检索结果-内蒙古大学图书馆

计算机测量与控制 2025年第3期33卷 197-204,212页

作者：任亚利刘祎桂志国张鹏程中北大学信息与通信工程学院太原030051 生物医学成像与影像大数据山西重点实验室太原030051

在CT成像中,若病人体内存在金属植入物时,CT重建图像中会出现严重的金属伪影,降低图像质量并影响医生诊断结果;对现有金属伪影去除算法进行了研究,分析了简单的神经网络模型去除金属伪影时存在伪影残留及组织细节模糊的问题,提出了稀疏T... 详细信息

在CT成像中,若病人体内存在金属植入物时,CT重建图像中会出现严重的金属伪影,降低图像质量并影响医生诊断结果;对现有金属伪影去除算法进行了研究,分析了简单的神经网络模型去除金属伪影时存在伪影残留及组织细节模糊的问题,提出了稀疏transformer联合细节还原网络;该网络由伪影去除网络和细节还原网络两个独立的子网络构成,伪影去除网络将标准transformer中的自注意力替换为稀疏注意力机制,并且引入混合尺度前馈网络提取多尺度信息,以产生更好的图像去噪特征;细节还原网络同时提取全局和局部信息,在不损失图像分辨率的前提下清晰地恢复原始图像细节,然后通过加法运算将其整合到上述去除伪影的图像中;在Deeplesion数据集上验证了模型的有效性,实验结果表明,该方法在金属伪影去除效果上优于目前已有方法,在PSNR、SSIM指标上表现更优,能有效去除金属伪影,恢复出大部分精细的结构细节。

关键词： CT图像金属伪影稀疏transformer 注意力机制细节还原

来源：评论

学校读者我要写书评

暂无评论

基于稀疏transformer的遥感旋转目标检测

引用

激光与光电子学进展 2022年第18期59卷 45-53页

作者：何林远白俊强贺旭王晨刘旭伦西北工业大学无人系统技术研究院陕西西安710072 空军工程大学航空工程学院陕西西安710038

针对遥感图像目标广邻域稀疏、多邻域聚集、方向多样等特性导致检测难度大的问题,提出了一种基于稀疏transformer的遥感旋转目标检测方法。首先,所提方法在典型端到端transformer网络的基础上,根据遥感图像的特性,利用Kmeans算法实现多... 详细信息

针对遥感图像目标广邻域稀疏、多邻域聚集、方向多样等特性导致检测难度大的问题,提出了一种基于稀疏transformer的遥感旋转目标检测方法。首先,所提方法在典型端到端transformer网络的基础上,根据遥感图像的特性,利用Kmeans算法实现多域聚集,从而更好提取稀疏域下的目标特征;其次,为适配旋转目标的基本属性,在边框生成阶段,利用目标包围框的中心点及边框特征学习的策略高效获取目标回归斜边框;最后,为提升网络对遥感目标的检测率,对网络的损失函数进行了优化。在DOTA和UCASAOD遥感数据集上的实验结果表明,所提方法的平均精度分别为72.87%和90.4%,能很好地适应遥感图像中各类旋转目标的形状与分布特性。

关键词：图像处理遥感图像旋转目标检测稀疏transformer Kmeans

来源：评论

学校读者我要写书评

暂无评论

基于稀疏transformer的雷达点云三维目标检测

引用

计算机工程 2022年第11期48卷 104-110,144页

作者：韩磊高永彬史志才上海工程技术大学电子电气工程学院上海201600 上海市信息安全综合管理技术研究重点实验室上海200240

随着计算机视觉技术的发展,基于点云的三维目标检测算法被广泛应用于自动驾驶、机器人控制等领域。针对点云稀疏条件下基于点云三维目标检测算法鲁棒性较差、检测精度低的问题,提出基于稀疏transformer的三维目标检测算法。在注意力矩... 详细信息

随着计算机视觉技术的发展,基于点云的三维目标检测算法被广泛应用于自动驾驶、机器人控制等领域。针对点云稀疏条件下基于点云三维目标检测算法鲁棒性较差、检测精度低的问题,提出基于稀疏transformer的三维目标检测算法。在注意力矩阵生成阶段,通过稀疏transformer模块显式选择Top-t个权重元素,以保留有利于特征提取的权重元素,在降低环境噪点对鲁棒性影响的同时加快transformer模块的运行速度。在回归阶段,将基于空间特征粗回归模块生成的边界框作为检测头模块的初始锚框,用于后续边界框的精细回归操作。设计基于体素的三维目标检测算法的损失函数,以精确地衡量类别损失、位置回归损失和方向损失。在KITTI数据集上的实验结果表明,相比PointPillars算法,该算法的平均精度均值提高3.46%,能有效提高点云三维目标的检测精度且具有较优的鲁棒性。相比原始transformer模块,所提稀疏transformer模块在点云图像上的平均运行速度加快了约0.54 frame/s。

关键词：机器视觉三维目标检测稀疏transformer 粗回归损失函数

来源：评论

学校读者我要写书评

暂无评论

基于卷积稀疏编码和稀疏transformer的倒装芯片缺陷振动检测方法研究

基于卷积稀疏编码和稀疏Transformer的倒装芯片缺陷振动检测方法...

引用

作者：陈超江南大学

学位级别：硕士

随着芯片设计朝着微型化和高度集成化的方向发展,芯片封装技术面临着日益严格的标准和要求。倒装焊封装技术是目前使用最普遍的先进芯片封装技术之一,随着倒装芯片朝着微型化和多功能化的方向不断演进,焊点分布密度持续增加,间隔逐渐减... 详细信息

随着芯片设计朝着微型化和高度集成化的方向发展,芯片封装技术面临着日益严格的标准和要求。倒装焊封装技术是目前使用最普遍的先进芯片封装技术之一,随着倒装芯片朝着微型化和多功能化的方向不断演进,焊点分布密度持续增加,间隔逐渐减小,同时,在受到多种应力的作用下,内部焊点容易出现微小缺陷,如缺球、空洞、裂纹等,导致芯片功能失效。为了确保倒装芯片性能的稳定性,进行缺陷检测变得尤为关键。基于超声激励与振动分析相结合的无损检测技术已经应用于检测倒装芯片焊球的缺陷,但是采集的振动信号常受到检测系统等来源的噪声干扰,制约了缺陷检测结果的准确性与可靠性。因此,本文基于卷积稀疏编码理论,研究倒装芯片超声激励检测的振动信号去噪方法,并构建了惯性前后分裂-加速随机梯度的字典学习方法。最后提出一种一维稀疏transformer的智能检测算法用于识别与分类倒装芯片的振动信号。具体的研究内容如下: (1)针对倒装芯片缺陷检测振动信号易受噪声影响,缺陷特征不明显等问题,提出一种基于重加权的广义最小最大凹惩罚卷积稀疏编码的方法,以实现倒装芯片振动信号的重构去噪。该方法采用卷积稀疏编码模型全局表示振动信号,能够避免字典高维数问题,并有效减少字典训练和稀疏分解的计算复杂度;其次,在迭代过程中将能量熵以权重的方式重新分配应用于加权策略中,更好的匹配局部块卷积稀疏编码结构;此外,利用广义最小最大凹惩罚函数建立目标函数,提高估计的稀疏性并保持凸性的成本函数。实验结果表明,所提出的方法具有显著的去噪效果,能够有效抑制检测振动信号中的噪声干扰。 (2)为了进一步提升卷积稀疏编码字典的学习收敛速度和提高振动信号的估计精度,提出一种惯性前后分裂-加速随机梯度的字典学习方法,用于倒装芯片振动信号的特征增强。首先,将惯性模型方案结合到稀疏系数求解算法中,以提高稀疏系数的收敛效率和性能。然后,在字典更新过程中,利用安德森加速法对卷积字典历史迭代信息进行线性组合,实现加速卷积字典的学习以及提高字典的求解精度。实验结果表明,提出的方法能够加速卷积稀疏编码的学习效率,增强振动信号的特征。 (3)针对倒装芯片振动信号去噪后包含与缺陷检测无关的信息,不仅对检测没有帮助,反而可能产生不利影响的问题,提出基于一种一维稀疏transformer的倒装芯片缺陷检测方法。原始一维采集数据可直接用于倒装芯片缺陷检测,稀疏transformer能有效剔除无益信息,提高检测准确率。该方法首先在块嵌入模块中使用一维卷积操作对输入信号进行局部特征提取,捕捉相邻信号元素之间的局部信息,再将卷积操作得到的局部特征输入到transformer进行全局特征的学习。同时通过采用自适应稀疏函数来减少振动信号中无关元素的干扰,能够灵活地筛选并保留关键信息,可以使模型更加关注对缺陷检测有贡献的信息,避免过度关注无关信息。为了进一步提取局部特征,提出基于卷积前向传播,增强信号位置的敏感性。实验结果表明,所提方法在倒装芯片缺陷识别中取得优异的结果。

关键词：倒装芯片缺陷检测超声激振卷积稀疏编码稀疏transformer

来源：评论

学校读者我要写书评

暂无评论

基于稀疏transformer的长短时序关联动作识别算法

引用

中国传媒大学学报（自然科学版） 2023年第6期30卷 56-63页

作者：廖健文杨盈昀卢玥中国传媒大学信息与通信工程学院北京100024

针对主流的视频动作识别算法对时序信息的挖掘不充分,而transformer能够更好地处理长序列和全局依赖性问题,本文将3DCNN和transformer结合起来,提出了基于稀疏transformer的长短时序关联动作识别算法,从而实现对视频的全局时序信息进行... 详细信息

针对主流的视频动作识别算法对时序信息的挖掘不充分,而transformer能够更好地处理长序列和全局依赖性问题,本文将3DCNN和transformer结合起来,提出了基于稀疏transformer的长短时序关联动作识别算法,从而实现对视频的全局时序信息进行建模。该算法提取预训练视频模型各个片段特征,嵌入视频特征聚类模块降低输入特征的潜在噪声,并利用基于稀疏自注意力的transformer长短时序关联模块,引入稀疏掩码矩阵,对相似度矩阵进行掩码操作,抑制较小的注意力权重,选择性地保留重要的长短时序信息,提高模型对全局上下文信息的注意力集中程度。本文在UCF101和HMDB51数据集上进行了大量的实验,验证了本文算法的有效性,在参数量和计算复杂度较小的情况下准确率高于同类权威算法。

关键词：深度学习动作识别稀疏transformer R3D-18

来源：评论

学校读者我要写书评

暂无评论

高光谱图像去噪的稀疏空谱transformer模型

引用

电子测量技术 2024年第1期47卷 150-158页

作者：杨智翔孙玉宝白志远栾鸿康南京信息工程大学计算机学院网络空间安全学院南京210044

现阶段transformer模型的应用提升了高光谱图像去噪的性能,但原始transformer模型对图像空间-光谱耦合关联性的利用仍存在不足;对空间特征的处理存在过于平滑,容易丢失小尺度结构的现象;同时在光谱维度上也过于关注全部通道特征,缺乏对... 详细信息

现阶段transformer模型的应用提升了高光谱图像去噪的性能,但原始transformer模型对图像空间-光谱耦合关联性的利用仍存在不足;对空间特征的处理存在过于平滑,容易丢失小尺度结构的现象;同时在光谱维度上也过于关注全部通道特征,缺乏对不同光谱波段间差异性的利用;为了应对这些问题,本文提出了一种新的稀疏空谱transformer模型,提升了对空谱耦合关联性的利用。在空间维度,引入局部增强模块增强空间特征细节,应对过平滑问题;同时在光谱维度上提出了Top-k稀疏自注意力机制,自适应选择前K个最相关的光谱通道特征进行特征交互,从而能够有效捕获空谱特征。最终通过稀疏空谱transformer的层级残差连接实现高光谱图像的去噪。在ICVL数据集上分别对高斯噪声和复杂噪声进行去噪处理,峰值信噪比分别达到40.56 dB和40.19 dB,证明了本文提出的稀疏空谱transformer模型优越的性能。

关键词：高光谱图像去噪空间-光谱联合特征稀疏transformer

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：