期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于注意力机制的多尺度手部分割方法
1
作者 周雯晴 代素敏 +1 位作者 王阳萍 王文润 《液晶与显示》 CAS CSCD 北大核心 2024年第11期1506-1518,共13页
针对手部边缘细节信息分割不精确及小面积手部的错检、漏检问题,提出一种基于注意力机制的多尺度手部分割方法。首先,对Transformer模块重新进行设计优化,提出窗口自注意力结构和双分支前馈神经网络(Dual-branch FeedForward Networks,D... 针对手部边缘细节信息分割不精确及小面积手部的错检、漏检问题,提出一种基于注意力机制的多尺度手部分割方法。首先,对Transformer模块重新进行设计优化,提出窗口自注意力结构和双分支前馈神经网络(Dual-branch FeedForward Networks,D-FFN)机制,通过窗口自注意力机制整合全局和局部的依赖信息,D-FFN抑制背景信息的干扰;然后,提出一种结合条形池化和级联网络的多尺度特征提取模块增大感受野,提高手部分割模型的准确性和鲁棒性;最后,提出基于Triplet Attention机制的上采样解码器模块,通过调节通道维度与空间维度的注意力权重将目标特征和背景的冗余特征区分开。将所提算法在公开数据集GTEA(Georgia Tech Egocentric Activity)和EYTH(EgoYouTubeHands)上测试,实验结果表明,该算法在两个数据集上的平均交并比(MIoU)值分别达到了95.8%和90.2%,相较于TransUnet算法分别提升了2.5%和2.1%,满足手部图像分割的稳定可靠、精度高、抗干扰能力强等要求。 展开更多
关键词 手部分割 深度学习 TransUnet 前馈神经网络 空洞空间金字塔池化模块 Triplet Attention
在线阅读 下载PDF
融合轻量化ASPP和U-Net的遥感影像烤烟种植区域提取
2
作者 郝戍峰 高宇 +5 位作者 刘萍 李宇昂 张华栋 任鸿杰 田帅杰 寇文韬 《航天返回与遥感》 CSCD 北大核心 2024年第4期139-149,共11页
针对目前遥感影像中烤烟边缘识别效率低且识别精度低等问题,文章提出一种融合轻量化ASPP和U-Net框架的遥感影像烤烟种植区域提取模型。首先,该模型在U-Net编码层和解码层连接处加入轻量化空洞空间金字塔池化模块;其次,该模型将线性整流... 针对目前遥感影像中烤烟边缘识别效率低且识别精度低等问题,文章提出一种融合轻量化ASPP和U-Net框架的遥感影像烤烟种植区域提取模型。首先,该模型在U-Net编码层和解码层连接处加入轻量化空洞空间金字塔池化模块;其次,该模型将线性整流函数(Rectified Linear Unit,ReLU)替换为ReLU6激活函数,能够在低精度计算时压缩动态范围,从而使算法更具鲁棒性;最后,该模型通过采用形态学孔洞填充构建标签图后处理算法,实现分割结果优化。为验证该模型框架的有效性和适用性,文章采用无人机遥感影像作为实验数据集,构建与传统语义分割模型的对比实验以及消融实验等。实验结果表明,通过与FCN、U-Net、SegNet和DeepLabV3+等传统语义分割算法相比较,文章提出的模型获得了较好的分割效果,其像素准确率和平均交并比分别为93.7%和84.1%。此外,该模型在保证模型精度的情况下,还能够提高模型的计算速度。 展开更多
关键词 烤烟种植区域提取 轻量化空洞空间金字塔池化模块 U型网络 后处理
在线阅读 下载PDF
基于渐进生长Transformer Unet的遥感图像建筑物分割 被引量:2
3
作者 叶宽 杨博 +4 位作者 谢欢 朱戎 赵蕾 张青月 赵杰 《无线电工程》 北大核心 2023年第2期424-430,共7页
针对深度卷积神经网络在遥感图像地物分割任务中存在树木遮挡目标无法提取、小目标细节丢失等问题,提出了一种基于渐进生长机制的Transformer Unet(PGT-Unet)卷积神经网络模型,通过渐进式逐步增加输入图像的分辨率和模型的深度,使得模... 针对深度卷积神经网络在遥感图像地物分割任务中存在树木遮挡目标无法提取、小目标细节丢失等问题,提出了一种基于渐进生长机制的Transformer Unet(PGT-Unet)卷积神经网络模型,通过渐进式逐步增加输入图像的分辨率和模型的深度,使得模型首先在尺度较小的图像获得比较收敛的输出结果,之后在每个阶段可以集中注意力学习相邻尺度的特征信息,最终在原尺度图像上得到最后的建筑物分割结果;同时,在网络模型的编码阶段和解码阶段中引入了Transformer Block模块进行特征提取和特征融合,获得更大的感受野和更强的上下文塑造能力,达到提升模型灵敏度和精确度的目的。在Inria Aerial Image Labeling数据集的建筑物遥感图像上进行实验,结果表明,所提模型能够自适应学习到不同大小目标、遮挡目标的丰富细节特征,从而提升建筑物分割精度,分割结果的平均交并比(Intersection over Union, IoU)为0.775。 展开更多
关键词 遥感图像 双注意力机制 渐进生长机制 空洞空间金字塔模块 卷积神经网络
在线阅读 下载PDF
基于上下文信息的遥感图像目标检测 被引量:2
4
作者 梁礼明 李仁杰 +1 位作者 董信 朱晨锟 《电光与控制》 CSCD 北大核心 2023年第10期89-94,共6页
针对遥感图像中背景复杂多样、目标密集和尺度差异性大,容易造成小目标漏检和误检的问题,以YOLOv5s算法为网络基础框架,提出一种基于上下文信息的遥感图像目标检测算法。首先,设计上下文模块(CM)并添加在主干网络,增大目标区域特征的感... 针对遥感图像中背景复杂多样、目标密集和尺度差异性大,容易造成小目标漏检和误检的问题,以YOLOv5s算法为网络基础框架,提出一种基于上下文信息的遥感图像目标检测算法。首先,设计上下文模块(CM)并添加在主干网络,增大目标区域特征的感知范围,获取更多的上下文信息,提升模型对小尺度目标的检测能力;其次,在特征主干网络中引入坐标注意力(CA)模块,加强模型对浅层网络中目标位置信息的识别能力;最后,将空间金字塔池化模块替换为空洞空间卷积金字塔(ASPP)模块,实现全局信息和局部信息相融合,进一步增强小目标的语义信息。实验结果表明,在RSOD数据集上,改进后算法的mAP_(50)为97.9%,相比原YOLOv5s算法提高了1.7个百分点;FPS达到71帧/s,满足实时性检测的要求。相比其他检测算法,改进后算法具有更低的漏检率和误检率,检测性能更加优秀。 展开更多
关键词 遥感图像 上下文模块 坐标注意力模块 空洞空间卷积金字塔模块
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部