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16,228篇文章
< 1 2 … 250 >
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CNN-Transformer架构的电磁传播损耗预测算法
1
作者 万勇 李骏杰 +1 位作者 孙伟峰 戴永寿 《现代电子技术》 北大核心 2026年第6期43-48,共6页
为了解决传统经验传播损耗模型预测精度不足的问题,提出一种基于CNN-Transformer架构的电磁传播损耗预测算法,通过构建回归模型进行精准的传播损耗预测。通过斯皮尔曼系数法提取有效特征,利用CNN提取与传播损耗预测高度相关的浅层特征,... 为了解决传统经验传播损耗模型预测精度不足的问题,提出一种基于CNN-Transformer架构的电磁传播损耗预测算法,通过构建回归模型进行精准的传播损耗预测。通过斯皮尔曼系数法提取有效特征,利用CNN提取与传播损耗预测高度相关的浅层特征,将从卫星图像中获取的传播路径上地物特征序列进行位置编码,增强对传播路径中不同地物特征顺序对传播损耗影响的理解。最后将CNN提取的浅层特征与位置编码后的地物特征输入到Transformer模型,通过多头自注意力机制捕捉特征间的全局关联性,从而有效校正传播损耗的预测结果。实验结果表明,所提出的CNN-Transformer方法显著降低了传播损耗预测的均方根误差(RMSE),达到了3.3745 dB,同时保持了0.8956的较高确定性系数(R^(2))。所提的电磁传播损耗预测算法为无线通信传播特性研究领域提供了参考,具有一定的应用价值。 展开更多
关键词 电磁传播 损耗预测 transformer CNN 斯皮尔曼系数法 地物类型 位置编码
在线阅读 下载PDF
基于BSimilar优化PTransformer的光伏功率短期预测
2
作者 张文广 蔡浩 +1 位作者 刘科 孙盼荣 《动力工程学报》 北大核心 2026年第1期77-84,102,共9页
为提高光伏功率短期预测的精度,提出了考虑光伏设备性能退化因素的相似日算法优化的分时段多通道独立光伏功率短期预测方法。首先,在PTransformer模型中用分时段与通道独立的方法来处理光伏输入数据,以降低空间复杂度及提高长时间数据... 为提高光伏功率短期预测的精度,提出了考虑光伏设备性能退化因素的相似日算法优化的分时段多通道独立光伏功率短期预测方法。首先,在PTransformer模型中用分时段与通道独立的方法来处理光伏输入数据,以降低空间复杂度及提高长时间数据序列的关注度。其次,运用Transformer的编码器模型,通过自身注意力机制捕捉光伏序列特征之间的依赖关系,进行光伏功率的短期预测。最后,运用夹角余弦距离计算相似度并考虑光伏设备性能退化因素确定相似日,利用其功率数据优化PTransformer模型,以改善功率数据的滞后性。结果表明:相比典型的光伏功率短期预测方法,所提方法训练速度更快,预测精准度更高,并且对复杂天气状况下的光伏功率也有较好的预测结果。 展开更多
关键词 光伏功率 短期预测 性能退化 贝叶斯分析 transformer 相似日
在线阅读 下载PDF
Transformer架构驱动下的综采工作面矿压时序特征智能预测
3
作者 杜锋 陈博 +7 位作者 王文强 浦海 杜雪明 李国栋 乔瑞 李鑫磊 徐杰 曹煜 《煤田地质与勘探》 北大核心 2026年第2期1-13,共13页
【背景】矿压预测是顶板灾害预警和管理的重要手段,是智能化矿井安全生产的前提和基础。开采过程中综采工作面环境复杂多变,导致基于电液控制系统采集的支架压力数据分布差异较大,预测困难。【方法】基于Transformer的矿压预测模型,使... 【背景】矿压预测是顶板灾害预警和管理的重要手段,是智能化矿井安全生产的前提和基础。开采过程中综采工作面环境复杂多变,导致基于电液控制系统采集的支架压力数据分布差异较大,预测困难。【方法】基于Transformer的矿压预测模型,使用线性插值填补缺失的矿压值,并使用滑动窗口算法调整训练时的矿压数据结构;针对矿压数据的时序特性,构建融合时序特征的输入序列,利用多头注意力(multi-head-attention)机制动态计算权重,根据数据本身自适应地聚焦关键时间步,从而有效捕捉复杂的非线性时序依赖,显著提升特征表征与预测能力,最后使用迁移学习方法,完成对上、中、下工作面支架工作阻力预测,并搭建基于矿压大数据的智能分析及预测平台。【结果和结论】使用多头注意力机制代替神经网络捕捉全局矿压数据特征,比循环神经网络(recurrent neural network,RNN)和长短期记忆网络(long short-term memory,LSTM)具有更强长序列依赖能力和特征学习能力,能有效降低模型损失,更加适用于预测矿压,Transformer模型在测试集上的均方误差和平均绝对误差损失精度分别达到0.34%和2.57%。Transformer模型也具有较强的泛化能力,使用迁移学习方法微调后,能够有效降低模型损失,在迁移同工作面其他支架时具有更好的泛化效果,Transformer预测模型进一步验证在矿压预测问题的适用性和可行性。平台可视化显示系统可精准分析预测前后的来压次数、推进距离、来压判据和工作面矿压云图等关键参数,为顶板灾害预警乃至其他灾害预警提供新思路,也为矿井安全高效开采与智能化建设奠定了坚实基础。 展开更多
关键词 综采工作面 深度学习 transformer模型 时间序列 矿压显现 矿压预测
在线阅读 下载PDF
基于长短期记忆网络-Transformer模型参数优化的锂离子电池剩余使用寿命预测 被引量：1
4
作者 高建树 郝世宇 党一诺 《汽车工程师》 2026年第1期32-39,共8页
为提高锂离子电池剩余使用寿命(RUL)预测的准确性,提出了一种基于长短期记忆(LSTM)网络-Transformer模型参数优化的RUL预测方法,采用网格搜索法选取模型的超参数,利用LSTM网络提取锂离子电池时间序列中的长短期依赖关系,使用Transforme... 为提高锂离子电池剩余使用寿命(RUL)预测的准确性,提出了一种基于长短期记忆(LSTM)网络-Transformer模型参数优化的RUL预测方法,采用网格搜索法选取模型的超参数,利用LSTM网络提取锂离子电池时间序列中的长短期依赖关系,使用Transformer的自注意力机制处理全局信息并对超参数进行优化,通过全连接层进行最终的寿命预测。基于美国国家航空航天局(NASA)数据集和先进生命周期工程中心(CALCE)数据集的试验验证结果表明,模型在更短的序列长度、更少的隐藏层数量和训练次数等条件下,在多种评价指标上均优于LSTM网络模型、Transformer模型及其他神经网络模型,具有更高的预测精度和鲁棒性。最后,通过不同电池的对比试验进一步验证了模型在不同电池数据上的泛化能力。 展开更多
关键词 锂离子电池 剩余使用寿命预测 参数优化 长短期记忆神经网络 transformer 混合模型
在线阅读 下载PDF
一种基于时域融合Transformer的4D航迹预测方法
5
作者 孔建国 马珂昕 +2 位作者 梁海军 张向伟 常瀚文 《电讯技术》 北大核心 2026年第1期21-29,共9页
针对传统4D航迹预测方法在数据单一和特征选择上的局限,提出了一种基于时域融合Transformer(Temporal Fusion Transformer,TFT)模型的4D航迹预测方法。引入下降率、时序分量等多元特征,并将数据按是否随时间变化及数值属性进行分类,以... 针对传统4D航迹预测方法在数据单一和特征选择上的局限,提出了一种基于时域融合Transformer(Temporal Fusion Transformer,TFT)模型的4D航迹预测方法。引入下降率、时序分量等多元特征,并将数据按是否随时间变化及数值属性进行分类,以体现飞行过程中不同阶段的差异;采用TFT模型有效捕捉各特征之间的隐式相关性,从而提高了预测精度;同时,结合分位数回归实现不确定性量化,提供了具有置信区间的航迹预测结果。实验表明,所提方法在真实数据上优于传统模型:与CNNLSTM模型和LSTM模型相比,平均距离误差分别减少了22.7%和50.9%,纵向、横向和垂直误差分别为305.01 m、177.91 m和25.23 m,验证了模型在解决航迹预测问题上的有效性,能够为管制精细化调控提供有效支持。 展开更多
关键词 空中交通管制 4D航迹预测 自动相关监视系统数据 时域融合transformer 时间序列预测
在线阅读 下载PDF
自适应Transformer-LSTM的滚动轴承故障预测方法研究
6
作者 董辛旻 职帅轩 崔富源 《重庆理工大学学报(自然科学)》 北大核心 2026年第2期96-104,共9页
针对滚动轴承故障预测中,模型预测精度低、参数难以确定等问题,提出一种自适应Transformer编码器与长短期记忆神经网络(long short-term memory, LSTM)的滚动轴承故障预测方法。提取轴承全周期振动信号24维时频特征,并基于信息熵、鲁棒... 针对滚动轴承故障预测中,模型预测精度低、参数难以确定等问题,提出一种自适应Transformer编码器与长短期记忆神经网络(long short-term memory, LSTM)的滚动轴承故障预测方法。提取轴承全周期振动信号24维时频特征,并基于信息熵、鲁棒性和相关性构建综合指标对特征进行筛选。采用核主元分析将优选特征进行融合,构建能够反应轴承退化状态的退化指标。综合时间序列全局特性与长短期特性,构建Transformer编码器与LSTM结合的故障预测模型,并引入极光优化算法(polar lights optimization, PLO)进行参数自适应寻优,应用XJTU-SY与IMS滚动轴承数据集进行方法分析验证。结果表明:所提模型在轴承故障预测中表现出良好效果,相较于经典的时域卷积网络(temporal convolutional network, TCN)、双向门控循环神经网络(gate recurrent unit, GRU)等,预测精度有较大提升。 展开更多
关键词 滚动轴承 故障预测 数据驱动 transformer 优化算法
在线阅读 下载PDF
基于近红外光谱与Transformer的烟叶感官指标预测方法
7
作者 张云伟 张健涛 +3 位作者 张海 周渭皓 李斌 陶成金 《农业机械学报》 北大核心 2026年第1期386-396,共11页
为克服传统卷烟配方设计与维护过程中存在的主观性强、过度依赖人工经验及感官评吸等技术瓶颈,利用“近红外光谱-化学成分-感官指标”的间接关联,提出了一种基于近红外光谱与Transformer架构的端到端烟叶感官质量指标预测方法。首先采用... 为克服传统卷烟配方设计与维护过程中存在的主观性强、过度依赖人工经验及感官评吸等技术瓶颈,利用“近红外光谱-化学成分-感官指标”的间接关联,提出了一种基于近红外光谱与Transformer架构的端到端烟叶感官质量指标预测方法。首先采用Savitzky-Golay卷积平滑法(SG)、一阶导数法(D1)、多元散射校正(MSC)3种光谱预处理技术有效消除基线漂移和散射干扰;进而设计了一种面向光谱数据特征的Transformer预测模型,实现了烟叶感官质量三维评价体系(风格特征:清香、甜香、焦香;烟气特征:浓度、劲头;质量特征:香气质、香气量、杂气、刺激、余味)的精准预测,并采用了SHAP方法对模型进行分析,增强了模型的可解释性。结果表明,模型对各感官指标测试集预测的平均绝对误差均不高于0.56,具有较好可用性;针对不同感官指标,模型表现出对不同光谱特征波段的捕捉,有效挖掘了光谱特征的协同作用机制,具有较好可解释性。在此基础上,进一步结合多维相似度分析设计了一种辅助烟叶替代方法,可为烟叶替代与配方优化提供量化决策支持。 展开更多
关键词 烟叶感官指标 近红外光谱 transformer 预测模型 烟叶替代
在线阅读 下载PDF
融合群分解与Transformer-KAN的短期风速预测
8
作者 史加荣 张思怡 《南京信息工程大学学报》 北大核心 2026年第1期60-68,共9页
针对风速固有的不稳定性,通过融合群分解(Swarm Decomposition,SWD)、Transformer和Kolmogorov-Arnold网络(KAN),提出一种SWD-Transformer-KAN预测模型.首先,利用SWD对原始风速数据进行分解,以提取关键特征.其次,针对每个被分解的子序列... 针对风速固有的不稳定性,通过融合群分解(Swarm Decomposition,SWD)、Transformer和Kolmogorov-Arnold网络(KAN),提出一种SWD-Transformer-KAN预测模型.首先,利用SWD对原始风速数据进行分解,以提取关键特征.其次,针对每个被分解的子序列,建立Transformer-KAN模型,所建模型充分利用了Transformer的时序处理能力和KAN的非线性逼近能力.最后,对所有子序列的预测结果进行叠加,得到最终的风速预测值.为了验证所提出模型的有效性,将其与其他模型进行实验对比,结果表明,SWD-Transformer-KAN模型具有最优的预测性能,其决定系数(R^(2))高达99.91%. 展开更多
关键词 风速预测 群分解 transformer Kolmogorov-Arnold网络
在线阅读 下载PDF
基于Transformer多尺度融合网络的暖通空调能耗预测模型
9
作者 于水 韩府宏 +1 位作者 罗宇晨 孙圣坤 《太阳能学报》 北大核心 2026年第2期300-309,共10页
提出一种基于Transformer的多尺度融合网络模型,用于预测建筑暖通空调的能耗。通过引入多尺度金字塔模块与时间卷积网络结构,该模型能够有效捕捉时序特征的局部与整体信息,从而提高预测的准确性。实验结果表明,该模型在预测性能上优于... 提出一种基于Transformer的多尺度融合网络模型,用于预测建筑暖通空调的能耗。通过引入多尺度金字塔模块与时间卷积网络结构,该模型能够有效捕捉时序特征的局部与整体信息,从而提高预测的准确性。实验结果表明,该模型在预测性能上优于传统的单一模型,均方根误差(RMSE)与平均绝对误差(MAE)均显著降低,决定系数(R2)达到0.9826。该模型可为建筑能耗管理提供一种高效且准确的预测工具,有助于实现更高效的建筑能源管理与节能策略。 展开更多
关键词 HVAC 特征提取 深度学习 负荷预测 多尺度特征 transformer模型
原文传递
基于Transformer模型堤坝渗漏入口精准识别方法研究
10
作者 梁越 赵硕 +4 位作者 喻金桃 许彬 张斌 龚胜勇 舒云林 《岩土工程学报》 北大核心 2026年第1期187-195,共9页
渗漏是堤坝工程面临的主要安全隐患,渗漏入口精确识别与定位对降低堤坝风险至关重要。通过堤坝渗漏入口示踪剂分布及其运移特征模拟数据,训练学习Transformer模型以确定最优参数条件并分析该条件下该模型的预测效果,进一步通过室内模型... 渗漏是堤坝工程面临的主要安全隐患,渗漏入口精确识别与定位对降低堤坝风险至关重要。通过堤坝渗漏入口示踪剂分布及其运移特征模拟数据,训练学习Transformer模型以确定最优参数条件并分析该条件下该模型的预测效果,进一步通过室内模型试验验证该模型的可靠性。研究表明:①当迭代次数达600次时,模型预测的流速最大值相对误差最小,且最大流速值坐标与真实渗漏入口坐标最为接近,预测效果最佳;在此条件下,当数据采集时长为50 s时,模型预测的流速最大值相对偏差最小,预测效果最优。②在最佳迭代次数和数据采集时长条件下,模型预测精度超过95%,渗漏入口大小和渗漏流量的预测值与真实值差异极小,且流速和位置预测相对误差均较低,其中位置预测相对误差低于5%。③将电导率试验采集数据转换为示踪剂浓度并输入至该模型进行流速分布预测,可知该模型能准确定位渗漏入口位置,且流速和渗漏入口坐标的预测平均相对误差均低于10%,进而验证了该模型在渗漏入口定位中的有效性与准确性。相关研究成果可为堤坝渗漏入口精确识别奠定理论基础和提供技术支撑。 展开更多
关键词 堤坝 渗漏入口 transformer模型 精准识别 室内模型试验
原文传递
结合双路径骨干与Transformer增强的道路场景检测方法
11
作者 邱云飞 姚曦彤 辛浩 《计算机工程与应用》 北大核心 2026年第2期302-312,共11页
道路场景检测要求模型能够做出快速和精确的判断,然而在实际场景中由于目标尺度间的差异、误检及漏检情况,导致小模型不太准确,而大模型速度较慢。针对上述问题,提出一种结合双路径骨干与Transformer增强的道路场景检测方法(Dynamic-DAN... 道路场景检测要求模型能够做出快速和精确的判断,然而在实际场景中由于目标尺度间的差异、误检及漏检情况,导致小模型不太准确,而大模型速度较慢。针对上述问题,提出一种结合双路径骨干与Transformer增强的道路场景检测方法(Dynamic-DANet)。提出复合双路径骨干网络,通过级联高分辨率与低分辨率骨干,促进骨干网络语义特征与空间细节的交互。提出邻层特征交互网络,通过逐层地对相邻层特征进行拼接,并引入加权系数自适应地捕获不同层级特征,利用Transformer增强的自注意机制促进全局上下文信息的融合。应用MPDIoU边界回归损失函数,进一步简化模型计算量,加速模型收敛。以复合双路径骨干网络为基础,基于多尺度特征设计分类路由,实现模型动态决策。在KITTI和BDD100K数据集上验证所提方法的有效性,平均检测精度值(mAP)分别达到了88.7%和40.2%,检测速度(FPS)分别实现了每秒178帧和每秒166帧。相较于主流的YOLOv7-tiny、YOLOv8和YOLOv10等算法在评价指标数值和可视化效果上均有明显改善。实验结果表明,所提方法提升了复杂道路场景下的检测性能,并且实现了将两个静态检测器融合为一个动态检测器,以更优的计算消耗实现更佳的检测效果。 展开更多
关键词 道路场景检测 复合骨干网络 视觉transformer 上下文信息 动态推理 MPDIoU边界损失
在线阅读 下载PDF
基于PyConv-Transformer的锂离子电池剩余寿命预测
12
作者 吴忠强 吴江浩 《计量学报》 北大核心 2026年第1期102-110,共9页
锂离子电池的剩余使用寿命(RUL)是电池健康管理的重要参数。电池在实际使用过程中会出现容量再生现象,而且在电池数据采集过程中,通常难以避免噪声干扰,影响数据质量。针对以上问题提出一种基于Transformer结合金字塔卷积网络的电池RUL... 锂离子电池的剩余使用寿命(RUL)是电池健康管理的重要参数。电池在实际使用过程中会出现容量再生现象,而且在电池数据采集过程中,通常难以避免噪声干扰,影响数据质量。针对以上问题提出一种基于Transformer结合金字塔卷积网络的电池RUL预测模型,选取容量作为健康因子,利用金字塔卷积网络中不同大小的卷积核提取容量序列的特征信息,利用Transformer中的多头注意力机制进一步学习序列的时序特征。采用加权Huber损失函数,提高模型的鲁棒性;采用Dropout技术,提高模型的泛化能力,防止训练过程中出现过拟合。将所提预测模型在NASA和CALCE数据集上实验,并与其他模型比较。实验结果表明,所提模型的预测精度更高,在NASA和CALCE数据集上的相对误差分别为0.008 6、0.019 3;平均绝对误差分别为0.011 5、0.012 6;均方根误差分别为0.017 3、0.018 9。 展开更多
关键词 电学计量 剩余使用寿命 锂电池容量 金字塔卷积网络 transformer 加权Huber损失函数 DROPOUT
在线阅读 下载PDF
SPTJNet:用于图像去除雨条纹的稀疏Transformer和联合注意力轻量化网络
13
作者 尹震宇 石卓 《小型微型计算机系统》 北大核心 2026年第1期121-132,共12页
下雨天气会严重影响图像的清晰度,导致图像视觉质量下降.图像去雨技术能有效去除雨条纹的干扰,提升图像的清晰度和细节表现.然而,现有方法大多依赖卷积或单一注意力机制,限制了其在捕捉全局感受野和处理复杂雨条纹方面的能力,导致图像... 下雨天气会严重影响图像的清晰度,导致图像视觉质量下降.图像去雨技术能有效去除雨条纹的干扰,提升图像的清晰度和细节表现.然而,现有方法大多依赖卷积或单一注意力机制,限制了其在捕捉全局感受野和处理复杂雨条纹方面的能力,导致图像模糊和细节丢失.此外,单一注意力机制增加了模型的复杂度和计算成本,限制了实际应用效率.为此,本文提出了一种基于稀疏Transformer和联合注意力的轻量化图像去雨网络(SParse Transformer and Joint attention Network,SPTJNet).该网络设计了稀疏Transformer模块(SParse Transformer module,SPT),在提升性能的同时减少计算冗余,提高推理效率.并设计了联合注意力模块(Joint Attention Module,JAM),由通道注意力的压缩激励单元(Squeeze-and-Excitation,SE)和高效局部注意力单元(Efficient Local Attention Unit,ELAU)组成,能增强对复杂场景的处理能力.实验表明,SPTJNet在去雨任务中表现出色. 展开更多
关键词 图像去雨 稀疏transformer 联合注意力 通道注意力 高效局部注意力
在线阅读 下载PDF
FDGformer:基于频域引导Transformer网络的红外小目标检测
14
作者 杜妮妮 叶文亚 +3 位作者 刘烨 卫莎莎 王建超 徐生 《红外技术》 北大核心 2026年第2期204-211,共8页
红外小目标检测旨在从背景复杂的红外图像中检测和识别出尺寸较小的目标,在军事、安防以及无人机等领域有着广泛的应用。该任务的挑战在于红外图像通常分辨率较低、目标对比度低以及纹理模糊,导致小目标很容易被包含噪声和杂波的背景中... 红外小目标检测旨在从背景复杂的红外图像中检测和识别出尺寸较小的目标,在军事、安防以及无人机等领域有着广泛的应用。该任务的挑战在于红外图像通常分辨率较低、目标对比度低以及纹理模糊,导致小目标很容易被包含噪声和杂波的背景中所淹没。因此,如何准确地检测红外小目标的外形信息仍是目前学术界探索的热点问题。为解决上述问题,提出了一种基于频域信息引导Transformer(FDGformer)网络的红外小目标检测算法。首先采用了流行的U-net架构实现目标掩码的生成,在此基础上基于对红外图像不同层级频率域信息的探索,构建了一种基于Transformer结构的频率信息提取(FIE)模块,能够基于频域计算特征的自注意力,从而对输入特征中的特定频率成分进行增强;接着,将得到的频域增强特征作为引导设计了一种频率信息引导的空间Transformer结构,能够同时整合红外特征的全局依赖关系以及频域显著信息,从而更加准确的识别小目标的外形特征。在公开数据集上的实验结果表明,该算法相比其他先进小目标检测算法有着更高的检测精度,同时参数量更少,有效推动检测任务的实际应用。 展开更多
关键词 红外图像 弱小目标检测 transformer 图像分割
在线阅读 下载PDF
多尺度Transformer结合残差卷积的管道微泄漏孔径识别
15
作者 王新颖 田豪杰 +2 位作者 蒋婷婷 江志伟 陈俨 《安全与环境学报》 北大核心 2026年第3期1025-1035,共11页
为了解决传统机器学习与卷积神经网络(Convolutional Neural Networks,CNN)在输气管道微泄漏孔径识别中精度低和性能不佳的问题,提出了一种多尺度Transformer与残差卷积结合的模型(Multi-Scale Transformer and Residual convolution co... 为了解决传统机器学习与卷积神经网络(Convolutional Neural Networks,CNN)在输气管道微泄漏孔径识别中精度低和性能不佳的问题,提出了一种多尺度Transformer与残差卷积结合的模型(Multi-Scale Transformer and Residual convolution combined model,MS Transformer-Residual)来预测微泄漏孔径。该模型通过模拟燃气管道系统采集不同孔径泄漏下的声发射信号,利用残差卷积模块提取局部时序特征,并采用多尺度Transformer自注意力机制建模全局信号依赖关系,使用五折交叉验证及独立测试集评估模型性能,并与三种消融基准模型进行对比。结果表明:MS Transformer-Residual模型的微泄漏孔径识别准确率达99.96%,与CNN、CNN-Transformer、残差CNN-Transformer模型相比,模型的最高准确率至少提升4.53百分点。研究证实多尺度特征融合策略显著提升了毫米级泄漏孔径的辨识精度,为工业管道健康监测提供了新的解决方案。 展开更多
关键词 安全工程 多尺度学习 transformer 微泄漏检测 残差卷积神经网络
原文传递
基于跨尺度Transformer全局-局部交互的遥感图像连续超分辨率
16
作者 熊承义 王薇 高志荣 《中南民族大学学报(自然科学版)》 2026年第3期353-363,共11页
遥感图像连续超分辨率技术对多尺度地物识别、变化检测与语义分析等任务至关重要.然而,现有方法在复杂背景干扰和大尺度跨度场景下,难以兼顾局部细节重建与全局语义一致性.为此,提出了一种跨尺度Transformer全局-局部交互的遥感图像连... 遥感图像连续超分辨率技术对多尺度地物识别、变化检测与语义分析等任务至关重要.然而,现有方法在复杂背景干扰和大尺度跨度场景下,难以兼顾局部细节重建与全局语义一致性.为此,提出了一种跨尺度Transformer全局-局部交互的遥感图像连续超分辨率方法.设计了结合上下文注意力机制(CAM)的多尺度参数生成器,使之选择性地增强不同尺度下的局部高频特征;构建了一种跨尺度Transformer交互模块,利用自注意力机制实现全局语义建模与局部特征融合;提出双分支全局-局部解析器,联合优化坐标相关的位置编码与上下文依赖的语义解码,提升不同缩放倍数下的重建精度.实验结果表明:所提出方法相比先进的连续超分辨率方法可获得近0.17dB的PSNR增益. 展开更多
关键词 连续超分辨率 遥感图像 自注意力机制 transformer网络 全局-局部交互
在线阅读 下载PDF
多尺度非对称注意力遥感去雾Transformer
17
作者 王旭阳 梁宇航 《广西师范大学学报(自然科学版)》 北大核心 2026年第2期77-89,共13页
雾霾干扰会导致遥感图像结构模糊、细节丢失,严重影响下游视觉任务的准确性。为此,本文提出一种异构增强的遥感图像去雾网络,从空间结构建模与频率信息整合2个层面提升特征恢复能力。具体而言,设计多尺度非对称注意力Transformer模块,... 雾霾干扰会导致遥感图像结构模糊、细节丢失,严重影响下游视觉任务的准确性。为此,本文提出一种异构增强的遥感图像去雾网络,从空间结构建模与频率信息整合2个层面提升特征恢复能力。具体而言,设计多尺度非对称注意力Transformer模块,引入方向感知机制以增强模糊边缘与纹理细节的建模;同时构建基于小波变换高低频自适应增强模块,使用Haar小波分解分离频域信息,分别通过高频与低频子模块强化边缘轮廓与结构表达。2个模块分别嵌入特征提取与融合阶段,协同缓解传统方法方向性建模不足与高频特征易丢失等问题。在保持低计算开销的前提下,本文方法在HAZE1K与RICE数据集上的平均PSNR/SSIM性能分别达到24.9936/0.9099与33.1802/0.8942,在细节恢复方面表现出显著优势。 展开更多
关键词 遥感图像去雾 transformer 非对称注意力 高低频特征增强 小波变换 方向感知建模 深度学习
在线阅读 下载PDF
基于Transformer的胸部CT图像肺癌分割系统的设计
18
作者 马凤英 宗彦辰 +1 位作者 王智 付承彩 《齐鲁工业大学学报》 2026年第1期18-25,共8页
随着医学影像技术的不断发展,胸部CT图像在肺部疾病的早期诊断和治疗中扮演着至关重要的角色,同时辅助识别系统的设计可以给医护人员提供参考,降低因人为因素而引发错误的概率。针对胸部CT图像肺癌任务中多通道特征重要性差异问题,提出... 随着医学影像技术的不断发展,胸部CT图像在肺部疾病的早期诊断和治疗中扮演着至关重要的角色,同时辅助识别系统的设计可以给医护人员提供参考,降低因人为因素而引发错误的概率。针对胸部CT图像肺癌任务中多通道特征重要性差异问题,提出了TransUnet-SE分割网络,此网络是基于残差感知的Transformer的U型肺癌区域分割网络进行改进,将SENet注意力机制嵌入解码器上采样过程,通过“压缩、激励、尺度调整”三步流程精准缓解多通道特征差异。为验证模型的泛化性能,首先在公共医学数据集Synapse多脏器CT数据集上进行了实验验证,然后在Lung-PET-CT-Dx数据集上选取肺癌患者的CT图像进行实验,评估所提模型与先进模型的性能并进行了比较。实验结果表明,Dice相似系数达到了86.05%,并基于PyQt5设计胸部CT图像肺癌辅助分割系统调用TransUnet-SE模型权重实现分割功能,为临床诊断提供支持。 展开更多
关键词 胸部CT图像 transformer 肺癌分割 系统设计 U型网络
在线阅读 下载PDF
基于可学习小波变换和Transformer融合的调制识别方法
19
作者 田明浩 杨盼云 姚沐汐 《通信技术》 2026年第1期31-37,共7页
针对复杂电磁环境下无线电信号调制识别精度低的问题,提出了一种基于可学习小波变换和Transformer融合的调制识别方法。首先,通过可学习小波变换模块将信号进行奇偶分解,利用强化的预测、更新算子和注意力机制自适应提取多分辨率特征,... 针对复杂电磁环境下无线电信号调制识别精度低的问题,提出了一种基于可学习小波变换和Transformer融合的调制识别方法。首先,通过可学习小波变换模块将信号进行奇偶分解,利用强化的预测、更新算子和注意力机制自适应提取多分辨率特征,同时引入正则化约束确保小波分解的稳定性;其次,构建双分支特征增强架构,通过挤压和激励(SE)注意力对小波特征进行自适应加权,利用Transformer捕获全局依赖关系;最后,将两个分支输出的特征在特征维度拼接后输入到全连接分类器中,以进行调制类型识别。实验结果表明,所提出的模型具有优异的调制识别精度。相较于其他深度学习方法,所提方法的整体识别精度提升了3%~10%,在不同信噪比的条件下均具有更强的特征学习能力和更好的鲁棒性。 展开更多
关键词 调制识别 深度学习 小波变换 transformer
在线阅读 下载PDF
结合Transformer的扩散模型用于人脸美丽预测
20
作者 甘俊英 黎慧聪 +2 位作者 陈汉添 庄圳鑫 陈真 《机电工程技术》 2026年第3期74-79,共6页
模型过度拟合数据库中的噪声标签,导致人脸美丽预测任务中存在泛化能力较弱、预测准确率降低的问题。针对此问题,提出了一种结合Transformer的扩散模型用于训练过程中的标签去噪和重建。模型学习条件概率分布,以“分类器引导”方式控制... 模型过度拟合数据库中的噪声标签,导致人脸美丽预测任务中存在泛化能力较弱、预测准确率降低的问题。针对此问题,提出了一种结合Transformer的扩散模型用于训练过程中的标签去噪和重建。模型学习条件概率分布,以“分类器引导”方式控制生成过程,包含条件信息编码器和去噪网络。首先,迁移Swin Transformer的预训练权重,微调并获取初步预测,作为输出先验;其次,将先验知识作为扩散模型后向过程端点的均值,并调节每一个时间步的去噪转换;最后,提取人脸美丽特征,经扩散模型推理得到预测结果。基于3个人脸美丽数据库进行了实验验证,结果表明,所提模型优于基准扩散模型及人脸美丽预测方法。就准确率而言,所提模型在SCUT-FBP5500、LSAFBD、CelebA数据库上分别取得76.50%、72.65%、81.78%的准确率,分别比基准扩散模型提升了0.73%、1.76%、1.12%,比人脸美丽预测方法提升了1.00%、4.42%、0.37%,较好地解决了噪声标签的问题,提高了预测性能,可广泛应用于其他图像分类任务或相关领域。 展开更多
关键词 人脸美丽预测 扩散模型 transformer 条件信息编码器
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 … 250 下一页 到第 页
使用帮助 返回顶部