-
题名双分支金字塔网络的微光图像增强算法
被引量：8
- 1
-
-
作者
陈清江
顾媛
李金阳
-
机构
西安建筑科技大学理学院
-
出处
《液晶与显示》
CAS
CSCD
北大核心
2022年第3期395-404,共10页
-
基金
国家自然科学基金(No.61902304)。
-
文摘
针对微光图像存在亮度低、细节丢失严重以及现有算法增强后的微光图像存在曝光过度、颜色失真等问题,提出双分支金字塔网络的微光图像增强算法。首先,将微光图像从RGB颜色空间转换到HSV颜色空间。其次,对V分量采用双分支金字塔网络的微光图像增强算法,自适应获取图像特征。网络结构由并行双分支构成,含层级残差模块的分支有效增强V分量亮度,含特征金字塔注意力模块的分支获取深层特征信息。最后,对双分支结构提取的信息进行融合,并将增强后的图像从HSV颜色空间转换回RGB颜色空间。所提算法在真实图像上的峰值信噪比及结构相似度的均值分别达到29.451 dB和0.9301,均高于其他对比算法。实验结果表明,所提算法对V分量进行增强提高了图像亮度,有效地恢复了图像细节。
-
关键词
微光图像增强
层级残差
特征金字塔注意力
卷积神经网络
HSV颜色空间
-
Keywords
low light level image enhancement
hierarchical residual
characteristic pyramid attention
convolutional neural network
hsv color space
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于SuNet的公共交通安检违禁品的检测
- 2
-
-
作者
张缓缓
刘鹏程
姜萌
王雨欣
-
机构
西安工程大学电子信息学院
-
出处
《西安工程大学学报》
2025年第2期47-56,共10页
-
基金
国家自然科学基金青年项目(61902302)
陕西省科技厅重点研发计划项目(2024GX-YBXM-231)
浙江省博士后科研项目择优资助(ZJ2022154)。
-
文摘
在公共交通安检场景中,违禁品与非违禁品相互重叠,导致现有模型难以有效地识别被遮挡违禁品类别问题。针对这一问题,文中提出基于SuNet的违禁品检测模型。首先,设计了强化注意力定位特征金字塔网络(augmented attention localization feature pyramid network,AALFPN),以强化违禁品的语义信息,并将违禁品定位信息和语义信息融合,引导模型准确定位被遮挡的违禁品位置,增强违禁品的特征轮廓。其次,引入了密集注意力机制(dense attention mechanism,DAM),以有效地识别和提取被遮挡违禁品。最后,引入了SmoothL1 Loss损失函数解决在回归过程中违禁品类别信息丢失的问题。该实验在PIDray数据集上对SuNet能够有效识别被遮挡违禁品类别进行验证,在CLCXray数据集上对SuNet在其他违禁品数据集上具有泛化性进行验证。结果表明:在PIDray数据集上,相较于RoIAttn模型,SuNet在AP@0.5∶0.95、AP@0.5和AP@0.75指标上分别提升了2.9%、4.4%和3.3%;在CLCXray数据集上,相较于RoIAttn模型,SuNet在AP@0.5∶0.95、AP@0.5和AP@0.75指标上分别提升了1.4%、1.4%和0.4%。说明SuNet不仅能有效识别被遮挡违禁品类别,还在其他违禁品数据集上具有良好的泛化性能,可为公共交通安检场景提供一种有效的违禁品检测解决方案。
-
关键词
违禁品检测
SuNet
强化注意力定位特征金字塔网络
密集注意力机制
SmoothL1
Loss
-
Keywords
prohibited item detection
SuNet
augmented attention localization feature pyramid network(AALFPN)
dense attention mechanism(DAM)
SmoothL1 Loss
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
