期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于多层小波深度聚合网络的高光谱图像超分辨率方法 被引量:3
1
作者 方健 杨劲翔 肖亮 《电子学报》 EI CAS CSCD 北大核心 2024年第1期201-216,共16页
利用低空间分辨率高光谱(Low Resolution HyperSpectral Image,LR-HSI)和高空间分辨率多光谱图像(High Resolution Multi Spectral Image,HR-MSI)的有机结合,实现高光谱空间分辨率增强,是当前高光谱图像处理的热点问题.目前,深度学习已... 利用低空间分辨率高光谱(Low Resolution HyperSpectral Image,LR-HSI)和高空间分辨率多光谱图像(High Resolution Multi Spectral Image,HR-MSI)的有机结合,实现高光谱空间分辨率增强,是当前高光谱图像处理的热点问题.目前,深度学习已成为高光谱-多光谱图像融合超分辨率的代表性方法,然而如何有效挖掘两者的互补空谱信息,实现空间结构和细节注入,在提升高光谱图像空间分辨率的同时保持高保真光谱信息,依然存在诸多挑战.本文提出了一种多层小波深度聚合网络(Multilevel Wavelet-Deep Aggregation Network,MW-DAN).该网络有机结合非抽取小波(Un Decimated Wavelet Transform,UDWT)分解和深度残差网络,建立双分支互补信息融合网络,提升图像重建性能.其中,通过深度残差网络中引入跳层汇聚连接,设计信息聚合型结构,并对多光谱图像进行UDWT方向子带分解,逐层注入到网络中间隐层,增强了方向子带结构的细节注入和光谱保真能力.整个网络通过LR-HSI,HR-MSI和HRHSI(High Resolution HyperSpectral Image)端对端训练,能够学习性能优越的空-谱融合的超分辨非线性映射.大量仿真数据集和真实数据集上的大量融合实验表明,本文提出的方法在客观评价指标、光谱保持和视觉效果上优于目前主流的深度学习方法 . 展开更多
关键词 高光谱图像 图像融合 深度学习 非抽取小波变换 深度残差聚合模块
在线阅读 下载PDF
改进残差结构的轻量级故障诊断方法 被引量:5
2
作者 刘芯志 彭成 +1 位作者 满君丰 刘翊 《计算机工程与设计》 北大核心 2022年第8期2303-2310,共8页
针对大型机械装备环境噪声复杂,深度学习网络层数过深导致的巨大计算开销以及故障诊断人工特征提取的复杂性,提出改进残差结构的轻量级SCARN模型。SCARN模型使用蓝图可分离卷积代替常规卷积层,减少大量参数,设计轻量级空间通道注意力结... 针对大型机械装备环境噪声复杂,深度学习网络层数过深导致的巨大计算开销以及故障诊断人工特征提取的复杂性,提出改进残差结构的轻量级SCARN模型。SCARN模型使用蓝图可分离卷积代替常规卷积层,减少大量参数,设计轻量级空间通道注意力结构,加强特征表达能力,改进深度残差收缩模块,提高模型复杂噪声场景的鲁棒性。通过增加不同幅值的高斯白噪声模拟轴承信号复杂环境场景。实验结果表明,该模型4种评价指标均优于对比算法,具有良好的抗噪性能。 展开更多
关键词 蓝图可分离卷积 空间通道注意力 深度残差收缩模块 轻量级 高斯白噪声
在线阅读 下载PDF
基于三重注意力的脑肿瘤图像分割网络 被引量:8
3
作者 韩阳 宋金淼 +1 位作者 薛安懿 段晓东 《中国生物医学工程学报》 CAS CSCD 北大核心 2022年第1期57-63,共7页
脑肿瘤图像分割问题是脑肿瘤临床诊断和治疗脑肿瘤疾病计算机辅助诊断的基础。针对脑肿瘤MRI图像分割网络深度过深和局部与全局特征信息联系匮乏导致图像分割精度降低等问题,提出一种基于三重注意力的脑肿瘤图像分割网络。首先,借鉴残... 脑肿瘤图像分割问题是脑肿瘤临床诊断和治疗脑肿瘤疾病计算机辅助诊断的基础。针对脑肿瘤MRI图像分割网络深度过深和局部与全局特征信息联系匮乏导致图像分割精度降低等问题,提出一种基于三重注意力的脑肿瘤图像分割网络。首先,借鉴残差结构,将原始图像分割网络结构的编码层和解码层中的卷积模块替换为深度残差模块,解决网络加深带来的梯度消失问题。其次,通过引入三重注意力模块,融合图像局部与全局特征信息,使网络更好地学习重要的图像特征信息,提升网络对脑肿瘤图像的分割精度。最后,在MICCAI比赛发布的BraTS脑肿瘤图像分割数据集上(包括335例患者病例),采用Dice系数等脑肿瘤评价指标进行性能评估。其中,脑肿瘤整体可达85.20%,脑肿瘤核心可达87.10%,增强脑肿瘤区域可达80.80%。实验结果显示,所提出的分割网络能够在不增加计算时间的前提下提高脑肿瘤MRI图像的分割性能。 展开更多
关键词 脑肿瘤分割 三重注意力模块 深度残差模块 MRI图像
在线阅读 下载PDF
基于联合损失和恒等映射的动态人脸识别 被引量:4
4
作者 刘成攀 吴斌 杨壮 《传感器与微系统》 CSCD 北大核心 2021年第9期153-156,共4页
在视频及非约束条件下获取的动态人脸受到姿态、表情和侧脸等复杂干扰因素,使其识别难度增大。针对上述问题,提出一种基于联合损失和恒等映射的动态人脸识别算法。以Resnet34为基础网络,联合SoftMax Loss,中心损失(Center Loss)和Joint ... 在视频及非约束条件下获取的动态人脸受到姿态、表情和侧脸等复杂干扰因素,使其识别难度增大。针对上述问题,提出一种基于联合损失和恒等映射的动态人脸识别算法。以Resnet34为基础网络,联合SoftMax Loss,中心损失(Center Loss)和Joint Loss扩大人脸类间距;减小人脸类内距,同时在网络中引入深度残差恒等映射模块,进一步减小侧脸的干扰。在LFW,SLFW,YTF,MegaFace等数据集上,所提算法表现出更强的性能,并且在实验平台上能完成实时视频动态人脸识别的任务。 展开更多
关键词 非约束条件 动态人脸 联合损失 深度残差恒等映射模块
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部