检索结果-维普期刊中文期刊服务平台

结合多特征融合与残差空洞卷积的小目标检测被引量：6: 1; 作者尹群杰杨文柱 +1 位作者冉梦影宋姝洁《计算机工程与设计》北大核心 2022年第9期2622-2630,共9页; 针对目标检测任务中小目标所占像素较少、特征不易提取而导致的小目标漏检问题,提出一种结合多特征融合与残差空洞卷积的小目标检测算法。以单阶段目标检测算法SSD为模型基础,建立多层特征融合模块,分别对浅层特征图和后两层特征图进行... 展开更多; 关键词单阶段目标检测小目标检测多层特征融合多分支残差空洞卷积多尺度特征信息; 在线阅读下载PDF 职称材料

基于多尺度残差和注意力机制的图像去雾算法: 2; 作者陈辉牛丽丽 +2 位作者付辉张天佑席磊《兰州理工大学学报》 CAS 北大核心 2024年第2期69-76,共8页; 雾的存在严重降低了图像的质量,阻碍了后续对图像的进一步处理.针对已有去雾算法特征提取不充分等问题,提出了一种端到端的基于多尺度空洞残差块和多尺度注意力机制的图像去雾算法.首先,通过三个小尺度的卷积核进行卷积运算提取雾图的... 展开更多; 关键词图像去雾残差空洞卷积注意力机制特征提取深度学习; 在线阅读下载PDF 职称材料

基于残差注意力机制的图像去雾算法被引量：7: 3; 作者杨振舰尚佳美 +2 位作者张众维张艳刘树东《西北工业大学学报》 EI CAS CSCD 北大核心 2021年第4期901-908,共8页; 传统基于先验知识与基于学习的图像去雾算法依赖大气散射模型,容易出现颜色失真和去雾不彻底的现象。针对上述问题,提出一种端到端的基于残差注意力机制的图像去雾算法,该算法网络包括编码、多尺度特征提取、特征融合和解码4个模块。编... 展开更多; 关键词图像去雾深度学习通道注意力机制残差平滑空洞卷积特征提取; 在线阅读下载PDF 职称材料

基于TMU-Net网络的苹果果心分割方法: 4; 作者刘长勇李思佳 +2 位作者史慧查志华邓红涛《农业工程学报》 EI CAS CSCD 北大核心 2022年第16期304-312,共9页; 针对苹果内在品质检测过程中传统测量果心大小方法效率低、准确性差等问题,该研究提出一种基于TMU-Net网络自动分割果心的方法,将Transformer编码器融入U-Net网络结构中,构建改进U型卷积网络TMU-Net模型。模型由特征提取模块、特征处理... 展开更多; 关键词模型图像分割果心分割 TMU-Net网络多重残差空洞卷积 TRANSFORMER 迁移学习; 在线阅读下载PDF 职称材料

基于区域聚焦特性的多聚焦图像融合算法被引量：1: 5; 作者林妙李伟彤《电子测量技术》北大核心 2023年第24期179-187,共9页; 针对现有多聚焦图像融合算法存在的伪影和信息残留问题,提出了一种依据图像聚焦特性,最大程度保留各区域信息和清晰度的算法。首先,通过区域检测得到聚焦区域决策图,利用该决策图进行初始融合和边界提取,得到边界区域决策图;其次,利用AC... 展开更多; 关键词图像处理空间域回归网络残差空洞卷积金字塔; 在线阅读下载PDF 职称材料

题名结合多特征融合与残差空洞卷积的小目标检测被引量：6: 1; 作者尹群杰杨文柱冉梦影宋姝洁; 机构河北大学网络空间安全与计算机学院河北大学机器视觉工程研究中心; 出处《计算机工程与设计》北大核心 2022年第9期2622-2630,共9页; 基金河北省自然科学基金项目(F2021201012)。; 文摘针对目标检测任务中小目标所占像素较少、特征不易提取而导致的小目标漏检问题,提出一种结合多特征融合与残差空洞卷积的小目标检测算法。以单阶段目标检测算法SSD为模型基础,建立多层特征融合模块,分别对浅层特征图和后两层特征图进行通道拼接,以深层特征来强化浅层特征,丰富浅层特征的语义信息;建立多分支残差空洞卷积模块,结合残差操作并利用不同扩张率的空洞卷积提取多尺度特征信息,增强特征表示能力,不丢失特征图的原始分辨率;利用更新后的特征来完成小目标检测。在VOC2007数据集上通过实例验证了所提算法的检测精度比SSD提高1.4%,该算法可行有效。; 关键词单阶段目标检测小目标检测多层特征融合多分支残差空洞卷积多尺度特征信息; Keywords single-stage object detection small object detection multi-layer feature fusion multi-branch residual dilated convolution multi-scale feature information; 分类号 TP391.41 [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

题名基于多尺度残差和注意力机制的图像去雾算法: 2; 作者陈辉牛丽丽付辉张天佑席磊; 机构兰州理工大学电气工程与信息工程学院甘肃省科学院自动化研究所; 出处《兰州理工大学学报》 CAS 北大核心 2024年第2期69-76,共8页; 基金国家自然科学基金(62163023,62366031,62363023,61873116) 甘肃省教育厅产业支撑计划(2021CYZC-02) +2 种基金甘肃省2024年度重点人才项目。; 文摘雾的存在严重降低了图像的质量,阻碍了后续对图像的进一步处理.针对已有去雾算法特征提取不充分等问题,提出了一种端到端的基于多尺度空洞残差块和多尺度注意力机制的图像去雾算法.首先,通过三个小尺度的卷积核进行卷积运算提取雾图的浅层特征,可以在得到较大感受野的同时降低参数量.然后,将其输入多个由多尺度残差空洞卷积特征提取模块和多尺度注意力机制模块串联组成的网络模块,多尺度空洞卷积残差特征提取模块可以提取不同感受野的雾图特征并进行不同维度的特征融合,有效解决特征尺度单一问题;多尺度注意力机制模块可合理分配不同特征的权重,并抑制无关的冗余信息.最后,把雾图中的雾特征筛减便得到去雾图的特征图,再通过卷积操作恢复出无雾图像.通过在SOTS测试集上测试,得到了比其他几种经典方法更好的视觉效果,且在PSNR和SSIM上的表现也优于其他几种经典方法.; 关键词图像去雾残差空洞卷积注意力机制特征提取深度学习; Keywords image defogging residual hole convolution attention mechanism feature extraction deep learning; 分类号 TP273 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于残差注意力机制的图像去雾算法被引量：7: 3; 作者杨振舰尚佳美张众维张艳刘树东; 机构天津城建大学计算机与信息工程学院; 出处《西北工业大学学报》 EI CAS CSCD 北大核心 2021年第4期901-908,共8页; 基金重点实验室开放课题(2019LODTS006) 天津市教委科研计划项目(2017KJ059)资助。; 文摘传统基于先验知识与基于学习的图像去雾算法依赖大气散射模型,容易出现颜色失真和去雾不彻底的现象。针对上述问题,提出一种端到端的基于残差注意力机制的图像去雾算法,该算法网络包括编码、多尺度特征提取、特征融合和解码4个模块。编码模块将输入的雾图编码为特征图像,便于后续特征提取并减少内存占用;多尺度特征提取模块包括残差平滑空洞卷积模块、残差块和高效通道注意力机制,能够扩大感受野并通过加权筛选提取的不同尺度特征以便融合;特征融合模块利用高效通道注意力机制,动态调整不同尺度特征的通道权重,学习丰富的上下文信息并抑制冗余信息,增强网络提取雾霾密度图像的能力从而使去雾更加彻底;解码模块对融合后的特征进行非线性映射得到雾霾密度图像,进而恢复无雾图像。通过在SOTS测试集和自然有雾图像上进行定量和定性的测试,所提方法取得了较好的客观和主观评价结果,并有效改善了颜色失真和去雾不彻底的现象。; 关键词图像去雾深度学习通道注意力机制残差平滑空洞卷积特征提取; Keywords image dehazing deep learning channel attention mechanism residual smoothed dilated convolution feature extraction; 分类号 TP37 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于TMU-Net网络的苹果果心分割方法: 4; 作者刘长勇李思佳史慧查志华邓红涛; 机构新疆农垦科学院石河子大学机械电气工程学院中山大学电子与通信工程学院; 出处《农业工程学报》 EI CAS CSCD 北大核心 2022年第16期304-312,共9页; 基金国家自然科学基金(31860466) 苹果内在品质指标评价技术研究(KH011402)。; 文摘针对苹果内在品质检测过程中传统测量果心大小方法效率低、准确性差等问题,该研究提出一种基于TMU-Net网络自动分割果心的方法,将Transformer编码器融入U-Net网络结构中,构建改进U型卷积网络TMU-Net模型。模型由特征提取模块、特征处理模块、解码器、特征拼接模块组成,以VGG-16前13层作为主干特征提取网络,在跳跃连接中叠加多重残差空洞卷积(Multiple Residual Dilated Convolution,MRDC)模块,增大感受野的同时增强了模型对底层特征提取能力。采用数据增强技术对果心数据集扩充后,利用迁移学习方法冻结特定的网络层,对TMU-Net模型进行训练。试验结果表明:引入迁移学习并使用最佳训练方式使模型分割精确率提高了22.48个百分点;TMU-Net网络模型在果心分割任务中实现了96.72%的精确率,与U-Net、PSPNet、DeeplabV3+网络对比,精确率分别提升了14.28、9.98、7.15个百分点。该方法能够精准、有效地实现果心分割,可为实现苹果内在品质智能检测提供参考。; 关键词模型图像分割果心分割 TMU-Net网络多重残差空洞卷积 TRANSFORMER 迁移学习; Keywords models image segmentation core segmentation TMU-Net network MRDC Transformer transfer learning; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术] S126 [农业科学—农业基础科学]; 在线阅读下载PDF 职称材料

题名基于区域聚焦特性的多聚焦图像融合算法被引量：1: 5; 作者林妙李伟彤; 机构广东工业大学信息工程学院; 出处《电子测量技术》北大核心 2023年第24期179-187,共9页; 基金广东省科技计划项目(2017A010101016)资助; 文摘针对现有多聚焦图像融合算法存在的伪影和信息残留问题,提出了一种依据图像聚焦特性,最大程度保留各区域信息和清晰度的算法。首先,通过区域检测得到聚焦区域决策图,利用该决策图进行初始融合和边界提取,得到边界区域决策图;其次,利用ACS网络学习多聚焦图像的融合规则,生成网络融合图;最后,根据边界区域决策图对初始融合图和网络融合图进行加权求和,得到最终的融合图像。实验结果表明:该算法在聚焦区域和边界区域都优于其它比较算法,各项评估指标分别提高4.8%和1.5%以上;同时主观效果更符合HVS。实验证明了在保留源图像的细节信息和避免各个区域的视觉伪影上,该算法都能取得很好的效果。; 关键词图像处理空间域回归网络残差空洞卷积金字塔; Keywords image processing spatial domain regression network residual atrous convolution pyramid; 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	结合多特征融合与残差空洞卷积的小目标检测	尹群杰杨文柱冉梦影宋姝洁	《计算机工程与设计》北大核心	2022	6	在线阅读下载PDF 职称材料
2	基于多尺度残差和注意力机制的图像去雾算法	陈辉牛丽丽付辉张天佑席磊	《兰州理工大学学报》 CAS 北大核心	2024	0	在线阅读下载PDF 职称材料
3	基于残差注意力机制的图像去雾算法	杨振舰尚佳美张众维张艳刘树东	《西北工业大学学报》 EI CAS CSCD 北大核心	2021	7	在线阅读下载PDF 职称材料
4	基于TMU-Net网络的苹果果心分割方法	刘长勇李思佳史慧查志华邓红涛	《农业工程学报》 EI CAS CSCD 北大核心	2022	0	在线阅读下载PDF 职称材料
5	基于区域聚焦特性的多聚焦图像融合算法	林妙李伟彤	《电子测量技术》北大核心	2023	1	在线阅读下载PDF 职称材料