多尺度特征增强与交互融合的遥感小目标检测

1

作者 李云红 魏小双 +5 位作者 苏雪平 李丽敏 田谷丰 郝特吉 冯准若 李仕博 《西北大学学报(自然科学版)》 北大核心 2025年第2期277-285,共9页

针对遥感图像小目标检测任务中,存在目标细节纹理信息模糊导致特征提取与融合不佳、小目标漏检等问题,提出了一种基于多尺度特征增强与交互融合的遥感小目标检测算法。首先,采用跨层多分支连接结构的多尺度特征增强(multiscale feature ... 针对遥感图像小目标检测任务中,存在目标细节纹理信息模糊导致特征提取与融合不佳、小目标漏检等问题,提出了一种基于多尺度特征增强与交互融合的遥感小目标检测算法。首先,采用跨层多分支连接结构的多尺度特征增强(multiscale feature enhancement,MFE)模块,利用Split分流操作丰富和增强不同梯度获取的纹理特征信息,同时引入轻量级特征幻影模块Ghost进行通道线性变换,生成更多有效的特征细节信息流,以增强对图像中局部细节特征信息的关注;其次,构建特征交互融合(feature interaction fusion,FIF)模块,引入多分支串并行的卷积块与自适应机制的池化块,交互输入特征的通道语义信息和空间特征变换,捕获全局上下文信息,精确小目标的关键位置信息,加强特征信息之间的相关性,实现细粒度特征的多维度交互融合。使用公开的光学遥感数据集DIOR验证所提算法,改进后的网络模型平均精度值为87.6%,与NPMMR-Det、YOLOv7、YOLOv5等其他7种优秀算法相比均有提高,改进后的遥感图像小目标检测算法取得了更好的检测精度。 展开更多

关键词 遥感图像小目标检测 多尺度特征增强 Split分流 自适应机制 细节特征交互融合

在线阅读 下载PDF 职称材料

采用多尺度特征增强的路面病害检测模型 被引量：1

2

作者 胡鹏 夏晓华 +3 位作者 钟预全 段智威 姚运仕 成高立 《西安交通大学学报》 北大核心 2025年第2期156-169,共14页

针对现有网络多尺度特征提取能力不足造成路面病害因尺寸差异难以完全识别的问题,提出了一种多尺度特征增强的路面病害检测模型。构建基于混合空洞卷积的快速空间金字塔池化模块,通过堆叠不同膨胀系数的空洞卷积进一步扩大网络感受野,... 针对现有网络多尺度特征提取能力不足造成路面病害因尺寸差异难以完全识别的问题,提出了一种多尺度特征增强的路面病害检测模型。构建基于混合空洞卷积的快速空间金字塔池化模块,通过堆叠不同膨胀系数的空洞卷积进一步扩大网络感受野,以实现更大范围上下文信息的捕捉,并保留更多的空间信息;设计多路径特征融合网络,通过多分支和跳跃连接实现跨层级的特征捕捉,并减少特征融合过程中的信息丢失;采用K-means聚类算法结合交叉比获得合理的瞄点框;在损失函数中,设计一种面积惩罚项并设置下降梯度,提高预测框回归精度与效率;通过引入跨通道交互的高效注意力实现模型重要通道间的交互。实验结果表明:所提模型的检测精度比原模型YOLOv5s提高了4.0%;与Faster R-CNN、CenterNet等经典模型和YOLOv8s、YOLOv7n-tiny等先进模型相比,检测精度提高了1.0%~17.9%。模型经TensorRT加速引擎优化加速后,在NVIDIA Jetson TX2与NVIDIA Jetson Nano平台上的检测速率提高近1倍,同时不影响检测精度。 展开更多

关键词 路面病害检测 多尺度特征增强 混合空洞卷积 特征融合网络 高效通道注意力 嵌入式平台

在线阅读 下载PDF 职称材料

结合多尺度特征增强与记忆引导Transformer的遥感图像描述算法

3

作者 姚志远 桑国明 张益嘉 《小型微型计算机系统》 北大核心 2025年第8期1978-1985,共8页

为解决传统的遥感图像描述算法对图像多尺度信息利用不充分的问题,本文提出了结合多尺度特征增强与记忆引导Transformer的遥感图像描述生成算法(MFE-MGT).首先,利用预训练的视觉特征提取器提取图像特征,并将卷积神经网络中浅层与深层的... 为解决传统的遥感图像描述算法对图像多尺度信息利用不充分的问题,本文提出了结合多尺度特征增强与记忆引导Transformer的遥感图像描述生成算法(MFE-MGT).首先,利用预训练的视觉特征提取器提取图像特征,并将卷积神经网络中浅层与深层的特征进行拼接;其次,通过多尺度特征增强模块获得融合增强后的图像特征,以更好地捕捉多尺度特征;接着,将融合增强后的视觉特征输入记忆引导Transformer的编码器进行编码聚合;最后,通过Transformer记忆解码器生成图像描述.模型采用RSICD数据集进行训练,实验结果表明,MFE-MGT在多个评价指标上的表现均优于当前主流的遥感图像描述生成算法,能够准确的描述图像内容. 展开更多

关键词 多尺度特征增强 深度神经网络 TRANSFORMER 遥感图像描述

在线阅读 下载PDF 职称材料

多尺度特征增强CNN的遥感影像建筑物提取

4

作者 赵华 窦虎 张华 《遥感信息》 CSCD 北大核心 2024年第6期38-47,共10页

针对基于深度学习的建筑物自动提取结果中依然存在边界模糊、大尺度建筑物存在孔洞、小尺度建筑物丢失等问题,提出了一种多尺度特征增强CNN网络用于建筑物提取。模型以编码-解码框架为基础,在特征编码阶段,设计了多尺度特征增强模块,对... 针对基于深度学习的建筑物自动提取结果中依然存在边界模糊、大尺度建筑物存在孔洞、小尺度建筑物丢失等问题,提出了一种多尺度特征增强CNN网络用于建筑物提取。模型以编码-解码框架为基础,在特征编码阶段,设计了多尺度特征增强模块,对深层特征进行多尺度特征增强,以提高模型对复杂场景下及小目标的提取能力。在特征解码阶段,设计了跨空间信息融合模块,在不同空间和维度方向上进行特征聚合以增强语义信息。此外,模型引入了混合注意力模块,在通道和空间两个维度上对融合后的特征进行优化,减弱了不同特征间的语义差距。所提出方法分别在SpaceNet和WHU数据集上进行实验分析。结果表明,该方法对于高空间分辨率遥感影像提取任务有较好的效果。 展开更多

关键词 建筑物提取 深度学习 注意力机制 多尺度特征增强 感受野

在线阅读 下载PDF 职称材料

基于多尺度特征增强的轻量化黄瓜病害识别模型 被引量：1

5

作者 李帅 薄敬东 +1 位作者 龚瑞昆 崔传金 《江苏农业科学》 北大核心 2024年第20期267-276,共10页

在复杂的背景环境下对农作物病害进行准确识别与分类,为农作物病害的诊断及防治提供可靠依据,具有重要经济意义。提出了一种新的网络模型——MeNet(multiscale enhance on me),用于对大田中黄瓜的8种形态(其中包含6种病害和鲜黄瓜、鲜叶... 在复杂的背景环境下对农作物病害进行准确识别与分类,为农作物病害的诊断及防治提供可靠依据,具有重要经济意义。提出了一种新的网络模型——MeNet(multiscale enhance on me),用于对大田中黄瓜的8种形态(其中包含6种病害和鲜黄瓜、鲜叶)进行精准识别。该模型的设计包括适用于网络前端的特征增强模块,对原始图像进行像素级多尺度特征增强,从而提升模型的特征表达效率;运用特征挑选的思想进行后续的特征提取和增强,再加入基于空域抑制的SimAM注意力,进一步突出了显著特征,提高特征效用;运用逐点卷积对特征图进行通道间信息交互,再以全局平均池化总结特征图。结果表明,相较于其他模型,本研究的MeNet性能更为优越,在复杂背景病害数据集上,平均准确率达到92.38%,最高准确率达到了92.92%,而模型的参数量仅为0.33 M,浮点运算量仅为0.30 G,证明MeNet模型在图像识别领域具有实际应用的潜力和继续研究的价值。 展开更多

关键词 黄瓜病害 图像识别 卷积神经网络 轻量化 多尺度特征增强 空域抑制

在线阅读 下载PDF 职称材料

基于多尺度特征增强与对齐的跨模态行人检索

6

作者 徐领 缪翌 张卫锋 《现代电子技术》 北大核心 2024年第22期44-50,共7页

为了解决跨模态行人检索从图像和文本中抽取有效的细节特征,以及实现图像与自然语言文本跨模态对齐的问题,提出一种基于多尺度特征增强与对齐的跨模态行人检索模型。该模型引入多模态预训练模型,并构建文本引导的图像掩码建模辅助任务,... 为了解决跨模态行人检索从图像和文本中抽取有效的细节特征,以及实现图像与自然语言文本跨模态对齐的问题,提出一种基于多尺度特征增强与对齐的跨模态行人检索模型。该模型引入多模态预训练模型,并构建文本引导的图像掩码建模辅助任务,充分实现跨模态交互,从而无需显式地标注信息即可增强模型学习图像局部细节特征的能力。另外,针对行人图像身份易混淆问题,设计全局图像特征匹配辅助任务,引导模型学习身份关注的视觉特征。在CUHK-PEDES、ICFG-PEDES和RSTPReid等多个公开数据集上的实验结果表明,所提模型超越了目前已有的主流模型,其第一命中率分别达到了72.47%、62.71%和59.25%,实现了高准确率的跨模态行人检索。 展开更多

关键词 跨模态行人检索 多尺度特征增强 多模态对齐 CLIP 图像掩码 跨模态交互 交叉注意力

在线阅读 下载PDF 职称材料

基于多尺度特征增强卷积神经网络遥感目标检测算法 被引量：10

7

作者 周秦汉 王振 《电光与控制》 CSCD 北大核心 2022年第11期74-81,共8页

随着技术的不断发展,遥感技术被广泛应用于地图绘制、资源勘探以及灾害预警等领域。遥感目标检测是进行遥感图像解译的关键步骤。传统的目标检测算法在对遥感目标进行检测的过程中存在目标漏检、检测精度低以及无法解决小目标检测等问... 随着技术的不断发展,遥感技术被广泛应用于地图绘制、资源勘探以及灾害预警等领域。遥感目标检测是进行遥感图像解译的关键步骤。传统的目标检测算法在对遥感目标进行检测的过程中存在目标漏检、检测精度低以及无法解决小目标检测等问题。提出一种基于多尺度特征增强卷积神经网络(MSFE-CNNs)的遥感目标检测算法,通过对不同卷积层特征进行增强和融合,使得模型具有更快的训练速度和更高的检测精度。所提算法结合特征提取模块、特征增强模块、自注意力机制和金字塔特征注意力机制。特征提取模块对输入的海量遥感数据进行特征提取,获取不同类别目标的多尺度特征;特征增强模块用于增强不同卷积层特征相关性,强化模型的学习能力和特征之间的非线性关系;自注意力机制和金字塔特征注意力机制主要解决传统卷积神经网络无法获取小尺度目标特征的问题。为了验证所提算法的有效性,在DOTA数据集上进行不同方法对比,实验结果表明所提算法在检测精度和训练速度上均优于现有基于深度学习的目标检测算法。 展开更多

关键词 遥感图像处理 目标检测 卷积神经网络 多尺度特征增强

在线阅读 下载PDF 职称材料

多尺度反向校正增强和无损下采样的毫米波图像目标检测方法

8

作者 叶学义 韩卓 +2 位作者 蒋甜甜 王佳欣 陈华华 《电子测量与仪器学报》 北大核心 2025年第4期50-61,共12页

针对毫米波图像中隐匿目标局部信噪比低导致检测障碍的问题,提出了一种基于多尺度反向校正增强和无损下采样的检测方法。首先设计了一种多尺度反向校正特征增强模块,在提取多尺度特征的多卷积核Res2Net上融合反向校正操作,实现大感受野... 针对毫米波图像中隐匿目标局部信噪比低导致检测障碍的问题,提出了一种基于多尺度反向校正增强和无损下采样的检测方法。首先设计了一种多尺度反向校正特征增强模块,在提取多尺度特征的多卷积核Res2Net上融合反向校正操作,实现大感受野区域对区域内相关小感受野区域卷积计算的反向校正,使得深度模型不仅能够获取更细粒度的特征,而且使宏观判别性表示贯穿多个尺度的特征信息;其次,利用非跨步卷积层的SPD-Conv实现无损下采样,缓解卷积下采样导致的信息丢失;最后,采用K-means++聚类算法生成适合隐匿目标检测任务的新锚框。实验在YOLO系列中选择了各方面性能都适中的YOLOv5s作为基础框架,针对现有的两种毫米波图像数据集(阵列图像集和线扫图像集)平均精度均值(mAP)mAP@0.5分别达到了96.21%和97.97%,相较于原版YOLOv5s以及YOLO其他系列等性能有显著提升。实验结果表明,该方法在不明显增加参数量和推理时间的同时,能够有效提升深度模型的检测性能。 展开更多

关键词 隐匿目标检测 主动毫米波图像 多尺度反向校正特征增强 无损下采样 K-means++

在线阅读 下载PDF 职称材料

融合自适应注意力的多尺度火灾检测算法 被引量：8

9

作者 梁煜 陈童 张为 《北京理工大学学报》 EI CAS CSCD 北大核心 2024年第1期91-101,共11页

针对实际场景下火灾检测准确度不高的现象,根据火灾自身特征提出了一种基于Anchor-free结构的火灾检测算法.将特征提取网络残差模块设计为多分支结构,并在其基础上嵌入根据火焰特征设计的自适应注意力模块,提取出更具表达力的火焰特征.... 针对实际场景下火灾检测准确度不高的现象,根据火灾自身特征提出了一种基于Anchor-free结构的火灾检测算法.将特征提取网络残差模块设计为多分支结构,并在其基础上嵌入根据火焰特征设计的自适应注意力模块,提取出更具表达力的火焰特征.添加亚像素融合,利用高层特征丰富的通道信息增强多尺度特征的表达能力.设计特征增强模块强化最高层特征表示,更好地利用全局空间信息.引入自适应标签分配,强化网络对火焰特征的学习效果.利用改进后的GIoU Loss损失函数对边界框精细回归.该算法在自建数据集上的检测精度达到了94.9%,在公开数据集上也有较好的检测效果,且抗干扰能力强,适用于各种环境下的火灾检测,能够满足实际场景下火灾检测任务的需要. 展开更多

关键词 深度学习 火灾检测 自适应注意力 多尺度特征增强

在线阅读 下载PDF 职称材料

融合多种注意力机制和Wise-IoUv3的水下目标检测算法

10

作者 肖振久 高凯歌 李士博 《广东海洋大学学报》 北大核心 2025年第2期109-117,共9页

【目的】针对水下目标图像存在成像模糊和复杂背景下检测精度低的问题,提出融合多种注意力机制和Wise-IoUv3的水下目标检测算法。【方法】首先,设计多尺度特征增强机制,在主干网络部分采用全维动态卷积(ODConv)替代部分卷积并引入高效... 【目的】针对水下目标图像存在成像模糊和复杂背景下检测精度低的问题,提出融合多种注意力机制和Wise-IoUv3的水下目标检测算法。【方法】首先,设计多尺度特征增强机制,在主干网络部分采用全维动态卷积(ODConv)替代部分卷积并引入高效的多尺度注意力机制(EMA),提升主干网络对模糊目标和小目标特征提取能力。其次,改进快速空间金字塔池化(SPPF)模块,增加平均池化分支补充空间信息,提升全局上下文感知能力并在两个分支融入轻量级BiFormer注意力机制,降低模型计算复杂度,增强对小目标检测性能。然后,在预测阶段,用Wise-IoUv3代替原损失函数,平衡不同质量图像模型训练结果。最后,用动态检测头(DynamicHead)替代原检测头,增强检测头的尺度感知、空间感知和任务感知能力,提高对象位置的识别准确性。【结果与结论】在RUOD和URPC数据集上实验结果表明,模型的检测精度、参数量和计算量较目前其他的主流模型表现良好,特别是与YOLOv8n算法相比,改进后算法在平均精度均值上提升3.6%和1.7%,尤其在包含大量小目标的类别(如海胆、扇贝)中表现更优;模型的参数量和计算量分别减少了0.26×10^(6)和0.4 GFLOPs。实验结果表明,该方法减少了在复杂情况下模糊目标和小目标漏检和误检情况,提高了检测性能,同时保持了模型的轻量性。 展开更多

关键词 水下目标检测 多尺度特征增强机制 多尺度注意力机制 全维动态卷积 Wise-IoUv3

在线阅读 下载PDF 职称材料

基于多尺度残差网络的对象级边缘检测算法 被引量：7

11

作者 朱威 王图强 +1 位作者 陈悦峰 何德峰 《计算机科学》 CSCD 北大核心 2020年第6期144-150,共7页

面向对象的边缘检测技术是智能视觉处理领域的关键基础技术,然而目前基于卷积神经网络的边缘检测结果存在分辨率低、噪声较多等问题。因此,文中提出了一种基于多尺度残差网络的对象级边缘检测算法。首先,设计了混合空洞卷积残差块,来替... 面向对象的边缘检测技术是智能视觉处理领域的关键基础技术,然而目前基于卷积神经网络的边缘检测结果存在分辨率低、噪声较多等问题。因此,文中提出了一种基于多尺度残差网络的对象级边缘检测算法。首先,设计了混合空洞卷积残差块,来替换原始残差网络中的普通卷积核,以放大网络的感受野;然后,设计了多尺度特征增强模块,对边缘信息进行多尺度特征提取,以放大网络的信息接受域;最后,设计了结合顶层语义特征的金字塔多尺度特征融合模块,将不同尺度下的特征信息进行融合,以输出边缘检测后的图像。为了验证所提算法的有效性,在公开数据集BSDS500上进行实验。实验结果表明,与现有算法相比,所提算法具有更好的边缘检测效果,客观指标ODS,OIS和AP分别达到了0.819,0.838和0.849,主观检测效果也更接近真实值,噪声更少。 展开更多

关键词 残差网络 空洞卷积 多尺度特征增强 金字塔特征融合结构

在线阅读 下载PDF 职称材料

基于MFF-Deeplabv3+网络的高分辨率遥感影像建筑物提取方法 被引量：1

12

作者 陈经纬 李宇 +1 位作者 陈俊 张洪群 《中国科学院大学学报（中英文）》 CAS CSCD 北大核心 2024年第5期654-664,共11页

为提升高分辨率遥感影像中建筑物提取的精度,提出一种基于MFF-Deeplabv3+(multiscale feature fusion-Deeplabv3+)网络的高分辨率遥感影像建筑物提取方法。首先,设计多尺度特征增强模块,使网络能够捕获更多尺度的上下文信息;然后,设计... 为提升高分辨率遥感影像中建筑物提取的精度,提出一种基于MFF-Deeplabv3+(multiscale feature fusion-Deeplabv3+)网络的高分辨率遥感影像建筑物提取方法。首先,设计多尺度特征增强模块,使网络能够捕获更多尺度的上下文信息;然后,设计特征融合模块,有效融合深层特征与浅层特征,减少细节信息的丢失;最后,引入注意力机制模块,自适应地选择准确特征。在Inria建筑物数据集的对比实验中,MFF-Deeplabv3+在PA、MPA、FWIoU、MIoU指标中取得最高精度,分别为95.75%、91.22%、92.12%和85.01%,同时在WHU建筑物数据集的泛化实验中取得不错的结果。结果表明,本方法在高分辨率遥感影像中提取建筑物信息精度较高,且具有较好的泛化性。 展开更多

关键词 建筑物提取 深度学习 注意力机制 多尺度特征增强 高分辨率遥感影像

在线阅读 下载PDF 职称材料

BMEDT:基于Transformer的双向多级边缘检测网络

13

作者 荆东东 李备备 +1 位作者 王诗宇 刘信君 《小型微型计算机系统》 CSCD 北大核心 2024年第12期3042-3049,共8页

针对现有边缘检测方法在处理复杂背景时出现的边缘丢失、线条粗糙、内容混乱等问题,本文提出一种基于Transformer的双向多级边缘检测网络.首先,网络采用Swin Transformer作为骨干网络,提取图像基本特征,并通过多尺度特征增强模块获取特... 针对现有边缘检测方法在处理复杂背景时出现的边缘丢失、线条粗糙、内容混乱等问题,本文提出一种基于Transformer的双向多级边缘检测网络.首先,网络采用Swin Transformer作为骨干网络,提取图像基本特征,并通过多尺度特征增强模块获取特征图中不同尺度的上下文信息;其次,根据特征点位置的重要性,提出边缘注意力模块,用于强化边缘与非边缘像素之间的差异性,提高重要特征的关注度;最后,为解决边缘检测任务中正负样本不均衡问题,提出一种新的损失函数,并通过分层监督的方式强化特征表示.在BSDS500和NYUDv2数据集上的实验和评估中,所提方法在边缘细节处理方面已经超过许多经典算法,并取得了最佳水平.这些结果表明,所提方法可以有效地解决边缘检测中的一些挑战,并为相关应用提供更好的支持. 展开更多

关键词 边缘检测 TRANSFORMER 多尺度特征增强 边缘注意力 分层监督

在线阅读 下载PDF 职称材料

基于金字塔结构的Transformer边缘检测算法研究

14

作者 段续延 于复兴 索依娜 《现代电子技术》 北大核心 2024年第19期131-138,共8页

针对复杂图像边缘检测任务中多尺度特征提取困难和多尺度特征利用率低的问题,提出一种基于金字塔结构的Transformer边缘检测模型。该模型首先采用擅长根据全局远程依赖关系进行建模的Transformer特征提取主干——PVT网络,取代传统卷积... 针对复杂图像边缘检测任务中多尺度特征提取困难和多尺度特征利用率低的问题,提出一种基于金字塔结构的Transformer边缘检测模型。该模型首先采用擅长根据全局远程依赖关系进行建模的Transformer特征提取主干——PVT网络,取代传统卷积神经网络,解决多尺度特征利用率低的问题;其次,为了充分考虑跨层间上下文特征交互问题,设计了一个专门用来建模和转移上下文知识的模块,用于探索更多显著边缘的判别信息;最后,设计了一个基于注意力机制的多尺度特征增强模块,通过充分挖掘检测对象的多层次和多尺度特征信息,实现对边缘的预测,提高模型边缘检测精度。而且,模型的特征求和与拼接过程不占显存也不占内存,加快了模型的推理速度。在BSDS500和BIPED两个公开数据集上进行大量实验,在BSDS500数据集上边缘检测的ODS值达到0.796;在BIPED数据集上边缘检测的ODS值达到了0.846,实验结果表明该算法在性能上优于对比模型。 展开更多

关键词 边缘检测 TRANSFORMER 多尺度特征提取 卷积神经网络 PVT 多尺度特征增强

在线阅读 下载PDF 职称材料

改进的YOLOV3算法在小目标检测中的研究与应用 被引量：3

15

作者 杨立功 郑颖 +1 位作者 苏维均 王强 《火力与指挥控制》 CSCD 北大核心 2021年第9期162-167,共6页

战场目标的图像检测与识别对于战场监视、侦察、毁伤状态评估和火控系统研究等具有重要作用。以坦克装甲目标为研究对象,选用识别精度高、速度快的YOLOV3为基础目标检测模型,针对复杂战场环境中获取图像目标特征信息少的问题,引入多尺... 战场目标的图像检测与识别对于战场监视、侦察、毁伤状态评估和火控系统研究等具有重要作用。以坦克装甲目标为研究对象,选用识别精度高、速度快的YOLOV3为基础目标检测模型,针对复杂战场环境中获取图像目标特征信息少的问题,引入多尺度特征增强结构的方法对YOLOV3模型进行改进,通过丰富特征图多样性的方式,提高模型性能。在坦克数据集上的实验结果表明,改进后的算法对于复杂战场环境下的小目标特征具有更强的敏感性,较大程度上增强了模型的识别精度。 展开更多

关键词 坦克装甲目标 小目标检测 YOLOV3 算法 多尺度特征增强

在线阅读 下载PDF 职称材料