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
3
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
基于深层多尺度聚合3D U-Net的肾脏与肾肿瘤分割方法
被引量：
1
1
作者
张芳
郝思敏
耿磊
《天津工业大学学报》
CAS
北大核心
2023年第6期84-90,共7页
针对电子计算机断层扫描(CT)图像中肾肿瘤形态复杂多变、肿瘤目标小、肿瘤边缘复杂等问题,提出了深层多尺度聚合3D U-Net网络分割模型。该模型在U-Net++基础上新增了3个下采样操作,利用密集嵌套的3D U-Net和解码器层的跳跃连接以及各层...
针对电子计算机断层扫描(CT)图像中肾肿瘤形态复杂多变、肿瘤目标小、肿瘤边缘复杂等问题,提出了深层多尺度聚合3D U-Net网络分割模型。该模型在U-Net++基础上新增了3个下采样操作,利用密集嵌套的3D U-Net和解码器层的跳跃连接以及各层级3D U-Net子网络之间的跳跃连接,促进各个层级和各个尺度的特征信息融合,增强了对细节特征的提取能力,从而提升了对小尺度肾肿瘤和肿瘤边缘的分割精度。实验结果表明:该模型能够准确分割边缘复杂以及尺度较小的肾肿瘤,在KiTS19公开数据集上进行评估,本文模型对肾脏分割的Dise系数为0.968 2,对肿瘤分割的Dise系数为0.790 8,分割性能良好。
展开更多
关键词
肾肿瘤
自动分割
CT图像
3D
U-Net
深层
多尺度
聚合
在线阅读
下载PDF
职称材料
高稳定性巯-烯体系的深层光聚合研究
被引量：
2
2
作者
陈利
吴青阳
+1 位作者
刘仁
李治全
《影像科学与光化学》
CAS
CSCD
2018年第5期408-416,共9页
传统巯-烯光聚合体系存在储存稳定性差、气味大、UV光聚合深度受限等问题,本文通过单体优化,制备了一种稳定性好、气味小的巯-烯光聚合体系,并采用近红外光诱导上转换纳米粒子发光的策略,成功实现了巯-烯体系9.6cm聚合深度,双键转化率达...
传统巯-烯光聚合体系存在储存稳定性差、气味大、UV光聚合深度受限等问题,本文通过单体优化,制备了一种稳定性好、气味小的巯-烯光聚合体系,并采用近红外光诱导上转换纳米粒子发光的策略,成功实现了巯-烯体系9.6cm聚合深度,双键转化率达80%,且固化样品具有较好的材料均一性和热稳定性(~335℃),有望应用于牙科修复材料和厚层复合材料的光固化。
展开更多
关键词
上转换
巯-烯光
聚合
深层
光
聚合
稳定性
近红外光
在线阅读
下载PDF
职称材料
一种交通场景下人车检测的VHA-CenterNet无锚方法研究
3
作者
陈鑫影
吕娜
吕硕
《大连交通大学学报》
CAS
2024年第4期101-107,共7页
在真实的交通场景中,车辆和行人检测器容易受到复杂背景的干扰,导致严重的误检和漏检。此外,由于交通场景图像中存在各种不同尺度的目标,大多数检测方法对小物体的检测性能较差,且难以适应交通物体的多样性。为了解决这些问题,提出了一...
在真实的交通场景中,车辆和行人检测器容易受到复杂背景的干扰,导致严重的误检和漏检。此外,由于交通场景图像中存在各种不同尺度的目标,大多数检测方法对小物体的检测性能较差,且难以适应交通物体的多样性。为了解决这些问题,提出了一种基于注意力和前景注意模块的无锚方法VHA-CenterNet。在主干网络中加入一个卷积块注意模块(CBAM),以提高对小目标的关注能力。在前景注意模块(FAM)中引入前景信息,以减少复杂背景的干扰。结果表明:在中等难度下,所提出的VHA⁃CenterNet方法在KITTI数据集上的mAP达71.92%,在RTX 2080 Ti上的推理速度为10.68 FPS,可以显著提高人车识别的准确率和速度。在所有情况下,交通场景的人车检测准确率都高于传统模型。
展开更多
关键词
图像处理
人车检测
深层聚合
深度学习
注意力
在线阅读
下载PDF
职称材料
题名
基于深层多尺度聚合3D U-Net的肾脏与肾肿瘤分割方法
被引量：
1
1
作者
张芳
郝思敏
耿磊
机构
天津工业大学生命科学学院
天津工业大学电子与信息工程学院
天津工业大学天津市光电检测技术与系统重点实验室
出处
《天津工业大学学报》
CAS
北大核心
2023年第6期84-90,共7页
基金
京津冀基础研究合作专项(H2021202008)
天津市自然科学基金青年项目(18JCQNJC70600)。
文摘
针对电子计算机断层扫描(CT)图像中肾肿瘤形态复杂多变、肿瘤目标小、肿瘤边缘复杂等问题,提出了深层多尺度聚合3D U-Net网络分割模型。该模型在U-Net++基础上新增了3个下采样操作,利用密集嵌套的3D U-Net和解码器层的跳跃连接以及各层级3D U-Net子网络之间的跳跃连接,促进各个层级和各个尺度的特征信息融合,增强了对细节特征的提取能力,从而提升了对小尺度肾肿瘤和肿瘤边缘的分割精度。实验结果表明:该模型能够准确分割边缘复杂以及尺度较小的肾肿瘤,在KiTS19公开数据集上进行评估,本文模型对肾脏分割的Dise系数为0.968 2,对肿瘤分割的Dise系数为0.790 8,分割性能良好。
关键词
肾肿瘤
自动分割
CT图像
3D
U-Net
深层
多尺度
聚合
Keywords
kidney tumors
automatic segmentation
CT images
3D U-Net
deep multi-scale aggregation
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
高稳定性巯-烯体系的深层光聚合研究
被引量：
2
2
作者
陈利
吴青阳
刘仁
李治全
机构
江南大学光响应功能分子材料国际联合研究中心
江南大学化学与材料工程学院
出处
《影像科学与光化学》
CAS
CSCD
2018年第5期408-416,共9页
文摘
传统巯-烯光聚合体系存在储存稳定性差、气味大、UV光聚合深度受限等问题,本文通过单体优化,制备了一种稳定性好、气味小的巯-烯光聚合体系,并采用近红外光诱导上转换纳米粒子发光的策略,成功实现了巯-烯体系9.6cm聚合深度,双键转化率达80%,且固化样品具有较好的材料均一性和热稳定性(~335℃),有望应用于牙科修复材料和厚层复合材料的光固化。
关键词
上转换
巯-烯光
聚合
深层
光
聚合
稳定性
近红外光
Keywords
up-conversion
thiol-ene photopolymerization
deep photopolymerization
stability
near-infrared light
分类号
O631 [理学—高分子化学]
在线阅读
下载PDF
职称材料
题名
一种交通场景下人车检测的VHA-CenterNet无锚方法研究
3
作者
陈鑫影
吕娜
吕硕
机构
大连交通大学计算机与通信工程学院
出处
《大连交通大学学报》
CAS
2024年第4期101-107,共7页
基金
辽宁省应用基础研究计划项目(1655706734383)。
文摘
在真实的交通场景中,车辆和行人检测器容易受到复杂背景的干扰,导致严重的误检和漏检。此外,由于交通场景图像中存在各种不同尺度的目标,大多数检测方法对小物体的检测性能较差,且难以适应交通物体的多样性。为了解决这些问题,提出了一种基于注意力和前景注意模块的无锚方法VHA-CenterNet。在主干网络中加入一个卷积块注意模块(CBAM),以提高对小目标的关注能力。在前景注意模块(FAM)中引入前景信息,以减少复杂背景的干扰。结果表明:在中等难度下,所提出的VHA⁃CenterNet方法在KITTI数据集上的mAP达71.92%,在RTX 2080 Ti上的推理速度为10.68 FPS,可以显著提高人车识别的准确率和速度。在所有情况下,交通场景的人车检测准确率都高于传统模型。
关键词
图像处理
人车检测
深层聚合
深度学习
注意力
Keywords
image processing
human-vehicle detection
deep layer aggregation
deep learning
attention
分类号
U495 [交通运输工程—交通运输规划与管理]
TP391.41 [自动化与计算机技术—计算机应用技术]
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
基于深层多尺度聚合3D U-Net的肾脏与肾肿瘤分割方法
张芳
郝思敏
耿磊
《天津工业大学学报》
CAS
北大核心
2023
1
在线阅读
下载PDF
职称材料
2
高稳定性巯-烯体系的深层光聚合研究
陈利
吴青阳
刘仁
李治全
《影像科学与光化学》
CAS
CSCD
2018
2
在线阅读
下载PDF
职称材料
3
一种交通场景下人车检测的VHA-CenterNet无锚方法研究
陈鑫影
吕娜
吕硕
《大连交通大学学报》
CAS
2024
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
