【摘 要】
：
遥感图像内容丰富,一般的深度模型提取遥感图像特征时容易受复杂背景干扰,对关键特征的提取效果不佳,并且难以表达图像的空间信息,该文提出一种基于多尺度池化和范数注意力机制的深度卷积神经网络,在通道层面与空间层面自适应地给显著特征加权.首先,在多尺度池化通道注意力模块中,结合空间金字塔池化的思想,对每个通道上的特征图进行不同尺度的最大池化.接着,采用自适应均值池化将尺寸不同的特征图转换为统一尺寸,以便通过逐像素相加的方式来关注不同尺度的显著特征.然后,在范数空间注意力模块中,将各通道对应同一空间位置的像素构成向
【机 构】
：
南昌航空大学软件学院 南昌 330063;东华理工大学测绘工程学院 南昌 330013
论文部分内容阅读
遥感图像内容丰富,一般的深度模型提取遥感图像特征时容易受复杂背景干扰,对关键特征的提取效果不佳,并且难以表达图像的空间信息,该文提出一种基于多尺度池化和范数注意力机制的深度卷积神经网络,在通道层面与空间层面自适应地给显著特征加权.首先,在多尺度池化通道注意力模块中,结合空间金字塔池化的思想,对每个通道上的特征图进行不同尺度的最大池化.接着,采用自适应均值池化将尺寸不同的特征图转换为统一尺寸,以便通过逐像素相加的方式来关注不同尺度的显著特征.然后,在范数空间注意力模块中,将各通道对应同一空间位置的像素构成向量,通过计算向量组的L1范数和L2范数,获得具有空间信息的特征图.最后,采用级联池化的方法优化高层特征,并将该高层特征用于遥感图像检索.在UC Merced,AID与NWPU-RESISC453个数据集上进行实验,结果表明该文所提注意力模型,关注了不同尺度的显著特征,结合了空间信息,提高了检索性能.
其他文献
随着社会法治化发展,法院受案数量呈爆发式增长,各证据要素之间关联较弱,影响法律审判效率.基于上述问题,提出一种基于深度学习的多维度证据要素关联关系抽取模型,设计基于BERT_BiGRU_CNN模型的证据要素关联关系抽取算法.本文以裁判文书为数据集,使用BERT训练所需字词向量,开展BERT、BERT_CNN、BERT_BiGRU以及BERT_BiGRU_CNN的对比研究,研究关系抽取技术在证据要素间的识别效果.研究表明,采用BERT_BiGRU_CNN算法在多要素证据关联关系之间的识别效果最好,且相比于其
在基于运动想象(MI)的脑机接口(BCI)中,通常采用较多通道的脑电信号(EEG)来提高分类精度,但其中会有包含与MI任务无关或冗余信息的通道,从而影响BCI的性能提升.该文针对运动想象脑电分类中的通道选择问题,提出一种采用相关性和稀疏表示对通道进行选择的方法(CSR-CS).首先计算训练样本每个通道的皮尔逊相关系数来选择显著通道,然后提取显著通道所在区域的滤波器组共空间模式特征拼接成字典,利用由字典所得到的非零稀疏系数的个数表征每个区域的分类能力,选出显著区域所包含的显著通道作为最优通道,最后采用共空间
针对岸舰导弹快速发射的问题,为实现岸舰导弹弹载惯导动基座对准,提出了导弹弹载惯导系统飞行中对准方案.首先,建立了飞行中非线性对准模型;其次,提出了导弹弹载北斗导航信息辅助下的基于sage滤波开窗法原理的渐消矩阵自适应平方根容积卡尔曼滤波飞行中对准方法,并建立了相应的渐消矩阵切换准则;最后,仿真试验对比了平方根容积卡尔曼滤波和所提自适应平方根容积卡尔曼滤波飞行中对准方法,得出所提的自适应平方根容积卡尔曼滤波的精度和稳定性更高的结果,对准时间和精度能够满足相关性能指标要求.所提出的飞行中对准方案能够为工程应用
准确及时的作战态势分析是空战决策的首要前提,是飞行员空中飞行规划的主要依据,是夺取空战胜利的重要保证.针对空战过程数据信息量大、态势复杂多变的情况,依据军事实战需求,针对空中作战数据,提出了一种基于多重聚类算法进行态势分析的方法,解决了单机对单机作战中距离变化频繁、态势多变不易评估的难题.首先,采用K-means算法对获取的数据进行分群化处理,将整个空战过程按照敌我两机相对距离和状态分为不同群组;然后,根据每个群组数据特征采用不同的聚类算法进行态势分析,以使空战过程中的每个阶段都能达到最准确的态势分析结果
在物联网(IoT)中采用合适的异常数据清洗算法能极大地提升数据质量.许多研究人员采用统计学方法或分类聚类等方法对时-空相关数据进行清洗.但这些方法需要额外的先验知识,会给汇聚节点带来额外的计算开销.该文根据低秩-稀疏矩阵分解模型,提出一种基于深度神经网络的快速异常数据清洗算法,来解决物联网中时-空相关数据的清洗问题.结合感知数据的时-空相关性和异常值的稀疏性,将异常数据清洗问题转换为优化问题,并采用迭代阈值收缩算法(ISTA)求解该优化问题,再将ISTA算法展开成一个固定长度的深度神经网络.实际数据集的实
针对现有恶意域名检测方法存在检测精度不高和检测范围局限等问题,提出一种基于Ngram+Bi-GRU的多家族恶意域名检测算法.首先,利用Ngram模型对去除顶级域名的剩余域名级进行分割,获取到包含上下文语义信息的多个域名字符片段序列,并将域名字符片段序列转换成向量;然后,利用双向门控循环型网络(Bi-Directional Gated Recurrent Unit,Bi-GRU)自动学习域名向量的特征;最后,利用Softmax分类器实现合法域名与恶意域名的分类.通过在360Netlab和Malware Do
目前脑控机械臂在医疗康复等多个领域展现出了宽广的应用前景,但也存在灵活性较差、使用者易疲劳等不足之处.针对上述不足,该文设计一套增强现实(AR)环境下基于稳态视觉诱发电位(SSVEP)的机械臂异步控制系统.利用滤波器组典型相关分析方法(FBCCA)实现对12个目标的识别;提出基于投票策略和差值预测的动态窗口,实现刺激时长的自适应调节;利用伪密钥实现机械臂异步控制,完成拼图任务.试验结果表明,动态窗口可以根据受试者状态自动调整刺激时长,离线平均准确度为(93.11±5.85)％,平均信息传输速率(ITR)为
针对甲状腺结节尺寸多变、超声图像中甲状腺结节边缘模糊导致难以分割的问题,该文提出一种基于改进U-net网络的甲状腺结节超声图像分割方法.该方法首先将图片经过有残差结构和多尺度卷积结构的编码器路径进行降尺度特征提取;然后,利用带有注意力模块的跳跃长连接部分对特征张量进行边缘轮廓保持操作;最后,使用带有残差结构和多尺度卷积结构的解码器路径得到分割结果.实验结果表明,该文所提方法的平均分割Dice值达到0.7822,较传统U-Net方法具有更优的分割性能.
量子雷达的快速发展给雷达对抗带来了颠覆性的挑战,对抗的难点在于侦察.文中针对现阶段量子雷达信号接收与无源测向等问题,开展了基于单光子测量的量子雷达侦察技术研究,提出了针对量子雷达信号的无源测向方法,并通过实验和仿真计算验证了该方法的可行性.该方法解决了传统无源测向技术难以侦收量子目标信号的问题,可有效用于量子雷达辐射源的侦察告警,在电子对抗、环境监测和空间探索等领域有重要意义.
为了解决判别式空间正则项的目标跟踪算法在遮挡、旋转等因素干扰下失跟率较高的问题,该文提出一种自适应空间异常的目标跟踪算法.首先,在目标函数中加入自适应空间正则项,既缓解了边界效应带来的影响,又提高了滤波器对目标和背景区域的分辨能力;其次,根据每一帧的响应值计算验证分数,分析跟踪结果的可信度和异常情况;最后为目标模型和响应图模型的更新速率实现动态取值.大量实验结果表明,自适应空间异常的目标跟踪算法能够较好地处理背景模糊、形状变化等多种异常情况,具有较高的跟踪性能.