-
题名基于编码-解码结构的多阶段图像去雨滴方法
- 1
-
-
作者
谷坤源
贾宗璞
赵珊
庞晓艳
张鹏
-
机构
河南理工大学计算机科学与技术学院
-
出处
《计算机应用研究》
CSCD
北大核心
2023年第9期2875-2880,共6页
-
基金
国家自然科学基金资助项目(61602157)
河南省科技计划资助项目(202102210167)。
-
文摘
针对附着镜头或玻璃表面的雨滴会造成图像退化的问题,提出了一种多阶段渐进式图像去雨滴方法。整个去雨滴过程被分解为多个更易于实现的阶段。首先在每个阶段设计多尺度融合的编码—解码网络以学习雨滴特征,通过构建带有门控循环单元的多尺度扩张卷积来细化内部传递的空间特征。然后引入无降维的通道注意力机制对特定空间特征下的通道信息进行提取。最后为加强每个阶段各部分之间的信息交换,采用跨阶段特征融合机制,在每个阶段的编码—解码网络之间加入横向连接,以实现特征信息的横向传递。在每个阶段之间加入监督注意模块,以增强不同阶段之间的信息传递,最终渐进地实现雨滴的去除。实验表明该方法能够有效地去除雨滴。
-
关键词
图像去雨滴
深度学习
编码—解码结构
多尺度扩张卷积
通道注意力机制
-
Keywords
image raindrop removal
deep learning
encoder-decoder network
multi-scale dilated convolutions
channel attention module
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名多层次编码—解码网络遥感图像建筑物分割
被引量：6
- 2
-
-
作者
何青
孟洋洋
李华智
-
机构
长沙理工大学电气与信息工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2021年第8期2510-2514,共5页
-
基金
国家自然科学基金资助项目(61401046)。
-
文摘
为提高高分辨率遥感影像建筑物边缘提取精度和高分辨率特征利用率,提出了一种基于残差分组卷积的高分辨率遥感影像建筑物提取方法。利用多层次编码—解码结构提取影像中建筑物不同尺度特征,同层次特征之间引入密集连接保证高分辨率特征的有效性,相邻层次特征之间引入交换单元增加不同深度的上下文信息交互。使用武汉大学建筑物数据集对模型进行训练及评估,与现有的全卷积神经网络SegNet、UNet和UNet++相比,评价指标recall、IoU、F 1等高出2%以上。实验结果表明该网络在对建筑物边缘精准提取方面具有很好的效果。
-
关键词
高分辨率遥感影像
残差分组卷积
建筑物提取
编码—解码结构
密集连接
-
Keywords
high-resolution remote sensing image
residual grouping convolution
building extraction
encoding and decoding structure
dense connection
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于LinkNet的地震相自动划分
被引量：2
- 3
-
-
作者
陈海洋
汪玲玲
-
机构
中国地质大学(武汉)地球物理与空间信息学院
-
出处
《石油地球物理勘探》
EI
CSCD
北大核心
2023年第3期518-527,共10页
-
基金
国家重点研发计划项目“非常规油气三维地震成像的数学方法与超分辨反演高效算法”(2020YFA0713400)
国家自然科学基金项目“复杂油气藏地震衰减分析及储层精细刻画方法研究”(41874154)联合资助。
-
文摘
地震相人工解释需要耗费大量的时间和精力,并存在很大的主观性和不确定性,从而直接影响地震资料解释的准确性。虽然深度学习算法已经广泛用于地震相划分,然而由于地震相出现的模式及其空间尺度的多样性,在保证高分辨率以及高精度的同时,提高计算效率仍是一项具有挑战性的任务。为此,提出基于LinkNet的地震相自动划分方法,采用多分类交叉熵与Tversky的加权线性组合作为网络训练的损失函数。Tversky通过调整参数平衡假正类和假负类,进而提升召回率等指标以提高不均衡数据中少数类地震相边界的刻画精度。LinkNet解码层共享编码层的学习特征,使解码层的结构更精简,大大提高了计算效率。在荷兰北海F3区块的测试结果表明:所提方法刻画地震相的精度高于U-Net+PPM(金字塔池化模块),在面对不均衡数据时,对占比较小的类别的关注度更高,并具有更好的边界刻画能力;LinkNet计算速度快,可以在配置更低的设备上运行,较U-Net+PPM更实用。
-
关键词
深度学习
地震相划分
LinkNet
编码—解码结构
损失函数
-
Keywords
deep learning
seismic facies classification
LinkNet
encoding-decoding structure
loss function
-
分类号
P631
[天文地球—地质矿产勘探]
-
