-
题名基于双通道级联注意力网络的医学图像配准
被引量：3
- 1
-
-
作者
张纠
刘晓芳
杨兵
-
机构
中国计量大学电子信息与通信研究所
中国计量大学计算机应用与技术研究所
中国计量大学浙江省电磁波信息技术与计量检测重点实验室
-
出处
《计算机工程与设计》
北大核心
2021年第10期2894-2901,共8页
-
基金
国家自然科学基金项目(61672476)
浙江省大学生科研创新活动计划基金项目(2019R409055)。
-
文摘
为提高卷积神经网络在医学图像上的配准性能,提出一种双通道级联注意力网络用于医学图像配准。针对浮动图像和固定图像,用两个卷积神经网络对配准场进行估计;用配准场级联策略提高配准场变形估计性能;在配准场估计过程中引入注意力机制用于自动学习和优化注意力特征并分配特征权重,进一步加强特征表达能力,提高配准性能。通过对脑部图像和肺部图像的配准实验分析,验证了该方法的有效性和准确性。
-
关键词
图像配准
特征表达
级联注意力网络
特征加权
配准场估计
-
Keywords
image registration
feature expression
cascaded attention network
feature weighting
registration field estimation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名改进YOLOv8n的林业害虫检测方法
被引量：2
- 2
-
-
作者
陈万志
袁航
-
机构
辽宁工程技术大学软件学院
-
出处
《北京林业大学学报》
北大核心
2025年第2期119-131,共13页
-
基金
辽宁省教育厅科学研究基金面上项目(2021LJKZ0327)
辽工程GPU资源支持项目(2024-02)。
-
文摘
【目的】针对现有林业害虫检测方法检测速度慢,检测类别少,小目标害虫检测效果差等问题,提出了一种改进YOLOv8n的林业害虫检测方法。【方法】首先,采用高效多尺度级联注意力特征提取网络EfficientViT作为改进模型的主干网络,降低计算复杂度,提高检测速度;其次,通过构建多尺度自适应特征融合模块DA-C2F提升模型在复杂背景下害虫目标的聚焦能力和识别精度,此外新增的小目标检测头XSH能够进一步提升小目标害虫的检测能力;最后,采用基于最小点距离交并比损失函数MPDIoU作为模型的边界框损失,提升网络收敛速度,进一步增强害虫目标的定位准确率。【结果】改进模型的检测精确率、召回率、平均精度、平均精度均值(mAP50-95)和F_(1)分数分别达到98.6%、95.7%、98.3%、85.6%和0.979,前4者较原模型分别提升了3.9、2.6、2.8、2.5个百分点,F_(1)分数提升了4.4%;检测速度(帧率)达到了95帧/秒,提升了15.9%,优于更轻量级的模型。此外,对比其他检测模型,改进模型对飞蛾类害虫的检测精确率提升了11.2个百分点,并且两种独立飞蛾害虫综合检测的表现也更为优异。【结论】本研究提出的方法对于林业害虫的检测准确度更高,检测速度更快,且对多类别害虫的检测精度更高,改进模型的泛化能力更强。
-
关键词
深度学习
卷积神经网络(CNN)
林业害虫检测
YOLOv8n
多尺度级联注意力特征提取网络
多尺度自适应特征融合
小目标检测头
-
Keywords
deep learning
convolutional neural networks(CNN)
forestry pest detection
YOLOv8n
multi scale cascaded attention feature extraction network
multi-scale adaptive feature fusion
small object detection head
-
分类号
S763.305
[农业科学—森林保护学]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
