II导联心电图中心肌梗死检测与定位:基于多尺度残差模块融合改进通道注意力模型

1

作者 吴秋岑 卢学麒 +3 位作者 温耀棋 洪永 吴煜良 陈超敏 《南方医科大学学报》 北大核心 2025年第8期1777-1790,共14页

目的提高心肌梗死(MI)检测和定位准确性,为临床诊断提供辅助决策支持。方法本文提出了一种基于多尺度残差模块融合改进通道注意力模型(MSF-RB-MCA)。该模型利用II导联心电图(ECG)信号检测和定位MI,通过多尺度残差模块提取不同层次的特... 目的提高心肌梗死(MI)检测和定位准确性,为临床诊断提供辅助决策支持。方法本文提出了一种基于多尺度残差模块融合改进通道注意力模型(MSF-RB-MCA)。该模型利用II导联心电图(ECG)信号检测和定位MI,通过多尺度残差模块提取不同层次的特征信息,并引入改进通道注意力自动调整特征权重,增强模型对MI区域的关注能力,从而提高MI检测与定位的精度。结果使用公开的PTB数据集对提出的模型进行了5折交叉验证。在MI检测任务中,模型在测试集上的准确率、特异性、敏感度分别达到99.96%、99.84%和99.99%;在MI定位任务中,准确率、特异性、敏感度分别为99.81%、99.98%和99.65%。检测和定位结果均优于其他几种模型。结论本研究提出的MSF-RB-MCA模型在基于II导联ECG信号的MI检测与定位方面表现出色,展现出其在可穿戴设备领域中的广泛应用前景。 展开更多

关键词 心肌梗死 深度学习 多尺度 残差模块 改进通道注意力

在线阅读 下载PDF 职称材料

多尺度残差与全局注意力结合的低剂量CT去噪

2

作者 孙亚楠 陈平 潘晋孝 《应用光学》 北大核心 2025年第2期292-299,共8页

针对目前低剂量CT(low dose computed tomography,LDCT)图像去噪方法由于缺乏对空间特征和去噪任务之间的内在联系,导致重建图像的纹理细节丢失和过于平滑的问题,提出了一种结合多尺度密集残差和全局注意力的图像去噪网络。通过引入多... 针对目前低剂量CT(low dose computed tomography,LDCT)图像去噪方法由于缺乏对空间特征和去噪任务之间的内在联系,导致重建图像的纹理细节丢失和过于平滑的问题,提出了一种结合多尺度密集残差和全局注意力的图像去噪网络。通过引入多尺度密集残差块来提取图像的多尺度特征信息,并通过全局注意力机制(global attention mechanism,GAM)来关注模型不同通道间的跨维信息,同时加入跳跃连接进一步扩大全局交互特征的范围,最后使用多尺度特征损失函数增强图像纹理细节,避免图像过于平滑的问题。经过实验验证,本文所提出的算法在峰值信噪比(PSNR)和结构相似度(SSIM)这两项指标上分别达到了35.1838 dB、0.9605,在去除噪声的同时很好地保留了图像细节信息,优于其他算法。 展开更多

关键词 低剂量CT 图像去噪 多尺度密集残差 全局注意力机制

在线阅读 下载PDF 职称材料

多尺度残差密集注意力网络图像超分辨率重建 被引量：3

3

作者 倪水平 王仕杰 +1 位作者 李慧芳 李朋坤 《河南理工大学学报（自然科学版）》 CAS 北大核心 2024年第1期140-148,共9页

目的使用单一尺度卷积网络提取低分辨率(low-resolution,LR)图像特征会造成大量图像高频特征丢失,为了获取更多高频特征,重建更清晰的超分辨率图像,方法提出一种基于多尺度残差密集注意力网络(multi-scale residual dense attention net... 目的使用单一尺度卷积网络提取低分辨率(low-resolution,LR)图像特征会造成大量图像高频特征丢失,为了获取更多高频特征,重建更清晰的超分辨率图像,方法提出一种基于多尺度残差密集注意力网络(multi-scale residual dense attention network)的单幅图像超分辨率重建算法。首先,使用卷积网络从低分辨率图像中提取浅层特征并将其作为后续网络各级输入;其次,采用各级多尺度残差密集注意力块(multi-scale residual dense attention block)处理前级网络图像特征并从中提取图像高频特征,多尺度残差密集网络善于提取更丰富的图像特征,并融入注意力机制,增强网络对高频区域特征的关注;然后,将网络各级提取不同深度的图像特征进行全局特征融合;最后,融合后的特征经上采样输出重建的超分辨率图像。结果放大因子为4时,网络在SET5,SET14,BSDS100,URBAN100和MANGA109数据集上测试,峰值信噪比分别为31.97,28.58,27.57,25.85,29.79 dB;网络中基本模块分别由多尺度残差密集注意力块、残差块和密集块替换提取特征,以峰值信噪比作为模块性能评估标准,多尺度残差密集注意力块表现更优异。结论该网络结合多尺度残差密集网络能够获取更丰富图像高低频信息,融入注意力机制有效对网络中高频信息进行提取,能重建纹理更清晰的超分辨率图像。 展开更多

关键词 多尺度残差 密集注意力网络 超分辨率重建 注意力机制 高频区域

在线阅读 下载PDF 职称材料

基于残差双通道注意力U-Net的古代壁画病害检测

4

作者 赵辉荣 余映 +2 位作者 陈安 倪雪莹 王信超 《计算机辅助设计与图形学学报》 北大核心 2025年第6期1040-1052,共13页

针对现有的古代壁画病害检测方法难以准确地检测壁画病害区域的问题,提出一种基于残差双通道注意力U-Net的古代壁画病害检测模型.首先设计残差双通道模块代替U-Net中的编码器和解码器,构建具有多分辨率分析能力的网络检测复杂背景中不... 针对现有的古代壁画病害检测方法难以准确地检测壁画病害区域的问题,提出一种基于残差双通道注意力U-Net的古代壁画病害检测模型.首先设计残差双通道模块代替U-Net中的编码器和解码器,构建具有多分辨率分析能力的网络检测复杂背景中不同尺度的壁画病害区域;然后加入多尺度注意力门融合高层和低层的互补特征,使网络能突出壁画病害区域的显著特征;最后设计混合域注意力模块抑制壁画背景信息的干扰,进一步准确地定位壁画病害区域;此外,采用多阶段损失相加的方式提高网络模型的性能.实验结果表明,在敦煌莫高窟壁画数据集和云南少数民族壁画数据集上,所提模型的检测结果在视觉感受方面优于其他对比方法,在F-score指标上分别达到了0.807 7和0.728 9,均高于其他对比方法. 展开更多

关键词 古代壁画病害检测 U-Net 残差双通道 多尺度注意力门 混合域注意力

在线阅读 下载PDF 职称材料

基于梯度残差密集块和注意力混洗的红外与可见光图像融合

5

作者 袁硕智 刘培培 +2 位作者 张宇晓 徐湖洋 刘思李 《激光杂志》 CAS 北大核心 2024年第7期150-156,共7页

针对当前基于深度学习的红外和可见光图像融合存在提取细粒度细节信息不足、深层特征利用困难的问题,提出了一种基于梯度残差密集块和注意力混洗机制的红外与可见光融合方法。该方法在编码器中加入梯度残差密集块和注意力混洗模块,提升... 针对当前基于深度学习的红外和可见光图像融合存在提取细粒度细节信息不足、深层特征利用困难的问题,提出了一种基于梯度残差密集块和注意力混洗机制的红外与可见光融合方法。该方法在编码器中加入梯度残差密集块和注意力混洗模块,提升自编码器对图像细粒度细节信息和深层全局特征的提取能力并抑制噪声。在与其他方法的对比实验中,本方法在主观评价上具有良好的细节纹理和全局层次,并可以很好地融合红外与可见光源图像的有效特征;在客观评价上,本算法在标准差、峰值信噪比、视觉保真度、基于边缘信息的指标和小波特征互信息五项取得最优值,分别为76.9275、16.7755、0.8767、0.5141、0.4313。 展开更多

关键词 图像融合 深度学习 注意力机制 梯度残差密集块

在线阅读 下载PDF 职称材料

结合密集残差块和注意力的真实图像去噪网络

6

作者 余卓璞 周冬明 +2 位作者 周联敏 赵倩 尹稳 《计算机工程与设计》 北大核心 2024年第6期1812-1821,共10页

为有效去除真实图像噪声并保留图像边缘信息,提出一种结合密集网络思想和并行极化自注意力机制的真实去噪算法。使用3条并行结构处理不同尺度的特征信息,其中每条分支由两个密集注意力块串联而成,形成残差结构。使用选择性核融合机制,... 为有效去除真实图像噪声并保留图像边缘信息,提出一种结合密集网络思想和并行极化自注意力机制的真实去噪算法。使用3条并行结构处理不同尺度的特征信息,其中每条分支由两个密集注意力块串联而成,形成残差结构。使用选择性核融合机制,获取不同深度下的特征信息,将其融合并使用注意力机制去除冗余信息,获取干净图像。实验结果表明,该算法在SIDD、DND、PolyU测试集上的峰值信噪比分别为39.32 dB、39.52 dB和37.36 dB,结构相似性分别为0.908、0.951和0.952,在SIDD和PolyU测试集上的图像通用质量指标值为0.992和0.982,在去噪任务上可以达到较好的性能,提高了图像视觉的质量。 展开更多

关键词 真实图像去噪 深度学习 卷积神经网络 密集残差网络 多尺度 注意力机制 深度卷积

在线阅读 下载PDF 职称材料

基于多尺度残差注意力域适应的轴承故障诊断

7

作者 唐友福 姜佩辰 +2 位作者 李澳 丁涵 刘瑞峰 《石油机械》 北大核心 2024年第10期20-27,共8页

针对滚动轴承待监测样本在跨机器任务中诊断困难的问题,提出一种基于多尺度残差注意力域适应的滚动轴承故障诊断方法。该方法将滚动轴承振动信号直接作为多尺度注意力残差网络模块的输入,为更好提取源域与目标域的共同特征,该模块引入... 针对滚动轴承待监测样本在跨机器任务中诊断困难的问题,提出一种基于多尺度残差注意力域适应的滚动轴承故障诊断方法。该方法将滚动轴承振动信号直接作为多尺度注意力残差网络模块的输入,为更好提取源域与目标域的共同特征,该模块引入多尺度卷积提取特征信息、注意力机制的压缩激励网络解决数据差异性与残差网络的跨层连接,域自适应部分采用局部最大均值差异度量准则,并选择滚动轴承公开故障数据集进行对比与消融试验。试验结果表明:提出的多尺度残差注意力域适应的滚动轴承故障诊断方法在跨机器任务下平均识别精度达到99.1%,相比于其他方法具有较好的泛化性能。所得结论可为滚动轴承故障监测与诊断提供理论依据。 展开更多

关键词 滚动轴承 故障诊断模型 迁移学习 多尺度卷积核 注意力残差块

在线阅读 下载PDF 职称材料

融合残差密集块自注意力机制和生成对抗网络的对抗攻击防御模型 被引量：7

8

作者 赵玉明 顾慎凯 《计算机应用》 CSCD 北大核心 2022年第3期921-929,共9页

神经网络在图像分类任务上表现优异,但它极易受添加微小扰动的对抗样本的影响,输出错误的分类结果;而目前防御方法存在图像特征提取能力不足、对图像关键区域特征关注较少的问题。针对这些问题,提出了一种融合残差密集块(RDB)自注意力... 神经网络在图像分类任务上表现优异,但它极易受添加微小扰动的对抗样本的影响,输出错误的分类结果;而目前防御方法存在图像特征提取能力不足、对图像关键区域特征关注较少的问题。针对这些问题,提出了一种融合残差密集块(RDB)自注意力机制和生成对抗网络(GAN)的攻击防御模型——RD-SA-DefGAN。该模型将GAN和投影梯度下降(PGD)攻击算法相结合,吸收PGD攻击算法生成的对抗样本进入训练样本扩充训练集,辅以条件约束稳定模型的训练过程。该模型添加了残差密集块和自注意力机制,在充分提取特征的同时,增大了关键区域特征对分类任务的贡献度。在CIFAR10、STL10和ImageNet20数据集上的实验结果表明,RD-SA-DefGAN能对对抗攻击实施有效防御,在抵御PGD对抗攻击上优于Adv.Training、Adv-BNN、Rob-GAN等防御方法。相较于结构最近似的RobGAN,在CIFAR10数据集上,RD-SA-DefGAN在扰动阈值为0.015~0.070时,防御成功率提升了5.0~9.1个百分点。 展开更多

关键词 生成对抗网络 对抗攻击 残差密集块 自注意力机制 防御模型

在线阅读 下载PDF 职称材料

基于多尺度残差双域注意力网络的乳腺动态对比度增强磁共振成像肿瘤分割方法 被引量：1

9

作者 刘侠 吕志伟 +2 位作者 李博 王波 王狄 《电子与信息学报》 EI CSCD 北大核心 2023年第5期1774-1785,共12页

针对乳腺肿瘤大小形态多变、边界模糊以及前景与背景间严重类不平衡的问题,该文提出一种多尺度残差双域注意力融合网络。该网络以多尺度卷积构成的多尺度残差块作为基本搭建模块,通过提取多尺度特征和优化梯度传播通道提高其识别不同尺... 针对乳腺肿瘤大小形态多变、边界模糊以及前景与背景间严重类不平衡的问题,该文提出一种多尺度残差双域注意力融合网络。该网络以多尺度卷积构成的多尺度残差块作为基本搭建模块,通过提取多尺度特征和优化梯度传播通道提高其识别不同尺寸目标的能力,同时融入双域注意力单元,提高网络的边缘识别和边界保持能力。另外该文提出一种混合自适应权重损失函数改善网络优化方向,缓解正负样本极度不均衡的影响。实验结果表明,该文所提方法的平均骰子相似系数(Dice)值达到0.8063,较U形网络(UNet)提高5.3%,参数量下降73.36%,具有更优的分割性能。 展开更多

关键词 乳腺肿瘤分割 多尺度残差块 双域注意力 混合自适应权重损失函数

在线阅读 下载PDF 职称材料

轻量化的多尺度跨通道注意力煤流检测网络

10

作者 朱富文 侯志会 李明振 《工矿自动化》 CSCD 北大核心 2023年第8期100-105,共6页

为通过变频调速提高带式输送机运行效率,需要对带式输送机煤流进行检测。现有基于深度学习的带式输送机煤流检测方法难以在模型轻量化和分类准确度之间达到平衡,且很少考虑在特征提取过程中通道权重分布不平衡对检测准确度的影响。针对... 为通过变频调速提高带式输送机运行效率,需要对带式输送机煤流进行检测。现有基于深度学习的带式输送机煤流检测方法难以在模型轻量化和分类准确度之间达到平衡,且很少考虑在特征提取过程中通道权重分布不平衡对检测准确度的影响。针对上述问题,提出了一种轻量化的多尺度跨通道注意力煤流检测网络,该网络由特征提取网络和分类网络组成。将轻量化的残差网络ResNet18作为特征提取网络,并在此基础上引入煤流通道注意力(CFCA)子网络,CFCA子网络采用多个卷积核大小不同的一维卷积,并对一维卷积的输出进行堆叠,以捕获特征图中不同尺度的跨通道交互关系,实现对特征图权重的重新分配,从而提高特征提取网络的语义表达能力。分类网络由3个全连接层构成,其将向量化的特征提取网络的输出作为输入,并对其进行非线性映射,最终得到“煤少”、“煤适中”、“煤多”3类结果的概率分布,通过将煤流检测问题转换为图像分类问题,避免瞬时煤流量波动过大导致带式输送机频繁变频调速的问题,提高带式输送机运行稳定性。实验结果表明,ResNet18+CFCA网络在几乎不增加网络参数量和计算复杂度的情况下,比ResNet18网络在分类准确率上提升了1.6%,可更加有效地区分图像中的前景信息,准确提取煤流特征。 展开更多

关键词 带式输送机 煤流检测 图像分类 轻量化 多尺度跨通道注意力 残差网络

在线阅读 下载PDF 职称材料

多尺度循环注意力网络运动模糊图像复原方法 被引量：15

11

作者 王向军 欧阳文森 《红外与激光工程》 EI CSCD 北大核心 2022年第6期450-458,共9页

在图像采集过程中,由于拍摄对象运动或相机自身运动造成的图像模糊对于后续的高级视觉任务会产生很不利的影响。针对当前深度学习图像去模糊方法不能兼顾去模糊效果和效率的问题,提出了一种多尺度循环注意力网络,使用深度可分离卷积降... 在图像采集过程中,由于拍摄对象运动或相机自身运动造成的图像模糊对于后续的高级视觉任务会产生很不利的影响。针对当前深度学习图像去模糊方法不能兼顾去模糊效果和效率的问题,提出了一种多尺度循环注意力网络,使用深度可分离卷积降低参数量,改进注意力模块合理分配计算资源,对卷积层进行密集型连接提高参数利用效率,引入边缘损失提升生成图像边缘细节信息。经过实验验证,所提方法具有良好的泛化性能和鲁棒性,在Lai数据集和K?hler数据集上的SSIM和PSNR较近年典型方法的最佳效果分别提升了约1.15%、0.86%和0.91%、1.04%,在GoPro数据集上的平均单帧运行速度较同类方法提升约2.5倍。 展开更多

关键词 多尺度循环网络 注意力机制 密集型残差网络 边缘损失

在线阅读 下载PDF 职称材料

多尺度注意力融合的图像超分辨率重建 被引量：3

12

作者 陈纯毅 吴欣怡 +1 位作者 胡小娟 于海洋 《中国光学（中英文）》 EI CAS CSCD 北大核心 2023年第5期1034-1044,共11页

光学成像分辨率受衍射极限、探测器尺寸等诸多因素限制。为了获得细节更丰富、纹理更清晰的超分辨率图像,本文提出了一种多尺度特征注意力融合残差网络。首先,使用一层卷积提取图像的浅层特征,之后,通过级联的多尺度特征提取单元提取多... 光学成像分辨率受衍射极限、探测器尺寸等诸多因素限制。为了获得细节更丰富、纹理更清晰的超分辨率图像,本文提出了一种多尺度特征注意力融合残差网络。首先,使用一层卷积提取图像的浅层特征,之后,通过级联的多尺度特征提取单元提取多尺度特征,多尺度特征提取单元中引入通道注意力模块自适应地校正特征通道的权重,以提高对高频信息的关注度。将网络中的浅层特征和每个多尺度特征提取单元的输出作为全局特征融合重建的层次特征。最后,利用残差分支引入浅层特征和多级图像特征,重建出高分辨率图像。算法使用Charbonnier损失函数使训练更加稳定,收敛速度更快。在国际基准数据集上的对比实验表明:该模型的客观指标优于大多数最先进的方法。尤其在Set5数据集上,4倍重建结果的PSNR指标提升了0.39 dB,SSIM指标提升至0.8992,且算法主观视觉效果更好。 展开更多

关键词 卷积神经网络 超分辨率重建 多尺度特征提取 残差学习 通道注意力机制

在线阅读 下载PDF 职称材料

多尺度注意力交互式图像去噪网络 被引量：1

13

作者 罗军伟 张真 +2 位作者 雒芬 乔应旭 霍占强 《河南理工大学学报（自然科学版）》 CAS 北大核心 2023年第5期144-153,共10页

图像去噪中,针对去噪网络提取图像细节信息不全面和特征利用率低的问题,提出一种基于深度学习的多尺度注意力交互式图像去噪网络(MAINet)。首先,对于浅层像素级特征采用多尺度特征提取块获取丰富的上下文信息和图像纹理特征,以保证图像... 图像去噪中,针对去噪网络提取图像细节信息不全面和特征利用率低的问题,提出一种基于深度学习的多尺度注意力交互式图像去噪网络(MAINet)。首先,对于浅层像素级特征采用多尺度特征提取块获取丰富的上下文信息和图像纹理特征,以保证图像信息的完整性;然后,引入双路通道注意力机制指导网络获取更具判别性的特征信息,抑制不期望的噪声,从而进一步优化特征信息;最后,利用分类密集残差块的密集连接和成对卷积操作增强模型的交互性,对全局多层次特征进行联合学习,提取更高质量的语义级特征,以提升去噪网络的性能。实验结果表明,在定量和定性评估方面,所提出的去噪网络在合成噪声和真实噪声两种数据集上的去噪效果都有所提升。 展开更多

关键词 深度学习 图像去噪 多尺度特征提取 双路通道注意力机制 分类密集残差块

在线阅读 下载PDF 职称材料

基于卷积长短期记忆的残差注意力去雨网络 被引量：2

14

作者 强赞霞 鲍先富 《计算机应用》 CSCD 北大核心 2022年第9期2858-2864,共7页

无人驾驶汽车在雨天环境中行驶,由于车载相机采集的图片包含雨纹噪声,导致无人驾驶系统的目标检测精度降低,关键目标识别困难。为解决这些问题,提出了一种基于卷积长短期记忆的残差注意力去雨网络。首先提出卷积长短期记忆(CLSTM)单元... 无人驾驶汽车在雨天环境中行驶,由于车载相机采集的图片包含雨纹噪声,导致无人驾驶系统的目标检测精度降低,关键目标识别困难。为解决这些问题,提出了一种基于卷积长短期记忆的残差注意力去雨网络。首先提出卷积长短期记忆(CLSTM)单元对不同尺度的雨纹分布进行学习,然后使用残差通道注意力机制对雨纹进行提取,最后将雨图与雨纹提取信息相减得到修复后的背景图。为确定最优的网络结构,对各网络模块进行消融实验,然后选择去雨效果最优的结构作为去雨网络。通过对网络参数的不断优化,所提算法在数据集Rain100H、Rain100L、Real200上进行测试,结果显示该算法的峰值信噪比(PSNR)分别达到29.1 dB、33.1 dB、32.4 dB,结构相似性(SSIM)分别达到0.89、0.94和0.93。实验结果表明,通过生成对抗网络(GAN)判别器对雨纹去除效果的额外监督,所提算法取得了明显的雨纹去除效果,增强了无人驾驶系统在复杂降雨条件下的环境感知能力。 展开更多

关键词 去雨 生成对抗网络 卷积长短期记忆网络 残差通道注意力 多尺度特征融合

在线阅读 下载PDF 职称材料

基于简单通道注意力机制的单图像超分辨率重建算法 被引量：2

15

作者 高艳鹍 刘一非 +2 位作者 李海生 彭凯康 刘朝晖 《计算机工程与设计》 北大核心 2023年第7期2140-2147,共8页

现有的单图像超分辨率重建算法一般存在重建图像过于失真或将低分辨率图像噪点放大的问题,针对上述两个问题,提出一种基于简单通道注意力机制的生成对抗网络(SCAGAN)模型。采用随机高阶退化模型缓解重建图像过于失真的问题;加入简单通... 现有的单图像超分辨率重建算法一般存在重建图像过于失真或将低分辨率图像噪点放大的问题,针对上述两个问题,提出一种基于简单通道注意力机制的生成对抗网络(SCAGAN)模型。采用随机高阶退化模型缓解重建图像过于失真的问题;加入简单通道注意力机制模块到残差密集块中作为模型的生成器网络模块,解决重建图像将低分辨率图像重建后噪点会放大的问题。实验数据表明,与现有的超分辨率算法相比,该算法有效降低了重建图像过于失真与将低分辨率图像噪点放大的问题,重建出的图像更加真实自然。 展开更多

关键词 超分辨率重建 通道注意力机制 退化模型 数据集构建 残差密集块 生成对抗模型 深度学习

在线阅读 下载PDF 职称材料

基于残差和注意力网络的声呐图像去噪方法 被引量：6

16

作者 赵冬冬 叶逸飞 +3 位作者 陈朋 梁荣华 蔡天诚 郭新新 《光电工程》 CAS CSCD 北大核心 2023年第6期74-86,共13页

前视声呐作为一种水下主动声呐设备常用于采集水下图像数据,然而会受到水下噪声的影响导致图像质量下降。针对这一问题,本文提出了一种基于密集残差和双通道注意力机制网络的前视声呐图像去噪方法。首先采用双通道注意力机制对声呐图像... 前视声呐作为一种水下主动声呐设备常用于采集水下图像数据,然而会受到水下噪声的影响导致图像质量下降。针对这一问题,本文提出了一种基于密集残差和双通道注意力机制网络的前视声呐图像去噪方法。首先采用双通道注意力机制对声呐图像的通道信息进行提取,统计声呐图像的全局信息,输出声呐图像的噪声图;密集残差块根据噪声图和声呐图像,充分学习不同尺度上的特征信息,经过多次学习和信息传递后输出干净声呐图像。针对前视声呐图像及其噪声特点,模拟了前视声呐图像并添加瑞利分布的乘性噪声和高斯分布的加性噪声,生成模拟数据集用于网络训练和性能评估。在模拟数据集和真实数据集的实验中表明,本文方法能够有效去除噪声,保留图像细节。 展开更多

关键词 前视声呐 噪声模拟 图像去噪 通道注意力 密集残差

在线阅读 下载PDF 职称材料

基于多通道注意力机制的图像超分辨率重建网络 被引量：1

17

作者 张晔 刘蓉 +1 位作者 刘明 陈明 《计算机应用》 CSCD 北大核心 2022年第5期1563-1569,共7页

针对现有的图像超分辨率重建方法存在生成图像纹理扭曲、细节模糊等问题,提出了一种基于多通道注意力机制的图像超分辨率重建网络。首先,该网络中的纹理提取模块通过设计多通道注意力机制并结合一维卷积实现跨通道的信息交互,以关注重... 针对现有的图像超分辨率重建方法存在生成图像纹理扭曲、细节模糊等问题,提出了一种基于多通道注意力机制的图像超分辨率重建网络。首先,该网络中的纹理提取模块通过设计多通道注意力机制并结合一维卷积实现跨通道的信息交互,以关注重要特征信息;然后,该网络中的纹理恢复模块引入密集残差块来尽可能恢复部分高频纹理细节,从而提升模型性能并产生优质重建图像。所提网络不仅能够有效提升图像的视觉效果,而且在基准数据集CUFED5上的结果表明所提网络与经典的基于卷积神经网络的超分辨率重建(SRCNN)方法相比,峰值信噪比(PSNR)和结构相似度(SSIM)分别提升了1.76 dB和0.062。实验结果表明,所提网络可提高纹理迁移的准确性,并有效提升生成图像的质量。 展开更多

关键词 图像超分辨率重建 纹理迁移 注意力机制 一维卷积 密集残差块

在线阅读 下载PDF 职称材料

基于增强型多尺度残差生成对抗网络的图像压缩 被引量：1

18

作者 马婷 刘友鑫 +2 位作者 胡峰 聂伟 吴建芳 《计算机工程与设计》 北大核心 2024年第8期2415-2422,共8页

为解决低码率下更符合人类视觉感知的图像压缩,提出一种基于增强型多尺度残差生成对抗网络的有损压缩方法。在网络框架的自动编码器中,使用一种结构上改进的增强型多尺度残差块,其可以扩大感受野,更容易获得图像的全局信息。引入简易注... 为解决低码率下更符合人类视觉感知的图像压缩,提出一种基于增强型多尺度残差生成对抗网络的有损压缩方法。在网络框架的自动编码器中,使用一种结构上改进的增强型多尺度残差块,其可以扩大感受野,更容易获得图像的全局信息。引入简易注意力模块,帮助网络更加关注图像复杂的部分,减少简单部分的比特。判别器部分采用全新的相对平均判别器,在网络框架中使用LPIPS(learned perceptual image patch similarity)感知损失减轻图像伪影问题。采用两阶段训练的方式解决引入生成对抗网络导致训练不稳定的问题。实验结果表明了在低码率下所提模型的有效性,与之前的工作相比,所提方法在感知失真指标上表现更优,性能提升了65%左右,重建图像更符合人类视觉感知。 展开更多

关键词 低码率 图像压缩 生成对抗网络 多尺度残差块 注意力模块 相对平均判别器 感知损失

在线阅读 下载PDF 职称材料

融合多尺度密集块的低照度交通图像增强模型 被引量：1

19

作者 王炜昊 王夏黎 +2 位作者 武历展 张倩 李超 《计算机工程与应用》 CSCD 北大核心 2023年第17期223-231,共9页

车辆检测与跟踪是智能交通领域的重要内容,复杂的光照强度与多变的交通场景使高速公路拍摄图像细节模糊、对比度低,图片信息提取干扰性强。提出一种基于注意力机制融合多尺度残差稠密块的生成对抗网络用于低照度交通图像增强。通过伽马... 车辆检测与跟踪是智能交通领域的重要内容,复杂的光照强度与多变的交通场景使高速公路拍摄图像细节模糊、对比度低,图片信息提取干扰性强。提出一种基于注意力机制融合多尺度残差稠密块的生成对抗网络用于低照度交通图像增强。通过伽马校正、相机响应函数和手工调节方法合成不同照度图像作为数据集,涵盖更广泛亮度曲线,模拟真实夜晚场景;引入注意力机制通过表征不同通道与高频信息间关联性,同时采用最大池化和平均池化捕获纹理信息和背景信息间依赖关系增强图像整体完整性;搭建多尺度融合的残差稠密连接网络,深度提取图像复杂特征利用并行支路融合不同级别和层次的信息,提升网络对细节的整体感知力,保留图片信息一致性;采用双线性加卷积结构代替反卷积层消除伪影现象。实验结果表明与主流方法相比,该网络的增强效果评价指标PSNR和SSIM分别提升26.37%、14.14%,图片增强使细节纹理清晰、图像自然视觉效果提高,为交通领域的视觉任务提供技术支持。 展开更多

关键词 低照度图像增强 交通图像 注意力机制 残差稠密块 多尺度融合 生成对抗网络

在线阅读 下载PDF 职称材料

基于双通道残差密集网络的红外与可见光图像融合 被引量：5

20

作者 冯鑫 杨杰铭 +1 位作者 张鸿德 邱国航 《光子学报》 EI CAS CSCD 北大核心 2023年第11期278-289,共12页

为改善红外与可见光融合结果与源图像间的部分细节特征丢失问题,充分提取红外与可见光图像中的特征信息,提出了一种改进的双通道深度学习自编码网络进行红外与可见光图像融合。其中,双通道结构由密集连接和残差连接模块级联构成,并设置... 为改善红外与可见光融合结果与源图像间的部分细节特征丢失问题,充分提取红外与可见光图像中的特征信息,提出了一种改进的双通道深度学习自编码网络进行红外与可见光图像融合。其中,双通道结构由密集连接和残差连接模块级联构成,并设置一种综合像素、结构相似度和梯度特征保留的损失函数,使该编码器结构可以充分提取红外与可见光图像的多层次特征,在融合层采用空间L1范数和注意力机制对级联双通道特征分别进行融合,最后设计对应的解码器对融合特征图像进行重构,获取最终的融合结果。通过与传统算法以及近年最新的深度学习算法进行实验对比,结果表明该方法在主观和客观上都具有优秀的综合性能。 展开更多

关键词 红外与可见光图像融合 双通道网络 残差密集模块 注意力机制 自编码器

在线阅读 下载PDF 职称材料