[1]西尔艾力·色提,艾山·吾买尔,王路路,吐尔根·依布拉音,马喆康,买合木提·买买提.结合单词-字符引导注意力网络的中文旅游文本命名实体识别[J].计算机工程,2021,47(2):39-45.

[2]俸亚特,文益民.基于改进Mask R-CNN的越南场景文字检测[J].计算机应用,2021,41(12):3551-3557.

[3]王孝男,张利,何思楠.复杂场景文本段识别[J].计算机应用研究,2019,36(9).

[4]杨志婥琪,周兰江,周蕾越.融合文本特征的老挝语文字识别方法研究[J].小型微型计算机系统,2022(4):723-730.

[5]张显杰,张之明.基于卷积神经网络和Transformer的手写体英文文本识别[J].计算机应用,2022,42(8):2394-2400.

[6]束平,许克应,鲍华.多层特征融合和并行自注意力的孪生网络目标跟踪算法[J].计算机应用研究,2022,39(4).

[7]孙姣,杨有龙,车金星.融合注意力机制与权重聚类学习的行人再识别[J].计算机工程与应用,2022,58(20):157-164.

[8]孙弘扬,王尚.基于残差门控循环卷积和注意力机制的端到端光学乐谱识别方法[J].计算机与现代化,2022(7):85-90.

[9]范一华,邓德祥,颜佳.基于色彩空间的最大稳定极值区域的自然场景文本检测[J].计算机应用,2018,38(1):264-269.

[10]林鸿辉,刘建华,郑智雄,胡任远,罗逸轩.联合对话行为识别与情感分类的多任务网络[J].计算机工程与应用,2023,59(3):104-111.

[11]陈林锋,雷景生,吴宏毅,朱陈思聪,叶仕超.结合注意力与局部特征融合的行人重识别算法[J].计算机工程与应用,2022,58(14):282-290.

[12]王紫霄,谢洪涛,王裕鑫,张勇东.层级语义融合的场景文本检测[J].中国图象图形学报,2023,28(8):2343-2355.

[13]师广琛,巫义锐.像素聚合和特征增强的任意形状场景文本检测[J].中国图象图形学报,2021,26(7):1614-1624.

[14]余娜,刘彦,魏雄炬,万源.基于注意力机制和金字塔融合的RGB-D室内场景语义分割[J].计算机应用,2022,42(3):844-853.

[15]刘尚旺,张新明,张非.改进字体自适应神经网络的图像字符编辑方法[J].计算机应用,2022,42(7):2227-2238.

[16]杨晨,杜俊,薛莫白,张建树.用于在线手写公式合成的编解码网络[J].中国图象图形学报,2023,28(8):2356-2369.

[17]崔静雯,马杰,张宇.基于多尺度联合权重分配的目标检测算法[J].计算机工程与应用,2022,58(17):101-110.

[18]乔伟晨,黄冕,刘利军,黄青松.基于特征选择与残差融合的肝肿瘤分割模型[J].中国图象图形学报,2022,27(3):838-849.

[19]刘成林,金连文,白翔,李晓辉,殷飞.文档智能分析与识别前沿：回顾与展望[J].中国图象图形学报,2023,28(8):2223-2252.

[20]孙泽强,陈炳才,崔晓博,王磊,陆雅诺.融合频域注意力机制和解耦头的YOLOv5带钢表面缺陷检测[J].计算机应用,2023,43(1):242-249.