改进Transformer解码器的端到端语音识别

  

Transformer模型架构在序列到序列任务中可以很好地将注意力分散到整个输入上以学习长期依赖关系,然而,在语音识别中,文本输出和语音输入是单调对齐的。针对Transformer解码器无法较好地捕获局部特征以进行单调对齐的问题,提出一种改进的Transformer解码器。将Tr… …   相似文献

胡恒博;牛铜;何振华 《计算机应用》2025,(S1):95-100

基于Pyraformer的滚动轴承剩余使用寿命预测方法

  

针对传统滚动轴承剩余使用寿命（RUL）预测方法在处理高维状态监测数据时难以提取有效退化信息和捕获不同范围时间相关性的问题,提出一种基于Pyraformer的滚动轴承RUL预测方法。首先,采用时频特征提取技术对轴承原始振动信号进行处理,以构建多重特征集;然后,基于Pyraforme… …   相似文献

马凤敏;居文军;王浩磊 《计算机应用》2025,(S1):354-359

改进量化注意力机制和权重的剩余使用寿命预测模型

  

设备剩余使用寿命（RUL）预测在工业维护中扮演着关键角色,它的准确性和效率对设备管理和故障预防至关重要。近年来,深度学习技术在RUL预测中展现出巨大潜力,而它的高计算成本和复杂性限制了它在资源受限环境中的应用。针对该问题,提出一种改进量化注意力机制和权重的RUL预测模型用于提升R… …   相似文献

罗冲;何启学;韩超 《计算机应用》2025,(S1):366-371

基于全局特征提取的无人机道路病害检测算法

  

针对无人机（UAV）影像中道路小目标漏检和目标检测精度低、鲁棒性差等问题,设计一种基于全局特征提取的UAV道路病害检测算法GFE-RDD（Global Feature Extraction-Road Disease Detection）。将卷积神经网络（CNN）与Transformer融合的GFE-Transformer模块嵌入主干网络,提升捕获长距离依赖关系的能力以获得全局上下文信息。为了更好地检测出小目标的道路病害,提出一个融合高效双通道注意力机制（EDA）的小目标检测头。另外,采用WIoUv3（Wise-Intersection over Union vision 3）作为网络的损失函数,解决训练数据中锚框质量差异较大的问题,并提高检测的准确性。在自制的道路多病害数据集上的实验结果表明,所提算法在道路病害检测任务中的F1分数达到0.765,mAP₅₀达到0.796,均高于DETR（DEtection TRansformer）等当前主流算法,取得了较高的检测准确率。… …   相似文献

项彦茂;周明月;李俊;谢喆;张小松 《计算机应用》2025,(S1):245-250

基于改进YOLOv8s的隧道衬砌裂缝的实例分割算法

  

隧道衬砌裂缝检测是当今隧道维护管理的关键环节之一。针对隧道衬砌部位的不同尺度、形态各异的裂缝目标,基于YOLOv8网络架构,提出聚焦裂缝边缘细节特征的隧道衬砌裂缝实例分割算法CS-YOLO(Crack Segment-YOLO)。首先,基于Sobel滤波器与3D卷积操作针对裂缝边… …   相似文献

董延东;李强;王剑豪 《计算机应用》2025,(S1):263-270

融合动态交互和对比学习的机器阅读理解模型

  

针对抽取式机器阅读理解（MRC）任务中存在的抽取位置偏差、答案冗余和预训练语言模型样本数据不足的问题,提出一种融合动态交互和对比学习的MRC模型。首先,将预训练模型的解码层改进为交互预测层,并引入动态自注意力和动态查询机制预测答案;其次,通过TopK算法从预训练模型输出的语义向量… …   相似文献

方宇涵;杨凡;张庆 《计算机应用》2025,(S1):30-36

基于YOLOv8的玉米害虫识别定位系统

  

为提高自然环境中玉米害虫识别的准确性,开发一种基于优化YOLOv8的深度学习模型YOLOv8-LAP。该模型将大型可分离卷积核注意力（LSKA）机制引入特征融合模块空间快速金字塔池化（SPPF）,增强多尺度特征提取能力,提升检测性能。针对玉米害虫图像检测中小目标难以捕捉、背景复杂和光照变化等挑战,在主干网络中加入AFGC（Attention for Fine-Grained Categorization）层,以进一步增强图像特征提取的效果,提升模型的泛化能力和鲁棒性。为保证实时检测和模型轻量化,引入可编程梯度信息（PGI）技术,通过辅助监督优化训练过程,减少参数并加速推理。在9种常见玉米害虫的检测中,YOLOv8-LAP模型的平均精度均值(mAP_0.5)达到了95.7%,相较于原始YOLOv8模型提高了4.9个百分点。此外,为验证YOLOv8-LAP模型的效果,开发一款基于PySide6的应用程序,该应用拥有用户友好的图形用户界面（GUI）,具有实时图像处理和视频分析功能,并支持静态图像、动态视频和摄像头实时目标检测。可见,YOLOv8-LAP模型在降低漏检率和误检率方面表现突出,目标定位更精准,适用于自然环境下的玉米害虫识别,并为精准施药提供技术支持。… …   相似文献

邹鑫;胡艳茹 《计算机应用》2025,(S1):282-288

基于Mamba编解码器的运输皮带系统故障诊断模型

  

运输皮带系统是工业领域重要的运输装置,而该系统的正常工作保障了企业生产活动的顺利进行。目前,针对该系统的故障诊断依赖于使用大量带有标签的历史监测数据进行模型训练,进而导致构建数据集和训练的成本增加。为了解决该问题,提出一种基于小样本学习的对齐残差Mamba网络（ARMNet）模型… …   相似文献

韩建文;刘珈岑;杨涌;郭瑞胜 《计算机应用》2025,(S1):343-348

轻量化的低成本海洋机器人深度估计方法EDepth

  

针对传统单目深度估计方法在海洋环境中存在的精度低、鲁棒性差、运行速度慢和难以部署等问题,提出一种轻量化的海洋机器人深度估计方法,命名为EDepth(EfficientDepth)。该方法旨在提升低成本海洋机器人的三维（3D）感知能力。首先,利用水下光衰减先验,通过空间转换将输入数… …   相似文献

陈东烁;柴春来;叶航;张思赟 《计算机应用》2025,(S1):106-113

改进矢量量化变分自编码器的工业时序异常检测

  

工业领域的异常检测对提高工业自动化和工业生产效率具有重要意义。针对现有的异常检测模型不能有效捕捉传感器数据间复杂的特征关系和异常检测精度有待提升的问题,提出一种改进的矢量量化变分自编码器（VQ-VAE）。首先,考虑工业时序异常数据具有隐藏性,使用短时傅里叶变换（STFT）处理序列… …   相似文献

李若凡;何启学 《计算机应用》2025,(S1):127-131