基于密集特征推理及混合损失函数的修复算法 被引量：1

1

作者 李海燕 尹浩林 +1 位作者 李鹏 周丽萍 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2023年第9期99-109,共11页

为有效解决现有算法修复大面积不规则缺失图像时存在特征利用率低、图像结构连贯性差的问题,提出基于密集特征推理(DFR)及混合损失函数的图像修复算法。修复网络由多个特征推理(FR)模块密集连接组成,首先将待修复图像输入第1个推理模块... 为有效解决现有算法修复大面积不规则缺失图像时存在特征利用率低、图像结构连贯性差的问题,提出基于密集特征推理(DFR)及混合损失函数的图像修复算法。修复网络由多个特征推理(FR)模块密集连接组成,首先将待修复图像输入第1个推理模块中进行特征推理,之后将输出特征图通道合并送入下一个推理模块,后续推理的每一个模块的输入都是来自前面所有推理模块的推理特征,如此循环,以充分利用每个推理模块捕获的特征信息;然后提出一个传播一致性注意力机制(PCA),提高修补区域与已知区域的整体一致性;最后,提出混合损失函数(ML)优化修复结果的结构连贯性。整个DFR网络使用组归一化(GN),小批量训练也可达到优异的修复效果。在国际公认的Paris StreetView巴黎街景数据集和CelebA人脸数据集上验证文中所提算法的性能,主客观的实验结果表明:所提算法能有效修复大面积不规则缺失图像,提升特征利用率与结构连贯性,其平均峰值信噪比(PSNR)、平均结构相似度(SSIM)、均方误差(MSE)、弗雷歇距离(FID)及学习感知图像块相似度(LPIPS)指标优于对比算法。 展开更多

关键词 图像修复 密集特征推理 注意力机制 混合损失函数 组归一化

在线阅读 下载PDF 职称材料

基于卷积神经网络的轻量高效图像隐写

2

作者 段新涛 白鹿伟 +4 位作者 徐凯欧 张萌 保梦茹 武银行 秦川 《应用科学学报》 北大核心 2025年第1期80-93,共14页

基于深度学习的图像隐写方法,因存在模型参数量和计算量大等问题,而面临高参数和计算负载的挑战,为此提出了一种轻量高效的图像隐写方法。首先在编码器和解码器中引入Ghost模块,降低了编码器和解码器的参数量和计算量。其次提出了一个... 基于深度学习的图像隐写方法,因存在模型参数量和计算量大等问题,而面临高参数和计算负载的挑战,为此提出了一种轻量高效的图像隐写方法。首先在编码器和解码器中引入Ghost模块,降低了编码器和解码器的参数量和计算量。其次提出了一个多尺度特征融合模块,用以捕捉多维数据中的复杂关系。最后提出了一个新颖的混合损失函数,可在保持模型不变的情况下提升图像隐写质量。实验结果表明,所提方法在256×256像素的图像上峰值信噪比达到47.59 dB。与目前最优的图像隐写方法相比,所提方法的隐写质量提升1.7 dB,参数量减少77%,计算量减少91%,在隐写质量上有较优的表现,同时模型的参数量和计算量大大降低,实现了模型的轻量高效化。 展开更多

关键词 图像隐写 深度学习 多尺度特征融合 混合损失函数

在线阅读 下载PDF 职称材料

应用RAtte-UNet的三维断层识别方法

3

作者 高新成 梁云虎 +1 位作者 王莉利 吴吉忠 《石油地球物理勘探》 北大核心 2025年第1期12-20,共9页

地震数据中的断层结构可以揭示地下构造和岩层变化,为资源勘探和地质灾害防治提供重要依据。然而实际采集的三维地震数据中包含大量噪声且断层体所占比例极小,利用蚂蚁体识别方法得到的结果误差较大,连续性和准确性不够。为此,提出一种... 地震数据中的断层结构可以揭示地下构造和岩层变化,为资源勘探和地质灾害防治提供重要依据。然而实际采集的三维地震数据中包含大量噪声且断层体所占比例极小,利用蚂蚁体识别方法得到的结果误差较大,连续性和准确性不够。为此,提出一种基于深度学习的三维残差注意力RAtte‑UNet断层识别方法,即融合残差跳跃连接与注意力机制并进行模型训练,采用混合损失函数减少断层与非断层的极度不平衡对网络训练的影响,使网络对于小断层具有更好的识别能力。通过对模拟数据和真实数据进行断层识别,准确率、召回率和精确率等评价指标均有所提升。相比于蚂蚁体等断层识别方法,该方法的识别结果中断层连续性更好,并能识别小断层,模型泛化能力更强。该方法可推广应用到实际地震勘探中。 展开更多

关键词 断层识别 残差跳跃连接 注意力机制 混合损失函数 RAtte‑UNet

在线阅读 下载PDF 职称材料

基于实时应用的头部姿态估计算法

4

作者 高强 丁兵如 +2 位作者 董昌林 谢英红 韩晓微 《沈阳大学学报(自然科学版)》 2025年第1期25-33,F0002,F0003,共11页

针对实时视频中头部姿势准确估计的问题,提出了一种创新的6DRepNet-MobileViT模型。该模型采用改进的MobileNetV2作为骨干网络,通过降低训练复杂性,实现了训练速度与精度的平衡,使用Hard-Swish函数,解决了较大的数值范围导致的精度下降... 针对实时视频中头部姿势准确估计的问题,提出了一种创新的6DRepNet-MobileViT模型。该模型采用改进的MobileNetV2作为骨干网络,通过降低训练复杂性,实现了训练速度与精度的平衡,使用Hard-Swish函数,解决了较大的数值范围导致的精度下降问题。使用混合损失函数,将地标距离损失函数与姿态欧拉角损失函数结合,更全面地提高了姿态估计的准确性。在公共数据集AFLW2000和BIWI上进行实验,结果表明:6DRepNet-MobileViT在各种复杂场景中均表现出高效的估计性能。 展开更多

关键词 头部姿态估计 实时视频 6DRepNet MobileViT 混合损失函数

在线阅读 下载PDF 职称材料

多尺度和卷积注意力相结合的红外与可见光图像融合

5

作者 祁艳杰 侯钦河 《红外技术》 CSCD 北大核心 2024年第9期1060-1069,共10页

针对红外与可见光图像融合时,单一尺度特征提取不足、红外目标与可见光纹理细节丢失等问题,提出一种多尺度和卷积注意力相结合的红外与可见光图像融合算法。首先,设计多尺度特征提取模块和可变形卷积注意力模块相结合的编码器网络,多感... 针对红外与可见光图像融合时,单一尺度特征提取不足、红外目标与可见光纹理细节丢失等问题,提出一种多尺度和卷积注意力相结合的红外与可见光图像融合算法。首先,设计多尺度特征提取模块和可变形卷积注意力模块相结合的编码器网络,多感受野提取红外与可见光图像的重要特征信息。然后,采用基于空间和通道双注意力机制的融合策略,进一步融合红外和可见光图像的典型特征。最后,由3层卷积层构成解码器网络,用于重构融合图像。此外,设计基于均方误差、多尺度结构相似度和色彩的混合损失函数约束网络训练,进一步提高融合图像与源图像的相似性。本算法在公开数据集上与7种图像融合算法进行比较,在主观评价和客观评价方面,所提算法相较其它对比算法具有较好的边缘保持性、源图像信息保留度,较高的融合图像质量。 展开更多

关键词 红外与可见光图像 混合损失函数 多尺度特征提取 注意力机制 图像融合

在线阅读 下载PDF 职称材料

结合空洞卷积与注意力机制的道路提取方法 被引量：1

6

作者 余果 李大成 杨毅 《中国空间科学技术（中英文）》 CSCD 北大核心 2024年第5期175-185,共11页

针对高分辨率影像中道路情况复杂,存在细小道路和被建筑、阴影等隔断道路,导致道路提取精度不高的问题,提出一种结合空洞卷积单元和并行注意力机制模块的改进模型AP-LinkNet。该模型是通过在下采样编码过程中扩大感受野和深层次关注道... 针对高分辨率影像中道路情况复杂,存在细小道路和被建筑、阴影等隔断道路,导致道路提取精度不高的问题,提出一种结合空洞卷积单元和并行注意力机制模块的改进模型AP-LinkNet。该模型是通过在下采样编码过程中扩大感受野和深层次关注道路特征以达到更高的细节道路提取精度。其中空洞卷积模块在扩大感受野的同时不改变空间上像素之间的关系,并行注意力机制提高输入影像采样过程中对通道和空间信息的关注度,并加权赋值给解码步骤的反卷积特征。结合两种机制的特点,减少复杂道路背景的噪声扰乱性以及提高道路提取模型的整体精度。与DeepLabV3+、U-Net、LinkNet和D-LinkNet模型做对比分析,AP-LinkNet模型在DeepGlobe数据集上道路提取的F_(1)分数和IOU评价指标为80.69%和78.65%,其中F_(1)分数分别高出对比模型11.71%、5.24%、3.97%和3.58%。结果表明模型精确度和鲁棒性更高,对于高分影像狭窄、被遮挡等复杂道路细节提取效果好。 展开更多

关键词 深度学习 空洞卷积 并行注意力机制 混合损失函数 卷积神经网络

在线阅读 下载PDF 职称材料

一种基于ConvMixer骨干的显著性目标检测模型

7

作者 张斯博 朱敬华 +1 位作者 奚赫然 杜欣月 《黑龙江大学工程学报（中英俄文）》 2024年第1期48-57,共10页

显著性目标检测(Saliency Object Detection,SOD)算法多采用基于卷积神经网络(Convolutional Neural Network,CNN)的骨干网络提取特征,然而CNN无法获取图像的长范围特征依赖。视觉转换器(Vision Transformer,ViT)将图像划分为图块(patc... 显著性目标检测(Saliency Object Detection,SOD)算法多采用基于卷积神经网络(Convolutional Neural Network,CNN)的骨干网络提取特征,然而CNN无法获取图像的长范围特征依赖。视觉转换器(Vision Transformer,ViT)将图像划分为图块(patch),通过Transformer在patch之间传播全局上下文信息获得长范围特征依赖,但Transformer的自注意力层具有二次方的时间复杂性。因此,提出一种低复杂性的基于patch的SOD算法CM-PoolNet,对经典的显著性目标检测PoolNet模型的骨干网络进行改进,使用卷积模型ConvMixer替换VGG和RestNet,提出新的特征融合方法。基于U型结构,编码器对输入图像进行Patch Embedding,送入重复堆叠的由深度可分离卷积和膨胀卷积构成的ConvMixer特征提取器中。为解码器设计了基于patch的特征融合模块。设计了BCE、SSIM和IOU 3种损失,引导模型在像素级、图块级、特征图级3级层次中学习输入图像和真值图像之间的转换。在DUTS数据集和ECSSD数据集上进行实验,结果表明:提出的模型能够有效地分割突出的目标区域,并且准确预测具有清晰边界的精细结构。 展开更多

关键词 显著性目标检测 补丁嵌入 混合损失函数 PoolNet ConvMixer

在线阅读 下载PDF 职称材料

一种基于U-Net的脑肿瘤分割方法

8

作者 李秀华 王士奇 宋立明 《长春工业大学学报》 CAS 2022年第6期693-699,共7页

脑肿瘤MRI图像分割是脑肿瘤诊断和治疗的重要环节。对于脑肿瘤MRI医学图像存在难以精确分割的问题,在U-Net网络分割方法基础上进行了改进,于编码路径-解码路径的长连接中引入注意力模块,使网络模型关注需要分割区域的特征,避免信息冗余... 脑肿瘤MRI图像分割是脑肿瘤诊断和治疗的重要环节。对于脑肿瘤MRI医学图像存在难以精确分割的问题,在U-Net网络分割方法基础上进行了改进,于编码路径-解码路径的长连接中引入注意力模块,使网络模型关注需要分割区域的特征,避免信息冗余,以达到脑肿瘤图像精准分割的目的。此外,还提出一种基于Dice损失和焦点损失的混合损失函数,用以解决类不平衡问题,提高对肿瘤核心区域的分割效果。将改进模型及改进混合损失函数在BraTS2018和BraTS2019上进行实验。通过分析表明,与传统的U-Net相比,提出的分割方法在脑肿瘤不同区域的Dice值、精准率、敏感度均有提升,拥有更好的性能。 展开更多

关键词 脑肿瘤图像分割 U-Net网络 混合损失函数 残差模块

在线阅读 下载PDF 职称材料

一种多尺度轻量级脑胶质瘤图像分割网络 被引量：3

9

作者 杨晋生 陈洪鹏 +1 位作者 关欣 李锵 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2022年第12期132-141,共10页

手动分割核磁共振成像(MRI)图像中的脑肿瘤区域费时、费力,容易受个人主观性的影响,能够可靠、高效的半自动或自动分割脑肿瘤,对于医学辅助诊断尤为重要。近年来,基于卷积神经网络的脑肿瘤图像自动分割方法虽然取得了长足进步,但现有方... 手动分割核磁共振成像(MRI)图像中的脑肿瘤区域费时、费力,容易受个人主观性的影响,能够可靠、高效的半自动或自动分割脑肿瘤,对于医学辅助诊断尤为重要。近年来,基于卷积神经网络的脑肿瘤图像自动分割方法虽然取得了长足进步,但现有方法仍未能有效地融合肿瘤图像大尺度轮廓和小尺度纹理细节等方面特征,忽略了训练时丰富的全局上下文信息。针对这些问题,文中提出了一种多尺度轻量级脑肿瘤图像分割网络MSL-Net。首先,利用改进的分层解耦卷积替换U-Net网络中的基础卷积,在高效探索多尺度多视图空间信息的同时扩大了感受野;然后,在跳跃连接处引入双向加权空洞特征金字塔结构以融合多尺度特征,并使用结合了广义Dice损失函数和Focal损失函数的混合损失函数,以提升肿瘤和非肿瘤区像素数量不平衡情况下的分割精度并加快收敛速度。在BraTS 2019数据集上的实验结果表明:文中所提出的MSL-Net网络在整体肿瘤区、核心肿瘤区和增强肿瘤区的Dice相似系数分别为0.900 3、0.830 6和0.777 0,参数量和计算量(每秒浮点运算次数)分别为3.9×10^(5)和3.16×10^(10);与目前先进的方法相比,文中方法在实现轻量化的同时获得高的分割精度。 展开更多

关键词 脑肿瘤 图像分割 空洞卷积 特征融合 混合损失函数 多尺度 人工智能

在线阅读 下载PDF 职称材料

坐标并行注意力下密集空洞卷积的脉络膜分割

10

作者 刘渝 夏源祥 万永菁 《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心 2023年第2期247-254,共8页

脉络膜的变化与很多眼科疾病密切相关。医生在诊断过程中常需要手动分割光学断层扫描图像(Optical Coherence Tomography,OCT)中的脉络膜,再定量分析脉络膜健康状况,但人工分割费时费力。脉络膜自动分割难点在于OCT图像中脉络膜下边界模... 脉络膜的变化与很多眼科疾病密切相关。医生在诊断过程中常需要手动分割光学断层扫描图像(Optical Coherence Tomography,OCT)中的脉络膜,再定量分析脉络膜健康状况,但人工分割费时费力。脉络膜自动分割难点在于OCT图像中脉络膜下边界模糊,很难捕捉上下文信息,并且脉络膜结构跟视网膜结构比较类似,容易混淆。为了解决该难点,本文提出了融合坐标并行注意力模块和密集空洞卷积模块的残差编解码模型;设计了一种桥结构,包含了注意力机制和空洞卷积,在增加模型感受野的同时抑制浅层噪声;同时为了使模型关注脉络膜结构信息,引入了一种包含结构相似性的混合损失函数来训练模型。实验结果表明,该模型能有效提升对脉络膜的分割精度,在OCT脉络膜数据集上,Dice系数和Jaccard相似度达到了97.63%和95.28%。 展开更多

关键词 脉络膜分割 坐标并行注意力 密集空洞卷积 残差模型 混合损失函数

在线阅读 下载PDF 职称材料

基于多尺度残差双域注意力网络的乳腺动态对比度增强磁共振成像肿瘤分割方法 被引量：1

11

作者 刘侠 吕志伟 +2 位作者 李博 王波 王狄 《电子与信息学报》 EI CSCD 北大核心 2023年第5期1774-1785,共12页

针对乳腺肿瘤大小形态多变、边界模糊以及前景与背景间严重类不平衡的问题,该文提出一种多尺度残差双域注意力融合网络。该网络以多尺度卷积构成的多尺度残差块作为基本搭建模块,通过提取多尺度特征和优化梯度传播通道提高其识别不同尺... 针对乳腺肿瘤大小形态多变、边界模糊以及前景与背景间严重类不平衡的问题,该文提出一种多尺度残差双域注意力融合网络。该网络以多尺度卷积构成的多尺度残差块作为基本搭建模块,通过提取多尺度特征和优化梯度传播通道提高其识别不同尺寸目标的能力,同时融入双域注意力单元,提高网络的边缘识别和边界保持能力。另外该文提出一种混合自适应权重损失函数改善网络优化方向,缓解正负样本极度不均衡的影响。实验结果表明,该文所提方法的平均骰子相似系数(Dice)值达到0.8063,较U形网络(UNet)提高5.3%,参数量下降73.36%,具有更优的分割性能。 展开更多

关键词 乳腺肿瘤分割 多尺度残差块 双域注意力 混合自适应权重损失函数

在线阅读 下载PDF 职称材料

用于图像分割的强制召回特征注意力网络

12

作者 魏建华 李佳颖 +1 位作者 黄成健 胡庆茂 《集成技术》 2020年第6期59-70,共12页

为解决医学图像中前景背景比例严重失衡及小目标区域难以分割的问题,该文提出了一种基于高斯图像金字塔的注意力网络。具体地,首先在特征解码阶段将空间信息与抽象信息进行特征融合;其次,设计了一个特征召回器以强制编码器减少遗漏感兴... 为解决医学图像中前景背景比例严重失衡及小目标区域难以分割的问题,该文提出了一种基于高斯图像金字塔的注意力网络。具体地,首先在特征解码阶段将空间信息与抽象信息进行特征融合;其次,设计了一个特征召回器以强制编码器减少遗漏感兴趣区域的特征;最后,引入分类精度和全局区域重叠项组成的混合损失函数来处理医学图像前景背景严重不平衡问题。所提出的方法在膝关节软骨数据集和COVOID-19胸部CT数据集中进行了验证,其分割区域分别占2.08%和10.73%。与U-Net及其主流变体相比,该方法在两个数据集上都得到了最佳的Dice系数,分别为0.884±0.032和0.831±0.072。 展开更多

关键词 图像分割 高斯图像金字塔 注意力网络 特征召回器 混合损失函数

在线阅读 下载PDF 职称材料

基于残差细化和边界感知的显著性检测

13

作者 郑陈怡 祝忠明 +1 位作者 罗聪敏 郭明昊 《科技通报》 2021年第2期72-74,共3页

针对目前显著性检测算法精度不高、目标边缘模糊等问题,本文提出一种基于残差细化和边界感知的显著性检测算法。其中残差细化充分利用高层语义特征和低层细节特征得到信息较为完整的显著图,而边界感知能关注到更多的边缘细节信息,解决... 针对目前显著性检测算法精度不高、目标边缘模糊等问题,本文提出一种基于残差细化和边界感知的显著性检测算法。其中残差细化充分利用高层语义特征和低层细节特征得到信息较为完整的显著图,而边界感知能关注到更多的边缘细节信息,解决目标边缘模糊的问题。实验表明,通过定性和定量比较,本文算法的精确度和准确度都得到了提高,且有效解决了目标边界模糊的问题。 展开更多

关键词 残差细化 边界感知 混合损失函数 显著性检测

在线阅读 下载PDF 职称材料

基于改进U-Net的新冠肺炎图像分割方法

14

作者 杨梅 罗建 +1 位作者 张晓倩 金芊芊 《成都信息工程大学学报》 2023年第1期44-48,共5页

近两年,新冠肺炎在全球暴发,给人类带来了极其严重的生命安全隐患,为尽可能地提高医生的诊断效率,研究新冠肺炎图像的病灶分割方法是极具价值的。利用U-Net网络模型作为基础网络,在第一、二层拼接前,引入改进的通道注意力,强化重要信息... 近两年,新冠肺炎在全球暴发,给人类带来了极其严重的生命安全隐患,为尽可能地提高医生的诊断效率,研究新冠肺炎图像的病灶分割方法是极具价值的。利用U-Net网络模型作为基础网络,在第一、二层拼接前,引入改进的通道注意力,强化重要信息;在第三、四层拼接前,引入空间注意力,提取空间信息,对目标区域的细节信息进行补充;最后使用混合损失函数,加快网络收敛速度,避免样本不均衡。对比基础网络,改进后的网络模型既能够分割出较大的目标区域,也能够分割出较小的目标区域,更好地避免出现梯度消失问题,捕捉特征更加充分,有效提高分割性能和网络的可靠性。 展开更多

关键词 U-Net 高斯误差线性单元 通道注意力 空间注意力 混合损失函数

在线阅读 下载PDF 职称材料

基于改进DeepLabV3p的遥感图像中小目标分割方法

15

作者 金芊芊 罗建 +2 位作者 张晓倩 杨梅 李杨 《成都信息工程大学学报》 2023年第6期673-680,共8页

针对背景信息复杂、目标类别不均衡,遥感图像的中小目标在分割时常出现误检、漏检的问题,提出一种基于DeepLabV3p改进的遥感图像中小目标分割方法。采用ResNet101作为DeepLabV3p的骨干网络,提出多级感受野融合的ASPP模块,以获取更多感受... 针对背景信息复杂、目标类别不均衡,遥感图像的中小目标在分割时常出现误检、漏检的问题,提出一种基于DeepLabV3p改进的遥感图像中小目标分割方法。采用ResNet101作为DeepLabV3p的骨干网络,提出多级感受野融合的ASPP模块,以获取更多感受野;添加SE注意力机制,使模型获得更加精准的通道信息;使用加权的CrossEntropyLoss和LovaszSoftmaxLoss损失函数进行训练,克服数据集目标不均衡的问题;使用全连接条件随机场对预测结果进行图像后处理,对模型输出进行精细化处理。实验结果表明,使用该方法对DLRSD数据集进行分割,mIOU可达到73.22%,与基础网络相比提高了3.78%,有效提高了遥感图像中小目标的分割精度和准确率。 展开更多

关键词 DeepLabV3p 遥感图像 SE注意力机制 ASPP CRFs全连接条件随机场 混合损失函数

在线阅读 下载PDF 职称材料