您当前的位置：
首页 >
文章列表页 >
通道注意力双线性度量网络
计算机科学与技术 | 更新时间：2025-05-26
上一篇|下一篇

    • 通道注意力双线性度量网络

    • Channel attention bilinear metric network

    • “在小样本图像分类领域，CABMN网络通过关注局部特征和挖掘二阶特征信息，提高了分类性能，尤其在细粒度数据集上表现突出。”
    • 李晓旭 ，安文娟 ，武继杰 ，李真 ，张珂 ，马占宇
    • 吉林大学学报（工学版） 2024年54卷第2期 页码：524-532
    • 作者机构：

      1.兰州理工大学 计算机与通信学院，兰州 730050

      2.华北电力大学 电子与通信工程系，保定 071003

      3.华北电力大学 河北省电力物联网技术重点实验室，保定 071003

      4.北京邮电大学 人工智能学院模式识别与智能系统实验室，北京 100876

    • 作者简介：

      李晓旭（1982-），女，教授，博士.研究方向：机器学习基础，图像和视频理解的应用.E-mail： lixiaoxu@lut.edu.cn

    • 基金信息：
      国家自然科学基金项目(62176110;U19B2036;62225601;U23B2052;62076093);甘肃省重点研发计划项目(22YF7GA130);河北省省级科技计划项目(SZX2020034);北京邮电大学优秀青年团队项目(2023QNTD02);兰州理工大学红柳杰出青年基金项目

    • DOI： 10.13229/j.cnki.jdxbgxb.20221176     

      中图分类号：

    移动端阅览

  •  
  •  

  • AI导读

  • HTML全文

  • 图( 4 ) 表( 4 )

  • 参考文献

  • 出版信息

  • 数据统计

54

浏览量

199

下载量

2

CSCD

文章被引用时，请邮件提醒。
提交
工具集
  • BibTeX下载
  • Endnote下载
  • RefMan 下载
  • NoteExpress下载
  • NoteFirst下载

相关文章

基于滑动特征向量的小样本图像分类方法
基于双通道时序特征融合网络的叶片覆冰检测算法
基于特征融合注意力的RGB-D语义分割算法
基于深度学习的工业故障诊断综述
基于扩散模型和DenseNet的少样本齿轮箱故障诊断方法

相关作者

曹洁
屈雪
李晓旭
周求湛
陈霄
汪锋
张雯
李琛

相关机构

兰州理工大学 电气工程与信息工程学院
甘肃省城市轨道交通智能运营工程研究中心
吉林大学 计算机科学与技术学院
吉林大学 通信工程学院
华锐风电科技（江苏）有限公司