基于超密集特征金字塔网络的SAR图像舰船检测 被引量：10

1

作者 韩子硕 王春平 +1 位作者 付强 徐艳 《系统工程与电子技术》 EI CSCD 北大核心 2020年第10期2214-2222,共9页

针对星载合成孔径雷达(synthetic aperture radar,SAR)图像舰船目标检测困难的问题,提出了一种基于超密集特征金字塔网络的检测算法。首先,利用残差神经网络提取原始图像特征,构建特征图。其次,跨尺度连接多个特征层获取超密集特征金字... 针对星载合成孔径雷达(synthetic aperture radar,SAR)图像舰船目标检测困难的问题,提出了一种基于超密集特征金字塔网络的检测算法。首先,利用残差神经网络提取原始图像特征,构建特征图。其次,跨尺度连接多个特征层获取超密集特征金字塔,建立多尺度的高层语义特征映射,增强特征传播和重用。然后,再利用区域建议网络提取每层金字塔的候选区域输入检测网络。最后,通过融合候选区域及其周边上下文信息,将检测网络注意力集中至海域以抑制虚警,并为分类器计算置信度和边框回归提供补充信息。多组仿真实验证明,所提网络框架设定合理且检测性能优越。 展开更多

关键词 合成孔径雷达 卷积神经网络 超密集特征金字塔网络 上下文信息

在线阅读 下载PDF 职称材料

基于特征金字塔网络和密集网络的肺部CT图像超分辨率重建 被引量：4

2

作者 申利华 李波 《计算机应用》 CSCD 北大核心 2023年第5期1612-1619,共8页

针对肺部计算机断层扫描(CT)图像的超分辨率(SR)重建中需要加大对肺结节的关注度、满足重建后的特征具有客观存在性等问题,提出一种基于特征金字塔网络(FPN)和密集网络的肺部图像SR重建方法。首先,在特征提取层利用FPN提取特征;其次,在... 针对肺部计算机断层扫描(CT)图像的超分辨率(SR)重建中需要加大对肺结节的关注度、满足重建后的特征具有客观存在性等问题,提出一种基于特征金字塔网络(FPN)和密集网络的肺部图像SR重建方法。首先,在特征提取层利用FPN提取特征;其次,在特征映射层设计基于残差网络的局部结构,再用特殊的密集网络连接此类局部结构;再次,在特征重建层利用卷积神经网络(CNN)将不同深度的卷积层逐渐降为图像大小;最后,利用残差网络融合初始低分辨率(LR)特征与重建的高分辨率(HR)特征,形成最终的SR图像。对比实验显示,FPN中2次特征融合和特征映射中5个局部结构连接的深度学习网络效果更佳。所提出的网络相较于超分辨率卷积神经网络(SRCNN)等经典网络重建SR图像的峰值信噪比(PSNR)更高,并且可以获得更好的视觉质量。 展开更多

关键词 肺部计算机断层扫描图像 超分辨率重建 特征金字塔网络 密集网络 残差网络

在线阅读 下载PDF 职称材料

基于密集特征金字塔的细胞图像实例分割网络 被引量：2

3

作者 董高君 许乐乐 +1 位作者 马忠松 于歌 《载人航天》 CSCD 北大核心 2021年第2期169-174,共6页

针对空间科学实验中复杂场景下细胞图像难以精细准确分割的问题,提出了基于Mask R-CNN的实例分割新算法——基于密集特征金字塔的实例分割网络(DFP-Mask)。该算法在特征金字塔网络自顶向下的特征传输过程中以密集连接的方式控制多尺度... 针对空间科学实验中复杂场景下细胞图像难以精细准确分割的问题,提出了基于Mask R-CNN的实例分割新算法——基于密集特征金字塔的实例分割网络(DFP-Mask)。该算法在特征金字塔网络自顶向下的特征传输过程中以密集连接的方式控制多尺度特征图间的信息传递,将高层语义结构信息传递至所有低层特征,提高低层特征的语义理解能力,从而提升多尺度特征的目标识别能力。实验选用天舟一号小鼠肝卵圆细胞图像数据,数据集中包涵200张背景复杂且有实例交叠的图片。实验结果表明:与Mask R-CNN相比,DFP-Mask在多个评价指标和视觉分割效果上表现更优,其中准确率提高了2.03%,召回率提高了3.77%,平均精确率mAP提高了1%。DFP-Mask可应用于更多空间科学实验对象的数量、形态、生长过程等表型特征的提取。 展开更多

关键词 深度学习 实例分割网络 细胞分割 多尺度特征 密集特征金字塔 细胞图像

在线阅读 下载PDF 职称材料

基于密集残差连接U型网络的噪声图像超分辨率重建

4

作者 刘鹏南 李龙 +2 位作者 张紫豪 朱星光 程德强 《工矿自动化》 CSCD 北大核心 2024年第2期63-71,共9页

现有的图像超分辨率重建网络难以适用于煤矿井下噪声密集的应用场景,且多数网络通过增加深度提升性能会导致无法有效提取关键特征、高频信息丢失等问题。针对上述问题,提出了一种密集残差连接U型网络,用于对低分辨率噪声图像进行超分辨... 现有的图像超分辨率重建网络难以适用于煤矿井下噪声密集的应用场景,且多数网络通过增加深度提升性能会导致无法有效提取关键特征、高频信息丢失等问题。针对上述问题,提出了一种密集残差连接U型网络,用于对低分辨率噪声图像进行超分辨率重建。在特征提取路径中引入基于密集残差连接的去噪模块,通过密集连接的方式对图像特征进行充分提取,再利用残差学习的特点对低分辨率噪声图像进行有效去噪;在重建路径中引入残差特征注意力蒸馏模块,通过在残差块中融入增强特征注意力块,对不同空间的特征赋予不同的权重,加强网络对于图像关键特征的提取能力,同时减少图像细节特征在残差块中的损失,从而更好地恢复图像细节信息。在煤矿井下图像数据集及公共数据集上进行了对比实验,结果表明:在客观评价指标上,所提网络的结构相似度、图像感知相似度均优于对比网络,且在复杂度及运行速度上有着较好的均衡;在主观视觉效果上,所提网络重建的图像基本消除了原有图像噪声,有效恢复了图像的细节特征。 展开更多

关键词 噪声图像 超分辨率重建 密集残差连接 U型网络 去噪模块 残差特征注意力蒸馏模块

在线阅读 下载PDF 职称材料

基于拉普拉斯金字塔生成对抗网络的图像超分辨率重建算法 被引量：7

5

作者 段友祥 张含笑 +1 位作者 孙歧峰 孙友凯 《计算机应用》 CSCD 北大核心 2021年第4期1020-1026,共7页

针对目前的图像超分辨率重建算法中存在的大尺度因子的重建效果较差、不同尺度的图像重建均需要单独训练等问题,提出一种基于拉普拉斯金字塔生成对抗网络(GAN)的图像超分辨率重建算法。算法中的生成器使用金字塔结构实现多尺度的图像重... 针对目前的图像超分辨率重建算法中存在的大尺度因子的重建效果较差、不同尺度的图像重建均需要单独训练等问题,提出一种基于拉普拉斯金字塔生成对抗网络(GAN)的图像超分辨率重建算法。算法中的生成器使用金字塔结构实现多尺度的图像重建,从而以渐进上采样的方式降低了大尺度因子的学习难度,并在层与层之间使用密集连接加强特征传播,从而有效避免了梯度弥散问题。算法中使用马尔可夫判别器将输入数据映射为结果矩阵,并在训练的过程中引导生成器关注图像的局部特征,从而丰富了重建图像的细节。实验结果表明:在Set5等基准数据集上分别进行放大2倍、4倍、8倍的图像重建时,所提算法的平均峰值信噪比(PSNR)分别达到了33.97 dB、29.15 dB、25.43 dB,平均结构相似性(SSIM)分别达到了0.924、0.840、0.667,相比用于超分辨率重建的卷积神经网络(SRCNN)、深度拉普拉斯金字塔超分辨率重建网络(LapSRN)、用于超分辨率重建的生成对抗式网络(SRGAN)等其他算法有较大提升,且其重建的图像在主观视觉上保留了更多生动的纹理和小颗粒细节。 展开更多

关键词 超分辨率重建 大尺度因子 密集连接 拉普拉斯金字塔 生成对抗网络

在线阅读 下载PDF 职称材料

融合密集特征金字塔的改进R^(2)CNN海洋涡旋自动检测 被引量：4

6

作者 杜艳玲 王丽丽 +2 位作者 黄冬梅 陈珂 贺琪 《智能系统学报》 CSCD 北大核心 2023年第2期341-351,共11页

海洋涡旋演变过程认识的不足是制约当前物理海洋研究水平的关键因素,海洋涡旋自动检测是掌握其产生、发展、变异过程机理及其与多尺度海洋过程相互作用的基础。然而,由于海洋涡旋尺度多样性、形状不规则、分布密集的特点,现有水平检测... 海洋涡旋演变过程认识的不足是制约当前物理海洋研究水平的关键因素,海洋涡旋自动检测是掌握其产生、发展、变异过程机理及其与多尺度海洋过程相互作用的基础。然而,由于海洋涡旋尺度多样性、形状不规则、分布密集的特点,现有水平检测方法导致检测区域存在显著的冗余、重叠与嵌套。为解决上述问题,提出多尺度旋转密集特征金字塔网络。具体地,通过密集连接(dense feature pyramid network,DFPN)改进特征金字塔网络实现多尺度高层语义特征提取与融合,增强特征传播与特征重用;此外,针对海洋涡旋密集分布的特点,改进旋转区域卷积神经网络(rotational region convolutional neural network,R^(2)CNN),提出多尺度RoI Align机制,实现特征的语义保持和空间信息的完整性,提升模型检测性能。最后,采用海平面异常值数据构建海洋涡旋数据集,并预处理成VOC格式进行训练,调整相应参数得到检测模型。实验结果表明,提出的检测模型最优检测精度可达96.4%,并对太平洋、大西洋海域的海洋涡旋进行自动检测,验证了模型具有较好的泛化能力。 展开更多

关键词 深度学习 目标检测 海洋涡旋 密集特征金字塔 卷积神经网络 特征融合 旋转区域卷积神经网络 模式识别

在线阅读 下载PDF 职称材料

基于改进YOLOv5的密集行人检测算法 被引量：2

7

作者 胡倩 皮建勇 +2 位作者 胡伟超 黄昆 王娟敏 《计算机工程》 北大核心 2025年第3期216-228,共13页

针对现有的行人检测方法对于密集行人或小目标行人检测精度低的问题,提出一种基于YOLOv5的综合改进算法模型YOLOv5_Conv-SPD_DAFPN。首先,针对小目标或密集行人的特征信息易丢失这一问题,在骨干网络中引入Conv-SPD网络模块替代原有的跨... 针对现有的行人检测方法对于密集行人或小目标行人检测精度低的问题,提出一种基于YOLOv5的综合改进算法模型YOLOv5_Conv-SPD_DAFPN。首先,针对小目标或密集行人的特征信息易丢失这一问题,在骨干网络中引入Conv-SPD网络模块替代原有的跨步卷积,有效缓解特征信息丢失的问题;其次,针对非相邻特征图不直接融合从而引起特征融合率较低的问题,提出新的双层渐进金字塔网络(DAFPN),提高行人检测的准确性和精度;最后,基于EIoU_Loss和CIoU_Loss引入EfficiCIoU_Loss定位损失函数,以调整和提高帧回归率,促进网络模型更快收敛。模型在CrowdHuman和WiderPerson行人数据集上相比于原YOLOv5模型,mAP@0.5、mAP@0.5∶0.95分别提升了3.9、5.3百分点和2.1、2.1百分点;引入EfficiCIoU_Loss后,模型收敛速度分别提升了11%、33%。这些改进使得基于YOLOv5的密集行人检测在特征信息保留、多尺度融合和损失函数优化等方面都取得了显著进展,提高了其在实际应用中的性能和效率。 展开更多

关键词 密集行人检测 小目标行人检测 Conv-SPD网络 双层渐进特征金字塔网络 EfficiCIoU_Loss损失函数

在线阅读 下载PDF 职称材料

区域负荷趋势特征分析与金字塔模型超短期预测方法 被引量：1

8

作者 许刚 吴舜裕 《计算机工程》 CAS CSCD 北大核心 2018年第2期287-293,共7页

以区域负荷作为研究对象,分析区域负荷与电网负荷在变化波形性、周期性等方面的特征差异。针对区域负荷变化过程中时序关联性较弱的特点,提出基于金字塔模型的区域负荷自适应超短期预测方法。采用灰色关联分析法,提取与负荷变化具有强... 以区域负荷作为研究对象,分析区域负荷与电网负荷在变化波形性、周期性等方面的特征差异。针对区域负荷变化过程中时序关联性较弱的特点,提出基于金字塔模型的区域负荷自适应超短期预测方法。采用灰色关联分析法,提取与负荷变化具有强关联性的客观特征因素。建立自适应增强随机权网络,加强模型对负荷特征的学习能力以及最优求解效率。设计分层金字塔模型结构,采用滚动淘汰的方式,提升预测模型对区域负荷特征变化的自适应性,降低区域负荷变化趋势突变对超短期预测精度的影响。仿真结果表明,该方法可准确跟随区域负荷变化趋势,具有较高的预测精度与稳定性。 展开更多

关键词 区域负荷 趋势特征 超短期预测 金字塔模型 随机权网络

在线阅读 下载PDF 职称材料

多尺度密集特征融合的图像超分辨率重建 被引量：16

9

作者 程德强 赵佳敏 +2 位作者 寇旗旗 陈亮亮 韩成功 《光学精密工程》 EI CAS CSCD 北大核心 2022年第20期2489-2500,共12页

针对现有单幅图像超分辨率重建算法提取的图像特征信息单一、高频细节丢失的问题,提出了一种高效利用特征信息的基于多尺度密集特征融合网络的图像超分辨率重建算法。该方法通过含有不同尺度卷积核的多尺度特征融合残差模块提取不同尺... 针对现有单幅图像超分辨率重建算法提取的图像特征信息单一、高频细节丢失的问题,提出了一种高效利用特征信息的基于多尺度密集特征融合网络的图像超分辨率重建算法。该方法通过含有不同尺度卷积核的多尺度特征融合残差模块提取不同尺度图像特征并将不同尺度的特征融合,以提取丰富的图像特征。在模块间采用密集特征融合结构将不同模块提取到的特征信息充分融合,以更好地保留图像的高频细节、获取更好的视觉感受。大量实验表明,所提出的方法在参数量减少的同时,在四个基准数据集上取得的峰值信噪比和结构相似度均有明显提升,尤其在Set5数据集上4倍重建结果的峰值信噪比相比于DID-D5提升了0.08 dB,且重建图像视觉效果更好、特征信息更加丰富,充分证明了该算法的有效性。 展开更多

关键词 超分辨率 多尺度 密集特征融合 卷积神经网络 残差学习

在线阅读 下载PDF 职称材料

基于多尺度特征融合和密集连接网络的疏果期黄花梨植株图像分割 被引量：3

10

作者 魏超宇 韩文 +1 位作者 庞程 刘辉军 《江苏农业学报》 CSCD 北大核心 2021年第4期990-997,共8页

由于自然环境下果蔬植株的果实、枝干和叶片等目标尺度不一、边缘不规则,因此造成其准确分割较为困难。针对该问题,提出1种多尺度特征融合和密集连接网络(Multi-scale feature fusion and dense connection networks,MDNet)以实现黄花... 由于自然环境下果蔬植株的果实、枝干和叶片等目标尺度不一、边缘不规则,因此造成其准确分割较为困难。针对该问题,提出1种多尺度特征融合和密集连接网络(Multi-scale feature fusion and dense connection networks,MDNet)以实现黄花梨疏果期植株图像的准确分割。在研究中借鉴了编码-解码网络,其中编码网络采用DenseNet对多层特征进行复用和融合,以改善信息传递方式;解码网络使用转置卷积进行上采样,结合跳层连接融合浅层细节信息与深层语义信息;在编码、解码之间加入空洞空间金字塔池化(Atrous spatial pyramid pooling,ASPP)用于提取不同感受野的特征图以融合多尺度特征,聚合上下文信息。结果表明,ASPP有效提高了模型的分割精度,MDNet在测试集上的平均局域重合度(MIoU)为77.97%,分别较SegNet、Deeplabv2和DNet提高了8.10个、5.77个和2.17个百分点,果实、枝干和叶片的像素准确率分别为93.57%、90.31%和95.43%,实现了黄花梨植株果实、枝干和叶片等目标的准确分割。在翠冠梨植株图像的独立测试中,MIoU为70.93%,表明该模型具有较强的泛化能力,对自然环境下果蔬植株图像的分割有一定的参考价值。 展开更多

关键词 黄花梨植株 多尺度特征融合 密集连接网络 图像分割 空洞空间金字塔池化(ASPP) 感受野

在线阅读 下载PDF 职称材料

基于多尺度特征融合的超分辨率重建算法研究 被引量：4

11

作者 仝卫国 蔡猛 +1 位作者 庞雪纯 翟永杰 《科学技术与工程》 北大核心 2022年第26期11507-11514,共8页

超分辨率重建技术可以提高图像质量,使原图像具有更丰富的细节信息。针对现有的超分辨率重建算法存在提取特征单一、不利于对图像信息进一步提取的问题,提出了一种基于多尺度特征融合的超分辨率重建算法。采用多特征提取模块获取更多浅... 超分辨率重建技术可以提高图像质量,使原图像具有更丰富的细节信息。针对现有的超分辨率重建算法存在提取特征单一、不利于对图像信息进一步提取的问题,提出了一种基于多尺度特征融合的超分辨率重建算法。采用多特征提取模块获取更多浅层信息,并在网络中添加密集连接结构,增强特征的传播,减少相关参数计算,减轻梯度消失问题。在Set5和Set14基准数据集上进行了测试,并在电力巡检数据集上进一步验证了算法的有效性。与主流的超分辨率重建方法进行了对比,实验结果表明,该方法生成的图像有更加丰富的细节信息,能够有效地改善图像质量,峰值信噪比与结构相似度值较其他主流算法均有一定的提高。 展开更多

关键词 超分辨率重建 卷积神经网络 多尺度特征 密集连接

在线阅读 下载PDF 职称材料

基于渐进式GAN逆映射的人脸超分辨率重建 被引量：1

12

作者 孙红 赵迎志 +1 位作者 罗琦 袁巫凯 《控制工程》 CSCD 北大核心 2024年第9期1572-1580,共9页

为了缓解生成对抗网络(generative adversarial network,GAN)自身存在的训练不稳定问题,增强图像超分辨率重建的效果,提出一种基于GAN逆映射的图像超分辨率重建算法。通过渐进式网络增加模型的稳定性,通过逆映射金字塔充分学习低分辨人... 为了缓解生成对抗网络(generative adversarial network,GAN)自身存在的训练不稳定问题,增强图像超分辨率重建的效果,提出一种基于GAN逆映射的图像超分辨率重建算法。通过渐进式网络增加模型的稳定性,通过逆映射金字塔充分学习低分辨人脸图像的语义特征,实现准确的隐空间转换,通过半空间特征调制进行图像增强。对所提算法进行实验验证,该算法在Celeb A数据集上重建8倍后的图像峰值信噪比为27.18 dB,相比超分辨率生成对抗网络(super-resolution generative adversarial network,SRGAN),提高了2.44 dB,模型的收敛速度也更快。实验结果表明,通过GAN逆映射和渐进的方式进行图像超分辨率重建具有较好的效果和更高的稳定性。 展开更多

关键词 半空间特征调制 逆映射金字塔 渐进式网络 超分辨率重建 生成对抗网络

在线阅读 下载PDF 职称材料

基于生成对抗网络的机载遥感图像超分辨率重建 被引量：12

13

作者 毕晓君 潘梦迪 《智能系统学报》 CSCD 北大核心 2020年第1期74-83,共10页

为解决机载遥感图像质量易受环境影响的问题,对其进行超分辨率重建,对现有深度学习机载遥感图像超分辨率重建方法存在的特征提取能力差、重建图像边缘平滑、模型训练困难的问题进行改进,增强图像重建效果。将生成对抗网络作为模型的整... 为解决机载遥感图像质量易受环境影响的问题,对其进行超分辨率重建,对现有深度学习机载遥感图像超分辨率重建方法存在的特征提取能力差、重建图像边缘平滑、模型训练困难的问题进行改进,增强图像重建效果。将生成对抗网络作为模型的整体框架,使用密集剩余残差块增强模型特征提取能力,增加跳跃连接,有效提取机载遥感图像的浅层和深层特征,引入沃瑟斯坦式生成对抗网络优化模型训练。该方法能够有效对机载遥感图像进行4倍重建,在峰值信噪比评价上较对比方法约有2 dB增益,重建出的机载遥感图像在视觉上更清晰、细节更丰富、边缘更锐利。实验结果表明,该方法有效提升了模型特征提取能力,优化了训练过程,重建的机载遥感图像效果较好。 展开更多

关键词 机载遥感 超分辨率重建 深度学习 密集剩余残差块 特征提取 跳跃链接 沃瑟斯坦 生成对抗网络

在线阅读 下载PDF 职称材料

基于Faster R-CNN的密集人群检测算法 被引量：4

14

作者 邹斌 张聪 《计算机应用》 CSCD 北大核心 2023年第1期61-66,共6页

为提高拥挤场景下的人群检测准确率,提出一种基于改进Faster R-CNN的密集人群检测算法。首先,在特征提取阶段添加空间与通道注意力机制,使用加强的双向特征金字塔网络(S-BiFPN)替代原网络中的多尺度特征金字塔(FPN),使网络对重要特征进... 为提高拥挤场景下的人群检测准确率,提出一种基于改进Faster R-CNN的密集人群检测算法。首先,在特征提取阶段添加空间与通道注意力机制,使用加强的双向特征金字塔网络(S-BiFPN)替代原网络中的多尺度特征金字塔(FPN),使网络对重要特征进行自主学习并加强对图像深层特征的提取;其次,引入多实例预测(MIP)算法对实例进行预测,以避免模型对拥挤场景下的目标造成漏检;最后,对模型中的非极大值抑制(NMS)进行优化,并额外增设一个交并比(IoU)阈值,以对检测结果的干扰项进行精确抑制。在开源的密集人群检测数据集上进行测试的结果显示,相较于原Faster R-CNN算法,所提算法的平均精度(AP)提升5.6%,Jaccard指数值提升3.2%。所提算法具有较高检测精度和稳定性,可以满足密集场景人群检测的需求。 展开更多

关键词 密集人群检测 Faster R-CNN 注意力机制 多实例预测 加强的双向特征金字塔网络

在线阅读 下载PDF 职称材料

基于改进Faster RCNN的节肢动物目标检测方法 被引量：7

15

作者 郭子豪 董乐乐 曲志坚 《计算机应用》 CSCD 北大核心 2023年第1期88-97,共10页

自然生态环境下的节肢动物目标检测存在目标背景复杂、尺度差异大以及目标密集等特点,导致目标检测精度和准确率不高。为此,提出一种基于改进Faster RCNN模型的节肢动物目标检测方法 AROD RCNN。首先,设计一种有监督的并行空间与通道注... 自然生态环境下的节肢动物目标检测存在目标背景复杂、尺度差异大以及目标密集等特点,导致目标检测精度和准确率不高。为此,提出一种基于改进Faster RCNN模型的节肢动物目标检测方法 AROD RCNN。首先,设计一种有监督的并行空间与通道注意力(SPSCAT)机制,以提高复杂背景环境下节肢动物目标检测的准确率;然后,引入第二代可变形卷积重塑ResNet50中C1~C5块卷积层,并使用特征金字塔网络(FPN)对ResNet50中C2~C6块进行特征融合以解决目标尺度差异较大影响检测精度的问题;最后,通过密集局部回归(DLR)方法对回归阶段进行改进,从而提高模型回归的准确性。实验结果表明,该方法在ArTaxOr数据集上的各类别平均精度(mAP)达到了0.717,较原始Faster RCNN模型提高了0.453,而召回率达到了0.787。可见该方法能够有效解决目标遮挡和复杂背景等问题,在节肢动物密集目标与小目标检测中表现良好。 展开更多

关键词 目标检测 注意力机制 可变形卷积 特征金字塔网络 密集局部回归 节肢动物

在线阅读 下载PDF 职称材料

多分辨率融合输入的U型视网膜血管分割算法 被引量：7

16

作者 梁礼明 詹涛 +2 位作者 雷坤 冯骏 谭卢敏 《电子与信息学报》 EI CSCD 北大核心 2023年第5期1795-1806,共12页

针对视网膜血管拓扑结构不规则、形态复杂和尺度变化多样的特点,该文提出一种多分辨率融合输入的U型网络(MFIU-Net),旨在实现视网膜血管精准分割。设计以多分辨率融合输入为主干的粗略分割网络,生成高分辨率特征。采用改进的ResNeSt代... 针对视网膜血管拓扑结构不规则、形态复杂和尺度变化多样的特点,该文提出一种多分辨率融合输入的U型网络(MFIU-Net),旨在实现视网膜血管精准分割。设计以多分辨率融合输入为主干的粗略分割网络,生成高分辨率特征。采用改进的ResNeSt代替传统卷积,优化血管分割边界特征;将并行空间激活模块嵌入其中,捕获更多的语义和空间信息。构架另一U型精细分割网络,提高模型的微观表示和识别能力。一是底层采用多尺度密集特征金字塔模块提取血管的多尺度特征信息。二是利用特征自适应模块增强粗、细网络之间的特征融合,抑制不相关的背景噪声。三是设计面向细节的双重损失函数融合,以引导网络专注于学习特征。在眼底数据用于血管提取的数字视网膜图像(DRIVE)、视网膜结构分析(STARE)和儿童心脏与健康研究(CHASE_DB1)上进行实验,其准确率分别为97.00%,97.47%和97.48%,灵敏度分别为82.73%,82.86%和83.24%,曲线下的面积(AUC)值分别为98.74%,98.90%和98.93%。其模型整体性能优于现有算法。 展开更多

关键词 视网膜血管分割 U型网络 并行空间激活模块 多尺度密集特征金字塔模块 双重损失函数融合

在线阅读 下载PDF 职称材料

基于FPGAN-SSD的遥感小目标检测 被引量：3

17

作者 孙伟杰 袁三男 《电光与控制》 CSCD 北大核心 2022年第5期113-118,共6页

针对遥感图像中的小目标检测精度低的问题,提出一种基于改进特征金字塔及生成对抗网络的端到端检测(FPGAN-SSD)算法。该算法首先改进生成器网络结构,由特征金字塔网络替代传统CNN网络,并在高层特征图上构建子像素跳接融合(SSCF)与子像... 针对遥感图像中的小目标检测精度低的问题,提出一种基于改进特征金字塔及生成对抗网络的端到端检测(FPGAN-SSD)算法。该算法首先改进生成器网络结构,由特征金字塔网络替代传统CNN网络,并在高层特征图上构建子像素跳接融合(SSCF)与子像素上下文特征融合(SCFF)结构;其次,重构特征金字塔的骨干网络ResNet50,将基础层特征映射划分为两部分,并使用Octave Convolution替代传统卷积;最后,使用相对判别器及单点多盒探测器(SSD)算法的损失函数对生成器模型进行训练。实验结果表明,该算法在COCO2017数据集上及小目标的平均准确率(mAP)分别达到48.3%和27.8%,检测速度为9.6帧/s;在UCAS-AOD及HRSC2016组成的遥感公开数据集上的平均准确率达到81.7%,检测速度为13.2帧/s。该算法在保证检测速度的情况下,有效提升了遥感图像中小目标的平均准确率。 展开更多

关键词 小目标检测 遥感图像 生成对抗网络 图像特征金字塔 图像超分辨率重建

在线阅读 下载PDF 职称材料