期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
全等级上下文压缩激励的SAR舰船实例分割
被引量：
3
1
作者
张天文
张晓玲
+1 位作者
邵子康
曾天娇
《电子科技大学学报》
EI
CAS
CSCD
北大核心
2023年第3期357-365,共9页
现有深度学习SAR舰船实例分割方法未考虑特征全等级信息和目标上下文信息,导致了较低实例分割精度。针对上述问题,提出了一种基于全等级上下文压缩激励感兴趣区域ROI提取器的SAR舰船实例分割方法FL-CI-SE-ROIE。FL-CI-SE-ROIE实现了全等...
现有深度学习SAR舰船实例分割方法未考虑特征全等级信息和目标上下文信息,导致了较低实例分割精度。针对上述问题,提出了一种基于全等级上下文压缩激励感兴趣区域ROI提取器的SAR舰船实例分割方法FL-CI-SE-ROIE。FL-CI-SE-ROIE实现了全等级ROI提取,可保留全等级信息,增强了网络多尺度描述能力。FL-CI-SE-ROIE实现了上下文ROI扩充,可获取目标上下文信息,增强了网络背景鉴别能力。FL-CI-SE-ROIE引入了压缩激励SE模块来平衡不同范围的上下文ROI,可抑制背景干扰,进一步提高了实例分割精度。在公开像素级多边形分割SAR舰船检测数据集PSeg-SSDD上的实验结果表明,所提方法的SAR舰船实例分割精度高于现有其他9种对比模型。
展开更多
关键词
深度学习
实例分割
感兴趣区域提取器
合成孔径雷达
在线阅读
下载PDF
职称材料
题名
全等级上下文压缩激励的SAR舰船实例分割
被引量：
3
1
作者
张天文
张晓玲
邵子康
曾天娇
机构
电子科技大学信息与通信工程学院
电子科技大学航空航天学院
出处
《电子科技大学学报》
EI
CAS
CSCD
北大核心
2023年第3期357-365,共9页
基金
国家自然科学基金(61571099)。
文摘
现有深度学习SAR舰船实例分割方法未考虑特征全等级信息和目标上下文信息,导致了较低实例分割精度。针对上述问题,提出了一种基于全等级上下文压缩激励感兴趣区域ROI提取器的SAR舰船实例分割方法FL-CI-SE-ROIE。FL-CI-SE-ROIE实现了全等级ROI提取,可保留全等级信息,增强了网络多尺度描述能力。FL-CI-SE-ROIE实现了上下文ROI扩充,可获取目标上下文信息,增强了网络背景鉴别能力。FL-CI-SE-ROIE引入了压缩激励SE模块来平衡不同范围的上下文ROI,可抑制背景干扰,进一步提高了实例分割精度。在公开像素级多边形分割SAR舰船检测数据集PSeg-SSDD上的实验结果表明,所提方法的SAR舰船实例分割精度高于现有其他9种对比模型。
关键词
深度学习
实例分割
感兴趣区域提取器
合成孔径雷达
Keywords
deep learning
instance segmentation
ROI extractor
synthetic aperture radar
分类号
TN958 [电子电信—信号与信息处理]
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
全等级上下文压缩激励的SAR舰船实例分割
张天文
张晓玲
邵子康
曾天娇
《电子科技大学学报》
EI
CAS
CSCD
北大核心
2023
3
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
