一种基于多尺度残差和窗口注意力的两阶段八度卷积的屏幕内容图像压缩方法.pdf
文本预览下载声明
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117544783A
(43)申请公布日2024.02.09
(21)申请号202311563085.X
(22)申请日2023.11.22
(71)申请人山东大学
显示全部
文档详情
相似文档
-
基于残差与自注意力机制的图卷积小样本图像分类方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 114781549 A
(43)申请公布日 2022.07.22
(21)申请号 202210598377.6 G06V 10/764 (2022.01)
-
基于光谱空间注意力融合和可变形卷积残差网络的高光谱图像分类方法.pdf
(19)国家知识产权局
(12)发明专利
(10)授权公告号 CN 113361485 B
(45)授权公告日 2022.05.20
(21)申请号 202110774209.3 G06V 10/762 (2022.01)
-
基于3D卷积的多尺度注意力深度卷积网络的遥感图像融合方法.pdf
(19)国家知识产权局
(12)发明专利
(10)授权公告号 CN 112819737 B
(45)授权公告日 2023.04.07
(21)申请号 202110042742.0 G06N 3/0464 (2023.01)
(22)申请日 2021.0
-
一种基于多尺度特征融合和残差掩码卷积注意力算法的带式输送机托辊故障诊断方法和系统.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117421581A
(43)申请公布日2024.01.19
(21)申请号202311426626.4
(22)申请日2023.10.31
(71)申请人天津工业大学
地址300387
-
一种基于残差稠密阈值网络的图像压缩感知重建方法.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112991472 A
(43)申请公布日 2021.06.18
(21)申请号 202110294533.5
(22)申请日 2021.03.19
(71)申请人 华南理工大学
地址
-
基于多尺度偶数卷积注意力U-Net的医学图像分割.docx
PAGE
1-
基于多尺度偶数卷积注意力U-Net的医学图像分割
一、1.引言
医学图像分割技术在近年来在医疗领域得到了广泛关注，其在疾病诊断、治疗计划制定以及手术导航等方面发挥着重要作用。随着深度学习技术的飞速发展，基于深度学习的医学图像分割方法逐渐成为研究的热点。其中，U-Net作为一种经典的深度学习网络结构，因其简单高效、分割性能优良而受到研究者的青睐。然而，传统的U-Net模型在处理复杂医学图像时，往往面临着分辨率低、细节丢失等问题。为了克服这些局限性，研究者们提出了多种改进方法，如引入注意力机制、多尺度特征融合等。在这些方法中，基于多尺度偶数卷积注意力（MS-ECA）的U-Net模型
-
基于注意力机制的多尺度残差卷积网络在轴承故障诊断中的应用研究.docx
基于注意力机制的多尺度残差卷积网络在轴承故障诊断中的应用研究
目录
内容概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2
文献综述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2
2.1轴承故障诊断技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3
2.2注意力机制的应用．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
2.3残差网络与多尺度结构．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6
2.4研
-
一种三通路残差注意力图像描述方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 114863222 A
(43)申请公布日 2022.08.05
(21)申请号 202210680166.7
(22)申请日 2022.06.15
(71)申请人 重庆师范大学
-
一种基于残差网络和注意力机制的图像处理方法及系统.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112967295 A
(43)申请公布日 2021.06.15
(21)申请号 202110258693.4 G06T 7/00 (2017.01)
(22)申请日 20
-
一种基于多尺度空间和上下文信息融合的图像压缩方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 114792347 A
(43)申请公布日 2022.07.26
(21)申请号 202210224174.0
(22)申请日 2022.03.09
(71)申请人 同济大学
地址 200092 上海
-
一种基于通道注意力和多尺度时域卷积的运动想象脑电信号分类方法.docx
PAGE
1-
一种基于通道注意力和多尺度时域卷积的运动想象脑电信号分类方法
一、1.基于通道注意力与多尺度时域卷积的运动想象脑电信号分类方法概述
在脑电信号分类领域，运动想象（MotorImagery,MI）作为一种无创的生物标志，近年来受到了广泛关注。运动想象脑电信号分类方法旨在通过分析脑电信号中的特定成分，实现对运动意图的识别和分类。传统的脑电信号分类方法多依赖于时域和频域特征提取，但往往难以捕捉到信号中的复杂时频特性。为了提高分类精度，本文提出了一种基于通道注意力（ChannelAttention）和多尺度时域卷积（Multi-ScaleTemporalConvolution）的运动想
-
基于残差密集注意力和多尺度融合神经网络的图像去噪技术研究.pdf
摘要
在计算机视觉领域中，图像去噪是许多图像处理任务的基础，其主要目标是消除噪声并
尽可能地保留图像中的有用信息，从而提高图像质量和准确性。许多基于深度学习技术的去
噪模型由于其灵活性与强大的学习能力，在空间不变噪声的表现上超越了传统算法，但在面
对真实噪声时，许多模型的泛化性能受限，并且需要多级网络建模，在真实场景中无法很好
地处理图像中噪声与细节。基于以上考虑，为了提升算法的实用性，本文基于深度学习技术
针对图像的真实噪声去除这一问题展开了研究，主要内容如下：
首先，本文提出了一种新的三段式盲去噪网络，将噪声图像分别进行特征提取、去噪、
特征融合，主要思路为将经过特征提取子网络得到的特征图
-
基于残差密集和Transformer的数字图像压缩重建研究.pdf
摘要
随着互联网与各种智能设备的不断发展，人类社会已经迈入了数据爆炸的时代。
传统采样方式逐渐无力应对海量数据所带来在数据传输及存储等方面的压力。压缩感
知理论（CS）可以以欠奈奎斯特采样频率对原始信号进行采样压缩并重建信号，但传
统压缩感知图像重建算法迭代耗时且重建质量差。深度压缩感知算法在重建速度及重
建质量上优于传统压缩感知算法，但现有的一些深度压缩感知算法依旧存在低采样率
下图像重建质量不高，重建图像缺乏细节纹理等问题。因此，本文针对深度压缩感知
图像重建算法展开研究，其研究工作主要包含以
-
基于多级残差卷积与注意力机制的中文命名实体识别方法.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112926323 A
(43)申请公布日 2021.06.08
(21)申请号 202110102206.5
(22)申请日 2021.01.26
(71)申请人 江南大学
地址 21
-
一种基于双路注意力卷积神经网络的宫颈OCT图像分类方法及系统.docx
PAGE
1-
一种基于双路注意力卷积神经网络的宫颈OCT图像分类方法及系统
第一章引言
随着现代医疗技术的不断发展，早期疾病检测与诊断在提高患者生存率和生活质量方面发挥着至关重要的作用。宫颈疾病，尤其是宫颈癌，是女性健康的一大杀手。光学相干断层扫描（OpticalCoherenceTomography，OCT）技术作为一种非侵入性成像技术，在医学诊断领域展现出巨大的潜力。近年来，基于深度学习的图像分类方法在医学图像分析中的应用日益广泛，其高精度、自动化的特点为宫颈OCT图像的分类提供了新的思路。
在宫颈癌的早期诊断中，宫颈OCT图像能够提供丰富的组织结构信息，有助于医生对病情进行准确判断。然