基于注意力机制特征增强的舰船目标识别

舰船目标识别包含舰船的定位和舰船型号的细粒度级分类,不仅要实现通常的目标检测任务,还需要完成精确的型号分类.由于海洋背景复杂、舰船本身特征多变,目标检测算法应用于舰船型号细粒度级识别时会出现漏检和误检的问题,针对该问题提出基于注意力机制的特征增强架构(Feature enhancement architecture b...     

基于Att-CN-BiLSTM模型的中文新闻文本分类

将卷积神经网络（CNN）和双向长短期记忆神经网络（BiLSTM）相结合,提出一种基于注意力机制的Att-CN-BiLSTM中文新闻文本分类模型.模型通过注意力机制有效融合了CNN层和BiLSTM层提取的新闻文本语义特征.在THUCnews新浪新闻数据集上与CNN、BiLSTM及其改进模型进行对比实验,模型分类准确率达到98.96%,精确率、召回率和F1值指标也都优于对比模型,实验结果表明Att-CN-BiLSTM模型可以有效提升中文新闻文本分类效果.     

用于高光谱图像分类的轻量级空间注意力网络

卷积神经网络可自动提取高光谱图像中的光谱空间特征,因此被广泛用于高光谱图像分类.但是,由于缺乏足够的标记样本,限制了分类性能进一步提高.针对该问题,提出一种新颖的轻量级空间注意力网络(LSANet)用于高光谱图像分类.首先,设计分割核主成分分析(SPCA)方法用于降低高光谱图像维数;然后提出LSANet,它主要由3个轻...     

基于线性注意力和类Transformer模型的语音情感识别

鉴于Transformer模型在自然语言处理等序列任务中的优异性能,提出了一种适用于语音情感识别任务的改进的类Transformer模型.为了减小Transformer模型中多头注意力单元内部由softmax运算引起的巨大时间消耗与内存开销,提出了一种新的线性自注意力计算方法,通过使用泰勒级数展开公式代替原来的指数函数...     

融合注意力机制与轻量化网络的桥梁裂缝分类

提出一种基于注意力机制融合轻量化网络的桥梁裂缝图像分类方法。以轻量化卷积神经网络为理论基础分类识别桥梁裂缝图像,并在轻量化网络中加入注意力机制以解决网络无法自主关注所感兴趣区域的问题。根据桥梁图像中裂缝所占比例较小且边缘突出的特点,选用适合于识别桥梁裂缝的注意力机制——CBAM(convolutional block attention module),并将其嵌入轻量化卷积神经网络EfficientNetv2中,建立CBAM-EfficientNetv2模型。实验结果表明：CBAM-EfficientNetv2模型与VGG16、ResNet34等常用深度学习模型对比,可获得最优的桥梁裂缝图像分类效果,其分类识别准确率达到95.64%。     

基于迁移学习的遥感影像树种类型分类

提出了基于迁移学习思想的卷积神经网络遥感影像树种类型分类算法。采用ImageNet上训练的Inception-v3模型对树种影像特征进行提取,使用AID标准数据集和自行采集的东北林业大学实验林场数据集训练一个新的全连接层和Softmax层,更改输出层的节点数量;引入Dropout函数改善过拟合现象;通过反向传播优化模型。实验结果显示,模型在两种数据集上总体分类精度分别达到了98. 8%和97. 2%,Kappa系数分别为0. 987和0. 984,表明实验算法不仅降低了卷积神经网络的参数数量,还提高了目标分类识别的准确性。与传统方法相比,实验算法无需进行复杂的预处理技术即可实现树种的自动特征提取,同时解决了只有依赖大规模样本才可达到较高分类精度问题,在树种类型分类上具有很高的应用价值。     

基于注意力机制的高分辨率遥感图像目标检测

高分辨率遥感图像目标检测是计算机视觉实践课程中的一个创新实验项目.针对高分辨率遥感图像目标检测过程存在的问题,在主干网络的残差基本单元中引入注意力机制,设计基于注意力机制的目标检测模型.利用模型分别检测DIOR数据集及DOTA数据集,并对检测结果进行了对比分析.结果表明,该检测模型实现了对图像中不同目标较为精确的分类和...     

基于注意力机制的头部姿态检测算法研究及改进

基于卷积神经网络(convolutional neural networks, CNN),提出了一种可对单张图片检测头部姿态的轻量级算法。基于软分类回归网络(soft stagewise regression network, SSR-Net)降低模型大小,对头部姿态的俯仰角、偏航角、翻滚角三维检测分别采取多级分类方式,每级分类只需执行少量的分类任务和较少的神经元。为提升算法的特征表现力,嵌入包含通道结构和空间结构的注意力模型,分别在中间通道和空间2个维度提升特征表现力。注意力模型可无缝集成到CNN架构中,且开销小。实验证明,与非嵌入注意力模型相比,改进算法模型仅有4.36 MB,平均绝对误差(mean absolute deviation,MAE)值更低,且准确度提升了4%～5%。     

基于改进卷积神经网络的交通标志识别分类方法

交通标志识别系统是智能交通系统与先进辅助驾驶系统的重要组成部分,由于道路交通较为复杂,提高交通检测与识别算法的准确率和实时性是走向实际应用进程中需要解决的关键问题。文章提出一种基于参数优化的卷积神经网络方法,在对选用的数据集进行预处理操作基础上,适当调整CNN的规模、结构,使用网格法对相关参数进行协同优化,再使用改进的CNN模型在CTSDB数据集上进行训练和验证。结果表明：优化后的模型性能和稳健性均显著提高,且能够有效地完成交通标志的识别、分类任务。     

融合注意力与比较增强学习机制的情感分析

文本情感分析通过提取文本特征,根据文本中的情感倾向进行分类.研究表明,递归神经网络和卷积神经网络模型具有良好的性能.为提高文本情感分类性能,提出一种融合注意力和比较增强学习机制的混合网络情感分析模型,用比较增强学习机制进行分类来替代大量的复杂计算.该模型通过嵌入层向量化后,分别用CNN和双向门控循环单元提取不同特点的文...     

乡土树种在园林绿化中的应用浅析

乡土树种具有适应性强、栽植、养护成本低、适生生态性强的优点。针对乡土树种在园林绿化中人们对其认知度低、乡土树种种类少、设计者对乡土树种的应用不重视、部分乡土树种存在自身缺陷的原因，提出了推广乡土树种的措施。     

融入视觉注意机制的模板匹配算法

为了提高图像模板匹配算法的主动性、实时性,借鉴人类的生理学,提出一种融入视觉注意机制的模板匹配算法.该算法在基于视觉注意机制的基础上提取亮度、颜色、方向等视觉特征,并采用抑制机制和WTA机制得到注意焦点,生成显著特征图,经过图像坐标变换得到目标图像,根据归一化相关交叉法计算模板与目标图像的相似性,实现图像匹配.实验结果表明,该算法使图像能更加主动、实时地匹配,能够更好地符合人类的视觉注意机制.     

基于学习对象的树状学习模型

本文在对学习对象分析研究的基础上,经过对传统学习模型的分析,结合目前的计算机技术和教学实践,创新地提出一种树状学习模型,探讨了该学习模型的特点,并在该模型的基础上研究了学习对象的设计,讨论它的粒度大小问题,从另外的角度对学习对象进行了理论和应用的研究。     

基于神经网络的直流电机模型辨识及应用

为了提高控制系统的控制性能,实现自适应控制,提出了一种基于神经网络模型的参数辨识方法.首先,为一台未知参数的直流电机设计了基于DSP(数字信号处理器)的控制器,再通过采集卡获取大量的实时观测数据,然后对数据进行预处理,将预处理后的数据按照神经网络辨识的原理完成模型辨识.通过比较直流电机实际阶跃响应与模型阶跃响应,对辨识模型进行检验,最后设计了该系统的PI校正装置.结果表明该方法可操作性强、辨识精度高、应用性强.     

网络涉警舆情的应对机制研究

网络涉警舆情具有传播速度快、负面影响大、炒作热点化、盲从信息多等特点。负面的涉警舆情如果不加以正确引导,必然会引发涉警舆情危机,而网络涉警舆情危机极有可能映射到现实社会并造成恶劣影响。网络涉警舆情危机的形成既有公安机关处置方法不恰当、舆情研判较滞后等主观原因,也有信息监管难度大、民众诉求多元化等客观因素。公安机关要转变思想观念,提高个人业务水平,完善信息研判机制,及时与民众进行积极沟通,在良性引导的基础上建立全面的舆情应对机制。     

融合注意力机制与场感知因子分解机的电影推荐

传统协同过滤算法仅利用评分信息进行推荐,而没有利用到更多用户特征与电影特征,推荐效果不佳。深度学习的普通应用,为特征提取打下了良好基础。通过爬取网站上的电影演员信息表,使用卷积神经网络对文本信息进行特征提取,采用结合注意力机制与场感知因子分解机的混合推荐方法,并使用用户—电影特征矩阵进行训练。在公开数据集 MovieLens 上进行实验测试,RMSE 达到 0.850,与 5 组推荐模型进行对比,RMSE 分别提18.0%、11.3%、7.60%、25.7%、6.80%。实验结果表明,该模型可以提高推荐效率。     

基于Petri网的工作流模型设计与实现

Petri网适合描述异步、并发事件驱动和资源共享的办公自动化工作流部分，使用Petri网进行过程建模可以显著地改进和优化业务流程，更好地实现业务流程控制。以物业办公中的工作联系单为例，进行了业务流程分析、Petri网建模，并给出了任务表和后续节点流向控制算法。     

柔性机构非线性运动的神经网络辨识模型

研究目的是建立柔性机构非线性运动辨识模型.柔性机构的运动形态为高度非线性,利用径向基函数(RBF)神经网络,将机构驱动力矩和机构非线性运动参数分别作为RBF神经网络的输入和输出,利用达到训练精度要求的RBF神经网络进行柔性机构的非线性运动参数的辨识.计算速度快,精度高,为复杂系统的辨识提供了一种理想的建模方法.