基于级联注意力与密集特征融合的图像修复算法

针对图像修复算法存在的语义不连贯、纹理不清晰等问题，提出一种基于生成对抗网络的新型级联密集生成网络CDGAN(Cascade Densely Generative Adversarial Network),采用encoder-decoder作为生成器主干，利用下采样提取图像特征；为使网络关注修复图像的高频纹理和颜色保真度等有效信息，引入级联的注意力模块，并加入密集特征融合模块扩大网络的整体感受野，充分学习图像特征，提高编码器提取特征的利用率，最后将处理后的图像特征进行上采样重建。在Celeb A和Places2数据集的测试结果表明，CDGAN在语义连贯性、纹理清晰度等方面都有所提升。     

融合深度学习和视觉文本的视频描述方法

为解决当前视频描述任务中,生成描述视频的文本整体质量不高的问题,提出一种融合深度网络和视觉文本的视频描述模型.首先在编码阶段,将注意力机制引入3D残差模块,通过一维通道注意力与二维空间注意力增强视频特征映射,降低无关目标与噪声的影响;其次,解码阶段利用双层长短期记忆(long short-term memory,LSTM)深度网络的时序性特征,输出表述视频高层语义的文本描述;最后,为有效利用视觉文本信息丰富视频生成的语义描述,利用基于神经网络的主题模型提取出视频中的主题作为视觉文本融合进模型中.实验结果表明,本文方法在不同性能指标方面具有较好的准确性,能够更加准确地利用自然语言描述视频高层语义信息.     

空间和通道注意力多级别特征网络图像语义分割

图像语义分割模型在提取特征的过程中由于不断的下采样使得空间位置丢失,分割效果较差,针对该问题,提出了融合空间和通道注意力多级别特征来构造学习网络的方法.首先针对具有高级别特征的语义信息路径引入了通道注意力模块,在预训练模型Resnet101提取的特征图上,显式地建模通道之间的相互依存关系,确定每层特征图上需要重点关注的...     

基于CNN-Transformer双流网络的伪脸检测

生成对抗网络(generative adversarial networks, GANs)技术正逐步成为合成图像的主流方法,合成的人脸图像对社会稳定和国家安全具有潜在的风险隐患,因此识别GAN生成的人脸已成为一个重要问题。为解决卷积神经网络(convolutional neural networks, CNN)在训练过程中无法获取图像全局表示的问题,提出了一种CNN-Transformer双流网络检测框架,在最大限度提取局部特征的同时,进一步保留图像的全局信息。首先,在CNN分支流中引入空间注意力和通道注意力,关注图像关键信息并提取局部特征;其次,利用Transformer分支流提取图像的全局信息;最后,中间利用桥接双分支的MixBlock交互模块分别将两者提取的局部特征和全局信息融合在一起。实验结果表明：与现有两种方法相比,本文所提方法在公共伪脸数据集上的分类检测精度分别提升了5.42%和1.95%,并且在后处理的图像上表现出一定的鲁棒性。     

基于生成对抗网络的类别文本生成

类别文本生成旨在让机器生成人类可理解的文本,并且赋予生成文本特定的类别属性。现有工作主要采用基于生成对抗网络的文本生成框架,往往直接采用卷积神经网络进行文本特征提取,缺乏对文本全局语义的关注;此外,简单地在生成网络中引入注意力无法有效消除解码过程中的噪声。针对上述问题,本文提出一种将文本全局特征与局部特征联合建模的方法,通过将长短时记忆网络提取的全局语义信息与卷积神经网络提取的局部语义信息进行融合,增强生成过程中对文本全局语义信息的关注,并且引入双重注意力,进一步过滤掉序列生成中的无关信息。与基准模型相比,本文提出的方法分别在2个公开的真实数据集(Movie Review和Amazon Review)上取得了至少0.01和0.004的BLEU值的提升,表明了本文方法的有效性。     

基于SinGAN的图像生成模型

生成对抗网络(GAN)是目前图像生成领域中一种新的、有效的训练生成模型方法,单一生成对抗网络(SinGAN)是建立在一张图片上的无条件GAN.该文在生成对抗网络原理的基础上阐述了单一生成对抗网络(SinGAN)的原理及基本结构.以SinGAN作为研究对象,通过实例在训练过程中生成了与原图像语义相近的图像,并对SinGAN的训练和应用进行了研究.研究表明:SinGAN在同一张图片上进行的训练或测试,通过建立一个模型,可以对图片进行纹理转移,提高清晰度等操作.     

面向新概念学习的图像描述生成模型

为了更好地在图像描述生成任务中对新概念进行学习和预测,在编码-解码框架下提出了一种新的面向新概念学习的图像描述生成模型(Att-DCC)。该模型引入了带有空间注意力机制的卷积神经网络,将全局视觉特征、语义标签和经空间注意力作用后的视觉信息进行了较好的融合;此外,引入自适应注意力机制多模态层,将语义相近的概念学习结果迁移至新概念,降低训练过程的复杂程度并提升学习性能。采用Att-DCC模型在MSCOCO2014数据集上针对2批(分别为8和6个)共14个新概念进行了测试和分析,结果表明:充分的多模态融合方式和多种注意力机制对于提升学习效果有显著效果;Att-DCC模型在F₁值上取得了42.56%和42.14%的平均结果,总体上取得了比具有代表性的NOC模型和DCC模型更准确的预测结果。     

基于卷积神经网络的灾难场景图像分类

为了对灾难场景图像进行快速分析和识别,提出了一种基于多分辨率卷积神经网络和残差注意力机制(attention module)相结合的图像分类模型.首先,对灾难场景数据集进行预处理,在相同类型的条件下将其随机划分为训练集和测试集.基于改进的卷积神经网络(convolutional neural network,CNN),提取训练集的图像特征.使用训练集图片的特征进行训练,并且在测试集图片上实现分类测试.选取DenseNet、Xception和MobileNetV2三种模型,以灾难场景数据集(Disaster_Data_Scenes)为数据集进行实验验证.结果表明:改进的Xception和MobileNetV2网络在灾难场景数据集上进行的图像分类实验测试,比原网络精度分别提升了4.56％和3.04％.其中改进的DenseNet网络比原网络模型精度分别提升9.13％、17.88％和10.27％.可见改进的卷积神经网络模型的分类精度得到有效提高.     

基于ME-ANet模型的糖尿病视网膜病变分级

糖尿病视网膜病变(Diabetic Retinopathy，DR)是一种致盲率很高的眼科疾病。不同病变等级的视网膜图像之间差异小且病灶点分布无规律。针对现有深度模型对DR中的相似病灶点识别率低，严重影响模型分类精度的问题，本研究以深度学习为基础，构建新的模型架构进行训练，提出一种集成MobileNetV2和EfficientNetB0深度模型的注意力网络：ME-ANet。模型集成分为头部和主干两部分，将深度模型的浅层部分融合构成网络的头部，训练时采用迁移学习的策略对网络模型参数进行初始化，减少训练中的过拟合问题。主干部分利用上述两种模型的核心结构，设计3个阶段集成模块进行特征提取。同时设计全局注意力机制(Global Attention Mechanism，GAM)并分别嵌入到3个阶段的集成模块中。模型的改进加速了网络的收敛速度，该网络模型实现了对图像浅层信息的特征融合提取，减少了微病灶特征信息在训练过程中的卷积丢失问题，模型的分类精度进一步得到改善。通过模型集成构建特征提取主干网络，提高了模型对低级特征信息的学习，注意力机制抑制非病变特征信息，强化典型病灶特征学习，从而实现细粒度分类，进一步提升了模型的分类性能。     

结合注意力机制的生成对抗网络图像超分辨重建

为改善图像超分辨率重建的主观视觉效果,提出一种结合注意力机制的图像超分辨生成对抗网络(generative adversarial network, GAN)模型.该模型在生成器网络中引入通道和空间双重注意力机制,选取更合适的重要特征信息进行传递;判别器网络采用WGAN进行构建,通过Wasserstein距离定义对抗损失,解决了GAN模型的训练不稳定问题.该重建模型在Set5、Set14、BSD100和Urban100共4个标准数据集上进行了实验,结果表明,和主流的超分辨重建算法相比,该模型的主客观评价指标均有所提高,图像细节信息恢复更加清晰,重建质量更好.     

注意规律在体育教学中的应用

本文阐述心理学中的注意规律在体育教学方面的重要性,并结合作者教学体会,探讨如何运用该规律来有效地提高教学质量。     

大学英语教学的规律及其启示

本文从心理学的角度探讨了学习者的注意倾向和规律，试图揭示注意规律对大学英语教学的启示，以提高大学英语教学的效率。     

歌唱中的有意注意和有意后注意

歌唱中的有意后注意可以使我们既保持清晰、明确的注意目标,又无须意志力的竭力维持,从而实现稳定、轻松、持久的歌唱,它是有意注意在满足了主观上的积极性和技术动作的自动化这两个条件下转化而来的,在我们的声乐教学中有着深刻的意义和重要的作用。为实现歌唱技术的熟练、自如,为推动学生声乐学习的不断进步,从教和学两个方面探讨了如何在遵循声乐教学基本规律的前提下,科学实现歌唱中有意注意向有意后注意的转化问题。     

注意力经济与高校图书馆发展的思考

介绍了注意力经济的概念,分析了注意力经济与图书发展之间的关系,提出了提高高校图书馆吸引公众注意力的具体措施。     

工作记忆、注意与一般液态智力之间关系的实证研究

选取高中生、大学生、研究生和高中青年教师共48名.采用被试内设计,对工作记忆、注意与智力之间的关系进行了研究.结果表明:①三者之间的关系与所选用的测试材料有关.用汉语双字词所测的工作记忆与智力之间的相关不显著,而用大写字母所测的工作记忆与智力之间相关显著.②三者之间的关系与其所应用的注意评定测验有关.工作记忆与选择注意相关显著,而与维持注意相关不显著;智力与维持注意相关显著,而与选择注意相关不显著.     

展览建筑中受众选择性注意的应用研究

分析了展览建筑设计中受众选择性注意的社会因素,提出了展览建筑设计中针对受众选择性注意的设计原则。     

时间选择性注意的左半球优势效应：来自注意瞬脱研究范式的证据

采用注意瞬脱范式探讨时间注意加工上的大脑单侧优势效应的争论。实验选用字母和几何图像两种材料,要求被试报告 T1和 T2呈现的字母或几何图像是否相同。结果发现：无论是字母检测,还是几何图形检测,T2右视野呈现时变化检测正确率都高于左视野。上述结果表明,时间加工任务上存在左半球优势效应,支持时间加工的特异性假设。     

排球运动员注意状态的探讨及其练习

本文探讨了注意规律在排球教学训练中的运用;注意力类型;排球运动员赛前特定注意力与比赛中注意力的要求,并提出了多种有效地增进排球运动员注意力的练习．     

有效控制学生注意力，促进英语课堂教学

本文阐述了“注意”这一心理现象,认为在课堂教学中可以通过运用电教媒体,提高讲课艺术,培养个人魅力几个方面有效控制学生的注意力,从而提高课堂效率,更好地完成教学目的。     

分散和集中注意条件下的Stroop效应意识的影响

基于Stroop效应证实了意识知觉和无意识知觉引起的行为结果存在质的 差异，色词的无意识知觉导致Stroop效应的出现，而色词的有意识知 觉导致Stroop效应的反转。一个处于分散注意状态下被无意识知觉的刺激，既可以通过集中注意的方法使之达到有意识知觉，也可以通过增强刺激特性使之达到有意识知觉。