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
融合视觉中心机制和并行补丁感知的遥感图像检测算法
被引量：
5
1
作者
梁礼明
陈康泉
+2 位作者
王成斌
冯耀
龙鹏威
《光电工程》
CAS
CSCD
北大核心
2024年第7期72-83,共12页
针对遥感图像存在复杂背景干扰、目标多尺度差异和微小目标提取难的问题,本文基于YOLOv7-tiny模型提出一种融合视觉中心机制和并行补丁感知的遥感图像检测算法。该算法一是引入显式视觉中心机制,构建像素点间的长距离依赖关系,丰富图像...
针对遥感图像存在复杂背景干扰、目标多尺度差异和微小目标提取难的问题,本文基于YOLOv7-tiny模型提出一种融合视觉中心机制和并行补丁感知的遥感图像检测算法。该算法一是引入显式视觉中心机制,构建像素点间的长距离依赖关系,丰富图像的整体语义信息,同时提升对目标纹理的提取性能;二是改进并行补丁感知模块,调整特征提取感受野,以适应不同目标尺度;三是设计多尺度特征融合模块,实现对多层特征的高效融合,提升模型推理速度。在公共数据集RSOD上进行实验,所提算法的准确率、召回率和平均准确率均值相较YOLOv7-tiny分别提升1.5%、2.4%和2.4%,此外在NWPUVHR-10和DOTA数据集上进行泛化性验证,结果表明本文算法具备较强的泛化性能。通过与不同算法对比分析,进一步体现本文算法性能的优越性。
展开更多
关键词
遥感图像
目标检测
YOLOv7-tiny
显式视觉中心
机制
并行补丁感知
在线阅读
下载PDF
职称材料
基于ESC-TransUNet网络的脑出血CT图像分割
2
作者
谭佳慧
文琛言
+1 位作者
黄巍
胡凯
《计算机科学》
北大核心
2025年第S1期99-107,共9页
针对脑出血CT图像处理中遇到的出血区域空间位置、形状、尺寸多变性以及与周围组织强度值相近导致边界难以确定等挑战,提出了一种改进TransUNet的图像分割模型(ESC-TransUNet)。该模型首先在上采样前增添了显式视觉中心(Explicit Visual...
针对脑出血CT图像处理中遇到的出血区域空间位置、形状、尺寸多变性以及与周围组织强度值相近导致边界难以确定等挑战,提出了一种改进TransUNet的图像分割模型(ESC-TransUNet)。该模型首先在上采样前增添了显式视觉中心(Explicit Visual Center,EVC),能够捕获图像中远距离像素的关联程度,并保留输入图像中局部边角区域的详细信息,有助于有效提取出血区域特征。其次,在编码器阶段引入了注意力混洗机制(Shuffle Attention,SA),有效地学习了出血区域与背景间的微小差异,从而提高了分割任务的精确度。最后,在解码器阶段采用CBM2结构促进信息更有效传递,增强模型泛化能力和准确性。在脑出血公开数据集Physionet(PHY)上进行了大量实验,结果表明,所提方法超过了其他9种主要的分割方法,在脑出血CT图像分割任务中获得了更优异的性能。
展开更多
关键词
深度学习
CT图像
脑出血分割
注意力混洗机制
显式视觉中心
在线阅读
下载PDF
职称材料
题名
融合视觉中心机制和并行补丁感知的遥感图像检测算法
被引量：
5
1
作者
梁礼明
陈康泉
王成斌
冯耀
龙鹏威
机构
江西理工大学电气工程与自动化学院
出处
《光电工程》
CAS
CSCD
北大核心
2024年第7期72-83,共12页
基金
国家自然科学基金资助项目(51365017,61463018)
江西省自然科学基金资助项目(20192BAB205084)
江西省教育厅科学技术研究青年项目(GJJ2200848)。
文摘
针对遥感图像存在复杂背景干扰、目标多尺度差异和微小目标提取难的问题,本文基于YOLOv7-tiny模型提出一种融合视觉中心机制和并行补丁感知的遥感图像检测算法。该算法一是引入显式视觉中心机制,构建像素点间的长距离依赖关系,丰富图像的整体语义信息,同时提升对目标纹理的提取性能;二是改进并行补丁感知模块,调整特征提取感受野,以适应不同目标尺度;三是设计多尺度特征融合模块,实现对多层特征的高效融合,提升模型推理速度。在公共数据集RSOD上进行实验,所提算法的准确率、召回率和平均准确率均值相较YOLOv7-tiny分别提升1.5%、2.4%和2.4%,此外在NWPUVHR-10和DOTA数据集上进行泛化性验证,结果表明本文算法具备较强的泛化性能。通过与不同算法对比分析,进一步体现本文算法性能的优越性。
关键词
遥感图像
目标检测
YOLOv7-tiny
显式视觉中心
机制
并行补丁感知
Keywords
remote sensing images
object detection
YOLOv7-tiny
explicit visual center mechanism
parallel patch perception
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
基于ESC-TransUNet网络的脑出血CT图像分割
2
作者
谭佳慧
文琛言
黄巍
胡凯
机构
湘潭大学计算机学院网络空间安全学院
长沙市第一医院放射科计算机医学图像处理研究中心
出处
《计算机科学》
北大核心
2025年第S1期99-107,共9页
基金
国家自然科学基金(62272404)
湖南省普通高等学校教学改革研究项目(202401000574)
+2 种基金
湖南省科技厅项目(2021SK53105)
湖南省教育厅项目(23A0146)
湖南省大学生创新创业训练计划项目(S202310530024)。
文摘
针对脑出血CT图像处理中遇到的出血区域空间位置、形状、尺寸多变性以及与周围组织强度值相近导致边界难以确定等挑战,提出了一种改进TransUNet的图像分割模型(ESC-TransUNet)。该模型首先在上采样前增添了显式视觉中心(Explicit Visual Center,EVC),能够捕获图像中远距离像素的关联程度,并保留输入图像中局部边角区域的详细信息,有助于有效提取出血区域特征。其次,在编码器阶段引入了注意力混洗机制(Shuffle Attention,SA),有效地学习了出血区域与背景间的微小差异,从而提高了分割任务的精确度。最后,在解码器阶段采用CBM2结构促进信息更有效传递,增强模型泛化能力和准确性。在脑出血公开数据集Physionet(PHY)上进行了大量实验,结果表明,所提方法超过了其他9种主要的分割方法,在脑出血CT图像分割任务中获得了更优异的性能。
关键词
深度学习
CT图像
脑出血分割
注意力混洗机制
显式视觉中心
Keywords
Deep learning
CT images
Intracranial hemorrhage segmentation
Shuffle attention mechanism
Explicit visual center
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
作者
出处
发文年
被引量
操作
1
融合视觉中心机制和并行补丁感知的遥感图像检测算法
梁礼明
陈康泉
王成斌
冯耀
龙鹏威
《光电工程》
CAS
CSCD
北大核心
2024
5
在线阅读
下载PDF
职称材料
2
基于ESC-TransUNet网络的脑出血CT图像分割
谭佳慧
文琛言
黄巍
胡凯
《计算机科学》
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
