最新刊期

      摘要：多模态情绪识别在心理健康检测与机器情感分析中应用广泛，但现有研究多依赖全局或局部特征，忽略两者的联合建模，限制了情绪识别性能。为此，提出了一种双级门控分段式融合架构，包括交互阶段与双级门控阶段，交互阶段采用OAGL融合策略建模全局-局部跨模态交互，优化特征融合效率；双级门控阶段整合局部与全局特征，充分利用情绪信息。此外，针对模态间局部时序特征不对齐的问题，设计了基于缩放点积的序列对齐方法以提升融合精度。实验结果表明，该方法在多数据集上的识别效果优于现有算法，验证了其捕捉情绪细节的能力与泛化性能。  
      关键词：多模态情绪识别;缩放点积注意力;双级门控融合;Transformer   
      80
      |
      135
      |
      0
      <HTML>
      <网络PDF><WORD><XML><Meta-XML>
      <引用本文> <批量引用> 99639327 false
      更新时间：2025-05-07

      赵慎, 黄文娜, 覃业梅, 廖一霏, 杨玲玲

      摘要：面向卫星导航欺骗干扰检测的问题，本文提出一种适用于长短期记忆神经网络（Long Short-term Memory，LSTM）检测欺骗干扰的特征参数选取及数据处理方法。基于欺骗干扰对接收机环路的影响分析，选取跟踪环路中的直接与间接信息作为欺骗检测特征参数；利用滑窗技术对特征参数进行预处理，并按时间序列构建训练集和测试集，以保证特征的时间关联性。基于美国德克萨斯大学奥斯汀分校的TEXBAT数据集进行实验，相较于现有SVM方法，本文方法可将欺骗检测的准确率提高2.19%，且欺骗场景识别的准确率达99.98%，可有效解决导航欺骗的检测和场景识别问题。  
      关键词：卫星导航;欺骗干扰;滑窗处理;长短期记忆神经网络   
      157
      |
      191
      |
      0
      <HTML>
      <网络PDF><WORD><XML><Meta-XML>
      <引用本文> <批量引用> 99639270 false
      更新时间：2025-05-07

      黄少年, 彭永涛, 文沛然, 刘耀

      摘要：针对跨模态突发事件识别中图像复杂、文本有限以及模态间误导信息干扰等问题，提出了一种融合注意力协同和对比学习的跨模态融合方法。首先，通过构建融合多支路自注意力的图像特征编码器和融合外部知识的文本特征编码器，分别提取图像的深层语义特征和文本的上下文关联信息，以克服单一模态信息表达的局限性。其次，为有效捕捉图像-文本特征间的复杂关联，设计跨模态注意力协同网络增强模态间特征的交互一致性，减少误导信息的传递。最后，引入对比学习机制，采用联合监督策略优化图像-文本特征的贡献，实现模态间信息的动态平衡。在公开数据集CrisisMMD和自建数据集上开展的实验证明了提出方法的优越性。  
      关键词：突发事件识别;跨模态;注意力协同;对比学习   
      66
      |
      10
      |
      0
      <HTML>
      <网络PDF><WORD><XML><Meta-XML>
      <引用本文> <批量引用> 99639230 false
      更新时间：2025-05-07

      姚云, 胡振虓, 邓涛, 王晓

      摘要：唇语识别技术通过分析一系列连续的唇部图像，建立唇部动作特征与特定语言文字之间的映射关系，实现语义信息的识别。现有方法主要依赖循环神经网络对时序视频帧进行时序特征建模，但存在显著的信息丢失问题，尤其在视频信息不完整或存在噪声干扰时，模型往往会在区分不同时间点的唇语动作时发生混淆，导致识别精度显著下降。针对这一问题，提出基于自适应池化注意力Transformer的唇语识别方法（Lip Reading Method Based on Adaptive Pooling Attention Transformer , APAT-LR）。该方法在标准Transformer的多头自注意力机制（Multi-Head Self-Attention, MHSA）之前，采用最大池化和平均池化的拼接策略，引入自适应池化模块（Adaptive Pooling Module），有效抑制无关信息，增强关键特征的表达，从而提升时序特征的建模能力。该实验结果表明，APAT-LR在CMLR和GRID数据集上分别取得28.4%和1.9%的字符错误率，相较于现有方法分别降低了错误率，验证了其在唇语识别任务中的有效性。  
      关键词：注意力机制;Transformer;卷积池化;自适应   
      210
      |
      195
      |
      0
      <HTML>
      <网络PDF><WORD><XML><Meta-XML>
      <引用本文> <批量引用> 99639204 false
      更新时间：2025-05-07

      周丽芳, 胡振, 刘波

      摘要：目前在复杂的真实应用场景中，小人脸检测面临着诸多挑战，如尺度、光照剧烈变化、计算量大和精度较低等问题。针对现有模型中小人脸容易被忽视的问题，本文提出了一种基于卷积核注意力机制的小人脸检测模型SK-YOLOv5s。首先，设计一种小人脸增强模块 SFEM，将浅层特征与深层特征进行融合与上采样，提高了小人脸特征图的分辨率，从而增强其特征；其次，在模型中引入 SKNet 注意力机制，能够多尺度自适应调节感受野大小，提高小人脸的检测率；最后采用 EIoU 作为目标损失函数，直接优化预测框与真实框的宽高差异，提高小人脸检测的精度和稳定性，相较于原有方法，所提方法在 WIDER Face 数据集中平均检测准确率提升了 3.1%。实验结果证明了该模型在真实场景下进行小人脸检测的可行性。  
      关键词：小人脸检测;注意力机制;YOLOv5s   
      122
      |
      186
      |
      0
      <HTML>
      <网络PDF><WORD><XML><Meta-XML>
      <引用本文> <批量引用> 76439023 false
      更新时间：2024-11-05
    0