期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于上下文和浅层空间编解码网络的图像语义分割方法
被引量：
5
1
作者
罗会兰
黎宵
《自动化学报》
EI
CAS
CSCD
北大核心
2022年第7期1834-1846,共13页
当前图像语义分割研究基本围绕如何提取有效的语义上下文信息和还原空间细节信息两个因素来设计更有效算法.现有的语义分割模型,有的采用全卷积网络结构以获取有效的语义上下文信息,而忽视了网络浅层的空间细节信息;有的采用U型结构,通...
当前图像语义分割研究基本围绕如何提取有效的语义上下文信息和还原空间细节信息两个因素来设计更有效算法.现有的语义分割模型,有的采用全卷积网络结构以获取有效的语义上下文信息,而忽视了网络浅层的空间细节信息;有的采用U型结构,通过复杂的网络连接利用编码端的空间细节信息,但没有获取高质量的语义上下文特征.针对此问题,本文提出了一种新的基于上下文和浅层空间编解码网络的语义分割解决方案.在编码端,采用二分支策略,其中上下文分支设计了一个新的语义上下文模块来获取高质量的语义上下文信息,而空间分支设计成反U型结构,并结合链式反置残差模块,在保留空间细节信息的同时提升语义信息.在解码端,本文设计了优化模块对融合后的上下文信息与空间信息进一步优化.所提出的方法在3个基准数据集CamVid、SUN RGB-D和Cityscapes上取得了有竞争力的结果.
展开更多
关键词
语义分割
二分支策略
语义上下文
信息
浅层
空间细节信息
反U
型结构
在线阅读
下载PDF
职称材料
基于注意力机制和有效分解卷积的实时分割算法
被引量：
6
2
作者
文凯
唐伟伟
熊俊臣
《计算机应用》
CSCD
北大核心
2022年第9期2659-2666,共8页
针对现阶段实时语义分割算法计算成本高和内存占用大而无法满足实际场景需求的问题,提出一种新型的浅层的轻量级实时语义分割算法——基于注意力机制和有效分解卷积的实时分割算法(AEFNet)。首先,利用一维非瓶颈结构(Non-bottleneck-1D...
针对现阶段实时语义分割算法计算成本高和内存占用大而无法满足实际场景需求的问题,提出一种新型的浅层的轻量级实时语义分割算法——基于注意力机制和有效分解卷积的实时分割算法(AEFNet)。首先,利用一维非瓶颈结构(Non-bottleneck-1D)构建轻量级分解卷积模块以提取丰富的上下文信息并减少运算量,同时以一种简单的方式增强算法学习能力并利于提取细节信息;然后,结合池化操作和注意力细化模块(ARM)构建全局上下文注意力模块以捕捉全局信息并细化算法的每个阶段,从而优化分割效果。算法在公共数据集cityscapes和camvid上进行验证,并在cityscapes测试集上获得精度为74.0%和推理速度为118.9帧速率(FPS),相比深度非对称瓶颈网络(DABNet),所提算法在精度上提高了约4个百分点,推理速度提升了14.7 FPS,与最近高效的增强非对称卷积网络(EACNet)相比,所提算法精度略低0.2个百分点,然而推理速度提高了6.9 FPS。实验结果表明:所提算法能够较为准确地识别场景信息,并能满足实时性要求。
展开更多
关键词
分解卷积
注意力机制
空间细节信息
上下文
信息
轻量级算法
在线阅读
下载PDF
职称材料
基于双分支卷积神经网络的SAR与多光谱图像融合实验
被引量：
7
3
作者
吴佼华
杨学志
+1 位作者
方帅
董张玉
《地理与地理信息科学》
CSCD
北大核心
2021年第2期22-30,共9页
针对合成孔径雷达(Synthetic Aperture Radar,SAR)和多光谱(Multi-Spectral,MS)融合图像中存在的空间细节模糊和颜色失真问题,该文兼顾光谱监督和空间细节监督,设计光谱损失函数和空间细节损失函数,提出一种基于双分支卷积神经网络(Conv...
针对合成孔径雷达(Synthetic Aperture Radar,SAR)和多光谱(Multi-Spectral,MS)融合图像中存在的空间细节模糊和颜色失真问题,该文兼顾光谱监督和空间细节监督,设计光谱损失函数和空间细节损失函数,提出一种基于双分支卷积神经网络(Convolution Neural Network,CNN)的SAR和MS图像融合算法。该算法网络框架包含光谱保持和细节提升两个分支:光谱保持分支通过上采样MS图像连接到网络的输出,直接将光谱信息传递到融合图像中;细节提升分支对SAR和MS图像通过高通滤波提取高频细节信息,然后应用CNN对细节信息进行特征提取、特征融合及重建,最后将重建的细节信息叠加到上采样的MS图像,得到融合结果。以哨兵-1B GRD级别的SAR图像和Landsat8卫星多光谱图像为实验数据,通过与传统融合算法和深度学习算法RSIFNN进行对比,结果表明,该文算法在定性和定量评价方面效果更好,能够在保持光谱信息的基础上增强多光谱图像的空间细节信息,有利于后续地物分类和目标识别等工作的开展。
展开更多
关键词
合成孔径雷达图像
多光谱图像
图像融合
空间细节信息
卷积神经网络
在线阅读
下载PDF
职称材料
题名
基于上下文和浅层空间编解码网络的图像语义分割方法
被引量：
5
1
作者
罗会兰
黎宵
机构
江西理工大学信息工程学院
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2022年第7期1834-1846,共13页
基金
国家自然科学基金(61862031,61462035)
江西省自然科学基金(20171BAB202014)
江西省主要学科学术和技术带头人培养计划(20213BCJ22004)资助。
文摘
当前图像语义分割研究基本围绕如何提取有效的语义上下文信息和还原空间细节信息两个因素来设计更有效算法.现有的语义分割模型,有的采用全卷积网络结构以获取有效的语义上下文信息,而忽视了网络浅层的空间细节信息;有的采用U型结构,通过复杂的网络连接利用编码端的空间细节信息,但没有获取高质量的语义上下文特征.针对此问题,本文提出了一种新的基于上下文和浅层空间编解码网络的语义分割解决方案.在编码端,采用二分支策略,其中上下文分支设计了一个新的语义上下文模块来获取高质量的语义上下文信息,而空间分支设计成反U型结构,并结合链式反置残差模块,在保留空间细节信息的同时提升语义信息.在解码端,本文设计了优化模块对融合后的上下文信息与空间信息进一步优化.所提出的方法在3个基准数据集CamVid、SUN RGB-D和Cityscapes上取得了有竞争力的结果.
关键词
语义分割
二分支策略
语义上下文
信息
浅层
空间细节信息
反U
型结构
Keywords
Semantic segmentation
two-branch strategy
context semantic information
shallow space details
inverse U-shaped structure
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于注意力机制和有效分解卷积的实时分割算法
被引量：
6
2
作者
文凯
唐伟伟
熊俊臣
机构
重庆邮电大学通信与信息工程学院
重庆邮电大学通信新技术应用研究中心
出处
《计算机应用》
CSCD
北大核心
2022年第9期2659-2666,共8页
文摘
针对现阶段实时语义分割算法计算成本高和内存占用大而无法满足实际场景需求的问题,提出一种新型的浅层的轻量级实时语义分割算法——基于注意力机制和有效分解卷积的实时分割算法(AEFNet)。首先,利用一维非瓶颈结构(Non-bottleneck-1D)构建轻量级分解卷积模块以提取丰富的上下文信息并减少运算量,同时以一种简单的方式增强算法学习能力并利于提取细节信息;然后,结合池化操作和注意力细化模块(ARM)构建全局上下文注意力模块以捕捉全局信息并细化算法的每个阶段,从而优化分割效果。算法在公共数据集cityscapes和camvid上进行验证,并在cityscapes测试集上获得精度为74.0%和推理速度为118.9帧速率(FPS),相比深度非对称瓶颈网络(DABNet),所提算法在精度上提高了约4个百分点,推理速度提升了14.7 FPS,与最近高效的增强非对称卷积网络(EACNet)相比,所提算法精度略低0.2个百分点,然而推理速度提高了6.9 FPS。实验结果表明:所提算法能够较为准确地识别场景信息,并能满足实时性要求。
关键词
分解卷积
注意力机制
空间细节信息
上下文
信息
轻量级算法
Keywords
factorized convolution
attention mechanism
spatial detailed information
contextual information
lightweight algorithm
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于双分支卷积神经网络的SAR与多光谱图像融合实验
被引量：
7
3
作者
吴佼华
杨学志
方帅
董张玉
机构
合肥工业大学计算机与信息学院
工业安全与应急技术安徽省重点实验室
合肥工业大学软件学院
智能互联系统安徽省实验室
出处
《地理与地理信息科学》
CSCD
北大核心
2021年第2期22-30,共9页
基金
中央高校基本科研业务费专项资金项目(PA2020GDSK0083)
安徽省重点研究与开发计划项目(202004a07020030)。
文摘
针对合成孔径雷达(Synthetic Aperture Radar,SAR)和多光谱(Multi-Spectral,MS)融合图像中存在的空间细节模糊和颜色失真问题,该文兼顾光谱监督和空间细节监督,设计光谱损失函数和空间细节损失函数,提出一种基于双分支卷积神经网络(Convolution Neural Network,CNN)的SAR和MS图像融合算法。该算法网络框架包含光谱保持和细节提升两个分支:光谱保持分支通过上采样MS图像连接到网络的输出,直接将光谱信息传递到融合图像中;细节提升分支对SAR和MS图像通过高通滤波提取高频细节信息,然后应用CNN对细节信息进行特征提取、特征融合及重建,最后将重建的细节信息叠加到上采样的MS图像,得到融合结果。以哨兵-1B GRD级别的SAR图像和Landsat8卫星多光谱图像为实验数据,通过与传统融合算法和深度学习算法RSIFNN进行对比,结果表明,该文算法在定性和定量评价方面效果更好,能够在保持光谱信息的基础上增强多光谱图像的空间细节信息,有利于后续地物分类和目标识别等工作的开展。
关键词
合成孔径雷达图像
多光谱图像
图像融合
空间细节信息
卷积神经网络
Keywords
synthetic aperture radar image
multi-spectral image
image fusion
spatial detail information
convolution neural network
分类号
TP751 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于上下文和浅层空间编解码网络的图像语义分割方法
罗会兰
黎宵
《自动化学报》
EI
CAS
CSCD
北大核心
2022
5
在线阅读
下载PDF
职称材料
2
基于注意力机制和有效分解卷积的实时分割算法
文凯
唐伟伟
熊俊臣
《计算机应用》
CSCD
北大核心
2022
6
在线阅读
下载PDF
职称材料
3
基于双分支卷积神经网络的SAR与多光谱图像融合实验
吴佼华
杨学志
方帅
董张玉
《地理与地理信息科学》
CSCD
北大核心
2021
7
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
