期刊文献+
共找到21篇文章
< 1 2 >
每页显示 20 50 100
结合多尺度及密集特征图融合的阴影检测方法 被引量:5
1
作者 张世辉 张笑维 +3 位作者 李贺 张笑笑 牛景春 陈琦 《计量学报》 CSCD 北大核心 2021年第5期570-576,共7页
为了提高图像中阴影检测的准确性,提出一种利用深度神经网络实现阴影检测的方法。首先,构造了一种密集特征图融合结构,将不同卷积层产生的特征图进行融合;其次,针对图像中阴影的多种尺度特征,设计了一种串并联结合的扩张卷积结构提取图... 为了提高图像中阴影检测的准确性,提出一种利用深度神经网络实现阴影检测的方法。首先,构造了一种密集特征图融合结构,将不同卷积层产生的特征图进行融合;其次,针对图像中阴影的多种尺度特征,设计了一种串并联结合的扩张卷积结构提取图像中阴影多尺度特征;最后,将串并联结合的扩张卷积结构和密集特征图融合结构进行结合,设计出一种端到端的Dilated Dense Fusion-Unet网络实现阴影检测功能。实验结果表明,所提方法在SBU和UCF阴影检测数据集上的阴影检测结果及量化评估均优于已有代表性的阴影检测方法,在2个数据集上的准确率分别提高5.8%和6.5%,平衡误差率分别降低2.2%和0.5%。 展开更多
关键词 计量学 图像处理 阴影检测 端到端 多尺度特征 扩张卷积 密集特征
在线阅读 下载PDF
融合密集特征金字塔的改进R^(2)CNN海洋涡旋自动检测 被引量:4
2
作者 杜艳玲 王丽丽 +2 位作者 黄冬梅 陈珂 贺琪 《智能系统学报》 CSCD 北大核心 2023年第2期341-351,共11页
海洋涡旋演变过程认识的不足是制约当前物理海洋研究水平的关键因素,海洋涡旋自动检测是掌握其产生、发展、变异过程机理及其与多尺度海洋过程相互作用的基础。然而,由于海洋涡旋尺度多样性、形状不规则、分布密集的特点,现有水平检测... 海洋涡旋演变过程认识的不足是制约当前物理海洋研究水平的关键因素,海洋涡旋自动检测是掌握其产生、发展、变异过程机理及其与多尺度海洋过程相互作用的基础。然而,由于海洋涡旋尺度多样性、形状不规则、分布密集的特点,现有水平检测方法导致检测区域存在显著的冗余、重叠与嵌套。为解决上述问题,提出多尺度旋转密集特征金字塔网络。具体地,通过密集连接(dense feature pyramid network,DFPN)改进特征金字塔网络实现多尺度高层语义特征提取与融合,增强特征传播与特征重用;此外,针对海洋涡旋密集分布的特点,改进旋转区域卷积神经网络(rotational region convolutional neural network,R^(2)CNN),提出多尺度RoI Align机制,实现特征的语义保持和空间信息的完整性,提升模型检测性能。最后,采用海平面异常值数据构建海洋涡旋数据集,并预处理成VOC格式进行训练,调整相应参数得到检测模型。实验结果表明,提出的检测模型最优检测精度可达96.4%,并对太平洋、大西洋海域的海洋涡旋进行自动检测,验证了模型具有较好的泛化能力。 展开更多
关键词 深度学习 目标检测 海洋涡旋 密集特征金字塔 卷积神经网络 特征融合 旋转区域卷积神经网络 模式识别
在线阅读 下载PDF
基于密集特征推理及混合损失函数的修复算法 被引量:1
3
作者 李海燕 尹浩林 +1 位作者 李鹏 周丽萍 《华南理工大学学报(自然科学版)》 EI CAS CSCD 北大核心 2023年第9期99-109,共11页
为有效解决现有算法修复大面积不规则缺失图像时存在特征利用率低、图像结构连贯性差的问题,提出基于密集特征推理(DFR)及混合损失函数的图像修复算法。修复网络由多个特征推理(FR)模块密集连接组成,首先将待修复图像输入第1个推理模块... 为有效解决现有算法修复大面积不规则缺失图像时存在特征利用率低、图像结构连贯性差的问题,提出基于密集特征推理(DFR)及混合损失函数的图像修复算法。修复网络由多个特征推理(FR)模块密集连接组成,首先将待修复图像输入第1个推理模块中进行特征推理,之后将输出特征图通道合并送入下一个推理模块,后续推理的每一个模块的输入都是来自前面所有推理模块的推理特征,如此循环,以充分利用每个推理模块捕获的特征信息;然后提出一个传播一致性注意力机制(PCA),提高修补区域与已知区域的整体一致性;最后,提出混合损失函数(ML)优化修复结果的结构连贯性。整个DFR网络使用组归一化(GN),小批量训练也可达到优异的修复效果。在国际公认的Paris StreetView巴黎街景数据集和CelebA人脸数据集上验证文中所提算法的性能,主客观的实验结果表明:所提算法能有效修复大面积不规则缺失图像,提升特征利用率与结构连贯性,其平均峰值信噪比(PSNR)、平均结构相似度(SSIM)、均方误差(MSE)、弗雷歇距离(FID)及学习感知图像块相似度(LPIPS)指标优于对比算法。 展开更多
关键词 图像修复 密集特征推理 注意力机制 混合损失函数 组归一化
在线阅读 下载PDF
有限长周期结构的密集特征值
4
作者 吴锋 高强 钟万勰 《应用数学和力学》 CSCD 北大核心 2013年第11期1119-1129,共11页
基于单胞结构的特征值问题,给出了有限长周期结构特征值分布范围的估计,基于固体物理中的能带理论,给出了一维有限长周期结构特征值分布范围的更精细估计.通过分析有限长周期结构特征值的分布范围,阐述了密集特征值出现的原因.分析结果... 基于单胞结构的特征值问题,给出了有限长周期结构特征值分布范围的估计,基于固体物理中的能带理论,给出了一维有限长周期结构特征值分布范围的更精细估计.通过分析有限长周期结构特征值的分布范围,阐述了密集特征值出现的原因.分析结果表明,对于有限长周期结构,结构的单胞数目越大,其特征值分布会越密集.数值算例验证了该文的结论. 展开更多
关键词 周期结构 密集特征 能带
在线阅读 下载PDF
基于多尺度密集特征融合的生成式对抗除雾网络
5
作者 连静 陈实 +1 位作者 丁堃 李琳辉 《东北大学学报(自然科学版)》 EI CAS CSCD 北大核心 2022年第11期1591-1598,共8页
在真实雾天场景下,针对除雾网络无法去除远处雾气、天空区域容易出现噪声的问题,提出了一种基于多尺度密集特征融合的生成式对抗除雾网络,并采用制作的合成雾天数据集进行对抗训练.首先,对除雾网络进行设计,构建了网络模型;其次,从合成... 在真实雾天场景下,针对除雾网络无法去除远处雾气、天空区域容易出现噪声的问题,提出了一种基于多尺度密集特征融合的生成式对抗除雾网络,并采用制作的合成雾天数据集进行对抗训练.首先,对除雾网络进行设计,构建了网络模型;其次,从合成晴朗天气图像中利用深度标签生成逼真的雾天数据集,以适用于真实雾天除雾领域;最后,在真实雾天数据集上测试,选取近几年具有代表性的6种基于深度学习的除雾网络进行主观视觉效果,并借助除雾领域常用的无参考图像质量评价指标进行客观分析.研究结果表明:提出的除雾网络在真实场景下的除雾效果较其他网络有显著提升,主观视觉效果明显优于对比的除雾网络,在无参评价指标上综合表现优于其他除雾网络. 展开更多
关键词 图像处理 图像除雾 生成式对抗网络 多尺度密集特征融合 对抗训练
在线阅读 下载PDF
基于密集特征金字塔的细胞图像实例分割网络 被引量:2
6
作者 董高君 许乐乐 +1 位作者 马忠松 于歌 《载人航天》 CSCD 北大核心 2021年第2期169-174,共6页
针对空间科学实验中复杂场景下细胞图像难以精细准确分割的问题,提出了基于Mask R-CNN的实例分割新算法——基于密集特征金字塔的实例分割网络(DFP-Mask)。该算法在特征金字塔网络自顶向下的特征传输过程中以密集连接的方式控制多尺度... 针对空间科学实验中复杂场景下细胞图像难以精细准确分割的问题,提出了基于Mask R-CNN的实例分割新算法——基于密集特征金字塔的实例分割网络(DFP-Mask)。该算法在特征金字塔网络自顶向下的特征传输过程中以密集连接的方式控制多尺度特征图间的信息传递,将高层语义结构信息传递至所有低层特征,提高低层特征的语义理解能力,从而提升多尺度特征的目标识别能力。实验选用天舟一号小鼠肝卵圆细胞图像数据,数据集中包涵200张背景复杂且有实例交叠的图片。实验结果表明:与Mask R-CNN相比,DFP-Mask在多个评价指标和视觉分割效果上表现更优,其中准确率提高了2.03%,召回率提高了3.77%,平均精确率mAP提高了1%。DFP-Mask可应用于更多空间科学实验对象的数量、形态、生长过程等表型特征的提取。 展开更多
关键词 深度学习 实例分割网络 细胞分割 多尺度特征 密集特征金字塔 细胞图像
在线阅读 下载PDF
多尺度密集特征融合的图像超分辨率重建 被引量:16
7
作者 程德强 赵佳敏 +2 位作者 寇旗旗 陈亮亮 韩成功 《光学精密工程》 EI CAS CSCD 北大核心 2022年第20期2489-2500,共12页
针对现有单幅图像超分辨率重建算法提取的图像特征信息单一、高频细节丢失的问题,提出了一种高效利用特征信息的基于多尺度密集特征融合网络的图像超分辨率重建算法。该方法通过含有不同尺度卷积核的多尺度特征融合残差模块提取不同尺... 针对现有单幅图像超分辨率重建算法提取的图像特征信息单一、高频细节丢失的问题,提出了一种高效利用特征信息的基于多尺度密集特征融合网络的图像超分辨率重建算法。该方法通过含有不同尺度卷积核的多尺度特征融合残差模块提取不同尺度图像特征并将不同尺度的特征融合,以提取丰富的图像特征。在模块间采用密集特征融合结构将不同模块提取到的特征信息充分融合,以更好地保留图像的高频细节、获取更好的视觉感受。大量实验表明,所提出的方法在参数量减少的同时,在四个基准数据集上取得的峰值信噪比和结构相似度均有明显提升,尤其在Set5数据集上4倍重建结果的峰值信噪比相比于DID-D5提升了0.08 dB,且重建图像视觉效果更好、特征信息更加丰富,充分证明了该算法的有效性。 展开更多
关键词 超分辨率 多尺度 密集特征融合 卷积神经网络 残差学习
在线阅读 下载PDF
基于超密集特征金字塔网络的SAR图像舰船检测 被引量:10
8
作者 韩子硕 王春平 +1 位作者 付强 徐艳 《系统工程与电子技术》 EI CSCD 北大核心 2020年第10期2214-2222,共9页
针对星载合成孔径雷达(synthetic aperture radar,SAR)图像舰船目标检测困难的问题,提出了一种基于超密集特征金字塔网络的检测算法。首先,利用残差神经网络提取原始图像特征,构建特征图。其次,跨尺度连接多个特征层获取超密集特征金字... 针对星载合成孔径雷达(synthetic aperture radar,SAR)图像舰船目标检测困难的问题,提出了一种基于超密集特征金字塔网络的检测算法。首先,利用残差神经网络提取原始图像特征,构建特征图。其次,跨尺度连接多个特征层获取超密集特征金字塔,建立多尺度的高层语义特征映射,增强特征传播和重用。然后,再利用区域建议网络提取每层金字塔的候选区域输入检测网络。最后,通过融合候选区域及其周边上下文信息,将检测网络注意力集中至海域以抑制虚警,并为分类器计算置信度和边框回归提供补充信息。多组仿真实验证明,所提网络框架设定合理且检测性能优越。 展开更多
关键词 合成孔径雷达 卷积神经网络 密集特征金字塔网络 上下文信息
在线阅读 下载PDF
基于密集特征融合的无监督单目深度估计 被引量:6
9
作者 陈莹 王一良 《电子与信息学报》 EI CSCD 北大核心 2021年第10期2976-2984,共9页
针对无监督单目深度估计生成深度图质量低、边界模糊、伪影过多等问题,该文提出基于密集特征融合的深度网络编解码结构。设计密集特征融合层(DFFL)并将其以密集连接的形式填充U型编解码器,同时精简编码器部分,实现编、解码器的性能均衡... 针对无监督单目深度估计生成深度图质量低、边界模糊、伪影过多等问题,该文提出基于密集特征融合的深度网络编解码结构。设计密集特征融合层(DFFL)并将其以密集连接的形式填充U型编解码器,同时精简编码器部分,实现编、解码器的性能均衡。在训练过程中,将校正后的双目图像输入给网络,以重构视图的相似性约束网络生成视差图。测试时,根据已知的相机基线距离与焦距将生成的视差图转换为深度图。在KITTI数据集上的实验结果表明,该方法在预测精度和误差值上优于现有的算法。 展开更多
关键词 深度估计 无监督 密集特征融合层 编解码器
在线阅读 下载PDF
基于多尺度密集特征融合的单图像翻译
10
作者 李启航 冯龙 +2 位作者 杨清 王雨 耿国华 《光学精密工程》 EI CAS CSCD 北大核心 2022年第10期1217-1227,共11页
为了解决现有的单图像翻译模型生成的图像质量低、细节特征差的问题,本文提出了基于多尺度密集特征融合的单图像翻译模型。该模型首先借用多尺度金字塔结构思想,对原图像和目标图像进行下采样,得到不同尺寸的输入图像。然后在生成器中... 为了解决现有的单图像翻译模型生成的图像质量低、细节特征差的问题,本文提出了基于多尺度密集特征融合的单图像翻译模型。该模型首先借用多尺度金字塔结构思想,对原图像和目标图像进行下采样,得到不同尺寸的输入图像。然后在生成器中将不同尺寸的图像输入到密集特征模块进行风格特征提取,将提取到的风格特征从原图像迁移到目标图像中,通过与判别器不断的博弈对抗,生成所需要的翻译图像;最后,本文通过渐进式增长生成器训练的方式,在训练的每个阶段中不断增加密集特征模块,实现生成图像从全局风格到局部风格的迁移,生成所需要的翻译图像。本文在各种无监督图像到图像翻译任务上进行了广泛的实验,实验结果表明,与现有的方法相比,本文的方法训练时长缩短了75%,并且生成图像的SIFID值平均降低了22.18%。本文的模型可以更好地捕获源域和目标域之间分布的差异,提高图像翻译的质量。 展开更多
关键词 单图像翻译 图像风格迁移 生成对抗网络 密集特征融合 多尺度结构
在线阅读 下载PDF
多尺度EPI融合的密集光场解耦重建
11
作者 曹捷 吴玉静 +2 位作者 张倩 孟春丽 严涛 《上海大学学报(自然科学版)》 北大核心 2025年第3期530-542,共13页
为了充分挖掘光场极平面视图(epipolar plane image,EPI)之间的内在相关性,同时强化对空间信息的有效捕捉,提出了一种多尺度EPI信息融合的密集光场解耦重建方法.该方法对空间维度和极平面维度进行了更深层次的特征利用,能够更好地捕捉... 为了充分挖掘光场极平面视图(epipolar plane image,EPI)之间的内在相关性,同时强化对空间信息的有效捕捉,提出了一种多尺度EPI信息融合的密集光场解耦重建方法.该方法对空间维度和极平面维度进行了更深层次的特征利用,能够更好地捕捉子孔径视图间的角度相关性,通过解耦与融合多种信息,提高了光场重建的精度和效果.首先,在四维光场数据的基础上,增加了密集的空间维度,提升了网络的泛化能力,并增强了其对图像局部结构和纹理信息的理解.其次,为了更好地补充和增强极平面间的信息互补性,设计了一个极平面融合模块,并提出了一种新的多尺度卷积注意力机制来融合特征信息.该注意力机制通过多尺度特征提取与全局关注机制,能有效捕捉角度信息,增强重要特征表达并抑制冗余内容.最后,在HCInew、HCIold和Stanford等光场数据集上进行实验.结果表明,本方法在峰值信噪比(peak signal-to-noise ratio,PSNR)和结构相似性(structural similarity,SSIM)等评价指标上优于现有的最先进的SOTA(state-of-the-art)方法,在大多数测试场景中实现了更好的重建效果. 展开更多
关键词 光场 光场解耦 密集特征提取 极平面融合 角度超分辨率
在线阅读 下载PDF
基于密集多尺度特征的遥感影像水体提取 被引量:1
12
作者 马天浩 杨海成 +2 位作者 李云涛 梁四幺 王晗 《海洋测绘》 CSCD 北大核心 2024年第1期63-67,共5页
针对传统遥感影像水体提取方法和基于深度学习的经典目标提取模型的提取结果存在丢失边缘细节信息和准确率低的问题,提出了基于深层特征编码-水体识别解码的多尺度特征密集连接网络结构。首先利用深层特征编码结构中的普通卷积提取影像... 针对传统遥感影像水体提取方法和基于深度学习的经典目标提取模型的提取结果存在丢失边缘细节信息和准确率低的问题,提出了基于深层特征编码-水体识别解码的多尺度特征密集连接网络结构。首先利用深层特征编码结构中的普通卷积提取影像中水体的特征信息,然后利用密集多尺度特征模块提取水体的多尺度特征和保留全局信息,最后利用水体识别解码结构对图像中的水体进行预测。实验结果表明:本文方法的提取结果精度优于经典全卷积神经网络模型,在测试集上的像元精度达到98.56%,交并比达到78.91%,有效保留了水体的完整性和细节边缘信息,实现了水体的精细化提取。 展开更多
关键词 遥感影像 深度学习 水体提取 密集连接网络 膨胀卷积 密集多尺度特征
在线阅读 下载PDF
基于特征层密集连接与注意力机制的宽度学习系统及其在锌浮选过程的应用
13
作者 丁浩峰 谢永芳 +1 位作者 谢世文 王杰 《控制理论与应用》 EI CAS CSCD 北大核心 2023年第1期111-120,共10页
本文针对宽度学习存在计算消耗资源大、计算过程冗余数据较多等问题,提出了一种基于特征层密集连接与注意力机制的宽度学习系统(DCA-BLS),并利用其建立锌浮选过程快粗槽底流品位在线预测模型.首先将宽度学习系统的特征层不同窗口进行密... 本文针对宽度学习存在计算消耗资源大、计算过程冗余数据较多等问题,提出了一种基于特征层密集连接与注意力机制的宽度学习系统(DCA-BLS),并利用其建立锌浮选过程快粗槽底流品位在线预测模型.首先将宽度学习系统的特征层不同窗口进行密集连接,引入弹性网络进行稀疏化处理,利用注意力机制处理特征节点,获得不同特征节点的权值,再将加权后的特征节点与输入的数据相结合,共同作为增强层节点的输入,使模型更为紧凑.在公共数据集和锌泡沫浮选数据上将DCA-BLS与其他预测算法进行了对比实验,实验结果表明,本文提出的方法训练时间短,且相较于其他所比较方法具有更高的准确率. 展开更多
关键词 宽度学习 注意力机制 密集特征 软测量 锌浮选
在线阅读 下载PDF
多尺度特征深度复用的显著性目标检测算法 被引量:4
14
作者 周之平 樊斌 +1 位作者 盖杉 徐温程 《计算机应用研究》 CSCD 北大核心 2022年第8期2515-2519,共5页
针对传统显著性目标检测方法在检测不同尺度的多个显著性目标方面的不足,提出了一种多尺度特征深度复用的显著性目标检测算法,网络模型由垂直堆叠的双向密集特征聚合模块和水平堆叠的多分辨率语义互补模块组成。首先,双向密集特征聚合... 针对传统显著性目标检测方法在检测不同尺度的多个显著性目标方面的不足,提出了一种多尺度特征深度复用的显著性目标检测算法,网络模型由垂直堆叠的双向密集特征聚合模块和水平堆叠的多分辨率语义互补模块组成。首先,双向密集特征聚合模块基于ResNet骨干网络提取不同分辨率语义特征;然后,依次在top-down和bottom-up两条通路上进行自适应融合,以获取不同层次多尺度表征特征;最后,通过多分辨率语义互补模块对两个相邻层次的多尺度特征进行融合,以消除不同层次上特征之间的相互串扰来增强预测结果的一致性。在五个基准数据集上进行的实验结果表明,该方法在F_(max)、S_(m)、MAE最高能达到0.939、0.921、0.028,且检测速率可达74.6 fps,与其他对比算法相比有着更好的检测性能。 展开更多
关键词 显著性目标检测 多尺度特征 双向密集特征聚合 多分辨率语义 深度学习
在线阅读 下载PDF
基于多尺度结构特征的快速异源图像匹配 被引量:5
15
作者 张皓 李娜 王陆 《红外技术》 CSCD 北大核心 2020年第5期420-425,共6页
针对异源图像提出一种基于多尺度密集结构特征的快速匹配算法。算法首先利用Gabor滤波器逐像素提取图像中的结构响应,再根据主方向响应对多尺度结构特征融合,然后使用快速傅里叶变换在频域计算各特征分量图像之间的卷积,最后将卷积生成... 针对异源图像提出一种基于多尺度密集结构特征的快速匹配算法。算法首先利用Gabor滤波器逐像素提取图像中的结构响应,再根据主方向响应对多尺度结构特征融合,然后使用快速傅里叶变换在频域计算各特征分量图像之间的卷积,最后将卷积生成的系数矩阵求和计算出图像之间的相似性并选择相似性最大位置作为匹配结果输出。本文算法能有效适应异源图像间的非线性灰度变化和噪声干扰问题。测试使用可见光、红外、雷达图像组成的异源图像数据集对本文算法和现有算法进行测试比较,结果表明:本文算法的平均误匹配率最低,并且计算速度有明显优势。 展开更多
关键词 异源图像匹配 卷积定理 快速傅里叶变换 密集特征 GABOR滤波器
在线阅读 下载PDF
基于改进密集轨迹的人体行为识别算法 被引量:14
16
作者 程海粟 李庆武 +1 位作者 仇春春 郭晶晶 《计算机工程》 CAS CSCD 北大核心 2016年第8期199-205,共7页
针对基于轨迹技术的人体行为识别算法中轨迹提纯与特征表达有效性不足等问题,提出一种改进的人体行为识别算法。对视频进行运动显著性检测并提取传统的密集轨迹,通过分析当前帧和相邻帧的密集轨迹运动显著性值进行提纯。密集轨迹特征包... 针对基于轨迹技术的人体行为识别算法中轨迹提纯与特征表达有效性不足等问题,提出一种改进的人体行为识别算法。对视频进行运动显著性检测并提取传统的密集轨迹,通过分析当前帧和相邻帧的密集轨迹运动显著性值进行提纯。密集轨迹特征包括轨迹的位移向量和轨迹包络中每个时空块内的梯度方向直方图、光流直方图和运动边界直方图描述符。为更好地进行特征表达,根据运动显著性值分布优化词袋模型以获得更精确的视觉词典。在KTH和UCF sports数据集上的实验结果表明,该算法能够有效地提高识别率。 展开更多
关键词 行为识别 运动显著性 密集轨迹特征 轨迹提纯 词袋模型
在线阅读 下载PDF
一种通用的复模态矩阵摄动法 被引量:6
17
作者 刘济科 徐伟华 蔡承武 《应用数学和力学》 EI CSCD 北大核心 2001年第3期314-320,共7页
对于非自伴随系统 ,提出了一种通用的复模态矩阵摄动法· 该法能同时适用于孤立特征值 ,重特征值及密集 (相近 )特征值三种复特征值情况· 由复特征子空间缩聚技术求解低阶摄动项 ,高阶摄动项则由逐次逼近过程求得· 三... 对于非自伴随系统 ,提出了一种通用的复模态矩阵摄动法· 该法能同时适用于孤立特征值 ,重特征值及密集 (相近 )特征值三种复特征值情况· 由复特征子空间缩聚技术求解低阶摄动项 ,高阶摄动项则由逐次逼近过程求得· 三个计算实例表明 ,该通用方法合理可靠 。 展开更多
关键词 摄动法 复模态 特征 密集特征 矩阵 动动方程 非自伴随系统
在线阅读 下载PDF
Underwater Image Enhancement Based on Multi-scale Adversarial Network
18
作者 ZENG Jun-yang SI Zhan-jun 《印刷与数字媒体技术研究》 CAS 北大核心 2024年第5期70-77,共8页
In this study,an underwater image enhancement method based on multi-scale adversarial network was proposed to solve the problem of detail blur and color distortion in underwater images.Firstly,the local features of ea... In this study,an underwater image enhancement method based on multi-scale adversarial network was proposed to solve the problem of detail blur and color distortion in underwater images.Firstly,the local features of each layer were enhanced into the global features by the proposed residual dense block,which ensured that the generated images retain more details.Secondly,a multi-scale structure was adopted to extract multi-scale semantic features of the original images.Finally,the features obtained from the dual channels were fused by an adaptive fusion module to further optimize the features.The discriminant network adopted the structure of the Markov discriminator.In addition,by constructing mean square error,structural similarity,and perceived color loss function,the generated image is consistent with the reference image in structure,color,and content.The experimental results showed that the enhanced underwater image deblurring effect of the proposed algorithm was good and the problem of underwater image color bias was effectively improved.In both subjective and objective evaluation indexes,the experimental results of the proposed algorithm are better than those of the comparison algorithm. 展开更多
关键词 Underwater image enhancement Generative adversarial network Multi-scale feature extraction Residual dense block
在线阅读 下载PDF
基于改进的一维级联神经网络的异常流量检测 被引量:3
19
作者 王婷 王其兵 +5 位作者 何志方 闫磊 李远 赵文娜 郝伟 张娅楠 《计算机应用与软件》 北大核心 2023年第9期320-326,共7页
提出一种基于改进的一维级联神经网络的异常流量检测模型(Abnormal Traffic Detection Model of Improved One-Dimensional Cascaded Neural Network, ATD-ICNN),与一般的卷积神经网络“卷积-池化-全连接”不同的是,为了充分利用不同网... 提出一种基于改进的一维级联神经网络的异常流量检测模型(Abnormal Traffic Detection Model of Improved One-Dimensional Cascaded Neural Network, ATD-ICNN),与一般的卷积神经网络“卷积-池化-全连接”不同的是,为了充分利用不同网络层输出的特征维度信息,提出一种新的密集特征聚合模块(Dense Feature Aggregation, DFA),为了更大限度地发挥DFA模块的作用,进一步提出增强特征注意力模块(Enhanced Feature Attention, EFA),最后处理得到的维度特征输入Softmax分类器用于最终流量数据分类。实验结果证明所提出的方法与随机森林(RF)方法相比,实现了较高的分类精度,精确率和召回率都提高了4百分点;与Adaboost方法相比,召回率提高了3百分点,表明该方法具有较高的流量异常检测性能。 展开更多
关键词 网络流量 异常检测 级联神经网络 密集特征聚合 增强特征注意力
在线阅读 下载PDF
多分辨率融合输入的U型视网膜血管分割算法 被引量:7
20
作者 梁礼明 詹涛 +2 位作者 雷坤 冯骏 谭卢敏 《电子与信息学报》 EI CSCD 北大核心 2023年第5期1795-1806,共12页
针对视网膜血管拓扑结构不规则、形态复杂和尺度变化多样的特点,该文提出一种多分辨率融合输入的U型网络(MFIU-Net),旨在实现视网膜血管精准分割。设计以多分辨率融合输入为主干的粗略分割网络,生成高分辨率特征。采用改进的ResNeSt代... 针对视网膜血管拓扑结构不规则、形态复杂和尺度变化多样的特点,该文提出一种多分辨率融合输入的U型网络(MFIU-Net),旨在实现视网膜血管精准分割。设计以多分辨率融合输入为主干的粗略分割网络,生成高分辨率特征。采用改进的ResNeSt代替传统卷积,优化血管分割边界特征;将并行空间激活模块嵌入其中,捕获更多的语义和空间信息。构架另一U型精细分割网络,提高模型的微观表示和识别能力。一是底层采用多尺度密集特征金字塔模块提取血管的多尺度特征信息。二是利用特征自适应模块增强粗、细网络之间的特征融合,抑制不相关的背景噪声。三是设计面向细节的双重损失函数融合,以引导网络专注于学习特征。在眼底数据用于血管提取的数字视网膜图像(DRIVE)、视网膜结构分析(STARE)和儿童心脏与健康研究(CHASE_DB1)上进行实验,其准确率分别为97.00%,97.47%和97.48%,灵敏度分别为82.73%,82.86%和83.24%,曲线下的面积(AUC)值分别为98.74%,98.90%和98.93%。其模型整体性能优于现有算法。 展开更多
关键词 视网膜血管分割 U型网络 并行空间激活模块 多尺度密集特征金字塔模块 双重损失函数融合
在线阅读 下载PDF
上一页 1 2 下一页 到第
使用帮助 返回顶部