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164篇文章
< 1 2 … 9 >
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：
基于形状流和多尺度特征融合的腺体分割
1
作者 林嘉雯 陈苏苏 +2 位作者 林智明 李笠 翁谦 《中国生物医学工程学报》 北大核心 2025年第1期52-65,共14页
睑板腺成像技术广泛应用于干眼症的分型诊断、管理与个性化治疗中,但仅靠眼科医生进行直接观察和定性评估,评价主观且可重复性低。为提高眼科医生的诊断效率,研究者们提出了一系列基于U-Net的红外睑板腺图像腺体分割方法,但在图像边缘... 睑板腺成像技术广泛应用于干眼症的分型诊断、管理与个性化治疗中,但仅靠眼科医生进行直接观察和定性评估,评价主观且可重复性低。为提高眼科医生的诊断效率,研究者们提出了一系列基于U-Net的红外睑板腺图像腺体分割方法,但在图像边缘、出现反光点以及腺体密集区域,分割结果仍不理想。考虑到红外睑板腺图像成像与腺体分布的特点,提出基于形状流和多尺度特征融合的腺体分割模型SS-UNet,引入空洞卷积模块以增强模型的特征提取能力,设计形状流辅助分支以充分学习腺体的形状信息,采用多尺度特征融合模块以获得粗细各异腺体的特征表示。为验证模型的有效性,使用由福州大学附属省立医院眼科收集的包含203幅红外睑板腺图像的全标注数据集在同等实验环境下与其他先进分割模型开展对比实验,并进行模块消融分析,同时展示了可视化结果。实验表明,SS-UNet的Acc、Dice、IoU等指标分别达到了94.62%、80.94%和68.17%,相较于基准网络U-Net分别提升了0.36%、1.41%和1.95%。研究表明,SS-UNet能够充分运用腺体的形状与尺度等信息,解决腺体粘连、漏检等错误分割问题,有效提高分割精度,为辅助临床诊断提供客观依据。 展开更多
关键词 睑板腺功能障碍 腺体分割 空洞卷积 形状流 多尺度特征融合
在线阅读 下载PDF
多尺度特征融合的太阳电池表面缺陷检测
2
作者 刘涛 孙会 卞佰成 《太阳能学报》 北大核心 2025年第2期342-349,共8页
多晶硅太阳电池表面缺陷多源异类、小尺度缺陷检测困难。现有基于机器学习图像处理的表面缺陷检测算法在实际使用过程中存在检测精度不高、检测类型少、鲁棒性差等问题。基于深度学习,提出一种可提升精度、便于工业应用的多尺度特征融... 多晶硅太阳电池表面缺陷多源异类、小尺度缺陷检测困难。现有基于机器学习图像处理的表面缺陷检测算法在实际使用过程中存在检测精度不高、检测类型少、鲁棒性差等问题。基于深度学习,提出一种可提升精度、便于工业应用的多尺度特征融合的轻量化缺陷检测模型。该模型以YOLOv5目标检测算法为框架,为增强多尺度特征的融合效果,设计浅层通道融合分支和双采样结构,改进了多尺度池化金字塔,提升了模型对小尺度缺陷的检测能力;引入ECA注意力机制,增强颈部网络对有效信息的关注度;最后,设计新的降采样结构和C3(Light-CSP-Darknet53)结构,提升检测精度的同时降低参数量和计算量。实验表明,改进算法的全类平均精度(m AP_(0.5))比基线模型提高8.5%,参数量减少44.3%,计算复杂度降低33.7%。 展开更多
关键词 太阳电池 表面缺陷 目标检测 注意力机制 多尺度特征融合
在线阅读 下载PDF
融合ResNeSt和多尺度特征融合的遥感影像道路提取
3
作者 郝明 白鹤 徐婷婷 《光电工程》 北大核心 2025年第1期39-51,共13页
针对高分辨率遥感影像的道路提取存在道路边缘分割不连续、小目标道路分割精度不高和目标道路误分的问题,本文提出了结合ResNeSt和多尺度特征融合的遥感影像道路提取方法用于遥感影像道路提取(ResT-UNet)。参考ResNeSt网络模块构造U型... 针对高分辨率遥感影像的道路提取存在道路边缘分割不连续、小目标道路分割精度不高和目标道路误分的问题,本文提出了结合ResNeSt和多尺度特征融合的遥感影像道路提取方法用于遥感影像道路提取(ResT-UNet)。参考ResNeSt网络模块构造U型网编码器,使前期编码器可以更完整的提取信息,分割目标边缘更加连续;首先在编码器部分引入Triplet Attention注意力机制,抑制无用的特征信息;其次使用卷积块代替最大池化操作,增加特征维度和网络深度,减少道路信息丢失;最后在编码器网络和解码器网络的桥连接部分使用多尺度特征融合模块(multi-acale feature fusion,MSFF),以捕获区域间的远程依赖关系,提高道路的分割效果。实验在Massachusetts道路数据集和DeepGlobe数据集上进行实验,实验结果表明,该方法分别在数据集上IoU达到了64.76%和64.45%,相比于近几年网络MINet模型提高了1.42%和1.74%,表明ResT-UNet网络有效提高遥感影像道路的提取精度,为解译遥感图像语义信息提供一种新思路。 展开更多
关键词 遥感影像 道路提取 ResNeSt网络 多尺度特征融合 注意力机制
在线阅读 下载PDF
基于图神经网络的多尺度特征融合雷达目标检测方法
4
作者 汪翔 王彦斌 +1 位作者 汪育苗 崔国龙 《雷达科学与技术》 北大核心 2025年第1期39-47,共9页
本文针对复杂杂波环境下的雷达目标检测问题,提出了一种基于图神经网络的多尺度特征融合雷达目标检测方法,该方法利用多个脉冲回波之间的特征关联性检测目标。具体而言,其首先利用多个级联的特征提取模块从回波中提取多尺度特征。然后,... 本文针对复杂杂波环境下的雷达目标检测问题,提出了一种基于图神经网络的多尺度特征融合雷达目标检测方法,该方法利用多个脉冲回波之间的特征关联性检测目标。具体而言,其首先利用多个级联的特征提取模块从回波中提取多尺度特征。然后,该方法利用多尺度特征构造多个有向完全图,图中每个节点对应一个脉冲。之后,每个节点利用图神经网络的消息传播机制聚合其邻居节点的信息,以此学习脉间回波高阶相关性。进一步地,该方法融合多尺度特征以丰富对目标和杂波的特征表示。最后,对融合后特征进行非线性映射,以二分类的形式得到检测结果。基于公开雷达数据集的试验验证了所提方法的有效性。 展开更多
关键词 雷达目标检测 杂波环境 图神经网络 多尺度特征融合
在线阅读 下载PDF
一种改进多尺度特征融合的交通标志识别算法 被引量：1
5
作者 余翔 靳闪闪 杨路 《电讯技术》 北大核心 2024年第12期1955-1962,共8页
为了进一步提高在背景复杂且目标距离远的情况下交通标志识别算法的识别准确率,在YOLOv5s算法的基础上提出了一种改进的交通标志识别算法MAFM-YOLO。首先,在颈部网络设计了基于空洞混合注意力机制的多尺度注意力特征融合模块,使网络在... 为了进一步提高在背景复杂且目标距离远的情况下交通标志识别算法的识别准确率,在YOLOv5s算法的基础上提出了一种改进的交通标志识别算法MAFM-YOLO。首先,在颈部网络设计了基于空洞混合注意力机制的多尺度注意力特征融合模块,使网络在特征融合阶段能够高效保留图像中的细节信息,对小目标更加的敏感。其次,在回归阶段采用归一化Wasserstein距离改进原有的损失函数,提高了边界框的回归性能,从而进一步提高网络的识别性能。在TT100K数据集上的实验结果表明,MAFM-YOLO较基准模型在精确率、召回率和平均精度均值上分别实现了9.4%、3.3%、6.3%的提升。 展开更多
关键词 交通标志识别 YOLOv5s 多尺度特征融合 混合注意力机制 归一化Wasserstein距离
在线阅读 下载PDF
一种多尺度特征融合的多模态三维点云配准模型 被引量：1
6
作者 韩建栋 李晓蕊 《微电子学与计算机》 2024年第11期31-38,共8页
针对三维点云配准中现有描述符提取方法可能导致点云结构信息不显著以及点云数据细节丢失的问题,提出了一种多尺度特征融合的多模态三维点云配准模型(Multi-scale Feature Fusion,MSFNet)。首先,在编码器中采用基于稀疏卷积的通道注意... 针对三维点云配准中现有描述符提取方法可能导致点云结构信息不显著以及点云数据细节丢失的问题,提出了一种多尺度特征融合的多模态三维点云配准模型(Multi-scale Feature Fusion,MSFNet)。首先,在编码器中采用基于稀疏卷积的通道注意力模块(Channel Attention Module Based On Sparse Convolution,SCCAM)使得该模型能够自适应地关注点云的特征结构;然后,利用多尺度空间点云编码结构(Multi-scale Spatial Point Cloud Encoding,MSPCE)提取并有效融合不同尺度下的点云特征,从而增加点云描述符的感受野;最后,利用多模态特征融合模块对编码器提取的点云特征与图片特征进行融合,并将其送入解码器进行监督训练,以生成最终的点云描述符。采用特征匹配召回率(Feature-Match Recall,FMR)作为评价指标,在数据集3DMatch上进行实验。实验结果表明MSFNet网络其召回率精度达到了98.4%,与IMFNet(Interpretable Multimodal Fusion)网络相比,提升了0.8%。 展开更多
关键词 三维点云配准 多尺度点云编码 注意力机制 多模态特征融合 多尺度特征融合
在线阅读 下载PDF
基于多尺度特征融合的轻量级目标检测算法 被引量：1
7
作者 李校林 陈泽 《微电子学与计算机》 2024年第9期32-40,共9页
由于YOLOv5目标检测模型中参数多、计算复杂度高,无法满足边缘设备进行智能计算和实时反馈的需求,提出了基于多尺度特征融合的轻量级目标检测算法。首先,针对标准卷积模块参数量大、计算复杂度高的问题,提出基于幻影卷积的特征提取卷积... 由于YOLOv5目标检测模型中参数多、计算复杂度高,无法满足边缘设备进行智能计算和实时反馈的需求,提出了基于多尺度特征融合的轻量级目标检测算法。首先,针对标准卷积模块参数量大、计算复杂度高的问题,提出基于幻影卷积的特征提取卷积模块代替原模型的特征提取模块,在保持检测精度的前提下,减少模型的参数量和计算量。其次,设计出ShuffleNetv2_2下采样模块,进一步减少算法的参数量。再次,针对模型轻量化后的特征提取能力不足问题,将低维特征充分融合到Neck网络中并添加跨层级联以降低浅层语义的丢失,在增强目标特征的表达的同时提高模型的检测效率。最后,提出LAM注意力融合模块,为模型的颈部网络提供具有更丰富的语义特征图。实验结果表明,相比于原模型,改进模型的参数量和计算量更少,并且在PascalVOC和MSCOCO数据集的检测准确率分别提高了2.1%和2.4%。 展开更多
关键词 目标检测 轻量化级神经网络 注意力机制 多尺度特征融合
在线阅读 下载PDF
多尺度特征融合注意力新冠肺炎病灶分割网络 被引量：1
8
作者 林洁沁 黄新 《激光杂志》 CAS 北大核心 2024年第3期168-174,共7页
新冠病毒传染性极强,尽早的诊断和治疗是减少疫情造成损失的关键因素。为辅助医生诊断新冠病情,高效、准确地从肺部CT切片中分割新冠病灶,提出了一种改进的编码器-解码器深度神经网络———多尺度融合注意力网络MSANet(Multi-scale Atte... 新冠病毒传染性极强,尽早的诊断和治疗是减少疫情造成损失的关键因素。为辅助医生诊断新冠病情,高效、准确地从肺部CT切片中分割新冠病灶,提出了一种改进的编码器-解码器深度神经网络———多尺度融合注意力网络MSANet(Multi-scale Attention Network),以图像分割效果较为出色的U-Net网络为基础,通过全局池化层和设置空洞卷积的采样率,增大网络感受野,捕获多尺度信息,实现对大目标的有效分割;使用通道注意力与空间注意力,在空间维度上建模,有效提取图像深层特征。测试结果表明,改进后的算法与U-Net网络相比,分割的平均交并比提升了1.46%,类别平均像素准确率提升了0.8%,准确率提升了1.17%。 展开更多
关键词 图像处理 特征提取 卷积块注意力模块 空洞空间卷积池化金字塔 U-Net结构 多尺度特征融合
在线阅读 下载PDF
基于多尺度特征融合的遥感影像场景分类方法 被引量：1
9
作者 秦望博 葛斌 《佳木斯大学学报（自然科学版）》 CAS 2024年第1期6-9,20,共5页
针对遥感场景影像存在类间相似性高、类内多样性大、且不同尺度下遥感影像差异大等问题,导致场景分类任务精确度受限,提出一种基于多尺度特征融合的遥感影像场景分类算法。首先利用轻量级网络MobileNetV2作为主干网络,以更少的网络参数... 针对遥感场景影像存在类间相似性高、类内多样性大、且不同尺度下遥感影像差异大等问题,导致场景分类任务精确度受限,提出一种基于多尺度特征融合的遥感影像场景分类算法。首先利用轻量级网络MobileNetV2作为主干网络,以更少的网络参数实现更高的分类准确率。网络通过一维卷积提升输入通道,设计的多尺度特征融合模块能够捕获遥感影像的高级特征和低级特征,融合影像的多尺度特征,能够有效缓解不同尺度下遥感影像差异大的问题。通过在三个公开遥感数据集上进行实验对比,验证了所提方法的有效性。 展开更多
关键词 遥感影像场景分类 多尺度特征融合 特征融合 深度学习
在线阅读 下载PDF
基于多尺度特征融合的轻量化道路提取模型 被引量：2
10
作者 刘毅 陈一丹 +1 位作者 高琳 洪姣 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第5期951-959,共9页
针对当前用于遥感图像道路提取领域的语义模型存在计算复杂度较高、道路提取效果不佳的问题,提出基于多尺度特征融合的轻量化道路提取模型(MFL-DeepLab V3+).为了减少模型参数量并降低模型的计算复杂度,骨干网络选用轻量化Mobilenet V2... 针对当前用于遥感图像道路提取领域的语义模型存在计算复杂度较高、道路提取效果不佳的问题,提出基于多尺度特征融合的轻量化道路提取模型(MFL-DeepLab V3+).为了减少模型参数量并降低模型的计算复杂度,骨干网络选用轻量化Mobilenet V2网络代替原模型的Xception网络,在空洞空间金字塔池化(ASPP)模块中引入深度可分离卷积.为了增强模型的道路提取能力,优化对细小路段的提取效果,在解码区提出联合注意力的多尺度特征融合(MFFA).基于Massachusetts roads数据集的各项实验表明,MFL-DeepLab V3+模型的参数规模显著降低,较原模型参数量压缩了88.67%,道路提取图像完整,边缘清晰,精确率、召回率和F1分数分别达到88.45%、86.41%和87.42%,与其他模型相比取得了更好的提取效果. 展开更多
关键词 语义分割 道路提取 MFL-DeepLab V3+ 多尺度特征融合 注意力机制
在线阅读 下载PDF
基于多尺度特征融合的轻量化人脸图像修复算法 被引量：1
11
作者 赵晓 赵子怡 杨晨 《电信科学》 北大核心 2024年第8期42-51,共10页
针对当前遮挡的人脸图像修复中修复图像质量差和模型参数量大的问题,提出了一种基于多尺度特征融合的改进U-Net的轻量化人脸图像修复模型——LM-UNET。首先,使用深度可分离卷积替换原有卷积,增强模型对不同通道和上下文信息的特征表达能... 针对当前遮挡的人脸图像修复中修复图像质量差和模型参数量大的问题,提出了一种基于多尺度特征融合的改进U-Net的轻量化人脸图像修复模型——LM-UNET。首先,使用深度可分离卷积替换原有卷积,增强模型对不同通道和上下文信息的特征表达能力,实现模型轻量化;其次,在跳跃连接中设计了多尺度特征注意力融合模块,充分融合不同尺度特征的信息,内嵌残差块减少特征间语义差距,提高模型修复准确率;最后,引入了位置注意力模块,增强人脸图像的显著信息,提升模型对人脸位置像素信息的有效提取能力。在基于CK+数据集生成的遮挡人脸数据集MFD上对该算法进行训练、验证和测试,修复后的图像的峰值信噪比(PSNR)达到30.49dB,结构相似性(SSIM)达到96.85%,与其他模型的对比实验结果表明,该模型对存在遮挡的人脸修复图像质量和视觉效果更好。 展开更多
关键词 图像修复 人脸图像 深度可分离卷积 多尺度特征注意力融合 位置注意力
在线阅读 下载PDF
基于复杂背景的多尺度特征融合手-物交互检测方法
12
作者 王文润 党建武 +1 位作者 王阳萍 梁超 《兰州交通大学学报》 CAS 2024年第5期94-102,共9页
针对手与物体在交互过程中不同场景的背景噪声、光照变化等复杂背景,以及手-物相互遮挡、分辨率低等问题对手-物交互检测精度的影响,提出采用一种两阶段的多尺度特征融合手-物交互检测方法。首先,引入基于特征金字塔的残差网络Resnet50... 针对手与物体在交互过程中不同场景的背景噪声、光照变化等复杂背景,以及手-物相互遮挡、分辨率低等问题对手-物交互检测精度的影响,提出采用一种两阶段的多尺度特征融合手-物交互检测方法。首先,引入基于特征金字塔的残差网络Resnet50作为特征提取主干网络,实现深层语义信息和浅层细节特征的多尺度融合,提高小目标检测的精度;然后,利用检测到的手部区域与物体区域的几何信息来判断是否交互,过滤非交互的物体;最后,在大规模的室内外包括11个类别的手接触物体的人类互动视频帧数据集进行实验,提高网络的泛化性能。实验结果表明,本文所提方法和两阶检测方法相比,在提高检测精度的同时没有增加网络模型复杂度,同时在数据集不同类别的检测精度相对稳定,有效提升了网络的泛化性能。 展开更多
关键词 手物交互 目标检测 复杂背景 多尺度特征融合
在线阅读 下载PDF
基于注意力机制及多尺度特征融合的图像去雨 被引量：1
13
作者 宋建辉 胡强强 +1 位作者 刘晓阳 赵亚威 《沈阳理工大学学报》 CAS 2024年第6期28-33,共6页
针对去除不同雨纹的同时恢复图像背景细节的问题,提出一种基于注意力机制及多尺度特征融合的图像去雨方法。该网络采用双分支结构,分别用于雨纹去除和背景恢复。雨纹提取模块采用跨空间学习的多尺度注意力机制,通过多尺度上下文信息捕... 针对去除不同雨纹的同时恢复图像背景细节的问题,提出一种基于注意力机制及多尺度特征融合的图像去雨方法。该网络采用双分支结构,分别用于雨纹去除和背景恢复。雨纹提取模块采用跨空间学习的多尺度注意力机制,通过多尺度上下文信息捕捉、均值计算、权重计算和整体信息综合,帮助改善雨纹去除任务中的图像质量,提高去雨效果。背景恢复模块包括多尺度特征提取部分和特征融合部分,采用多个扩张卷积层,每个卷积层具有不同的扩张因子,以扩大感受野,提取多尺度的图像背景特征;使用大核卷积对提取的多尺度特征信息进行融合调整,从而更准确地进行背景恢复。在多个公开数据集上的实验结果表明:所提方法能够有效去除真实雨图像场景中的雨纹,同时可以更好地恢复图像背景的细节信息。 展开更多
关键词 双分支去雨 多尺度特征融合 注意力机制 扩张卷积
在线阅读 下载PDF
基于注意力多尺度特征融合的频谱感知方法
14
作者 王琳 张世龙 王树彬 《无线电工程》 2024年第11期2520-2526,共7页
随着无线通信和物联网(Internet of Things,IoT)设备的迅速增长,频谱资源短缺和电磁环境复杂性成为通信系统面临的挑战。频谱感知作为频谱管理的一项关键技术,使频谱资源短缺问题得到了缓解。卷积神经网络(Convolutional Neural Network... 随着无线通信和物联网(Internet of Things,IoT)设备的迅速增长,频谱资源短缺和电磁环境复杂性成为通信系统面临的挑战。频谱感知作为频谱管理的一项关键技术,使频谱资源短缺问题得到了缓解。卷积神经网络(Convolutional Neural Network,CNN)作为深度学习的代表,近年来在频谱感知任务中表现出色。为解决CNN实现频谱感知任务时感受野受限、多尺度信息融合和空间信息捕获等方面存在局限性的问题,提出了一种注意力多尺度特征融合CNN(Attention-Multi-Scale Feature Extraction-CNN,AMFE-CNN)模型,包含多尺度特征提取和注意力模块。多尺度特征提取利用膨胀卷积获取更大的时频感受野,注意力模块通过多重卷积和池化操作关注时频图的空间信息。实验结果表明,该模型在频谱感知任务中表现出色,提高了检测性能和泛化能力。 展开更多
关键词 频谱感知 注意力机制 多尺度特征融合 卷积神经网络
在线阅读 下载PDF
基于分层特征提取和多尺度特征融合的高分辨率遥感影像水体提取深度学习算法
15
作者 盛晟 万芳琦 +2 位作者 林康聆 胡朝阳 陈华 《人民珠江》 2024年第2期45-52,共8页
高精度的水体提取有助于水资源监测和管理。目前基于遥感影像的水体提取方法缺乏对于边界质量的重视,造成边界划分不准确,细节保留度低的问题。为了提升遥感影像水体提取的边界与细节的精度,提出了一种基于多尺度特征融合的高分辨率遥... 高精度的水体提取有助于水资源监测和管理。目前基于遥感影像的水体提取方法缺乏对于边界质量的重视,造成边界划分不准确,细节保留度低的问题。为了提升遥感影像水体提取的边界与细节的精度,提出了一种基于多尺度特征融合的高分辨率遥感影像水体提取深度学习算法,包括分层特征提取模块与融合多尺度特征的堆叠连接解码器模块。分层特征提取模块中,引入了通道注意力结构,用于整合高分辨率遥感影像中水体的形状、纹理和色调信息,以便更好地理解水体的形状和边界。在融合多尺度特征的堆叠连接解码器模块中,进行了多层次语义信息的堆叠连接,并加强了特征提取,同时捕捉了广泛的背景信息和细微的细节信息,以实现更好的水体提取效果。在自行标注的数据集与公开数据集上的试验结果表明,模型的准确率达到了98.37%和91.23%,与现有的语义分割模型相比,提取的水体边缘更加完整,同时保留细节的能力更强。提出的模型提升了水体提取的精度和泛化能力,为高分辨率遥感影像水体提取提供了参考。 展开更多
关键词 水体提取 高分辨率遥感影像 深度学习 多尺度特征融合
在线阅读 下载PDF
多尺度特征融合的改进残差网络乳腺癌病理图像分类
16
作者 庄建军 吴晓慧 +1 位作者 景生华 孟东东 《中国生物医学工程学报》 CAS CSCD 北大核心 2024年第4期419-428,共10页
现有模型病理特征提取不充分以及开源数据集各类型数量不平衡等问题,使得乳腺癌病理图像的多分类研究仍具挑战性。本研究提出了一种多尺度特征融合的改进残差网络乳腺癌病理图像多分类方法。首先,以ResNet101残差网络作为基础,将CBAM注... 现有模型病理特征提取不充分以及开源数据集各类型数量不平衡等问题,使得乳腺癌病理图像的多分类研究仍具挑战性。本研究提出了一种多尺度特征融合的改进残差网络乳腺癌病理图像多分类方法。首先,以ResNet101残差网络作为基础,将CBAM注意力模块插入到每一个残差块中;接着,为了优化特征提取,将横向和纵向的多尺度特征融合集成到残差网络中;最后,引入焦点损失函数以解决数据分配不平衡问题。经BreakHis公开数据集混合放大倍数1582张病理图像训练验证,所提出的改进残差网络在乳腺癌病理图像八分类上的识别准确率为94.4%,较原始模型提升2.8%,优于大多数已有公开深度学习模型。该模型的提出为女性乳腺癌的筛查诊断和病理分类提供了更为有效的方法。 展开更多
关键词 乳腺癌病理图像 深度学习 残差网络 注意力机制 多尺度特征融合
在线阅读 下载PDF
多尺度特征融合对比学习结合PointMetaBase的点云分割
17
作者 杨林杰 张斌 张志圣 《现代电子技术》 北大核心 2024年第15期91-97,共7页
点云场景边界的精确分割对提升三维点云整体分割精度和小目标的分割精度都非常重要。针对现有三维点云语义分割算法中存在的对点云场景边界分割不准确的问题,设计了一种新的多尺度特征融合对比学习方法,并将其集成到PointMetaBase网络上... 点云场景边界的精确分割对提升三维点云整体分割精度和小目标的分割精度都非常重要。针对现有三维点云语义分割算法中存在的对点云场景边界分割不准确的问题,设计了一种新的多尺度特征融合对比学习方法,并将其集成到PointMetaBase网络上,提出了MFFCL-PMB三维点云语义分割网络。该网络将解码器各层的输入和输出平行多路径地输入多尺度特征提取网络,其次将多尺度特征进行拼接融合,最后由边界搜索模块确定点云场景边界点,在边界点对应的多尺度融合特征上进行对比学习,使网络学习到使特征区分度更大的权重。MFFCL-PMB在数据集S3DIS的测试集区域5上的mIoU为70.9%,相比原始的PointMetaBase,在边界上的mIoU增加了1.4%,内部区域mIoU增加了1.2%,总体mIoU增加了1.2%,边界mIoU增量比内部区域增加的mIoU更大,说明MFFCL-PMB有效增强了PointMetaBase在边界上的分割表现并提高了网络在点云总体上的语义分割性能。 展开更多
关键词 深度学习 三维点云 语义分割 对比学习 多尺度特征融合 编码器 解码器
在线阅读 下载PDF
基于多尺度特征融合的钢材表面缺陷分类方法
18
作者 田志新 徐震 +2 位作者 茅健 林彬彬 廖薇 《电子科技》 2024年第2期87-94,共8页
针对钢材表面缺陷分类检测率低的问题,文中采用一种基于纹理多尺度特征融合的表面缺陷分类方法。利用Gabor滤波器与灰度共生矩阵建立纹理图像的多尺度特征向量,同时利用卷积运算对纹理图像进行特征提取,并引入混合膨胀卷积模块以增加感... 针对钢材表面缺陷分类检测率低的问题,文中采用一种基于纹理多尺度特征融合的表面缺陷分类方法。利用Gabor滤波器与灰度共生矩阵建立纹理图像的多尺度特征向量,同时利用卷积运算对纹理图像进行特征提取,并引入混合膨胀卷积模块以增加感受野,将两种特征向量进行融合得到加强后的融合纹理特征向量。融合后的特征以序列方式输入长短时记忆网络(Long Short-Term Memory,LSTM)构建分类模型,利用混淆矩阵将分类结果进行指标评判。结果表明该方法在NEU(Northeastern University)数据集上的分类准确率达到97.5%。文中搭建LSTM网络、BP(Back Propagation)神经网络、SVM(Support Vector Machine)、KNN(K-Nearest Neighbor)以及CART(Classification And Regression Tree)等分类方法进行了对比实验。结果显示,在多尺度下LSTM分类方法表现最好,F1指标最高。结合BP网络、LSTM网络、SVM、KNN、CART、CNN以及AlexNet等方法进行了消融实验,验证了该方法的普适性。该方法充分挖掘了纹理图像的多尺度特征信息,对钢材表面缺陷分类方法的研究具有积极意义。 展开更多
关键词 表面缺陷分类 多尺度特征融合 GABOR滤波器 灰度共生矩阵 混合膨胀卷积 卷积运算 LSTM网络 混淆矩阵 NEU数据集
在线阅读 下载PDF
基于多尺度特征融合的乘用车路面信息预警研究方法
19
作者 李香凝 韩昊 《汽车电器》 2024年第12期40-43,共4页
伴随着用户对于乘用车行驶过程中的安全性和驾驶舒适性要求越来越高,计算机视觉算法作为一种先进的智能汽车技术被广泛应用。面对复杂多变的驾驶路面情况,实时准确的路面信息预警能够极大程度地保障用户出行。文章提出一种基于多尺度特... 伴随着用户对于乘用车行驶过程中的安全性和驾驶舒适性要求越来越高,计算机视觉算法作为一种先进的智能汽车技术被广泛应用。面对复杂多变的驾驶路面情况,实时准确的路面信息预警能够极大程度地保障用户出行。文章提出一种基于多尺度特征融合的乘用车路面信息预警方法。该方法在主流检测框架YOLOv8s中加入BiFPN方法,能有效提升对小目标的检测精度。此外,引入GIoU作为边界框回归损失函数的创新改进,更好地处理检测框不相交或重叠较少的情况,进一步提升模型在复杂路面情况下的目标定位精度。由于现有相关数据集并不完备,需进行数据采集和特征提取工作,这些数据应涵盖各种路面工况,以进一步满足路面信息预警需求。通过试验结果分析,本方法在乘用车路面信息检测方面表现出较好性能,不仅能增强对小目标的检测精度,也能提升边界框定位的鲁棒性,为后续的汽车路面信息预警研究提供有效的数据和技术支持。 展开更多
关键词 乘用车 多尺度特征融合 路面信息
在线阅读 下载PDF
基于多尺度特征融合残差神经网络的旋转机械故障诊断 被引量：19
20
作者 邓飞跃 丁浩 郝如江 《振动与冲击》 EI CSCD 北大核心 2021年第24期22-28,35,共8页
轴承、齿轮等旋转部件常在复杂工况下运行,环境噪声干扰大,导致故障特征微弱而难以准确诊断。基于此,该研究提出一种新的多尺度特征融合残差块(multi-scale feature fusion residual block,MSFFRB)设计方法,基于此构建了一维残差神经网... 轴承、齿轮等旋转部件常在复杂工况下运行,环境噪声干扰大,导致故障特征微弱而难以准确诊断。基于此,该研究提出一种新的多尺度特征融合残差块(multi-scale feature fusion residual block,MSFFRB)设计方法,基于此构建了一维残差神经网络用于旋转机械故障诊断。该模型能够将不同尺度的网络卷积层级联在一起提取多尺度特征信息,在残差块内部实现了多尺度特征信息的有效融合,兼顾了残差网络跨层恒等映射与多尺度特征提取的优势,克服了传统卷积操作只能提取单一尺度特征信息的缺点。所构建的残差神经网络可以直接输入样本数据,不需要进行任何数据预处理,而且模型结构具有较高的灵活性,易于扩展。试验分析表明,所提网络可有效用于旋转机械的故障诊断,相比传统CNNs、ResNets、1D-LeNets、1D-AlexNets、MC-CNNs等5种当前常用网络,具有更好的抗噪性能,故障分类准确率更高,这为旋转机械故障诊断提供了一种新的途径。 展开更多
关键词 旋转机械 故障诊断 残差神经网络 多尺度特征融合
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 … 9 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