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
共找到380篇文章
< 1 2 … 19 >
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：
基于卷积神经网络的仿刺参(Apostichopus japonicus)疣足全基因组选择初步研究
1
作者 林涛 倪萍 +4 位作者 包晓凯 李宇泽 韩泠姝 丁君 王扬帆 《海洋通报》 北大核心 2025年第2期186-195,共10页
仿刺参(Apostichopus japonicus)是山东省和辽宁省的支柱水产种类之一。全基因组选择(Genomic Seletion,GS)分子育种以高效率、高准确率等优势,将农业生物育种推向了新的发展阶段。目前,传统家系育种仍是刺参良种选育的主要手段,发展适... 仿刺参(Apostichopus japonicus)是山东省和辽宁省的支柱水产种类之一。全基因组选择(Genomic Seletion,GS)分子育种以高效率、高准确率等优势,将农业生物育种推向了新的发展阶段。目前,传统家系育种仍是刺参良种选育的主要手段,发展适用于刺参的全基因组选择技术是刺参良种选育的未来重点发展方向,具有重要研究价值。卷积深层神经网络(Convolutional Neural Network,CNN)已经应用在基因互作效应的估计中,解决全基因组选择主流GBLUP方法无法估计基因互作的非加性效应的问题。本研究以仿刺参的重要经济性状疣足为表型,使用52271个SNP基因型,探究了GBLUP和CNN育种值估计的差异。结果表明,在仿刺参疣足数量的遗传力为0.611的情况下,相比于GBLUP方法的预测准确率(0.56363),CNN方法的预测准确率(0.83485)更高,表明基于CNN学习SNP之间潜在的基因互作信息,提高了育种值估计的准确率。本研究首次将CNN用于仿刺参疣足性状的全基因组选择中,研究结果为仿刺参生长性状的分子育种提供了理论支撑。 展开更多
关键词 仿刺参 全基因组选择 卷积神经网络 疣足数量
在线阅读 下载PDF
全卷积定位神经网络在两个地震相互干扰情形下的应用
2
作者 陈慧慧 张雄 +1 位作者 田宵 张伟 《地球物理学报》 北大核心 2025年第1期139-152,共14页
台站连续记录的弱余震或微震数据中经常会遇到两个地震发生的时间比较接近,波形存在互相干扰的情况,给震相拾取和关联等处理造成困难,进而影响地震定位结果.近年来,人们开始探索使用深度学习方法直接从波形数据中定位地震,但鲜有对两个... 台站连续记录的弱余震或微震数据中经常会遇到两个地震发生的时间比较接近,波形存在互相干扰的情况,给震相拾取和关联等处理造成困难,进而影响地震定位结果.近年来,人们开始探索使用深度学习方法直接从波形数据中定位地震,但鲜有对两个波形相互干扰的地震进行定位的情况.本研究基于全卷积神经网络模型,采用叠加两个高斯概率分布的方法,同时标记两个地震,使得同一时窗内存在两个波形相互干扰的地震事件时,神经网络能够同时定位两个地震事件.我们将该方法应用于美国南加州的Ridgecrest地震序列和样本,研究发现输入时窗只包含一个地震事件时,实际数据定位平均误差为2.8 km,当输出标签包含两个地震时,我们利用输出标签减去其中一个地震位置波峰的方法提取出两个地震的位置,估算出的干扰地震事件定位平均误差为7.9 km (定位范围89 km×72 km,包含了位置提取方法的误差).测试表明,该方法对两个波形相互干扰的地震进行定位具有一定的效果,对多事件相互干扰的定位研究具有一定启发意义,从而进一步提高地震监测的完备性. 展开更多
关键词 地震定位 相互干扰 全卷积神经网络
在线阅读 下载PDF
基于区域全卷积网络的变电站识别监控技术
3
作者 张亚平 王楚源 程泓博 《沈阳工业大学学报》 北大核心 2025年第4期439-447,共9页
【目的】变电站作为电力传输和分配的核心枢纽,其安全稳定运行是保障电力系统高效、可靠供电的关键。然而,传统的变电站监控方式存在自动监控能力有限、目标监测精度欠佳等问题,难以满足当下电力系统日益增长的安全需求。本研究致力于... 【目的】变电站作为电力传输和分配的核心枢纽,其安全稳定运行是保障电力系统高效、可靠供电的关键。然而,传统的变电站监控方式存在自动监控能力有限、目标监测精度欠佳等问题,难以满足当下电力系统日益增长的安全需求。本研究致力于开发一种基于区域全卷积网络(R-FCN)的变电站目标识别与安全监控技术,旨在攻克传统监控方式的短板,大幅提升变电站安全保障的整体水平,为电力系统的稳健运行筑牢根基。【方法】方法融合了区域提取和全卷积网络的独特优势,构建起一套高效智能的监控体系。在数据采集环节,部署高清视频监控摄像头,从多个角度全方位、不间断地实时捕捉变电站内的图像数据,为后续的深度分析提供海量且精准的原始素材。针对采集到的图像,运用先进的R-FCN模型进行目标检测。R-FCN凭借其全卷积特性在处理不同尺寸的图像时能够巧妙地维持特征图的高分辨率,避免了传统方法在降采样过程中容易出现的信息丢失问题,极大地提高了目标监测的精度。同时,精心设计并引入区域提取模块,该模块犹如智能导航系统,能够在错综复杂的变电站背景中,精准定位各类关键设施,确保对设备的运行状态进行实时、精准的监测。对于异常行为,如人员未经授权闯入危险区域、设备突发冒烟起火等,也能及时察觉,为后续的应急处置争取宝贵时间。【结果】通过大量的模拟实验以及在实际变电站监控场景中的测试验证,本系统展现出了卓越的性能表现。在与传统目标监测方法的对比实验中,本系统的目标监测准确率相较于传统方法有了显著提升,有效提高了监控的可靠性,避免了不必要的人力、物力。【结论】基于R-FCN的变电站目标识别与安全监控技术,兼具高效的实时处理能力和精准的目标定位能力。在面对海量监控数据时,能够迅速做出响应,快速准确地识别各类目标和异常情况,为电力系统的安全稳定运行提供了强有力的技术支撑,对提升变电站整体监控水平、保障电力系统的可靠供电具有深远意义。 展开更多
关键词 视频监控 目标检测 烟雾检测 区域全卷积网络 变电站 安全监控 异常行为监测 智能监控体系
在线阅读 下载PDF
基于全卷积网络的复杂背景红外弱小目标检测研究 被引量：2
4
作者 关晓丹 郑东平 肖成 《激光杂志》 CAS 北大核心 2024年第4期254-258,共5页
针对复杂背景红外弱小目标检测过程中存在的检测误差率高,检测时间过长等问题,提出基于全卷积网络的复杂背景红外弱小目标检测方法。分析复杂背景红外弱小目标检测的研究进展,找出不同方法的缺陷,采集红外图像,提取目标检测特征,并采用... 针对复杂背景红外弱小目标检测过程中存在的检测误差率高,检测时间过长等问题,提出基于全卷积网络的复杂背景红外弱小目标检测方法。分析复杂背景红外弱小目标检测的研究进展,找出不同方法的缺陷,采集红外图像,提取目标检测特征,并采用全卷积网络设计弱小目标检测的分类器,实现复杂背景红外弱小目标检测。实验结果表明,该方法的复杂背景红外弱小目标检测精度超过97%,具有较高的实际应用价值。 展开更多
关键词 全卷积网络 红外弱小目标 检测精度 提取特征
在线阅读 下载PDF
基于全卷积神经网络多任务学习的时域语音分离 被引量：1
5
作者 孙林慧 王春艳 张蒙 《信号处理》 CSCD 北大核心 2024年第12期2228-2237,共10页
基于深度神经网络时频掩码进行语音分离时,目标信号相位一般采用混合信号的相位谱,且对性别组合缺乏针对性处理,这导致分离语音的质量不佳。针对该问题,本文提出一种基于全卷积神经网络联合性别组合检测(Fully Convolutional Neural Net... 基于深度神经网络时频掩码进行语音分离时,目标信号相位一般采用混合信号的相位谱,且对性别组合缺乏针对性处理,这导致分离语音的质量不佳。针对该问题,本文提出一种基于全卷积神经网络联合性别组合检测(Fully Convolutional Neural Network-Gender Combination Detection,FCN-GCD)多任务学习的时域语音分离方法。该方法首先在语音分离支路构建全卷积神经网络,该网络的输入为时域两人混合语音信号,输出为目标讲话者的纯净语音信号,运用卷积编码器和反卷积解码器对特征进行压缩和重建,实现端到端的语音分离。其次将混合语音性别组合检测任务整合到语音分离网络中,在两个任务联合约束下获取辅助信息特征和语音分离特征,并将这些深度特征相结合来提升语音分离质量。该FCN-GCD方法是一种时域语音分离方法,不需要进行相位恢复和频域到时域的重构,相比频域处理方法,该处理过程简单,从而提高了运算效率。另外,该方法从混合语音性别组合检测任务中提取有效的辅助信息特征,利用联合特征实现了更有效的语音分离。实验结果表明,与单任务的语音分离方法相比,本文所提出的FCN-GCD方法在男男、女女和男女三种性别组合下均有效提高了语音质量,在语音质量感知评估(Perceptual Evaluation of Speech Quality,PESQ)、短时客观可懂度(Short-Time Objective Intelligibility,STOI)、信号干扰比(Signalto-Interference Ratio,SIR)、信号失真比(Signal-to-Distortion Ratio,SDR)和信号伪像比(Signal-to-Artifact Ratio,SAR)评价指标上均获得更佳的表现。 展开更多
关键词 深度神经网络 语音分离 全卷积神经网络 特征融合 多任务学习
在线阅读 下载PDF
一种基于全卷积神经网络的空中目标战术意图识别模型 被引量：3
6
作者 李乐民 宋亚飞 +1 位作者 王鹏 王科 《空军工程大学学报》 CSCD 北大核心 2024年第5期98-106,共9页
针对现有空中目标识别方法敏捷性和可靠度不够高的问题,研究设计了一种深度学习模型MLSTM-FCN,结合了全卷积神经网络、循环神经网络和压缩与激励模块的优点。全卷积网络能够提取空战数据中的复杂局部特征,长短记忆神经网络可以捕捉空战... 针对现有空中目标识别方法敏捷性和可靠度不够高的问题,研究设计了一种深度学习模型MLSTM-FCN,结合了全卷积神经网络、循环神经网络和压缩与激励模块的优点。全卷积网络能够提取空战数据中的复杂局部特征,长短记忆神经网络可以捕捉空战意图数据的时序特征。通过消融实验和对比实验结果表明,MLSTM-FCN模型在意图识别准确率、反应速度和抗干扰能力方面明显优于现有的空中目标意图识别模型,取得了sota的结果,为指挥员在进行空中作战决策时提供更有效的依据。 展开更多
关键词 意图识别 空中目标 深度学习 全卷积网络 长短记忆神经网络 压缩与激励模块
在线阅读 下载PDF
基于深度全卷积神经弹性网络WCGAN-GP模型的语音增强研究 被引量：2
7
作者 许雯婷 龚晓峰 《计算机应用与软件》 北大核心 2024年第2期130-137,共8页
Wasserstein距离生成对抗网络(Wasserstein Generative Adversal Network,WGAN)模型^([1])在语音增强中运用广泛,但存在梯度易爆炸、性能不稳定等问题。引入梯度惩罚(Gradient Penalty,GP)和弹性网络条件约束,并将生成器和判别器优化成... Wasserstein距离生成对抗网络(Wasserstein Generative Adversal Network,WGAN)模型^([1])在语音增强中运用广泛,但存在梯度易爆炸、性能不稳定等问题。引入梯度惩罚(Gradient Penalty,GP)和弹性网络条件约束,并将生成器和判别器优化成深度全卷积神经网络(Deep Fully Convolutional Neural Networks,DFCNN)结构,提出一种基于DFCNN的弹性网络条件梯度惩罚(Wasserstein Conditional Generative Adversal Network Gradient Penalty,WCGAN-GP)模型。改进后的模型可以达到真实Lipschitz限制条件,提高了可控性、稳定性和特征提取能力,能更快优化训练。实验将改进后的模型与WGAN对不同噪声条件下的语音进行增强,结果证实了改进后的模型在语音增强方面的优越性。 展开更多
关键词 Wasserstein距离 深度全卷积神经网络 梯度惩罚 弹性网络 条件约束
在线阅读 下载PDF
基于全卷积神经网络的纵横波分解技术研究及其在弹性波成像中的应用
8
作者 许凯 陈祖庆 +3 位作者 孙振涛 张广智 康家光 王静波 《石油物探》 CSCD 北大核心 2024年第6期1126-1137,共12页
纵波(P)和横波(S)波场分解对弹性介质中的多分量地震波成像至关重要,但是常规P-S波波场分解方法精度相对较低,且存在成像假象的问题。为此,构建了一种基于全卷积神经网络(FCN)的网络结构,用于二维各向同性弹性介质地震波场的P-S波波场... 纵波(P)和横波(S)波场分解对弹性介质中的多分量地震波成像至关重要,但是常规P-S波波场分解方法精度相对较低,且存在成像假象的问题。为此,构建了一种基于全卷积神经网络(FCN)的网络结构,用于二维各向同性弹性介质地震波场的P-S波波场分解。该网络由全卷积神经网络构建,使用合成波场快照进行训练,训练完成的网络类似空间滤波器,可实现高精度的P-S波波场分解。不同于基于傅里叶变换的P-S波波场分解方法,该方法可以在波场任意空间位置处开展P-S波波场分解,因此适用于面向目标的地震成像。合成数据的计算示例表明,基于全卷积神经网络的纵横波波场分解方法可有效分解P波和S波波场,且精度高于其他空间域分解方法。弹性波逆时偏移成像结果表明,使用基于全卷积神经网络(FCN)的P-S波波场分解方法所获得的基于P波和S波的地震波成像结果,可有效减少速度界面处的成像假象,提高复杂地质条件下的多波成像精度。 展开更多
关键词 弹性波场 P-S波波场分解 全卷积神经网络(fcn) 弹性波成像
在线阅读 下载PDF
基于箱线图与全卷积网络的动态场景烟雾检测 被引量：5
9
作者 王文标 郝友维 时启衡 《安全与环境学报》 CAS CSCD 北大核心 2024年第6期2213-2219,共7页
烟雾具有透光性强、纹理模糊等特征,且易与云、雾等目标混淆,导致基于视频的单阶段烟雾检测网络识别准确率低且受环境干扰明显,难以满足实际现场的使用需求。针对上述问题,提出一种基于箱线图背景建模(Box Plot Background, BPB)与全卷... 烟雾具有透光性强、纹理模糊等特征,且易与云、雾等目标混淆,导致基于视频的单阶段烟雾检测网络识别准确率低且受环境干扰明显,难以满足实际现场的使用需求。针对上述问题,提出一种基于箱线图背景建模(Box Plot Background, BPB)与全卷积分类网络(Full Convulsion DNCNN,FCDN)的二阶段烟雾检测算法:一阶段使用箱线图统计方法剔除背景队列中的移动干扰目标,利用背景队列中的最大值与最小值建立能适应动态场景的背景模型,以减少一阶段动态背景误报和背景模型被污染带来的烟雾区域遗漏;二阶段使用卷积层替换全连接层,解决输入图像尺寸和形状的限制问题,提升火灾初期细长形烟雾的检出效率。试验显示,该算法在动态场景下的漏检率与误检率均明显降低,并显著提升了烟雾检测速度。 展开更多
关键词 安全工程 烟雾检测 动态场景 箱线图 背景建模 全卷积网络
在线阅读 下载PDF
改进全卷积神经网络的遥感图像小目标检测 被引量：1
10
作者 徐雪峰 郭广伟 黄余 《机械设计与制造》 北大核心 2024年第10期38-42,共5页
对遥感图像中小目标的检测进行研究,提出改进全卷积神经网络的检测新算法。首先,分析了分层概率图模型和深度学习的基本概念和模型。然后,提出分层概率图模型中分层马尔可夫随机场的后验边际模式的递归获取步骤。最后,将全卷积神经网络... 对遥感图像中小目标的检测进行研究,提出改进全卷积神经网络的检测新算法。首先,分析了分层概率图模型和深度学习的基本概念和模型。然后,提出分层概率图模型中分层马尔可夫随机场的后验边际模式的递归获取步骤。最后,将全卷积神经网络和分层概率图模型联合,实现对全卷积神经网络的改进,构建遥感图像小目标检测新方法。此外,在所提方法中,选用随机森林技术从分类学习样本中估计每个类和分辨率的后验概率。基于对某地区卫星数据集的处理,将所提出的检测方法与其他四种方法进行了对比。对比实验结果表明,与其他方法相比,所提出的检测方法对低矮植被、车辆、树等遥感图像中的小目标具有更高的检测准确率。 展开更多
关键词 小目标检测 遥感图像 全卷积神经网络 分层概率图模型 随机森林
在线阅读 下载PDF
基于深度全卷积提升网络的心电信号降噪
11
作者 杨畅 刘慧妍 刘明 《计算机应用与软件》 北大核心 2024年第5期40-48,共9页
针对传统的降噪方法难以在不丢失心电信号下准确去除复杂噪声问题,提出一种基于深度全卷积提升网络(FCBN)的心电信号降噪方法。该方法利用全卷积网络的局部连接的特性来保留心电信号波形细节信息,通过提升(Boosting)算法堆叠多个FCN网... 针对传统的降噪方法难以在不丢失心电信号下准确去除复杂噪声问题,提出一种基于深度全卷积提升网络(FCBN)的心电信号降噪方法。该方法利用全卷积网络的局部连接的特性来保留心电信号波形细节信息,通过提升(Boosting)算法堆叠多个FCN网络形成深度神经网络,多级输入原始信号,保留心电信号的深层信息特征,提高整体网络的降噪性能。实验结果表明,该方法与小波阈值法、S变换法、BP神经网络法和卷积自动编码器比较,信噪比提高明显且均方根误差较小,同时可保留更多心电信号的波形形态信息。 展开更多
关键词 心电信号 降噪 全卷积网络 提升算法
在线阅读 下载PDF
基于深度学习的全卷积网络图像裂纹检测 被引量：66
12
作者 王森 伍星 +1 位作者 张印辉 陈庆 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2018年第5期859-867,共9页
为实现复杂背景下裂纹目标的有效检测及降低错误标记,将全卷积网络(FCN)引入图像裂纹检测中,并针对裂纹检测实验中FCN模型存在丢失局部信息和丧失部分精细化区分能力的问题,构建一种Crack FCN模型.首先在增大分辨率的同时,取消全连接层... 为实现复杂背景下裂纹目标的有效检测及降低错误标记,将全卷积网络(FCN)引入图像裂纹检测中,并针对裂纹检测实验中FCN模型存在丢失局部信息和丧失部分精细化区分能力的问题,构建一种Crack FCN模型.首先在增大分辨率的同时,取消全连接层中的Dropout技术,以增大裂纹信息的选择;其次通过加深FCN的网络深度,使整个网络实现递进式特征传递;最后在网络之后添加更高尺度的反卷积层来扩充局部精细细节.在2 156幅自制的裂纹图像数据集上对文中模型、FCN-8s模型以及其他检测方法进行实验的结果表明,Crack FCN网络模型在提高检测精度的同时可以有效地降低错误标记. 展开更多
关键词 深度学习 裂纹检测 全卷积网络 网络模型
在线阅读 下载PDF
基于RGB-D的肉牛图像全卷积网络语义分割优化 被引量：10
13
作者 邓寒冰 周云成 +2 位作者 许童羽 苗腾 徐静 《农业工程学报》 EI CAS CSCD 北大核心 2019年第18期151-160,共10页
基于卷积神经网络的深度学习模型已越来越多的应用于检测肉牛行为。利用卷积操作实现肉牛图像的像素级分割有助于实现远距离、无接触、自动化的检测肉牛行为,为肉牛异常行为早期发现提供必要手段。为了提高复杂背景下肉牛图像语义分割精... 基于卷积神经网络的深度学习模型已越来越多的应用于检测肉牛行为。利用卷积操作实现肉牛图像的像素级分割有助于实现远距离、无接触、自动化的检测肉牛行为,为肉牛异常行为早期发现提供必要手段。为了提高复杂背景下肉牛图像语义分割精度,降低上采样过程中的语义分割误差,该文提出基于RGB-D的肉牛图像全卷积网络(fully convolutional networks,FCN)的语义分割优化方法,用深度密度值来量化深度图像中不同像素点是否属于相同类型的概率,并根据深度图像与彩色图像在内容上的互补关系,优化和提升FCN对肉牛图像的语义分割(像素密集预测)精度。通过试验验证,该方法与全卷积网络的最优分割结果相比,可以将统计像素准确率平均提高2.5%,类别平均准确率平均提升2.3%,平均区域重合度平均提升3.4%,频率加权区域重合度平均提升2.7%。试验证明,该方法可以提升全卷积网络模型在复杂背景下肉牛图像语义分割精度。 展开更多
关键词 图像处理 模型 动物 语义分割 RGB-D 全卷积网络 多模态 肉牛图像
在线阅读 下载PDF
基于全卷积网络的土壤断层扫描图像中孔隙分割 被引量：15
14
作者 韩巧玲 赵玥 +2 位作者 赵燕东 刘克雄 庞曼 《农业工程学报》 EI CAS CSCD 北大核心 2019年第2期128-133,共6页
针对土壤断层扫描图像中存在部分容积效应及因孔隙成分复杂、结构不规则等引起的分割精度低的问题,该文提出一种全卷积网络(fully convolutional network,FCN)土壤孔隙分割方法,为土壤科学研究提供技术支持。该文以黑土土壤断层扫描图... 针对土壤断层扫描图像中存在部分容积效应及因孔隙成分复杂、结构不规则等引起的分割精度低的问题,该文提出一种全卷积网络(fully convolutional network,FCN)土壤孔隙分割方法,为土壤科学研究提供技术支持。该文以黑土土壤断层扫描图像为研究对象,通过卷积和池化运算输出不同尺度的孔隙特征图;将孔隙的深层特征和浅层特征相融合,采用上采样算子对融合特征进行插值操作,从而输出孔隙的二值图。与大津法、分水岭法、区域生长法和模糊C均值聚类法(Fuzzy C-means,FCM)4种常用孔隙分割方法的对比结果表明,FCN法在低,中,高3种孔隙密度的土壤图像中优于其他4种方法。FCN法的平均分割正确率为98.1%,比4种常用方法分别高25.6%,48.3%,55.7%和9.5%;FCN法的平均过分割率和欠分割率分别为2.2%和1.3%,仅为次优方法(FCM法)的33.8%和23.6%。通过融合土壤孔隙结构的多重特征,FCN法能够实现土壤孔隙整体和局部信息的精准判断,为土壤学的研究提供了一种更加智能化的技术手段。 展开更多
关键词 土壤 图像分割 全卷积网络 土壤孔隙 深度学习
在线阅读 下载PDF
基于全卷积神经网络的灌区无人机正射影像渠系提取 被引量：8
15
作者 张宏鸣 王斌 +3 位作者 韩文霆 杨江涛 蒲攀 蔚继承 《农业机械学报》 EI CAS CSCD 北大核心 2019年第6期241-248,共8页
为快速准确获取灌区渠系分布信息,科学调配区域农业水资源、提高水资源利用率,通过基于全卷积神经网络(Fully convolutional networks,FCN)的语义分割模型进行渠系轮廓提取。利用无人机采集正射影像并进行标注,以VGG 19网络为基础,通过... 为快速准确获取灌区渠系分布信息,科学调配区域农业水资源、提高水资源利用率,通过基于全卷积神经网络(Fully convolutional networks,FCN)的语义分割模型进行渠系轮廓提取。利用无人机采集正射影像并进行标注,以VGG 19网络为基础,通过多尺度特征融合的方式实现FCN-8s结构,使用Tensorflow深度学习框架构建FCN渠系提取模型;对数据集进行数据增强,分割后放入FCN模型中训练、测试。实验结果显示,针对不同复杂程度的测试区域,FCN模型的提取准确度、完整度、精度均高于支持向量机方法和改进霍夫变换方法,均值分别为95.78%、92.29%、89.45%。结果表明,该方法能够实现灌区渠系轮廓的高精度提取,具有较好的泛化性和鲁棒性。 展开更多
关键词 渠系 提取 全卷积神经网络 无人机 正射影像 语义分割
在线阅读 下载PDF
基于全卷积神经网络的肝脏CT影像分割研究 被引量：25
16
作者 郭树旭 马树志 +6 位作者 李晶 张惠茅 孙长建 金兰依 刘晓鸣 刘奇楠 李雪妍 《计算机工程与应用》 CSCD 北大核心 2017年第18期126-131,共6页
针对腹部CT影像邻近器官对比度较低及因个体肝脏形状差异较大等引起肝脏分割困难的问题,提出了全卷积神经网络肝脏分割模型。首先通过卷积神经网络提取图像深层、抽象的特征,再通过反卷积运算对提取到的特征映射进行插值重构后得到分割... 针对腹部CT影像邻近器官对比度较低及因个体肝脏形状差异较大等引起肝脏分割困难的问题,提出了全卷积神经网络肝脏分割模型。首先通过卷积神经网络提取图像深层、抽象的特征,再通过反卷积运算对提取到的特征映射进行插值重构后得到分割结果。由于单纯进行反卷积得到的分割结果往往比较粗糙,因此,在反卷积之前,先融合高层与低层的特征,并且通过增加反卷积的层数、减少反卷积步长,得到了更为精确的分割结果。与传统卷积神经网络的分割方法相比,该模型可以充分利用CT影像的空间信息。实验数据表明该模型能够使腹部CT影像肝脏分割具有较高的精度。 展开更多
关键词 深度学习 全卷积神经网络 医学图像分割
在线阅读 下载PDF
基于全卷积网络和条件随机场的宫颈癌细胞学图像的细胞核分割 被引量：9
17
作者 刘一鸣 张鹏程 +1 位作者 刘祎 桂志国 《计算机应用》 CSCD 北大核心 2018年第11期3348-3354,共7页
针对宫颈癌细胞学筛查中由于宫颈细胞核形状复杂多样等因素而导致分割不够精确的问题,提出了一种结合了全卷积网络(FCN)和全连接条件随机场(CRF)的细胞核分割方法。首先,根据Herlev数据集的特点搭建微型全卷积网络(T-FCN),利用细胞核区... 针对宫颈癌细胞学筛查中由于宫颈细胞核形状复杂多样等因素而导致分割不够精确的问题,提出了一种结合了全卷积网络(FCN)和全连接条件随机场(CRF)的细胞核分割方法。首先,根据Herlev数据集的特点搭建微型全卷积网络(T-FCN),利用细胞核区域像素级别的类别先验信息,自主学习多层次特征来获取细胞核的粗分割结果;然后,通过最小化包含有整幅细胞图像中所有像素类别、像素色彩值与位置等信息的全连接CRF的能量函数来剔除粗分割结果中微小的误分割,并细化分割边缘。在Herlev数据集上的实验结果显示,提出的方法在查准率(Precision)、查全率(Recall)与Zijdenbos相似性指数(ZSI)上均有高于0.9的表现,表明得到的细胞核分割结果与其真实轮廓高度匹配,分割精确。相较于传统方法中对异常细胞核的分割精度较正常细胞核低的情况,提出的方法在异常细胞核的分割指标上普遍优于正常细胞核。 展开更多
关键词 全卷积网络 密集条件随机场 细胞核分割 巴氏涂片
在线阅读 下载PDF
基于全卷积神经网络的非对称并行语义分割模型 被引量：12
18
作者 李宝奇 贺昱曜 +1 位作者 何灵蛟 强伟 《电子学报》 EI CAS CSCD 北大核心 2019年第5期1058-1064,共7页
针对RGB图像具有丰富的色彩细节特征,红外图像对目标轮廓、尺寸、边界等外形特征有较高敏感度的特点,提出了一种非对称并行语义分割模型APFCN(Asymmetric Parallelism Fully Convolutional Networks).APFCN上路设计了一个卷积核尺寸非... 针对RGB图像具有丰富的色彩细节特征,红外图像对目标轮廓、尺寸、边界等外形特征有较高敏感度的特点,提出了一种非对称并行语义分割模型APFCN(Asymmetric Parallelism Fully Convolutional Networks).APFCN上路设计了一个卷积核尺寸非统一的五层空洞卷积网络来提取红外图像目标高层轮廓特征;下路沿用卷积加池化网络提取RGB图像三个尺度上的细节特征;后端将红外图像高层特征与RGB图像三个尺度的细节特征进行融合,并将4倍上采样后的融合特征作为语义分割输出.结果表明,APFCN在像素精度和交并比等方面均优于FCN(输入为RGB图像或红外图像),适用于背景一致下地面目标的语义分割任务. 展开更多
关键词 语义分割 全卷积神经网络 非对称并行全卷积神经网络 空洞卷积 空洞率
在线阅读 下载PDF
基于全卷积神经网络的林区航拍图像虫害区域识别方法 被引量：19
19
作者 刘文定 田洪宝 +2 位作者 谢将剑 赵恩庭 张军国 《农业机械学报》 EI CAS CSCD 北大核心 2019年第3期179-185,共7页
针对航拍林区虫害图像的虫害区域不规则和传统识别方法泛化能力差的问题,提出一种基于全卷积神经网络(Fully convolution networks,FCN)的虫害区域识别方法。采用八旋翼无人机航拍虫害林区、获取林区虫害图像,并对虫害区域进行像素级标... 针对航拍林区虫害图像的虫害区域不规则和传统识别方法泛化能力差的问题,提出一种基于全卷积神经网络(Fully convolution networks,FCN)的虫害区域识别方法。采用八旋翼无人机航拍虫害林区、获取林区虫害图像,并对虫害区域进行像素级标注,用于模型训练;将VGG16模型的全连接层替换为卷积层,并通过上采样实现端到端的学习;使用预训练的卷积层参数,提升模型收敛速度;采用跳跃结构融合多种特征信息,有效提升识别精度,并通过该方法构造了5种全卷积神经网络。试验表明,针对林区航拍虫害图像,FCN-2s在5种全卷积神经网络中区域识别精度最高,其像素准确率为97. 86%,平均交并比为79. 49%,单幅分割时间为4. 31 s。该方法与K-means、脉冲耦合神经网络、复合梯度分水岭算法相比,像素准确率分别高出44. 93、20. 73、6. 04个百分点,平均交并比分别高出50. 19、35. 67、18. 86个百分点,单幅分割时间分别缩短47. 54、19. 70、11. 39 s,可以实现林区航拍图像的虫害区域快速准确识别,为林业虫害监测和防治提供参考。 展开更多
关键词 林业虫害监测 航拍 图像识别 全卷积神经网络 语义分割 迁移学习
在线阅读 下载PDF
基于新型深度全卷积网络的肝脏CT影像三维区域自动分割 被引量：9
20
作者 孙明建 徐军 +1 位作者 马伟 张玉东 《中国生物医学工程学报》 CAS CSCD 北大核心 2018年第4期385-393,共9页
肝脏分割对于肝肿瘤肝段切除及肝移植体积测量具有重要的临床价值。由于在CT影像中肝脏与邻近脏器的灰度值相似性很高,因此对肝脏区域的三维自动分割是一项具有挑战性的难题。为解决精准肝脏分割的问题,提出一种新型的深度全卷积网络结... 肝脏分割对于肝肿瘤肝段切除及肝移植体积测量具有重要的临床价值。由于在CT影像中肝脏与邻近脏器的灰度值相似性很高,因此对肝脏区域的三维自动分割是一项具有挑战性的难题。为解决精准肝脏分割的问题,提出一种新型的深度全卷积网络结构3DUnet-C2。该结构充分利用肝脏CT图像的三维空间信息,并有效结合肝脏区域的浅层特征和深层特征。特别地,还提出一种新的3DUnet-C2网络训练策略,通过选取清晰图像,并从图像中截取肝脏区域作为样本进行训练的方式,得到初步3DUnet-C2模型权重,并使用该权重来初始化3DUnet-C2的网络参数,从而使网络达到收敛。最后,针对3DUnet-C2网络分割肝脏边界不精准的问题,在原有3DUnet-C2网络模型的基础上,运用三维条件随机场构建3DUnet-C2-CRF模型来优化肝脏分割边界。为了验证所提出三维分割模型的性能,从ISBI2017 Liver Tumor Segmentation Challenge的数据集中选取100张CT图像用于训练、验证和测试,3DUnet-C2-CRF模型在随机选取的20张测试集上的分割准确率的Dice系数为96.9%,高于3DUnet和Vnet模型的Dice系数。实验结果表明,3DUnet-C2-CRF模型具有更好的特征表达能力以及更强的泛化性能,从而可提升模型的分割准确率。 展开更多
关键词 肝脏分割 深度全卷积网络 条件随机场
在线阅读 下载PDF
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 2 … 19 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部