期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于特征自干扰与像素注意力机制的道路分割网络
被引量：
1
1
作者
吴继璋
陈雪云
+1 位作者
丁启辰
刘泓锟
《广西大学学报（自然科学版）》
CAS
北大核心
2022年第5期1350-1362,共13页
主流网络在提取图片特征过程中易受其他目标干扰导致特征鲁棒性降低,而现有的基于噪声抗干扰机制有着伪特征与真实特征相似度不高这一劣势;注意力机制的运用可以提升道路场景特征的空间上下文关系从而增强特征的抗干扰能力,但现有的注...
主流网络在提取图片特征过程中易受其他目标干扰导致特征鲁棒性降低,而现有的基于噪声抗干扰机制有着伪特征与真实特征相似度不高这一劣势;注意力机制的运用可以提升道路场景特征的空间上下文关系从而增强特征的抗干扰能力,但现有的注意力机制缺乏像素级的特征筛选。针对上述问题提出了基于图像特征自干扰与像素注意力机制的道路分割网络,该网络分为主干分割网络和特征自干扰网络两部分,主干的分割网络包含像素注意力模块,可实现真实特征的提取和像素级的增强;自干扰网络输入原始图像随机裁剪和插值放大后得到的局部图生成伪特征,此外提出了融合模块用于实现伪特征与真实特征的融合并对主分割网络中间特征进行干扰。在KITTI和Cityscapes道路数据库上的实验表明:基于图像特征自干扰与像素注意力机制的分割方法与DeepLab V3分割方法相比,在KITTI数据集上的分割精度由88.02%提升至90.55%,在Cityscapes数据集上的分割精度由87.15%提升至90.16%。
展开更多
关键词
深度学习
道路分割
图像特征自干扰
机制
像素注意力机制
在线阅读
下载PDF
职称材料
联合图像通道与像素双注意力机制精细化单幅图像去雪
2
作者
石明珠
糟斌
+3 位作者
苏宇皓
林芯卉
孔思琪
谭慕贤
《光学精密工程》
EI
CAS
CSCD
北大核心
2024年第12期1954-1964,共11页
针对雪天退化图像中不规则和多变的雪花形态,提出一种双注意力机制的精细化图像去雪网络(Dual Attention Refinement Desnowing Network,DARDNet)。网络引入维度拆分处理策略,并行处理通道和像素双维度特征,旨在有效配置两种注意力机制...
针对雪天退化图像中不规则和多变的雪花形态,提出一种双注意力机制的精细化图像去雪网络(Dual Attention Refinement Desnowing Network,DARDNet)。网络引入维度拆分处理策略,并行处理通道和像素双维度特征,旨在有效配置两种注意力机制,兼顾提取复杂特征和保护纹理细节。其中,通道注意力机制针对雪花形态构建基础模块,形成U型金字塔结构分层提取深层次特征;像素注意力机制结合卷积形成自校准模块,串联高效Transformer关注图像纹理细节;两种注意力机制并行化处理后进行特征融合,提升信息融合度。在CSD,SRRS和Snow100K三个数据集上进行验证测试,其中在CSD数据集上PSNR达到32.16 dB,SSIM达到0.96。本文方法在处理多种雪花形态方面具有一定优势,能很好地重建纹理细节,获得高质量的去雪图像。
展开更多
关键词
单幅图像去雪
通道
注意力
机制
像素注意力机制
深度图像先验
在线阅读
下载PDF
职称材料
基于超像素注意力和孪生结构的半监督高光谱显著性目标检测
被引量：
1
3
作者
秦昊林
许廷发
李佳男
《兵工学报》
EI
CAS
CSCD
北大核心
2023年第9期2639-2649,共11页
高光谱显著性目标检测技术在伪装识别、异常检测等领域展现了惊人的潜力,并得到了广泛的关注。基于深度学习技术的神经网络模型克服了传统算法检测精度低、鲁棒性弱的缺点,但是数据标注成本限制了其进一步发展。为此提出了一种超像素注...
高光谱显著性目标检测技术在伪装识别、异常检测等领域展现了惊人的潜力,并得到了广泛的关注。基于深度学习技术的神经网络模型克服了传统算法检测精度低、鲁棒性弱的缺点,但是数据标注成本限制了其进一步发展。为此提出了一种超像素注意力孪生半监督算法,使用少量全监督数据和大量弱监督数据进行训练,有效降低了标注成本。该算法由孪生预测模块和注意力辅助模块组成,其中孪生预测模块捕获弱标签隐式约束并生成显著性结果图,注意力辅助模块利用超像素级通道注意力机制优化预测结果。新提出的超像素注意力孪生半监督算法在高光谱数据集上实现了87%的检测精度,优于其他流行算法,在有效降低标注成本的同时具有优异的显著性检测性能。
展开更多
关键词
高光谱显著性目标检测
半监督训练
孪生结构
超
像素注意力机制
深度学习
在线阅读
下载PDF
职称材料
题名
基于特征自干扰与像素注意力机制的道路分割网络
被引量：
1
1
作者
吴继璋
陈雪云
丁启辰
刘泓锟
机构
广西大学电气工程学院
广西电力职业技术学院汽车与交通工程学院
出处
《广西大学学报（自然科学版）》
CAS
北大核心
2022年第5期1350-1362,共13页
基金
国家自然科学基金项目(62061002)。
文摘
主流网络在提取图片特征过程中易受其他目标干扰导致特征鲁棒性降低,而现有的基于噪声抗干扰机制有着伪特征与真实特征相似度不高这一劣势;注意力机制的运用可以提升道路场景特征的空间上下文关系从而增强特征的抗干扰能力,但现有的注意力机制缺乏像素级的特征筛选。针对上述问题提出了基于图像特征自干扰与像素注意力机制的道路分割网络,该网络分为主干分割网络和特征自干扰网络两部分,主干的分割网络包含像素注意力模块,可实现真实特征的提取和像素级的增强;自干扰网络输入原始图像随机裁剪和插值放大后得到的局部图生成伪特征,此外提出了融合模块用于实现伪特征与真实特征的融合并对主分割网络中间特征进行干扰。在KITTI和Cityscapes道路数据库上的实验表明:基于图像特征自干扰与像素注意力机制的分割方法与DeepLab V3分割方法相比,在KITTI数据集上的分割精度由88.02%提升至90.55%,在Cityscapes数据集上的分割精度由87.15%提升至90.16%。
关键词
深度学习
道路分割
图像特征自干扰
机制
像素注意力机制
Keywords
deep learning
road segmentation
image feature self-disturbance mechanism
pixel attention mechanism
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
联合图像通道与像素双注意力机制精细化单幅图像去雪
2
作者
石明珠
糟斌
苏宇皓
林芯卉
孔思琪
谭慕贤
机构
天津师范大学电子与通信工程学院
天津无线移动通信与无线电能传输重点实验室
出处
《光学精密工程》
EI
CAS
CSCD
北大核心
2024年第12期1954-1964,共11页
基金
国家自然科学基金项目(No.61501328)
横向一般项目(No.53H21034)
+1 种基金
国家留学基金委资助项目(No.202008120045)
天津市研究生科研创新项目(No.2022SKYZ377)。
文摘
针对雪天退化图像中不规则和多变的雪花形态,提出一种双注意力机制的精细化图像去雪网络(Dual Attention Refinement Desnowing Network,DARDNet)。网络引入维度拆分处理策略,并行处理通道和像素双维度特征,旨在有效配置两种注意力机制,兼顾提取复杂特征和保护纹理细节。其中,通道注意力机制针对雪花形态构建基础模块,形成U型金字塔结构分层提取深层次特征;像素注意力机制结合卷积形成自校准模块,串联高效Transformer关注图像纹理细节;两种注意力机制并行化处理后进行特征融合,提升信息融合度。在CSD,SRRS和Snow100K三个数据集上进行验证测试,其中在CSD数据集上PSNR达到32.16 dB,SSIM达到0.96。本文方法在处理多种雪花形态方面具有一定优势,能很好地重建纹理细节,获得高质量的去雪图像。
关键词
单幅图像去雪
通道
注意力
机制
像素注意力机制
深度图像先验
Keywords
single image desnowing
channel attention
pixel attention
deep image prior
分类号
TP394.1 [自动化与计算机技术—计算机应用技术]
TH691.9 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
基于超像素注意力和孪生结构的半监督高光谱显著性目标检测
被引量：
1
3
作者
秦昊林
许廷发
李佳男
机构
北京理工大学光电学院
北京理工大学重庆创新中心
北京理工大学光电成像技术与系统教育部重点实验室
出处
《兵工学报》
EI
CAS
CSCD
北大核心
2023年第9期2639-2649,共11页
基金
国家自然科学基金青年基金项目(202020429036)。
文摘
高光谱显著性目标检测技术在伪装识别、异常检测等领域展现了惊人的潜力,并得到了广泛的关注。基于深度学习技术的神经网络模型克服了传统算法检测精度低、鲁棒性弱的缺点,但是数据标注成本限制了其进一步发展。为此提出了一种超像素注意力孪生半监督算法,使用少量全监督数据和大量弱监督数据进行训练,有效降低了标注成本。该算法由孪生预测模块和注意力辅助模块组成,其中孪生预测模块捕获弱标签隐式约束并生成显著性结果图,注意力辅助模块利用超像素级通道注意力机制优化预测结果。新提出的超像素注意力孪生半监督算法在高光谱数据集上实现了87%的检测精度,优于其他流行算法,在有效降低标注成本的同时具有优异的显著性检测性能。
关键词
高光谱显著性目标检测
半监督训练
孪生结构
超
像素注意力机制
深度学习
Keywords
hyperspectral salient object detection
semi-supervised training
siamese structure
superpixel attention mechanism
deep learning
分类号
TJ301 [兵器科学与技术—火炮、自动武器与弹药工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于特征自干扰与像素注意力机制的道路分割网络
吴继璋
陈雪云
丁启辰
刘泓锟
《广西大学学报（自然科学版）》
CAS
北大核心
2022
1
在线阅读
下载PDF
职称材料
2
联合图像通道与像素双注意力机制精细化单幅图像去雪
石明珠
糟斌
苏宇皓
林芯卉
孔思琪
谭慕贤
《光学精密工程》
EI
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
3
基于超像素注意力和孪生结构的半监督高光谱显著性目标检测
秦昊林
许廷发
李佳男
《兵工学报》
EI
CAS
CSCD
北大核心
2023
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
