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9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：
空间关系增强与异构特征融合相结合的道路信息提取方法
1
作者 曹云刚 杨鹏 +2 位作者 龚江波 朱高 沈星宇 《测绘学报》 北大核心 2025年第12期2219-2232,共14页
针对高原特殊环境下遥感影像中道路材质与背景混淆、结构细长易断裂等问题,本文提出了一种结合空间关系增强器(spatial relationship enhancer,SRE)和连通性约束损失(connectivity loss,Cnt_Loss)的改进道路提取模型SRENet。核心贡献包... 针对高原特殊环境下遥感影像中道路材质与背景混淆、结构细长易断裂等问题,本文提出了一种结合空间关系增强器(spatial relationship enhancer,SRE)和连通性约束损失(connectivity loss,Cnt_Loss)的改进道路提取模型SRENet。核心贡献包括:①设计空间关系增强器,通过关键点图卷积显式建模道路拓扑结构,显著提升弯曲与遮挡区域的连通性检测能力;②构建双分支架构并设计异构特征融合模块,实现语义特征与空间细节的互补增强,增强对材质与环境类似的低对比度道路的提取能力;③提出连通性约束损失函数,通过几何驱动优化抑制狭窄断裂区域的误分割。本文方法以双分支深度神经网络为基础,通过异构特征融合模块实现多尺度特征互补,并结合连通性约束损失函数Cnt_Loss对道路几何特征进行优化。研究表明:SRENet在JL1与DGRD数据集上的IoU分别达到0.7002和0.6604,较现有模型分别提升了0.0116和0.0252;在道路连接性优化方面表现突出,显著减少了在弯曲路段与行道树遮挡区域的断裂数量;提出的Cnt_Loss函数通过几何约束机制,有效解决了弱边界道路的漏检问题。 展开更多
关键词 青藏高原 道路提取 异构特征融合 空间关系增强 图卷积
在线阅读 下载PDF
动态图卷积与POI增强的大规模交通流量预测
2
作者 高利峰 仇阿根 +2 位作者 陈六嘉 王庆连 马国斌 《测绘科学》 北大核心 2025年第10期132-141,共10页
针对现有的城市大规模交通流量预测研究过度依赖全局建模导致模型计算复杂度高,难以应用到城市级大规模交通流量预测中,且对空间依赖性的建模不全面,忽视了区域间及功能相似区域流量关联,降低了预测准确度的问题,该文提出兴趣点(POI)增... 针对现有的城市大规模交通流量预测研究过度依赖全局建模导致模型计算复杂度高,难以应用到城市级大规模交通流量预测中,且对空间依赖性的建模不全面,忽视了区域间及功能相似区域流量关联,降低了预测准确度的问题,该文提出兴趣点(POI)增强的网格分区动态时空图卷积网络用于城市大规模交通流量预测。首先,通过网格分区划分交通图以降低计算与内存开销;然后,采用全局-局部协同机制,融合全局空间依赖以增强模型对全局特征的表征能力;最后,利用POI驱动的功能相似性建模,通过引入POI数据进一步提升预测精度。研究结果表明,该模型在交通流量预测任务中优于主流基线模型,并能在大规模路网下高效计算,具有良好的工程应用价值。 展开更多
关键词 交通流量预测 动态时空图卷积网络 POI增强 大规模交通网络
原文传递
结合互注意力空间自适应和特征对集成判别的细粒度图像分类
3
作者 李志欣 匡文兰 《广西师范大学学报(自然科学版)》 北大核心 2025年第4期69-82,共14页
细粒度图像具有类间差异小和类内区别大的特点,许多研究利用Vision Transformer挖掘关键区域特征来提升细粒度图像分类的精度,但其仍存在2个主要问题:首先,网络挖掘关键性分类线索时背景区域也考虑在内,给模型带来额外噪声干扰;其次,输... 细粒度图像具有类间差异小和类内区别大的特点,许多研究利用Vision Transformer挖掘关键区域特征来提升细粒度图像分类的精度,但其仍存在2个主要问题:首先,网络挖掘关键性分类线索时背景区域也考虑在内,给模型带来额外噪声干扰;其次,输入的图像局部嵌入特征之间欠缺空间联系,模型缺乏物体结构认知能力,导致提取的类别特征不准确。针对此问题,本文提出互注意力空间自适应和特征对集成判别2个模块。先通过互注意力空间自适应模块学习不同嵌入层的互注意力增强权重,用于选择更佳的判别性区域,通过图卷积网络自适应学习不同区域的邻接关系;再利用特征对集成判别模块考虑图像对之间的线索交互,减少细粒度图像间的混淆,在令牌特征增强策略下得出最终预测结果。本文方法在CUB-200-2011、Stanford Dogs和NABirds等3个基准数据集上测试准确率分别达到92.5%、93.3%和91.8%,优于现有许多先进方法。 展开更多
关键词 细粒度图像分类 互注意力空间自适应 特征对集成判别 图卷积网络 令牌特征增强
在线阅读 下载PDF
计及时-空全域特征增强的广域多风电场风电功率短期预测
4
作者 黄南天 李炳玲 +3 位作者 孙赫宏 王瑶瑶 蔡国伟 张良 《电网技术》 北大核心 2025年第9期3688-3698,I0051,共12页
现有研究多依据地理位置或风电出力判定多风电场空间相关性,却忽视了高预测绝对误差值下风电并网出力的功率波动对电力系统稳定性的潜在威胁。文章提出一种基于时-空全域特征增强的广域多风电场风电功率短期预测模型。首先,在各区域实... 现有研究多依据地理位置或风电出力判定多风电场空间相关性,却忽视了高预测绝对误差值下风电并网出力的功率波动对电力系统稳定性的潜在威胁。文章提出一种基于时-空全域特征增强的广域多风电场风电功率短期预测模型。首先,在各区域实施“两个细则”背景下,采用多风电场出力的平均绝对误差为衡量多风电场风电并网波动对电力系统负面影响主要指标。通过最大相关系数定风电出力预测平均绝对误差强相关气象特征。其次,跨出地理位置相邻约束条件,以多风电场之间出力平均绝对误差为空间相关性构建时-空图边特征。通过时-空图神经网络信息传播机制,提高多场站数值天气预报的利用率,实现时-空全域全特征增强。然后,计及小概率场景影响引入绝对误差损失和交叉熵损失相结合的损失函数,优化不同小样本的类别权重向量。最后,将增强后的特征形成时间序列输入到门控循环单元层以实现广域多风电场短期风电功率预测。实验结果表明,所提方法的均方根误差和平均绝对值误差绝对值百分比分别下降了0.89%~7.85%和3.56%~6.19%。与其他方法的平均绝对误差相比,在小概率场景下最劣的评估指标提高了92.14MW,具有更好的鲁棒性。 展开更多
关键词 广域多风电场 短期风电功率预测 数值天气预报 全域全特征增强 时-空图卷积神经网络
原文传递
基于增强时空图卷积网络的骨架行为识别
5
作者 姜维 关孟怡 +3 位作者 魏富鹏 孙浩宸 孟尧 吴慧欣 《电子学报》 北大核心 2025年第10期3692-3704,共13页
图卷积网络(Graph Convolutional Network,GCN)被广泛应用在基于骨架序列的行为识别方法中,并取得显著效果.然而,随着行为种类和场景复杂度的增加,现有方法在建模人体结构细节与时序依赖方面仍面临诸多挑战,具体表现为以下两个问题:其一... 图卷积网络(Graph Convolutional Network,GCN)被广泛应用在基于骨架序列的行为识别方法中,并取得显著效果.然而,随着行为种类和场景复杂度的增加,现有方法在建模人体结构细节与时序依赖方面仍面临诸多挑战,具体表现为以下两个问题:其一,在提取关节间的关联特征时,往往未能充分反映边缘处关节(双手、双脚与头部)之间的相互作用以及边缘处关节与其他关节之间的协同效应;其二,在提取时间特征时,局限于短期时间特征的提取,未能有效捕获长期时序依赖关系.针对以上问题,本文提出一种增强时空图卷积网络模型(Enhanced Spatial-Temporal Graph Convolutional Network,EST-GCN),它由多分支空间增强图卷积(Multi-branch Spatial Enhanced Graph Convolu⁃tion,MSEGC)模块和多尺度时间增强卷积(Multi-scale Temporal Enhanced Convolution,MTEC)模块堆叠组成.MSEGC通过多阶段学习并传递双流图卷积下的特征,以增强边缘处关节的特征表达能力,从而捕获边缘处关节与其他关节之间的关系;MTEC通过多阶段学习并传递多尺度时间卷积下的时间特征,扩大时间跨度,从而捕获时间帧之间更广泛的时序依赖关系.模型依次通过MSEGC与MTEC提取并融合空间与时间特征,协同建模关节结构关联与时序依赖,提升时空特征判别性.为充分挖掘骨架数据的时空特征,在输入设计上,本文引入关节位置、运动速度与骨骼3类特征,并采用多流融合方式以增强特征表示能力.本文所提出的方法,在NTU-RGB+D数据集的X-Sub与X-View基准上,分别实现了92.4%与96.2%的准确率;在NTU-RGB+D 120数据集的X-Sub与X-Setup基准上,分别达到了88.7%和90.0%的准确率,证明了该方法的有效性.此外,为进一步验证模型在真实场景下的人体行为识别性能,本文基于NTURGB+D数据集的视频样本开展了骨架行为识别实验,并在多人交互及关节噪声干扰条件下进行了额外测试.实验结果表明,即使在局部关节出现错乱分配的情况下,模型仍能实现准确识别,验证了所提方法的实用性与鲁棒性. 展开更多
关键词 行为识别 骨架序列 图卷积网络 多分支空间图卷积 多尺度时间卷积 时空特征 多流融合
在线阅读 下载PDF
时空域融合的骨架动作识别与交互研究 被引量：9
6
作者 钟秋波 郑彩明 朴松昊 《智能系统学报》 CSCD 北大核心 2020年第3期601-608,共8页
在人体骨架结构动作识别方法中,很多研究工作在提取骨架结构上的空间信息和运动信息后进行融合,没有对具有复杂时空关系的人体动作进行高效表达。本文提出了基于姿态运动时空域融合的图卷积网络模型(PM-STFGCN)。对于在时域上存在大量... 在人体骨架结构动作识别方法中,很多研究工作在提取骨架结构上的空间信息和运动信息后进行融合,没有对具有复杂时空关系的人体动作进行高效表达。本文提出了基于姿态运动时空域融合的图卷积网络模型(PM-STFGCN)。对于在时域上存在大量的干扰信息,定义了一种基于局部姿态运动的时域关注度模块(LPM-TAM),用于抑制时域上的干扰并学习运动姿态的表征。设计了基于姿态运动的时空域融合模块(PMSTF),融合时域运动和空域姿态特征并进行自适应特征增强。通过实验验证,本文提出的方法是有效性的,与其他方法相比,在识别效果上具有很好的竞争力。设计的人体动作交互系统,验证了在实时性和准确率上优于语音交互系统。 展开更多
关键词 动作识别 时空关系 姿态运动 时空域融合 图卷积神经网络 时域关注度 自适应特征增强 人体动作交互
在线阅读 下载PDF
基于三维图卷积与注意力增强的行为识别模型 被引量：10
7
作者 曹毅 刘晨 +2 位作者 盛永健 黄子龙 邓小龙 《电子与信息学报》 EI CSCD 北大核心 2021年第7期2071-2078,共8页
针对当前行为识别方法无法有效提取非欧式3维骨架序列的时空信息与缺乏针对特定关节关注的问题,该文提出了一种基于3维图卷积与注意力增强的行为识别模型。首先,介绍了3维卷积与图卷积的具体工作原理;其次,基于图卷积中可处理变长邻居... 针对当前行为识别方法无法有效提取非欧式3维骨架序列的时空信息与缺乏针对特定关节关注的问题,该文提出了一种基于3维图卷积与注意力增强的行为识别模型。首先,介绍了3维卷积与图卷积的具体工作原理;其次,基于图卷积中可处理变长邻居节点的图卷积核,引入3维卷积的3维采样空间将2维图卷积核改进为具有3维采样空间的3维图卷积核,提出一种3维图卷积方法。针对3维采样空间内的邻居节点,通过3维图卷积核,实现了对骨架序列中时空信息的有效提取;然后,为增强对于特定关节的关注,聚焦重要的动作信息,设计了一种注意力增强结构;再者,结合3维图卷积方法与注意力增强结构,构建了基于3维图卷积与注意力增强的行为识别模型;最后,基于NTU-RGBD和MSR Action 3D骨架动作数据集开展了骨架行为识别的研究。研究结果进一步验证了基于3维图卷积与注意力增强的行为识别模型针对时空信息的有效提取能力及识别准确率。 展开更多
关键词 行为识别 3维图卷积 注意力增强 时空信息
在线阅读 下载PDF
双分支时空关键点特征增强人体姿态迁移网络 被引量：2
8
作者 冉启材 王亮军 +1 位作者 方昱春 倪兰 《中国科技论文》 CAS 北大核心 2023年第3期252-258,共7页
为了充分利用动作序列之间的先验信息以提升姿态迁移模型的性能,提出了一个基于时空图卷积的双流关键点特征增强模块,即双分支时空图姿态迁移模块(dual-branch spatial temporal graph pose transfer block,DSTG-PTB)。DSTG-PTB从高帧... 为了充分利用动作序列之间的先验信息以提升姿态迁移模型的性能,提出了一个基于时空图卷积的双流关键点特征增强模块,即双分支时空图姿态迁移模块(dual-branch spatial temporal graph pose transfer block,DSTG-PTB)。DSTG-PTB从高帧率和低帧率2个不同的分支进行特征提取。输入的关键点数据首先经过位置嵌入和速度嵌入,然后构建人体骨骼关键点的时空图,并利用时空图卷积网络挖掘动作关键点之间的关联特征,最后将2个分支的特征进行融合并嵌入现有的姿态迁移模型中。对4个序列动作数据集进行了全面的定性和定量实验分析,结果表明,所提DSTG-PTB可以有效提升姿态迁移网络的性能,生成更符合用户审美的序列图像。 展开更多
关键词 时空图卷积 姿态迁移 特征增强 图像生成
在线阅读 下载PDF
基于增强图注意力网络的高光谱影像分类方法 被引量：1
9
作者 马东岭 吴鼎辉 +2 位作者 陈家阁 姚国标 毛力波 《山东建筑大学学报》 2023年第2期97-104,共8页
高光谱遥感影像中隐含了不同地物的光谱特征,高光谱地物分类成为了遥感领域的一个研究热点。高光谱数据存在维度灾难以及训练样本标签过少等问题,进而影响了其分类精度。针对此问题,文章提出一种空-谱特征融合的增强图注意力网络高光谱... 高光谱遥感影像中隐含了不同地物的光谱特征,高光谱地物分类成为了遥感领域的一个研究热点。高光谱数据存在维度灾难以及训练样本标签过少等问题,进而影响了其分类精度。针对此问题,文章提出一种空-谱特征融合的增强图注意力网络高光谱影像分类方法,即从高光谱数据中获得初始的空-谱特征作为图的节点属性,并以节点的相邻关系构建图结构;将空-谱特征初步融合的高光谱图数据作为输入,并通过增强图注意力来提取节点的空-谱特征;以深度融合的空-谱特征来实现精准的高光谱地物分类。经在龙口和汉川数据集上的实验测试结果表明:这一方法能够有效提取深度融合的空-谱特征,总体分类精度分别达到99.62%和95.45%,实现了高光谱地物的精准分类。 展开更多
关键词 空-谱特征 增强图注意力 图卷积 高光谱分类
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