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3篇文章
< 1 >
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TransUNet的机动微弱目标智能检测前跟踪算法
1
作者 武星蕊 彭锐晖 +3 位作者 孙殿星 谭顺成 张一泓 韦文斌 《航空学报》 EI CAS CSCD 北大核心 2024年第12期254-268,共15页
隐身技术的发展和运用给雷达目标探测带来了极大的挑战,检测前跟踪技术作为微弱目标探测的重要技术方向之一,常被用于雷达探测中,但传统的检测前跟踪算法计算量大、受目标运动模型限制,难以有效检测各种不同运动状态的机动目标。针对该... 隐身技术的发展和运用给雷达目标探测带来了极大的挑战,检测前跟踪技术作为微弱目标探测的重要技术方向之一,常被用于雷达探测中,但传统的检测前跟踪算法计算量大、受目标运动模型限制,难以有效检测各种不同运动状态的机动目标。针对该问题,提出基于TransUNet的微弱目标智能检测前跟踪算法,算法不受任何运动模型限制,可以有效识别各种运动状态的机动目标。首先,利用目标运动轨迹的空-时相关性特征,基于TransUNet模型设计了一种适用于不同运动状态的机动微弱目标粗检测算法,实现微弱机动目标的初步检测;然后,利用初步检测结果对目标量测进行区域搜索,实现微弱机动目标点迹的回溯;最后,针对低信噪比情况下初步回溯点迹的漏检问题,利用部分成功检测点迹的辅助信息,结合最佳抛物线值函数实现目标点迹的精细检测和航迹的完整回溯。仿真试验验证了本方法能够对多种运动状态的微弱机动目标实现有效检测。 展开更多
关键词 检测前跟踪 微弱目标 transunet网络 空-时相关性特征 目标检测 最佳抛物线值函数
原文传递
基于BM-TransUNet的咽后壁识别分割
2
作者 王世刚 孙静雯 《计算机系统应用》 2024年第7期94-102,共9页
图像分割经历了从基于传统的阈值分割等方法逐步发展到基于卷积神经网络的方法.传统的卷积神经网络在分割领域中表现突出,但训练速度慢、分割精度不够高等局限性也逐渐显现.为了克服这些局限性,本文在TransUNet网络的基础上进行改进,提... 图像分割经历了从基于传统的阈值分割等方法逐步发展到基于卷积神经网络的方法.传统的卷积神经网络在分割领域中表现突出,但训练速度慢、分割精度不够高等局限性也逐渐显现.为了克服这些局限性,本文在TransUNet网络的基础上进行改进,提出了基于BM-TransUNet网络的图像分割识别方法,在TransUNet网络的在第1层之后加上深度可分离卷积模块,并在编码器下采样的卷积层后引入注意力机制模块,让算法更好地探索分割对象特征,同时在编码器与解码器之间引入多尺度特征融合模块FPN.本文基于自制的咽后壁数据集,用于图像分割训练,并将训练后的BM-TransUNet网络与多种传统分割网络的效果进行对比.实验结果表明,相比于其他传统的深度学习模型,BM-TransUNet网络的识别方法具有较高的分类准确性和泛化能力,精确度Precision和Dice系数分别达到了93.61%和90.76%,显示出较好的计算效率,能有效地应用于分割任务. 展开更多
关键词 BM-transunet网络 图像分割 注意力机制模块 多尺度特征融合模块 咽后壁数据集
在线阅读 下载PDF
基于注意力机制的多尺度手部分割方法 被引量：2
3
作者 周雯晴 代素敏 +1 位作者 王阳萍 王文润 《液晶与显示》 CAS CSCD 北大核心 2024年第11期1506-1518,共13页
针对手部边缘细节信息分割不精确及小面积手部的错检、漏检问题,提出一种基于注意力机制的多尺度手部分割方法。首先,对Transformer模块重新进行设计优化,提出窗口自注意力结构和双分支前馈神经网络(Dual-branch FeedForward Networks,D... 针对手部边缘细节信息分割不精确及小面积手部的错检、漏检问题,提出一种基于注意力机制的多尺度手部分割方法。首先,对Transformer模块重新进行设计优化,提出窗口自注意力结构和双分支前馈神经网络(Dual-branch FeedForward Networks,D-FFN)机制,通过窗口自注意力机制整合全局和局部的依赖信息,D-FFN抑制背景信息的干扰;然后,提出一种结合条形池化和级联网络的多尺度特征提取模块增大感受野,提高手部分割模型的准确性和鲁棒性;最后,提出基于Triplet Attention机制的上采样解码器模块,通过调节通道维度与空间维度的注意力权重将目标特征和背景的冗余特征区分开。将所提算法在公开数据集GTEA(Georgia Tech Egocentric Activity)和EYTH(EgoYouTubeHands)上测试,实验结果表明,该算法在两个数据集上的平均交并比(MIoU)值分别达到了95.8%和90.2%,相较于TransUnet算法分别提升了2.5%和2.1%,满足手部图像分割的稳定可靠、精度高、抗干扰能力强等要求。 展开更多
关键词 手部分割 深度学习 transunet 前馈神经网络 空洞空间金字塔池化模块 Triplet Attention
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 下一页 到第 页
使用帮助 返回顶部