期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到151篇文章
< 1 2 … 8 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于1D-Res&SENet的呼吸暂停检测
1
作者 徐佳豪 胡少文 +1 位作者 单新颖 刘继忠 《新疆大学学报(自然科学版中英文)》 2026年第1期51-60,共10页
针对现有呼吸暂停检测多是利用呼吸信号样本提取的时频特征进行分类的现状,本文提出了一种1DRes&SENet分类模型,该模型以完整的呼吸信号波形为输入,通过一维卷积神经网络提取特征,加入残差网络结构减轻梯度消失和网格退化,同时考虑... 针对现有呼吸暂停检测多是利用呼吸信号样本提取的时频特征进行分类的现状,本文提出了一种1DRes&SENet分类模型,该模型以完整的呼吸信号波形为输入,通过一维卷积神经网络提取特征,加入残差网络结构减轻梯度消失和网格退化,同时考虑各通道特征重要性不同的特点,引入SE注意力机制发现并加强特征通道之间的关联信息,提升呼吸暂停检测的准确率.实验结果表明,加入残差网络以及SENet模块后,模型的准确率、召回率、特异性分别提升了2.0%、4.9%和1.7%. 展开更多
关键词 呼吸暂停 一维卷积神经网络 senet 残差网络 毫米波雷达
在线阅读 下载PDF
融合SENet注意力机制和GA-CNN的非侵入式负荷识别方法 被引量：4
2
作者 沈鑫 王钢 +3 位作者 赵毅涛 骆钊 李钊 杨晓华 《中国电力》 北大核心 2025年第5期33-42,共10页
随着智能电表的普及,电网信息化、数字化水平逐渐提高,需求侧的非侵入式负荷监测(nonintrusive load monitoring,NILM)逐渐成为供电企业实现能效提升的关键技术。针对目前非侵入式负荷识别算法存在特征冗余度、计算开销大、识别性能差... 随着智能电表的普及,电网信息化、数字化水平逐渐提高,需求侧的非侵入式负荷监测(nonintrusive load monitoring,NILM)逐渐成为供电企业实现能效提升的关键技术。针对目前非侵入式负荷识别算法存在特征冗余度、计算开销大、识别性能差等问题,提出一种融合压缩-激励网络(squeeze and excitation networks,SENet)注意力机制和基于遗传算法优化卷积神经网络(genetic algorithms-convolutional neural network,GA-CNN)的非侵入式负荷识别方法。首先,将SENet注意力机制嵌入CNN,提高关键特征的表征能力,降低特征冗余度;其次,提取居民负荷U-I轨迹图,对其进行加权像素化处理,通过计算得到WVI(weighted pixelated VI)特征矩阵,并以此为特征参量训练SENet-CNN模型;最后,利用遗传算法优化SENet-CNN模型的超参数,提高模型负荷识别性能和计算效率。实验结果表明,所提方法能够降低非侵入式负荷识别计算开销,准确识别出居民负荷类别,显著提升非侵入式负荷识别效率。 展开更多
关键词 居民负荷识别 卷积神经网络 NILM senet注意力机制 V-I轨迹图
在线阅读 下载PDF
基于SENet-MultiHead-BiTCN的轴承故障诊断方法 被引量：1
3
作者 崔吉强 高军伟 吴文凯 《噪声与振动控制》 北大核心 2025年第6期190-195,227,共7页
针对电动机滚动轴承故障诊断需要提取大量特征,且单方向特征提取不充分导致故障识别准确率低的问题,提出一种双注意力机制和双向时间卷积网络的轴承故障诊断模型。首先,对振动信号进行预处理;然后,将处理好的信号输入压缩激励网络选取... 针对电动机滚动轴承故障诊断需要提取大量特征,且单方向特征提取不充分导致故障识别准确率低的问题,提出一种双注意力机制和双向时间卷积网络的轴承故障诊断模型。首先,对振动信号进行预处理;然后,将处理好的信号输入压缩激励网络选取对故障诊断有效的特征,减小模型运算量;再将选取的特征输入双向时间卷积网络从正反两个方向提取振动信号在时间序列上的依赖关系;再使用多头注意力机制对提取出的特征重新分配权重;最后,将特征送入全连接层进行故障分类,并使用江南大学轴承故障数据集验证该方法的有效性。实验结果表明,基于SENetMultiHead-BiTCN的轴承故障诊断方法在数据集上的准确率为99.49%,满足故障诊断的要求,为轴承故障诊断提供一种新方法。 展开更多
关键词 故障诊断 轴承 BiTCN 多头注意力机制 senet
在线阅读 下载PDF
基于SENet的工厂化循环水养殖鳗鲡(Anguilla)数量评估研究 被引量：1
4
作者 林茜 江兴龙 周世豪 《海洋与湖沼》 北大核心 2025年第1期206-213,共8页
为探索应用计算机听觉技术实现对工厂化循环水养殖鳗鲡数量的评估,建立了一种基于回归分析的SENet网络模型。针对数据集中包含的白噪声声谱图数据缺乏可利用的动态规律问题,通过修改SENet输出层、输出范围、评价指标等,使其直接利用图... 为探索应用计算机听觉技术实现对工厂化循环水养殖鳗鲡数量的评估,建立了一种基于回归分析的SENet网络模型。针对数据集中包含的白噪声声谱图数据缺乏可利用的动态规律问题,通过修改SENet输出层、输出范围、评价指标等,使其直接利用图像进行回归分析任务,从而进一步提高了网络在图像分析任务上的性能。在循环水养殖鳗鲡的数量评估试验中,设置8组不同的鳗鲡数量进行试验,结果表明:水听器接收到的声音信号与鱼数量呈现出明显的相关性;在测试阶段SENet网络的拟合相关系数为0.98,SENet回归分析模型在测试集样本上的决定系数(R^(2))、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)分别为0.96、1.66和4.43%;采集了30组数据样本对训练好的模型进行验证试验,SENet模型预测数量的相对误差与变异系数都在8%以内,预测准确率达到90%以上。 展开更多
关键词 计算机听觉技术 鳗鲡 鱼群数量评估 声音信号 senet网络
在线阅读 下载PDF
SSC-SeNet:一种融合点云与影像数据的露天矿区建筑物语义分割算法 被引量：1
5
作者 冯媛媛 李朝奎 +1 位作者 刘松焕 田沁 《吉林大学学报(地球科学版)》 北大核心 2025年第5期1757-1773,共17页
矿区建筑物分割大多采用U-Net编码器-解码器网络结构,而编码器-解码器结构并未充分利用语义特征和空间特征从而导致分割精度低。针对现有建筑物提取方法存在的缺陷,提出了语义空间一致性语义分割网络(semantic spatial consistency sema... 矿区建筑物分割大多采用U-Net编码器-解码器网络结构,而编码器-解码器结构并未充分利用语义特征和空间特征从而导致分割精度低。针对现有建筑物提取方法存在的缺陷,提出了语义空间一致性语义分割网络(semantic spatial consistency semantic segmentation network,SSC-SeNet)。该网络首先利用多通道结构,实现了语义特征、空间特征和一致性特征的提取融合;其次在主通道的前三层坐标卷积处引入空间提取通道,并针对空间特征的进一步提取设计了Gabor傅里叶滤波器;然后在主通道的每一层常规卷积块处引入语义提取通道,提高了语义特征提取能力;最后采用特征融合模块将空间提取通道、语义提取通道和主通道的特征进行融合,并生成最后的分割图像。在分辨率为0.03 m的湘潭锰矿建筑物数据集上进行的试验结果表明,SSC-SeNet的交并比高达88.47%,整体准确度达97.09%,均显著优于U-Net等传统网络。此外,得益于其轻量化特点,该模型成功克服了过拟合问题。 展开更多
关键词 矿区建筑物提取 语义分割 SSC-senet 注意力机制 坐标卷积 卷积神经网络 特征融合
在线阅读 下载PDF
融合改进注意力机制与SENet的双塔推荐模型 被引量：1
6
作者 周泽冰 王业 《计算机系统应用》 2025年第11期162-171,共10页
数据稀疏性和用户特征交互程度问题一直是推荐系统研究的难点.本文提出了一种融合了SENet特征重标定与注意力机制的双塔模型.该模型通过双塔结构实现高效的候选集召回,并利用复杂特征交互来实现精准排序.模型在传统推荐框架基础上引入... 数据稀疏性和用户特征交互程度问题一直是推荐系统研究的难点.本文提出了一种融合了SENet特征重标定与注意力机制的双塔模型.该模型通过双塔结构实现高效的候选集召回,并利用复杂特征交互来实现精准排序.模型在传统推荐框架基础上引入改进的注意力机制以增强动态交互能力,集成SENet模块自适应校准特征重要性,并通过混合架构联合矩阵分解与深度学习优势,进一步提升特征表达与泛化能力.在Movie Lens-1M和Netflix数据集上的实验表明,该模型在评分预测和分类任务上均优于主流基线模型,验证了其在提取用户特征和缓解数据稀疏性方面的优势. 展开更多
关键词 推荐系统 双塔模型 senet 注意力机制 矩阵分解
在线阅读 下载PDF
基于格拉姆角和场和改进DenseNet的配电网故障选线方法
7
作者 方豪 魏业文 +1 位作者 张子洵 张轲钦 《电力系统及其自动化学报》 北大核心 2025年第9期109-118,共10页
配电网小电流接地系统发生单相接地故障时,故障特征微弱。针对现有故障选线方法准确率不高、泛化能力差的问题,提出一种基于格拉姆角和场和改进密集型卷积神经网络的故障选线方法。首先,利用格拉姆角和场将线路一维零序电流信号转换为... 配电网小电流接地系统发生单相接地故障时,故障特征微弱。针对现有故障选线方法准确率不高、泛化能力差的问题,提出一种基于格拉姆角和场和改进密集型卷积神经网络的故障选线方法。首先,利用格拉姆角和场将线路一维零序电流信号转换为二维图像;然后,用融合SENet注意力机制的密集型卷积神经网络提取图像中的故障特征信息,用随机森林算法判别故障线路;最后,采用随机搜索算法优化模型参数,得到最优故障选线融合模型。仿真结果表明,相比于其他故障选线方法,所提方法在选线准确率、抗噪性能、泛化能力等方面表现优秀,为小电流接地系统故障选线提供了一种新思路。 展开更多
关键词 小电流接地系统 故障选线 密集型卷积神经网络 格拉姆角和场 senet注意力机制 随机森林
在线阅读 下载PDF
基于迁移学习和SENet的人脸图像识别模型研究 被引量：1
8
作者 韩加亮 王鑫远 张守杰 《自动化应用》 2025年第18期1-5,共5页
针对复杂环境下人脸识别准确率不高等问题,提出了一种基于迁移学习和SENet特征的混合算法。首先应用AdaBoost算法实现人脸检测,其次利用离散小波分解技术和迁移学习方法分别提取人脸图像的关键特征,然后利用SENet将提取的特征进行融合,... 针对复杂环境下人脸识别准确率不高等问题,提出了一种基于迁移学习和SENet特征的混合算法。首先应用AdaBoost算法实现人脸检测,其次利用离散小波分解技术和迁移学习方法分别提取人脸图像的关键特征,然后利用SENet将提取的特征进行融合,最后采用SVM进行分类识别。在CAS-PEAL-R1人脸数据库上的测试及对比研究显示,该算法的准确度达到了90%以上,AUC-ROC值达到0.95,表明其在人脸识别方面表现优异。 展开更多
关键词 senet 迁移学习 ADABOOST 支持向量机 深度学习
在线阅读 下载PDF
基于KPCA-SENet的晶闸管退化特征提取与表征方法
9
作者 陈权 吴骏 +3 位作者 陈忠 祝琳 郑常宝 黄宇 《半导体技术》 北大核心 2025年第8期851-859,共9页
晶闸管长期使用后会出现不可逆的性能下降,达到一定阈值后引发电路故障的概率会大幅上升,给特高压系统带来严重风险。为了保证特高压电网系统的安全运行,晶闸管的可靠性分析与退化状态评估尤为重要。通过仿真模拟加速寿命试验获取晶闸... 晶闸管长期使用后会出现不可逆的性能下降,达到一定阈值后引发电路故障的概率会大幅上升,给特高压系统带来严重风险。为了保证特高压电网系统的安全运行,晶闸管的可靠性分析与退化状态评估尤为重要。通过仿真模拟加速寿命试验获取晶闸管的通态压降、反向恢复电荷、反向漏电流及反向恢复峰值电流的退化数据。首先通过结合局部均值分解(LMD)和自适应阈值对称小波基(symN)的方法进行降噪预处理,再通过结合核主成分分析(KPCA)与通道域注意力机制(SENet)对退化特征进行提取与融合,最后通过转换函数拟合建立综合退化指标(CDI),实现对晶闸管的退化表征。采用多个指标对该方法进行验证,结果表明CDI与退化特征参数及退化时间呈现出高度的相关性,证实了该方法的有效性。 展开更多
关键词 晶闸管 可靠性 特征提取 退化 表征方法 核主成分分析与通道注意力机制(KPCA-senet)
原文传递
SE-TransNet:一种结合SENet的新型Transformer网络入侵检测方法 被引量：1
10
作者 米郝 高新宇 +1 位作者 袁慧 王文发 《延安大学学报(自然科学版)》 2025年第2期29-36,共8页
在数字化时代,网络安全的重要性愈发显著,尤其是网络入侵检测(Network Intrusion Detection,NID)作为保障网络安全的核心环节。传统NID系统在检测效率与准确性方面表现不足,难以适应日益复杂多变的网络环境,因此需要创新解决方案以强化... 在数字化时代,网络安全的重要性愈发显著,尤其是网络入侵检测(Network Intrusion Detection,NID)作为保障网络安全的核心环节。传统NID系统在检测效率与准确性方面表现不足,难以适应日益复杂多变的网络环境,因此需要创新解决方案以强化网络安全防护。文章提出了SE-TransNet:一种结合SENet的新型Transformer网格入侵检测方法。引入Transformer架构,增强模型处理长序列数据的能力,提升对网络流量时序特征的捕捉;将选择性注意力机制(SENet)集成于Transformer,通过自适应调整通道权重,强化特征表示,突出关键特征,加快响应速度。在CIC-IDS2017数据集上的实验显示,SE-TransNet实现了99.37%的准确率,较Transformer-CNN等模型提高0.50%~9.13%,证明了其在提升NID效率和准确性方面的优势。研究结果为网络安全提供了一定的技术支撑。 展开更多
关键词 网络入侵检测 深度学习 卷积神经网络 选择性注意力机制 TRANSFORMER
在线阅读 下载PDF
基于TCN-SENet-Transformer的新型超短期风电功率组合预测方法
11
作者 殷钰朋 匡洪海 +2 位作者 李星宇 曹世鹏 杨慧娴 《太阳能学报》 北大核心 2025年第12期735-741,共7页
针对传统风电功率预测方法在时序与空间全局特征的联系紧密性及并行处理方面考虑较少,预测可靠性有限的问题,提出基于交叉注意力融合时空特征的超短期风电功率预测方法(TCN-SENet-Transformer)。首先,利用压缩激励网络(SENet)调整通道... 针对传统风电功率预测方法在时序与空间全局特征的联系紧密性及并行处理方面考虑较少,预测可靠性有限的问题,提出基于交叉注意力融合时空特征的超短期风电功率预测方法(TCN-SENet-Transformer)。首先,利用压缩激励网络(SENet)调整通道特征权重,并通过时域卷积网络(TCN)捕捉数据的空间特征;同时,采用Transformer识别多特征数据的长期时序特征;然后,引入交叉注意力机制(CA)融合时序和空间特征;最后,以中国某风电场的实际数据进行超短期风电功率预测,并与其他预测模型进行对比,算例分析结果表明,所提组合预测模型可有效提高预测精度。 展开更多
关键词 风电功率预测 时域卷积网络 压缩激励网络 Transformer模型 交叉注意力机制 超短期
原文传递
基于SENet和DenseNet的充填管道磨损声音识别 被引量：7
12
作者 邢怡君 杨鹏 +2 位作者 吕文生 贯怀光 王璟 《有色金属工程》 CAS 北大核心 2023年第8期102-109,共8页
针对矿山充填管道磨损缺陷检测存在的人工检测困难和检测成本高等问题,提出了一种融合SENet的密集连接卷积神经网络模型(SE_DenseNet),可实现充填管道不同磨损程度的远程快速识别。首先通过完全集合经验模态分解(CEEMDAN),对与原信号相... 针对矿山充填管道磨损缺陷检测存在的人工检测困难和检测成本高等问题,提出了一种融合SENet的密集连接卷积神经网络模型(SE_DenseNet),可实现充填管道不同磨损程度的远程快速识别。首先通过完全集合经验模态分解(CEEMDAN),对与原信号相关性较高的分量进行重构;之后,使用短时傅里叶变换,形成声谱图;将声信号识别问题转化为图像识别问题;并将声谱图输入到DenseNet网络模型,通过特征重用,融合通道注意力机制SENet,增强特征信息,实现对充填管道磨损声信号的准确声音识别。结果表明:SE_DenseNet的识别准确率可达到97.368%。相比同类深层基线网络模型ResNet101和基线DenseNet121而言,该网络模型泛化能力及识别准确率有所提升,在模型参数数量上有所下降,实现更快收敛。SE_DenseNet的上述优势可被应用于类似的固液两相流输送管道无损检测领域。 展开更多
关键词 senet Densenet CEEMDAN 管道磨损 声音识别 无损检测
在线阅读 下载PDF
嵌入SENet结构的改进YOLOV3目标识别算法 被引量：49
13
作者 刘学平 李玙乾 +2 位作者 刘励 王哲 刘宇 《计算机工程》 CAS CSCD 北大核心 2019年第11期243-248,共6页
为准确识别工业图像中的目标零件,提出一种改进的YOLOV3目标识别算法。结合K-means聚类与粒子群优化算法进行锚框计算,以降低初始点对聚类结果的影响,加快算法收敛速度。同时在YOLOV3网络shortcut层嵌入SENet结构,得到SE-YOLOV3网络。... 为准确识别工业图像中的目标零件,提出一种改进的YOLOV3目标识别算法。结合K-means聚类与粒子群优化算法进行锚框计算,以降低初始点对聚类结果的影响,加快算法收敛速度。同时在YOLOV3网络shortcut层嵌入SENet结构,得到SE-YOLOV3网络。对零件图像进行数据增强并加入零件标注,制作包含10 816张图片的样本集,用于算法训练和测试。实验结果表明,该算法能够获得平均交并比为83.01%的锚框,当样本图像存在较多残缺零件干扰时,YOLOV3存在将背景识别为零件的情况,其查准率与查全率分别为72.11%和97.51%,而SE-YOLOV3能有效减少假正例数量,其查准率与查全率分别为90.39%和93.25%。 展开更多
关键词 目标识别 卷积神经网络 senet结构 YOLOV3网络 粒子群优化算法
在线阅读 下载PDF
DenseNet和SeNet融合残差结构的DR分类方法 被引量：5
14
作者 宋鹏飞 吴云 《计算机应用研究》 CSCD 北大核心 2024年第3期928-932,950,共6页
糖尿病性视网膜病变(diabetic retinopathy,DR)是糖尿病在发病过程中影响视网膜的症状。针对模型下采样过程中特征提取DR图像微动脉瘤等病灶区域信息丢失问题,提出了一种DenseNet融合残差结构的模块。该模块首先连接两个连续的dense blo... 糖尿病性视网膜病变(diabetic retinopathy,DR)是糖尿病在发病过程中影响视网膜的症状。针对模型下采样过程中特征提取DR图像微动脉瘤等病灶区域信息丢失问题,提出了一种DenseNet融合残差结构的模块。该模块首先连接两个连续的dense block,然后利用残差结构对特征信息求和,并行融合处理特征图像信息,以防止有效特征信息的丢失,最后残差连接两个含有dropout的卷积块,抑制过拟合现象。针对以往卷积操作中未对病变区域的特征图通道加权的问题,提出了一种SeNet融合残差结构的模块。该模块首先连接SeNet,把全局平均池化和全局最大池化的特征信息相加,以提高有效通道信息的利用率,然后通过Conv1×1的残差方式来保证特征图信息的完整性。基于以上两个模块的设计,提出了一种DenseNet和SeNet融合残差结构的DR分类方法。该模型在APTOS2019数据集上的精确度达到89.8%,特异性达到97.0%,在Messidor-2数据集上的精确度达到78.8%,特异性达到91.9%,能够有效地提高视网膜图像病变程度的分类能力。 展开更多
关键词 糖尿病性视网膜病变 Densenet senet 残差结构
在线阅读 下载PDF
联合SENet异构层特征融合与集成学习的材质图像识别 被引量：8
15
作者 张红斌 熊其鹏 +3 位作者 蒋子良 石皞炜 周娟 武晋鹏 《控制与决策》 EI CSCD 北大核心 2022年第6期1632-1642,共11页
材质图像识别具备广阔的应用前景,如衣物识别、机器人拾取、工业检测等.受光照强度和拍摄角度等影响,材质图像易发生变化,而挖掘鲁棒、高效的图像特征是应对该变化的关键.对此,提出SECF^(2)模型:抽取SENet中具有良好互补性的异构层特征... 材质图像识别具备广阔的应用前景,如衣物识别、机器人拾取、工业检测等.受光照强度和拍摄角度等影响,材质图像易发生变化,而挖掘鲁棒、高效的图像特征是应对该变化的关键.对此,提出SECF^(2)模型:抽取SENet中具有良好互补性的异构层特征;改进聚类典型相关性分析模型,实现异构层特征融合,生成刻画材质图像的深层视觉语义,它是一种判别性更强且鲁棒的新特征;采用深层视觉语义训练分类模型并执行集成学习,完成材质图像识别.实验表明:SECF^(2)模型在两个材质图像数据集上都有效,其中Fabric上的识别精准度较最强基线提升8.85%;SECF^(2)模型还具备较强通用性,在图像情感分析基准数据集上取得优异的表现.此外,SECF^(2)仅需两个特征和一次融合,模型复杂度降低且实时效率优良. 展开更多
关键词 材质图像识别 深层视觉语义 特征融合 senet cluster-CCA 集成学习
原文传递
基于SMOTE-IKPCA-SeNet深度迁移学习的小批量生产质量预测研究 被引量：3
16
作者 杨剑锋 崔少红 +1 位作者 段家琦 王宁 《工业工程》 2024年第2期98-106,157,共10页
随着智能制造技术的发展和客户个性化需求的增加,多品种小批量生产方式逐渐成为制造业的主流。面向大批量生产、以统计过程控制为核心的质量管理方式并不适用于小批量生产。针对复杂生产过程存在参数多、非线性和交互作用的问题,提出利... 随着智能制造技术的发展和客户个性化需求的增加,多品种小批量生产方式逐渐成为制造业的主流。面向大批量生产、以统计过程控制为核心的质量管理方式并不适用于小批量生产。针对复杂生产过程存在参数多、非线性和交互作用的问题,提出利用深度迁移学习的方式将历史生产数据作为源域迁移至小样本目标产品数据进行质量预测。首先,通过合成少数类过采样技术(synthetic minority over-sampling technique,SMOTE)和改进的核主成分分析(improved kernel principal component analysis,IKPCA)算法筛选源域和目标域的可迁移特征,这不仅兼顾了特征重要性和可迁移性,还减少了“负迁移”,提高了模型泛化能力;然后,采用结合通道注意力机制的卷积神经网络SeNet构建基于深度迁移学习的质量预测模型。仿真结果表明,随着目标域样本的增加,所提方法的预测准确性明显优于广泛采用的支持向量机建模方法。同时,所提可迁移特征筛选方法显著提高了深度迁移学习的质量预测效果,为复杂的小批量生产过程质量保证提供了新方法。 展开更多
关键词 小批量生产质量预测 深度迁移学习 SMOTE IKPCA senet
在线阅读 下载PDF
融合多层特征SENet和多尺度宽残差的高光谱图像地物分类 被引量：8
17
作者 于慧伶 霍镜宇 张怡卓 《实验室研究与探索》 CAS 北大核心 2020年第7期28-34,44,共8页
提出了一种融合多层特征SENet和多尺度宽残差的高光谱图像地物分类的方法。实验选取Indian Pines和Pavia University为研究对象,结果表明,SE-Inception-Resnet-MSWideResnet(SEIR-MSWR)网络结构的总体分类精度为99.33%、99.52%,Kappa系... 提出了一种融合多层特征SENet和多尺度宽残差的高光谱图像地物分类的方法。实验选取Indian Pines和Pavia University为研究对象,结果表明,SE-Inception-Resnet-MSWideResnet(SEIR-MSWR)网络结构的总体分类精度为99.33%、99.52%,Kappa系数为0.98时,分类效果最优,相较于支持向量机(Support Vector Machine,SVM)、K最近邻法(K-NearestNeighbor,KNN),宽残差网络(Wide Resnet Network,WRN)以及InceptionV2-Resnet,总体分类精度分别提高了20.86%、20.09%、5.48%、3.39%、23.1%、16.89%、6.66%、2.58%,Kappa系数分别提高了0.18、0.17、0.06、0.04、0.22、0.17、0.07、0.03,均表现出良好的性能。该方法更好地提取了高光谱图像的本质特征,进而提高了高光谱图像地物的分类精度。 展开更多
关键词 高光谱图像分类 地物分类 主成分分析法 多层特征senet 多尺度宽残差 加权平均
在线阅读 下载PDF
基于SENet改进的Faster R-CNN行人检测模型 被引量：9
18
作者 李克文 李新宇 《计算机系统应用》 2020年第4期266-271,共6页
随着无人驾驶和智能驾驶技术的发展,计算机视觉对视频图像检测的实时性和准确性要求也越来越高.现有的行人检测方法在检测速度和检测精度两个方面难以权衡.针对此问题,提出一种改进的Faster R-CNN模型,在Faster R-CNN的主体特征提取网... 随着无人驾驶和智能驾驶技术的发展,计算机视觉对视频图像检测的实时性和准确性要求也越来越高.现有的行人检测方法在检测速度和检测精度两个方面难以权衡.针对此问题,提出一种改进的Faster R-CNN模型,在Faster R-CNN的主体特征提取网络模块中加入SE网络单元,进行道路行人检测.这种方法不仅能达到相对较高的准确率,用于视频检测时还能达到一个较好的检测速率,其综合表现比Faster R-CNN模型更好.在INRIA数据集和私有数据集上的实验表明,模型的mAP最好成绩能达到93.76%,最高检测速度达到了13.79 f/s. 展开更多
关键词 行人检测 卷积神经网路 FASTER R-CNN senet
在线阅读 下载PDF
融合残差SENet的毫米波大规模MIMO信道估计 被引量：2
19
作者 刘庆利 杨国强 张振亚 《电讯技术》 北大核心 2024年第4期512-519,共8页
在户外光线追踪场景下,针对毫米波大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统受户外环境噪声干扰导致估计精度低的问题,提出了一种融合残差挤压激励网络(Squeeze-and-Excitation Network,SENet)的条件生成对抗网络... 在户外光线追踪场景下,针对毫米波大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统受户外环境噪声干扰导致估计精度低的问题,提出了一种融合残差挤压激励网络(Squeeze-and-Excitation Network,SENet)的条件生成对抗网络的信道估计方法。该方法采用条件生成对抗网络将低分辨率接收信号重建为高分辨率的原始信号完成信道估计,同时在生成器网络中引入SENet网络模块来抑制户外场景下显著性噪声干扰,提高估计精度;最后将残差网络中的残差块添加到SENet的放缩操作后,提高条件生成对抗网络的收敛速度。仿真结果表明,相较于正交匹配追踪算法、卷积神经网络、去噪卷积神经网络和条件生成对抗网络算法,所提方法在户外噪声环境下估计精度平均提高了约2.2 dB,且在高噪声强度下估计精度的提高更为显著。 展开更多
关键词 毫米波大规模MIMO 信道估计 条件生成对抗网络(CGAN) 残差挤压激励网络(senet)
在线阅读 下载PDF
车货匹配中考虑注意力机制的基于SENet双塔模型的司机点击率预测模型 被引量：3
20
作者 方芳 王成浩 《物流科技》 2022年第10期91-97,共7页
车货匹配平台中存有大量的历史车货数据,通过这些历史数据可以分析获得司机对不同货物的兴趣度,预测司机所选取货物的种类(司机点击率预测),从而为司机推荐合适的货物,实现精准的车货匹配。然而,现有的车货匹配方法大多都忽视了历史车... 车货匹配平台中存有大量的历史车货数据,通过这些历史数据可以分析获得司机对不同货物的兴趣度,预测司机所选取货物的种类(司机点击率预测),从而为司机推荐合适的货物,实现精准的车货匹配。然而,现有的车货匹配方法大多都忽视了历史车货数据,更不会处理和分析这些数据。因此,文章考虑到深度学习在数据处理上的优势,于是将深度学习和车货匹配方法相结合,提出了一种考虑注意力机制并基于SENet双塔模型的司机点击率预测模型——A-SENet双塔模型。具体来讲,就在双塔模型的大框架下,一方面利用SENet计算货物隐向量;另一方面利用Attention机制和SENet计算司机隐向量,并通过进一步计算得出司机点击货物的概率。通过某车货匹配平台的数据集进行实验,结果表明与基准模型相比,文章所提出的模型A-SENet双塔模型具有更好的性能,这不仅验证了利用深度学习进行车货匹配的可行性,而且表明注意力机制和SENet的使用有助于预测司机点击货物的概率。 展开更多
关键词 车货匹配 点击率预测 双塔模型 注意力机制 senet
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 8 下一页 到第 页
使用帮助 返回顶部