注意力機制
- 基于LBP和注意力機制的改進VGG網(wǎng)絡的人臉表情識別方法
二值模式;注意力機制0 引言（Introduction）面部表情是判斷人類情感和人機交互效果的重要依據(jù)，早在20世紀，EKMAN等[1]系統(tǒng)地將面部表情劃分為生氣、害怕、厭惡、開心、悲傷、驚訝六類，這一理論的提出在表情識別領域具有跨時代的意義，同時開啟了表情識別領域新世界的大門。目前，表情識別的方法有傳統(tǒng)算法和深度學習算法兩大類。常見的傳統(tǒng)表情識別算法有局部二值模式（LBP）[2]、Gabor小波變化法[3]和尺度不變特征變換[4-5]等。深度學習算法主要
軟件工程 2024年1期2024-01-29
- 基于多粒度表征藏文古籍文檔版面分析方法研究
；多粒度；注意力機制中圖分類號：TP3? ? ? ? 文獻標識碼：A文章編號：1009-3044（2023）36-0001-03開放科學（資源服務）標識碼（OSID）0 引言文檔圖像的版面布局分析是OCR任務的重要分支，是計算機視覺領域的一個長期研究課題，早期主要是基于規(guī)則[1]及機器學習[2]方法進行分割和提取。傳統(tǒng)方法適用于簡單布局文檔分割解析，在處理復雜場景的版面分析仍面臨諸多挑戰(zhàn)。隨著深度神經(jīng)網(wǎng)絡的蓬勃發(fā)展，深度學習算法在解決自然語言處理、計算機視
電腦知識與技術 2023年36期2024-01-27
- 基于 StarGAN的人臉表情數(shù)據(jù)增強研究
GAN; 注意力機制中圖分類號：TP18? ? ? ? 文獻標識碼：A文章編號：1009-3044（2023）34-0009-04開放科學（資源服務）標識碼（OSID） ：0 引言人臉表情往往比語言可以傳達更準確真實的信息，對于人臉表情的研究最早可以追溯到20世紀60年代，Ekman等[1]科學家將觀察人臉表情運用到心理學領域，他們建立了基本的7種表情分類，為后繼的研究奠定了基礎。當下利用深度學習方法進行人臉表情識別研究的工作開展已經(jīng)很充分了，眾所周知，深
電腦知識與技術 2023年34期2024-01-24
- 基于雙重SE注意力機制下的CNN-BiLSTM混合石墨電極位移預測模型
了一種引入注意力機制下的卷積神經(jīng)網(wǎng)絡（CNN）和雙向長短期記憶網(wǎng)絡（BiLSTM）混合石墨電極位移預測模型。為有效解決時間序列重要程度差異性問題，在傳統(tǒng)SE注意力機制中增加了雙重SE注意力并行模塊，并用BiLSTM通過兩個方向來發(fā)掘時間序列信息，有效提高模型預測度。實驗結果表明，文章提出的混合網(wǎng)絡模型能夠對石墨電極位移進行有效預測，且相比于傳統(tǒng)的SE-CNN-BiLSTM方法和主流預測方法預測準確度更高。關鍵詞： 內串石墨化；石墨電極位移；卷積神經(jīng)網(wǎng)絡；雙
電腦知識與技術 2023年31期2023-12-25
- 基于偏旁部首計數(shù)分析網(wǎng)絡的零樣本漢字識別
出了一種以注意力機制為基礎的編碼器-解碼器架構的部首計數(shù)分析網(wǎng)絡，用于零樣本漢字識別問題。在編碼器階段，引入了多尺度部首計數(shù)模塊；而在解碼器階段，則運用了多尺度注意力機制。本文將一個漢字看作是由若干偏旁部首及其空間結構組成的序列，通過計算偏旁部首及空間結構的數(shù)量，實現(xiàn)了對漢字的有效識別。實驗結果表明，在SCUT-SPCC和CTW兩個基準數(shù)據(jù)集上，本文所提出的新模型在零樣本漢字識別方面表現(xiàn)優(yōu)異。本研究能夠更好地捕捉漢字的特征信息，并實現(xiàn)對未見漢字的準確識別。
貴州大學學報（自然科學版） 2023年6期2023-12-14
- 基于改進YOLOv7的金屬表面缺陷檢測方法
間通道雙重注意力機制，提升對圖像中小目標特征提取能力，減少無用特征的干擾；采用Alpha IOU損失函數(shù)替換原來的CIOU損失函數(shù)，加速網(wǎng)絡收斂，提高網(wǎng)絡的魯棒性。最后引入深度可分離卷積，在降低網(wǎng)絡的參數(shù)量和計算量的同時盡可能減少精度損失。結果表明，改進后的YOLOv7網(wǎng)絡模型較原來YOLOv7網(wǎng)絡模型提升了3.6%，且mAP達到79.0%，模型大小減少了4.4%，檢測效果要優(yōu)于原網(wǎng)絡模型和其他主流目標檢測網(wǎng)絡模型。關鍵詞： 金屬表面缺陷檢測； YOLOv
計算機時代 2023年9期2023-09-25
- 基于改進YOLOv4算法的番茄葉部病害識別方法
；輕量化；注意力機制；病害中圖分類號：S436.412文獻標識碼：A文章編號：1000-4440（2023）05-1199-10Identification method of tomato leaf diseases based on improved YOLOv４ algorithmCHU Xin LI Xiang LUO Bin WANG Xiao-dong HUANG Shuo（1.College of Information Engineerin
江蘇農業(yè)學報 2023年5期2023-09-19
- 結合注意力機制與MSCNN-BiLSTM模型的電梯主動式故障預警
模型是結合注意力機制的多尺度卷積神經(jīng)網(wǎng)絡（MSCNN）和雙向長短時記憶網(wǎng)絡（BiLSTM）的融合模型，可以全面提取電梯數(shù)據(jù)集的深層次特征和時序信息，實現(xiàn)HI預測和主動式故障預警。在與其他常見模型方法的比較中，證實了該文模型具有更好的預測性能。關鍵詞：主動式；故障預警；MSCNN-BiLSTM；注意力機制中圖分類號：TP183；TP391 文獻標識碼：A 文章編號：2096-4706（2023）15-0151-06Elevator Active Fault
現(xiàn)代信息科技 2023年15期2023-09-18
- 基于改進DCGAN輪胎缺陷圖像生成方法
殘差網(wǎng)絡和注意力機制嵌入到DCGAN模型中，提升模型特征的提取能力；同時摒棄DCGAN損失函數(shù)JS散度，使用帶有梯度懲罰項的Wasserstein距離，提高模型訓練的穩(wěn)定性。實驗結果表明，使用給定模型生成的輪胎缺陷圖像質量優(yōu)于使用DCGAN，WGAN，CGAN與SAGAN所生成圖像，其平均FID值可以達到116.28，最小FID值可以達到84.94。所提出的模型可以穩(wěn)定生成質量更好的輪胎缺陷圖像，為輪胎缺陷樣本數(shù)據(jù)集的擴充提供了一種有效途徑，有助于有效解決
河北科技大學學報 2023年4期2023-09-14
- 基于注意力機制和CNN-BiLSTM模型的在線協(xié)作討論交互文本自動分類
出一種結合注意力機制的深度學習網(wǎng)絡模型—CNN-BiLSTM-Attention，進一步強化文本的語義特征。利用該模型對在線協(xié)作討論活動中產生的12 000條交互文本進行分類，分類結果表明，CNN-BiLSTM-Attention的分類準確率整體上可達到82.40%，有效提升了文本分類的效果。關鍵詞：深度學習；卷積神經(jīng)網(wǎng)絡；長短時記憶網(wǎng)絡；注意力機制中圖分類號：TP18? 文獻標識碼：A? 文章編號：2096-4706（2023）13-0026-07Aut
現(xiàn)代信息科技 2023年13期2023-09-14
- 基于深度學習的道路表面裂縫檢測研究
M三維帶權注意力機制且不引入額外參數(shù)，在模型中融入加權雙向特征金字塔進行多尺度特征融合；同時改進預測框損失函數(shù)，使得損失函數(shù)收斂更快。經(jīng)過對比實驗，改進后模型的裂縫檢測均值平均精度提高了2.2%，準確率為90.5%，表明了模型的有效性。關鍵詞：深度學習；道路裂縫檢測；YOLOv5s；多尺度融合；注意力機制中圖分類號：TP391.41? ? 文獻標志碼：A? ? 文章編號：1671-0797（2023）17-0027-05DOI：10.19514/j.cnk
機電信息 2023年17期2023-09-08
- 基于改進RetinaNet算法和無人機影像的松材線蟲病疫木檢測
疫木，并將注意力機制引入到主干特征提取網(wǎng)絡以減少背景對檢測效果的影響，提高特征提取能力。結果表明，改進后的RetinaNet算法平均精度為97.2%，單張影像測試時間為17 ms，表現(xiàn)優(yōu)于Fasterr R-CNN、SSD和RetinaNet。基于研究成果，對嶗山區(qū)林地進行疫木航拍圖像檢測，實地抽檢準確率達到98%。關鍵詞：深度學習；RetinaNet；無人機；注意力機制；松材線蟲病中圖分類號：TP391 ? 文獻標志碼：A ? 文章編號：2096-470
現(xiàn)代信息科技 2023年14期2023-09-06
- 基于注意力機制的文本處理技術在自然語言處理中的應用研究
目前，基于注意力機制的文本處理技術在自然語言處理中得到了廣泛應用，促進了計算機文字識別和機器翻譯等多個領域的快速發(fā)展。本文從自然語言處理的相關概念入手，探討基于注意力機制的文本處理技術在自然語言處理中的應用。關鍵詞：注意力機制；文本處理技術；自然語言處理引言自然語言處理（natural language processing， NLP）是人工智能領域中的一個重要研究方向，旨在使計算機能夠理解、處理和生成人類語言。在NLP任務中，文本處理技術起著至關重要的作
互聯(lián)網(wǎng)周刊 2023年15期2023-08-31
- 基于改進ResNeXt的黑色素瘤識別算法
攀關鍵詞：注意力機制；黑色素瘤識別；輔助診斷；遷移學習中圖分類號：TP391 文獻標識碼：A文章編號：1009-3044（2023）20-0036-040 引言皮膚癌是一種危險的疾病，早期發(fā)現(xiàn)是提高生存率的必要條件。皮膚色素性惡性病變的死亡率非常高，尤其是黑色素瘤，發(fā)病率和死亡率更高。據(jù)統(tǒng)計，美國在2022年有99 780名成年人（57 180名男性和42600 名女性）被診斷出患有皮膚侵襲性黑色素瘤。2020年全球有324 635人被診斷患有黑色素瘤。黑
電腦知識與技術 2023年20期2023-08-26
- 基于改進YOLOv5的駕駛員手持手機檢測算法研究
引入改進的注意力機制模塊，更好地獲取上下文信息，提高小目標檢測的精確度。其次，采用一種改進的特征融合方法，提取三個尺度的特征，并對特征進行融合，更好地提取局部信息。實驗結果表明，與YOLOv5相比，該檢測算法在自制數(shù)據(jù)集上的精確度達到71.9%，提高了2.1%，對小目標的檢測效果顯著。關鍵詞：目標檢測；YOLOv5；殘差模塊；注意力機制中圖分類號：TP183；TP391.41 文獻標識碼：A 文章編號：2096-4706（2023）12-0066-04Re
現(xiàn)代信息科技 2023年12期2023-08-21
- 改進YOLOv5s的鋼材表面缺陷檢測
ULSAM注意力機制改進網(wǎng)絡的頸部（Neck），提出改進的YOLOv5s缺陷檢測網(wǎng)絡?；贜EU-DET數(shù)據(jù)集的實驗結果表明，改進的YOLOv5s缺陷檢測網(wǎng)絡檢測平均準確率達76.6%，較YOLOv5s和YOLOv4分別提升了7.8%和6.3%，有效提高了鋼材表面缺陷檢測精度。關鍵詞：YOLOv5s;缺陷檢測;注意力機制;過參數(shù)化中圖分類號：TP399 文獻標志碼：A0 引言（Introduction）鋼材作為國民生產中重要的材料，在其生產、加工及運輸過程
軟件工程 2023年8期2023-08-20
- 基于雙分支頭部解耦和注意力機制的災害環(huán)境人體檢測
尺度檢測；注意力機制；解耦檢測器中圖分類號：TP 391文獻標志碼：A文章編號：1672-9315（2023）04-0797-10DOI：10.13800/j.cnki.xakjdxxb.2023.0417Pedestrian detection method in disaster environment based ondouble branch Decoupled Head and Attention MechanismHAO Shuai，YANG
西安科技大學學報（社會科學版） 2023年4期2023-08-09
- 基于邊緣先驗的人臉去手勢遮擋修復方法研究
邊緣條件和注意力機制的兩階段修復網(wǎng)絡——EmmNet。第一階段網(wǎng)絡為第二階段細節(jié)修復提供邊緣指導信息，以避免出現(xiàn)過度平滑等問題。第二階段網(wǎng)絡中的并行多擴張卷積模塊可在有效擴大網(wǎng)絡感受野的同時提高對有效像素的利用率。此外，注意力模塊可促使網(wǎng)絡生成具有全局一致性，使研究者獲得符合原圖特征的修復圖像。實驗結果表明，EmmNet在去手勢遮擋任務中可以生成輪廓結構更加完整流暢，細節(jié)紋理更加清晰自然的人臉圖像。關鍵詞：卷積神經(jīng)網(wǎng)絡；生成對抗網(wǎng)絡；人臉修復；注意力機制中
現(xiàn)代信息科技 2023年11期2023-08-01
- 基于深度學習的單幀圖像超分辨率重建技術
殘差網(wǎng)絡及注意力機制的單幀圖像超分辨率重建技術等研究內容。最后，對基于深度學習的超分辨率重建技術進行了展望與總結，雖然當前已經(jīng)取得了一些進展，但仍然面臨很多挑戰(zhàn)，如模型的泛化能力不足、復雜場景下的超分辨率重建等問題。隨著深度學習技術的不斷發(fā)展和改進，超分辨率重建技術將會有更加廣泛的應用。關鍵詞：深度學習；超分辨率；殘差網(wǎng)絡；注意力機制；Transtormcr中圖法分類號：TP391 文獻標識碼：A１ 研究背景及意義圖像超分辨率（Ｓｕｐｅｒ?Ｒｅｓｏｌｕｔｉ
計算機應用文摘·觸控 2023年13期2023-07-17
- 基于深度學習的單幀圖像超分辨率重建技術
殘差網(wǎng)絡及注意力機制的單幀圖像超分辨率重建技術等研究內容。最后，對基于深度學習的超分辨率重建技術進行了展望與總結，雖然當前已經(jīng)取得了一些進展，但仍然面臨很多挑戰(zhàn)，如模型的泛化能力不足、復雜場景下的超分辨率重建等問題。隨著深度學習技術的不斷發(fā)展和改進，超分辨率重建技術將會有更加廣泛的應用。關鍵詞：深度學習；超分辨率；殘差網(wǎng)絡；注意力機制；Transtormcr中圖法分類號：TP391 文獻標識碼：A１ 研究背景及意義圖像超分辨率（Ｓｕｐｅｒ?Ｒｅｓｏｌｕｔｉ
計算機應用文摘 2023年13期2023-07-17
- 結合改進注意力機制的YOLO目標檢測算法
尺度卷積；注意力機制0 引言自從Hinton 提出利用神經(jīng)網(wǎng)絡對圖像數(shù)據(jù)中的高維特征進行自主學習[1]以來，基于深度學習的目標檢測已成為計算機視覺領域中一個重要的研究熱點[2]。目標檢測的方法主要分為雙階段和單階段目標檢測算法。雙階段目標檢測算法，如Fast R-CNN[3]、Faster R-CNN[4]等，都是通過生成預選框再利用神經(jīng)網(wǎng)絡對候選框進行分類識別。單階段目標檢測算法，如YOLO （you only look once） [5]、YOLO 9
計算機時代 2023年7期2023-07-17
- 基于改進SSD的行人檢測算法
將高效通道注意力機制引入淺層網(wǎng)絡中并重新分配特征權重，引導網(wǎng)絡更加關注小尺度行人的特征信息；其次，構造一種新的特征融合模塊以改善淺層特征語義信息不足的問題；最后，通過優(yōu)化原始先驗框的參數(shù)來生成適用于檢測行人的先驗框。實驗結果表明，改進后的算法在PASCAL VOC2007行人測試集上的平均精度達到82.96%，較SSD提高了3.83%，在小尺度行人測試集上提高了5.48%，同時檢測速度達到了69.2FPS，滿足實時性的要求。關鍵詞：單次多框檢測器（SSD）
廣西科技大學學報 2023年3期2023-07-17
- 基于注意力機制的水果損傷檢測及分類
sNet；注意力機制中圖分類號：TP 183 文獻標志碼：A引言在眾多的食物中，水果是人類日常健康飲食的重要組成部分，因為水果富含的維生素等營養(yǎng)元素能幫助預防疾病。然而，很多水果的保質期較短。由于儲存不當或者運輸過程中的碰撞等原因造成的損傷，使得水果品質下降甚至變得腐爛而不宜食用。因此，食品行業(yè)在出售水果之前需要對其進行嚴格的檢測。傳統(tǒng)的人工檢測方案不僅成本高、效率低，還存在一致性和準確性較差等問題。隨著生活水平的提高，水果的消費量逐年增長，而不同市場消費
光學儀器 2023年2期2023-07-14
- 基于改進ResNet網(wǎng)絡的貓狗圖像識別
CBAM 注意力機制模塊而改進的 ACResNet18模型用來識別貓狗種類，通過非對稱卷積快增強網(wǎng)絡模型的核骨架，實現(xiàn)更有效的特征提取，引入 CBAM 注意力機制加強網(wǎng)絡識別精度，能夠更精確地對圖像中貓狗進行識別和分類。本次實驗使用 Kaggle 競賽中的貓狗數(shù)據(jù)集進行圖像識別，并通過對比實驗，驗證了相比于原模型，改進后的模型準確率有明顯提升，最終提高了模型在圖像分類上的精確度和魯棒性，證實了該模型的可靠性。關鍵詞：圖像識別；注意力機制；卷積神經(jīng)網(wǎng)絡；Re
甘肅科技縱橫 2023年2期2023-07-11
- 基于多注意力機制集成的非侵入式負荷分解算法
一種基于多注意力機制集成的非侵入式負荷分解算法．首先，利用概率自注意力機制對一維空洞卷積提取到的負荷特征進行優(yōu)化處理，實現(xiàn)重要負荷特征的遴選;其次，采用時間模式注意力機制對LSTM的隱狀態(tài)賦予權重，從而增強網(wǎng)絡對長時間用電信息之間的時間依賴性的學習能力;最后，利用公開數(shù)據(jù)集UKDALE和REDD對所提分解模型的有效性和創(chuàng)新性進行驗證．實驗結果表明，與其他多種現(xiàn)有分解算法相比，基于多注意力機制集成的分解算法不僅具備更好的負荷特征遴選能力，而且能更加精確地建立
南京信息工程大學學報 2023年3期2023-07-06
- 基于改進AlexNet網(wǎng)絡的軌道缺陷識別方法
要包括融入注意力機制、裁剪全連接層、引入批量歸一化取代原有的局部響應歸一化等。實驗對比驗證結果表明，改進后的網(wǎng)絡具有更好的識別效果，模型的準確率提高了2.8個百分點，推理速度和穩(wěn)定性都得到相應提升。［關鍵詞］ 軌道缺陷；AlexNet；注意力機制；批量歸一化［中圖分類號］ U 216.3 ［文獻標志碼］ A ［文章編號］ 1005-0310（2023）02-0007-05A Track Defect Identification Method Based
北京聯(lián)合大學學報 2023年2期2023-06-28
- 基于改進YOLOv5的復雜背景下交通標志識別研究
LOv5；注意力機制；損失函數(shù)中圖分類號：TP391.4；TP18? 文獻標識碼：A? 文章編號：2096-4706（2023）10-0030-04Abstract： Aiming at the problems of low recognition and serious leakage in traffic sign detection tasks in the context of complex road conditions， a lightwe
現(xiàn)代信息科技 2023年10期2023-06-25
- 基于MobileNet的移動端列車圖像故障檢測算法
移動設備；注意力機制中圖分類號：TP391.4? 文獻標識碼：A? 文章編號：2096-4706（2023）06-0046-05Mobile Terminal Train Image Fault Detection Algorithm Based on MobielNetZHOU Peng， ZHANG Longxin（Hunan University of Technology， Zhuzhou? 412007， China）Abstract： To s
現(xiàn)代信息科技 2023年6期2023-06-25
- 關聯(lián)語義和對比語義指導注意力的小樣本學習
語義聯(lián)合的注意力機制，來指導模型在視覺特征中更好地學習和區(qū)分共性與個性。對比實驗和消融實驗證明，文中這種注意力指導機制提升了模型的性能，尤其在5way-1shot的情況下，模型達到了最優(yōu)。關鍵詞：小樣本學習；注意力機制；多模態(tài)；關聯(lián)語義；對比語義中圖分類號：TP18；TP391? 文獻標識碼：A? 文章編號：2096-4706（2023）10-0088-04Abstract： The core problem of small sample learnin
現(xiàn)代信息科技 2023年10期2023-06-25
- 基于改進YOLOv5注意力模型的農田害蟲圖像識別
Ov5s和注意力機制的農田害蟲圖像識別模型。將自注意力機制引入YOLOv5s網(wǎng)絡，對上下文信息進行建模，通過建立非局部模型提高網(wǎng)絡解決圖像遠距離和多層次依賴關系的能力。實驗結果顯示，基于YOLOv5注意力模型的農田害蟲圖像識別具有較高的檢測精度，可以有效識別和定位各類害蟲。關鍵詞：農田害蟲識別；目標檢測；YOLOv5；注意力機制中圖分類號：TP391.4；TP18 文獻標識碼：A? 文章編號：2096-4706（2023）10-0070-05Abstrac
現(xiàn)代信息科技 2023年10期2023-06-25
- 注意力機制與空洞殘差網(wǎng)絡的PCB缺陷檢測
網(wǎng)絡，融合注意力機制，對輸入分配偏好進行通用池化和信息加權平均后，引入空洞殘差網(wǎng)絡，減少了網(wǎng)絡模型與卷積運算，提高了網(wǎng)絡處理效率。部署到嵌入式板卡中，采用MVC架構配合硬件優(yōu)化及軟件設計搭建了實時在線的PCB目標缺陷檢測系統(tǒng)。實驗結果表明，測試各類缺陷識別率為90.53%，檢測速度為30 FPS。關鍵詞：缺陷檢測；輕量型網(wǎng)絡；注意力機制；空洞殘差網(wǎng)絡；嵌入式系統(tǒng)中圖分類號：TP391.4；TP18? 文獻標識碼：A? 文章編號：2096-4706（2023
現(xiàn)代信息科技 2023年4期2023-06-25
- 小樣本民族藥植物圖像識別綜述
方法和基于注意力機制的方法，同時根據(jù)所研究的藏藥數(shù)據(jù)集進行實驗和對比分析，總結闡述了現(xiàn)有方法在解決小樣本民族藥植物圖像識別時的性能優(yōu)劣。最后對小樣本民族藥植物圖像識別領域存在的問題進行總結，并對未來發(fā)展方向進行展望。關鍵詞：深度學習；小樣本圖像識別；數(shù)據(jù)增強；遷移學習；注意力機制中圖分類號：TP391.4；TP18? 文獻標識碼：A? 文章編號：2096-4706（2023）04-0081-06A Survey on Image Recognition o
現(xiàn)代信息科技 2023年4期2023-06-25
- 基于深度學習的肺癌影像輔助診斷系統(tǒng)的設計與實現(xiàn)
框架，引入注意力機制，以突出某一局部位置的顯著特點，從而改善模型的分割特性。在LUNA16數(shù)據(jù)集上做了分割實驗，該方法A-Vnet的F1分數(shù)比V-Net高2%，顯著地提升了肺結節(jié)的分割精度。關鍵詞：V-Net；注意力機制；LUNA16；肺結節(jié)中圖分類號：TP391；R734.2? 文獻標識碼：A? 文章編號：2096-4706（2023）04-0032-04Design and Implementation of Lung Cancer Image Aux
現(xiàn)代信息科技 2023年4期2023-06-25
- 基于改進型YOLOV5網(wǎng)絡的輸電線塔防外破目標檢測技術研究
work）注意力機制重構原網(wǎng)絡的CSP模塊，并在自建的輸電線塔數(shù)據(jù)集上進行模型的訓練和測試。結果表明：改進的CARAFE-SE-YOLOV5模型比傳統(tǒng)YOLOV5模型達到了更高檢測精度，對人、汽車、工程車輛的識別準確率高達92%、96%、88%。關鍵詞：高壓輸電線；外力破壞；YOLOV5算法；上采樣；注意力機制一、引言架空高壓輸電線路的正常工作支撐著電網(wǎng)調度、營銷、生產等核心業(yè)務，是電網(wǎng)穩(wěn)定可靠運行的基石。然而因自然條件、人為活動等不確定因素存在，導致輸電
中國新通信 2023年3期2023-06-24
- 基于級聯(lián)注意力與密集特征融合的圖像修復算法
圖像修復；注意力機制中圖分類號：TP391.41文獻標志碼：A文章編號：1006-1037（2023）02-0030-06doi：10.3969/j.issn.1006-1037.2023.02.06基金項目：國家自然科學基金（批準號：62172229）資助。通信作者：于騰，男，博士，副教授，主要研究方向為人工智能與計算機視覺，圖像增強，去霧去噪，目標檢測等。圖像修復技術最早是Bertalmio等［1］受文物修復的啟發(fā)在SIGGRAPH國際學術會議上提出的
青島大學學報（自然科學版） 2023年2期2023-06-23
- 基于軟注意力機制的圖像分類算法在缺陷檢測中的應用
深度學習和注意力機制技術，提出一種新型注意力機制算法。首先，反思卷積神經(jīng)網(wǎng)絡（CNN）與Transformer架構，重新設計高維特征提取模塊；其次，改進最新注意力機制來捕獲全局特征。該算法可輕松嵌入各類CNN，提升圖像分類和表面缺陷檢測的性能。使用該算法的ResNet網(wǎng)絡在CIFAR-100數(shù)據(jù)集和紡織品缺陷數(shù)據(jù)集上的準確率分別達到83.22%和77.98%，優(yōu)于經(jīng)典注意力機制SE與最新的Fca等方法。關鍵詞：缺陷檢測；注意力機制；卷積神經(jīng)網(wǎng)絡；圖像分類中
現(xiàn)代信息科技 2023年3期2023-06-22
- 基于改進YOLOv5的火災檢測研究
tion）注意力機制：為了提高回歸精度和收斂速度，使用損失函數(shù)SIOU替換CIOU。改進的YOLOv5算法的精確率和平均精度達到了74. 2%和69.4%．相較于標準算法的精確率和平均精度提高了8.8%和2.8%．優(yōu)化定位框和誤檢情況。實驗結果表明，改進的YOLOv5算法模型提高了火災檢測的準確性和實時性。關鍵詞：預警：火災檢測：YOLOv5：注意力機制：損失函數(shù)SIOU中圖分類號： TP391.4 文獻標志碼：A0 引言火如水一樣，能為生活提供便利，也能
無線互聯(lián)科技 2023年4期2023-06-22
- 基于注意力機制的腦腫瘤分割算法研究
種基于卷積注意力機制和Transformer多頭注意力機制的U型分割網(wǎng)絡。文章首先設計了基于通道注意力和空間注意力的卷積模塊，提高了模塊對局部關鍵特征的提取能力：其次使用一種結構更精簡的Transformer模塊作為網(wǎng)絡的瓶頸層，利用其多頭注意力機制對全局特征進行充分感知：最后在BraTS 2021數(shù)據(jù)集上進行了實驗。實驗結果表明文章算法在增強腫瘤區(qū)域、腫瘤核心區(qū)域和整個腫瘤區(qū)域的Dice系數(shù)評分分別為87. 51%，90. 69%和93. 47%，可以有
無線互聯(lián)科技 2023年4期2023-06-22
- 基于YOLOv5的改進小目標檢測算法研究
ntion注意力機制通過獲取位置感知和方向感知的信息，能使YOLOv5模型更準確地識別和定位感興趣的目標。YOLOv5改進模型采用木虱和VisDrone2019數(shù)據(jù)集開展實驗驗證，實驗結果表明嵌入coordinate attention能有效提高YOLOv5的算法性能。關鍵詞：目標檢測；YOLOv5；coordinate attention；注意力機制中圖分類號：TP391.4? 文獻標識碼：A? 文章編號：2096-4706（2023）03-0055-0
現(xiàn)代信息科技 2023年3期2023-06-22
- 基于改進ShuffleNet v1的服裝圖像分類算法
深度學習；注意力機制；非對稱多尺度特征融合中圖分類號：TP399文獻標志碼：A文章編號：1009-265X（2023）02-0023-13隨著電子商務的發(fā)展，網(wǎng)上購物已成為人們主要的購物方式之一。服裝作為人們日常生活的必需品，在電子商務中占據(jù)著重要地位。據(jù)產業(yè)信息網(wǎng)《2021—2027年中國服裝紡織電子商務行業(yè)市場發(fā)展模式及未來前景展望報告》數(shù)據(jù)顯示，服裝行業(yè)的電子商務交易額逐年增長，2020年較2011年交易額增長420.7%，網(wǎng)購服裝已經(jīng)成為消費者購買
現(xiàn)代紡織技術 2023年2期2023-06-20
- 基于輕量級MIE_Net的田間農作物病害識別
添加ECA注意力機制，提高網(wǎng)絡對葉片病害區(qū)域的關注程度，降低復雜背景對小病斑特征提取過程的影響；最后使用Swish激活函數(shù)增加網(wǎng)絡的表達能力，使網(wǎng)絡性能達到最優(yōu)。結果表明，多尺度特征提取模塊提高了模型對不同病斑大小的識別準確率，ECA注意力模塊提高了網(wǎng)絡對小病斑的識別準確率，最終網(wǎng)絡模型對復雜環(huán)境中2種作物11種病害類別的最低識別精確率達到91.2%，總體病害識別準確率達到95.79%，比原網(wǎng)絡提高1.84百分點，參數(shù)量為2.24M，權重文件大小為8.78
江蘇農業(yè)科學 2023年10期2023-06-17
- 基于方面級情感分類的語義挖掘模型
種基于語義注意力機制和膠囊網(wǎng)絡的混合模型（SATTCap）。運用方面級歸納式遷移方式，將易獲取的文檔級評論知識中的情感語義遷移到方面級情感語義中，輔助方面級情感分類。另外基于重構語義依存的注意力機制提取深層次特征信息，采用方面路由方法，將深層次的方面級語義表示封裝到語義膠囊中，然后采用Softmax預測。在公共數(shù)據(jù)集SemEval2014上對本文方法進行評估，結果表明，該模型在方面級情感分類任務上的表現(xiàn)是有效的。關鍵詞： 方面級； 情感分類； 注意力機制；
計算機時代 2023年6期2023-06-15
- 基于詞嵌入和BiLCNN-Attention混合模型的政務文本分類方法
，同時引入注意力機制進行特征提取，融合了時序特征及局部特征并使特征得到強化，最后使用Softmax進行文本分類。實驗表明，BERT詞嵌入處理后混合模型的準確率較CNN和BiLSTM模型分別提升了3.9%和2.51%。關鍵詞： 政務文本分析； 詞嵌入； 雙向長短時記憶網(wǎng)絡； 卷積神經(jīng)網(wǎng)絡； 注意力機制中圖分類號：TP391.1? ? ? ? ? 文獻標識碼：A? ? ?文章編號：1006-8228（2023）06-92-05Method of governm
計算機時代 2023年6期2023-06-15
- FIRE-DET:一種高效的火焰檢測模型
出一種新的注意力機制（FIRE-Attention），讓檢測器對火焰特征更敏感．基于上述優(yōu)化，本文開發(fā)出了一種全新的火焰檢測器FIRE-DET，它在硬件資源有限的條件下能夠取得比現(xiàn)有基于深度學習的火焰檢測方法更高的檢測效率．FIRE-DET模型在自建數(shù)據(jù)集上進行訓練后，最終對火焰檢測的準確率和幀率分別達到97％和85 FPS．實驗結果表明，與主流算法相比，本文火焰檢測模型檢測性能更優(yōu)．本文為解決火焰探測問題提供了一個更通用的解決方案.關鍵詞特征提取;特征融
南京信息工程大學學報 2023年1期2023-06-14
- 基于注意力與雙通道網(wǎng)絡的方面級情感分析
升．關鍵詞注意力機制;雙通道網(wǎng)絡;決策融合;圖卷積中圖分類號TP391文獻標志碼A收稿日期2021-11-05資助項目國家自然科學基金（61273229，51705260）；2016年度江蘇高校“青藍工程”科技創(chuàng)新團隊培養(yǎng)對象作者簡介楊春霞，女，博士，教授，研究方向為大數(shù)據(jù)分析、自然語言處理.y.cx@163.com0 引言自然語言處理（Natural Language Processing，NLP）旨在對文本數(shù)據(jù)進行分析處理．情感分析作為NLP中的一項任
南京信息工程大學學報 2023年1期2023-06-14
- 基于RFA-LinkNet模型的高分遙感影像水體提取
模塊和通道注意力機制的RFA-LinkNet高分辨率光學遙感影像水體提取模型．首先，將RFB模塊用于獲取高階水體語義信息與多尺度特征;其次，利用通道注意力機制，對特征編碼和解碼的特征進行加權融合，抑制背景特征，增強水體語義．與現(xiàn)有卷積神經(jīng)網(wǎng)絡模型相比，提出方法不僅具有高效的性能和魯棒性，而且能實現(xiàn)高精度的水體提?。P鍵詞遙感影像;水體提取;多尺度特征;注意力機制;中圖分類號TP79文獻標志碼A收稿日期2022-01-02資助項目國家自然科學基金（41971
南京信息工程大學學報 2023年2期2023-06-14
- 基于改進YOLOv4算法的蘋果葉片病害檢測方法
度，將卷積注意力機制模塊CBAM融合至PANet結構中，可增強對有用特征信息的提?。蛔詈?，為了使錨框更適應本研究的數(shù)據(jù)集，通過K-means聚類算法將模型的錨框信息更新。結果表明，MC-YOLOv4模型在檢測中的平均精度為97.25%，單張圖像平均檢測時間為13.3 ms，權重文件大小為55.5 MB。MC-YOLOv4模型對于同時檢測蘋果葉片多種病害目標的問題上具有識別速度快、識別精準度高、可靠性強等特點，該研究為蘋果葉片的病害檢測提供了一種更優(yōu)的方法，
江蘇農業(yè)科學 2023年9期2023-06-04
- 基于ERNIE的新聞標題文本分類
RNIE；注意力機制中圖法分類號：TP391 文獻標識碼：A隨著時代的發(fā)展，文本數(shù)據(jù)從傳統(tǒng)的實體化向數(shù)字化、虛擬化方向發(fā)展。新聞文本是我們生活中接觸最為廣泛的一種文本數(shù)據(jù)，但由于新聞來源渠道復雜多樣，需要對其進行準確的分類。一方面，準確的新聞類別標簽可以幫助用戶快速地檢索感興趣的新聞；另一方面，根據(jù)用戶的使用需求進行標簽化、類別化推薦，需要將新聞文本存儲至不同類別庫中。隨著信息的爆炸式增長，人工標注數(shù)據(jù)完成分類任務極為耗時，且易受到標注人主觀意識的影響。對
計算機應用文摘 2023年7期2023-05-30
- 基于YOLOX的穴盤甘藍病害檢測方法
合通道空間注意力機制模塊，在特征提取模塊對特征信息進行重標定，引導模型關注病害區(qū)域特征，抑制背景噪聲，降低模型漏檢率。并采用自適應多尺度特征融合算法提取穴盤甘藍病害多尺度特征，充分利用不同尺度特征的語義信息提升小目標的檢測精確率。由于算法的檢測框定位不準確，在回歸損失函數(shù)中添加了重疊面積損失、中心點距離損失和寬高損失，對回歸任務進行了優(yōu)化，提高穴盤甘藍病害預測框定位精度；同時引入變焦損失函數(shù)作為分類損失函數(shù)，利用權重縮放因子緩解模型訓練過程中相似病害類間差
江蘇農業(yè)科學 2023年8期2023-05-23
- 基于遷移學習和改進殘差網(wǎng)絡的復雜背景下害蟲圖像識別
神經(jīng)網(wǎng)絡；注意力機制；圖像識別中圖分類號：TP391.41 文獻標志碼：A文章編號：1002-1302（2023）08-0171-06基金項目：國家自然科學基金（編號：62003379）；廣東省科技計劃（編號：KA1721404）；廣東省普通高校重點領域專項（編號：2019GZDXM007）。作者簡介：溫艷蘭（1995—），女，廣東梅縣人，碩士研究生，主要研究方向為機器視覺。E-mail：164734302@qq.com。通信作者：王克強，碩士，教授，主要
江蘇農業(yè)科學 2023年8期2023-05-23
- 基于注意力機制的多級監(jiān)督人群計數(shù)算法
個階段引入注意力機制學習不同尺度的人群特征。算法采用VGG16模型的前13層作為主干網(wǎng)，并且加入膨脹卷積網(wǎng)絡結構，融合圖像中的多尺度人群特征，解決多尺度人群計數(shù)問題，從而生成高質量的密度圖。同時，在3個不同尺度的分支結構中引入注意力機制，在損失函數(shù)中加入不同尺度的注意力損失，從而使整個網(wǎng)絡聚焦圖像中的人群區(qū)域。算法在4個主要的數(shù)據(jù)集上進行了測試，算法結果優(yōu)于最近其他的方法。關鍵詞：人群計數(shù)；卷積神經(jīng)網(wǎng)絡；注意力機制；多級監(jiān)督中圖分類號：TP391.4文獻標
計算機與網(wǎng)絡 2023年6期2023-05-14
- BERT編碼與注意力機制結合的長文本分類研究
本，應用自注意力機制獲得首塊和尾塊的增強特征，再利用PCA算法進行壓縮獲取主要特征成分。在THUCNews和Sogou數(shù)據(jù)集上進行5折交叉驗證，分類準確率和加權F1-score的均值分別達到95.29%、95.28%和89.68%、89.69%。該方法能夠提取與主題最相關的特征，提高長文本分類效果，PCA壓縮特征向量能夠降低分類模型的復雜度，提高時間效率。關鍵詞： 文本分類； 預訓練語言模型； 注意力機制； 特征向量； PCA中圖分類號：TP391.1?
計算機時代 2023年5期2023-05-14
- 融合注意力機制的YOLOv5火災煙霧檢測
LOv5；注意力機制；ACON激活函數(shù)中圖分類號：TP391 文獻標識碼：A文章編號：1009-3044（2023）08-0001-040 引言由于采用傳統(tǒng)的煙霧報警或檢測手段的煙霧探測器裝置只能在靠近排放源的地方識別煙霧的存在，并且受各種天氣環(huán)境影響，其感受到的溫度、濕度及顆粒密度都會影響檢測效果[1]。由于設備的探測范圍的局限性，一些戶外場所的地理屬性導致無法大范圍鋪設傳統(tǒng)的探測設備，它們缺乏檢測局部煙霧的能力。2018年，Yanmin Luo等人[2
電腦知識與技術 2023年8期2023-04-27
- 基于注意力機制的弱監(jiān)督黑色素瘤圖像分割研究
圖像分割；注意力機制1 概述近年來，隨著醫(yī)學成像技術的不斷發(fā)展，人工智能被越來越多地應用到了醫(yī)療圖像分析領域，可以幫助醫(yī)生進行一些輔助醫(yī)療功能，從而更好地對患者進行手術治療。目前，基于全監(jiān)督的圖像分割雖然取得了較好的分割結果，但是由于醫(yī)學圖像數(shù)據(jù)標注任務復雜，逐像素標記任務量大，因此還需要具備專業(yè)醫(yī)學領域的知識，全監(jiān)督并不能非常好地發(fā)揮它的作用。為了克服這些困難，研究人員嘗試通過簡單易獲取的弱標簽，通過使用弱監(jiān)督的方法進行醫(yī)學圖像的分割，取得了一定的分割效
電腦知識與技術 2023年7期2023-04-27
- 基于Attention-BiLSTM模型的對話式文本抑郁識別研究
情感分析；注意力機制；BiLSTM0 引言抑郁癥是現(xiàn)代社會日益嚴重的公共健康問題之一，其特征有顯著且長期的情緒抑郁、認知障礙、思維遲緩等。隨著激烈的社會競爭等因素影響[1]，人們所面臨的生活負擔和心理壓力日益嚴重，導致抑郁癥的患病率持續(xù)增長，抑郁癥患者自殺風險也是正常人的25倍以上[2-3]。由此可見，目前抑郁識別仍然是一項非常具有挑戰(zhàn)性的任務。傳統(tǒng)的抑郁識別方法主要包括基于詞典和機器學習的情感分析方法。Ran Li等人[4]創(chuàng)建了一個與抑郁相關的情感詞典
電腦知識與技術 2023年7期2023-04-27
- 基于ERNIE的新聞標題文本分類
RNIE；注意力機制中圖法分類號：TP391 文獻標識碼：A隨著時代的發(fā)展，文本數(shù)據(jù)從傳統(tǒng)的實體化向數(shù)字化、虛擬化方向發(fā)展。新聞文本是我們生活中接觸最為廣泛的一種文本數(shù)據(jù)，但由于新聞來源渠道復雜多樣，需要對其進行準確的分類。一方面，準確的新聞類別標簽可以幫助用戶快速地檢索感興趣的新聞；另一方面，根據(jù)用戶的使用需求進行標簽化、類別化推薦，需要將新聞文本存儲至不同類別庫中。隨著信息的爆炸式增長，人工標注數(shù)據(jù)完成分類任務極為耗時，且易受到標注人主觀意識的影響。對
計算機應用文摘·觸控 2023年7期2023-04-20
- 基于注意力機制的航班配餐備份數(shù)預測算法
編解碼器；注意力機制；殘差設計；深度學習中圖分類號：TP39 文獻標識碼：A1 引言（Introduction）航班旅客配餐是民航領域的子業(yè)務，是航空產業(yè)鏈的重要環(huán)節(jié)。配餐備份量受到航班運行情況、旅客訂座情況、特殊日期等因素的影響，業(yè)內使用人工經(jīng)驗確定配餐備份量容易導致餐食浪費，從而增加企業(yè)的成本。因此，準確預測航班配餐備份數(shù)有助于航空公司的配餐部門對餐食備份數(shù)量的決策提供支持，提升服務質量。航班配餐備份數(shù)預測，本質上是一個時間序列預測問題，一直以來受到國
軟件工程 2023年4期2023-04-07
- 基于深度學習的文本情感聊天機器人系統(tǒng)的設計與實現(xiàn)
2Seq；注意力機制；深度學習中圖分類號：TP311.1 文獻標識碼：A1引言（Introduction）近年來，隨著人工智能技術的不斷發(fā)展，通過自然語言與人類進行對話的聊天機器人成為研究熱點，并因深度學習在自然語言處理、詞向量表示、情感分析等領域的廣泛應用，使其逐漸成為研究聊天機器人的關鍵技術[1]。目前，許多商業(yè)公司推出了應用深度學習技術的相關產品，如“蘋果”的Siri、“微軟”的小冰、“百度”的度秘等。雖然現(xiàn)有聊天機器人都可以與人類進行無差錯交流，普
軟件工程 2023年4期2023-04-07
- 改進PSPNet網(wǎng)絡的舌圖像分割方法研究
量化模型；注意力機制；遷移學習；卷積神經(jīng)網(wǎng)絡0 引言望診是中醫(yī)四大治療手法之一，主要通過觀察患者面部、舌部進行初步診斷。而舌診作為中醫(yī)辨證論治的主要依據(jù)之一[1]，在中醫(yī)望診中發(fā)揮著重要作用。它通過觀察舌苔的顏色和形態(tài)變化對患者的疾病有初步的感知及判斷，具有診斷便利、參考價值高的特殊優(yōu)勢[2]。但是，由于醫(yī)生的主觀經(jīng)驗不同且診療的客觀條件參差不齊，導致診療結果在一定程度上存在誤差，“人工智能+中醫(yī)舌診”因此應運而生。人工智能的本質是通過大量計算分析輔助決策
電腦知識與技術 2023年5期2023-04-06