摘 要:针对混合型肝癌病理切片中三级淋巴结构人工识别存在耗时费力、准确性不高等问题,基于SegFormer(SegmentationTransformer)模型提出了一种轻量化的识别模型。首先,使用非负矩阵法对病理切片进行标准化处理。其次,增加特征图层级,使模型能够获得更精细的感受视野。最后,引入SimAM(Similarity-AwareActivationModule)注意力机制,辅助模型定位
摘 要:针对密集场景中行人遮挡和尺度较小导致的漏检问题,提出了一种基于YOLOv8(YouOnlyLookOnceversion8)的改进行人检测算法。首先,使用GhostConv(GhostConvolution)代替部分Conv,减少模型的参数量;其次,融合GSConv(GroupShuffledConvolution)模块,在降低模型复杂度的同时保持精度;最后,引入SNs(Slim-Neck
摘 要:针对肝脏医学影像分割中存在的边缘模糊、噪声干扰等问题,提出了一种基于双支路特征融合的分割网络。其中,编码器采用并行策略,一路为改进的卷积神经网络(ConvolutionalNeuralNetwork,CNN)支路,采用密集提取特征的集成模块,提供了丰富的局部信息;另一路为Transformer支路,负责提供空间维度上的全局信息。将两支路相同层级的特征进行交互式融合,提高了特征信息的表达能力
摘 要:针对传统依赖人脸关键点的驾驶员面部特征检测方法存在耗时、稳定性差的问题,本文提出一种轻量化的驾驶员面部特征检测算法YOLOv8_FDD(YOLOv8-basedFatigueDrowsinessDetection),该算法是基于YOLOv8架构进行改进的。首先,通过引入SimAM(SimpleParameter-FreeAttentionModule)注意力机制,有效提高了模型对小目标的检
摘 要:为解决传统神经网络在CIFAR-10(CanadianInstituteForAdvancedResearch)数据集上进行图像分类识别时,存在的模型准确率较低和训练过程易发生过拟合现象等问题,提出了一种将卷积神经网络和批归一化相结合的新神经网络结构构建方法。该方法首先对数据集进行数据增强和边界填充处理,其次对典型的CNN(ConvolutionalNeuralNetworks)网络结构进
摘 要:目前,大多数注意力机制是通过一系列不同的卷积等操作来生成权重的,而少数注意力机制则基于规律自定义函数来推断权重,两者各有优劣。在无参注意力机制(SimAM)的理论框架下,考虑到优化能量函数在某些情况下的局限性,提出通过在权重中引入少量参数来进行权重调整,从而提高模块的适应性。为了验证这一方法的可行性,在CIFAR数据集和ImageNet-100数据集上进行了图像识别实验。实验结果表明,通过
摘 要:针对钢材表面缺陷检测模型普遍存在的复杂度高、检测精度低的问题,提出一种改进YOLOv7-tiny的钢材表面缺陷检测模型,即MDD-YOLO(MixedDynamic-headDeformable-YOLO)。首先,在模型的特征融合部分引入混合局部通道注意力机制(MixedLocalChannelAttention,MLCA),用于提取通道信息、空间信息、局部通道信息以及全局通道信息;其次,
摘 要:针对化工火灾烟雾目标检测算法模型存在准确率低、参数多以及计算复杂度大等问题,提出了一种基于改进YOLOv8s的化工火灾烟雾检测算法模型CIFM-YOLO。该模型首先在主干网络中引入高效神经网络架构FasterNetBlock和卷积门控线性单元CGLU(ConvolutionalGateLinearUnit),并融入C2f(CSPDarknet53to2-stageFPN)模块,形成新的轻量
摘 要:在面部年龄估计任务中,传统方法常使用高斯分布模拟年龄的真实分布。然而,高斯分布不能充分模拟长尾特征,因此提出了一种分层拉普拉斯-指数标签编码(HLELE),并基于所提年龄编码构建了一个年龄估计方法。首先,所提方法通过分层拉普拉斯-指数标签编码将年龄标签转化为年龄分布,从而获取年龄标签之间的关系;其次,采用VGG16(VisualGeometryGroup16)卷积神经网络对面部图像进行特征
摘 要:针对传统Census变换在立体匹配中存在的局限性,即不能充分利用邻域窗口信息且过于依赖中心点像素,以及图像在受到噪声干扰时窗口中心值的改变将导致全局匹配精度降低的问题,提出了一种基于改进Census变换的半全局(Semi-GlobalMatching,SGM)立体匹配算法。首先,融合了绝对差值之和(SAD)算法与Census变换算法,并引入自适应窗口和噪声容限参数,以增强邻域窗口信息的相关
摘 要:针对滚动轴承故障诊断中处理高维非线性特征数据的难题,提出了一种基于核主元分析(KernelPrincipalComponentAnalysis,KPCA)和改进的白鲸优化算法(ImprovedBelugaWhaleOptimizer,IBWO)优化支持向量机(SupportVectorMachine,SVM)超参数的方法,即KPCA-IBWO-SVM模型。通过引入折射反向学习和旋风觅食策略
摘 要:针对车联网的攻击场景具有时空特性,以及现有攻击图在建模和分析方面存在的局限性,提出一种基于概率时空攻击图的车联网安全建模及分析方法。首先,构建了一种新的概率时空攻击图模型,建模具有时空特性的车联网攻击场景;其次,通过转换概率时空攻击图,运用模型检测技术,分析车联网系统对关键安全属性的可满足性。案例分析的结果表明,该方法不仅能有效建模车联网的攻击场景,而且还能确保100%检测出系统对关键安全
摘 要:针对医疗知识图谱中因邻域异质性致使实体对齐准确率较低的问题,提出了一种多特征融合的实体对齐方法。该方法运用图注意力网络对不同知识图谱进行建模,通过采样筛选出可体现待对齐实体丰富信息的相邻节点,并组成子图。在此基础上,通过计算子图结构中的交叉图注意力进行实体匹配,并融合关系和实体名称,以丰富长尾实体的特征信息,提升了实体对齐的准确度。实验结果表明,该方法在DBpedia15KZH-EN (D
摘 要:针对肺结节图像存在体积小、形状不一且不规则、边缘模糊,导致模型特征提取不易及分割精度不高等问题,提出了一种基于TransU-Net结合注意力机制的肺结节分割方法。该方法在TransU-Net网络架构的基础上引入了改进后的卷积核注意力机制,并提出了一种坐标注意力机制,使特征图获得了更大的感受野,可以更好地提取图像纹理信息,从而提升分割精度。通过在LIDC(LungImageDatabaseC
摘 要:扩散峰度成像是一种可以更精确地描述脑组织中水分子非高斯扩散特征的无创技术,然而其弊端是需要长时间地采集扩散加权成像图像(DiffusionWeightedImage,DWI)。针对这一弊端,开发了一种基于深度学习的超快速、高鲁棒性的重建方法。不同于传统的需要大量扩散加权成像图像的模型拟合方法,该方法仅使用少量的扩散加权成像图像就能估计出高质量的扩散峰度成像特征图,并且各项图像评估指标都获得