-
题名基于跨空间多尺度的弱监督有向目标检测算法研究
被引量：1
- 1
-
-
作者
任洋
陈绪君
王磊
-
机构
华中师范大学物理科学与技术学院
-
出处
《激光杂志》
CAS
北大核心
2024年第7期63-70,共8页
-
基金
国家自然科学基金(No.60101204)
湖北省自然科学基金(No.2022CFB474)。
-
文摘
针对当前基于旋转框标注的传统有向目标检测算法对遥感场景下的有向目标检测存在复杂度高、标注成本大等问题,提出了一种基于跨空间多尺度的弱监督有向目标检测算法LSK-EFPN,该算法可利用水平框标注信息推断目标的旋转框信息,实现了复杂遥感场景下的有向目标检测。为提升网络检测能力,该算法采用LSKNet网络提取输入图像先验背景特征,并添加跨空间多尺度注意力模块捕捉跨空间的特征区域,最后使用CIoU作为尺度约束损失函数来对一致性损失进行重构。实验结果表明,LSK-EFPN在遥感场景DIOR数据集上的平均准确率达到61.7%,相对于H2RBox算法提升了4.7%,为基于水平框标注的有向目标检测场景提供了新的技术解决方案。
-
关键词
动态感受野
空间选择机制
跨空间多尺度
弱监督有向目标检测
遥感目标
-
Keywords
dynamic receptive field
spatial selection mechanism
cross-space multi-scale
weakly supervised directed target detection
remote sensing target
-
分类号
TN391.41
[电子电信—物理电子学]
-
-
题名深度双分辨率融合多尺度的实时服装分割算法研究
- 2
-
-
作者
李虎啸
陈绪君
田春欣
-
机构
华中师范大学物理科学与技术学院
-
出处
《激光杂志》
CAS
北大核心
2024年第11期85-92,共8页
-
基金
国家自然科学基金(No.60101204)
湖北省自然科学基金(No.2022CFB474)。
-
文摘
针对当前基于服装分割的实时语义分割算法(如Deeplab系列、ERFNet系列、BiseNet等)对服装边缘分割细节特征不足、分割精度差、推理速度慢等问题,提出了一种深度双分辨率融合多尺度的实时语义分割算法MDRNet。为提升服装图像特征的学习能力,采用双分辨率特征网络同时提取高分辨率与低分辨特征,通过双边融合模块将不同分辨率特征进行多次融合,改进了高分辨率网络的深监督输出结构,并添加跨空间多尺度注意力模块捕捉跨空间的特征信息,最后将上下文提取模块DAPPM改为并行模块PAPPM,在提升准确率的同时,可有效减少参数量和计算复杂度并有效提升了FPS。实验结果表明,MDRNet在服装分割DeepFashion-MultiModal数据集上相对于DeeplabV3+、BiseNetv2等算法平均交并比分别提升9.2%、8.1%,为语义分割在服装上的应用提供了更好的技术解决方案。
-
关键词
深度双分辨率
实时语义分割
跨空间多尺度
深监督
上下文提取模块
-
Keywords
depth dual resolution
real-time semantic segmentation
multi-scale across space
deep supervision
context extraction module
-
分类号
TN209
[电子电信—物理电子学]
-
