检索结果-内蒙古大学图书馆

兰州大学学报（自然科学版） 2024年第3期60卷 357-362页

作者：赵世昊周建华熊馨昆明理工大学信息工程与自动化学院昆明650500

基于表面肌电信号的手势识别方法效果欠佳,提出一种信号的特征样本构造方法和注意力残差网络(ARN),用于识别NinaproDB1中的23类功能性抓握手势.样本构造过程中利用巴特沃斯滤波器对表面肌电信号进行一阶1 Hz低通滤波,去除噪声干扰并保... 详细信息

基于表面肌电信号的手势识别方法效果欠佳,提出一种信号的特征样本构造方法和注意力残差网络(ARN),用于识别NinaproDB1中的23类功能性抓握手势.样本构造过程中利用巴特沃斯滤波器对表面肌电信号进行一阶1 Hz低通滤波,去除噪声干扰并保留通频带和过渡带信号;用时间窗截取滤波信号生成表面肌电图;计算信号平均绝对值、方差和波长特征,融合生成特征肌电图.引入注意力机制和残差连接改进卷积神经网络,搭建ARN用于手势识别.将特征肌电图样本输入ARN,在测试集中的手势识别准确率为86.87%,证明构造的信号特征样本结合ARN识别实用手势的有效性.

关键词：手势识别表面肌电图特征肌电图注意力残差网络

来源：评论

学校读者我要写书评

暂无评论

基于注意力残差网络的Wi-Fi设备的射频指纹识别

引用

南京信息工程大学学报（自然科学版） 2022年第3期14卷 324-330页

作者：张凯郭剑黎胡军星任俊霞谭磊国网河南省电力公司郑州450000 河南九域腾龙信息工程有限公司郑州450052

由于无线介质的开放性,传统的基于安全协议的无线网络安全存在隐患,基于物理层的射频指纹(RFF)识别,具有特征难以伪造的优点,能有效提高无线网络的安全性.针对多场景、多设备识别任务,构建了基于注意力残差卷积神经网络的射频指纹识别方... 详细信息

由于无线介质的开放性,传统的基于安全协议的无线网络安全存在隐患,基于物理层的射频指纹(RFF)识别,具有特征难以伪造的优点,能有效提高无线网络的安全性.针对多场景、多设备识别任务,构建了基于注意力残差卷积神经网络的射频指纹识别方法.实验采集构建了完备的数据集,数据集包含32个Wi-Fi模块,覆盖802.11b标准的2.4 GHz模块.对比结果表明:该方法在32个Wi-Fi模块的识别中达到90%的识别精度,高于传统算法86%的识别率和卷积神经网络方法的89%的识别率;不同采样率的数据集在2 dB时均可以达到90%以上的识别精度,最终在信噪比(SNR)大于20 dB时,识别精度可以达到96%.

关键词：射频指纹设备识别注意力残差网络物理层安全通信安全

来源：评论

学校读者我要写书评

暂无评论

基于多尺度注意力残差网络的图像超分辨率重建

引用

计算机系统应用 2022年第5期31卷 324-330页

作者：李俊珠郑华雷帅陈清俊潘浩福建师范大学光电与信息工程学院福州350007 福建师范大学医学光电科学与技术教育部重点实验室福州350007 福建师范大学福建省光子技术重点实验室福州350007 福建师范大学福建省光电传感应用工程技术研究中心福州350007

数字图像在传递信息中起着重要的作用,图像超分辨率技术能丰富图像的细节信息.针对许多网络对低分辨率图像的有效特征复用不足和参数量过大的问题,本文结合不同大小的卷积核以及注意力残差机制构建图像超分辨率网络,用3个有差别尺度的... 详细信息

数字图像在传递信息中起着重要的作用,图像超分辨率技术能丰富图像的细节信息.针对许多网络对低分辨率图像的有效特征复用不足和参数量过大的问题,本文结合不同大小的卷积核以及注意力残差机制构建图像超分辨率网络,用3个有差别尺度的卷积层来提取图像的特征,其中第2和第3层用小卷积核替代大的卷积核,对3层卷积融合之后引入注意力机制,最后用传统的Bicubic插值直接给网络提供低频信息.在减小参数量和减轻梯度消失的同时,让有效的高频信息得到更大的权重且能增强网络之间的非线性表达能力,这有利于网络训练的迭代收敛.实验结果表明,基于多尺度注意力残差网络能够在一定程度上增强图像的重建能力.

关键词：图像超分辨率重建不同大小的卷积核注意力残差网络卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

采用差分星座图的SDR设备射频指纹识别

引用

电讯技术 2024年第3期64卷 442-450页

作者：安永丽申俊峰纪占林华北理工大学人工智能学院河北唐山063000 河北省工业智能感知重点实验室河北唐山063000

差分星座图(Differential Constellation Trace Figure,DCTF)在射频指纹(Radio Frequency Fingerprint,RFF)识别中具有良好的性能,但在低信噪比情况下会产生严重的模糊。为了提高DCTF的识别精度,设计了注意力残差卷积神经网络模型,即DCT... 详细信息

差分星座图(Differential Constellation Trace Figure,DCTF)在射频指纹(Radio Frequency Fingerprint,RFF)识别中具有良好的性能,但在低信噪比情况下会产生严重的模糊。为了提高DCTF的识别精度,设计了注意力残差卷积神经网络模型,即DCTF-Res2Net模型。该模型在网络提取特征时加入注意力模块来提高DCTF的识别精度,并将标签平滑损失函数与网络模型结合,有效缓解了DCTF中的离群点对网络模型的干扰。在实验中,根据不同的传输方式和传输场景构建了完备的DCTF的数据集,并用DCTF-Res2Net模型对其进行分类。实验结果表明,在信噪比为5 dB的情况下,与传统的残差网络相比,所提出的DCTF-Res2Net模型可以达到更高的识别精度。

关键词：射频指纹识别物理层安全差分星座图(DCTF) 注意力残差网络

来源：评论

学校读者我要写书评

暂无评论

基于改进卷积神经网络和射频指纹的无人机检测与识别

引用

计算机应用 2024年第3期44卷 876-882页

作者：周景贤李希娜中国民航大学信息安全测评中心天津300300 中国民航大学计算机科学与技术学院天津300300

针对无人机(UAV)在图像识别时易受环境干扰,而传统信号识别难以准确提取特征且实时性较差的问题,提出一种基于改进卷积神经网络(CNN)和射频(RF)指纹的无人机检测识别方法。首先,使用通用软件无线电外设(USRP)捕获环境中的无线电信号,经... 详细信息

针对无人机(UAV)在图像识别时易受环境干扰,而传统信号识别难以准确提取特征且实时性较差的问题,提出一种基于改进卷积神经网络(CNN)和射频(RF)指纹的无人机检测识别方法。首先,使用通用软件无线电外设(USRP)捕获环境中的无线电信号,经过多分辨率分析获取偏差值,检测是否为无人机射频信号;其次,将检测到的无人机射频信号经过小波变换和主成分分析(PCA)处理,获得射频信号频谱,作为神经网络的输入;最后,构建轻量级残差神经网络(LRCNN),输入射频频谱进行网络训练,进行无人机的分类识别。实验结果表明,所提方法可以有效检测并识别无人机信号,平均识别精度可达84%;在信噪比(SNR)大于20 dB时,LRCNN的识别精度达到了88%,相较于支持向量机(SVM)、原始OracleCNN分别提高31和7个百分点,在识别精度和鲁棒性方面比这两种方法均有所提升。

关键词：无人机安全射频指纹小波变换注意力残差网络卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的网络流量分类技术研究

基于深度学习的网络流量分类技术研究

引用

作者：陈卓中国科学院大学

学位级别：硕士

当前，网络流量数据呈指数级增长态势。随着互联网公众隐私开始得到重视，越来越多的加密技术对数据包的来源去向与内容信息进行协议封装。由于流量加密技术在网络中的广泛应用，传统的流量识别模型丧失了对大部分网络流量的分析能力。... 详细信息

当前，网络流量数据呈指数级增长态势。随着互联网公众隐私开始得到重视，越来越多的加密技术对数据包的来源去向与内容信息进行协议封装。由于流量加密技术在网络中的广泛应用，传统的流量识别模型丧失了对大部分网络流量的分析能力。现有的加密流量分类模型往往存在精度不高与细粒度缺失的问题。因此，如何提升加密流量识别的综合性能成为亟待解决的难题。　　本文主要工作和取得的研究成果概述如下:　　(1)基于小波变换的加密流量分类框架。目前的流量识别算法在加密的数据集上的测试性能效果较差。流量经过加密后，数据包的内容发生了变化，会产生一些不稳定的特征。针对加密流量识别错误率高的问题，本文将小波变换应用于流量分类前来构建流量识别框架。小波变换可以起到变焦的作用，能够提取出加密流量的轮廓，加强非同类数据包的区分性特征。本文的实验结果证明该框架可以提升加密流量分类的准确度。　　(2)基于注意力残差网络的加密流量分类模型。由于当前加密流量识别的模型结构较为简单，相关研究多数在协议层面进行流量分类，对来自不同应用的加密流量识别性能欠佳。本文提出一种基于注意力残差网络的流量识别模型，并结合注意力机制去获取数据之间的长相关信息。一方面，该模型可以有效地识别来自不同应用的数据包，提升了分类细粒度。另一方面，由于该模型可以学习非相邻网络层之间的非线性关系且进行了更深层的分析，加快了收敛速度，能够较大地提升在协议层面的分类准确度。本文的实验结果同样证明该模型在精细化分类方面拥有良好的表现。　　鉴于传统流量识别模型在加密网络环境下的识别性能表现不佳，本文针对加密流量识别应用场景，采用结合特征变换的方法设计基于深度学习的加密流量分类框架，并重点改进了识别模型结构，满足了加密网络环境下的流量识别需求。本文通过实验证明该方法具有精度强、分类细粒度高的优点。

关键词：网络流量识别小波变换自注意力加密技术注意力残差网络

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积神经网络的玉米叶部病害识别算法及系统实现

基于深度卷积神经网络的玉米叶部病害识别算法及系统实现

引用

作者：黄雪峰安徽大学

学位级别：硕士

玉米是我国种植范围最大的农产品之一,玉米的年产量以及品质对种植玉米的农民经济收入有着巨大的影响。随着气象变迁,玉米在栽培过程中通常会出现各种病害,只有尽快发现病害,才能及时地进行快速防控。然而传统的机器学习技术对玉米叶部... 详细信息

玉米是我国种植范围最大的农产品之一,玉米的年产量以及品质对种植玉米的农民经济收入有着巨大的影响。随着气象变迁,玉米在栽培过程中通常会出现各种病害,只有尽快发现病害,才能及时地进行快速防控。然而传统的机器学习技术对玉米叶部病害的识别不仅需要人工选择、提取病斑的特征,而且需要耗费一定的时间和财力。不同玉米病害的特征对病害识别的贡献程度有很大差异,人工选择特征的结果往往影响着识别精度,并且人们很难确定哪些特征是最佳。尤其是,如果背景与其他叶片很相似,则患病叶片图像分割的结果可能会降低精度。到目前为止,由于患病图像非常复杂,基于农作物叶部病变的病害识别问题仍然是一项具有挑战性的研究。随着计算机视觉的不断创新,使用智能化、自动化的手段预防玉米叶部病害可以有效减低因病害给农民带来的巨大损失。卷积神经网络算法可以从大量原始复杂玉米叶部病害图像中自动学习高级特征,而无需进行复杂的图像预处理、病变分割和人为设计的特征提取。本文在以上基础上研究如何提高玉米叶部病害识别算法的准确率,以下是本研究的主要内容以及研究结果:1、提出了一种基于RI-Net网络的玉米叶部病害识别算法。该算法由基线模型、Inception模块以及Res Net模块共同组成,首先基线模型中通过利用尺寸大小为3×3的卷积层堆叠来增加特征提取的感受野区域大小,接着采用Inception模块和Res Net模块融合来增加特征的多样性,最后将学习到的特征送入分类器分类。通过实验结果对比,改进的算法相比传统机器学习人工提取特征方法具有更高的识别率,模型结构的融合提高了特征的多尺度映射能力。该算法能够有效识别不同类型的玉米叶部病害,为玉米叶部病害识别与识别算法的进一步研究提供了参考。2、提出了一种基于注意力残差网络的玉米叶部病害识别算法。该算法主要由残差网络和改进的通道注意力模块组成。首先使用残差结构以防止网络过拟合,接着将残差结构中的通道进行分组,之后在分组中加入注意力权重进一步捕获图像局部细节特征,同时使用全局平均池化减少卷积操作的参数,最后将特征送入分类器以分类病害。实验结果表明,相比于不同的识别算法,该算法能有效识别真实环境中的不同玉米叶部病害图像,具有较高的识别准确性,同时为算法在实际玉米田地中识别病害建立了基础。3、搭建了一个基于Web端的玉米叶部病害识别系统,该系统主要由四个主要模块组成,包括登录注册模块,知识科普模块、病害识别模块以及用户管理模块。登录注册模块负责验证用户的账号信息,知识科普模块负责向用户普及玉米叶部病害的种类及病害预防知识,病害识别模块负责识别不同类型的病害,用户管理模块负责管理及更新用户的操作记录。该系统能够实现对用户上传的图片进行识别以区分不同种类的玉米叶部病害,并同时向用户展示玉米叶部病害的科普知识,系统经过测试表明能够正常运行。

关键词：玉米叶部病害 Inception模块卷积神经网络注意力残差网络病害识别系统

来源：评论

学校读者我要写书评

暂无评论

基于双流卷积神经网络的人脸视频表情识别研究

基于双流卷积神经网络的人脸视频表情识别研究

引用

作者：徐卫军河北大学

学位级别：硕士

在人脸视频的动态表情识别研究中,双流卷积神经网络能充分挖掘动态表情行为的静态特征和动态特征,被研究人员广泛地使用,并使表情行为研究工作取得了长足的进步。然而,在双流卷积神经网络中,由于时间流网络和空间流网络独自计算,所以它... 详细信息

在人脸视频的动态表情识别研究中,双流卷积神经网络能充分挖掘动态表情行为的静态特征和动态特征,被研究人员广泛地使用,并使表情行为研究工作取得了长足的进步。然而,在双流卷积神经网络中,由于时间流网络和空间流网络独自计算,所以它忽略了动态表情行为中静态信息和动态信息两者之间的关联性。为了进一步提高表情行为中静态特征和动态特征之间关联特性的利用率,对双流卷积神经网络的人脸视频表情识别进行研究,具体工作如下: (1)针对人脸视频表情识别中的时空建模问题,提出了一种基于深度信念网络(Deep Belief Network,DBN)融合的双流卷积神经网络的人脸表情识别模型。该模型将DBN引入到双流卷积神经网络的末端,对时空流网络提取的光流特征和空间特征进行融合建模,从而弥补了空间特征中时间信息缺失的不足,在此基础上设计了三种不同深度的基于DBN结构融合的双流卷积神经网络。在公开数据集CK+和Oulu-CASIA上进行了对比实验。结果表明,采用更深的DBN结构能较好地捕获融合特征之间的高度非线性关系。 (2)针对深层DBN网络无法有效处理时序特征之间的自相关性,导致识别率不高的问题,提出了一种基于注意力残差的双流卷积神经网络的人脸表情识别模型。首先,利用自注意力机制和通道注意力机制捕获人脸视频中全局时序特征之间的自依赖信息,在深层DBN网络之前消除时序特征之间的自相关性。然后,结合残差网络(Residual Networks)设计了基于注意力残差的双流卷积神经网络,在公开数据集CK+和FER2013上进行了实验研究,表明了注意力残差模块可以有效解决表情信息在深层网络中丢失的问题。 (3)搭建了基于视频流的课堂学情分析系统。针对深度学习模型部署繁琐、单体算法服务器吞吐量低和模型生命周期管理不完善等问题,在系统算法层设计了一种基于Tensorflow Serving的深度学习微服务架构。结合本文人脸表情识别模型对系统进行了自然场景下的人脸表情识别性能测试,结果表明了所提出的人脸视频表情识别模型在真实场景下的可应用性。

关键词：视频表情识别双流卷积神经网络深度信念网络注意力残差网络深度学习微服务架构

来源：评论

学校读者我要写书评

暂无评论

基于图文融合的多模态谣言检测算法研究

基于图文融合的多模态谣言检测算法研究

引用

作者：王壮中国科学院大学

学位级别：硕士

近年来，随着微博和Twitter等社交网络媒体的迅速兴起，社交网络谣言也随之传播开来。与传统谣言不同，新兴的社交网络谣言往往在新闻文本后附加对应的图片或者视频，这样的谣言更具有传播力和危害性，同时，这些附加内容也更有利于谣... 详细信息

近年来，随着微博和Twitter等社交网络媒体的迅速兴起，社交网络谣言也随之传播开来。与传统谣言不同，新兴的社交网络谣言往往在新闻文本后附加对应的图片或者视频，这样的谣言更具有传播力和危害性，同时，这些附加内容也更有利于谣言的识别。然而，目前学术界针对这种多模态谣言检测的工作还比较少，缺乏有效的处理手段，因此亟需高效便捷的多模态谣言检测方法以应对日益增长的多模态社交网络谣言。　　多模态网络谣言识别的关键技术在于如何解决不同模态间的信息互补问题。针对该问题，本文分别从决策融合和语义融合两个角度提出了基于多级融合的多模态谣言检测模型和基于多级注意力残差网络的多模态谣言检测模型等两个模型。本文的贡献可以总结为以下两点:　　(1)针对当前多模态谣言检测领域存在的模态间信息难以充分融合和过于依赖各个模态信息完整度的问题，提出了一种基于多级融合的多模态谣言检测模型。该模型首先分别对图片和文本编码并进行特征级融合，然后对纯图片模型、纯文本模型和特征级融合模型进行决策级融合并对决策级融合算法进行了改进。多级融合结构加深了模态间的信息融合程度，改进后的决策级融合算法有效地缓解了传统的多模态谣言检测模型对各模态信息完整度要求过高的问题。　　(2)从实现图文信息语义层面融合的角度出发，提出了一种基于多级注意力残差网络的多模态网络谣言检测模型。该模型首先利用Bert和Resnet18分别提取文本和图片特征并利用交叉注意力残差机制使用文本特征对图片进行加强表示;然后将加强后的图片特征与文本特征拼接并利用自注意力残差机制进行融合;最后对融合后的图文特征进行二分类，从而判别该事件是否属于谣言。其中，注意力机制能够有效地对图片表示进行增强并进一步提高图片和文本间的语义融合效果;残差机制则在利用不同模态特征的同时尽量保留了各个原始模态特征的独特属性，在一定程度上解决了多模态信息融合时产生巨量噪声信息的问题。　　本文针对当前多模态网络谣言泛滥的问题，在基于图文融合的多模态谣言检测模型的设计上取得了一定的进步与创新。在真实的微博数据集上的实验结果表明，本文提出的两个模型的准确率和F1值均高于目前主流的多模态谣言检测模型，实现了较好的谣言检测效果，能够更好地应用于网络谣言治理领域。

关键词：在线社交网络谣言检测特征级融合决策级融合注意力残差网络

来源：评论

学校读者我要写书评

暂无评论

一种轻量化的遥感图像数据分析算法设计

引用

电子设计工程 2024年第11期32卷 183-187页

作者：李增顺刘勇侯雪蕊吴松管守标河北中科华星信息技术有限公司河北石家庄050000 河北艾普天地信息技术有限公司河北秦皇岛066004

针对传统遥感图像数据分析算法存在鲁棒性较差、适应度与计算效率均偏低的问题,文中基于YOLOv3提出了一种轻量化的遥感图像数据分析算法。该算法使用YOLOv3作为神经网络模型的框架,并将内部的Darknet-53多尺度卷积作为主网络。为了减小... 详细信息

针对传统遥感图像数据分析算法存在鲁棒性较差、适应度与计算效率均偏低的问题,文中基于YOLOv3提出了一种轻量化的遥感图像数据分析算法。该算法使用YOLOv3作为神经网络模型的框架,并将内部的Darknet-53多尺度卷积作为主网络。为了减小主网的冗余度,通过SE-Net模型连接网络的深层与浅层卷积,在轻量化的同时也增强了模型的深度特征提取能力。同时,根据改进后网络的权重输出结果,采用剪枝算法对卷积核进行简化,进而完成了模型的轻量化。在实验测试中,轻量化后的模型可显著提升FPS(Frames Per Second)值,且算法的mAP指标为93.25%,在对比算法中为最优,表明了算法模型的有效性及其性能的优越性。

关键词： YOLOv3网络轻量化注意力残差网络剪枝算法遥感数据分析图像处理

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：