检索结果-维普期刊中文期刊服务平台

编码-解码多尺度卷积神经网络人群计数方法被引量：9: 1; 作者孟月波纪拓 +2 位作者刘光辉徐胜军李彤月《西安交通大学学报》 EI CAS CSCD 北大核心 2020年第5期149-157,共9页; 针对基于多列卷积神经网络的人群计数方法存在的多尺度特征信息丢失、融合不佳以及密度图质量不高等问题,提出了一种编码-解码结构的多尺度卷积神经网络人群计数方法。编码器采用多列卷积捕获多尺度特征,通过空洞空间金字塔池化扩大感... 展开更多; 关键词人群计数编码-解码结构多尺度空洞空间金字塔池化计数误差损失函数; 在线阅读下载PDF 职称材料

基于多输入多输出编解码器网络的图像去模糊: 2; 作者许光宇汪雨《齐鲁工业大学学报》 CAS 2023年第6期16-23,共8页; 针对动态场景下非均匀盲去模糊算法存在去模糊不彻底和纹理细节丢失的问题,提出了一种基于多输入多输出编解码器网络的图像去模糊方法。首先,采用一个特征提取模块获取不同尺度模糊图像的全局和局部特征信息,为网络提供更丰富、更全面... 展开更多; 关键词图像去模糊多尺度网络编码-解码结构特征融合多输入多输出; 在线阅读下载PDF 职称材料

基于改进U-Net网络的腺体细胞图像分割算法被引量：11: 3; 作者贝琛圆于海滨 +2 位作者潘勉蒋洁吕炳赟《电子科技》 2019年第11期18-22,共5页; 针对腺体图像在自动分割过程中由于多尺度目标和信息丢失影响导致准确率降低的问题,文中采用了一种引入注意力模块的全卷积神经网络模型。该模型遵循编码器-解码器结构,在编码网络中用空洞残差卷积层代替原有的普通卷积层,并添加空洞金... 展开更多; 关键词全卷积神经网络编码器-解码器结构空洞金字塔池注意力模块高分辨率特征图分割精度高; 在线阅读下载PDF 职称材料

融合多尺度特征信息的图像雨滴去除方法被引量：1: 4; 作者崔明义冯治国 +1 位作者代建琴赵雪峰《微电子学与计算机》 2024年第4期74-84,共11页; 针对雨滴使雨天图像背景特征模糊失真的问题,提出一种融合多尺度特征信息的图像雨滴去除算法。首先,搭建了一个编码-解码神经网络来学习图像特征映射,考虑到雨滴的物理形状特征,采用雨滴形状驱动注意力模块来捕捉雨滴位置。然后,引入空... 展开更多; 关键词图像去雨深度学习空洞卷积空间与通道协调注意力机制编码-解码结构; 在线阅读下载PDF 职称材料

跨尺度点匹配结合多尺度特征融合的图像配准: 5; 作者欧卓林吕晓琪谷宇《液晶与显示》 CAS CSCD 北大核心 2024年第8期1090-1102,共13页; 图像配准在脑部疾病的计算机辅助诊疗和远程手术等方面具有重要作用。U-Net及其变体网络广泛应用于医学图像配准领域,在配准精确度和配准时间上取得了较好效果。然而,现有的配准模型在处理复杂图像形变时,难以学习到图像中微小结构的边... 展开更多; 关键词医学图像配准编码器-解码器结构特征加权特征匹配注意力机制; 在线阅读下载PDF 职称材料

基于降噪循环神经网络的风电功率预测被引量：2: 6; 作者田增垚彭飞 +3 位作者孟庆东王汉军田长翼陈志奎《微电子学与计算机》 2021年第3期27-32,共6页; 针对风电功率数据的时序性特点,提出降噪循环神经网络模型对电场中短期内的风电功率进行预测.通过模型能够挖掘其蕴含的知识,提高电力系统的稳定性,优化电力调度.模型首先采用循环神经网络构建一个编码-解码结构,设计编码器从序列变量... 展开更多; 关键词风电功率预测时间序列序列模型编码-解码结构降噪循环神经网络; 在线阅读下载PDF 职称材料

基于改进的UNet图像分割方法研究被引量：2: 7; 作者代恒军《信息技术与信息化》 2023年第7期8-11,共4页; 针对部分图像中由于背景复杂和边缘模糊造成的分割不准确问题,提出了一种基于深度卷积神经网络的复杂图像分割方法,将语义分割的思想与图像检测相结合,使用编码-解码网络结构,基于UNet网络进行改进。编码器采用深度残差网络ResNet提取... 展开更多; 关键词深度学习 UNet 图像分割编码-解码网络结构卷积神经网络地理信息; 在线阅读下载PDF 职称材料

题名编码-解码多尺度卷积神经网络人群计数方法被引量：9: 1; 作者孟月波纪拓刘光辉徐胜军李彤月; 机构西安建筑科技大学信息与控制工程学院; 出处《西安交通大学学报》 EI CAS CSCD 北大核心 2020年第5期149-157,共9页; 基金国家自然科学基金资助项目(51678470) 陕西省教育厅专项科研计划资助项目(18JK0477) 西安建筑科技大学基础研究基金资助项目(JC1703)。; 文摘针对基于多列卷积神经网络的人群计数方法存在的多尺度特征信息丢失、融合不佳以及密度图质量不高等问题,提出了一种编码-解码结构的多尺度卷积神经网络人群计数方法。编码器采用多列卷积捕获多尺度特征,通过空洞空间金字塔池化扩大感受野并减少参数量,保留尺度特征和图像的上下文信息;解码器对编码器输出进行上采样,实现高层语义信息和编码器前端低层特征信息有效融合,从而提升了密度图的输出质量。为增强网络对计数的敏感性,在以往像素空间损失的基础上考虑了计数误差,提出了一种新型损失函数。采用Shanghai Tech、Mall以及自建数据集进行了对比实验,结果表明:与之前最优方法相比,所提方法在Shanghai Tech数据集Part_A部分的平均绝对误差和均方误差分别降低了8.3%和21.3%,Part_B部分分别降低了12.9%和12.0%,Mall数据集分别降低了15.1%和23.8%,自建数据集分别降低了13.5%和7.1%;在不同人群场景下,所提方法的人群计数准确性和鲁棒性均优于其他对比方法的。; 关键词人群计数编码-解码结构多尺度空洞空间金字塔池化计数误差损失函数; Keywords crowd counting encoding-decoding multi-scale atrous space pyramid pooling counting error loss function; 分类号 TP391 [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

题名基于多输入多输出编解码器网络的图像去模糊: 2; 作者许光宇汪雨; 机构安徽理工大学计算机科学与工程学院; 出处《齐鲁工业大学学报》 CAS 2023年第6期16-23,共8页; 基金国家自然科学基金(61471004)。; 文摘针对动态场景下非均匀盲去模糊算法存在去模糊不彻底和纹理细节丢失的问题,提出了一种基于多输入多输出编解码器网络的图像去模糊方法。首先,采用一个特征提取模块获取不同尺度模糊图像的全局和局部特征信息,为网络提供更丰富、更全面的图像特征信息。其次,使用特征融合模块对多尺度特征进行融合,使不同尺度下的上下文特征与细节信息可以在单个U-net网络中流动,增强了特征信息的流动性,解决了传统方法中多个子网络堆叠导致特征流动受阻的问题。最后,设计了一个由L1损失、多尺度频率重建损失和边缘损失组成的混合损失函数,在提升图像复原效果的同时更好地保留纹理结构和边缘信息。为了评估网络去模糊性能,在基准数据集GoPro和HIDE上进行测试,复原图像的峰值信噪比均值分别为31.94、29.45 dB,结构相似度均值分别为0.961、0.936,均高于相比较的去模糊算法。在视觉效果上,恢复的图像纹理结构和边缘更清晰,更接近真实图像。所提出的网络模型能够获取更丰富的特征信息,增强了网络内部特征的流动能力,取得了较好的去模糊效果。; 关键词图像去模糊多尺度网络编码-解码结构特征融合多输入多输出; Keywords image deblurring multi-scale network encoding-decoding structure feature fusion multi-input and multi-output; 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

题名基于改进U-Net网络的腺体细胞图像分割算法被引量：11: 3; 作者贝琛圆于海滨潘勉蒋洁吕炳赟; 机构杭州电子科技大学电子信息学院浙江大华技术股份有限公司; 出处《电子科技》 2019年第11期18-22,共5页; 基金浙江省自然科学基金(LY18F010014)~~; 文摘针对腺体图像在自动分割过程中由于多尺度目标和信息丢失影响导致准确率降低的问题,文中采用了一种引入注意力模块的全卷积神经网络模型。该模型遵循编码器-解码器结构,在编码网络中用空洞残差卷积层代替原有的普通卷积层,并添加空洞金字塔池;再在解码网络中加入注意力模块,使模型输出高分辨率特征图,提高对多尺度目标的分割精度。实验结果表明,提出的网络模型参数少分割精度高,对腺体图像的平均分割精度高达89.7%,具有较好的鲁棒性。; 关键词全卷积神经网络编码器-解码器结构空洞金字塔池注意力模块高分辨率特征图分割精度高; Keywords full convolutional neural network encoder-decoder structure atrous spatial pyramid pooling attention module high-resolution feature map high segmentation precision; 分类号 TP391 [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

题名融合多尺度特征信息的图像雨滴去除方法被引量：1: 4; 作者崔明义冯治国代建琴赵雪峰; 机构贵州大学机械工程学院; 出处《微电子学与计算机》 2024年第4期74-84,共11页; 基金贵州省科技重大专项(ZNWLQC[2019]3012) 贵州省交通运输厅科技项目(2019-312-020,2021-322-021)。; 文摘针对雨滴使雨天图像背景特征模糊失真的问题,提出一种融合多尺度特征信息的图像雨滴去除算法。首先,搭建了一个编码-解码神经网络来学习图像特征映射,考虑到雨滴的物理形状特征,采用雨滴形状驱动注意力模块来捕捉雨滴位置。然后,引入空间与通道协调注意力机制,加强图像重要空间和通道特征权重。接着,利用空洞卷积、非对称卷积和金字塔结构设计了新型空洞空间卷积池化金字塔模块,以捕获图像的多尺度特征。最后,在同尺度的编码-解码卷积层间加入跳跃连接,将特征信息馈送到网络深处,达到去除图像中雨滴的目的。实验结果表明:本文算法在公开数据集Qian上的PSNR达到30.75,SSIM达到0.9257;在自制雨天数据集上也可以有效去除图像中的雨滴。; 关键词图像去雨深度学习空洞卷积空间与通道协调注意力机制编码-解码结构; Keywords image deraining deep learning dilated convolution spatial and channel coordinated attention mechanism encoding-decoding structure; 分类号 TP391 [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

题名跨尺度点匹配结合多尺度特征融合的图像配准: 5; 作者欧卓林吕晓琪谷宇; 机构内蒙古科技大学信息工程学院内蒙古工业大学信息工程学院; 出处《液晶与显示》 CAS CSCD 北大核心 2024年第8期1090-1102,共13页; 基金国家自然科学基金(No.62001255,No.61841204,No.61771266)。; 文摘图像配准在脑部疾病的计算机辅助诊疗和远程手术等方面具有重要作用。U-Net及其变体网络广泛应用于医学图像配准领域,在配准精确度和配准时间上取得了较好效果。然而,现有的配准模型在处理复杂图像形变时,难以学习到图像中微小结构的边缘特征,且忽视了不同尺度上下文信息的关联。针对上述问题,本文提出了一种基于跨尺度点匹配结合多尺度特征融合的配准模型。首先,在模型的编码结构中引入跨尺度点匹配模块,增强对图像突出区域特征的表达以及对微小结构边缘细节特征的把握;然后,在解码结构中对多尺度特征进行融合,形成更全面的特征描述;最后,在多尺度特征融合模块中融入注意力模块,突出空间和通道的信息。在3个脑部核磁共振(Magnetic Resonance,MR)数据集上的实验结果表明,以OASIS-3数据集为例,本文方法的配准精确度相较于Affine、SyN、VoxelMorph以及CycleMorph等方法,本文方法分别提升了23.5%、12.4%、0.9%和2.1%;ASD值相较于各方法分别降低了1.074、0.434、0.043和0.076。本文提出的模型能更好地把握图像的特征信息,提升配准的精确度,对医学图像配准的发展具有重要意义。; 关键词医学图像配准编码器-解码器结构特征加权特征匹配注意力机制; Keywords medical image registration encoder decoder structure feature weighting feature matching attention mechanism; 分类号 TP391 [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

题名基于降噪循环神经网络的风电功率预测被引量：2: 6; 作者田增垚彭飞孟庆东王汉军田长翼陈志奎; 机构国家电网公司东北分部中国科学院沈阳计算技术研究所有限公司大连理工大学软件学院; 出处《微电子学与计算机》 2021年第3期27-32,共6页; 基金国家自然科学基金面上项目(61672123) 国家电网公司项目(26992618008K)。; 文摘针对风电功率数据的时序性特点,提出降噪循环神经网络模型对电场中短期内的风电功率进行预测.通过模型能够挖掘其蕴含的知识,提高电力系统的稳定性,优化电力调度.模型首先采用循环神经网络构建一个编码-解码结构,设计编码器从序列变量中获取相应的深度特征,再通过解码器对深度特征进行解码,还原输入序列的状态并预测下一时刻的输出.进而,模型在解码器中设计降噪模块和预测模块,克服一般循环神经网络难以对带噪声数据进行预测的问题,使得模型能够对含有噪声的输入变量进行分析.通过利用电力物联网所采集的数据进行实验,结果证明提出的方法能很好地对风电功率进行预测,达到较好的预测效果.; 关键词风电功率预测时间序列序列模型编码-解码结构降噪循环神经网络; Keywords wind power prediction time series sequence model encoder-decoder structure denoising recurrent neural network; 分类号 TP181 [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

题名基于改进的UNet图像分割方法研究被引量：2: 7; 作者代恒军; 机构安徽省基础测绘信息中心; 出处《信息技术与信息化》 2023年第7期8-11,共4页; 文摘针对部分图像中由于背景复杂和边缘模糊造成的分割不准确问题,提出了一种基于深度卷积神经网络的复杂图像分割方法,将语义分割的思想与图像检测相结合,使用编码-解码网络结构,基于UNet网络进行改进。编码器采用深度残差网络ResNet提取图像特征,解码器通过转置卷积进行特征的上采样,同时对编码器的特征进行裁剪操作,再与上采样的特征进行融合,融合后的特征既包含高维的抽象信息,也包含低维的细节信息,加强了网络对特征的学习。在公开数据集上的实验结果表明,该方法的分割准确率达到94%,准确率和召回率均达到80%以上。; 关键词深度学习 UNet 图像分割编码-解码网络结构卷积神经网络地理信息; 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	作者	出处	发文年	被引量	操作
1	编码-解码多尺度卷积神经网络人群计数方法	孟月波纪拓刘光辉徐胜军李彤月	《西安交通大学学报》 EI CAS CSCD 北大核心	2020	9	在线阅读下载PDF 职称材料
2	基于多输入多输出编解码器网络的图像去模糊	许光宇汪雨	《齐鲁工业大学学报》 CAS	2023	0	在线阅读下载PDF 职称材料
3	基于改进U-Net网络的腺体细胞图像分割算法	贝琛圆于海滨潘勉蒋洁吕炳赟	《电子科技》	2019	11	在线阅读下载PDF 职称材料
4	融合多尺度特征信息的图像雨滴去除方法	崔明义冯治国代建琴赵雪峰	《微电子学与计算机》	2024	1	在线阅读下载PDF 职称材料
5	跨尺度点匹配结合多尺度特征融合的图像配准	欧卓林吕晓琪谷宇	《液晶与显示》 CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
6	基于降噪循环神经网络的风电功率预测	田增垚彭飞孟庆东王汉军田长翼陈志奎	《微电子学与计算机》	2021	2	在线阅读下载PDF 职称材料
7	基于改进的UNet图像分割方法研究	代恒军	《信息技术与信息化》	2023	2	在线阅读下载PDF 职称材料