检索结果-内蒙古大学图书馆

工程科学学报 2025年第2期47卷 328-338页

作者：苏越唐朝晖谢永芳高小亮张虎马炜烨汤海玚中南大学自动化学院长沙410083 中南大学数学与统计学院长沙410083

准确识别锌浮选工况并用于指导锌浮选操作,可以提高浮选效率、优化选矿过程.目前浮选现场主要通过人工肉眼观察泡沫并依据经验判断工况,这种方法主观性强,难以客观准确地评价锌浮选工况.针对该问题,本文通过研究锌浮选泡沫视觉特征和浮... 详细信息

准确识别锌浮选工况并用于指导锌浮选操作,可以提高浮选效率、优化选矿过程.目前浮选现场主要通过人工肉眼观察泡沫并依据经验判断工况,这种方法主观性强,难以客观准确地评价锌浮选工况.针对该问题,本文通过研究锌浮选泡沫视觉特征和浮选工况的密切联系,提出基于稀疏注意力卷积ViT模型的锌浮选工况识别方法.首先,所提模型融合了卷积神经网络(Convolutional neural networks,CNN)和视觉Transformer(Vision transformer,ViT)的结构和优点,同时感知泡沫局部空间信息和全局信息,完备表征泡沫图像.其次,模型引入稀疏的多头注意力机制,每个注意力头以不同的稀疏程度处理特征,从不同尺度下感知全局信息,同时引入注意力门控单元优化特征传递,最终实现锌浮选工况识别.实验结果表明,本文所提工况识别方法在锌浮选泡沫图像数据集上的准确率达到88.62%,解决了传统CNN和ViT模型不能充分利用泡沫图像全局信息,且无法自适应捕捉泡沫图像重要特征的问题,为浮选流程优化提供有力支持.

关键词：工况识别卷积神经网络视觉Transformer 稀疏注意力泡沫浮选

来源：评论

学校读者我要写书评

暂无评论

基于稀疏注意力的红外弱小目标检测方法

引用

红外技术 2025年第3期47卷 342-350页

作者：张兴旺李大威蔺素珍禄晓飞中北大学电气与控制工程学院山西太原030051 中北大学大数据学院山西太原030051 酒泉卫星发射中心甘肃酒泉735000

针对复杂背景下红外弱小目标像素占比少,细节纹理特征匮乏导致特征提取困难、检测率低、虚警率高的问题,提出一种基于稀疏注意力和多尺度特征融合的红外弱小目标检测网络。该网络利用Resnest的分割注意力提取不同尺度特征,引入Biformer... 详细信息

针对复杂背景下红外弱小目标像素占比少,细节纹理特征匮乏导致特征提取困难、检测率低、虚警率高的问题,提出一种基于稀疏注意力和多尺度特征融合的红外弱小目标检测网络。该网络利用Resnest的分割注意力提取不同尺度特征,引入Biformer注意力模块学习目标与背景之间的远程关系,采用融合模块将高、低层特征进行融合,经过Head模块输出检测结果二值图。实验结果表明,本文方法在IoU和F_(measure)这两项指标中均取得最优,与DNANet方法相比,所提方法的交并比(IoU)提高3.9%、F_(measure)提高5.6%;与ABCNet方法相比,所提方法的IoU提高5.8%、F_(measure)提高10%;并且在不同复杂背景下均可有效检测出红外弱小目标,体现良好的鲁棒性和适应性,可以有效应用于复杂背景中的红外弱小目标检测。

关键词：红外弱小目标检测稀疏注意力特征融合鲁棒性

来源：评论

学校读者我要写书评

暂无评论

基于稀疏注意力的孪生网络目标跟踪算法

引用

控制与决策 2024年第12期39卷 4017-4026页

作者：陈志旺杨天宇曹索航吕昌昊彭勇燕山大学智能控制系统与智能装备教育部工程研究中心河北秦皇岛066004 燕山大学工业计算机控制工程河北省重点实验室河北秦皇岛066004 燕山大学电力电子节能与传动控制河北省重点实验室河北秦皇岛066004 燕山大学电气工程学院河北秦皇岛066004

利用改进的Inception-Resnet-V2(IRV2)网络和局部-全局-局部(local-global-local,LGL)模块设计一种结合CNN和Transformer编码结构的孪生网络SiamLGL(siamese local-global-local network)用于目标跟踪.首先,算法特征提取部分采用改进后的IRV2网络,由于网络的层数更深,图片经过IRV2网络提取的特征较浅层网络提取的特征效果更优,特征融合部分采用深度互相关将特征图上的信息进行融合;其次,融合后的特征图利用LGL模块获取目标的全局和局部信息,模块内部采用两个编码器串联,第1个编码器利用深度可分离卷积获取目标的局部信息,第2个编码器利用自注意力获取图片的全局特征,为了降低自注意力结构的时间复杂度,采用稀疏注意力的方式进行计算,在降低时间复杂度的同时保证网络的精度;最后将特征图输入至分类回归网络中,生成对应的目标位置,其中分类网络采用二元交叉熵损失函数,回归网络采用Distance-IoU(DIoU)作为损失函数.算法在GOT-10k、LaSOT、TrackingNet、UAV123、OTB100和VOT2019等6个公开数据集上进行实验评估,结果验证了算法的有效性.

关键词：目标跟踪孪生网络 Inception-Resnet-V2网络稀疏注意力 Distance-IoU损失

来源：评论

学校读者我要写书评

暂无评论

一种基于时空稀疏注意力的时空图挖掘算法

引用

计算机工程 2023年第4期49卷 108-113页

作者：谢毅王强李海宏金诚任洪润薛雯熊贇复旦大学计算机科学技术学院上海市数据科学重点实验室上海200433 上海市气象灾害防御技术中心上海200030

当前用于时空图挖掘的算法通常基于专家预定义或者经过特征增强的静态图结构,这些静态的图结构往往依赖于主观先验知识构建,并且不包含时间动态性的变化。为完成自动获取时空图数据中动态图特征的任务,提出一种基于时空稀疏注意力的时... 详细信息

当前用于时空图挖掘的算法通常基于专家预定义或者经过特征增强的静态图结构,这些静态的图结构往往依赖于主观先验知识构建,并且不包含时间动态性的变化。为完成自动获取时空图数据中动态图特征的任务,提出一种基于时空稀疏注意力的时空图挖掘算法(STSAN)。构造空间稀疏注意力层,通过对每个时间片上节点间的关系进行度量生成稀疏图,并在各个稀疏图结构上使用注意力机制完成节点空间(纵向)特征的提取。时间稀疏注意力层通过类似的方式完成节点时序(横向)特征的提取。在此基础上,将空间稀疏注意力层和时间稀疏注意力层堆叠为时空稀疏Transformer模块,完成时空依赖关系建模。实验结果表明,与DCRNN、STGCN等方法相比,该算法在2个公开的交通数据集上能够获得2.65%~16.35%的性能提升,将所提出的空间稀疏注意力层直接用于替换现有算法的空间特征模块,能够在原算法基础上获得平均3.18%~9.14%的性能提升。

关键词：时空图稀疏注意力图结构时空依赖动态性

来源：评论

学校读者我要写书评

暂无评论

基于稀疏注意力和可变形融合的多源遥感图像分类方法

引用

北京航空航天大学学报 2024年

作者：刘晟金学鹏高峰甘言海中国海洋大学计算机科学与技术学院

在遥感图像应用中，利用多源图像的互补优势并探索其特征依赖关系是研究热点。传统基于Transformer的分类方法因计算全部特征间的自注意力，导致信息过载和无关特征干扰，影响模型效率。跨模态特征交互常采用简单拼接或相加，忽略模态... 详细信息

在遥感图像应用中，利用多源图像的互补优势并探索其特征依赖关系是研究热点。传统基于Transformer的分类方法因计算全部特征间的自注意力，导致信息过载和无关特征干扰，影响模型效率。跨模态特征交互常采用简单拼接或相加，忽略模态差异，限制了多源特征表达的一致性和有效性。为此本文设计了一种新颖的分类方法，该方法基于稀疏注意力和可变形特征交叉融合模块，用于处理多源遥感图像。该方法的特征提取模块利用稀疏注意力动态地选择和稀疏化权重，显著减少了无关信息的干扰。同时，构建了可变形交叉注意力融合模块整合多源图像特征，加强了跨模态特征的动态交互，深入挖掘了不同模态特征的相互作用和联系。在Berlin和Houston2018数据集上的实验结果显示，本文方法的整体分类准确率分别达到73.27%和92.94%，相较于现有的ExViT、AsyFFNet等主流方法显著提升了分类准确率，验证了本方法的有效性和优越性。

关键词：稀疏注意力多源特征融合高光谱图像(HSI) 合成孔径雷达(SAR) 激光雷达(LiDAR)

来源：评论

学校读者我要写书评

暂无评论

基于区域稀疏注意力网络的行人再辨识方法研究

基于区域稀疏注意力网络的行人再辨识方法研究

引用

作者：解盛广西师范大学

学位级别：硕士

行人再辨识可应用于刑探侦查、社会安保等领域。已有许多行人再辨识方法被提出,主要分为两大类:基于人工设计特征的行人再辨识方法和基于深度学习的行人再辨识方法。早期行人再辨识一般采用基于人工设计特征的方法,其算法理论性强且计... 详细信息

行人再辨识可应用于刑探侦查、社会安保等领域。已有许多行人再辨识方法被提出,主要分为两大类:基于人工设计特征的行人再辨识方法和基于深度学习的行人再辨识方法。早期行人再辨识一般采用基于人工设计特征的方法,其算法理论性强且计算量小,但由于此类特征需由人工设计,因此成本较高且易忽略行人特征。近年来深度学习方法的快速发展,为行人再辨识的应用提供了新的契机。将深度学习与行人再辨识结合,在免去大量人工成本的同时,可以使机器自动地去学习和优化行人特征,从而提高行人再辨识算法的性能。但由于行人照片的分辨率较低,且进行深度学习时,特征图尺寸不断变小的过程中会损失大量可用信息。鉴于人工设计特征与深度学习在行人再辨识已经取得的瞩目成绩,本文融合上述两个研究方向,提出了可用于行人再辨识的区域稀疏注意力网络,该网络通过采用随机区域批量遮挡的数据增强方法,以及嵌入了稀疏注意力机制这两种算法,可以有效避免卷积过程中必要的信息损失,主要方法如下:1)嵌入稀疏注意力的压缩激活网络。该网络是由压缩激活网络改进而来。首先将压缩激活网络中的压缩激活模块提取出来,对其进行归一化处理,由此生成注意力模块:归一化的压缩激活模块;然后将4个归一化的压缩激活模块分别应用到残差网络的5个卷积层之间;最后在5个卷积层之间再加入4条短连接,构建成嵌入稀疏注意力的压缩激活网络。实验表明,相对于压缩激活网络,本文提出的方法在行人再辨识数据集Market-1501上的Rank-1和mAP分别提高了4.2%和4.4%。2)采用随机区域批量遮挡的数据增强方法。该方法首先将一个训练批次的行人照片水平均匀分割为6个区域;然后将6个区域中的2个区域随机遮挡住,使得神经网络只需处理剩余的4个区域;最后对这4个区域进行全局最大池化处理后并进行分类。实验表明,相对于压缩激活网络,本文提出的方法在Market-1501上的rank-1和mAP分别提高了5.1%和7.8%。在多个行人再辨识数据集上的测试结果表明,嵌入稀疏注意力的压缩激活网络具有良好的特征提取能力,而批量地对行人图片进行随机区域遮挡也使得网络具备了关注微小特征的能力。这两种方法的结合在解决目标行人较小、行人背景复杂和不同行人相似的问题时,取得了较好的效果。

关键词：行人再辨识稀疏注意力随机区域遮挡批量归一化

来源：评论

学校读者我要写书评

暂无评论

基于时空稀疏注意力和去噪扩散概率模型的城市路网交通速度预测方法研究

基于时空稀疏注意力和去噪扩散概率模型的城市路网交通速度预测方...

引用

作者：金秋月长安大学

学位级别：硕士

准确及时的交通速度预测,有利于城市居民合理规划出行时间和路线,规避拥堵路段。同时,对于交通管理部门,可以及时了解路网的交通状态,对可能发生的交通事件进行预警,更好地对路网车流进行引导和调控,减少道路拥堵。本文对城市道路交通... 详细信息

准确及时的交通速度预测,有利于城市居民合理规划出行时间和路线,规避拥堵路段。同时,对于交通管理部门,可以及时了解路网的交通状态,对可能发生的交通事件进行预警,更好地对路网车流进行引导和调控,减少道路拥堵。本文对城市道路交通速度预测方法进行研究,基于时空稀疏注意力和去噪扩散概率模型提出了两种交通速度预测方法,研究内容包括: (1)针对现有方法无法有效捕获时空数据中的中长期时空依赖的缺陷,提出一种基于时空稀疏注意力并考虑交通数据时间周期性的交通速度预测方法。首先,考虑到交通数据的周期性特征,对输入划分为三个不同的时间周期粒度,即近期、日周期和周周期;其次,分别从空间、时间和时空三个维度挖掘时空关联特征。在空间维度上,利用GCN捕捉邻接路段的局部空间相关性,通过空间稀疏自注意力(Spatial Sparse SelfAttention)捕捉远距离路段的全局空间相关性,实现局部紧密相关,远距离稀疏相关。在时间维度上,利用时间稀疏自注意力(Temporal Sparse Self-Attention)捕捉长时依赖,提高中长时交通速度的预测准确性。并通过时空块整合空间块和时间块提取的时空特征,捕捉路网交通数据的时空依赖性;最后,将不同时间周期粒度下捕捉的时空特征进行融合,提高模型中长时预测性能。 (2)针对路网交通速度变化的不确定性,提出一种基于多图时空去噪扩散概率模型的交通速度预测方法。利用去噪扩散概率模型能够生成数据概率分布的性质,对交通时空数据的不确定性进行建模。首先,考虑到城市路网复杂的时空关系,构建了路网拓扑关系结构图、路段交通模式相似度关系图和路段聚类关系图;其次,将三种关系图作为去噪扩散概率模型逆向去噪过程的输入,实现基于多图的条件去噪扩散概率预测。在去噪网络中引入Transformer的编码器和多图GCN,用于提取多图的时空依赖特征,以提高去噪扩散概率模型对交通数据时空依赖关系的建模能力。所提模型能够预测出未来交通速度的可能变化范围,为下游任务提供了一系列可能结果,有利于下游任务的决策。为验证本文所提模型的有效性,分别在西安市和济南市真实交通数据集上对模型的预测性能进行了评估。实验结果表明,本文所提模型能够有效实现路网交通速度预测,性能优于现有模型。

关键词：交通速度预测去噪扩散概率模型 Transformer 图卷积神经网络稀疏注意力

来源：评论

学校读者我要写书评

暂无评论

基于稀疏注意力的自适应图池化方法

引用

杭州电子科技大学学报（自然科学版） 2021年第5期41卷 32-38页

作者：朱小草郭春生张宏宽金昊炫杭州电子科技大学通信工程学院浙江杭州310018 数源科技股份有限公司浙江杭州310012 浙江农业科学院浙江杭州310021

针对图神经网络池化中不能充分保留图的局部特征的问题,提出一种基于稀疏注意力自适应图池化方法。首先,运用稀疏注意力自适应地选择相似度高的节点形成集群;然后,运用局部聚合卷积,通过节点聚合形成集群表示,选取集群表示最大的topk个... 详细信息

针对图神经网络池化中不能充分保留图的局部特征的问题,提出一种基于稀疏注意力自适应图池化方法。首先,运用稀疏注意力自适应地选择相似度高的节点形成集群;然后,运用局部聚合卷积,通过节点聚合形成集群表示,选取集群表示最大的topk个节点完成采样;最后,在池化时保留图的局部特征以降低信息损失,从而提高图分类的性能。实验结果表明,与传统图池化方法相比,提出方法的分类正确率有所提升。

关键词：图池化稀疏注意力自适应处理

来源：评论

学校读者我要写书评

暂无评论

基于稀疏注意力机制的城轨车辆轴温预测模型

引用

科技与创新 2021年第3期 1-4页

作者：张恒志蒋雨良中车青岛四方机车车辆股份有限公司山东青岛266109 西南交通大学机械工程学院四川成都610031

列车运行时走行部的安全至关重要,车载系统采集走行部信息呈现多维时间序列长度,时间序列往往因为过长导致时序模型难以记忆,反而使得模型精度降低。为此,提出一种基于稀疏注意力机制的城轨车辆轴温预测模型。首先建立稀疏注意力的时间... 详细信息

列车运行时走行部的安全至关重要,车载系统采集走行部信息呈现多维时间序列长度,时间序列往往因为过长导致时序模型难以记忆,反而使得模型精度降低。为此,提出一种基于稀疏注意力机制的城轨车辆轴温预测模型。首先建立稀疏注意力的时间序列模型,在线下进行模型训练,并基于微调的方式将一个轴承的温度预测模型逐个迁移到所有轴承上;线下训练完成后对在线数据进行预测,并检测温度是否异常,确认异常轴承的位置进行停车检查、修复故障。实验结果表明,稀疏注意力机制相比于RNN、LSTM等传统时间序列网络能够处理更长的时间序列,对轴承温度的预测具有更高的精度。

关键词：城轨车辆轴承温度时间序列稀疏注意力

来源：评论

学校读者我要写书评

暂无评论

频率引导的双稀疏自注意力单图像去雨算法

引用

电子学报 2023年第10期51卷 2812-2820页

作者：文渊博高涛陈婷张千禧长安大学信息工程学院陕西西安710064

现有基于自注意力网络Transformer的单图像去雨算法尽管在合成雨图上在取得良好效果,但却造成巨大的计算负担,且无法有效处理真实雨图.对此,本文提出一种频率引导的双稀疏自注意力单图像去雨算法(Frequen⁃cy-guided Dual Sparse self-At... 详细信息

现有基于自注意力网络Transformer的单图像去雨算法尽管在合成雨图上在取得良好效果,但却造成巨大的计算负担,且无法有效处理真实雨图.对此,本文提出一种频率引导的双稀疏自注意力单图像去雨算法(Frequen⁃cy-guided Dual Sparse self-Attention TransFormer,FDSATFormer).首先,该算法利用空间稀疏因子和通道降维因子在提取准确全局信息的同时减少计算量,进而提出双稀疏自注意力特征学习网络(Dual Sparse self-attention Feature Leran⁃ing,DSFL)以解决Transformer在高分辨率雨图上难以表征自注意力的问题.其次,该算法通过探究图像去雨前后的频谱变化,提出频率引导的特征增强模块(Frequency-guided Feature Enhancer,FFE),其利用频域的全局信息指导特征编码阶段对空域特征的学习.此外,现有去雨网络的编解码结构采用相近的设计,这导致网络的整体计算负担倍增.对此,本文提出层级特征解码重建网络(Hierarchical Feature Decoding and Reconstructing network,HFDR),其利用无参的空间邻域移位操作(Spatial Neighborhood Shift,SNS)构建特征解码网络,在取得良好效果的同时进一步减少整体的计算负担.实验表明,相比表现优秀的Uformer和Restormer,本文算法所得结果的平均峰值信噪比分别提升3.13 dB和0.12 dB,平均结构相似性分别提升1.39%和1.07%.

关键词：计算机视觉图像去雨自注意力网络稀疏注意力空间移位频率引导学习

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：