特征图

摘要： 为同时保证网络剪枝方法的准确率和稳定性,提出一种基于通道域自注意力的特征图剪枝方法。该方法采用主成分分析(principle component analysis,PCA)算法降低噪声干扰,引入通道域注意力为特征图自动分配不同权重,移除低权重通道的滤波器,并对网络进行重训练和精调,以减少网络精度损失。在公开数据集上对VGG-16网络模型展开的实验表明,当剪枝率为60%时,达到视觉几何组模型Top-5的准确率为89.23%;当剪枝率逐渐增加到80%时,仍保持73%准确率。相较于同类方法,本文提出的方法更能保证剪枝时模型的准确率和稳定性。

摘要： 在SSD(Single shot multibox detector)单阶段人脸检测模型的基础上,针对复杂局部遮挡下人脸检测精确性差的问题,提出了一种基于层级注意力增进网络的多尺寸遮挡人脸检测方法。首先,在SSD基础网络的多层初始特征图上,通过引入注意力增进机制提升人脸可见区域的响应值。然后为不同增强特征层设计不同尺寸的锚框,以提高对多尺寸遮挡人脸的分层识别效果。最后在训练时将注意力损失函数、分类损失函数和回归损失函数融合为多任务损失函数,共同优化网络参数。在WIDER FACE人脸数据集和MAFA遮挡人脸数据集上的实验表明,本文方法的检测精确性和时效性均优于目前主流遮挡人脸检测方法。

摘要： 对于舰船遥感目标检测中存在精度低、速度慢等问题,以YOLOV3为框架对YOLOV3网络进行改进,从而使其更适用于检测遥感舰船目标,为了使检测精度更高,在原本3个不同尺度的卷积特征图与深度残差网络中相应尺度的特征图进行融合前提下,增加了第4个尺度104×104,有效地学习样本的特征.实验结果表明:改进的YOLOV3网络能有效提高小尺度目标遥感舰船的检测精度,比原始YOLOV3算法的精度提高了12.1个百分点,整体性能优于原始的YOLOV3算法.

摘要： 针对当前安全帽检测准确性低和适应性差的问题,提出一种以YOLOv3网络为基础,进行相应改进的安全帽检测方法;为了保证安全帽检测的准确度和增大对图片中安全帽的关注度,采用注意力机制增强了从图片提取出的空间信息和语义信息,减少了图像细节的丢失,再使用可变卷积来适应人的姿态变化,增强了模型对目标的适应性,减少了一定量的训练样本,最后通过改变输出特征图的尺寸,融合浅层的网络特征,提升了人头等小目标的识别率;采用自制的HELMET数据集对方法进行训练与测试,并通过对比实验表明:方法相较于其他检测方法能够提取到更多的目标特征,达到更高的平均精度均值,同时在实际应用中适应性较好。

摘要： 笔石化石的分布为页岩地层的精细划分提供了重要依据。针对笔石种类多、种间特征差别小导致人工鉴定难度大的问题,提出一种跨层双线性融合改进EfficientNet-B5的笔石图像分类方法,跨层特征融合模块有效地增强了模型的特征提取能力。首先将图像输入EfficientNet-B5模型,依据不同层次特征图的特点,分别将EfficientNet-B5第2、第5、第7个移动翻转瓶颈卷积块输出的特征图选作低层、高层和全局特征信息;采用跨层双线性融合方法将多层次特征融合;最后将融合特征送入Softmax分类器,输出图像的预测标签。基于国内常见笔石,构建了51种笔石的图像数据集并进行实验,本文方法的分类精度达到94.03%,较其他图像分类方法具有一定优势。

摘要： 为了提高时序行为检测网络的分类精度和时序上的定位精度,本文提出了一种改进的区域3D卷积神经网络(Region Convolutional 3D Network,R-C3D).在时序候选子网中,通过逐层空间卷积把特征图的高宽由(H/16,W/16)变为(1,1),提高行为的分类精度,通过卷积-反卷积网络(Convolutional-De-Convolutional Networks,CDC)里反卷积的思想,使用时域反卷积网络增加特征图长度,提高时域上行为的定位精度.在THUMOS14数据集的实验结果表明:与R-C3D相比,本文提出的方法在长时序未分割视频上有较高的检测精度.

摘要： 针对现有的交通标志识别算法在识别率和识别速度等方面存在的不足,在空间不变性方面还可以进一步利用的问题,提出一种基于空间变换网络和注意力机制的交通标志识别算法.首先将交通标志图片经过数据增强,然后输入到空间变换网络中,使得图片具有空间不变性,经过卷积层提取特征和池化层降维,提取图片抽象语义信息进行分类,在模型中加入改进的注意力机制模块,在通道和空间两个维度对特征图施加注意力机制,实现交通标志的准确快速识别.最终实验结果表明,在公开的德国交通标志数据集上,在43个类别12630个测试集上达到99.80％的识别率,平均识别时间只需0.29ms.

摘要： 为弥补CornerNet中小目标语义信息弱的缺陷,提出隔级融合特征金字塔的方法,提高小目标平均准确率.对骨干网络后半部分融合后的4个特征图进行提取,将尺寸较小的特征图进行2次卷积,得到2个新的特征图;运用上下融合、隔级融合和旁路连接的思想,生成融合后的特征图并将其组成特征金字塔.将改进后的算法与当前主流CornerNet、Faster RCNN、RetinaNet算法在MS COCO数据集上进行比较,结果表明,改进后算法在对小目标进行检测时,小目标平均准确率有较大提高.隔级融合特征金字塔在CornerNet上能有效融合高低层特征图,使融合后的特征图有较强的语义信息,提高CornerNet网络的小目标平均准确率.

摘要： 针对仅基于单一传感器的目标检测算法存在检测精度不足及基于图像与激光雷达的多传感器融合算法检测速度较慢等问题,提出一种基于激光雷达与毫米波雷达融合的车辆目标检测算法,该算法充分利用激光雷达点云的深度信息和毫米波雷达输出确定目标的优势,采用量纲一化方法对点云做预处理并利用处理后的点云生成特征图,融合毫米波雷达数据生成感兴趣区域,设计了多任务分类回归网络实现车辆目标检测.在Nuscenes大型数据集上进行训练验证.结果表明:检测精度可达60.52％,每帧点云检测耗时为35 ms,本算法能满足智能驾驶车辆对车辆目标检测的准确性和实时性要求.

摘要： 针对现有交通标志识别方法存在的识别率低、识别时间长等缺点,文中在卷积神经网络的基础上提出了一种基于VGG16网络模型的改进卷积神经网络模型.对VGG16网络模型的卷积层数量、卷积核和池化层进行修改,增强网络模型的特征提取能力和精简性.通过随机旋转、伸缩、偏移和对比度调整等方法对实验数据集进行数据增强,并通过激活函数、混合批量训练和提前终止正则化方法提高网络模型的识别率.改进后的VGG16网络模型利用德国交通标志数据集中进行测试,结果显示采用该模型的识别率达到98.98％,单张交通标志识别时间只需要0.24 ms.与其他模型相比,该模型在识别率和识别时间方面均具有明显优势.

摘要： 合成孔径雷达(SAR)图像已广泛应用于舰船监视.近年来,深度学习方法开始逐渐应用于SAR图像舰船检测任务中,然而该类方法在处理尺寸较小的舰船时会产生较多漏警,并且对于包括水面和近岸的多场景SAR图像,它不能有效区分近岸复杂背景和舰船,从而产生大量虚警.本文提出了一种稠密连接端到端的多尺度神经网络,以解决SAR图像舰船检测的目标尺寸不一和多场景问题.在生成候选目标时,该方法不再使用一个单一的特征图,而是自顶向下将每一个特征图密集地连接起来,从每个融合后的特征图中生成候选目标.此外,本文提出了一种自适应分配样本权重的训练策略,以减少容易样本在损失函数中的权重,从而使训练过程更关注难例,以便减少虚警.公开数据集SSDD上的实验结果验证了该方法在多尺度、多场景SAR舰船检测中的优越性.

摘要： 本文记述采自中国贵州碧云洞的派模蛛科Pimoidae文蛛属Weintrauboa-新种：双刺文蛛Wemtrauboa bispinipes sp.nov.,并对该新种的识别特征、形态特征和特征图进行了详细描述。

摘要： 依据1962-1994年间长江口及华东沿海各测站的潮汐观测资料,挑选出3次台风和2次寒潮风暴潮典型个例,获得若干重要的分析结果,包括对不同两类风暴潮的相似性与差异性特征及其成因关系的比较等。根据浅水区潮汐特性,挑选出符合当地条件的有效分潮,组成一种新的潮高计算模式,从而确定一种新的潮汐分析方法,结果使其预报的精度和速度都大为提高。提出了一种专门绘制风暴潮最大增水沿岸分布特征图方法,并获得了令人满意的分析结果。

摘要： 在传统的神经网络中,每个输入的像素都会经过相同的运算处理.然而实际的人类视觉系统会将更多的注意力分配到更值得关注的区域上.此前提出过一种新的神经网络连接:Sal-Mask连接.这种连接模拟实现了人类视觉系统中选择视觉信息的特定场景的能力,并结合视觉显著度实现了对特征的选择,从而改善了人工神经网络的性能.然而在之前的实验中,只尝试了将Sal-Mask连接应用在第一层卷积连接学习到的特征上,在本文中,进一步尝试了将其应用到更深层的卷积连接得到的特征图上,并在Cifar-10数据库上进行了验证实验.实验表明,Sal-Mask连接在不同层次的特征上都可以使原神经网络的性能得到提高.

摘要： 脉诊是我国最早创用、至今一直沿用的最具有中医特色的独特的诊断方法,常被看作是中医临证的缩影,甚至为中医的代名词.在中医学中,脉诊则是诊断学的重要内容之一,也是中医临床技能的重要组成部分.中医将脉象视为生命的语言,而医生是这一生命语言的解读者.它是以医生手指触摸病人动脉搏动的情况,融入中医脉学的理念,了解病人内在变化的诊断方法.由于脉象在一定程度上能反映人体的各种生理和病理情况,是观察体内功能变化的一个重要窗口,因而脉诊对识别病症、判断病情、分辨病机和推断预后,都具有重要意义.临床脉诊时对某一脉象的认识是以医生指下的体会结合该医生对脉象概念的领会来加以鉴别与区分的,由于其概念本身较笼统,具体的判别标准又很模糊,内中还掺杂了医生的判别经验及指面感觉等很多主观因素,因此中医脉象在教学中困难较大,临床脉诊时分歧较多,使脉诊经验无法交流,成为阻碍中医诊断技术和理论发展的瓶颈.

摘要： 脉诊是我国最早创用、至今一直沿用的最具有中医特色的独特的诊断方法,常被看作是中医临证的缩影,甚至为中医的代名词.在中医学中,脉诊则是诊断学的重要内容之一,也是中医临床技能的重要组成部分.中医将脉象视为生命的语言,而医生是这一生命语言的解读者.它是以医生手指触摸病人动脉搏动的情况,融入中医脉学的理念,了解病人内在变化的诊断方法.由于脉象在一定程度上能反映人体的各种生理和病理情况,是观察体内功能变化的一个重要窗口,因而脉诊对识别病症、判断病情、分辨病机和推断预后,都具有重要意义.临床脉诊时对某一脉象的认识是以医生指下的体会结合该医生对脉象概念的领会来加以鉴别与区分的,由于其概念本身较笼统,具体的判别标准又很模糊,内中还掺杂了医生的判别经验及指面感觉等很多主观因素,因此中医脉象在教学中困难较大,临床脉诊时分歧较多,使脉诊经验无法交流,成为阻碍中医诊断技术和理论发展的瓶颈.

摘要： 脉诊是我国最早创用、至今一直沿用的最具有中医特色的独特的诊断方法,常被看作是中医临证的缩影,甚至为中医的代名词.在中医学中,脉诊则是诊断学的重要内容之一,也是中医临床技能的重要组成部分.中医将脉象视为生命的语言,而医生是这一生命语言的解读者.它是以医生手指触摸病人动脉搏动的情况,融入中医脉学的理念,了解病人内在变化的诊断方法.由于脉象在一定程度上能反映人体的各种生理和病理情况,是观察体内功能变化的一个重要窗口,因而脉诊对识别病症、判断病情、分辨病机和推断预后,都具有重要意义.临床脉诊时对某一脉象的认识是以医生指下的体会结合该医生对脉象概念的领会来加以鉴别与区分的,由于其概念本身较笼统,具体的判别标准又很模糊,内中还掺杂了医生的判别经验及指面感觉等很多主观因素,因此中医脉象在教学中困难较大,临床脉诊时分歧较多,使脉诊经验无法交流,成为阻碍中医诊断技术和理论发展的瓶颈.

摘要： 脉诊是我国最早创用、至今一直沿用的最具有中医特色的独特的诊断方法,常被看作是中医临证的缩影,甚至为中医的代名词.在中医学中,脉诊则是诊断学的重要内容之一,也是中医临床技能的重要组成部分.中医将脉象视为生命的语言,而医生是这一生命语言的解读者.它是以医生手指触摸病人动脉搏动的情况,融入中医脉学的理念,了解病人内在变化的诊断方法.由于脉象在一定程度上能反映人体的各种生理和病理情况,是观察体内功能变化的一个重要窗口,因而脉诊对识别病症、判断病情、分辨病机和推断预后,都具有重要意义.临床脉诊时对某一脉象的认识是以医生指下的体会结合该医生对脉象概念的领会来加以鉴别与区分的,由于其概念本身较笼统,具体的判别标准又很模糊,内中还掺杂了医生的判别经验及指面感觉等很多主观因素,因此中医脉象在教学中困难较大,临床脉诊时分歧较多,使脉诊经验无法交流,成为阻碍中医诊断技术和理论发展的瓶颈.

摘要： 脉诊是我国最早创用、至今一直沿用的最具有中医特色的独特的诊断方法,常被看作是中医临证的缩影,甚至为中医的代名词.在中医学中,脉诊则是诊断学的重要内容之一,也是中医临床技能的重要组成部分.中医将脉象视为生命的语言,而医生是这一生命语言的解读者.它是以医生手指触摸病人动脉搏动的情况,融入中医脉学的理念,了解病人内在变化的诊断方法.由于脉象在一定程度上能反映人体的各种生理和病理情况,是观察体内功能变化的一个重要窗口,因而脉诊对识别病症、判断病情、分辨病机和推断预后,都具有重要意义.临床脉诊时对某一脉象的认识是以医生指下的体会结合该医生对脉象概念的领会来加以鉴别与区分的,由于其概念本身较笼统,具体的判别标准又很模糊,内中还掺杂了医生的判别经验及指面感觉等很多主观因素,因此中医脉象在教学中困难较大,临床脉诊时分歧较多,使脉诊经验无法交流,成为阻碍中医诊断技术和理论发展的瓶颈.

摘要： 脉诊是我国最早创用、至今一直沿用的最具有中医特色的独特的诊断方法,常被看作是中医临证的缩影,甚至为中医的代名词.在中医学中,脉诊则是诊断学的重要内容之一,也是中医临床技能的重要组成部分.中医将脉象视为生命的语言,而医生是这一生命语言的解读者.它是以医生手指触摸病人动脉搏动的情况,融入中医脉学的理念,了解病人内在变化的诊断方法.由于脉象在一定程度上能反映人体的各种生理和病理情况,是观察体内功能变化的一个重要窗口,因而脉诊对识别病症、判断病情、分辨病机和推断预后,都具有重要意义.临床脉诊时对某一脉象的认识是以医生指下的体会结合该医生对脉象概念的领会来加以鉴别与区分的,由于其概念本身较笼统,具体的判别标准又很模糊,内中还掺杂了医生的判别经验及指面感觉等很多主观因素,因此中医脉象在教学中困难较大,临床脉诊时分歧较多,使脉诊经验无法交流,成为阻碍中医诊断技术和理论发展的瓶颈.

摘要： 一种基于心电波形图全局与局部深度特征融合的异常心电图筛查方法，包括以下步骤：步骤一，构建检测网络模型，检测出心电图像中完整心博；步骤二，构建局部特征提取网络，提取步骤一中检测出完整心博区域的局部特征；步骤三，构建全局特征提取网络，提取心电图像的全局特征；步骤四，构建深度特征融合网络；步骤五，整体训练步骤四中的深度特征融合网络；利用训练得到的深度特征融合网络对心电图像进行正常异常二分类。本发明可以利用心电图的全局特征和局部特征准确的筛查出异常心电图。

摘要： 基于心电特征和心音特征定位的心电图心音图分析方法，包括同步采集并同步记录心电图和心音图，心电图和心音图使用同一个时间轴；识别心音图中的心音特征，心音特征至少包括S1，S2和心动周期，以S1时刻t

摘要： 本发明公开了一种基于图着色和图神经网络的图嵌入特征提取方法及装置，所述方法包括：基于历史用户通话信息、通讯录信息构建关系图；采用图着色对各个邻节点进行排序并采样，得到固定长度和固定排序的向量序列；根据所述固定长度和固定排序的向量序列训练图神经网络；配置目标函数，通过梯度下降法最小化所述目标函数，得到所述图神经网络的参数；将待处理用户通话信息输入所述图神经网络中，得到图嵌入特征。采用图着色对各个邻节点进行排序并采样，从而得到固定长度和固定排序的向量序列，再通过该固定长度和固定排序的向量序列训练图神经网络，提高了图嵌入特征的准确性。

摘要： 本发明公开了一种船舶可见光实拍图与仿真图的特征相似性评价方法，属于船舶可见光特性技术领域，通过对生成的船模可见光测试图像和软件仿真图像，分别计算aHash均值哈希、SSIM结构相似性、JS散度、余弦相似度及显著性相似度；当计算出所有相似性评估参数后，通过设定加权系数，输出加权平均后的统一相似性评价结果；分别对相同时间、相机拍摄视角、相机分辨率以及天气环境信息下的两种图像的统一相似性评价结果进行比对，验证仿真能否模拟船舶可见光实拍效果。通过本发明能够保证软件仿真和真实可见光特性的一致性，指导水面船舶的可见光设计。

摘要： 本发明公开了一种针对图数据不变特征的图神经网络模型的训练方法和装置。该方法包括：利用诠释生成器对原图进行特征提取，得到不变本质特征子图概率分布和环境噪声子图概率分布；根据预设采样比例，得到不变本质特征强化视图和环境噪声强化视图；利用骨干图神经网络编码器处理得到第一不变本质特征图向量、第二不变本质特征图向量以及环境噪声图向量；利用多层感知机投影头得到第一不变本质特征隐空间向量、第二不变本质特征隐空间向量和环境噪声隐空间向量；利用损失值优化所述骨干图神经网络编码器；迭代进行特征提取操作、采样操作、处理操作和优化操作，直到损失值收敛于预设条件，得到训练完成的骨干图神经网络编码器。

摘要： 本发明公开了一种图特征提取、脂水分配系数预测方法及图特征提取模型，其中，图特征提取方法包括：获取待提取特征图，待提取特征图由多个节点以及连接具有关联关系的节点的边组成；将待提取特征图输入到图特征提取模型进行特征提取，得到每一个节点的特征，图特征提取模型包含多个卷积层和GRU网络层，多个卷积层与GRU网络层间隔设置，通过GRU网络层进行具有关联关系节点的特征融合；将最后一层卷积层输出的每一个节点的特征输入到归并层进行特征融合，得到待提取特征图的特征。本发明在每次卷积操作时使用了GRU网络层来把具有关联关系节点的特征信息融合起来，使得网络的表达能力更好，更适合表达图内部节点之间的相互作用，减少前期的提取工作量。

摘要： 本发明公开了一种针对图数据不变特征的图神经网络模型的训练方法和装置。该方法包括：利用诠释生成器对原图进行特征提取，得到不变本质特征子图概率分布和环境噪声子图概率分布；根据预设采样比例，得到不变本质特征强化视图和环境噪声强化视图；利用骨干图神经网络编码器处理得到第一不变本质特征图向量、第二不变本质特征图向量以及环境噪声图向量；利用多层感知机投影头得到第一不变本质特征隐空间向量、第二不变本质特征隐空间向量和环境噪声隐空间向量；利用损失值优化所述骨干图神经网络编码器；迭代进行特征提取操作、采样操作、处理操作和优化操作，直到损失值收敛于预设条件，得到训练完成的骨干图神经网络编码器。

摘要： 本发明公开了一种基于图学习卷积神经网络的装配特征图连接关系分类方法。建立装配特征图中节点关系的图学习卷积神经网络结构，包括输入层、中间层和输出层；输入层以初始的节点表示矩阵和邻接矩阵为输入，经过卷积、图学习和调整得输出；中间层以前一层的节点表示矩阵和邻接矩阵作为输入，经过GNN运算、图学习、蒸馏、池化得输出；输出层用分类器分类预测；使用训练集训练使损失函数达到最小；将训练后结果对待测的装配特征图进行预测处理，获得零部件连接关系的分类结果。本发明有利于对图中的结构信息进行充分挖掘和分类，使得本发明能够实现在低标记率下分类任务的高鲁棒性。

摘要： 本发明公开了基于特征图匹配和超像素图排序的目标跟踪方法及装置，所述方法包括：提取连续两帧的图像对的特征并进行特征点匹配；对前一帧图像进行超像素以及对当前帧图像进行超像素分割；确定超像素图排序的指示向量，使用半监督的图排序技术得到当前帧图像的排序结果，进而获得当前帧图像的二进制分割掩码；根据当前帧图像的二进制分割掩码对目标进行定位和跟踪；本发明的优点在于：目标跟踪过程中将分割和跟踪一体化，实现更便捷的分割与跟踪功能。

摘要： 一种基于可学习的特征图过滤与图注意力网络的视觉场景识别方法，包括如下步骤：对每帧输入图像进行基础网络的稠密特征提取，利用池化方式生成二通道描述符。然后利用全连接层与激活函数的结构生成新的通道权重，并与原始输入的卷积特征进行重新尺度化操作，生成过滤特征。随后针对过滤后的特征图，建立完全图模型，通过信息生成网络输出每个节点的影响力信息，并以非线性组合的方式，实现节点特征的更新。最后通过子认证网络，促使同一地点的图像特征映射至相同的特征空间，并利用余弦距离计算优化特征间的相似度，实现视觉场景识别。极大地提升了机器人在大尺度场景下的视觉定位准确性，有助于开展更智能化的视觉导航等工作。