基于多分支残差注意力网络的水下图像增强

1

作者 程竹明 李佳轩 +2 位作者 黄三傲 韩立超 王培珍 《光学精密工程》 北大核心 2025年第7期1141-1151,共11页

针对水下图像存在的颜色失真、对比度低、细节模糊等问题,提出一种基于多分支残差注意力网络的水下图像增强算法。该网络在编码器和解码器的前后分别引入多分支色彩增强模块,用来自适应校正图像的颜色偏差,在网络颈部设计了残差注意力模... 针对水下图像存在的颜色失真、对比度低、细节模糊等问题,提出一种基于多分支残差注意力网络的水下图像增强算法。该网络在编码器和解码器的前后分别引入多分支色彩增强模块,用来自适应校正图像的颜色偏差,在网络颈部设计了残差注意力模块,以减少编码器和解码器之间的特征丢失,从而增强图像细节;最后,构造了联合特征损失函数,确保网络能够学习到图像的丰富特征,在改善图像色彩的同时可以有效保留边缘信息。分别利用LUSI和EVUP两种测试集与6种先进方法进行了对比,实验结果表明:通过本文算法增强后的图像在主观感受和客观评价上均取得了最优指标,在LUSI测试集上,平均峰值信噪比(PSNR)和结构相似度(SSIM)分别达到27.420 dB,0.885,与次优方法相比提高了3.9%和0.8%;在EVUP测试集上,PSNR和SSIM分别达到26.159 dB和0.851,与次优方法相比提高了3.3%和1.3%。该算法具有良好的图像质量增强效果与稳定性,可以为水下工程中的图像分析提供一种有效的方法。 展开更多

关键词 水下图像增强 深度学习 残差注意力模块 多分支色彩增强模块 注意力机制 联合损失函数

在线阅读 下载PDF 职称材料

基于EM自注意力残差的图像超分辨率重建网络

2

作者 黄淑英 胡瀚洋 +2 位作者 杨勇 万伟国 吴峥 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第2期388-397,共10页

基于深度学习的图像超分辨率(SR)重建方法主要通过增加模型的深度来提升图像重建的质量,但同时增加了模型的计算代价,很多网络利用注意力机制来提高特征提取能力,但难以充分学习到不同区域的特征。为此,提出一种基于期望最大化(EM)自注... 基于深度学习的图像超分辨率(SR)重建方法主要通过增加模型的深度来提升图像重建的质量,但同时增加了模型的计算代价,很多网络利用注意力机制来提高特征提取能力,但难以充分学习到不同区域的特征。为此,提出一种基于期望最大化(EM)自注意力残差的图像超分辨率重建网络。该网络通过改进基础残差块,构建特征增强残差块,以更好地复用残差块中所提取的特征。为增加特征信息在空间上的相关性,引入EM自注意力机制,构建EM自注意力残差模块来增强模型中每个模块的特征提取能力,并通过级联EM自注意力残差模块来构建整个模型的特征提取结构。所获得的特征图通过上采样的图像重建模块获得重建的高分辨率图像。将所提方法与主流方法进行实验对比,结果表明:所提方法在5个流行的SR测试集上能够取得较好的主观视觉效果和更优的性能指标。 展开更多

关键词 超分辨率重建 注意力机制 期望最大化 特征增强残差块 EM自注意力残差模块

在线阅读 下载PDF 职称材料

基于残差注意力网络的地震数据超分辨率方法 被引量：14

3

作者 周文辉 石敏 +1 位作者 朱登明 周军 《计算机科学》 CSCD 北大核心 2021年第8期24-31,共8页

地震数据在油气勘探、地质勘探领域发挥着至关重要的作用。精确详细的地震数据有助于对油气勘探做出精确指导,减小勘探的风险,从而产生巨大的社会效益和经济效益。在提升地震数据分辨率方面,现有的方法在面对海量数据时,在高分辨恢复、... 地震数据在油气勘探、地质勘探领域发挥着至关重要的作用。精确详细的地震数据有助于对油气勘探做出精确指导,减小勘探的风险,从而产生巨大的社会效益和经济效益。在提升地震数据分辨率方面,现有的方法在面对海量数据时,在高分辨恢复、去噪性能和效率上效果欠佳,难以恢复出细节丰富的地质信息,无法满足实际需求。地震数据能够反映地质构造以及地层的组成,具有局部相关性高、全局相关性低的特点。同时,地震数据高频部分通常蕴含着地质勘探等重要信息,如分层、断层信息等。针对地震数据的特点,文中将地震数据重建问题转化为图像超分辨率问题,提出了采用基于生成对抗网络的地震数据超分辨方法。针对地震数据分布具有局部相关性高、全局相关性低的特点,设计残差注意力模块,挖掘地震数据的内在相关性,通过训练含有相对生成对抗损失函数的生成对抗网络模型,来对地震数据进行超分辨率恢复,以得到更加精确的地震数据。在真实的地震数据集上进行了实验验证,结果表明,所提方法在地震数据超分辨上效果良好,在性能指标PSNR和SSIM上有3%~4%的提升,具有较强的实用性。 展开更多

关键词 地震数据 残差注意力模块 生成对抗网络 相对生成对抗损失 超分辨率

在线阅读 下载PDF 职称材料

融合过采样与Bi⁃GRU的残差卷积流量异常检测方法

4

作者 张万琪 宋振峰 《现代电子技术》 北大核心 2025年第21期77-82,共6页

通过构建深度学习模型,解决网络流量检测的二分类问题。考虑到目前因特征冗余和数据集不平衡导致模型检测效果低的问题,文中提出融合过采样的CNN⁃RCASE⁃Bi⁃GRU+MHA深度神经网络架构。针对原始流量数据特征维数多、不同类别样本比例不均... 通过构建深度学习模型,解决网络流量检测的二分类问题。考虑到目前因特征冗余和数据集不平衡导致模型检测效果低的问题,文中提出融合过采样的CNN⁃RCASE⁃Bi⁃GRU+MHA深度神经网络架构。针对原始流量数据特征维数多、不同类别样本比例不均衡的问题,采用ADASYN平衡数据集、随机森林算法结合线性相关性分析进行特征降维选择,先通过堆叠降噪自编码器进行特征强化提取,进而结合残差通道注意力模块的卷积神经网络层提取局部空间特征,并强化对重要信息的关注,之后融合多头注意力机制的双向门控循环单元进行序列建模,捕捉特征间的长短期依赖关系,获取高度融合流量数据的时间和空间维度特征。模型在UNSW_NB15数据集的评估结果表明,该架构在测试集上的分类准确率达到0.8820,F1 score、精确率达到了0.8887、0.9242。 展开更多

关键词 入侵检测 卷积网络 残差注意力模块 双向门控循环单元 特征选择 数据平衡 多头注意力模块

在线阅读 下载PDF 职称材料

基于残差混合注意力机制的脑部CT图像分类卷积神经网络模型 被引量：19

5

作者 乔思波 庞善臣 +3 位作者 王敏 翟雪 于世行 丁桐 《电子学报》 EI CAS CSCD 北大核心 2021年第5期984-991,共8页

针对阿尔兹海默症、病变(如脑肿瘤)和健康老化的3类脑部CT图像分类问题,本文提出了一种改进的ResNet-10卷积神经网络模型.该模型在网络的残差映射结构中加入残差混合注意力模块,解决了原模型提取的特征分辨性弱的问题,精确捕捉了脑部组... 针对阿尔兹海默症、病变(如脑肿瘤)和健康老化的3类脑部CT图像分类问题,本文提出了一种改进的ResNet-10卷积神经网络模型.该模型在网络的残差映射结构中加入残差混合注意力模块,解决了原模型提取的特征分辨性弱的问题,精确捕捉了脑部组织在CT图像中的位置和内容信息;此外,本文设计了全局平均池化层,简化了模型的复杂度,并在其后引入Dropout机制,缓解了过拟合.在训练阶段,该模型建立了标签平滑交叉熵损失函数,使模型在样本数量有限的情况下仍有较强的泛化能力.系列实验证明了改进后的ResNet-10网络模型在分类脑部CT图像时达到97.47%的分类精度. 展开更多

关键词 残差混合注意力模块 标签平滑 脑部CT 卷积神经网络

在线阅读 下载PDF 职称材料

基于密集残差连接U型网络的噪声图像超分辨率重建

6

作者 刘鹏南 李龙 +2 位作者 张紫豪 朱星光 程德强 《工矿自动化》 CSCD 北大核心 2024年第2期63-71,共9页

现有的图像超分辨率重建网络难以适用于煤矿井下噪声密集的应用场景,且多数网络通过增加深度提升性能会导致无法有效提取关键特征、高频信息丢失等问题。针对上述问题,提出了一种密集残差连接U型网络,用于对低分辨率噪声图像进行超分辨... 现有的图像超分辨率重建网络难以适用于煤矿井下噪声密集的应用场景,且多数网络通过增加深度提升性能会导致无法有效提取关键特征、高频信息丢失等问题。针对上述问题,提出了一种密集残差连接U型网络,用于对低分辨率噪声图像进行超分辨率重建。在特征提取路径中引入基于密集残差连接的去噪模块,通过密集连接的方式对图像特征进行充分提取,再利用残差学习的特点对低分辨率噪声图像进行有效去噪;在重建路径中引入残差特征注意力蒸馏模块,通过在残差块中融入增强特征注意力块,对不同空间的特征赋予不同的权重,加强网络对于图像关键特征的提取能力,同时减少图像细节特征在残差块中的损失,从而更好地恢复图像细节信息。在煤矿井下图像数据集及公共数据集上进行了对比实验,结果表明:在客观评价指标上,所提网络的结构相似度、图像感知相似度均优于对比网络,且在复杂度及运行速度上有着较好的均衡;在主观视觉效果上,所提网络重建的图像基本消除了原有图像噪声,有效恢复了图像的细节特征。 展开更多

关键词 噪声图像 超分辨率重建 密集残差连接 U型网络 去噪模块 残差特征注意力蒸馏模块

在线阅读 下载PDF 职称材料

Residual Attention-BiConvLSTM:一种新的全球电离层TEC map预测模型

7

作者 王浩然 刘海军 +5 位作者 袁静 乐会军 李良超 陈羿 单维锋 袁国铭 《地球物理学报》 北大核心 2025年第2期413-430,共18页

电离层总电子含量(TEC)预测对提高全球卫星导航系统(GNSS)的精度具有重要意义.现有的TEC map预测模型主要通过顺序堆叠时空特征提取单元来实现.这种模型搭建方法会因多个卷积层顺序堆叠而损失细粒度的TEC map的空间特征,导致模型精度不... 电离层总电子含量(TEC)预测对提高全球卫星导航系统(GNSS)的精度具有重要意义.现有的TEC map预测模型主要通过顺序堆叠时空特征提取单元来实现.这种模型搭建方法会因多个卷积层顺序堆叠而损失细粒度的TEC map的空间特征,导致模型精度不够;还会由于多层堆叠导致梯度消失或梯度爆炸问题.本文借鉴残差注意力(Residual Attention)的思想,在TEC map预测模型中增加了残差注意力模块,提出了Residual Attention-BiConvLSTM模型.该模型中的残差注意力模块能同时提取粗、细粒度空间特征,并对其进行加权.本文在全球TEC map数据上与ConvLSTM、ConvGRU、ED-ConvLSTM和C1PG进行了对比实验.实验结果表明,本文所提出的Residual Attention-BiConvLSTM模型的RMSE、MAE、MAPE和R^(2)在太阳活动高年和年均优于对比模型.本文还在一次磁暴事件中对比了5种模型的预测效果.实验结果表明,大磁暴发生时,本文模型与C1PG相近,优于其他3种对比模型.本文的研究工作为电离层map预测模型搭建提供一个新思路. 展开更多

关键词 电离层TEC map预测 残差注意力模块 Residual Attention-BiConvLSTM 时空预测模型

在线阅读 下载PDF 职称材料

基于料面视频图像分析的高炉异常状态智能感知与识别 被引量：3

8

作者 朱霁霖 桂卫华 +2 位作者 蒋朝辉 陈致蓬 方怡静 《自动化学报》 EI CAS CSCD 北大核心 2024年第7期1345-1362,共18页

智能感知、精准识别高炉(Blast furnace,BF)异常状态对高炉调控优化和稳定运行至关重要,但高炉内部的黑箱状态致使传统检测方法难以直接感知并准确识别多种高炉异常状态.新型工业内窥镜可获取大量料面视频图像,为直接观测炉内运行状态... 智能感知、精准识别高炉(Blast furnace,BF)异常状态对高炉调控优化和稳定运行至关重要,但高炉内部的黑箱状态致使传统检测方法难以直接感知并准确识别多种高炉异常状态.新型工业内窥镜可获取大量料面视频图像,为直接观测炉内运行状态提供了全新的手段.基于此,提出一种基于料面视频图像分析的高炉异常状态智能感知与识别方法.首先,提出基于多尺度纹理模糊C均值(Multi-scale texture fuzzy C-means,MST-FCM)聚类的高温煤气流区域提取方法,准确获取煤气流图像,并提取煤气流图像多元特征;其次,提出基于特征编码的高维特征降维方法,结合自适应K-means++算法,实现煤气流异常状态的粗粒度感知;在此基础上,通过改进雅可比−傅立叶矩(Jacobi-Fourier moments,JFM)提取煤气流图像深层特征变化趋势,进而提出细粒度煤气流异常状态感知方法;最后,基于煤气流异常状态感知结果,结合料面视频图像,提出多级残差通道注意力模块(Multi-level residual channel attention module,MRCAM),建立高炉异常状态识别模型ResVGGNet,实现高炉煤气流异常、塌料和悬料的精准在线识别.实验结果表明,所提方法能准确识别不同的高炉异常状态且识别速度快,可为高炉平稳运行提供重要保障. 展开更多

关键词 高炉 料面图像 高炉异常状态感知 高炉异常状态识别 多级残差通道注意力模块

在线阅读 下载PDF 职称材料

多尺度融合的双分支特征提取人群计数算法 被引量：1

9

作者 曾芸芸 张红英 袁明东 《计算机工程与应用》 CSCD 北大核心 2024年第20期224-232,共9页

人群计数在公共安全管理、公共空间设计以及其他视觉任务如行为分析、拥塞分析等方面具有重要的应用。然而复杂的背景和人头尺度大小不一导致人群计数的效果并不理想。针对静态图像中尺度变化和背景干扰问题,提出了一种基于双分支中间... 人群计数在公共安全管理、公共空间设计以及其他视觉任务如行为分析、拥塞分析等方面具有重要的应用。然而复杂的背景和人头尺度大小不一导致人群计数的效果并不理想。针对静态图像中尺度变化和背景干扰问题,提出了一种基于双分支中间特征提取的人群计数网络——DBFE_MFNet。该网络沿用编码-解码器结构,在编码阶段使用VGG19卷积神经网络的前16层,为了更好融合多尺度信息,将VGG19卷积神经网络的前16层的后4层卷积替换成空洞率为2的膨胀卷积,解码部分采用抑制背景干扰的残差卷积注意力模块(residual convolutional attention module,RCAM),在编码-解码器结构中间插入双分支中间特征提取模块(dual branch intermediate feature extraction module,DBFE),分支1采用金字塔结构并融合位置注意力模块提取多尺度上下文信息,分支2沿用金字塔结构融合双通道注意力机制使模型关注不同大小人头信息,最后使用1×1卷积生成密度图。实验方面,在ShanghaiTech PartA、ShanghaiTech PartB、Mall数据集上进行了算法对比实验,DBFE_MFNet模型在上述数据集的平均绝对误差和均方根误差分别为63.2、7.1、1.80和99.2、11.8、2.28,经对比实验分析,DBFE_MFNet模型具有不错的计数性能和稳定性能;在ShanghaiTech PartB进行了消融实验,实验验证了模型各模块的有效性。 展开更多

关键词 人群计数 VGG19 编码-解码器 残差卷积注意力模块 双分支中间特征提取模块

在线阅读 下载PDF 职称材料

基于空谱分组卷积密集网络的高光谱图像分类 被引量：2

10

作者 欧阳宁 李祖锋 林乐平 《计算机工程与设计》 北大核心 2022年第7期2031-2039,共9页

针对高光谱图像分类在特征提取过程中高分辨率信息丢失,导致分类精度下降的问题,提出一种基于空谱分组卷积密集网络的高光谱图像分类方法。设计光谱-空间三维分组卷积密集模块,对光谱与空间特征进行分步提取,利用分组卷积构造的密集网... 针对高光谱图像分类在特征提取过程中高分辨率信息丢失,导致分类精度下降的问题,提出一种基于空谱分组卷积密集网络的高光谱图像分类方法。设计光谱-空间三维分组卷积密集模块,对光谱与空间特征进行分步提取,利用分组卷积构造的密集网络能减少数据固有信息冗余,使高分辨率的特征进行重用,避免细节特征信息丢失;设计光谱残差注意力模块,该模块通过结合空-谱特征计算注意力权重,对提取到的光谱特征进行权重重分配,对光谱信息富有的区域进行增强。实验结果表明,相比于若干最优的深度网络方法,所提高光谱图像分类方法具有更好的分类性能。 展开更多

关键词 高光谱图像分类 三维分组卷积 密集网络 光谱残差注意力模块 空-谱特征

在线阅读 下载PDF 职称材料

融合多分辨率表征的实时烟雾分割算法 被引量：3

11

作者 王浩远 梁煜 张为 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2021年第12期2334-2341,共8页

针对烟雾分割领域缺乏应用于实际监控系统的实时烟雾分割算法的现况,提出高准确率的实时烟雾分割算法.该算法利用轻量化的多分辨率卷积模块并行提取特征图,在获得丰富语义信息的同时满足实时分割的需求.提出烟雾前景增强模块,使得烟雾... 针对烟雾分割领域缺乏应用于实际监控系统的实时烟雾分割算法的现况,提出高准确率的实时烟雾分割算法.该算法利用轻量化的多分辨率卷积模块并行提取特征图,在获得丰富语义信息的同时满足实时分割的需求.提出烟雾前景增强模块,使得烟雾像素点融合前景增强表征、避免背景信息干扰,分割准确率得以提高.提出残差注意力模块,从通道、空间维度增强重要特征信息,抑制无效信息.该算法在自建数据集上平均交并比为91.27%,每张图片预测时间为39.06 ms,网络权重为74.66 MB;在公开数据集上的对比结果表明,该算法综合检测性能优于其他烟雾检测算法.该算法分割准确率高、检测速度快且模型轻量化,可以应用于实际视频监控系统. 展开更多

关键词 计算机视觉 烟雾分割 多分辨率模块 烟雾前景增强模块 残差注意力模块

在线阅读 下载PDF 职称材料

基于改进TResNet的下水道缺陷识别算法

12

作者 晏润冰 李明辉 +3 位作者 李煜博 张梦圆 李金彪 张奇 《西安理工大学学报》 北大核心 2023年第4期567-575,共9页

同一张下水道图像可能同时反映多种类型的下水道缺陷,所以应对下水道图像进行多标签缺陷预测。为了进一步解决城市下水道复杂场景中缺陷的多标签自动分类问题,本文提出了一种两阶段的下水道缺陷类型识别方法。第一阶段,使用二分类卷积... 同一张下水道图像可能同时反映多种类型的下水道缺陷,所以应对下水道图像进行多标签缺陷预测。为了进一步解决城市下水道复杂场景中缺陷的多标签自动分类问题,本文提出了一种两阶段的下水道缺陷类型识别方法。第一阶段,使用二分类卷积神经网络(CNN)模型检测下水道图像是否存在缺陷;第二阶段,使用改进TResNet模型对下水道图像具体缺陷类型进行多标签分类,该模型在TResNet基础上引入了捕获空间相关类别信息的特定类别残差注意力(CSRA)模块,从而提升了网络的多标签识别能力。考虑到不同类型缺陷造成的经济影响程度不同,使用加权缺陷类别经济影响指数的F 2-CIW指标以及标准F 1分数指标来评价模型的性能。实验结果表明,在下水道数据集Sewer-ML Dataset上,本文方法的F 1-Normal和F 2-CIW指标取得了90.41%和53.57%的测试得分,相比其它方法具有更好的缺陷识别性能。 展开更多

关键词 下水道缺陷识别 多标签分类 TResNet 特定类别的残差注意力模块

在线阅读 下载PDF 职称材料

基于改进Faster R-CNN的光伏电池内部缺陷检测 被引量：35

13

作者 伊欣同 单亚峰 《电子测量与仪器学报》 CSCD 北大核心 2021年第1期40-47,共8页

光伏电池近红外图像中复杂异构背景使内部缺陷检测成为一项极具挑战性的问题,为此,提出了一种基于深度学习的目标检测框架-残差通道注意力Faster R-CNN(residual-channel-attention-faster R-CNN,RCA-Faster R-CNN),该网络通过卷积层-... 光伏电池近红外图像中复杂异构背景使内部缺陷检测成为一项极具挑战性的问题,为此,提出了一种基于深度学习的目标检测框架-残差通道注意力Faster R-CNN(residual-channel-attention-faster R-CNN,RCA-Faster R-CNN),该网络通过卷积层-池化层提取图像特征,再送入新颖的残差通道注意力RCA模块进行复杂背景特征抑制和缺陷特征突出,进而区域推荐网络推荐出更加精确的包含缺陷的候选框,最后利用分类与定位网络实现高精度的缺陷分类和位置估计。实验结果表明,RCA-Faster R-CNN的缺陷检测精度提升到了83.29%,证明了所提方法的有效性。 展开更多

关键词 深度学习 残差通道注意力模块 光伏电池 缺陷检测 近红外图像

在线阅读 下载PDF 职称材料