检索结果-维普期刊中文期刊服务平台

融合密集连接与自适应加权损失的血管壁图像分割被引量：2: 1; 作者高红霞郜伟《计算机应用研究》 CSCD 北大核心 2022年第6期1905-1910,共6页; 针对传统深度神经网络在对血管壁图像分割中难以提取具有针对性有效特征的问题,提出一种融合密度连接与自适应加权损失的血管壁图像分割方法。首先通过构建密集连接的分割网络学习更多的边界和轮廓表征以促进特征复用融合;然后设计了改... 展开更多; 关键词血管壁图像分割深度神经网络密集连接结构自适应加权损失边界紧凑性约束; 在线阅读下载PDF 职称材料

用于CD56图像分割的细胞标注精细化与自适应加权损失: 2; 作者刘榕伍欣 +2 位作者敖斌文青李宽《计算机工程与科学》 CSCD 北大核心 2022年第5期870-878,共9页; CD56是神经细胞黏附分子,可用于多种肿瘤细胞的诊断与研究。CD56是目前最新的肿瘤分子标记物之一,计算机医学图像处理领域目前对CD56图像的研究刚刚起步。随着诸如语义分割深度学习技术的发展,越来越多的研究人员将语义分割技术应用到... 展开更多; 关键词 CD56图像语义分割深度学习医学图像处理聚类自适应加权损失; 在线阅读下载PDF 职称材料

基于多数据融合和自适应加权混合损失函数约束的地震波初至智能拾取方法: 3; 作者赵军才马江涛 +3 位作者刘洋王宁胡亚东谭勇《石油物探》北大核心 2025年第4期691-700,共10页; 初至拾取是地震数据处理的关键环节之一,其拾取精度直接影响速度模型的构建及静校正效果。常规基于卷积神经网络的初至拾取方法虽然效果显著,但在黄土塬等复杂地表地区,由于初至波能量弱、背景噪声强等因素影响,拾取效果往往不佳。为此... 展开更多; 关键词初至拾取卷积神经网络数据融合自适应加权混合损失函数; 在线阅读下载PDF 职称材料

基于SAW-PCL的输电线路缺销螺栓弱监督检测方法被引量：1: 4; 作者赵振兵马迪雅 +3 位作者丁洁涛翟永杰赵文清张珂《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第11期3319-3326,共8页; 螺栓作为输电线路中不可或缺的紧固件,其缺销必然会引起重大的安全隐患。针对螺栓目标较小、标注难度大的问题,提出了一种基于SAW-PCL的输电线路缺销螺栓弱监督检测方法。该方法通过图像级标注信息即可定位到螺栓目标。在主网络中引入... 展开更多; 关键词缺销螺栓检测弱监督平均类间检测精度差自适应加权损失函数深度学习; 在线阅读下载PDF 职称材料

题名融合密集连接与自适应加权损失的血管壁图像分割被引量：2: 1; 作者高红霞郜伟; 机构河南工程学院软件学院信息工程大学理学院; 出处《计算机应用研究》 CSCD 北大核心 2022年第6期1905-1910,共6页; 基金河南省高等学校青年骨干教师培养计划资助项目。; 文摘针对传统深度神经网络在对血管壁图像分割中难以提取具有针对性有效特征的问题,提出一种融合密度连接与自适应加权损失的血管壁图像分割方法。首先通过构建密集连接的分割网络学习更多的边界和轮廓表征以促进特征复用融合;然后设计了改进的自适应加权损失和边界紧凑性损失约束训练网络,利用自适应加权损失自动调整不同区域分割产生的损失比例来引导网络向最佳方向学习;同时引入边界紧凑性损失约束以充分利用边界信息,提升对血管壁图像的分割精度;最后对包含2544张MRI的MERGE血管壁数据集进行了验证实验。结果表明,提出的改进方法能够有效提取血管壁图像的特征信息,在管腔和外壁轮廓分割中的Dice分别达到了93.65%和95.81%,设计的消融实验也充分证明了所提各个模块和网络的有效性,能够更好地实现高精度的图像分割。; 关键词血管壁图像分割深度神经网络密集连接结构自适应加权损失边界紧凑性约束; Keywords vessel wall image segmentation deep neural network dense connection module adaptive weighted loss boun-dary compactness constraint; 分类号 TP37 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名用于CD56图像分割的细胞标注精细化与自适应加权损失: 2; 作者刘榕伍欣敖斌文青李宽; 机构东莞理工学院网络空间安全学院; 出处《计算机工程与科学》 CSCD 北大核心 2022年第5期870-878,共9页; 基金国家重点研发计划(2018YFB1003203)。; 文摘 CD56是神经细胞黏附分子,可用于多种肿瘤细胞的诊断与研究。CD56是目前最新的肿瘤分子标记物之一,计算机医学图像处理领域目前对CD56图像的研究刚刚起步。随着诸如语义分割深度学习技术的发展,越来越多的研究人员将语义分割技术应用到医学图像处理中,以实现辅助医疗诊断。CD56图像中的背景、阴性细胞和阳性细胞像素点个数的比例非常不平衡,大致为70∶10∶1,这会影响语义分割技术用于CD56图像分割的效果。对不同类别的像素点添加损失权重且对每个像素点添加自适应权重,改进了相关语义分割模型的损失函数,使得模型能更关注细胞,特别是阳性细胞。同时使用聚类的方法,在模型训练之前精细化对CD56图像的标注,进一步提升了模型的分割精度。针对CD56图像数据集的实验结果表明,对图像标注的精细化和对相关语义分割模型的损失函数的改进有效提升了模型对CD56图像的分割精度。; 关键词 CD56图像语义分割深度学习医学图像处理聚类自适应加权损失; Keywords CD56 image semantic segmentation deep learning medical image processing clustering adaptive weighted loss; 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

题名基于多数据融合和自适应加权混合损失函数约束的地震波初至智能拾取方法: 3; 作者赵军才马江涛刘洋王宁胡亚东谭勇; 机构中石化石油工程地球物理有限公司华北分公司中国石油大学(北京)地球物理学院; 出处《石油物探》北大核心 2025年第4期691-700,共10页; 基金中石化石油工程科技项目(SG-22-47K)资助。; 文摘初至拾取是地震数据处理的关键环节之一,其拾取精度直接影响速度模型的构建及静校正效果。常规基于卷积神经网络的初至拾取方法虽然效果显著,但在黄土塬等复杂地表地区,由于初至波能量弱、背景噪声强等因素影响,拾取效果往往不佳。为此,提出了一种基于多数据融合和自适应加权混合损失函数约束的深度学习初至拾取方法。首先,将地震记录、偏移距和高程信息进行融合,构建多数据融合模型,提升方法的鲁棒性;然后,通过自适应加权策略优化多个损失函数的组合,构建自适应加权混合损失函数来有效约束模型的训练过程,进而提升模型的初至拾取精度。实际地震数据测试结果表明,在复杂地质条件下的弱初至、强噪声情况下,所提出的初至拾取方法较常用的长/短时窗均值比方法和地震图像深度语义分割方法(简称分割方法)具有更好的拾取效果和更强的抗噪性能,测试结果验证了方法的有效性和鲁棒性。; 关键词初至拾取卷积神经网络数据融合自适应加权混合损失函数; Keywords first-arrival picking convolutional neural network data fusion adaptive weighted hybrid loss function; 分类号 TE [石油与天然气工程] P631 [天文地球—地质矿产勘探]; 在线阅读下载PDF 职称材料

题名基于SAW-PCL的输电线路缺销螺栓弱监督检测方法被引量：1: 4; 作者赵振兵马迪雅丁洁涛翟永杰赵文清张珂; 机构华北电力大学电气与电子工程学院华北电力大学河北省电力物联网技术重点实验室华北电力大学复杂能源系统智能计算教育部工程研究中心河北远东通信系统工程有限公司华北电力大学控制与计算机工程学院; 出处《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第11期3319-3326,共8页; 基金国家自然科学基金(61871182,U21A20486) 河北省自然科学基金(F2020502009,F2021502008,F2021502013)。; 文摘螺栓作为输电线路中不可或缺的紧固件,其缺销必然会引起重大的安全隐患。针对螺栓目标较小、标注难度大的问题,提出了一种基于SAW-PCL的输电线路缺销螺栓弱监督检测方法。该方法通过图像级标注信息即可定位到螺栓目标。在主网络中引入卷积块注意模块(CBAM),抑制无用的背景特征,提取螺栓精细特征,提高螺栓的检测能力。针对弱监督检测中缺销螺栓的检测精度远低于正常螺栓及不平衡性问题,提出自适应加权损失函数(SAW),动态调节模型对不同类别样本的学习程度,均衡不同类别之间的检测精度,并定义了平均类间检测精度差(ADPD)来评价不平衡性。构建的自适应加权损失函数可以提升缺销螺栓的检测精度,对正常螺栓和缺销螺栓的检测精度有一定的均衡能力,定义的ADPD可以评价模型检测性能的平衡度。在自建数据集V1上的实验结果表明:改进方法的平均准确率均值(mAP)提高了19.7%,ADPD值降低了21.8,在mAP和ADPD双重指标评估下的模型表现出了更好的缺销螺栓检测能力。; 关键词缺销螺栓检测弱监督平均类间检测精度差自适应加权损失函数深度学习; Keywords pin-missing bolt detection weak supervision average detection precision difference among classes self-adaptation weighted loss function deep learning; 分类号 TP391.4 [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	融合密集连接与自适应加权损失的血管壁图像分割	高红霞郜伟	《计算机应用研究》 CSCD 北大核心	2022	2	在线阅读下载PDF 职称材料
2	用于CD56图像分割的细胞标注精细化与自适应加权损失	刘榕伍欣敖斌文青李宽	《计算机工程与科学》 CSCD 北大核心	2022	0	在线阅读下载PDF 职称材料
3	基于多数据融合和自适应加权混合损失函数约束的地震波初至智能拾取方法	赵军才马江涛刘洋王宁胡亚东谭勇	《石油物探》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于SAW-PCL的输电线路缺销螺栓弱监督检测方法	赵振兵马迪雅丁洁涛翟永杰赵文清张珂	《北京航空航天大学学报》 EI CAS CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料