感受野的同时参数量也容易剧增,导致算法对训练数据的规模要求较高。提出一种基于空洞卷积和注意力模块的立体匹配算法,采用空洞卷积模块,将残差结构和空洞卷积相... 详细信息

基于卷积神经网络的立体匹配算法大多需要较大的感受野,但多数算法在扩大感受野的同时参数量也容易剧增,导致算法对训练数据的规模要求较高。提出一种基于空洞卷积和注意力模块的立体匹配算法,采用空洞卷积模块,将残差结构和空洞卷积相结合,以在较少参数量的情况下扩大网络的感受野。使用注意力模块,通过不同层次的卷积整合多层次的信息,增加所提取信息的完整性。采用空间金字塔池化模块,通过帯权的金字塔池化扩大模型的感受野,并赋予不同层次信息不同的重要性程度。实验结果表明,在相同数据集和训练次数的情况下,所提算法相对于DispNetC等其他算法具有较快的收敛速度,且结构简单,参数量较少,适用于小样本数据。

关键词：立体匹配小样本数据空洞卷积注意力模块金字塔池化

来源：评论

学校读者我要写书评

暂无评论

基于非对称多解码器和注意力模块的三维肾脏影像结构分割模型

引用

计算机应用 2024年第7期44卷 2216-2224页

作者：孔哲李寒甘少伟孔明茹何冰涛郭子钰金督程邱兆文东北林业大学计算机与控制工程学院哈尔滨150040 哈尔滨工业大学电子与信息工程学院哈尔滨150001

针对肾脏结构中,因不同结构间差异大,动静脉体积小、结构薄及计算机断层扫描血管造影(CTA)图像灰度分布不均和伪影带来的精确分割困难的问题,提出基于非对称多解码器和注意力模块的三维肾脏影像结构分割模型MDAUnet(MultiDecoder-Attent... 详细信息

针对肾脏结构中,因不同结构间差异大,动静脉体积小、结构薄及计算机断层扫描血管造影(CTA)图像灰度分布不均和伪影带来的精确分割困难的问题,提出基于非对称多解码器和注意力模块的三维肾脏影像结构分割模型MDAUnet(MultiDecoder-Attention-Unet)。首先,针对不同结构间差异大导致网络无法共享权重的问题,采用多解码器结构,为语义结构不同的特征结构匹配不同的解码器分支;其次,针对血管体积小、结构薄难分割的问题,引入非对称的空间通道联合注意力模块使模型更关注管状结构,并对学习到的特征信息同时进行空间维度和通道维度的校准;最后,为了保证模型在反向传播中对血管结构有足够的关注,提出改进的加权硬区域适应损失(WHRA)作为损失函数来动态保持训练过程中血管结构的类间平衡以及保留背景信息的特征;此外,为了提高特征图灰度值的对比度,将传统图像处理边缘检测算子嵌入模型的预处理阶段,对待分割的感兴趣区域边界进行特征增强使模型更关注边界信息并抑制伪影信息。实验结果表明:所提出的MDAUnet模型在肾脏结构分割任务上的Dice相似系数(DSC),豪斯多夫距离95(HD95)和平均表面距离(AVD)分别为89.1%,1.76 mm和1.04 mm;在DSC指标上,与次优的MGANet(Meta Greyscale Adaptive Network)相比,MDAUnet提升了1.2个百分点;在HD95和ASD指标上,与次优的UNETR(UNEt TRansformers)相比,MDAUnet分别降低了0.87 mm和0.45 mm。可见MDAUnet能有效提高肾脏三维结构分割精度,有助于医生在临床手术中客观有效地评估病情。

关键词：肾脏三维结构分割注意力模块计算机断层血管造影损失函数边缘检测

来源：评论

学校读者我要写书评

暂无评论

融合高通滤波和注意力模块的图像隐写分析

引用

广西大学学报（自然科学版） 2021年第5期46卷 1396-1403页

作者：贺丽莎李清光广西大学计算机与电子信息学院广西南宁530004 广西多媒体通信与网络技术重点实验室广西南宁530004

为了进一步提升基于深度学习的图像隐写分析算法的检测性能,结合图像隐写算法的嵌入特点提出了一种融合高通滤波和视觉注意力模块的深度残差图像隐写分析新算法。新算法首先对输入图像进行高通滤波,增强信噪比得到噪声残差图像,再将噪... 详细信息

为了进一步提升基于深度学习的图像隐写分析算法的检测性能,结合图像隐写算法的嵌入特点提出了一种融合高通滤波和视觉注意力模块的深度残差图像隐写分析新算法。新算法首先对输入图像进行高通滤波,增强信噪比得到噪声残差图像,再将噪声残差图像放入融合了视觉注意力模块的深度残差网络中进行检测分类。高通滤波和注意力模块强制网络关注隐写图像中的高频信息部分,提高了秘密信息的特征表达,从而增强网络的检测能力。实验结果表明,新算法的检测性能超越了目前最优的传统图像隐写分析算法和基于深度学习的主流算法SRNet。

关键词：隐写分析深度学习深度残差网络注意力模块高通滤波

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：