检索结果-维普期刊中文期刊服务平台

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: 1; 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... 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 职称材料

基于密集特征金字塔的细胞图像实例分割网络被引量：2: 2; 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... 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 职称材料

基于超密集特征金字塔网络的SAR图像舰船检测被引量：10: 3; 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... 展开更多; 关键词合成孔径雷达卷积神经网络超密集特征金字塔网络上下文信息; 在线阅读下载PDF 职称材料

多分辨率融合输入的U型视网膜血管分割算法被引量：7: 4; 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... 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 职称材料

题名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: 1; 作者杜艳玲王丽丽黄冬梅陈珂贺琪; 机构上海海洋大学信息学院上海电力大学电子与信息工程学院自然资源部东海预报中心; 出处《智能系统学报》 CSCD 北大核心 2023年第2期341-351,共11页; 基金国家自然科学基金项目(41906179) 上海市科委地方能力建设项目(20050501900)。; 文摘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。; 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; Keywords deep learning object detection ocean eddy dense feature pyramid network convolution neural network feature fusion R'CNN pattern recognition; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程] TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于密集特征金字塔的细胞图像实例分割网络被引量：2: 2; 作者董高君许乐乐马忠松于歌; 机构中国科学院空间应用工程与技术中心太空应用重点实验室中国科学院大学; 出处《载人航天》 CSCD 北大核心 2021年第2期169-174,共6页; 基金载人航天领域预先研究项目(18051030301)。; 文摘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。; 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; Keywords deep learning instance segmentation network cell segmentation multi-scale features Dense Feature Pyramid cell image; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于超密集特征金字塔网络的SAR图像舰船检测被引量：10: 3; 作者韩子硕王春平付强徐艳; 机构陆军工程大学石家庄校区电子与光学工程系河北大学物理科学与技术学院; 出处《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; 基金军内科研项目(LJ20191A040155)资助课题。; 文摘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。; 关键词合成孔径雷达卷积神经网络超密集特征金字塔网络上下文信息; Keywords synthetic aperture radar(SAR) convolutional neural network(CNN) super dense feature pyramid networks contextual information; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名多分辨率融合输入的U型视网膜血管分割算法被引量：7: 4; 作者梁礼明詹涛雷坤冯骏谭卢敏; 机构江西理工大学电气工程与自动化学院; 出处《电子与信息学报》 EI CSCD 北大核心 2023年第5期1795-1806,共12页; 基金国家自然科学基金(51365017,61463018) 江西省自然科学基金面上项目(20192BAB205084) 江西省教育厅科学技术研究重点项目(GJJ170491)。; 文摘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。; 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; Keywords Retinal vessel segmentation U-shaped network Parallel space activation module Multiscale dense feature pyramid module Double loss function fusion; 分类号 R318 [医药卫生—生物医学工程] TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	融合密集特征金字塔的改进R^(2)CNN海洋涡旋自动检测	杜艳玲王丽丽黄冬梅陈珂贺琪	《智能系统学报》 CSCD 北大核心	2023	4	在线阅读下载PDF 职称材料
2	基于密集特征金字塔的细胞图像实例分割网络	董高君许乐乐马忠松于歌	《载人航天》 CSCD 北大核心	2021	2	在线阅读下载PDF 职称材料
3	基于超密集特征金字塔网络的SAR图像舰船检测	韩子硕王春平付强徐艳	《系统工程与电子技术》 EI CSCD 北大核心	2020	10	在线阅读下载PDF 职称材料
4	多分辨率融合输入的U型视网膜血管分割算法	梁礼明詹涛雷坤冯骏谭卢敏	《电子与信息学报》 EI CSCD 北大核心	2023	7	在线阅读下载PDF 职称材料