期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于密集连接的FPN多尺度目标检测算法
被引量：
10
1
作者
张宽
滕国伟
+1 位作者
范涛
李聪
《计算机应用与软件》
北大核心
2020年第1期165-171,212,共8页
图像中目标对象的多尺度问题一直以来都是目标检测领域的主要难点之一,尤其是极端尺度对象的检测。研究发现,目标检测网络模型的深层语义特征有利于对象的识别,而浅层空间特征对对象的边界框回归很有帮助。DC-FPN使用密集连接代替FPN网...
图像中目标对象的多尺度问题一直以来都是目标检测领域的主要难点之一,尤其是极端尺度对象的检测。研究发现,目标检测网络模型的深层语义特征有利于对象的识别,而浅层空间特征对对象的边界框回归很有帮助。DC-FPN使用密集连接代替FPN网络模型中的横向连接,能够从多层特征层中获取目标检测所需的特征信息,其中密集连接可以融合FPN自底向上传输模块中的所有特征层的特征信息,使FPN自顶向下传输模块的预测特征层能从中获取不同尺度对象检测所需的特征信息。实验表明,DC-FPN目标检测算法能够显著地提升模型的多尺度目标检测性能,使用MS COCO数据集训练和测试,其检测准确度(AP)能达到43.1%。
展开更多
关键词
目标检测
密集
连接
感受
野
空间分辨率
分类
边界框回归
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
2
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
正弦图智能插值法CT稀疏重建
被引量：
4
3
作者
温静
乔志伟
《核电子学与探测技术》
CAS
北大核心
2021年第6期1125-1131,共7页
介绍了基于正弦稀疏插值法对CT图像进行稀疏重建的方法。该方法采用稀疏采样,在DNCDD网络的基础上,提出递减感受野密集连接DNCNN网络结构,汲取图像特征。网络模型采用不同大小的卷积核并加入了密集连接,通过与线性插值方法及不同经典网...
介绍了基于正弦稀疏插值法对CT图像进行稀疏重建的方法。该方法采用稀疏采样,在DNCDD网络的基础上,提出递减感受野密集连接DNCNN网络结构,汲取图像特征。网络模型采用不同大小的卷积核并加入了密集连接,通过与线性插值方法及不同经典网络方法的比较表明,该网络重建后图像的峰值信噪比和结构相似度更高,可更好地保留图像细节。
展开更多
关键词
智能插值
稀疏重建
卷积神经网络
递减感受野密集连接dncnn
医学图像
在线阅读
下载PDF
职称材料
题名
基于密集连接的FPN多尺度目标检测算法
被引量：
10
1
作者
张宽
滕国伟
范涛
李聪
机构
上海先进通信与数据科学研究院
上海大学通信与信息工程学院
华平信息技术股份有限公司
出处
《计算机应用与软件》
北大核心
2020年第1期165-171,212,共8页
基金
国家自然科学基金项目(61571285)
上海晨光计划项目(17CG41)
文摘
图像中目标对象的多尺度问题一直以来都是目标检测领域的主要难点之一,尤其是极端尺度对象的检测。研究发现,目标检测网络模型的深层语义特征有利于对象的识别,而浅层空间特征对对象的边界框回归很有帮助。DC-FPN使用密集连接代替FPN网络模型中的横向连接,能够从多层特征层中获取目标检测所需的特征信息,其中密集连接可以融合FPN自底向上传输模块中的所有特征层的特征信息,使FPN自顶向下传输模块的预测特征层能从中获取不同尺度对象检测所需的特征信息。实验表明,DC-FPN目标检测算法能够显著地提升模型的多尺度目标检测性能,使用MS COCO数据集训练和测试,其检测准确度(AP)能达到43.1%。
关键词
目标检测
密集
连接
感受
野
空间分辨率
分类
边界框回归
Keywords
Object detection
Dense connectivity
Receptive filed
Spatial resolution
Classification
Boundingboxes regression
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
2
作者
魏超宇
韩文
庞程
刘辉军
机构
中国计量大学计量测试工程学院
出处
《江苏农业学报》
CSCD
北大核心
2021年第4期990-997,共8页
基金
国家自然科学基金项目(51606181)
国家级大学生创新创业训练计划项目(201910356009)。
文摘
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。
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
Keywords
Huanghua pear plants
multi-scale feature fusion
dense connection network
image segmentation
atrous spatial pyramid pooling(ASPP)
receptive field
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
正弦图智能插值法CT稀疏重建
被引量：
4
3
作者
温静
乔志伟
机构
山西大学计算机与信息技术学院
出处
《核电子学与探测技术》
CAS
北大核心
2021年第6期1125-1131,共7页
基金
国家自然科学基金(62071281)
山西省重点研发计划(201803D421012)
+1 种基金
山西省留学人员科技活动项目(RSC1622)
山西省回国留学人员科研项目(2020-008)。
文摘
介绍了基于正弦稀疏插值法对CT图像进行稀疏重建的方法。该方法采用稀疏采样,在DNCDD网络的基础上,提出递减感受野密集连接DNCNN网络结构,汲取图像特征。网络模型采用不同大小的卷积核并加入了密集连接,通过与线性插值方法及不同经典网络方法的比较表明,该网络重建后图像的峰值信噪比和结构相似度更高,可更好地保留图像细节。
关键词
智能插值
稀疏重建
卷积神经网络
递减感受野密集连接dncnn
医学图像
Keywords
Intelligent Interpolation
Sparse Reconstruction
Convolutional Neural Network
Decrement of Receptive Field Multi-link
dncnn
Medical Image
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
基于密集连接的FPN多尺度目标检测算法
张宽
滕国伟
范涛
李聪
《计算机应用与软件》
北大核心
2020
10
在线阅读
下载PDF
职称材料
2
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
魏超宇
韩文
庞程
刘辉军
《江苏农业学报》
CSCD
北大核心
2021
3
在线阅读
下载PDF
职称材料
3
正弦图智能插值法CT稀疏重建
温静
乔志伟
《核电子学与探测技术》
CAS
北大核心
2021
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
