基于多层级特征自适应融合的图像分割算法 被引量：1

1

作者 袁小平 何祥 +1 位作者 王小倩 胡杨明 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2022年第10期1958-1966,共9页

为了解决传统算法对医学图像分割时精度较低的问题,提出基于多层级特征自适应融合的新型FRUnet图像分割算法.在编码器阶段,设计采样加权模块替代传统卷积层,对图像空间信息进行逐层提取和特征融合,获得相邻像素之间的相关性和不同层次... 为了解决传统算法对医学图像分割时精度较低的问题,提出基于多层级特征自适应融合的新型FRUnet图像分割算法.在编码器阶段,设计采样加权模块替代传统卷积层,对图像空间信息进行逐层提取和特征融合,获得相邻像素之间的相关性和不同层次的语义信息.在解码器阶段,设计多层级自适应融合模块,通过非线性跳跃连接逐层提取图像通道信息,自适应地融合邻近连接层的上下文信息,使各层专注不同特征信息的提取.FR-Unet在模型参数量上大幅度减少,让网络在场景部署上得到更好的支持.实验结果表明,该网络在动物细胞分割、肝脏器官分割、皮肤病变分割等众多任务中均表现突出. 展开更多

关键词 图像分割 FR-Unet 逐层提取 采样加权模块 多层级自适应融合模块

在线阅读 下载PDF 职称材料

条件扩散和多通道高低频并行的红外与可见光图像融合

2

作者 邸敬 王鹤然 +2 位作者 梁婵 刘冀钊 廉敬 《光学精密工程》 北大核心 2025年第1期148-163,共16页

针对去噪扩散模型在红外与可见光图像融合任务中缺少基准真实值和可见光信息利用不足的问题,提出一种条件扩散和多通道高低频并行的红外与可见光图像融合模型。条件扩散模型利用拼接技术将拼接源图像作为基准真实值进行训练,获得红外与... 针对去噪扩散模型在红外与可见光图像融合任务中缺少基准真实值和可见光信息利用不足的问题,提出一种条件扩散和多通道高低频并行的红外与可见光图像融合模型。条件扩散模型利用拼接技术将拼接源图像作为基准真实值进行训练,获得红外与可见光图像特征提取任务的最优先验分布,在反向去噪过程中引入多通道似然校正模块,更有效地模拟红外与可见光图像的多通道复杂分布。然后,提出细节自适应去噪网络来完成红外与可见光图像的多通道高低频特征提取任务。最后,在融合网络中设计了一种多通道高低频并行融合模块,采用区域一致性融合网络和多通道低频特征融合网络分别完成高低频特征的融合。该模型为红外与可见光图像融合任务提供了一种可训练的扩散模型范式用于特征提取,使用特定的卷积神经网络进行特征融合。通过与近年来提出的9种高水平方法相比,在MSRS和RoadScene数据集上的实验结果表明,本文方法的8种客观评价指标平均提升了4.52%~59.62%。本文方法在色彩保真度和纹理细节保持等方面都优于其他方法,符合人眼视觉特性,能够很好地处理各种光照和环境场景下的红外与可见光图像融合任务。 展开更多

关键词 图像融合 红外与可见光 条件扩散模型 细节自适应去噪网络 多通道高低频并行融合模块

在线阅读 下载PDF 职称材料

自适应融合层级特征的混合退化图像复原算法 被引量：11

3

作者 白亮 刘辉 尚振宏 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2021年第2期215-222,共8页

多种退化类型混合的图像比单一类型的退化图像降质更严重,很难建立精确模型对其复原,研究端到端的神经网络算法是复原的关键.现有的基于操作选择注意力网络的算法(operation-wiseattentionnetwork,OWAN)虽然有一定的性能提升,但是其网... 多种退化类型混合的图像比单一类型的退化图像降质更严重,很难建立精确模型对其复原,研究端到端的神经网络算法是复原的关键.现有的基于操作选择注意力网络的算法(operation-wiseattentionnetwork,OWAN)虽然有一定的性能提升,但是其网络过于复杂,运行较慢,复原图像缺乏高频细节,整体效果也有提升的空间.针对这些问题,提出一种基于层级特征融合的自适应复原算法.该算法直接融合不同感受野分支的特征,增强复原图像的结构;用注意力机制对不同层级的特征进行动态融合,增加模型的自适应性,降低了模型冗余;另外,结合L1损失和感知损失,增强了复原图像的视觉感知效果.在DIV2K,BSD500等数据集上的实验结果表明,该算法无论是在峰值信噪比和结构相似性上的定量分析,还是在主观视觉质量方面,均优于OWAN算法,充分证明了该算法的有效性. 展开更多

关键词 自适应复原 混合退化 层级特征融合 感知损失

在线阅读 下载PDF 职称材料

跨级融合门控自适应网络用于视网膜血管分割 被引量：1

4

作者 梁礼明 余洁 +2 位作者 陈鑫 雷坤 周珑颂 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第4期1097-1109,共13页

针对现有多数算法对浅层特征提取不足,导致分割结果中血管边界模糊、毛细血管欠分割且包含噪声等问题,提出一种跨级融合门控自适应网络。该网络中的密集门控通道变换模块,通过促进通道之间的竞争或协同关系充分提取浅层特征信息,避免浅... 针对现有多数算法对浅层特征提取不足,导致分割结果中血管边界模糊、毛细血管欠分割且包含噪声等问题,提出一种跨级融合门控自适应网络。该网络中的密集门控通道变换模块,通过促进通道之间的竞争或协同关系充分提取浅层特征信息,避免浅层粗粒度特征信息丢失;通过跨层次融合模块捕获各层跨维度交互信息,有效聚合多尺度上下文特征;采用双自适应特征融合方法有效引导相邻层次特征融合,抑制噪声。在公共数据集DRIVE、CHASEDB1和STARE上进行验证,结果表明:所提网络准确率分别为0.9652、0.9668和0.9695,F_(1)值分别为0.8544、0.8152和0.8412,在多个指标上均处于较高水平,优于现有先进算法。 展开更多

关键词 视网膜血管分割 密集门控通道变换 跨层次融合模块 双自适应特征融合 三重注意力模块

在线阅读 下载PDF 职称材料

融合Mobile Vit和倒置门控编解码的视网膜血管分割算法

5

作者 梁礼明 阳渊 +2 位作者 朱晨锟 何安军 吴健 《北京航空航天大学学报》 北大核心 2025年第3期712-723,共12页

针对视网膜血管分割时存在背景噪声干扰、边界纹理模糊和微细血管提取难等问题,提出一种融合Mobile Vit和倒置门控编解码的视网膜血管分割算法(FMVG-Net)。改进Mobile Vit模块,在编码部分实现双联合特征提取;利用多谱注意力模块,从频域... 针对视网膜血管分割时存在背景噪声干扰、边界纹理模糊和微细血管提取难等问题,提出一种融合Mobile Vit和倒置门控编解码的视网膜血管分割算法(FMVG-Net)。改进Mobile Vit模块,在编码部分实现双联合特征提取;利用多谱注意力模块,从频域维度减少图像特征信息缺失,精确分割血管前景像素;提出特征自适应融合模块,建立血管纹理上下文依赖关系,提高血管分割灵敏度;优化编解码结构,设计倒置门控编解码模块,进一步捕获空间信息与深层语义信息,提高视网膜血管图像分割精度。在公共数据集DRIVE、STARE和CHASE_DB1上对所提算法进行实验,特异性分别为0.9863、0.9897和0.9873,准确度分别为0.9709、0.9754和0.9760,敏感度分别为0.8109、0.8010和0.8079。仿真实验证明,所提网络对视网膜血管分割具有较好的分割效果,为眼科疾病的诊断提供了新窗口。 展开更多

关键词 视网膜血管 Mobile Vit模块 离散余弦变换 倒置门控编解码模块 特征自适应融合

在线阅读 下载PDF 职称材料

基于双流自适应时空增强图卷积网络的手语识别 被引量：1

6

作者 金彦亮 吴筱溦 《应用科学学报》 CAS CSCD 北大核心 2024年第2期189-199,共11页

针对提取手语特征过程中出现的信息表征能力差、信息不完整问题,设计了一种双流自适应时空增强图卷积网络(two-stream adaptive enhanced spatial temporal graph convolutional network,TAEST-GCN)实现基于孤立词的手语识别。该网络使... 针对提取手语特征过程中出现的信息表征能力差、信息不完整问题,设计了一种双流自适应时空增强图卷积网络(two-stream adaptive enhanced spatial temporal graph convolutional network,TAEST-GCN)实现基于孤立词的手语识别。该网络使用人体身体、手部和面部节点作为输入,构造基于人体关节和骨骼的双流结构。通过自适应时空图卷积模块生成不同部位之间的连接,并充分利用其中的位置和方向信息。同时采用残差连接方式设计自适应多尺度时空注意力模块,进一步增强该网络在空域和时域的卷积能力。将双流网络提取到的有效特征进行加权融合,可以分类输出手语词汇。最后在公开的中文手语孤立词数据集上进行实验,在100类词汇和500类词汇分类任务中准确率达到了95.57%和89.62%。 展开更多

关键词 骨架数据 双流结构 自适应时空图卷积模块 自适应多尺度时空注意力模块 特征融合

在线阅读 下载PDF 职称材料

一种支持传感器即插即用的模块化信息融合方法

7

作者 杨斌 李恒 罗治斌 《现代电子技术》 2022年第18期1-6,共6页

单一导航传感器无法提供实时、可靠的导航信息,通常利用多源信息融合手段提升导航精度、实时性和连续性。针对多传感器融合引入的导航系统开发难度大、复杂度高的问题,文中设计一种充分利用导航传感器间互补特性的全源导航系统,提出一... 单一导航传感器无法提供实时、可靠的导航信息,通常利用多源信息融合手段提升导航精度、实时性和连续性。针对多传感器融合引入的导航系统开发难度大、复杂度高的问题,文中设计一种充分利用导航传感器间互补特性的全源导航系统,提出一种模块化信息融合方法,通过独立设计系统状态模块、量测模块、滤波器模块,有效地降低系统的开发周期,提高系统的灵活性,使系统组件具备即插即用的能力。最后,通过卫导接收机的杆臂估计实验,验证状态模块的可插拔性;通过组合导航系统的无缝切换实验,验证传感器、滤波器的即插即用能力。仿真实验结果表明,所提出的模块化信息融合方法不仅支持传感器的即插即用,还可以降低导航系统开发难度,提高开发效率。 展开更多

关键词 全源导航系统 即插即用 模块化信息融合 自适应调整 仿真实验 开发效率

在线阅读 下载PDF 职称材料

面向城市复杂场景的多尺度监督融合变化检测

8

作者 潘建平 谢鹏 +2 位作者 郭志豪 林娜 张慧娟 《遥感信息》 CSCD 北大核心 2024年第4期23-32,共10页

城市复杂场景中,地物形状多样,光照和成像角度变化大会导致变化检测结果受到干扰。为解决这些问题,文章提出了一种双上下文多尺度监督融合的网络模型(dual context multi-scale supervised fusion network model,DCMSFNet)。首先,在编... 城市复杂场景中,地物形状多样,光照和成像角度变化大会导致变化检测结果受到干扰。为解决这些问题,文章提出了一种双上下文多尺度监督融合的网络模型(dual context multi-scale supervised fusion network model,DCMSFNet)。首先,在编码部分使用双上下文增强模块获得地物丰富的全局上下文信息。在解码部分,采用级联的方法组合特征,然后通过自适应注意力模块捕捉不同尺度的变化关系,设计多尺度监督融合模块,增强深度网络融合,获得具有更高辨别能力的变化区域特征,将不同层级的输出结果与主网络的重构变化图融合形成最终的变化检测结果。该模型在LEVIR-CD和SYSU-CD变化检测数据集取得了较好的结果,F1-score分别提高了1.58%和2.17%,可更加精确识别复杂场景的变化区域,进一步减少无关因素引起的误检和漏检,且对目标地物边缘的检测更加平滑。 展开更多

关键词 深度学习 变化检测 双上下文增强 自适应注意力模块 多尺度监督融合

在线阅读 下载PDF 职称材料

特征自适应融合插值的点云语义分割算法 被引量：2

9

作者 朱芬芬 王蕾 刘华 《现代电子技术》 2023年第12期175-181,共7页

点云语义分割是场景理解的基础问题。大多数针对大场景点云的语义分割方法精心设计局部特征聚合模块以减少降采样点云过程中的信息损失,然而未能高效地利用多尺度局部特征推理点云语义信息。为此,文中提出一种多尺度特征自适应融合的插... 点云语义分割是场景理解的基础问题。大多数针对大场景点云的语义分割方法精心设计局部特征聚合模块以减少降采样点云过程中的信息损失,然而未能高效地利用多尺度局部特征推理点云语义信息。为此,文中提出一种多尺度特征自适应融合的插值方法,以实现更准确的大场景点云语义分割算法。首先,通过注意力机制的局部特征聚合模块学习点云内部的语义关系,描述局部模式的各项异性;然后,以不同的采样率随机地采样点云产生多尺度的稀疏局部特征图;最后,使用特征自适应融合的插值法代替广泛使用的最近邻插值法,恢复全分辨率的特征图,为原始密度的点云提供更准确的语义信息。在SemanticKITTI和S3DIS两个大场景点云数据集上对所提算法进行评估,结果表明,所提算法的平均交并比(mIoU)分别为54.24%、75.5%,平均准确率(mACC)分别达到88.92%、86.5%,比大多数主流算法的分割效果更加准确。 展开更多

关键词 点云语义分割 注意力机制 自适应融合插值 局部特征聚合模块 深度学习 随机降采样

在线阅读 下载PDF 职称材料

多尺度特征自适应融合的轻量化织物瑕疵检测 被引量：12

10

作者 杨毅 桑庆兵 《计算机工程》 CAS CSCD 北大核心 2022年第12期288-295,共8页

织物瑕疵检测是纺织行业保证产品质量的重要环节,针对织物瑕疵检测中存在小目标瑕疵检测困难、不同种类瑕疵长宽比差异大、对实时性要求高等问题,提出一种新的轻量化织物瑕疵检测算法。以YOLOv4网络为基础,使用轻量化网络MobileNetv2为... 织物瑕疵检测是纺织行业保证产品质量的重要环节,针对织物瑕疵检测中存在小目标瑕疵检测困难、不同种类瑕疵长宽比差异大、对实时性要求高等问题,提出一种新的轻量化织物瑕疵检测算法。以YOLOv4网络为基础,使用轻量化网络MobileNetv2为主干网络,有效减少模型参数总量与运算量,以满足实时性需求。在MobileNetv2的逆残差结构中加入CoordAttention注意力模块,将空间精确位置信息嵌入到通道注意力中,增强网络聚焦小目标特征的能力。使用自适应空间特征融合(ASFF)网络改进路径聚合网络(PANet),使模型通过学习获得多尺度特征图的融合权重,从而充分利用浅层特征与深层特征,提高算法对小目标瑕疵的检测精度。采用K-means++算法确定先验框尺寸,并用Focal Loss函数修改模型损失函数,降低正、负样本不平衡对检测结果的影响,解决不同种类瑕疵长宽比差异大及类别不平衡的问题。实验结果表明,相较于YOLOv4算法,所提算法的平均精度均值提高了2.3个百分点,检测速度提升了12 frame/s,能较好地应用于织物瑕疵检测。 展开更多

关键词 织物瑕疵检测 自适应空间特征融合 CoordAttention模块 YOLOv4网络 MobileNetv2网络

在线阅读 下载PDF 职称材料

坐标增强与多源采样的脑肿瘤图像分割

11

作者 蒋占军 李洋 +1 位作者 廉敬 苗新法 《计算机应用》 北大核心 2025年第3期996-1002,共7页

针对脑肿瘤图像分割模型对肿瘤区域关注度不够及易丢失空间上下文信息,导致对肿瘤区域分割效果不佳的问题,提出一种融合坐标增强学习机制(CEL)与多源采样的TransUNet脑肿瘤分割网络。首先,提出一种CEL,结合ResNetv2作为模型的浅层特征... 针对脑肿瘤图像分割模型对肿瘤区域关注度不够及易丢失空间上下文信息,导致对肿瘤区域分割效果不佳的问题,提出一种融合坐标增强学习机制(CEL)与多源采样的TransUNet脑肿瘤分割网络。首先,提出一种CEL,结合ResNetv2作为模型的浅层特征提取网络,增加对脑肿瘤区域的关注度;其次,设计深层混合采样特征提取器,并利用可变形注意力与自注意力机制对脑肿瘤的全局与局部信息进行多源采样;最后,在编码器与解码器之间设计交互层级融合(ILF)模块,从而在实现深层与浅层特征信息交互的同时减少参数的计算量。在BraTS2018和BraTS2019数据集上的实验结果表明:相较于基准TransUNet,所提模型的平均相似性系数(mDice)、平均交并比(mIoU)、平均精度均值(mAP)和平均召回率(mRecall)分别提高4.84、7.21、3.83和3.15个百分点,模型大小降低了16.9 MB。 展开更多

关键词 图像分割 多模态信息 坐标增强学习机制 混合采样 交互层级融合模块

在线阅读 下载PDF 职称材料

传感器融合技术在火灾预警探测中的应用研究 被引量：5

12

作者 高金辉 陈玉珠 汪晓晨 《河南师范大学学报（自然科学版）》 CAS CSCD 北大核心 2010年第2期56-59,共4页

针对传统火灾报警系统存在的局限性,本文把传感器融合技术应用到火灾预警探测系统中.该系统采用传感器组探测早期火灾特征,在进行数据处理时,首先对同质传感器进行自适应加权数据融合,再对同质传感器采用D-S证据理论进行全局融合,最后... 针对传统火灾报警系统存在的局限性,本文把传感器融合技术应用到火灾预警探测系统中.该系统采用传感器组探测早期火灾特征,在进行数据处理时,首先对同质传感器进行自适应加权数据融合,再对同质传感器采用D-S证据理论进行全局融合,最后得出对火灾的最优判断,很好地解决了报警灵敏度和误报率之间的矛盾.系统采取模块化设计,结构简单,容易实现等. 展开更多

关键词 多传感器信息融合 自适应加权数据融合 D-S证据理论 模块化

在线阅读 下载PDF 职称材料

红外弱光下多特征融合与注意力增强铁路异物检测 被引量：1

13

作者 陈永 王镇 +1 位作者 卢晨涛 张娇娇 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2023年第8期1884-1895,共12页

针对红外弱光环境下铁路异物检测时存在目标特征提取不充分、检测精度及实时性低的问题,在CenterNet目标检测模型的基础上,提出了一种红外弱光下多特征融合与注意力增强的无锚框异物检测深度学习模型。在红外目标多尺度特征提取的基础上... 针对红外弱光环境下铁路异物检测时存在目标特征提取不充分、检测精度及实时性低的问题,在CenterNet目标检测模型的基础上,提出了一种红外弱光下多特征融合与注意力增强的无锚框异物检测深度学习模型。在红外目标多尺度特征提取的基础上,引入自适应特征融合(ASFF)模块,充分利用目标高层语义与底层细粒度特征信息,提升红外目标特征提取能力。通过提出的空洞卷积增强注意力模块(Dilated-CBAM)进行关键特征提取,扩大注意力模块感受野范围,克服了原始CenterNet卷积块感受野映射区域变窄、无法检测弱小目标的问题,提升了无锚框网络的检测精度。使用Smooth L1损失函数进行训练,克服了L1损失函数在网络训练过程收敛速度慢及训练不稳定解的问题。通过铁路红外数据集及现场实验测试,结果表明:所提方法较原始CenterNet模型平均检测精度提高了8.03%,检测框置信度提升了31.23%,平均检测速率是Faster R-CNN模型的9.6倍,所提方法在红外弱光环境下能够更加快速准确地检测出铁路异物,主客观评价均优于对比方法。 展开更多

关键词 机器视觉 红外弱光 异物检测 自适应特征融合 空洞卷积增强注意力模块 无锚框网络

在线阅读 下载PDF 职称材料

基于改进YOLOv8的小目标检测算法

14

作者 邓立国 吴毅麒 《现代电子技术》 北大核心 2025年第14期169-177,共9页

小目标检测在自动驾驶、医学诊断、工业质检等领域的应用需求日益凸显。针对现有小目标检测算法存在的误检、漏检以及检测精度低等问题,提出一种基于改进YOLOv8的小目标检测算法,即PGA-YOLOv8。该算法以YOLOv8为基础模型,结合注意力机... 小目标检测在自动驾驶、医学诊断、工业质检等领域的应用需求日益凸显。针对现有小目标检测算法存在的误检、漏检以及检测精度低等问题,提出一种基于改进YOLOv8的小目标检测算法,即PGA-YOLOv8。该算法以YOLOv8为基础模型,结合注意力机制来提高对小目标的定位能力;在特征融合网络中改进特征融合策略(ASFF),增加1个检测层来学习浅层的特征,以更好地利用各层次特征信息;将YOLOv8模型中部分普通卷积替换为分组重组卷积(GSConv)以优化网络结构。最后,在常用基准数据集(VOC2012)和航空图像数据集(AI-TOD)上,以YOLOv8为基准模型设置多组实验,验证改进的各种技术的有效性以及PGA-YOLOv8算法的检测能力。实验结果表明,相较于YOLOv8算法,所提算法在两个数据集中平均精度均值(mAP)分别提高了2.576%和6.389%。 展开更多

关键词 小目标检测 YOLOv8 极化自注意力模块 自适应空间特征融合策略 分组重组卷积 性能评估

在线阅读 下载PDF 职称材料

基于多补丁和多尺度层级聚合网络的快速非均匀图像去雾 被引量：3

15

作者 杨坤 张娟 方志军 《计算机科学》 CSCD 北大核心 2021年第11期250-257,共8页

尽管基于卷积神经网络的去雾算法在合成的均匀雾气数据集上已经取得了巨大进展,但在真实的非均匀有雾图像上仍然表现不佳。为了快速有效地去除图像中的非均匀雾气,文中首先提出了一种多补丁和多尺度层级聚合网络结构(Multi-patch and Mu... 尽管基于卷积神经网络的去雾算法在合成的均匀雾气数据集上已经取得了巨大进展,但在真实的非均匀有雾图像上仍然表现不佳。为了快速有效地去除图像中的非均匀雾气,文中首先提出了一种多补丁和多尺度层级聚合网络结构(Multi-patch and Multi-scale Hierarchical Aggregation Network,MPSHAN),融合了多补丁局部化信息和多尺度全局化信息。其次,提出了层级融合模块(Hierarchical Fusion Module,HFM),既解耦了残差融合以实现更丰富的非线性特征表达,又通过通道注意力机制提升了关键位置的特征融合质量。同时,对层级结构使用扩张卷积获得多尺度信息,增强特征图以优化融合效果。此外,在损失函数中加入频域损失以恢复更好的边缘质量。实验结果表明,所提算法在非均匀雾气图像上具有很好的鲁棒性,1200×1600高分辨率图像的平均处理时间仅有0.044 s,相比其他去雾算法,其在图像去雾效果和运行时间之间实现了更好的平衡。 展开更多

关键词 多补丁 多尺度 层级融合模块 注意力机制 扩张卷积 图像去雾

在线阅读 下载PDF 职称材料

鬼影卷积自适应视网膜血管分割算法 被引量：6

16

作者 梁礼明 周珑颂 +2 位作者 陈鑫 余洁 冯新刚 《光电工程》 CAS CSCD 北大核心 2021年第10期49-63,共15页

针对视网膜血管分割存在主血管轮廓模糊、微细血管断裂和视盘边界误分割等问题,提出一种鬼影卷积自适应视网膜血管分割算法。算法一是用鬼影卷积替代神经网络中普通卷积,鬼影卷积生成丰富的血管特征图,使目标特征提取充分进行。二是将... 针对视网膜血管分割存在主血管轮廓模糊、微细血管断裂和视盘边界误分割等问题,提出一种鬼影卷积自适应视网膜血管分割算法。算法一是用鬼影卷积替代神经网络中普通卷积,鬼影卷积生成丰富的血管特征图,使目标特征提取充分进行。二是将生成的特征图进行自适应融合并输入至解码层分类,自适应融合能够多尺度捕获图像信息和高质量保存细节。三是在精确定位血管像素与解决图像纹理损失过程中,构建双路径注意力引导结构将网络底层特征图与高层特征图有效结合,提高血管分割准确率。同时引入Cross-Dice Loss函数来抑制正负样本不均问题,减少因血管像素占比少而引起的分割误差,在DRIVE与STARE数据集上进行实验,其准确率分别为96.56%和97.32%,敏感度分别为84.52%和83.12%,特异性分别为98.25%和98.96%,具有较好的分割效果。 展开更多

关键词 视网膜血管 鬼影卷积 自适应融合模块 双路径注意力引导结构

在线阅读 下载PDF 职称材料

多级自适应尺度的U型视网膜血管分割算法 被引量：4

17

作者 梁礼明 詹涛 +2 位作者 雷坤 冯骏 谭卢敏 《电子测量技术》 北大核心 2022年第13期130-140,共11页

针对视网膜血管细小和尺度变化复杂的特点,提出一种多级自适应尺度的U型视网膜血管分割算法。首先以编码-解码结构为基础引入残差模块,加强通道特征传播能力。其次在网络底部嵌入多尺度特征提取模块,旨在调整感受野有效地提取多尺度特... 针对视网膜血管细小和尺度变化复杂的特点,提出一种多级自适应尺度的U型视网膜血管分割算法。首先以编码-解码结构为基础引入残差模块,加强通道特征传播能力。其次在网络底部嵌入多尺度特征提取模块,旨在调整感受野有效地提取多尺度特征。同时在跳跃连接部分增加改进的自适应特征融合模块,促进相邻层次特征之间的有效融合,以提取更多的细小血管特征。最后在解码部分设置侧输出的多级注意结构对多层次特征进行自适应细化。实验结果表明,该算法在DRIVE、STARE和CHASEDB1数据集上准确率分别达到0.9645、0.9694和0.9671,灵敏度分别达到0.8417、0.8465和0.8545,AUC分别达到0.9866、0.9908和0.9877,整体性优于现有算法。 展开更多

关键词 视网膜血管分割 U型网络 残差模块 多尺度特征提取 自适应特征融合 多级注意

在线阅读 下载PDF 职称材料

复杂作业场景下的反光衣和安全帽检测方法 被引量：3

18

作者 谢国波 肖峰 +2 位作者 林志毅 谢建辉 吴陈锋 《安全与环境学报》 CAS CSCD 北大核心 2024年第9期3513-3521,共9页

针对现有算法在复杂的工地环境中进行反光衣和安全帽检测时存在的无法有效区分目标和背景的微小差异问题,提出了一种改进YOLOX的反光衣和安全帽检测算法。首先,将主干网络中空间金字塔池化中的最大池化替换为平均池化,减少特征图的信息... 针对现有算法在复杂的工地环境中进行反光衣和安全帽检测时存在的无法有效区分目标和背景的微小差异问题,提出了一种改进YOLOX的反光衣和安全帽检测算法。首先,将主干网络中空间金字塔池化中的最大池化替换为平均池化,减少特征图的信息损失和过拟合风险;其次,设计一种带权注意力模块(Weighted Convolutional Block Attention Module,W-CBAM)嵌入特征融合层,通过权重系数提升对特征图空间维度的关注,增强特征图的表达能力;最后,添加自适应特征融合(Adaptively Spatial Feature Fusion,ASFF)模块,解决多尺度特征融合时存在的不一致性问题。在扩充后的公开反光衣安全帽数据集的试验结果表明,所提算法精度高达98.79%,优于原始的YOLOX算法和其他先进算法,同时具有较快的检测速度,满足施工环境检测需求。 展开更多

关键词 安全工程 反光衣检测 安全帽检测 YOLOX 注意力模块 自适应特征融合

在线阅读 下载PDF 职称材料

基于改进YOLOv5s的面向自动驾驶场景的道路目标检测算法 被引量：4

19

作者 胡丹丹 张忠婷 《智能系统学报》 CSCD 北大核心 2024年第3期653-660,共8页

在复杂道路场景中检测车辆、行人、自行车等目标时,存在因多尺度目标及部分遮挡易造成漏检及误检等情况,提出一种基于改进YOLOv5s的面向自动驾驶场景的道路目标检测算法。首先,利用深度可分离卷积替换部分普通卷积,减少模型的参数量以... 在复杂道路场景中检测车辆、行人、自行车等目标时,存在因多尺度目标及部分遮挡易造成漏检及误检等情况,提出一种基于改进YOLOv5s的面向自动驾驶场景的道路目标检测算法。首先,利用深度可分离卷积替换部分普通卷积,减少模型的参数量以提升检测速度。其次,在特征融合网络中引入基于感受野模块(receptive field block,RFB)改进的RFB-s,通过模仿人类视觉感知,增强特征图的有效感受野区域,提高网络特征表达能力及对目标特征的可辨识性。最后,使用自适应空间特征融合(adaptively spatial feature fusion,ASFF)方式以提升PANet对多尺度特征融合的效果。实验结果表明,在PASCAL VOC数据集上,所提算法检测平均精度均值相较于YOLOv5s提高1.71个百分点,达到84.01%,在满足自动驾驶汽车实时性要求的前提下,在一定程度上减少目标检测时的误检及漏检情况,有效提升模型在复杂驾驶场景下的检测性能。 展开更多

关键词 YOLOv5s 自动驾驶 目标检测算法 深度可分离卷积 感受野模块 自适应空间特征融合 PANet 多尺度特征融合

在线阅读 下载PDF 职称材料

卷烟厂卷包车间工人违规作业行为检测方法 被引量：4

20

作者 刘恒 林虹宇 吴涛 《计算机科学》 CSCD 北大核心 2024年第S01期541-548,共8页

小目标检测一直是目标检测领域的难点,针对卷烟厂卷包车间摄像头安装位置较高、小目标检测精度低和总体检测精度较低的问题,提出了一种改进的YOLOv8n目标检测算法YOLOv8n-FIAL。首先使用添加通道重排机制的C2fg模块代替原本C2f模块,提... 小目标检测一直是目标检测领域的难点,针对卷烟厂卷包车间摄像头安装位置较高、小目标检测精度低和总体检测精度较低的问题,提出了一种改进的YOLOv8n目标检测算法YOLOv8n-FIAL。首先使用添加通道重排机制的C2fg模块代替原本C2f模块,提高特征学习能力,使用自适应通道特征融合模块代替YOLOv8n算法Neck部分的Concate操作,使特征融合更加充分;然后增加小目标检测层,提高小目标检测精度,降低漏检率;最后使用Focal-EIOU损失函数替换原来的CIOU损失函数,平衡锚框与真实框重叠较大的高质量锚框的数量远少于低质量锚框训练实例不平衡的问题。实验结果表明,在自制的卷烟厂工人违规作业数据集上,所提出的YOLOv8n-FIAL检测方法相比原始的YOLOv8n方法的总体平均精度均值提升了7.6%,对口鼻、手拿手机和衣服领口这3类小目标平均精度均值提升最大,分别提升了8.3%,8%和9.6%;在公共数据集VOC2007上,YOLOv8n-FIAL算法相比YOLOv8n算法的总体平均精度均值提升了1.6%。 展开更多

关键词 卷包车间 小目标检测 YOLOv8n YOLOv8n-FIAL 自适应通道特征融合模块

在线阅读 下载PDF 职称材料