-
题名融合视觉机制和多尺度特征的小目标检测算法
被引量：1
- 1
-
-
作者
武德彬
刘笑楠
刘振宇
杨娜
-
机构
沈阳工业大学信息科学与工程学院
-
出处
《电讯技术》
北大核心
2024年第2期200-206,共7页
-
基金
辽宁省自然科学基金(20180520022)。
-
文摘
针对SSD(Single Shot MultiBox Detector)目标检测算法对小目标检测能力不足的问题,提出一种引入视觉机制和多尺度语义信息融合的VFF-SSD(Vision Feature Fusion SSD)改进算法。为了增大浅层网络的感受野提高特征提取能力,首先在SSD浅层特征层中加入视觉机制,然后利用改进PANet(Path Aggregation Network)多尺度特征融合网络与深层特征增强网络得到新的特征层,旨在增强浅层网络的语义信息并加强深层特征的特征表达能力,最后应用注意力机制模块提高对重要信息的学习能力。实验结果表明,在PASCAL VOC2007测试集检测的mAP(Mean Average Precision)值达到81.1%,对数据集中小目标的mAP值较原SSD提高了6.6%。
-
关键词
小目标检测
深度学习
视觉机制
多尺度语义信息
注意力机制
-
Keywords
small object detection
deep learning
vision mechanism
multi-scale semantic information
attention mechanism
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多尺度卷积神经网络的无参考图像质量评价
被引量：1
- 2
-
-
作者
曲艺
刘海燕
曹玉东
-
机构
辽宁工业大学电子与信息工程学院
-
出处
《辽宁工业大学学报（自然科学版）》
2024年第2期115-120,共6页
-
基金
辽宁省教育厅基本科研项目(JYTMS20230861)。
-
文摘
图像质量评价广泛应用于图像处理领域。提出了一种基于多尺度卷积神经网络(multi-scale convolutional neural network,MCN-Net)的无参考图像质量评价方法,该方法将卷积神经网络与迁移学习相结合。首先,通过使用Resnet-50网络与感知模块相结合的方式,有效提取满足人类感知的多尺度语义信息特征;然后利用自适应融合网络对局部语义信息进行特征融合;最后,将融合后的局部语义信息与全局语义信息进行连接,并输入到全连接回归网络实现图像质量预测。为了验证模型的有效性,分别在LIVE、KonIQ-10K,LIVEC数据集上做了性能对比试验,实验结果表明,所提模型的图像质量评价性能优于目前大多数主流方法,并且在真实失真数据集上的泛化性能更好,适合用于自然失真场景。
-
关键词
深度学习
无参考图像质量评价
多尺度语义信息
特征融合
-
Keywords
deep learning
no-reference image quality evaluation
multi-scale semantic information
feature fusion
-
分类号
TP274
[自动化与计算机技术—检测技术与自动化装置]
-
