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
2
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
基于非对称混洗卷积神经网络的苹果叶部病害分割
被引量：
20
1
作者
何自芬
黄俊璇
+1 位作者
刘强
张印辉
《农业机械学报》
EI
CAS
CSCD
北大核心
2021年第8期221-230,共10页
针对苹果叶部病害由于数据集类间样本不均衡和拍摄角度、光照变化等实际成像与环境因素造成的精度低和泛化能力差的问题,本文提出了一种新型的非对称混洗卷积神经网络ASNet。首先,通过在ResNeXt骨干网络中添加改进的scSE注意力机制模块...
针对苹果叶部病害由于数据集类间样本不均衡和拍摄角度、光照变化等实际成像与环境因素造成的精度低和泛化能力差的问题,本文提出了一种新型的非对称混洗卷积神经网络ASNet。首先,通过在ResNeXt骨干网络中添加改进的scSE注意力机制模块增强网络提取的特征;其次,针对多数叶片病害特征分布相对分散的问题,使用非对称混洗卷积模块代替原始的残差模块来扩大卷积核的感受野和增强特征提取能力,从而提升模型的分割精度和泛化能力;最后,在非对称混洗卷积模块中使用通道压缩和通道混洗的方式弥补了分组卷积造成的通道间关联性不足的缺陷,降低了由于叶部病害类间不均衡导致的传统网络模型精度偏低的问题。在COCO数据集评价指标下,实验结果表明,相比于骨干网络为ResNeXt-50的原始Mask R-CNN模型,本文模型的平均分割精度达到96.8%,提升了5.2个百分点,模型权重文件减小为321 MB,减小了170 MB。对实地采集和AI Challanger农作物病害分割挑战赛的240幅苹果叶片图像进行测试,结果表明,本文模型ASNet对苹果黑腐病、锈病与黑星病3种病害和健康叶片的平均分割精度达到94.7%。
展开更多
关键词
苹果叶部
病害分割
ASNet模型
非对称混洗卷积
通道压缩
注意力机制
在线阅读
下载PDF
职称材料
基于MDL-U2-Net的盆底超声图像轻量级分割及参数测量
2
作者
刘孝保
甘博敏
+1 位作者
姚廷强
申吉泓
《计算机辅助设计与图形学学报》
北大核心
2025年第2期277-292,共16页
准确地分割超声图像中盆底区域,是实现盆底疾病计算机辅助诊断的重要环节.针对盆底形态复杂、边界模糊、分割算法参数量庞大以及参数测量精度有限等问题,搭建了一种轻量级语义分割网络MDL-U2-Net并提出修补算法AC-F.首先,对基准U2-Net...
准确地分割超声图像中盆底区域,是实现盆底疾病计算机辅助诊断的重要环节.针对盆底形态复杂、边界模糊、分割算法参数量庞大以及参数测量精度有限等问题,搭建了一种轻量级语义分割网络MDL-U2-Net并提出修补算法AC-F.首先,对基准U2-Net进行结构优化和通道数调整,以有效地降低模型参数量;其次,融入复合损失函数以缓解训练损失波动并提升边界保持能力,提高网络对模糊边界的分割准确性;之后,提出深度非对称多尺度混洗卷积模块,以捕获特征空间采样的位置偏移信息,弥补轻量网络感受野不足和特征提取能力较弱的缺陷,提高网络对盆底复杂形态的建模能力;最后,采用修补算法对分割盆底进行精细化填补,以提高盆底完整性和参数测量的精度.在自制数据集上的实验结果表明,MDL-U2-Net对盆底分割的Jaccard,Recall和HD95指标分别达到91.226%,93.589%和1.074,与基准U2-Net相比,模型参数量缩减了94.37个百分点;此外,经AC-F算法处理后的区域面积测量百分误差降至1.25%,ICC达到0.998且有95%(76/80)的数据在95%LoA内,能够实现轻量级分割和精确参数测量.
展开更多
关键词
盆底超声图像
轻量化
复合损失函数
深度
非对称
通道
混洗
卷积
模块
参数测量
在线阅读
下载PDF
职称材料
题名
基于非对称混洗卷积神经网络的苹果叶部病害分割
被引量：
20
1
作者
何自芬
黄俊璇
刘强
张印辉
机构
昆明理工大学机电工程学院
出处
《农业机械学报》
EI
CAS
CSCD
北大核心
2021年第8期221-230,共10页
基金
国家自然科学基金项目(61761024、62061022)。
文摘
针对苹果叶部病害由于数据集类间样本不均衡和拍摄角度、光照变化等实际成像与环境因素造成的精度低和泛化能力差的问题,本文提出了一种新型的非对称混洗卷积神经网络ASNet。首先,通过在ResNeXt骨干网络中添加改进的scSE注意力机制模块增强网络提取的特征;其次,针对多数叶片病害特征分布相对分散的问题,使用非对称混洗卷积模块代替原始的残差模块来扩大卷积核的感受野和增强特征提取能力,从而提升模型的分割精度和泛化能力;最后,在非对称混洗卷积模块中使用通道压缩和通道混洗的方式弥补了分组卷积造成的通道间关联性不足的缺陷,降低了由于叶部病害类间不均衡导致的传统网络模型精度偏低的问题。在COCO数据集评价指标下,实验结果表明,相比于骨干网络为ResNeXt-50的原始Mask R-CNN模型,本文模型的平均分割精度达到96.8%,提升了5.2个百分点,模型权重文件减小为321 MB,减小了170 MB。对实地采集和AI Challanger农作物病害分割挑战赛的240幅苹果叶片图像进行测试,结果表明,本文模型ASNet对苹果黑腐病、锈病与黑星病3种病害和健康叶片的平均分割精度达到94.7%。
关键词
苹果叶部
病害分割
ASNet模型
非对称混洗卷积
通道压缩
注意力机制
Keywords
apple leaf
disease segmentation
ASNet model
asymmetric shuffle convolution
channel squeeze
attention mechanism
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
基于MDL-U2-Net的盆底超声图像轻量级分割及参数测量
2
作者
刘孝保
甘博敏
姚廷强
申吉泓
机构
昆明理工大学机电工程学院
昆明医科大学第一附属医院
出处
《计算机辅助设计与图形学学报》
北大核心
2025年第2期277-292,共16页
基金
国家自然科学基金(82260297)。
文摘
准确地分割超声图像中盆底区域,是实现盆底疾病计算机辅助诊断的重要环节.针对盆底形态复杂、边界模糊、分割算法参数量庞大以及参数测量精度有限等问题,搭建了一种轻量级语义分割网络MDL-U2-Net并提出修补算法AC-F.首先,对基准U2-Net进行结构优化和通道数调整,以有效地降低模型参数量;其次,融入复合损失函数以缓解训练损失波动并提升边界保持能力,提高网络对模糊边界的分割准确性;之后,提出深度非对称多尺度混洗卷积模块,以捕获特征空间采样的位置偏移信息,弥补轻量网络感受野不足和特征提取能力较弱的缺陷,提高网络对盆底复杂形态的建模能力;最后,采用修补算法对分割盆底进行精细化填补,以提高盆底完整性和参数测量的精度.在自制数据集上的实验结果表明,MDL-U2-Net对盆底分割的Jaccard,Recall和HD95指标分别达到91.226%,93.589%和1.074,与基准U2-Net相比,模型参数量缩减了94.37个百分点;此外,经AC-F算法处理后的区域面积测量百分误差降至1.25%,ICC达到0.998且有95%(76/80)的数据在95%LoA内,能够实现轻量级分割和精确参数测量.
关键词
盆底超声图像
轻量化
复合损失函数
深度
非对称
通道
混洗
卷积
模块
参数测量
Keywords
pelvic floor ultrasound image
minimizing
compound loss function
deep asymmetric channel shuf-fling convolution module
parameter measurement
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
基于非对称混洗卷积神经网络的苹果叶部病害分割
何自芬
黄俊璇
刘强
张印辉
《农业机械学报》
EI
CAS
CSCD
北大核心
2021
20
在线阅读
下载PDF
职称材料
2
基于MDL-U2-Net的盆底超声图像轻量级分割及参数测量
刘孝保
甘博敏
姚廷强
申吉泓
《计算机辅助设计与图形学学报》
北大核心
2025
0
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
