基于孪生网络的特征融合位移RGB-T目标跟踪

1

作者 李海燕 曹永辉 +1 位作者 郎恂 李海江 《湖南大学学报(自然科学版)》 北大核心 2025年第4期68-78,共11页

为解决现有目标跟踪算法深层次特征提取困难、不能充分利用跨模态信息以及目标特征表示较弱等问题,提出了基于孪生网络的特征融合位移RGB-T目标跟踪算法.首先,基于可见光模态SiameseRPN++的目标跟踪框架,扩展设计红外模态分支,以获得多... 为解决现有目标跟踪算法深层次特征提取困难、不能充分利用跨模态信息以及目标特征表示较弱等问题,提出了基于孪生网络的特征融合位移RGB-T目标跟踪算法.首先,基于可见光模态SiameseRPN++的目标跟踪框架,扩展设计红外模态分支,以获得多模态目标跟踪框架,设计了改进步长的ResNet50作为特征提取网络,有效挖掘目标的深层次特征.随后,设计特征交互学习模块,利用一种模态的判别信息引导另一种模态的目标外观特征学习,挖掘特征空间和通道中的跨模态信息,增强网络对前景信息的关注.然后,设计多模特征融合模块计算输入的可见光图像和红外图像的特征融合度,对不同模态的重要特征进行空间融合以去除冗余信息,并采用级联融合策略重建多模态图像,增强目标特征表示.最后,设计特征空间位移模块,分割红外模态分支的特征图并向四个不同方向移位,增强热源目标特征的边缘表示.在两个RGB-T数据集上的实验验证了提出算法的有效性,消融实验证明了设计的单个模块的优越性. 展开更多

关键词 RGB-T跟踪 多模特征融合模块 特征空间位移模块 特征交互学习模块

在线阅读 下载PDF 职称材料

时空网络特征融合的病理步态识别方法

2

作者 李聪聪 王斌 +1 位作者 李亚南 李一帆 《计算机工程与设计》 北大核心 2025年第7期2109-2116,共8页

针对病理步态识别方法中存在空间信息或时序信息丢失的问题,提出一种时空网络特征融合的病理步态识别方法。结合卷积网络和时序网络,学习更具判别性的步态时空特征。卷积网络中引入阶梯融合式空洞空间金字塔池化,获得更鲁棒的多尺度融... 针对病理步态识别方法中存在空间信息或时序信息丢失的问题,提出一种时空网络特征融合的病理步态识别方法。结合卷积网络和时序网络,学习更具判别性的步态时空特征。卷积网络中引入阶梯融合式空洞空间金字塔池化,获得更鲁棒的多尺度融合步态表征。联合卷积核替换和残差块改进对卷积网络进一步优化。时序网络中引入全局与局部时空特征融合模块,形成对时空特征的更细节表达。融合空间特征和时空特征,减轻Bi LSTM学习空间特征中时间模式的过程中丢失空间特征的影响。所提模型在自建数据集和GAIT-IST数据集上的准确率分别达到了97.69%和94.16%,实验结果表明,该方法较其它方法取得了更优的性能。 展开更多

关键词 病理步态识别 时空网络 特征融合 时空特征 阶梯融合式空洞空间金字塔池化 多尺度特征 全局与局部时空特征融合模块

在线阅读 下载PDF 职称材料

DB-YOLO:特征增强融合的双骨干YOLOv8道路缺陷检测模型 被引量：6

3

作者 叶发茂 张立 +1 位作者 袁燎 李大军 《计算机工程与应用》 CSCD 北大核心 2024年第24期260-269,共10页

虽然已经提出了许多基于深度学习的道路缺陷检测方法,但这些方法通常忽略了一些道路缺陷检测任务中非常重要的道路缺陷相关的边缘特征信息。为了充分利用这些边缘特征信息,提出了一种改进的双骨干YOLOv8模型(dual backbone YOLOv8 model... 虽然已经提出了许多基于深度学习的道路缺陷检测方法,但这些方法通常忽略了一些道路缺陷检测任务中非常重要的道路缺陷相关的边缘特征信息。为了充分利用这些边缘特征信息,提出了一种改进的双骨干YOLOv8模型(dual backbone YOLOv8 model,DB-YOLO)用于道路缺陷检测。设计了边缘特征提取模块(edge feature extraction model,EFEM)用于过滤图像低频信息,提取图像高频边缘信息。设计了双骨干网络来提取特征,在原模型基础上增加一个边缘特征骨干网络(edge feature backbone,EFB),对EFEM提取的图像高频边缘信息进行处理,提取边缘特征,为道路缺陷检测提供更丰富的特征。提出了一种新的特征增强融合模块(feature enhancement fusion module,FEFM)用于融合各种特征,并采用多个FEFM模块将边缘特征、不同级别的图像特征进行有机融合。引入Label smoothing策略减弱了数据集中标签质量的影响,增强了模型的泛化能力,进一步提升模型的检测精度。实验结果表明,在GRDDC2020数据集上,DB-YOLO_v8s的mAP和F1分别取得56.42%、56.13%,较YOLO_v8s分别提升了1.3和1.96个百分点,检测速度达到了64.94帧/s,满足实时检测要求。此外,DB-YOLO_v8s在官方测试集Test_1和Test_2上的F1分数分别为58.79%和58.52%,与其他方法相比,在两个测试数据集中F1分别高了0.65和1.37个百分点。因此,提出的模型可以提升道路缺陷检测精度。 展开更多

关键词 道路缺陷检测 YOLOv8 双骨干 特征增强融合模块 注意力机制

在线阅读 下载PDF 职称材料

融合渐进式去雨网络的军用车辆检测算法

4

作者 苏胜君 仝秋红 +3 位作者 柴国庆 苏海东 王凯 胡待方 《现代电子技术》 北大核心 2025年第5期127-134,共8页

针对雨天场景下检测军用车辆目标时出现的精度退化问题,提出一种将渐进式去雨算法与高精确率检测器相融合的军用车辆检测方法。首先设计了一个图像去雨算法HISPNet,其包括轻量级高效雨纹特征提取模块和跨子网雨纹特征融合模块,捕获雨纹... 针对雨天场景下检测军用车辆目标时出现的精度退化问题,提出一种将渐进式去雨算法与高精确率检测器相融合的军用车辆检测方法。首先设计了一个图像去雨算法HISPNet,其包括轻量级高效雨纹特征提取模块和跨子网雨纹特征融合模块,捕获雨纹信息的同时缓解卷积过程中的细节特征丢失问题;其次引入SPPFCSPC模块改进了单阶段检测器,保证检测器感受野的同时提高了效率,增强了检测模型的表达能力。自建数据集中的实验结果表明,雨天场景下,相较于经典检测算法YOLOv7,所提算法的mAP@0.5、mAP@0.5:0.95分别提升了4.4%、2.8%,算法检测速度达到21.05 f/s,基本满足检测实时性要求,证明了所提算法的有效性与实用性。 展开更多

关键词 图像去雨 编码器-解码器架构 轻量级高效雨纹特征提取模块 跨子网雨纹特征融合模块 SPPFCSPC模块 军用车辆检测

在线阅读 下载PDF 职称材料

基于联合学习和多级小波特征金字塔的MRI-TRUS图像配准方法

5

作者 蒋宏贵 胡冀苏 +3 位作者 钱旭升 郑毅 周志勇 戴亚康 《计算机工程》 北大核心 2025年第10期270-283,共14页

磁共振图像(MRI)和经直肠超声(TRUS)图像的配准是将术前MRI配准在超声图像上,结合两种模态图像的优势,快速定位病灶区域,在辅助诊断、穿刺、术中导航等医学手术中起重要作用。由于这两种图像模式之间固有的表征差异,具有显著的强度失真... 磁共振图像(MRI)和经直肠超声(TRUS)图像的配准是将术前MRI配准在超声图像上,结合两种模态图像的优势,快速定位病灶区域,在辅助诊断、穿刺、术中导航等医学手术中起重要作用。由于这两种图像模式之间固有的表征差异,具有显著的强度失真和变形,因此在这两种图像模式之间寻找精确的密集对应关系面临较大挑战。为此,提出一种基于联合学习和多级小波特征金字塔(MWFP)的弱监督可变形配准网络框架,对MRI和TRUS图像进行对齐。联合学习是基于预训练的半监督分割网络和配准网络组成的框架,在联合学习框架中分割网络和配准网络继续交替训练,分割网络为配准网络提供前列腺标签约束全局配准,有效解决了配准网络中标签不足的问题。MWFP是采用多分辨小波构成的配准网络,小波金字塔生成的多尺度图像过滤了噪声并减小了两种模式图像之间的表征差异,提高配准网络学习多尺度特征的能力,并在配准网络中设计多尺度特征融合注意力(MSFFA)模块,对特征进行更进一步筛选,为配准提供局部密集对应关系。此外,配准网络提供的形变分割图像和分割标签混合原有的人工标注标签和图像及其分割网络生成的伪标签和其图像放入分割网络继续训练,进一步提高多模态图像分割的性能。在642例公开前列腺MRI和TRUS图像活检数据集上的实验结果表明,所提的配准方法达到最优的Dice相似系数(DSC)值、95%Hausdorff距离(HD95)、互信息(MI)值和结构相似性(SSIM)值,分别是81.05%±1.77%、12.83±1.49 mm、18.12%±4.63%和27.12%±4.63%,优于对比的传统配准方法和先进的深度学习配准方法。此外,所提方法的平均配准时间为0.18±0.02 s,比传统的方法提升了近400倍。所提的配准方法能够准确实时地估计前列腺MRI和TRUS图像之间的形变场,具有更高的配准精度和更快的配准速度。 展开更多

关键词 联合学习 多级小波特征金字塔 可变形配准 多尺度特征融合注意力模块 半监督分割

在线阅读 下载PDF 职称材料

融合注意力特征及动态卷积的肺结节辅助诊断 被引量：6

6

作者 谷宇 刘佳琪 +3 位作者 杨立东 张宝华 张祥松 贾成一 《科学技术与工程》 北大核心 2023年第16期6834-6844,共11页

针对肺结节关键影像征象信息不易获取,部分卷积神经网络(convolutional neural networks,CNN)模型对肺结节的识别率不高的问题,提出一种融合注意力特征的动态卷积残差网络(dynamic convolutional residual networks incorporating atten... 针对肺结节关键影像征象信息不易获取,部分卷积神经网络(convolutional neural networks,CNN)模型对肺结节的识别率不高的问题,提出一种融合注意力特征的动态卷积残差网络(dynamic convolutional residual networks incorporating attention features,DcANet),并在有效实现肺结节良恶性分类的基础上对所提模型的诊断结果进行可视化分析。此网络以适应肺结节三维小尺寸输入特点的残差网络为基本框架,在DcABlock部分使用可以自适应调整卷积参数的动态卷积以及迭代注意特征融合模块,使模型能够更准确地获取肺结节信息,提高模型的表征能力。此外,还使用类激活映射将三维图像的各层切片进行可视化分析。实验在最终测试集上的准确率为85.87%,平衡F分数(F1)值为82.67%,敏感度和特异性的综合指标Gmean值为85.51%。实验结果表明:该网络可以提升对肺结节良恶性分类的准确性,诊断结果具有可信性,有一定的临床应用价值。 展开更多

关键词 肺结节辅助诊断 动态卷积 迭代注意特征融合模块 深度学习 类激活映射

在线阅读 下载PDF 职称材料

融合多分辨率特征的点云分类与分割网络 被引量：4

7

作者 陶志勇 李衡 +1 位作者 豆淼森 林森 《光电工程》 CAS CSCD 北大核心 2023年第10期50-61,共12页

针对现有网络难以有效学习点云局部几何信息的问题,提出一种融合点云多分辨率特征的图卷积网络。首先,通过k-最近邻算法对点云构建局部图结构,以更好地表示点云的局部几何结构。其次,基于最远点采样算法提出一个并行通道分支,该分支通... 针对现有网络难以有效学习点云局部几何信息的问题,提出一种融合点云多分辨率特征的图卷积网络。首先,通过k-最近邻算法对点云构建局部图结构,以更好地表示点云的局部几何结构。其次,基于最远点采样算法提出一个并行通道分支,该分支通过对点云进行下采样来获得不同分辨率的点云,然后对其进行分组处理;为克服点云的稀疏特性,提出一种几何映射模块对分组点云执行正态化操作。最后,提出一种特征融合模块对图特征和多分辨率特征进行聚合,以更有效地获得全局特征。实验使用ModelNet40、ScanObjectNN和ShapeNet Part数据集进行评估,结果表明,提出的网络具有良好的分类与分割性能。 展开更多

关键词 点云 图卷积网络 多分辨率点云 特征融合模块

在线阅读 下载PDF 职称材料

基于残差卷积网络的多传感器融合永磁同步电机故障诊断 被引量：8

8

作者 邱建琪 沈佳晨 +2 位作者 史涔溦 史婷娜 李鸿杰 《电机与控制学报》 EI CSCD 北大核心 2024年第7期24-33,42,共11页

作为工业生产与日常生活的常见设备,永磁同步电机的故障诊断研究具有十分重要的意义。以永磁同步电机的匝间短路、退磁、轴承故障为诊断目标,提出一种新型的多传感器特征融合网络(MSFFN),结合多传感器融合技术与卷积神经网络实现永磁同... 作为工业生产与日常生活的常见设备,永磁同步电机的故障诊断研究具有十分重要的意义。以永磁同步电机的匝间短路、退磁、轴承故障为诊断目标,提出一种新型的多传感器特征融合网络(MSFFN),结合多传感器融合技术与卷积神经网络实现永磁同步电机的可靠故障诊断。网络采用2个带有残差模块的卷积神经网络,对输入的电流信号与振动信号并行提取隐藏特征,并设计一种中间特征融合模块(IFFM)有效融合电流和振动的各层隐藏特征,IFFM基于注意力机制对网络中的电流特征与振动特征进行筛选,自适应关注不同信号的内在相关特征,以实现更好的诊断效果。搭建了故障样机测试平台进行数据采集与实验验证,实验结果表明,提出方法具有更高的诊断准确率,同时在叠加了强噪声的条件下,具备更强的抗干扰能力。 展开更多

关键词 多传感器融合 卷积神经网络 中间特征融合模块 残差模块 永磁同步电机 故障诊断

在线阅读 下载PDF 职称材料

基于双阶段特征解耦网络的单幅图像去雨方法 被引量：1

9

作者 汤红忠 熊珮全 +2 位作者 王蔚 王晒雅 陈磊 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2024年第2期273-282,共10页

针对现有的单幅图像去雨方法无法有效地平衡背景图像细节恢复与有雨分量去除问题,提出一种基于双阶段特征解耦网络的单幅图像去雨方法,采用渐进式的学习方式从粗到细分阶段进行单幅图像去雨.首先构建压缩激励残差模块,实现背景图像与有... 针对现有的单幅图像去雨方法无法有效地平衡背景图像细节恢复与有雨分量去除问题,提出一种基于双阶段特征解耦网络的单幅图像去雨方法,采用渐进式的学习方式从粗到细分阶段进行单幅图像去雨.首先构建压缩激励残差模块,实现背景图像与有雨分量的初步分离;然后设计全局特征融合模块,其中特别引入特征解耦模块分离有雨分量和背景图像的特征,实现细粒度的图像去雨;最后利用重构损失、结构相似损失、边缘感知损失和纹理一致性损失构成的复合损失函数训练网络,实现高质量的无雨图像重构.实验结果表明,在Test100合成雨图数据集上,所提方法峰值信噪比为25.57dB,结构相似性为0.89;在100幅真实雨图上,所提方法的自然图像质量评估器为3.53,无参考图像空间质量评估器为20.16;在去雨后的RefineNet目标分割任务中,平均交并比为29.41%,平均像素精度为70.06%;视觉效果上,该方法能保留更多的背景图像特征,有效地辅助下游的目标分割任务的开展. 展开更多

关键词 特征解耦网络 压缩激励残差模块 全局特征融合模块 复合损失函数 单幅图像去雨

在线阅读 下载PDF 职称材料

基于全尺度特征融合的自监督单目深度估计 被引量：2

10

作者 王聪 陈莹 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2023年第5期667-675,共9页

针对自监督单目深度估计生成的深度图边界模糊、伪影过多等问题,提出基于全尺度特征融合模块(FSFFM)和链式残差池化模块(CRPM)的深度网络编解码结构.在解码时,将编码器得到的高分辨率和相同分辨率特征与之前解码器得到的低分辨率特征以... 针对自监督单目深度估计生成的深度图边界模糊、伪影过多等问题,提出基于全尺度特征融合模块(FSFFM)和链式残差池化模块(CRPM)的深度网络编解码结构.在解码时,将编码器得到的高分辨率和相同分辨率特征与之前解码器得到的低分辨率特征以及上一级逆深度图进行融合,使网络学习到的特征既包含全局信息又包含局部信息.使用CRPM从融合特征中获取背景上下文信息,最终得到更精确的深度图.在KITTI数据集上进行了实验,与之前工作相比,该方法深度值绝对误差降低了7.8%,阈值为1.25的精确度提高了1.1%,其结果优于现有大多数自监督单目深度估计算法. 展开更多

关键词 深度估计 自监督 全尺度特征融合模块 链式残差池化模块

在线阅读 下载PDF 职称材料

基于局部特征增强的视网膜血管分割

11

作者 王倩 辛月兰 《激光杂志》 CAS 北大核心 2024年第4期216-222,共7页

视网膜血管具有细小复杂的特点,在对其进行分割时,经常出现噪点、断裂和欠分割等问题。针对此现象,提出一种基于局部特征增强的轻量化网络LRU-Net,以捕获更多细小血管特征。首先,在通道注意力模块中加入特征提取模块,对输入特征进行二... 视网膜血管具有细小复杂的特点,在对其进行分割时,经常出现噪点、断裂和欠分割等问题。针对此现象,提出一种基于局部特征增强的轻量化网络LRU-Net,以捕获更多细小血管特征。首先,在通道注意力模块中加入特征提取模块,对输入特征进行二次特征提取,以得到更多的细节特征;其次,设计了一个特征融合模块,在解码器中能更有效地融合高级和低级特性,加强最终的特征表示;最后,设计了一个上下文聚合模块,提取最深层特征不同分辨率的多尺度信息,然后进行拼接,使进入上采样的输入特征更加细化。在FIVES和OCTA-500数据集上的实验结果表明,与基础网络U-Net相比,本文所提方法在做到轻量化的同时,视网膜血管分割的准确度也有了一定的提升,在两个数据集上分别达到了98.45%、97.05%。 展开更多

关键词 特征增强 特征融合模块 上下文聚合模块 视网膜血管分割

在线阅读 下载PDF 职称材料

基于Transformer两阶段策略的古代服饰线图提取

12

作者 周蓬勃 冯龙 +1 位作者 武浩东 寇宇帆 《西北大学学报(自然科学版)》 北大核心 2025年第1期75-84,共10页

古代服饰线图提取旨在精确获取轮廓与形状信息,以助于再创作和传统服饰保护。但现有方法增加网络以提高泛化性,导致参数量大增。为此,提出了基于Transformer的两阶段边缘检测方法,旨在解决图像局部信息丢失以及模型参数量大的问题。第... 古代服饰线图提取旨在精确获取轮廓与形状信息,以助于再创作和传统服饰保护。但现有方法增加网络以提高泛化性,导致参数量大增。为此,提出了基于Transformer的两阶段边缘检测方法,旨在解决图像局部信息丢失以及模型参数量大的问题。第一阶段将图像分割成16×16粗粒度补丁,利用编码器进行全局自注意力计算以捕获补丁间依赖;第二阶段采用8×8细粒度无重叠滑动窗口覆盖图像,通过局部编码器计算窗口内注意力有效捕捉细微边缘且降低成本。设计了轻量特征融合模块,支持全局与局部特征的高效整合。实验结果表明,该方法在古代服饰和公共数据集上边缘轮廓信息提取效果优于现有方法,ODS指标平均提升15.9%。虽然OIS和AP未超过Informative Drawing,但在模型体量和耗时方面具有明显优势。 展开更多

关键词 边缘检测 TRANSFORMER 轻量特征融合模块

在线阅读 下载PDF 职称材料

改进YOLOv7-Tiny的道路裂缝检测算法 被引量：3

13

作者 王启涵 刘超 《计算机工程与应用》 北大核心 2025年第10期372-380,共9页

道路裂缝检测是道路工程中的重要环节。针对现阶段道路裂缝检测算法中准确度低、效率低的问题,提出了一种基于YOLOv7-Tiny的轻量型道路裂缝检测算法YOLOv7-TPSF。引入部分卷积PConv,对原网络中耗参量较多的3×3卷积层进行部分替换,... 道路裂缝检测是道路工程中的重要环节。针对现阶段道路裂缝检测算法中准确度低、效率低的问题,提出了一种基于YOLOv7-Tiny的轻量型道路裂缝检测算法YOLOv7-TPSF。引入部分卷积PConv,对原网络中耗参量较多的3×3卷积层进行部分替换,降低模型的参数量,提升模型的训练速度;结合特征融合网络BiFusion Neck与加权特征金字塔BiFPN的优点,提出了新的特征融合模块Bi-FusFPN,减少网络计算量,强化多尺度特征的融合能力;在输出端添加无参注意力机制SimAM,进一步提高大、中、小三类目标的检测能力。实验结果表明,YOLOv7-TPSF算法相较于YOLOv7-Tiny算法,网络参数量与计算量分别减少了31.7%、34.6%,准确度与检测速度分别提高了3.7%、9.7%,一定程度上满足了道路裂缝检测准确性与实时性的需求。 展开更多

关键词 道路裂缝检测 YOLOv7-Tiny 轻量型 注意力机制 特征融合模块Bi-FusFPN

在线阅读 下载PDF 职称材料

基于样式权重调制技术的少样本火焰图像增强

14

作者 李明杰 胡羿 易正明 《计算机科学》 北大核心 2025年第S1期491-497,共7页

少样本图像生成技术仅依靠稀缺有限的目标样本,就能够生成以假乱真和多样化的图像,这可以为下游的目标识别任务构建可靠的数据集。这项工作提出了一种基于权重调制的少样本生成模型,在仅输入3张目标图像的条件下,便能获得与目标样本具... 少样本图像生成技术仅依靠稀缺有限的目标样本,就能够生成以假乱真和多样化的图像,这可以为下游的目标识别任务构建可靠的数据集。这项工作提出了一种基于权重调制的少样本生成模型,在仅输入3张目标图像的条件下,便能获得与目标样本具有相同内容且特征呈现多样化的图像。具体来说,对生成器中的编码器和解码器经过了精心设计,采用了梯度流更好的C2F结构来搭建金字塔型网络构架,最大程度地还原图像在不同层次的原始特征。采用了基于注意力机制的特征融合方法,引入了特征样式潜码来控制特征融合质量。其中,样式潜码使用了权重缩放的策略,有效地消除了生成伪影,使生成图像更加逼真。同时,还使用了优化的特征长度探测算法来对源域和目标域的重要信息进行接近度探测。这一技巧能够使模型在源域中通过预训练得到的先验信息更好地迁移到目标域中。针对火焰图像样本的生成任务,给出了定性和定量的对比结果,所提出的模型能够切实提高yolov8算法下的火焰目标识别性能,实质性地提升了数据增强的效果。 展开更多

关键词 少样本生成 火焰数据集 特征融合模块 迁移学习 预训练 权重调制 目标识别 样式潜码

在线阅读 下载PDF 职称材料

基于改进RetinaNet模型速冻水饺表面缺陷检测 被引量：1

15

作者 费致根 郭兴 +2 位作者 宋晓晓 鲁豪 赵鑫昌 《食品工业科技》 北大核心 2025年第6期9-19,共11页

目的:提升速冻水饺表面缺陷检测的精度。方法:制作了包含五种冻饺形态(正常、露馅、半饺、破肚、粘连)的数据集,提出了用于速冻水饺表面缺陷检测与定位的网络模型GX-RetinaNet。该模型基于RetinaNet网络改进,主干特征提取网络采用ResNeX... 目的:提升速冻水饺表面缺陷检测的精度。方法:制作了包含五种冻饺形态(正常、露馅、半饺、破肚、粘连)的数据集,提出了用于速冻水饺表面缺陷检测与定位的网络模型GX-RetinaNet。该模型基于RetinaNet网络改进,主干特征提取网络采用ResNeXt-50模型,增强网络特征提取能力,引入卷积块注意力模块(Convolutional Block Attention Module,CBAM)与Swish激活函数有效抑制背景噪声,通过在特征金字塔模块(Feature Pyramid Networks,FPN)后增加PAN结构(Path Aggregation Network)组成双向特征融合模块,可以提升对目标多尺度特征信息的融合能力。结果:GX-RetinaNet网络对工业现场条件下速冻水饺表面缺陷的在线检测精度优于主流的几种目标检测网络,其平均精度均值(mAP)为94.8%,召回率(Recall)为77.0%,F1分数(F1-score)为84.9%。与RetinaNet网络相比,mAP、Recall和F1-score分别提高了2.6%、2.6%、2.4%。结论:GX-RetinaNet网络模型可以满足冻饺表面缺陷检测精度的要求,本研究为深度学习理论在速冻水饺表面缺陷检测方面的应用提供了一种可行的方法。 展开更多

关键词 速冻水饺表面缺陷检测 RetinaNet ResNeXt-50 卷积块注意力模块 双向特征融合模块

在线阅读 下载PDF 职称材料

基于高分辨扩展金字塔的场景文本检测

16

作者 王满利 窦泽亚 +2 位作者 蔡明哲 刘群坡 史艳楠 《电子与信息学报》 北大核心 2025年第7期2334-2346,共13页

文本检测作为计算机视觉领域一项重要分支,在文字翻译、自动驾驶和票据信息处理等方面具有重要的应用价值。当前文本检测算法仍无法解决实际拍摄图像的部分文本分辨率低、尺度变化大和有效特征不足的问题。针对上述待解决的问题,该文提... 文本检测作为计算机视觉领域一项重要分支,在文字翻译、自动驾驶和票据信息处理等方面具有重要的应用价值。当前文本检测算法仍无法解决实际拍摄图像的部分文本分辨率低、尺度变化大和有效特征不足的问题。针对上述待解决的问题,该文提出一种基于高分辨扩展金字塔的场景文本检测方法(HREPNet)。首先,构造一种改进型特征金字塔,引入高分辨扩展层和超分辨特征模块,有效增强文本分辨率特征,解决部分文本分辨率低的问题;同时,在主干网络传递特征过程中引入多尺度特征提取模块,通过多分支空洞卷积结构与注意力机制,充分获取文本多尺度特征,解决文本尺度变化大的问题;最后,提出高效特征融合模块,选择性融合高分辨特征和多尺度特征,从而减少模型的空间信息的丢失,解决有效特征不足的问题。实验结果表明,HREPNet在公开数据集ICDAR2015,CTW1500和Total-Text上综合指标F值分别提高了7.6%,5.5%和3.0%,在准确率召回率上都得到显著提升;此外,HREPNet对不同尺度和分辨率的文本检测效果均有明显提升,对小尺度和低分辨率文本提升尤为显著。 展开更多

关键词 文本检测 高分辨扩展金字塔 多尺度特征提取模块 高效特征融合模块

在线阅读 下载PDF 职称材料

基于区域语义和边缘信息融合的作物苗期植株分割模型 被引量：10

17

作者 廖娟 陈民慧 +3 位作者 张锴 邹禹 张顺 朱德泉 《农业机械学报》 EI CAS CSCD 北大核心 2021年第12期171-181,共11页

为在自然环境下准确分割作物苗期植株,实现苗期植株定位及其表型自动化测量,本文提出一种融合目标区域语义和边缘信息的作物苗期植株分割网络模型。以U-Net网络构建主干网络,基于侧边深度监督机制,引导主干网络在提取特征时能感知植株... 为在自然环境下准确分割作物苗期植株,实现苗期植株定位及其表型自动化测量,本文提出一种融合目标区域语义和边缘信息的作物苗期植株分割网络模型。以U-Net网络构建主干网络,基于侧边深度监督机制,引导主干网络在提取特征时能感知植株边缘信息;利用空间空洞特征金字塔构建特征融合模块,融合主干网络和边缘感知模块提取的特征,融合后的特征图具有足够的细节信息和更强的语义信息;联合边缘感知的损失与特征融合的损失,构建联合损失函数,用于整体网络优化。实验结果表明,本文模型对不同数据集的作物植株的语义分割像素准确率高达0.962,平均交并比达到0.932;与U-Net、SegNet、PSPNet、DeepLabV3模型相比,本文模型在不同数据集上平均交并比最高提升0.07,对自然环境下作物苗期植株具有良好的分割效果和泛化能力,可为植株定位、对靶喷药、长势识别等应用提供重要依据。 展开更多

关键词 作物苗期 植株分割 U-Net网络 区域语义信息 边缘感知模块 特征融合模块

在线阅读 下载PDF 职称材料

基于Ghost卷积与自适应注意力的点云分类 被引量：1

18

作者 舒密 王占刚 《现代电子技术》 北大核心 2025年第6期106-112,共7页

点云Transformer网络在提取三维点云的局部特征和携带的多级自注意力机制方面展现出了卓越的特征学习能力。然而,多级自注意力层对计算和内存资源的要求极高,且未充分考虑特征融合中层级间以及通道间的区分度与关联性。为解决上述问题,... 点云Transformer网络在提取三维点云的局部特征和携带的多级自注意力机制方面展现出了卓越的特征学习能力。然而,多级自注意力层对计算和内存资源的要求极高,且未充分考虑特征融合中层级间以及通道间的区分度与关联性。为解决上述问题,提出一种基于点云Transformer的轻量级特征增强融合分类网络EFF-LPCT。EFF-LPCT使用一维化Ghost卷积对原始网络进行重构,以降低计算复杂度和内存要求;引入自适应支路权重,以实现注意力层级间的多尺度特征融合;利用多个通道注意力模块增强特征的通道交互信息,以提高模型分类效果。在ModelNet40数据集进行的实验结果表明,EFF-LPCT在达到93.3%高精度的同时,相较于点云Transformer减少了1.11 GFLOPs的浮点计算量和0.86×10^(6)的参数量。 展开更多

关键词 点云分类 Transformer网络 Ghost卷积 特征增强融合模块 ECA通道注意力 特征学习

在线阅读 下载PDF 职称材料

先验引导的特征金字塔阴影检测网络

19

作者 王健 陈舒涵 +2 位作者 徐秀奇 王奔 胡学龙 《信号处理》 CSCD 北大核心 2020年第9期1503-1510,共8页

阴影检测向来是计算机视觉领域的一个基础性挑战。它需要网络理解图像的全局语义和局部细节信息。本文提出了一种检测阴影区域的先验特征金字塔网络结构。该网络搭建了先验加权模块来提取图像中蕴含的阴影先验信息,通过使用阴影先验信... 阴影检测向来是计算机视觉领域的一个基础性挑战。它需要网络理解图像的全局语义和局部细节信息。本文提出了一种检测阴影区域的先验特征金字塔网络结构。该网络搭建了先验加权模块来提取图像中蕴含的阴影先验信息,通过使用阴影先验信息加权卷积特征,引导网络学习到阴影区域。同时,该网络还应用了特征融合模块来融合粗略的语义信息和自上而下路径中的精细特征,并且加入了后处理,进一步优化网络的预测结果。本文在两个公开的阴影检测基准数据集上进行了实验来评估其网络性能。实验表明,本文的方法能够更准确地检测到阴影,和过去最先进的方法相比也表现出色,在SBU数据集上正确率达到了96.6%,平衡检测错误因子为6.22。 展开更多

关键词 全局图像语义 先验加权模块 特征融合模块 阴影先验信息 阴影检测

在线阅读 下载PDF 职称材料

注意力引导多任务学习的前列腺癌盆腔淋巴结转移预测

20

作者 张志远 胡冀苏 +3 位作者 张跃跃 钱旭升 周志勇 戴亚康 《上海交通大学学报》 北大核心 2025年第8期1216-1224,共9页

基于前列腺癌原发灶的术前磁共振影像定量特征预测盆腔淋巴结转移(PLNM)是治疗方案制定的重要参考依据.然而,现有预测方法对肿瘤原发灶内部的异质性信息提取不足,导致提取的图像定量特征与PLNM关联性较弱.针对这一问题,提出一种以肿瘤... 基于前列腺癌原发灶的术前磁共振影像定量特征预测盆腔淋巴结转移(PLNM)是治疗方案制定的重要参考依据.然而,现有预测方法对肿瘤原发灶内部的异质性信息提取不足,导致提取的图像定量特征与PLNM关联性较弱.针对这一问题,提出一种以肿瘤分割任务为辅助任务的注意力引导多任务学习网络用于PLNM预测.首先,在肿瘤分割网络中,提出多分支各向异性大核注意力模块,通过不同分支和各向异性大卷积核的融合扩大的感受野以有效捕获肿瘤的局部和全局信息.其次,在PLNM预测网络中,设计多尺度特征交互融合注意力模块,对多尺度特征进行层次化融合筛选.在320例数据集的实验中,所提方法的精度召回曲线下面积值和受试者操作特征曲线下面积值分别为(85.44±2.04)%和(91.86±2.18)%,优于经典的单任务分类方法和多任务方法. 展开更多

关键词 前列腺癌盆腔淋巴结转移 多任务学习 多分支各向异性大核注意力模块 多尺度特征交互融合注意力模块 多参数磁共振

在线阅读 下载PDF 职称材料