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
2
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
基于无源领域自适应的低光照显著性目标检测
1
作者
李书玮
黄正翔
+5 位作者
胡云
刘兴
卢笑
郭畅
吴成中
王耀南
《计算机工程》
北大核心
2025年第4期75-84,共10页
为了解决低光照条件下校园环境等场景监控摄像头图像质量和监控效果受影响而带来的安全问题,提出一种低光照显著性目标检测(SOD)方法,以提高低光照条件下目标检测能力。针对低光照条件下图像的显著性特征弱化和缺乏大规模标注数据的问题...
为了解决低光照条件下校园环境等场景监控摄像头图像质量和监控效果受影响而带来的安全问题,提出一种低光照显著性目标检测(SOD)方法,以提高低光照条件下目标检测能力。针对低光照条件下图像的显著性特征弱化和缺乏大规模标注数据的问题,提出一种无源领域自适应(SFDA)方法,将正常光照图像(源域)下训练的模型知识迁移至低光照条件图像(目标域)。该方法采用两阶段策略:在第一阶段,利用源域模型生成低光照图像的伪标签,为提高伪标签生成的质量,提出集合熵最小化损失抑制高熵区域,同时引入选择性投票方法来增强伪标签的生成;在第二阶段,采用基于增强引导一致性的教师-学生网络自训练方法对显著图进行精细化,进一步提高检测结果的精度。在SOD-LL数据集上的实验结果表明,所提出的方法在低光照场景下总体性能优于其他图像显著性检测方法,相较于正常光照的SOD方法,其平均绝对误差(MAE)降低15.15%,加权F1值(wFm)提高4.73%。
展开更多
关键词
显著性目标检测
低光照场景
无源领域自适应
伪标签
教师-学生网络
集合熵最小化
选择性投票
在线阅读
下载PDF
职称材料
无源多领域自适应糖尿病视网膜病变分类方法
2
作者
张光华
杨阳
徐国华
《液晶与显示》
北大核心
2025年第7期1080-1091,共12页
对于基于深度学习域自适应方法的糖尿病视网膜病变诊断,本文提出的扩散域注意力迁移学习模型由两个主要模块构成。首先,去噪扩散概率糖尿病视网膜病变图像生成模块通过生成丰富且多样化的目标域样本,促使模型学习更全面的目标域特征。其...
对于基于深度学习域自适应方法的糖尿病视网膜病变诊断,本文提出的扩散域注意力迁移学习模型由两个主要模块构成。首先,去噪扩散概率糖尿病视网膜病变图像生成模块通过生成丰富且多样化的目标域样本,促使模型学习更全面的目标域特征。其次,设计了无源多领域注意力集成模块,在无需访问源域数据的情况下,实现了多个源域预训练模型的加权注意力集成,从而在实例特定特征和领域一致特征之间取得了良好的平衡。实验结果表明,模型在可转诊糖尿病视网膜病变诊断任务中分别达到了90.66%的准确率、87.47%的精确度、85.41%的敏感度、91.63%的特异度和86.42%的F1分数。同时,模型在正常/异常视网膜病变识别任务中达到了96.75%的准确率、99.23%的精确度、90.47%的敏感度、99.27%的特异度以及94.65%的F1分数。本文模型在不访问源域数据且目标域样本无标签的前提下能够进行有效的视网膜病变诊断。
展开更多
关键词
糖尿病视网膜病变
深度学习
无源
多
领域自
适应
扩散域注意力迁移学习
在线阅读
下载PDF
职称材料
题名
基于无源领域自适应的低光照显著性目标检测
1
作者
李书玮
黄正翔
胡云
刘兴
卢笑
郭畅
吴成中
王耀南
机构
湖南师范大学工程与设计学院
智能传感与康复机器人湖南省高校重点实验室
江西省通讯终端产业技术研究院有限公司
出处
《计算机工程》
北大核心
2025年第4期75-84,共10页
基金
国家自然科学基金(62007007,62277004)
湖南省学位与研究生教学改革研究重点项目(2022JGZD026)
+2 种基金
湖南省自然科学基金(2023JJ30415,2022JJ30395)
江西省重大科技研发专项项目(20232ACC01007,20232ABC03A09)
吉安市科技计划“揭榜挂帅”项目(20233TGV06020)。
文摘
为了解决低光照条件下校园环境等场景监控摄像头图像质量和监控效果受影响而带来的安全问题,提出一种低光照显著性目标检测(SOD)方法,以提高低光照条件下目标检测能力。针对低光照条件下图像的显著性特征弱化和缺乏大规模标注数据的问题,提出一种无源领域自适应(SFDA)方法,将正常光照图像(源域)下训练的模型知识迁移至低光照条件图像(目标域)。该方法采用两阶段策略:在第一阶段,利用源域模型生成低光照图像的伪标签,为提高伪标签生成的质量,提出集合熵最小化损失抑制高熵区域,同时引入选择性投票方法来增强伪标签的生成;在第二阶段,采用基于增强引导一致性的教师-学生网络自训练方法对显著图进行精细化,进一步提高检测结果的精度。在SOD-LL数据集上的实验结果表明,所提出的方法在低光照场景下总体性能优于其他图像显著性检测方法,相较于正常光照的SOD方法,其平均绝对误差(MAE)降低15.15%,加权F1值(wFm)提高4.73%。
关键词
显著性目标检测
低光照场景
无源领域自适应
伪标签
教师-学生网络
集合熵最小化
选择性投票
Keywords
Salient Object Detection(SOD)
low-light scenes
Source-Free Domain Adaption(SFDA)
pseudolabel
teacher-student network
ensemble entropy minimization
selective voting
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
无源多领域自适应糖尿病视网膜病变分类方法
2
作者
张光华
杨阳
徐国华
机构
太原学院山西省健康大数据AI联合实验室
太原学院计算机科学与技术系
出处
《液晶与显示》
北大核心
2025年第7期1080-1091,共12页
基金
山西省基础研究计划(No.202203021211006)。
文摘
对于基于深度学习域自适应方法的糖尿病视网膜病变诊断,本文提出的扩散域注意力迁移学习模型由两个主要模块构成。首先,去噪扩散概率糖尿病视网膜病变图像生成模块通过生成丰富且多样化的目标域样本,促使模型学习更全面的目标域特征。其次,设计了无源多领域注意力集成模块,在无需访问源域数据的情况下,实现了多个源域预训练模型的加权注意力集成,从而在实例特定特征和领域一致特征之间取得了良好的平衡。实验结果表明,模型在可转诊糖尿病视网膜病变诊断任务中分别达到了90.66%的准确率、87.47%的精确度、85.41%的敏感度、91.63%的特异度和86.42%的F1分数。同时,模型在正常/异常视网膜病变识别任务中达到了96.75%的准确率、99.23%的精确度、90.47%的敏感度、99.27%的特异度以及94.65%的F1分数。本文模型在不访问源域数据且目标域样本无标签的前提下能够进行有效的视网膜病变诊断。
关键词
糖尿病视网膜病变
深度学习
无源
多
领域自
适应
扩散域注意力迁移学习
Keywords
diabetic retinopathy
deep learning
source-free multi-domain adaptive
diffusion-enhanced domain-attention transfer learning
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
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
基于无源领域自适应的低光照显著性目标检测
李书玮
黄正翔
胡云
刘兴
卢笑
郭畅
吴成中
王耀南
《计算机工程》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
无源多领域自适应糖尿病视网膜病变分类方法
张光华
杨阳
徐国华
《液晶与显示》
北大核心
2025
0
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
