期刊文献+
共找到181篇文章
< 1 2 10 >
每页显示 20 50 100
融合空洞空间金字塔池化和注意力的轻量化遥感影像道路提取 被引量:6
1
作者 刘志恒 岳子腾 +3 位作者 周绥平 江澄 节永师 陈雪梅 《航天返回与遥感》 CSCD 北大核心 2024年第1期111-122,共12页
针对高分辨率遥感影像中道路形状结构错综复杂,出现窄小型道路提取错误或漏分的问题,提出一种基于空洞空间金字塔池化和注意力机制的轻量化遥感影像道路提取方法。首先,在原始高分辨率网络(HRNet)基础上,通过引入空洞空间金字塔池化模块... 针对高分辨率遥感影像中道路形状结构错综复杂,出现窄小型道路提取错误或漏分的问题,提出一种基于空洞空间金字塔池化和注意力机制的轻量化遥感影像道路提取方法。首先,在原始高分辨率网络(HRNet)基础上,通过引入空洞空间金字塔池化模块,实现多尺度道路信息融合;再引入挤压激励通道注意力机制,增强网络特征表征质量;最后使用深度可分离卷积方法改进网络残差模块实现模型轻量化,以降低模型计算复杂度。在公开数据集上进行了模型性能测试,实验结果表明,文章所提算法的准确率、精确率、召回率、F1分数和平均交并比,相比原始HRNet分别提升了5.35%、2.15%、4.1%、3.15%和14.34%,且减少了36.1%的参数数量;相比其他网络,该算法突出了细小道路的特征,道路预测结果连续性、完整性好,并且模型小易于部署在实时检测设备中,有效改善了道路提取任务中错分和缺失的情况,是一种适应性更强、分割精度更高、更轻量化的多尺度道路提取算法。 展开更多
关键词 道路提取 空间金字塔池化 通道注意力机制 可分离卷积 高分辨率网络 遥感影像
在线阅读 下载PDF
基于动态图卷积和空间金字塔池化的点云深度学习网络 被引量:9
2
作者 朱威 绳荣金 +1 位作者 汤如 何德峰 《计算机科学》 CSCD 北大核心 2020年第7期192-198,共7页
点云数据的分类和语义分割在自动驾驶、智能机器人、全息投影等领域中有着重要应用。传统手工提取点云特征的方式,以及将三维点云数据转化为多视图、体素网格等数据形式后再进行特征学习的方式,都存在处理环节多、三维特征损失大等问题... 点云数据的分类和语义分割在自动驾驶、智能机器人、全息投影等领域中有着重要应用。传统手工提取点云特征的方式,以及将三维点云数据转化为多视图、体素网格等数据形式后再进行特征学习的方式,都存在处理环节多、三维特征损失大等问题,分类和分割的精度较低。目前可以直接处理点云数据的深度神经网络PointNet忽略了点云的局部细粒度特征,对复杂点云场景的处理能力较弱。针对上述问题,提出了一种基于动态图卷积和空间金字塔池化的点云深度学习网络。该网络在PointNet的基础上使用动态图卷积模块来替换PointNet中的特征学习模块,增强了网络对局部拓扑结构信息的学习能力;同时设计了一种基于点的空间金字塔池化结构来捕获多尺度局部特征,该方式比PointNet++的多尺度采样点云、重复分组进行多尺度局部特征学习的方法更加简洁高效。实验结果表明,在点云分类和语义分割任务的3个基准数据集上,所提网络相较于现有网络具有更高的分类和分割精度。 展开更多
关键词 点云 PointNet 动态图卷积 空间金字塔池化 局部特征
在线阅读 下载PDF
基于改进空间金字塔池化卷积神经网络的交通标志识别 被引量:12
3
作者 邓天民 方芳 周臻浩 《计算机应用》 CSCD 北大核心 2020年第10期2872-2880,共9页
针对雾天、光照、遮挡和大倾角等因素导致的交通标志识别准确率低、泛化性差等问题,提出一种基于神经网络的轻量级交通标志识别方法。首先,利用图像归一化、仿射变换和限制对比度自适应直方图均衡化(CLAHE)方法进行图像预处理,以提高图... 针对雾天、光照、遮挡和大倾角等因素导致的交通标志识别准确率低、泛化性差等问题,提出一种基于神经网络的轻量级交通标志识别方法。首先,利用图像归一化、仿射变换和限制对比度自适应直方图均衡化(CLAHE)方法进行图像预处理,以提高图像质量;其次,基于卷积神经网络(CNN),融合空间金字塔结构和批量归一化(BN)方法构建改进空间金字塔池化卷积神经网络(SPPN-CNN)模型,并利用Softmax分类器实现交通标志分类;最后,选用德国交通标志识别数据集(GTSRB),对比不同图像预处理方法、模型参数和模型结构的训练效果,并验证和测试所提模型。实验结果表明,SPPN-CNN模型的识别精度达到98.04%,损失小于0.1,在低配GPU条件下识别速率大于3000 frame/s,验证了模型精度高、泛化性强、实时性好的特点。 展开更多
关键词 图像去雾 空间金字塔池化 卷积神经网络 Softmax分类器 交通标志识别
在线阅读 下载PDF
基于序的空间金字塔池化网络的人群计数方法 被引量:38
4
作者 时增林 叶阳东 +1 位作者 吴云鹏 娄铮铮 《自动化学报》 EI CSCD 北大核心 2016年第6期866-874,共9页
视频中的人群计数在智能监控领域具有重要价值.由于摄像机透视效果、图像背景、人群密度分布不均匀和行人遮挡等干扰因素的制约,基于底层特征的传统计数方法准确率较低.本文提出一种基于序的空间金字塔池化(Rank-based spatial pyramid ... 视频中的人群计数在智能监控领域具有重要价值.由于摄像机透视效果、图像背景、人群密度分布不均匀和行人遮挡等干扰因素的制约,基于底层特征的传统计数方法准确率较低.本文提出一种基于序的空间金字塔池化(Rank-based spatial pyramid pooling,RSPP)网络的人群计数方法.该方法将原图像分成多个具有相同透视范围的子区域并在各个子区域分别取不同尺度的子图像块,采用基于序的空间金字塔池化网络估计子图像块人数,然后相加所有子图像块人数得出原图像人数.提出的图像分块方法有效地消除了摄像机透视效果和人群密度分布不均匀对计数的影响.提出的基于序的空间金字塔池化不仅能够处理多种尺度的子图像块,而且解决了传统池化方法易损失大量重要信息和易过拟合的问题.实验结果表明,本文方法相比于传统方法具有准确率高和鲁棒性好的优点. 展开更多
关键词 人群计数 空间金字塔池化 深度学习 卷积神经网络 岭回归
在线阅读 下载PDF
基于空洞空间金字塔池化和多头自注意力的特征提取网络 被引量:4
5
作者 万黎明 张小乾 +1 位作者 刘知贵 李理 《计算机应用》 CSCD 北大核心 2022年第S02期79-85,共7页
针对深度学习在图像处理领域中多尺度特征提取能力弱、特征内部信息捕获能力差的问题,提出了一种基于空洞空间金字塔池化和多头自注意力的特征提取网络(PPSANet)。首先,引入小扩张率的空洞卷积对空洞空间金字塔池化(ASPP)模型进行改进,... 针对深度学习在图像处理领域中多尺度特征提取能力弱、特征内部信息捕获能力差的问题,提出了一种基于空洞空间金字塔池化和多头自注意力的特征提取网络(PPSANet)。首先,引入小扩张率的空洞卷积对空洞空间金字塔池化(ASPP)模型进行改进,提高局部特征信息的感受野;其次,将改进的ASPP模型合并到残差网络(ResNet)的每个残差块中,使网络在多个维度上都具有多尺度特征提取能力;最后,将残差网络的底层残差块替换为多头自注意力(MHSA),增强网络特征学习能力,捕获数据和特征内部的相关性。图像分割实验中,与残差网络相比,在肺结节数据集中DICE相似系数(DICE)提升了5.16个百分点,肝癌数据集中DICE提升了5.22个百分点;目标检测实验中,与残差网络相比,平均精度均值(MAP)提升了2.9个百分点。实验结果表明,PPSANet能够有效解决图像处理中多尺度特征提取能力弱和内部信息捕获能力差的问题,在一定程度上提高了图像处理的能力。 展开更多
关键词 深度学习 特征提取 图像分割 目标检测 自注意力 空洞空间金字塔池化
在线阅读 下载PDF
多尺度空间金字塔池化PCANet的行人检测 被引量:9
6
作者 夏胡云 叶学义 +1 位作者 罗宵晗 王鹏 《计算机工程》 CAS CSCD 北大核心 2019年第2期270-277,共8页
针对非理想条件下行人检测的性能和效率问题,提出多尺度空间金字塔PCANet。将空间金字塔作为网络的特征池化层,通过分层池化特征的方式获得图像的显著性特征,并将底层特征和高层特征级联以获得样本的多尺度特征的向量表示,输入SVM分类... 针对非理想条件下行人检测的性能和效率问题,提出多尺度空间金字塔PCANet。将空间金字塔作为网络的特征池化层,通过分层池化特征的方式获得图像的显著性特征,并将底层特征和高层特征级联以获得样本的多尺度特征的向量表示,输入SVM分类器。在INRIA和NICTA数据库中,与HOG、CNN等算法进行行人检测对比实验,结果表明,该算法有更高的正确检测率、更低的漏检率和误检率。 展开更多
关键词 行人检测 深度学习架构 主成分分析网络 多尺度特征 空间金字塔池化 显著性特征
在线阅读 下载PDF
基于空间金字塔池化和深度卷积神经网络的作物害虫识别 被引量:53
7
作者 张博 张苗辉 陈运忠 《农业工程学报》 EI CAS CSCD 北大核心 2019年第19期209-215,共7页
为了减少因作物害虫姿态多样性和尺度多样性导致其识别精度相对较低的问题,该文将空间金字塔池化与改进的YOLOv3深度卷积神经网络相结合,提出了一种基于空间金字塔池化的深度卷积神经网络农作物害虫种类识别算法,首先对测试图像上的害... 为了减少因作物害虫姿态多样性和尺度多样性导致其识别精度相对较低的问题,该文将空间金字塔池化与改进的YOLOv3深度卷积神经网络相结合,提出了一种基于空间金字塔池化的深度卷积神经网络农作物害虫种类识别算法,首先对测试图像上的害虫进行检测定位,然后对检测定位出的害虫进行种类识别。通过改进YOLOv3的网络结构,采用上采样与卷积操作相结合的方法实现反卷积,使算法能够有效地检测到图片中体型较小的作物害虫样本;通过对采集到的实际场景下20类害虫进行识别测试,识别精度均值可达到88.07%。试验结果表明,本文提出的识别算法能够有效地对作物害虫进行检测和种类识别。 展开更多
关键词 图像识别 算法 害虫分类 深度卷积神经网络 空间金字塔池化 反卷积
在线阅读 下载PDF
基于深度敏感空间金字塔池化的RGBD语义分割 被引量:4
8
作者 杨胜杰 仇振安 +1 位作者 高小宁 李建勋 《电光与控制》 CSCD 北大核心 2020年第12期84-89,共6页
基于标准的2D卷积核的RGBD语义分割模型多是将深度图作为一个单独的通道,由于其卷积核特性的限制,无法充分挖掘深度信息带来的几何结构信息。针对该缺陷,构建深度敏感卷积核和池化层实现对深度信息的丰富挖掘;并使用深度敏感空间金字塔... 基于标准的2D卷积核的RGBD语义分割模型多是将深度图作为一个单独的通道,由于其卷积核特性的限制,无法充分挖掘深度信息带来的几何结构信息。针对该缺陷,构建深度敏感卷积核和池化层实现对深度信息的丰富挖掘;并使用深度敏感空间金字塔池化对多尺度信息进行提取,实现对不同尺度物体分割的效果。NYU v2和SUN RGB-D数据集上的实验结果表明此方法有效提高了整体的语义分割精度。 展开更多
关键词 RGBD语义分割 深度敏感卷积 空间金字塔池化
在线阅读 下载PDF
尺度空间金字塔池化的肺结节分类研究 被引量:3
9
作者 张丽 强彦 +1 位作者 张小龙 刘继华 《计算机工程与设计》 北大核心 2019年第12期3520-3525,共6页
在计算机辅助诊断系统中对肺结节良恶性的准确分类至关重要,但由于肺结节形状大小变化较大,作为卷积神经网络(CNN)的输入,会形成噪声,干扰判断。融合多尺度空间金字塔池化(MSPP)对肺结节进行分类。在传统AlexNet模型的基础上做出改进,... 在计算机辅助诊断系统中对肺结节良恶性的准确分类至关重要,但由于肺结节形状大小变化较大,作为卷积神经网络(CNN)的输入,会形成噪声,干扰判断。融合多尺度空间金字塔池化(MSPP)对肺结节进行分类。在传统AlexNet模型的基础上做出改进,更利于肺结节图像的输入;采用多个尺度的结节范围,减少噪声;使用多尺度空间金字塔(MSPP)策略提高分类准确性。实验结果表明,该方法达到92.65%的准确性,在准确性、敏感度、特异度、ROC曲线下面积值上均优于其它分类方法。 展开更多
关键词 多尺度 空间金字塔池化 卷积神经网络 特征提取 分类
在线阅读 下载PDF
基于卷积金字塔网络的PPO算法求解作业车间调度问题
10
作者 徐帅 李艳武 +1 位作者 谢辉 牛晓伟 《现代制造工程》 北大核心 2025年第3期19-30,共12页
作业车间调度问题是一个经典的NP-hard组合优化问题,其调度方案的优劣直接影响制造系统的运行效率。为得到更优的调度策略,以最小化最大完工时间为优化目标,提出了一种基于近端策略优化(Proximal Policy Optimization,PPO)和卷积神经网... 作业车间调度问题是一个经典的NP-hard组合优化问题,其调度方案的优劣直接影响制造系统的运行效率。为得到更优的调度策略,以最小化最大完工时间为优化目标,提出了一种基于近端策略优化(Proximal Policy Optimization,PPO)和卷积神经网络(Convolutional Neural Network,CNN)的深度强化学习(Deep Reinforcement Learning,DRL)调度方法。设计了一种三通道状态表示方法,选取16种启发式调度规则作为动作空间,将奖励函数等价为最小化机器总空闲时间。为使训练得到的调度策略能够处理不同规模的调度算例,在卷积神经网络中使用空间金字塔池化(Spatial Pyramid Pooling,SPP),将不同维度的特征矩阵转化为固定长度的特征向量。在公开OR-Library的42个作业车间调度(Job-Shop Scheduling Problem,JSSP)算例上进行了计算实验。仿真实验结果表明,该算法优于单一启发式调度规则和遗传算法,在大部分算例中取得了比现有深度强化学习算法更好的结果,且平均完工时间最小。 展开更多
关键词 深度强化学习 作业车间调度 卷积神经网络 近端策略优化 空间金字塔池化
在线阅读 下载PDF
基于空洞空间池化金字塔的自动驾驶图像语义分割方法 被引量:7
11
作者 王大方 刘磊 +3 位作者 曹江 赵刚 赵文硕 唐伟 《汽车工程》 EI CSCD 北大核心 2022年第12期1818-1824,共7页
如果车辆在道路上能精确而快速地理解人和车的语义,就能在很大程度上对障碍躲避、路径规划等做出指导。现有的基于深度学习的语义分割方法存在分割速度和分割精度不能兼得等问题。本文在现有语义分割网络的基础上,通过在特征提取基准网... 如果车辆在道路上能精确而快速地理解人和车的语义,就能在很大程度上对障碍躲避、路径规划等做出指导。现有的基于深度学习的语义分割方法存在分割速度和分割精度不能兼得等问题。本文在现有语义分割网络的基础上,通过在特征提取基准网络后添加空洞空间池化金字塔结构,可以获取图像的多尺度语义信息。实验结果表明,文中提出的A_ASPP_1和A_ASPP_2两个模块能对自动驾驶场景中常见的人和各类车辆图像进行有效的分割。对应的两种改进的网络结构虽然分割速度稍有降低,但其训练结果的平均交并比相比现有双分支网络BiSeNet分别提升了2.1和1.2个百分点。 展开更多
关键词 语义分割 自动驾驶 空洞空间池化金字塔
在线阅读 下载PDF
基于注意力机制与空间金字塔池化的行人属性识别 被引量:6
12
作者 段迅达 韩晓红 《济南大学学报(自然科学版)》 CAS 北大核心 2020年第4期342-349,共8页
针对目前的行人属性识别方法存在鲁棒性差、特征表达能力不足和行人的细粒度特征识别精度不高的缺点,提出一种基于注意力机制与空间金字塔池化的行人属性识别方法,通过注意力机制强化不同维度的特征,提升行人整体特征表达;通过空间金字... 针对目前的行人属性识别方法存在鲁棒性差、特征表达能力不足和行人的细粒度特征识别精度不高的缺点,提出一种基于注意力机制与空间金字塔池化的行人属性识别方法,通过注意力机制强化不同维度的特征,提升行人整体特征表达;通过空间金字塔池化操作,实现任意大小图像的输入,更好地保留图像的特征信息。结果表明,与现有的其他方法相比,所提出的行人属性识别方法可以精确地识别行人多种属性,具有较高的行人细粒度特征识别精度。 展开更多
关键词 模式识别 行人属性识别 注意力机制 空间金字塔池化
在线阅读 下载PDF
基于空洞空间金字塔池化U-Net的遥感图像多目标检测方法 被引量:4
13
作者 张善文 许新华 齐国红 《弹箭与制导学报》 北大核心 2023年第5期1-8,共8页
针对遥感图像(RSI)中的目标相对较小、形变多样,且包含分布不均匀的非目标和背景等问题,提出一种基于空洞空间金字塔池化U-Net的遥感图像多目标检测方法。该方法利用空洞多尺度卷积提取多尺度目标的分类特征,运用空洞空间池化金字塔模... 针对遥感图像(RSI)中的目标相对较小、形变多样,且包含分布不均匀的非目标和背景等问题,提出一种基于空洞空间金字塔池化U-Net的遥感图像多目标检测方法。该方法利用空洞多尺度卷积提取多尺度目标的分类特征,运用空洞空间池化金字塔模块扩大卷积特征图的感受野,提取更充分的目标特征,并采用注意力机制、残差连接和长跳跃连接充分保留卷积层提取的RSI的敏感特征。在公开遥感图像数据库EORSSD上的实验结果表明,所提出的方法能够从复杂多样的RSI中检测多尺度目标,检测精度为96.56%。 展开更多
关键词 遥感图像多目标检测 空洞多尺度卷积 空洞空间金字塔池化 空洞空间金字塔池化U-Net
在线阅读 下载PDF
融合跨阶段局部网络和空间金字塔池化的Yolov3目标检测算法 被引量:4
14
作者 梁礼明 钱艳群 吴媛媛 《重庆理工大学学报(自然科学)》 CAS 北大核心 2021年第10期136-143,共8页
实际的检测任务中往往存在复杂的环境与背景,容易造成边界框的定位不够准确、对各尺度的目标检测精度不高等情况。为了进一步提高Yolov3的检测精度,本文在原算法的基础上提出一种融合跨阶段局部网络和空间金字塔池化的Yolov3目标检测算... 实际的检测任务中往往存在复杂的环境与背景,容易造成边界框的定位不够准确、对各尺度的目标检测精度不高等情况。为了进一步提高Yolov3的检测精度,本文在原算法的基础上提出一种融合跨阶段局部网络和空间金字塔池化的Yolov3目标检测算法。首先,将主干网络融合跨阶段局部网络CSPNet来提高网络的学习能力;其次,引入一种改进的空间金字塔池化结构增强网络的局部区域特征;最后,在损失函数中融入focal loss解决正负样本不均衡带来的问题。实验表明:改进的Yolov3算法在检测性能上优于原算法。 展开更多
关键词 Yolov3 跨阶段局部网络 空间金字塔池化 focal loss 损失函数
在线阅读 下载PDF
基于空间金字塔池化的YOLOv3的柑橘多分级研究 被引量:4
15
作者 周剑 徐中贵 谢知音 《现代农业装备》 2023年第2期35-43,97,共10页
为研究食品工业环境下的柑橘分级工作,实现柑橘的快速与精确分级,提出使用基于空间金字塔池化(SPP)的YOLOv3算法来完成食品工业环境下的成熟柑橘的识别与检测。该研究构建了柑橘的图像数据集,并对图像进行预处理;通过在YOLOv3算法的基... 为研究食品工业环境下的柑橘分级工作,实现柑橘的快速与精确分级,提出使用基于空间金字塔池化(SPP)的YOLOv3算法来完成食品工业环境下的成熟柑橘的识别与检测。该研究构建了柑橘的图像数据集,并对图像进行预处理;通过在YOLOv3算法的基础上加入空间金字塔池化模块,使网络能够接受不同尺度的输入特征图,并对不同尺度的特征进行提取,从而改善了网络对图像特征信息的提取能力,进而提高模型的整体性能。试验结果表明,基于空间金字塔池化结构的YOLOv3网络对柑橘的多分级检测精确率达到95.08%。加入空间金字塔池化结构的YOLOv3网络对于柑橘表面特征具有更好的提取能力,能够提取到更多的柑橘表面特征信息。研究结果表明,本文使用的YOLOv3-SPP算法对食品工业环境下的柑橘分级具有较高的精确度,为柑橘的多分级工作提供了技术支持。 展开更多
关键词 柑橘分级 YOLOv3算法 空间金字塔池化 特征提取
在线阅读 下载PDF
基于非对称空间金字塔池化的立体匹配网络
16
作者 王金鹤 苏翠丽 +3 位作者 孟凡云 车志龙 谭浩 张楠 《计算机工程》 CAS CSCD 北大核心 2020年第7期228-234,242,共8页
卷积神经网络因具有强大的表征能力而被广泛用于图像处理算法,但其在处理过程中存在耗时和信息损失等不足。为此,提出一种基于非对称空间金字塔池化模型的卷积神经网络结构。设计非对称金字塔池化方法融入立体匹配网络,以获取更详细的... 卷积神经网络因具有强大的表征能力而被广泛用于图像处理算法,但其在处理过程中存在耗时和信息损失等不足。为此,提出一种基于非对称空间金字塔池化模型的卷积神经网络结构。设计非对称金字塔池化方法融入立体匹配网络,以获取更详细的图像特征信息。分别叠加卷积核为3×3和1×1的卷积层,用于融合多尺度信息和提升网络收敛速度,同时将网络结构由4层增加至7层,以提高匹配精度。在KITTI和Middlebury数据集上进行视差预测,实验结果表明,与基准网络相比,该网络结构可使收敛时间缩短约50.1%,匹配错误率从6.65%降低至4.78%,在立体匹配中获得更平滑的视差效果。 展开更多
关键词 卷积神经网络 非对称空间金字塔池化 多尺度融合 信息损失 立体匹配
在线阅读 下载PDF
基于叶绿素荧光成像及YOLO v7-DLM的绿豆叶片患病等级检测方法
17
作者 李洁 高尚兵 +7 位作者 余骥远 张浩淼 陈新 李士丛 蒋东山 袁星星 刘金洋 梁文香 《江苏农业科学》 北大核心 2025年第5期184-195,共12页
叶绿素能够准确反映作物疾病进程和等级,通过监测叶绿素能够帮助人们快速评估作物病情;构建精准高效的绿豆叶斑病检测模型对于准确筛选抗病品种和定位抗病基因具有重要意义。针对不同患病等级叶片的病斑大小不一、特征不明显的病斑容易... 叶绿素能够准确反映作物疾病进程和等级,通过监测叶绿素能够帮助人们快速评估作物病情;构建精准高效的绿豆叶斑病检测模型对于准确筛选抗病品种和定位抗病基因具有重要意义。针对不同患病等级叶片的病斑大小不一、特征不明显的病斑容易被忽略等问题,本研究提出一种基于叶绿素荧光成像及YOLO v7-DLM的绿豆叶斑病检测方法。首先设计了阶梯式空间金字塔池化模块,通过多层次特征提取和融合提高了网络学习能力,可以解决特征不明显的病斑易被忽略的问题;其次引入了坐标注意力机制模块,通过分析全局特征图来识别病变区域的关键特征,并据此调整局部特征响应的权重,实现对病变区域的聚焦和对关键特征的选择性增强;最后引入边界框定位损失函数Focal-EIoU Loss,更有效地指导模型学习更准确的边界框位置,提高检测精度。试验数据集由绿豆叶斑病的叶绿素荧光图像构成,其中包含5种抗性类型的绿豆叶斑病图像。本研究提出的YOLO v7-DLM模型在自建数据集上的识别精度和全类平均正确率分别达到65.3%、73.2%,比原YOLO v7模型分别提高了4.5、6.0百分点。该方法可以有效地检测和识别叶片的患病等级,提高检测的鲁棒性,提升模型对特征不明显病斑的提取能力,具有良好的应用前景,对进一步开展绿豆抗病育种工作具有重要意义。 展开更多
关键词 绿豆叶斑病检测 阶梯式空间金字塔池化 坐标注意力机制 EIoU 叶绿素荧光图像
在线阅读 下载PDF
基于多尺度特征融合与重构卷积的肝肿瘤图像分割方法
18
作者 马金林 酒志青 +4 位作者 马自萍 夏明格 张凯 程叶霞 马瑞士 《华南理工大学学报(自然科学版)》 北大核心 2025年第5期94-108,共15页
针对肝肿瘤图像特征表达能力不足和全局上下文信息传递受限的问题,该文提出一种基于改进U-Net的肝肿瘤图像分割方法。首先,设计了一种低秩重构卷积来优化传统卷积运算所导致的大量参数问题,并用其构建使用残差结构改进编解码器的卷积核... 针对肝肿瘤图像特征表达能力不足和全局上下文信息传递受限的问题,该文提出一种基于改进U-Net的肝肿瘤图像分割方法。首先,设计了一种低秩重构卷积来优化传统卷积运算所导致的大量参数问题,并用其构建使用残差结构改进编解码器的卷积核重构模块,使编码器保留更多的细节信息,并使解码器能更有效地恢复信息,以提升肝肿瘤图像特征的表达能力。然后,为丰富全局上下文信息的传递,设计了三分支空间金字塔池化模块来优化瓶颈结构的信息传递,打破单一路径的限制。接着,设计了多尺度特征融合模块来优化编码器信息的复用机制,增强模型对全局上下文信息的建模能力,并提升其在提取不同尺度肝肿瘤图像特征时的效能。最后,在LiTS2017和3DIRCADb数据集上对该文方法的性能进行了测试。实验结果表明:在LiTS2017数据集上的肝脏图像分割任务中,该文方法的Dice系数和IoU值分别达97.56%和95.25%,在肝肿瘤图像分割任务中的Dice系数和IoU值分别达89.71%和81.58%;在3DIRCADb数据集上的肝脏图像分割任务中,该文方法的Dice系数和IoU值分别达97.63%和95.39%,在肝肿瘤图像分割任务中的Dice系数和IoU值分别达89.62%和81.63%。 展开更多
关键词 肝肿瘤图像分割 卷积核重构 空间金字塔池化 多尺度特征融合
在线阅读 下载PDF
改进U-Net模型的隧道掌子面图像语义分割研究
19
作者 陈登峰 程静 +1 位作者 赵蕾 何拓航 《防灾减灾工程学报》 北大核心 2025年第4期776-783,共8页
隧道掌子面岩体结构是判断岩土工程地质条件、制定施工和支护方案、预防塌方及涌水等事故的直观依据。将U-Net模型应用于掌子面岩体结构图像分割与识别时,下采样过程中缩小图像尺寸会导致岩体部分细节信息丢失,上采样过程中将低层特征... 隧道掌子面岩体结构是判断岩土工程地质条件、制定施工和支护方案、预防塌方及涌水等事故的直观依据。将U-Net模型应用于掌子面岩体结构图像分割与识别时,下采样过程中缩小图像尺寸会导致岩体部分细节信息丢失,上采样过程中将低层特征传递到高层的跳跃连接导致特征映射过大。因此,提出加入空洞空间卷积池化金字塔模块ASPP和卷积注意力模块CBAM的改进U-Net模型。在U-Net模型的跳跃连接过程中加ASPP,利用不同膨胀率的空洞卷积捕获不同尺度的上下文信息,融合不同感受野的信息,从而更全面的理解图像内容;U-Net模型的下采样过程中加入CBAM,使网络模型更加关注有用的特征,从而增强特征的表达能力。实验结果表明,改进的网络模型相较于原始U-Net模型分割和识别性能有显著提升,在某隧道工程掌子面岩体图像数据集上Precision达到93.04%,mIoU达到74.98%,mPA达到78.89%。 展开更多
关键词 隧道掌子面 图像语义分割 卷积注意力模块 空洞空间卷积池化金字塔模块
在线阅读 下载PDF
基于改进Hyper-YOLO的煤矿输送带异物检测方法
20
作者 李刚 朱宇 +6 位作者 杨庆贺 邹军鹏 才天 贺鹏 张亚兵 赵艺鸣 田鑫浩 《工矿自动化》 北大核心 2025年第7期114-121,共8页
基于YOLO系列的输送带异物检测技术已取得丰富的研究成果,但其颈部网络无法使相隔较远的特征层直接交换特征信息,引发小目标漏检、重复检测等问题。Hyper-YOLO可在颈部网络实现特征层之间跨层、跨位置的高阶关联,但会增加计算量,且降低... 基于YOLO系列的输送带异物检测技术已取得丰富的研究成果,但其颈部网络无法使相隔较远的特征层直接交换特征信息,引发小目标漏检、重复检测等问题。Hyper-YOLO可在颈部网络实现特征层之间跨层、跨位置的高阶关联,但会增加计算量,且降低对高频特征信息的敏感性,导致在噪声较为敏感的区域特征提取能力下降,预测边界框发生偏移。针对上述问题,提出一种基于改进Hyper-YOLO的煤矿输送带异物检测方法。在图像预处理阶段采用动态对比度受限自适应直方图均衡化(Dy-CLAHE)方法,将Laplacian算子引入对比度受限自适应直方图均衡化(CLAHE)框架,建立噪声水平与对比度限制阈值之间的动态映射关系,有效解决了粉尘环境下图像细节丢失和噪声放大的问题;对Hyper-YOLO进行改进,采用高效交并比(EIoU)损失函数优化边界框回归过程,提升了预测边界框定位精度,并在混合聚合网络(MANet)的深层和浅层嵌入高效通道注意力机制(ECA)模块,通过局部跨通道交互动态调整通道权重,有效平衡对高频和低频特征信息的敏感性,降低小目标异物的漏检率,同时通过简化快速空间金字塔池化(SimSPPF)模块,减少了冗余计算,在保证精度的同时提升了推理速度。实验结果表明:改进Hyper-YOLO在准确率和mAP@0.5指标上分别为94.2%和93.4%,相较于Hyper-YOLO提高了5.0%和3.5%,参数量为3.26×10^(6)个,召回率为87.7%,检测速度为158帧/s,满足煤矿井下异物实时检测的需求;在不同煤矿输送带异物检测场景下无漏检及重复检测情况,预测边界框更贴合异物。 展开更多
关键词 煤矿输送带 异物检测 Hyper-YOLO 动态对比度受限自适应直方图均衡 EIoU 高效通道注意力机制 简化快速空间金字塔池化
在线阅读 下载PDF
上一页 1 2 10 下一页 到第
使用帮助 返回顶部